管理即决策，如何做出高质量的决策 ？

据一家美国公司研究估算，企业全部价值的三分之二来自业务的规模化扩张阶段，即从1到N的阶段。然而，每个行业都有一大批企业在达到一定规模后就成长乏力。

不仅如此，这些企业虽然从1做到了10，但过程跌跌撞撞，并不顺利，而且一旦市场出现调整，企业就暴露出很多问题。

怎么应对上述难题？建立一套管理的规章制度？理顺组织架构、业务流程、文化、人才等组织要素？搭建从战略到执行的一套管理体系？这些观点可能都对，但显然还不够。

因为在实践中，我们看到不少企业建立了完善的管理体系，熟悉管理界的种种新词，也在很努力地宣讲文化、构建流程，但在运作中却是说和做两层皮，管理层和员工都很辛苦，业务结果和企业规模始终难见起色。高品质决策很重要。

企业本质的新视角

如何看待企业的本质，将决定我们解决企业规模化问题的策略。

企业的本质是什么？诺贝尔经济学奖获得者罗纳德·科斯（Ronald Coase）认为，企业的本质是一种资源配置机制。


当市场交易成本高于企业内部的管理协调成本时，企业就是比市场更好的一种资源配置机制。而当市场交易的边际成本等于企业内部管理协调的边际成本时，就是企业发展规模的边界。

在这种视角下，管理就是通过组织、计划、指导、实施、控制等过程，优化配置人、财、物等资源要素，实现企业效益最大化。

对于企业本质，彼得·德鲁克给出了另外一个视角。他认为企业的目的就是创造顾客，管理的本质就是激发和释放每一个人的善意和固有的潜能，创造顾客价值，为他人谋福祉。

不同的企业本质视角，会导致企业家和领导者采取不同的日常管理策略。

透过罗纳德·科斯的视角，管理者会更关注体系、流程、激励、内部定价机制等管理技术手段，把人视为一种输入到体系中的资源。

如果采用德鲁克的视角，管理者会更关注创造客户价值、激发员工潜能、营造自由文化，在管控流程上会柔性处理，把人当人，是有自主性和创造力的生命体。

在此，我提出一个企业本质的新视角：企业即算法。

理查德·道金斯（Richard Dawkins）在《自私的基因》一书中提出，生物体只是其基因用来延续下去的载体。在这个框架下，基因就是一种核心算法，驱动人的各种行为，包括通过学习调整自己以适应环境。

组织是由人构成的，我们可以把企业当成一个生物体，其中的每个人就像一个细胞。组织有自己的基因，驱动组织决策和执行，因此组织行为就是基因的外在表现。

选择用“企业算法”一词而不是“企业基因”，是因为基因这个概念隐含着先天预设、难以改变，算法则隐含着可以通过逻辑去理解、解构、学习、迭代。相比企业基因的概念，企业算法更能抓住企业核心的本质，能更好地反映企业管理的现实和周期。

在企业即算法的视角下，管理的本质就是决策。

管理者的日常思考更多关注组织是否在做出最优决策，主要的障碍有哪些，如何改进。障碍可以是技术性的，如流程、权责、协作方法等，也可以是心理上的，如企业价值观、激励导向、人际关系、个人偏见等。

管理者会通过频繁的复盘来升级迭代企业算法，以期下一次能够更快产出更好的结果。企业即算法的视角可以让企业有更快的进化速度，更好地应对外部不确定性和复杂性。

其实，早在半个多世纪前，赫伯特·西蒙（Herbert Simon）就从决策的角度探讨了管理，并因此获得了诺贝尔经济学奖。只是，管理即决策的理念在中国当前的管理实践和讨论中似乎并非主流。


从企业即算法的视角看企业规模

为什么企业即算法能够帮助我们理解企业规模和瓶颈？这要从一个基本的数学概念——自相似分形——说起。

自相似分形是数学家本华·曼德博（Benoit B. Mandelbrot）在1970年左右提出，他发现自然界存在局部形状和整体形状相似的现象，比如树枝、西蓝花的花冠、雪花、人体血管结构、连绵的山脉、河流的分支、海岸线等。

在现代社会中，城市供水网络、电网、互联网、有线电视网络等也是分形的。

这个原理在计算机绘图、电影领域应用广泛，可以通过不断重复调用一个简单的算法（比如一个树枝长出三个分枝）——计算机术语称为“递归算法”，画出一棵大树。

2017年，研究复杂性的物理学家杰弗里·韦斯特（Jeffrey West）出版《规模》一书，解释了为什么几乎所有维持生命的网络都具有自相似分形的特点。

他的理论基于生物进化中能耗最低、效率最高者胜出，揭示出分形是自然界解决规模、韧性、效率之间优化问题的一种自然选择机制。

这个机制的底层有着简单的数学逻辑，就像计算机绘图中的递归算法。

韦斯特还简单分析了企业的生长和规模，注意到企业的组织架构往往有自相似性，但由于缺乏更详细的数据，无法以物理学家的标准进行研究。

按照科斯的理论，如果实现同一个目标有内部和外部两种方式，当内部组织成本大于外部交易成本时，市场配置资源优于企业配置资源，这就是企业成长的规模瓶颈。如果能在提高规模和业绩时不断降低组织成本，企业就可以持续成长。

于是，根据生命体的自然选择机制和计算机算法的原理，我大胆提出一个假想：如果企业有一组简洁的核心算法来优化其管理决策，按照自相似分形逻辑，能生长出不同层级的组织单元，就可以实现有竞争力的强大规模，突破规模瓶颈。

这也许就是管理的自然审美。

那么，企业算法在企业管理中到底怎么体现？
它应该长成什么样子？

我只能给出算法的框架，因为每个企业都有自己的算法。

企业算法是最底层、最本质的决策方法

从管理即决策的角度，可以把企业管理分为三个层面。

最外层：

管理体系层，包括制度、流程、工具、方法，如产品设计流程、采购流程、绩效考核制度、财务模型等，是员工日常直接接触的工作界面。

这一层面主要解决确定性高的问题，强调效率。

中间层：

管理策略层，比如华为使用的从战略到执行的BLM模型（业务领先模型）、财务的零基预算管理、产品研发的价值工程（根据客户敏感点配置产品及成本）等。

管理策略层决定了体系层如何构建，新的管理策略会驱动体系层的变化。

最内核的是核心算法层。

一家企业制定决策的最深层、最本质的通用方法，它会驱动管理策略层和体系层的改变和运行。核心算法层最为稳定，并且在组织的各个层级和单元都适用，是自相似分形的底层算法。

比如，如果一家企业的核心算法中有“低风险低收益，优于高风险高收益”这样一个条件，那么在产品设计时就会倾向于“控成本优先于做高溢价产品”，因为成本比价格更加内部可控。

自然地，在管理策略层也很难接受价值工程，即先理解客户需求再确定产品配置和成本，因为这意味着产品的某些配置需要高成本，但销售时不一定能赚回来。

在企业日常中，核心算法层最简洁、最稳定，不会轻易变化；管理体系层最易变，会因为外部学习、解决新的管理问题等而触发；管理策略层的变化速度居中。

高性能的组织会在三个层面之间实现动态的高度一致性，做事的时候组织摩擦少、成本低，逐渐会有行云流水的感觉。

这就像优秀的个人所能达到的“心流”状态：心、脑、体高度统一，专注而高效，甚至感觉不到时间的流逝。

企业算法本质上是一种优化算法，帮助管理者和员工根据要实现的目标来做出高质量决策。

从数学的角度，优化算法包括几个部分：

●  目标函数。目标函数建立输入变量和输出变量之间的因果关系，一般可以描述为y=f（x0，x1，x2，……，xn，t），其中t是时间。企业算法的变量中一定要包括时间，在成功企业的算法中，时间的价值以复利形式体现。一个企业的目标，远的来说是企业愿景，中期来说是未来3年的利润、资本回报率等。

●  约束条件。约束条件规定在优化目标函数时必须遵守的边界，比如必须合法合规，员工敬业度不能低于某一数值等。

●  一组输入变量的初始值x0。代入到目标函数后能产生一个y0值，同时也要验证其是否满足约束条件。这组初始值往往不是最优解，否则就像高尔夫球一杆进洞，非常运气。在企业管理中，这组初始值往往根据经验或行业对标得出。

●  产生下一组变量的一种算法。在企业管理中，可以通过研讨会、专题研究、更多行业交流等产生。

●  比较第4步变量得出的目标函数y1和第3步得出的目标函数y0值。

●  重复第3步到第5步N次，如果连续两次之间的目标函数值差距小到一定程度，并且满足约束条件，就可以结束优化。如果经过许多轮（轮数越多，成本越高）还无法结束，这个优化问题用这种算法就是无解，那么可以考虑修改目标、约束条件、算法来调整。

上述优化思路，在技术性强的专业领域很容易理解，比如产品设计要比较多个方案。对于企业中更为复杂的问题，如战略决策、投资决策等，在解决的过程中其实也符合上面的描述：比较多种方案带来的结果，从中选择收益、成本、风险最满意的方案（很难有最优解，只是满意解）。

只需要理解优化算法的基本逻辑，就可以得出任何决策的一些基本原则：

●  可以借鉴经验，但不能只依赖经验；
●  要有至少2个方案，才有优化的可能；
●  必须持续迭代算法。

企业核心算法是企业中最抽象、最简洁，也是完备的一套决策逻辑，具有最广泛的适用性，可以应用于企业的绝大部分问题。

它需要在组织不同层级和单元保持不变，如企业战略制定和执行、项目的策划和运营、财务体系建设等，才能实现大规模组织所需的自相似分形。

企业算法包括三个方面：

一. 核心价值观

在高度模糊、超长期情景下，事物的因果关系和相对价值并非显而易见，需要通过共同的价值观，让大家都能做出组织所期望的决策，比如客户至上、简单真实、不作恶等。

二. 核心管理逻辑

核心管理逻辑是组织架构、决策机制、激励机制等管理体系方面的一些少量、任何层级和单元都通用的原则。

比如：

1. 内容大于形式”

先解决本质问题再考虑展示界面，可以应用在企业任何决策中，包括建设企业品牌、举办内部活动、决定PPT格式等。

2. 不越级指挥，但可以越级了解或反映情况

可以复制到组织的任何层级，从而形成自相似分形的组织结构。如果是“CEO可以在任何时候给任何层级发出直接行动指令”，则无法在其他业务层级进行自相似复制，因为企业只有一位CEO。

3. “创意择优”原则

如果采用桥水基金创始人雷·达里奥（Ray Dalio）的“创意择优”原则进行决策，则可以在组织任一层级提高决策质量。如果采用“听上级指示”的决策原则，则会由于上级的个体水平差异，导致决策质量不稳定。

三. 核心业务逻辑

每个行业都有自己的业务特点和核心逻辑。

比如：

1. ＡＢ测试

ＡＢ测试来源于互联网产品开发，指同时开发两个版本的产品，然后根据用户反馈选择大规模推广哪个产品。这个工作方法可以应用在很多场景，而不只是产品开发，如新的管理模式的试点。

与互联网行业相比，房地产产品的试错成本极高，就不能使用ＡＢ测试，而只能通过前期深入客户研究来设计产品。

2. 客户导向

客户导向是一种业务逻辑，从技术上会催生出客户细分研究、以客户价值为中心的产品设计、客户认知基础上的营销策略等。

客户导向作为一种技能和工作习惯，也会改变员工的共情能力和思维方式。

比如，把管理变为一种“产品”，从被管理人的视角来设计管理方法，让员工或同事愿意去做一件事，而不是简单地通过“指令-执行-评价-激励”的逻辑做管理。

上述三个维度相互关联、彼此促进，形成逻辑自洽的企业核心算法。

当然，对于企业内部的专业职能或处于不同地域的业务单元，应该在企业核心算法之上叠加专业或区域特有的核心算法，但这些算法不能与企业算法相矛盾。

示例：龙湖地产在某个阶段的企业算法片段

“企业即算法”的理论，是基于我过去从咨询到企业局中人的工作体会，最近才总结提炼出来的。以这个理论去分析过去的工作，会有后见之明的嫌疑。

为了便于读者对企业核心算法有个直观理解，我根据几年前在龙湖地产的工作，从个人角度总结其在某个阶段的核心算法片段，以及这个片段对管理策略和体系的影响。

一. 核心价值观

1. 低权力距离

由此激发员工自我成就的动机，鼓励在讨论中直抒己见，提高决策质量。

2. 长期利益为先

在长期和短期利益发生冲突时，倾向于选择长期利益，持续强化能力和护城河，提高战略自由度。因此，在企业规模和企业能力发生冲突时，绝大多数情况下会能力优先。

二. 核心管理逻辑

1. 守土有责

每个角色都有自己的职责。

当下属无法完成任务时，要解决意愿、能力、环境的障碍，必要时换人，以确保每个岗位都产生价值。

2. 科学思维

以开放心态和科学的方法论解决问题，实事求是面对现实问题。

与“低权力距离”一起，可以让决策质量更高。

三. 核心业务逻辑

1. 客户导向

理解客户真实需求，并据此设计产品和服务，以及整个业务系统端到端的管理和执行，做出客户心中的好产品。

2. 财务导向

在客户导向的同时，满足财务要求，在价格、成本、周转、杠杆率维度上不断优化。

3. 超越平均，在细颗粒度寻找机会

不要根据平均值做决策，要在比竞争对手更细一级的颗粒度上寻找机会，比如客户细分、城市板块细分、轨交节点TOD（以公共交通为导向的开发）项目等。

4. 差异化战略

出于对行业长期发展轨迹的洞察，坚决选择差异化战略，而不是成本领先，为此愿意牺牲一定的企业规模。

在这些算法片段中，有些很早就是核心算法的一部分（如低权力距离），有些是在之前的版本上做了迭代和强化（如客户导向、科学思维），有些则是新加入的（如超越平均、差异化战略）。

改变企业算法是一件痛苦的事情，需要管理层付出时间、精力、心力、愿力。而且，迭代企业原来的管理策略和管理体系，往往会带来业绩阶段性下滑。

龙湖地产的合同销售额在2012～2015年间增长速度低于很多近似规模企业，但在此期间升级了企业算法，为之后的发展奠定了基础。

所以，在这个阶段，考验的就是企业对长期利益和短期利益的抉择。与其相信可以开着飞机换引擎，不如相信磨刀不误砍柴工，因为前者只有鸡血，没有逻辑。

企业即算法下的管理挑战

从企业即算法的角度看企业和管理，可以对企业发展和组织体系的诊断、设计及行动，产生不同的洞察。

一. 突破规模瓶颈

企业在成长过程中，一定会碰到规模瓶颈。而当试图扩大规模时，企业却出现各种问题，解决这些问题，又往往是按下葫芦浮起瓢。

这时候，企业需要的不是更多人手同时按下葫芦和瓢，而是找到并解决深层原因。

以房地产行业为例，在从０到１阶段，开发项目的业务模式是清晰的。当规模扩张到10个项目时，企业发展模式就可能分化。

比如，有的企业把10个项目都放在一个城市，有的则分布到三五个城市。

往更大规模发展时，单城市企业需要选择，是进入新的城市，每个城市都做到5～10个项目，还是守在现在的城市多开发。

如果进入新城市，就会发现之前在单个城市做业务时建立的企业算法难以复制到多个城市，比如决策方式、管理团队协作模式等，而改变一定会经历痛苦。于是，有的企业最终还是选择在单个城市或单个省份深耕。

在以城市作为基本作战单位的时候，从0到1就是把一个城市做好的过程。而从单个城市扩展到5～10个城市，则是另一个关键阶段，需要决定如何迭代核心算法、管理策略和管理体系。如果原有体系是围绕几个关键人的能力来建设的，其核心算法就不能简单复制，因为这样做推动不了自相似分形的组织生长。

随着进入的城市增多，管理的复杂度和组织成本会以城市的幂律速度上升，而业务产出却是线性上升，势必就会撞到规模之墙。即使硬扛着实现了规模快速增长，也得回头补课才能理顺核心算法和管理体系，有效降低组织成本。

因此，高绩效、大规模企业的核心算法中要有一条：核心算法中只能有岗位，不能有具体的人。这样，组织才有留白，才能把某个能人的能力拆解成组织能力。

任何行业的玩家，在发展过程中都会有一些面向未来的关键选择，做选择之前要评估当前企业算法的可迭代性，做选择后要真的去迭代。

在这一点上，领导者必须对企业未来的状态有愿景和想象，才能在这些关键时刻做出合理的评估，愿意承担该有的成本。

如果企业用小规模时的算法来驾驭超出其承受能力的规模，虽然短时间内实现了规模增长，长期一定不能持续。

二. 企业变革的关键是核心算法的迭代

变革和转型，是企业能够持续成长的核心能力，甚至可以说高层管理者必须是变革管理者。

但是，纵观全球企业的各种变革和转型，成功概率只有三分之一。

究其原因，就是核心算法层、管理策略层、管理体系层没有同步进行变革。

有的变革停留在管理体系层，根据标杆学习和研讨，做流程梳理和优化，使用新的管理工具，但在管理策略层没有变化。

有的引入了新的管理策略，但核心算法层没有调整，无法实现真正的理念共识。能够站得住的企业变革，一定要在核心算法层实现迭代。

如果一家企业有明确、稳定的核心算法，就会在不同层级和单元用同样的决策方法处理不同问题。

皮克斯（Pixar）总裁艾德·卡特姆（Ed Catmull）在《创新公司：皮克斯的启示》一书中提到，企业中的大问题和小问题是自相似的，因此不要放过小问题。

我的管理体会也是如此：作为高管必须对关键细节保持敏感。

什么是关键细节？与核心算法高度相关的小事情就是关键细节。一旦从高管到员工有了共识，就会主动关注这类细节，从而既能防微杜渐，又能从小处着手来推动大改变。

比如，在两家企业大学的书架上，一个是按照颜色近似度来摆放图书的，另一个是按照科目分类来摆放的，你从中会得出什么结论？按颜色摆放的企业倾向于形式重于内容，如果越来越多的员工往这个方向走，企业就会产生无效的组织成本，削弱解决真实问题的动力和能力。

从企业即算法的视角看，也就可以理解为什么传统的管理咨询模式很难推动企业真正变革。

咨询公司的传统模式是项目制，在几个月内完成明确交付物从而可以获得报酬，大部分咨询公司帮助企业解决管理体系层问题，少数高水平咨询机构能从管理策略层切入。

这时候，大部分咨询团队会选择尊重客户的想法，否则无法完成项目收到款项。而所谓的客户想法，很可能是局中人基于对变革的恐惧，为了不愿意改变核心算法而提出的一些冠冕堂皇的借口。

此外，很多时候，咨询服务的基本思路是传播行业最佳做法，因为这种思路最容易说服客户：“你看，全球领先的这几家公司都是这么做的，你要想成为他们中的一员，也应该这么做。”但是，最佳做法往往只是对领先企业共性的总结，其底层缺乏一套个性化的企业核心算法。

因此，企业要真正转型，最高管理层，尤其是一把手，必须意识到核心算法层的存在，并心甘情愿在这一层面做出改变。

不愿承受改变核心算法的痛苦，又期望企业绩效持续提升，那只能是妄念。

三. 多元化企业必须拥有跨行业迁移的核心算法

在多个行业都能成功的多元化企业，一定有一套适用于不同行业的核心算法，其在核心价值观和核心管理逻辑上，能与这些产业领域的核心业务逻辑高度匹配。

比如，维珍集团擅长在平淡无奇的传统服务产业中为客户营造欢乐的氛围，如航空客运、火车客运、音乐等。如果公司进入B2B领域，比如航空发动机制造，就会超出其核心算法的迁移范围。

在工业领域，丹纳赫集团擅于收购企业服务领域的低效制造企业，依靠整套的管理提升方法论，快速提高被收购企业的整体管理水平和经营业绩。

丹纳赫对收购对象有明确的筛选标准，确保自身的核心算法能有效迁移到新购业务，实现满足其投资回报要求的估值提升。

通用电气一度认为自己的核心算法可以应用在任何行业，于是进入了几乎所有主流行业，包括航空发电机、燃气轮机、家电、媒体、金融、医疗设备、能源服务、轨道交通设备、水处理等。

后来，它发现这条路走不通，便逐渐去多元化，聚焦在与其高温金属材料能力密切相关的航空发动机和燃气轮机领域，以及具有客户协同性的风力发电机制造领域。

中国大中型企业在面对增长瓶颈时，多会考虑多元化。

这时候，企业家和高管必须有能力客观评估自己的核心算法是否与要进入行业的业务逻辑相匹配，如果不匹配需要做什么调整，可实现度如何。

当然，在此之前，企业必须在现有赛道上已经做到优秀，并在此过程中提炼出了作为卓越企业的核心算法，否则，哪怕有核心算法，也没有竞争力，更谈不上可扩展性。

企业即算法，管理即决策。

企业可以通过让自己的核心算法显性化，形成高层共识，从而更有可能实现规模化成长和成功变革。

企业家和具有企业家精神的核心高管，要扮演好“企业算法工程师”的角色，有意识地建构和持续迭代核心算法，并对关键细节和其揭示的算法变异保持敏感，从而形成自相似分形、容易规模化的管理结构和体系。

如果企业各个层面都能持续做出高质量决策，并能持续优化决策算法，假以时日，很有可能成长为一家优秀企业。

       文章来源：零缺陷

       本网站刊载的所有内容，包括文字、图片、音频、视频、软件等，如非标注为“原创”，则相关版权归原作者所有，如原作者不愿意在本网站刊登相关内容，请及时通知本站，我们将第一时间予以删除。

曜分享

分享精彩资讯