Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >中国移动当务之急是解决好这个问题!

中国移动当务之急是解决好这个问题!

作者头像
悲了伤的白犀牛
发布于 2022-05-18 07:31:43
发布于 2022-05-18 07:31:43
47603
代码可运行
举报
运行总次数:3
代码可运行

近年来,中国移动的业务体系已经有了明显的分化,简单来说就是两块:通信服务和信息服务。

而这两块业务的价值也很明显——

1、通信服务,现金流业务,支撑了当前中国移动的发展,这是中国移动发展的基石,也是国家交付给中国移动的重责,从守土有责出发,通信服务必须做好,这是中国移动的第一要务!

不过,从市场的角度,这块业务已经没有太多想象空间,死守通信服务注定是没有未来的,这一点无论是对企业、对高管,还是对基层员工,都是如此。

通信服务的运营主体是省公司。

2、信息服务,“负现金流”业务,从2020年情况来看,几乎所有专业公司都是亏损的,是典型的“吞金兽”,但是,从某种意义上看,信息服务将是中国移动的未来。

中国移动为什么要做信息服务呢?我理解有两层意义,一是探索中国移动未来发展空间,毕竟通信服务未来空间不大,甚至正在萎缩,那中国移动需要新的增长驱动力;二是中国移动要为互联网企业的产品做一个“备份”,毕竟,当前的互联网巨头都非国有企业,其市场性远大于政治性,而信息服务同样涉及社会民生,必须要有备份方案,我认为这也是有国家层面的授意的。

信息服务的运营主体是专业公司。

现在中国移动的战略其实很清晰明确,如果拿一幢大厦比喻的话,通信服务是基石,要做扎实,信息服务是上层建筑,要做漂亮!

在这个战略指引下,一个关键点就是:打基石的人和做上层建组的人是完全不同的工种!一个是需要功夫扎实,但不需要太多创新的“蓝领”;一个是需要跟随市场不断创新的“白领”。

那紧接下来的问题就是:在同一个中国移动下,这两种人将如何共存?

过去很长一段时间以来,对于中国移动而言,最难改革的就是人才队伍体系,因为其受到国有企业的国有因素限制,导致目前在工资体系、股权体系等方面无法进行有效的突破。

所以,中国移动一直没敢触碰这个敏感且关键的问题,这直接导致中国移动在黄金十年之后,迅速陷入了“人才流失潮”,大量技术骨干、业务骨干流失到其他行业。

但是,近几年来,这个情况发生了变化,国家层面在不停地释放国企改革的信号和利好政策,很多过去牢不可破的东西都开始松动,比如,分配机制、劳动关系,这使得国企可以拉大薪酬分配的差距,甚至裁员!

那具体到中国移动身上,情况有什么新的变化呢?

事实上,中国移动近几年来的改革其实落脚点只有三个:治理、用人、激励,持续推进这三方面的机制改革。

从目前的情况看,可以说取得了一定的成效,比如——

面向管理层,推出了任期制和契约化管理,将各级经理层成员岗位契约化、业绩合同化,明确责权利、实现硬兑现,加强管理人员末等淘汰和不胜任退出,实现“能者上、庸者下、劣者汰”。已经有省公司降级或清退一些考核不通过的二级、三级经理了。

面向基层员工,打破了铁饭碗,通过市场化手段推动员工自由流动,实现生产活力充分释放。比如,重庆公司通过赋予一线网格员工“创业者”身份,匹配经营自主权、薪酬分配权、岗位晋升绿色通道等激励机制,破解了岗位固化、“人岗不匹配”等难题。

面向全员的薪酬激励,取消薪酬封顶和调优薪酬固变比,打破平均主义和“高水平大锅饭”,实现收入与劳动生产率同向联动。比如,天津公司一线员工收入高低差距达到两倍以上,一线人均年收入较同职级其他员工收入上浮10%以上,网格长收入增减幅度最高达到28%,网格经理收入增减幅度最高达到19%。

诚然,中国移动正在探索一种适应信息服务业务的全新组织方式,当前所做的,是一种好的尝试,也取得了一定的成效。不过,基于当前中国移动组织体系和组织方式已经分化的局面,我认为中国移动可以做得更多、更大胆——

当前,中国移动内部按业务类型分为“通信服务”和“信息服务”,而按业务逻辑则分为“管”、“建”、“战”三块,无论哪种分类方式,中国移动内部的员工群体其实已经是在组织层面发生明显的分化,而针对不同群体的员工,显然不能用同一套组织方式和激励机制。

下面简单谈一二。

1、针对通信服务运营主体31家省公司的基层员工,最需要解决的就是绝对薪酬的提高。中国移动需要制定新的工资体系去解决当前省公司层面基层员工的痛点——平均绝对工资太低(当然,几个头部的省公司除外)。

当然,绝对薪酬提高的同时,需加强考核机制,以能力、敬业度为考核点,实现员工的分层,拉大层级之间员工的薪酬差距,打破“同工同酬”,实现“同工不同酬”、“同能力同酬”,以此来激励优秀员工,“劝退”部分无法适应新体系的员工。

还有一点,在中国移动新的生产链条中,传统省公司的用工规模必须严格控制和逐步压缩,虽然国企不便轻易大规模裁员,可以采取时间换空间的策略,逐步把传统省公司的员工队伍打磨到一个精简、高效,同时高薪、有尊严的状态。

2、针对通信服务运营主体31家省公司的中层管理者,需要通过薪酬激发其工作的创新性和积极性,可以适当降低基础工资占比,同时提高激励工资占比,让这些经过多年基层磨练、被饱和市场折磨得有点倦怠的中层管理者重新激发工作积极性。

3、针对信息服务运营主体——专业公司来说,情况就有点复杂,因为专业公司内部从一开始也是分化的,比如专业公司在内部大概分为五类——“市场运营拓展”“产品能力主建”“运营能力主建”“基础能力支撑”“经营事业管理”。下面大概展开谈谈——

市场运营拓展,包括:终端公司、国际公司、咪咕公司、电商公司、互联网公司、财务公司、投资公司、香港公司、辛姆巴科。这类公司大部分可以参考省公司的改革模式,比如终端、国际、香港、辛姆巴科,其实质就是传统通信服务的运营。而咪咕、电商、互联网这几家则是信息服务(内容)的运营,其改革方向应该向市场化的互联网运营企业看齐,加强对创新内容的运营能力的激励。财务公司、投资公司则是资本运营,其激励机制应该是大比例的成效导向。

产品能力主建,包括:云能力中心、物联网公司、智慧家庭运营中心、雄安产研院、上海产研院、成都产研院。这一类以内容建设为主体的公司,可以充分运用混改的政策优势,突破工资体系、股权体系的限制和瓶颈,进而加大内部的分配差距,着重激励技术能力强的员工群体,从而得到更多更好的高级人才。与此同时,可以继续深化大H通道机制,从而以技术专家的方式对中国移动内部已经积累的、众多无法提升的技术人员进行较好的处理,从而可以安抚这些骨干,从而保持核心骨干人才队伍的稳定。

运营能力主建,包括:铁通公司、设计院、在线服务公司、信息技术中心。这一类以建设运营能力为主体的公司,原则上可以参考省公司的改革方向。当然,也可以引入大H通道机制,解决这些公司中技术人才发展的通道问题。

基础能力支撑,包括:研究院、信息港、信安中心、移动学院、采购共享中心、香港机构。这一类以建设基础能力为主体的公司,原则上可以视同总部管总的角色看待。而研究院可以高看一眼,毕竟代表着中国移动技术的最高水平,同时也肩负着通信技术演进的重责,可以在绝对薪酬上保持其领先优势。

总之,中国移动当前的工资体系、股权期权模式、激励机制无法支撑其新的战略、组织结构模式,必须采用多样性的工资体系、激励机制来保证人才队伍的稳定性和改良!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-05-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 悲了伤的白犀牛 微信公众号,前往查看

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

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
自然语言处理 | 使用Spacy 进行自然语言处理(二)
上次我们简单介绍了Spacy,学习了它的安装以及实体识别等基本的方法。今天我继续给大家介绍一下它的其他功能如何操作,主要有词性还原,词性标注,名词块识别,依存分析等内容。废话不多说,直接看代码。
用户1622570
2018/09/14
2.3K0
自然语言处理 | 使用Spacy 进行自然语言处理(二)
使用 spacy 进行自然语言处理(一)
自然语言处理(NLP) 是人工智能方向一个非常重要的研究领域。 自然语言处理在很多智能应用中扮演着非常重要的角色,例如:
ke1th
2019/05/26
1.7K0
Python NLTK 自然语言处理入门与例程
那么 NLP 到底是什么?学习 NLP 能带来什么好处?
Sepmer Fi
2018/02/23
6.2K1
自然语言处理(NLP)数据增强,改善NLP任务的性能
当涉及到自然语言处理(NLP)数据增强时,各种技术和方法可用于生成更多的训练样本以改善模型性能。以下是对每种方法的详细解释,以及附带的Python代码示例:
数字扫地僧
2023/11/06
9580
【NLP】竞赛必备的NLP库
本周我们给大家整理了机器学习和竞赛相关的NLP库,方便大家进行使用,建议收藏本文。
黄博的机器学习圈子
2020/09/29
1.9K0
【NLP】竞赛必备的NLP库
使用Python中的NLTK和spaCy删除停用词与文本标准化
【磐创AI 导读】:本文介绍了如何使用Python中的NLTK和spaCy删除停用词与文本标准化,欢迎大家转发、留言。想要更多电子杂志的机器学习,深度学习资源,大家欢迎点击上方蓝字关注我们的公众号:磐创AI。
磐创AI
2019/09/09
4.3K0
使用Python中的NLTK和spaCy删除停用词与文本标准化
5分钟NLP - SpaCy速查表
SpaCy 是一个免费的开源库,用于 Python 中的高级自然语言处理包括但不限于词性标注、dependency parsing、NER和相似度计算。它可帮助构建处理和理解大量文本的应用程序可用于多种方向,例如信息提取、自然语言理解或为深度学习提供文本预处理。
deephub
2022/03/12
1.5K0
5分钟NLP - SpaCy速查表
《一文吃透!NLTK与SpaCy,自然语言处理的神兵利器》
在人工智能的璀璨星空中,自然语言处理(NLP)无疑是最为耀眼的领域之一。它让机器能够理解、处理和生成人类语言,极大地推动了智能交互的发展。而在Python的NLP工具库中,NLTK和SpaCy就像两把锋利的宝剑,各自散发着独特的光芒。今天,就让我们深入探究这两款工具的使用技巧与优势,为你的NLP之旅增添强大助力。
程序员阿伟
2025/02/17
1270
【Python环境】Python自然语言处理系列(1)
一:python基础,自然语言概念 from nltk.book import* 1,text1.concordance("monstrous") 用语索引 2,text1.similar("best") 3,text2.common_contexts(["monstrous","very"]) 4,text4.dispersion_plot(["citizens","democracy", "freedom", "duties","America"]) 5,text3.generate() 6,
陆勤_数据人网
2018/02/27
8950
【Python环境】Python自然语言处理系列(1)
入门 | 自然语言处理是如何工作的?一步步教你构建 NLP 流水线
计算机非常擅长使用结构化数据,例如电子表格和数据库表。但是我们人类通常用文字交流,而不是使用电子表格来交流。这对计算机来说不是一件好事。
机器之心
2018/08/21
1.7K0
入门 | 自然语言处理是如何工作的?一步步教你构建 NLP 流水线
目前常用的自然语言处理开源项目/开发包大汇总
中文主要有:NLTK,FoolNLTK,HanLP(java版本),pyhanlp(python版本),Ansj,THULAC,结巴分词,FNLP,哈工大LTP,中科院ICTCLAS分词,GATE,SnowNLP,东北大学NiuTrans,NLPIR,;
IT小白龙
2018/11/26
3.1K0
目前常用的自然语言处理开源项目/开发包大汇总
初学者|一起学学SpaCy
代码已上传:https://github.com/yuquanle/StudyForNLP/blob/master/NLPtools/SpacyDemo.ipynb
yuquanle
2019/05/28
8900
这把神器,让你用 Python 一口气掌握 53 种自然语言处理
今天的教程里,我就手把手带你在 Python 上使用 StanfordNLP,进行自然语言处理实战。
IT阅读排行榜
2019/08/19
1K0
这把神器,让你用 Python 一口气掌握 53 种自然语言处理
教你用Python进行自然语言处理(附代码)
自然语言处理是数据科学中的一大难题。在这篇文章中,我们会介绍一个工业级的python库。 自然语言处理(NLP)是数据科学中最有趣的子领域之一,越来越多的数据科学家希望能够开发出涉及非结构化文本数据的解决方案。尽管如此,许多应用数据科学家(均具有STEM和社会科学背景)依然缺乏NLP(自然语言处理)经验。 在这篇文章中,我将探讨一些基本的NLP概念,并展示如何使用日益流行的Python spaCy包来实现这些概念。这篇文章适合NLP初学者阅读,但前提是假设读者具备Python的知识。 你是在说spaCy
数据派THU
2018/06/12
2.3K0
自然语言处理 | 使用Spacy 进行自然语言处理
Spacy的github地址:https://github.com/explosion/spaCy
用户1622570
2018/09/14
7.3K1
自然语言处理 | 使用Spacy 进行自然语言处理
从“London”出发,8步搞定自然语言处理(Python代码)
【新智元导读】自然语言处理是AI的一个子领域,从人们日常沟通所用的非结构化文本信息中提取结构化数据,以便计算机理解。本文用通俗易懂的语言深入浅出的介绍了自然语言处理,并用Python实现了几个非常有趣的实例。
新智元
2018/08/16
9310
从“London”出发,8步搞定自然语言处理(Python代码)
如何用Python处理自然语言?(Spacy与Word Embedding)
本文教你用简单易学的工业级Python自然语言处理软件包Spacy,对自然语言文本做词性分析、命名实体识别、依赖关系刻画,以及词嵌入向量的计算和可视化。
王树义
2018/08/22
2.6K0
如何用Python处理自然语言?(Spacy与Word Embedding)
自然语言处理NLP(Spacy)入门 (一)
自然语言处理(Natuarl Language Processing, NLP),是人工智能领域的一个重要的方向。一般我们听到的文本分类、文本挖掘都属于NLP的范畴。
生信编程日常
2020/10/29
1.6K0
自然语言处理NLP(Spacy)入门 (一)
独家 | 使用Python的LDA主题建模(附链接)
主题建模包括从文档术语中提取特征,并使用数学结构和框架(如矩阵分解和奇异值分解)来生成彼此可区分的术语聚类(cluster)或组,这些单词聚类继而形成主题或概念。
数据派THU
2021/04/07
5.5K0
Python自然语言处理面试:NLTK、SpaCy与Hugging Face库详解
NLTK、SpaCy与Hugging Face库作为Python自然语言处理(NLP)领域的三大主流工具,其理解和应用能力是面试官评价候选者NLP技术实力的重要标准。本篇博客将深入浅出地探讨Python NLP面试中与NLTK、SpaCy、Hugging Face库相关的常见问题、易错点,以及如何避免这些问题,同时附上代码示例以供参考。
Jimaks
2024/04/19
3550
推荐阅读
相关推荐
自然语言处理 | 使用Spacy 进行自然语言处理(二)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验