为什么Spotify的敏捷模型有效,又为何不应该复制它们?

简介:

并不存在Spotify敏捷模型。但很多来自Spotify的人都在谈论他们的人员和流程系统是如何运作的。这一切听起来都很棒。这就如同向人们展示一块巧克力蛋糕,告诉他们有多好吃,然后却说“不要吃巧克力蛋糕”。

有一个很好的理由说明为什么你应该采纳Spotify的建议,而不仅仅是直接跳进去并采用他们的所做的任何事情,包括从小队到公会。 因为这全部与瑞典文化有关。

Spotify生于瑞典。 以下是比较美国和瑞典文化的心理研究。

71a50abe1c17bd6397a8575d0bad132341aedb2c

从霍夫斯泰德文化维度来比较瑞典与美国

瑞典

美国

关心他人和生活质量是核心价值观。 生活质量是成功的标志,从人群中脱颖而出并不令人钦佩。

受到竞争、成就和成功的驱动。成功的定义是“赢家通吃” - 一种在学校开始并贯穿整个组织生活的价值体系。

并不强调去维持历史悠久的传统和规范或观察社会

衡量短期业绩,每季度发布损益表。 这也促使个体努力在工作场所内快速取得成果。

人们认为只需要保留必要的规则,如果它们含糊不清或不起作用,就应该放弃或改变。 时间表是灵活的,在必要时进行艰苦的工作,但不是为了自己的利益,创新不被视为具有威胁性。

为了获取或寻求信息,人们并不羞于接近他们的潜在对手。 期望团队能自力更生并展现出主动性。此外,在基于交换的工作世界中,我们看到招聘、晋升和决策是基于一个人所做或可以做的事情的优点或证据。

总体而言,像瑞典这样的文化“强调个人主义和定位,以及对权力距离(Power Distance)的相对弱化。 这个价值观代表民主福利国家,对环境的关注度很高。”

从这个角度来看,Spotify的团队模型很有意义。部落、小队、分会和公会都旨在产生共同的兴趣,照顾人们的福祉,他们需要自主、成就感、专精和目的性。 在瑞典,像荷兰和斯堪的纳维亚等其他西欧国家一样,“人们的工作动机与他们自己的世界领域内的自治感非常相关”(Wursten,2008)。 这些因素是一个很大的社会均衡器,有助于最大限度地减少英雄文化的负面影响。

654a958b56386eae92f017091aa4acf94ce64f5f

Spotify:当你没有模型时所拥有的模型

在最近对Spotify的采访中,Edgar Schein强调了在Spotify内理解文化的重要性:

 ●   星巴克在澳大利亚失败了, 因为它没有考虑澳大利亚现有的咖啡文化
 ●   家得宝在中国失败, 因为人们没有考虑中国人不喜欢“自己动手”
 ●   沃尔玛没有考虑到在德国境内 “迎宾员”以及他们为顾客购买杂货的倾向,是一种奇怪的做法

Spotify的模型之所以有效,是因为它们符合公司的核心价值观和组织文化。 因此,制定和分析您自己组织的文化是理解如何影响变革的关键。

当我参与一个新的敏捷转型时,Waisfisz在组织文化方面的工作对我来说很关键。 他的论文非常好地提醒我们变革的首要关注点。

685381a4926acf78ddb1adfbf1f755f5f9865e73

资料来源:Bob Waisfisz(2015)组织文化视角。 霍夫斯泰德中心。 Itim国际

结合霍夫斯泰德(Hofstede)的文化维度,我总是有一个良好的起点去了解我将要改变的文化。 这些材料总能帮助我理解:

 ●   哪些方法 会比其他敏捷转型方法更好 - 自上而下和一次性的,还是从小处开始并公开进行,抑或偷偷摸摸地搞Scrum?
 ●   如何销售变革 - 是为了“更大的利益”,长期的盈利能力,还是关于市场主导地位,我是否需要一个 燃烧的平台 来创造驱动力?
 ●   哪种敏捷框架将比其他框架更有效 - 精益及其渐进变革会比Scrum带来的彻底变革更容易被接受吗? 因为高度规避不确定性的组织文化,或者具有很高的权力距离,所以像 SAFe 这样的规模化敏捷框架(人们可以看到熟悉的官僚层级结构)是比 LeSS 更好的起点?

在敏捷社区中,我们现在很容易地认识到传统的瀑布文化是什么样。现在是时候扩大我们的范围,理解组织的潜在文化方面,驱动力是什么,激励又是什么,然后将其作为推动积极变革的工具。



原文发布时间为:2018-09-26

本文作者:申导Jacky

本文来自云栖社区合作伙伴“中生代技术”,了解相关信息可以关注“中生代技术”。

相关文章
|
自然语言处理 Java Go
项目总监必看:如何利用Git深度统计团队代码贡献?多语言实践教程揭秘!
项目总监必看:如何利用Git深度统计团队代码贡献?多语言实践教程揭秘!
337 0
|
4天前
|
前端开发
结合具体案例分析Gitflow分支策略在大型前端项目中的应用优势
通过这个具体案例可以看出,Gitflow 分支策略在大型前端项目中能够提供有条不紊的开发环境,保障项目的稳定性和持续发展。
|
3月前
|
人工智能 Oracle Java
蚂蚁 CodeFuse 代码大模型技术解析:基于全仓库上下文的代码补全
CodeFuse 代码补全插件是 CodeFuse 系列产品中用户数量最多、留存率最大,调用AI能力最多的产品~欢迎大家体验试用https://github.com/codefuse-ai/RepoFuse
631 7
蚂蚁 CodeFuse 代码大模型技术解析:基于全仓库上下文的代码补全
|
3月前
|
弹性计算 监控 JavaScript
【颠覆传统!】云效Flow——让你的CI/CD流程如虎添翼,轻松驾驭高效稳定的自动化部署之旅!
【8月更文挑战第8天】现代软件开发中,持续集成(CI)与持续部署(CD)至关重要。我最近使用了“云效Flow”,一款专为高效稳定的CI/CD流程设计的工具。它支持多种语言与框架,并易于集成第三方服务。只需注册并创建项目,平台便提供新手引导。以Node.js项目为例,代码托管在GitHub上后,在云效Flow中设置流水线,通过YAML自定义构建与测试步骤。代码提交后,构建自动执行。部署环节可利用内置策略,如一键发布到阿里云ECS,并支持蓝绿部署确保平滑切换。此外,云效Flow还具备监控与告警功能。总之,云效Flow简化了CI/CD流程,提高了开发效率与软件质量,适合各种规模的团队使用。
86 2
|
6月前
|
监控 Devops Java
大型IM工程重构实践:企业微信Android端的重构之路
本文将探讨我们在大型IM工程实践中采用的一些行之有效的重构方法和实例,以及如何让一个大型软件系统持续保持活力。
156 0
|
机器学习/深度学习 存储 监控
DVC 使用案例(三):机器学习持续集成与持续交互( CI/CD )
将 DevOps 方法应用于机器学习 (MLOps) 和数据管理 (DataOps) 越来越普遍。对于一个完善的 MLOps 平台来说,需要囊括资源编排(为模型训练提供服务器)、模型测试(验证模型推理)、模型部署到生产,以及模型监控和反馈等机器学习生命周期各个环节。 DVC 可以管理数据/模型和重现 ML 流水线,而 CML 可以协助编排、测试以及监控。
|
安全 Shell 网络安全
OpenHarmony系统贡献代码流程
通过这段时间的学习,我想你肯定有想为OpenHarmony贡献代码的冲动吧,今天带大家学习一下贡献代码的流程,话不多说,开始了哦~~
184 0
OpenHarmony系统贡献代码流程
|
运维 监控 安全
面向快速反应的工程团队 --QRF 团队模型
面向快速反应的工程团队 --QRF 团队模型
235 0
面向快速反应的工程团队 --QRF 团队模型
|
机器学习/深度学习 存储 Kubernetes
用于 MLOps 的最佳数据版本控制工具(Aporia)
您的团队如何跟踪机器学习模型和实验的所有数据? 这是数据科学团队经常遇到的问题。 为了在所有版本更新之后保持最新和一致,您的团队需要正确的工具。查看下面的 MLOps 领域中的最佳数据版本控制工具列表。
|
存储 人工智能 搜索推荐
GitHub核心功能向全球4000万开发者免费开放!私有库可无限协作,大AI模型随便放
GitHub宣布私有库免费向团队和个人开发者开放,不再设立人数限制。除了这个大福利,企业版本也降低了价格,还提供免费的持续集成和超大存储空间,今天我们就先睹为快,看看GitHub这些新特性。
385 0
GitHub核心功能向全球4000万开发者免费开放!私有库可无限协作,大AI模型随便放
下一篇
无影云桌面