浅谈技术管理之日式管理的殊途同归

简介:

摘要:人们的现状是歪的,管理者为他塑造一个新图像,当对方将现状扶正,与新图像吻合,管理的目的就达成了。

《周易》说,形而上者谓之道,形而下者谓之器;降龙十八掌里有履霜坚冰,夕惕若厉等招数;坤卦爻辞中也有含章可贞,或从王事等管理和做人规则。

看完上面几句,大家可能会想,不是说日式管理嘛,怎么说起中国传统哲学了?其实无论是西方的还是日式的管理方法与经验,其理论来源都是中国的哲学思想,无论是德鲁克的任务、责任、实践的管理理论,波特的差异竞争论,哈默尔的核心竞争力,还是明茨伯格的战略和经理人角色,科特的领导与变革,归根到底这只不过是一些管理的方法和手段而已,这些手段和方法,在浩淼的中国传统哲学中都能找到与它们几乎一致的理论,可以说中国的哲学思想是世界管理学的源头活水。

说到日式管理,很多人也都耳熟能详。日式管理强调和谐的人际关系,上下协商的决策制度,员工对组织忠诚与组织对社会负责;日式管理的三大核心:终身雇佣制、年功序列制和企业工会制。

笔者1998~2010年期间主要在日本工作,对日式管理相对熟悉,这里咱们不谈这些理念性的东西,以自己的亲身经历和体验跟大家分享一下在日本期间的实际感受。

首先举两个具体事例。

事例1:点测法

某日本物流企业的货车运输部门,向总部申请追加购买运货卡车,理由是现有卡车数量不足,总部能够看到的数据是每个月的运送单数、重量、距离等,并不能反映出卡车到底够不够。于是总部连续两周,在每天的工作时间内随机选择2-3个时间点,统计在该时间点正在开动的卡车和没有开动的卡车数量,统计结果是有37%的卡车处于停止状态,于是总部以运输部门没有很好地统筹安排工作为理由,驳回了购买卡车的申请。

在实际工作中,我们经常碰到需要衡量评价又找不到合适的量化考核标准,或者由于考核的成本过高无法经常使用的情况,这时就可以看看能否从点测法中得到些提示。

通过统计一段时期内的上午11点和下午3点不在工位(或会议室)工作而正在休息的人的休息次数,可以大致得到下属中工作自觉性的数据;

通过几个连续的点测横向比较群体的数据,就能了解前后几个阶段总体工作相对的紧张度和松缓度,方便按照劳逸结合原则布置工作。

在测试的bug列表中,加入测出bug的人名,就可以大致看到测试组每个成员的测试效果;

把Bug分成几个等级的难易度,测出较多高难度bug的成员也代表相对较高的测试水平;

再加一列标出发生此bug的研发人员,可以根据bug发生的数量和等级大致得到研发人员的工作量、研发水平、责任心等信息。

多维度点测更容易得到正确的信息,单维度则容易出现偏差,比如单纯看研发人员发生bug数量,会分不清是干活多还是不够仔细。

事例2:工具选择

某日本矿场做提高生产效率的研究,把每个工人的日产量进行统计排序后收集数据,进一步观察其中工作成绩较好的员工,寻找他们产出高的原因,发现除了身体素质达标等因素以外,50%以上的高产员工用的是自备铁锹,铁锹的长短、重量、弧度等都跟使用者的身高、体力等有一定的比例关系,更有一部分人在铁锹容易磨手的地方做了防护,在容易打滑的部位做了防滑处理。于是,公司改变了以前铁锹的单一尺寸,根据长短不同设计了几个型号的铁锹,并且增加了防护防滑处理,每个工人可以选择合适自己的铁锹型号。这样,虽然生产工具成本提高了将近10%,但整体工作效率提高了近30%,矿场的改革增长了公司的效益。

在软件开发行业,我们看到有些员工会使用自己的电脑工作,这些私人电脑往往比公司电脑的配置要高,一方面可能是因为用着顺手,另一方面加快了效率提高了工作质量,也节约了自己的时间,例如电脑启动这一项,配SSD的用1分钟,机械盘有时5分钟都起不来。

如果说电脑配置的例子有点简单,那下面用逆向思维拓展一下。比如,不同的人适合的工作也是不同的。笔者有一次招聘了一批做对日项目的应届生,做的是野村证券的COBOL项目,经过严格的面试和3个月的系统培训,留下的人都还可以,有一名应届生虽然留下了,但bug率、排名都不靠前,一度被认为资质平常,后来有机会参与Java项目,学习速度和对项目整体的理解脱颖而出。我也很高兴又发现了一名后辈中的优秀人才,他只是不善于做COBOL这种简单但要求十分细致的开发,最终把他安排在了需要很强学习能力和快速出成果的区块链团队,他就是宜信区块链团队的研发主力王同学,对区块链整体把握和实现方式都达到了较高的水平。

除了工作和人的匹配,人与人的匹配也是一门学问,谁的业务水平虽高但不适合管人,谁和谁配合会有火雷噬嗑之象,谁出活快但不注意细节需要配备较好的测试,什么样的产品可以管技术什么样的不行等等,相信大家在日常工作中都有体会。

当然,任何方式方法都忌讳生搬硬套,一味地追求单项指标往往得不到最优性价比。我在日本有一次就比较郁闷,一个大型建材销售系统中的某个修改,涉及30多个模块,需10人用3个月完成。后来由于工期和资源的问题,要求我1人在1个月内完成,我虽然倒吸一口冷气,但还是全心投入工作了,紧张程度可想而知,堪比高考,如临大敌,过程中我惊奇地发现干满8小时居然能喘,为保证第二天的效率不能加班太多,最后终于在3个星期后完成,但上线后发现一个低级bug,有个地方把商品名字段错填成商品号了。这时日方管理者隐约表示出不满,并且怕我不够仔细所以没有让我参与数据修复的工作。别人加班时我没跟着加到太晚,还点了我一下说“别人都在为你修复数据,你没事也不能先走啊”。于是,我这三个星期连做梦都在思考工作的状态瞬间被浇灭了... 这个事件验证了一个管理要点,即做事先做人,管人先关心。

从上面的例子大家应该可以感觉到一件事,无论是正面的成功案例还是反面的瑕疵案例,日本优秀管理者的一大特点是勤快,他们愿意思考和尝试。从这点来讲,管理跟其他很多事情是一样的,勤能补拙,熟能生巧。我们在职场做事,很多时候获得成功的原因不是因为你有多聪明,而是因为你足够勤劳;不光要手脚勤快,更重要的是脑子勤快,如果再配上些其他特征,比如正直、果断、情商高等,这样的人本身就容易成功。勤快是管理的一大要素。

总的来讲,日本人在工作上鼓励高效、做事前有计划、经常同时使用双手做不同的事情、枚举所有的异常情况、忠诚、长期合作、遵守规则、尊重强者。这跟我们平时常说的团队凝聚力、员工稳定性、核心竞争力、匠心精神、长期领跑行业等,很多都是一个意思。

早在17世纪,西方管理学者就已意识到管理学离不开中国智慧,他们便回过头来,求助于东方智慧。西方管理学家所论述的管理的实质其实就是中国传统哲学讲的“内圣外王”的哲学之道。管理对于人而言无外乎就是:“管好自己和管好别人”,对于企业这个组织而言就是“能形成产业,对外成为某一领域的王者-引领者”,也就是要做到“内圣”和“外王”。所以对管理有兴趣的朋友也可以接触一下中国古代文化,两者有很多都是相通的。

理论结合实际是提升的必经之路,不管是日式的、西方的,还是中国传统的管理理念,我们能够肉眼所见、能够模仿到的都是规章规则等外在表现,真正的内涵和精髓还需要在日常的工作中不断理解体会、归纳和提炼,正所谓为学日增,为道日损。

希望本文所述能给大家带来点滴启发,谢谢!

人们的现状是歪的,管理者为他塑造一个新图像,图像越清晰,对方的反差就越强烈,就会产生认知不和谐,产生不舒服的感觉,产生压力,进而产生动力,自动自发,自行负责。当对方将现状扶正,与新图像吻合,管理的目的就达成了。

作者:胡晔

相关文章
|
缓存 网络协议 安全
49. 【Android教程】HTTP 使用详解
49. 【Android教程】HTTP 使用详解
710 1
|
6月前
|
SQL 敏捷开发 前端开发
软件测试从0-1入门知识大全
教程来源 https://app-aaqhxe29haf5.appmiaoda.com/ 本文系统介绍软件测试入门知识,涵盖测试定义、七大原则、分类体系(黑/白/灰盒、各级别与类型测试)、用例设计方法、完整测试流程、缺陷管理及自动化测试基础,助力零基础者成长为专业测试工程师。
软件测试从0-1入门知识大全
|
6月前
|
前端开发
前端开发 之 15个页面加载特效中【附完整源码】
本篇文章内容展示了毒药水加载、圆环百分比加载、圆点加载等页面炫酷加载特效,并给出了完整的代码及注释
371 2
|
人工智能 移动开发 监控
「10秒发现,5分钟定位」- 阿里云EMAS应用监控引领全链路智能监控新时代
阿里云 EMAS 应用监控是面向客户端的全方位监控服务平台,覆盖移动端和Web/H5端。基于阿里巴巴深厚的技术沉淀,提供稳定高效的监控服务,帮助开发者实时掌握应用性能与稳定性情况,快速构建“感知 > 定位 > 修复”运维闭环,保障应用质量,优化用户体验。
737 13
「10秒发现,5分钟定位」- 阿里云EMAS应用监控引领全链路智能监控新时代
|
12月前
|
JavaScript Java 大数据
基于python的网络课程在线学习交流系统
本研究聚焦网络课程在线学习交流系统,从社会、技术、教育三方面探讨其发展背景与意义。系统借助Java、Spring Boot、MySQL、Vue等技术实现,融合云计算、大数据与人工智能,推动教育公平与教学模式创新,具有重要理论价值与实践意义。
|
人工智能 算法 BI
聚焦AI与BI融合,引领数智化新潮流 | 【瓴羊数据荟】瓴羊数据Meet Up城市行第一站完美收官!
当BI遇见AI,洞见变得触手可及 —— 瓴羊「数据荟」数据Meet Up城市行·杭州站启幕,欢迎参与。
1981 5
聚焦AI与BI融合,引领数智化新潮流 | 【瓴羊数据荟】瓴羊数据Meet Up城市行第一站完美收官!
|
敏捷开发 算法 数据建模
『软件工程2』详解软件工程和软件过程模型
该文章深入解析了软件工程的概念及其过程模型,包括软件生命周期的不同阶段和常见的软件开发模型如瀑布模型、敏捷开发等,并探讨了各自的特点与适用场景。
『软件工程2』详解软件工程和软件过程模型
|
机器学习/深度学习 人工智能 自然语言处理
比较Python和Java哪个更好
比较Python和Java哪个更好
696 5
|
机器学习/深度学习 人工智能 自然语言处理
【图像生成技术】人工智能在医疗健康领域的应用实例:图像生成技术的革新实践
在当今医疗健康的前沿阵地,人工智能(AI)技术正以前所未有的速度重塑着医疗服务的面貌,其中图像生成技术尤其在提升诊断精度、优化治疗策略及增强医疗教育方面展现出了巨大潜力。以下将通过一个简化的示例,展示如何利用深度学习模型,特别是生成对抗网络(GANs),来生成医学图像,并讨论其在实际医疗场景中的应用价值。
760 6
|
编译器 开发工具 C语言
解锁QtCreator跨界神技!Windows下轻松驾驭OpenCV动态库,让你的跨平台开发如虎添翼,秒变视觉编程大师!
【8月更文挑战第4天】QtCreator是一款强大的跨平台IDE,便于创建多平台应用。本教程教你如何在Windows环境下集成OpenCV库至Qt项目。首先,下载匹配MinGW的OpenCV预编译版并解压。接着,在QtCreator中新建或打开项目,并在.pro文件中添加OpenCV的头文件和库文件路径。确保编译器设置正确。随后编写测试代码,例如加载和显示图片,并进行编译运行。完成这些步骤后,你就能在QtCreator中利用OpenCV进行图像处理开发了。
1072 6