专栏首页数据化管理别让数据指标输在层级管理上
原创

别让数据指标输在层级管理上

数据指标的层级管理

企业组织的管理按照专业进行职能划分,并根据职责权限的大小分成不同的层级,无论是矩阵型组织还是简单的层级树形结构都需要通过层级划分实现更加有效的管理。组织的层级划分直接决定着数据指标的层级划分,每个层级对一定的数据指标负责,并通过过程指标了解对应下属部门或者组织成员的绩效,通过控制指标行使本岗位职能的权力,通过绩效指标向上一级部门或者组织成员汇报本职工作绩效。数据指标的层级管理必须跟公司组织架构的层级管理相匹配。

1.1 组织层级架构与数据的层级架构相匹配

每个管理岗位工作的复杂程度决定着该岗位可以管理的最多人员的数量,即管理幅度。

管理工作的重复性直接影响着最大管理幅度。一个销售经理,下属是业务员团队,如果每个业务员的工作都是类同的,比说打电话、拜访客户、签单等,下属工作重复性高,则管理幅度就较大;如果每个业务员所做的工作要求个性化很强,需要针对不同类型的客户采取不同的销售策略,业务员的实际工作需要占用销售经理大量的精力去指导、决策,那么这个岗位的管理幅度就较小。一般情况下,级别越高,工作的复杂程度越高,管理幅度就需要相应减小,层级越低,重复性的工作占比就会越高,管理幅度相应增大。

一个管理有序的公司,应该在职能序列和层级序列上制定规范化的标准,并对每个岗位进行精细化和专业化的评估,制定完善的职序和职级体系,确定每个岗位的任职资格,以及明确的责权利,从而在数据化管理的过程中,根据该体系制定对应的目标、计划、检查和评估流程,完善公司的组织治理。而数据是为这个公司治理体系服务的,每个岗位的数据指标必须符合本岗位的需求,为每一个岗位提供服务。

在基层,基层管理者的主要职责是执行,在执行的过程中,根据具体的情况做出执行决策的调整。在生产一线,班组长负责对班组的工作进行管理、协调,根据人、机(设备)、料(物料)、法(方法、工艺、流程等)进行生产协调,保证生产正常进行。班组长所需要采集的数据为源头数据,用于了解执行过程,把控执行的结果,根据经验或者工艺流程的要求,优化执行程序,从而更加有效地完成本岗位应该负担的任务执行之职责。

根据公司经营绩效数据,投资者、股东、机构投资者可以根据个人的实际情况和投资偏好,决定是否继续投资此公司,或者通过投票决策调整整个公司的发展方向,必要的时候干预总经理的相关经营管理决策。我们把这一层叫作金融数据,是用来决定投资和投资策略的数据。

当然,每个公司都会不同,在管理上的层级划分并非如此明显,特别是在一些私营企业,董事长直接管理一线工作人员的现象非常普遍。

在咨询实践中,插手一线的公司董事长们都在抱怨各个层级不够尽心、努力,能力不行。其实,本质上还是董事长的责任,其在企业发展的过程中没有更好地培养团队,没有建立人才机制,也不注重企业文化建设,在团队激励上仍然把招聘的高级人才当成一线的工人使用。这是需要企业高层特别要关注的问题,这种问题不解决,人力资源管理的科学设计也会被束之高阁。

1.2 精细化数据指标管理带来管理幅度的提高

管理方式的不同影响着管理复杂程度,通过提高管理方式的有效性,可以提高管理幅度。通过数据化管理,提升管理的有效性,可以进一步扩大管理幅度,从而缩减人员,减少非产出人员的比例。管理者下属人员的数量叫作管理幅度,而公司所有管理者下属人员的平均值是公司的平均管理幅度,一个公司的全体管理者的平均管理幅度代表着这个公司管理人员的管理水平。管理者水平高,管理幅度则可以增加,反之需要减少。

我们经常见到随着公司的发展管理机构不断扩员,增设新的部门,增加新的管理者,致使机构逐渐变得臃肿。

根据公司的组织架构梳理出各个管理岗位的数据指标后,形成标准化、规范化的模板,并根据该模板制定数据采集、加工、传输以及分析的系统化流程,绝大部分的管理让数据表格和数据报告来实现,可以大幅度降低管理的难度和复杂性,降低对管理者能力的要求,从而进一步提升管理幅度,达到精简组织的效果,提升组织效率。

用营销系统来举例。营销总监岗位需要关注营销渠道、品牌建设、广告投放、营销活动以及市场洞察与研究等方面的工作,每个方面的工作都有些日常的常规事务,这些常规事务是在确定管理目标和行动计划后,由相关部门的负责人负责执行,然后向营销总监汇报相关的数据。企业在管理中,可以针对渠道管理设定一系列的数据指标,把数据维度分成如下。

(1)渠道开拓:新渠道开发数量、新渠道贡献、新渠道销售预测、新渠道策略等。

(2)渠道维护:老渠道丢失数量、老渠道销售贡献及增长情况、老渠道销售预测、老渠道维护策略、老渠道激活(复苏)计划执行情况等。

(3)渠道区域布局:渠道各地区销售额结构关系、各区域销售额变化分析等。

(4)渠道费用控制:各渠道费用预算、费用使用、费用配置计划与实际执行对比等。

(5)渠道库存管理:渠道库存周期、最佳渠道库存量、断货现象数据、长期库存等。

(6)渠道问题点:窜货问题、渠道投诉问题、渠道需求调研问题等。

各层级管理者根据以上维度,对渠道的相关数据定期进行整合、汇总、对比、分析,找出差距和原因,并分析四大类数据指标(规模、速度、效率、效益),形成定期的数据报表和报告,在形成报表和报告的时候,通过标准化的模板来制作,每个月对应的数据流都是一致的,从而大大简化了业务分析工作。

以上仅仅是举例说明,不同的公司在渠道管理上有不同的模式,因此数据指标标准化的方法肯定不同,原则上是通过常规分析转换为标准化数据报表和模板,从而简化管理者花费时间去分析问题、解决问题,通过制定相关的原则,让各个管理岗位将主要问题的解决方案下放到相关的执行部分,解放高层管理者的参与程度。

1.3 数据化管理下的组织扁平化趋势

经过标准化相关的数据报表和分析报告之后,组织管理幅度增加,管理更加顺畅,能够看到每个层级出现的问题,从而更加有效地进行管理,组织冗员可以进一步减轻,消减部分层级,实现组织的扁平化管理。

理论上,在组织平均管理幅度变化不大的情况下,随着公司规模的扩大,层级数会随之提高。一个近千人的企业,如果按照管理幅度为1:10计算,即1:10:100:1000,则需要四个等级,如果是万人左右的企业,则需要5个等级,即1:10:100:1000:10000。实际情况是,一个千人左右的企业大概有7个甚至更多等级,包括:董事长/总经理、副总经理、总监、部门经理、经理、主管、职员等。而且一线管理者的管理幅度一般都比较高,特别是在生产制造型企业、零售服务业,一个主管可以管理20个甚至更多的职员或者工人,所以即使是两万多人的企业,5个管理层级也够了。

企业管理层级众多其原因是多方面的,有的是历史原因形成的,在发展的过程中,根据需要设置岗位或者组织部门,而实际业务需求又没有那么多,所以会出现一个经理下属一个职员的单线管理,即管理幅度只有1的情况出现;有的是因为企业发展初期,能够给予员工的工资相对较低,为了提高员工的满意度,让更多的员工在职位等级上有个晋升,通过“卖爵”的方式来降低工资支出,这种情况较为普遍;还有一种情况是公司业务本身就是外联的比较多,为了让员工出去参与外联活动的时候名头好看,就制定了不同的“爵位”,动辄就是总裁、总经理、总监等职位。

公司在设定等级的时候一定要考虑各个层级和职序中的管理幅度,对工作的复杂程度进行科学评估,界定一个管理岗位的合理管理幅度,从而保证管理岗位有效且必要。

有些公司会采取另外一种做法,觉得某个人在公司中工作时间久了,技术和专业都很强,这个时候希望给他们一个职位,可以更好地激励这类员工,这其实是没有必要的。存在这种做法的企业都是不尊重知识和专业的企业,他们认为技术人员在公司里就是普通的“蓝领”或者“工人”,不是“领导”,所以需要用管理岗位的职位名称来肯定其技术或者专业能力。有这种做法的企业本身就是从心理上、文化上、价值理念上不尊重知识。很多优秀的企业设立专门的技术或者专业路线,用技术等级来评定一个人的专业能力,从而让专业人士继续做专业的事情。有些非常优秀的专业人士并不能胜任领导者或者管理者的岗位,其核心能力在于学术和技术上的研究,需要公司将专业人士安排去做其专业相关的工作,而不是安排其做不擅长的管理岗位。公司在设计职序的时候,除了常规的职能划分外,还要给专业线路提供一个专门的序列。

1.4 数据指标并不完全是KPI

数据化的管理指标并不一定都是KPI。KPI是KeyPerformanceIndicator的简称,标识关键业绩指标。每个岗位上的数据化指标包含了三大类,一是下级向上汇报过来的过程指标;二是本岗位需要严格控制的各类控制指标;三是需要向上级汇报的业绩指标。而KPI是第三类指标中的关键指标部分。

企业为了简化管理,提高管理的效率,往往仅针对关键绩效指标进行评价,以此来评价某个岗位上员工的表现情况,在绝大多数的情况下,这是非常有效的管理方式和方法,但有时也会产生一些不好的影响,特别是当环境发生变化,人力资源对KPI的调整没有及时跟进市场变化的情况,会导致错误的KPI指标,让员工的绩效偏离了公司希望实现的产出目标。

比如,在初期宣传微信的时候,阅读量能够很好地转化为订阅量,随着各种微信公众号的增多,每个人订阅的微信公众号越来越多,这个时候单纯地考核阅读量将不能体现真实业绩了,需要将阅读与用户转化率作为考核评价的标准。

不同时期采用不同的绩效考核标准,根据企业和外部环境的变化,调整对应的绩效考核指标。人力资源管理者要更多地了解业务,结合业务来设计更合理的数据化指标,保证公司的良性发展。

受结果导向思潮的影响,有些公司的KPI更多关注部门或者岗位所实现的经济效益结果,而不考虑过程指标。一个组织的发展需要一些过程指标和组织建设指标,以保证公司的良性发展,过度地将结果性的指标设定为KPI指标会让岗位或者组织部门将主要的精力用于业绩成果上,而忽略了组织建设、人才培养等重要的组织发展指标。在企业稳定发展的基础上做些绩效指标的全面性审查,看看是否包含了组织发展的指标,是非常重要的。如果条件允许,企业完全可以参考平衡记分卡的相关方法来设定KPI。

审视四大类指标的好处在于除了分析效益指标之外,还从效率、速度和规模的视角去看每个岗位的产出,在职责上进行全面的审查。特别是效率指标,人均产出是由团队协作共同作用的结果,一个管理者岗位,除了思考自己岗位上的实际业务产出之外,还要关注团队的发展、团队的氛围、团队成员的成长,保证团队的产出效率不断提升。另外从过程指标、控制指标和绩效指标三种指标的分类上,让管理者能够全面地审查自己的工作,保证最佳表现,实现全面发展。

1.5 岗位责权利与岗位数据指标的统一

数据化管理指标梳理的过程中最关键的就是要做到岗位责权利的匹配。一些数据指标的决定因素是什么,是不是该岗位所确定的职责范围之内的事情,完成该指标描述的业绩所需要的活动是不是该岗位能够决定得了的。如果超过了这个范围,那么扯皮的现象就会存在,管理效率就会大打折扣。责权利的统一是组织设计的关键,而数据指标是反应相关的责权利的。

岗位的责权利要匹配,数据指标与这个责权利的界定要匹配。后者比较容易做到,而前者往往存在很多的问题。有时候财务向总经理或者总裁汇报相关的问题,并提出相关的解决方案,在“信使效应”的作用下,高层不分青红皂白就把财务批一顿在很多民营企业中非常常见,有很多本质上不是财务部门能够解决得了的问题所导致的问题,往往因为财务需要汇报这些指标而背黑锅。回款催款是销售部门的事情,但按时付款给供应商却是财务部门的职责,明确的责权利界定,并对数据指标担负相关的责任是数据指标梳理非常重要的原则。

关于对数据指标的责任问题,在很多企业中也存在各种各样的争论,很难有一个明确的责任关系,这个时候主人翁意识就变得非常重要。比如,一个公司销售部门总是抱怨产品不好,品质不好,没啥竞争力,价格还高,所以卖不出去,客户有很多的投诉,不是销售部门的问题,是生产的问题、研发的问题、物流的问题、品质保障的问题等,会有一大堆的抱怨他人的问题。生产部门也会抱怨销售部门不给力,生产的产品卖不出去,也会抱怨研发部门,研发的产品不能很好地满足消费者的需要。研发部门也会抱怨销售部门售后服务跟不上,还会抱怨财务部门成本核算不给力,价格定得过高等。这些问题在任何一个以职能细分为主的组织中都普遍存在。

首先,任何公司所销售产品的性能都有一个度的问题,都有优点和缺点,没有缺点的产品是不存在的。其次,产品需要不断革新,研发部门的首要职责不是开发一款完美的产品,而是开发一款具有竞争力的产品,在市场上有自己独特的定位或者独特的价值,跟竞争品牌能够做到人优我廉,人廉我优,具有一定的竞争力;再次,生产部门首要的职责就是在相同的情况下生产产品能够在品质控制和成本控制之间寻求到一个平衡点。如果产品卖不好是销售部门的职责;产品没有竞争力是研发部门职责;产品性价比低是生产部门职责。每个部门都对自己的工作负责,以主人翁的心态看待各种管理问题,很多问题就顺利解决。

全文摘自《企业数据化管理变革-数据治理与统筹方案》赵兴峰著

该文转载已取得作者认可

下期内容更实战!

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 企业高效的经营管理需要清晰的管理指标

    所谓的管理指标就是企业经营和管理活动所需要达成的经营成果衡量标准。通俗地讲就是一个企业为了实现自己的经营结果而需要组织成员,包括每个岗位的员工、每个部门、每个业...

    明悦数据
  • 数据的开放与共享,你做好准备了吗?

    数据的开放和共享是两个完全不同的概念。数据的开放是从数据源头开放,其他人能够获得原始的数据,并对数据进行加工和处理,是毫无隐藏的开放;而数据的共享则是将数据加工...

    明悦数据
  • 源头数据采集与智能设备投资

    源头数据是企业大数据应用的基础,也是所有数据分析和挖掘工作的基础。没有原始数据,所有的大数据都找不到依据。很多企业之所以不知道“大数据在哪里呢”,就是因为没有构...

    明悦数据
  • 性能工具之Jmeter通过springboot工程启动

    Jmeter平时性能测试工作一般都是通过命令行在linux下执行,为了锻炼自己代码与逻辑能力,想jmeter是否可以通过springboot工程启...

    高楼Zee
  • 20 分钟教你搞懂 Git!

    尽管每天你都会用到Git,但也有可能搞不懂它的工作原理。为什么Git可以管理版本?基本命令git add和git commit到底在干什么?

    昱良
  • 腾讯 Web 前端实习面经

    牛客网
  • vmalloc函数

    kmalloc、vmalloc和malloc这三个常用的API函数具有相当的分量,三者看上去很相似,但在实现上大有讲究。kmalloc基于slab分配器,sla...

    233333
  • 比特币的私钥【区块链生存训练】

    投资比特币,钱包和私钥是非常重要的两个概念,在这上面多花一些时间琢磨透是绝对值得的。千万别忙忙活活几个月,只因犯了一个低级错误,把买来的BTC拱手送人了。 我推...

    申龙斌
  • 杨元庆:我坚定认为AI无威胁 它只是人的增强

    文/一刀 “所以,你是一个坚定的人工智能无威胁论者吗?” 杨元庆想了想,回答我:“是的。” 这是我与他之间关于“人工智能威胁论”的讨论。 埃隆马斯克已经多次明确...

    企鹅号小编
  • 我们到底要怎样的智能制造?

    本文转载自伍强科技,作者尹军琪先生。 以下为原文: 每逢岁末年初,总不免会有一些关于前途的自问自答。这几天开会,感觉铺天盖地的是有关智能制造的会议和报道。回想今...

    企鹅号小编

扫码关注云+社区

领取腾讯云代金券