如何成为顶尖管理者?

点击蓝字关注,回复“职场进阶”获取职场进阶精品资料一份

在职场,每个已经在做管理工作的同学,一定都想成为卓越的管理者。

然鹅,提升管理能力要比提升专业技能要难太多。

相比专业能力,管理能力是一个影响因素更多、更复杂混沌,非线性的能力。

这也是很多职场人获得晋升之后,却百般不适,一下子找不到工作激情和方向的重要原因。

我的读者中,做管理工作的同学很多,不少人也咨询过他们的困惑。

很多人甚至问我:“洋哥,我是不是应该放弃管理工作,回归专业路线”。

“洋哥,我更喜欢编码工作,管理工作让我无所适从”。

前文提到,每个人都要追求自己热爱的工作。

这里忽略了一个前提,热爱的工作,首先应该是擅长的工作。

换言之,很多晋升管理者的员工,感觉自己不喜欢管理工作。

真正的原因恐怕是:不知道想怎么做管理!

那么我们如何让自己擅长做管理呢?

在工作第二年我就开始做管理工作。

一开始非常蹩足,团队怨声载道,输出基本靠我自己。

痛定思痛,我开始系统的学习管理方面的书籍。

2010年,无意中看到大师德鲁克的巨作。

那时刚担任技术主管,可能因为对管理的认知并不充分。

对大师的很多理论不得其法,不知道如何应用。

被毒打多年之后,对德鲁克的很多观点,终于有了实践的心得和收获。

今天这篇文章,结合大师的理念谈谈我对卓越管理者的一点点认知:


 1 

让平凡的人做出不平凡的事

在企业管理中,当有人提出团队成员表现不佳时。

有些管理者会引用德鲁克的这句话。

但思考但角度却停留在:因为我们都是平凡的人,做出这样的结果也可以容忍。

而德鲁克的这句话,重点恰恰是相信让这些人做出不平凡的事。

且着力于用团队组织的力量赋能个人,最终实现不平凡的目标。

其实大部分员工都是平凡的人,甚至包括大部分管理者本身。

那如何让大家做出不平凡的事情呢?

其实这个问题应该是管理者需要每天思考的问题!

问自己两个问题:"这些平凡人的优势是什 "、"如何让他们做出不平凡的事"。

其背后的真正含义,是要通过 " 让组织成员卓有成效 " 来实现不平凡的事。

发掘每一个下属的优势,且在组织中找到能发挥下属优势的位置。

这只是第一步,更重要的是帮助下属制定卓越目标,激发下属的成就感。

同时在下属实现卓越目标的过程中,给予全力的支持和指导。


 2 

激励的原动力是成就感

德鲁克阐述激励的角度与众不同。

大多数激励理论还在执著于如何洞察员工的人性。

如何通过物质激励去驱动员工等等。

而德鲁克更强调如何让员工做出绩效并产生成就感。

显然更强调员工的精神满足。

在我做管理的初期,对精神满足感是无感的,往往陷入激励基本靠涨薪的窘境。

随后,我发现物质的激励,有效期极为短暂。

可能几个月,也可能只是发薪资的当天。

不少获得涨薪的下属,却迅速提出离职,一时让我无比错愕和惊讶。

而当我开始宣传公司愿景,力求让员工有成就感以及责任心,效果却非常差。

逐渐我发现那只是公司的愿景,和员工有什么关系?

没有深入思考这是不是员工想要的。

那么持续有效的激励的解法是什么呢?

将公司目标、团队目标和个人目标深度结合。

且让员工理解每一天的工作是怎么帮助公司、团队达成目标。

进而让员工产生使命感,在每一天枯燥无味的工作中,产生成就感。

同时,帮助员工制定绩效方案和成长计划,这两者要和公司、团队目标吻合。

支持员工顺利完成工作,取得绩效和成长。

并在成长之后给予对应的回报和激励,才可能有形成良性的互动。

说到这,引发了一个思考,去年我在和好未来AI lab负责人松帆聊员工激励问题。

松帆的看法是:对员工最好的激励是业务高速的发展。

业务高速发展自然能激发所有人的成就感。

但另一个问题是如何在业务没有高速发展之际,让员工有成就感。

这就涉及到整体目标的透明化、大目标的拆解和分配、员工目标和业务目标的绑定、员工目标完成度的跟进和帮助、绩效考核和复盘。

另外有些管理者出于掌控感、安全感,喜欢做信息封闭。

公司、团队的目标和进展,并没有让尽可能多的员工了解。

这种情况之下,即便业务高速发展,员工却没有任何成就感和驱动力。

长期下去,团队也就分崩离析,自然也让高速增长成为泡影。


 3 

注重贡献

有些管理者很喜欢引用德鲁克"注重贡献" 的思路。

强调每位员工是否还能做出更好的业绩,做出更多的贡献。

不少管理者经常挂在嘴边的话:

“不要问公司给了你什么,要多问你为公司贡献了什么!”

“不要抱怨,拼命干,公司给予你的已经够多了!”

这些管理者脑海中浮现的是员工积极进取、投入工作甚至不计回报带病坚持工作。

在我看来,这其实是把奉献和贡献混为一谈。

不思考公司和管理者能给员工提供什么样的帮助和环境。

一味强调奉献,其实已经接近「职场PUA」的境地了!

前文写过一篇关于职场PUA的文章。

感兴趣的可以看看:职场PUA到底有多可怕?

其实奉献,是强调 "投入" 的这个过程,不求任何回报和结果。

比如父母对子女的付出,这是无私奉献。

而贡献,则强调做什么事对最终的结果有影响。

且包含自己在这个结果中的位置!

前者是杰出的人为了信念而牺牲,后者是平凡的人如何卓有成效地工作。

在职场,千万不要有让员工奉献的想法。

员工也不是傻子,要养家糊口、要成长发展,这是人之常情。

用平凡人的尺度更容易将员工凝聚在正确的事情上。

而注重贡献是将人的才智投放到最关键的地方,产生关键结果。

好的结果,一定是对公司和员工都有利益的结果!

带着对贡献正确的理解,才能更好理解员工的抱怨和不满。

这些抱怨和不满恰恰是管理者要去调整的方向。


 4 

要相信每一位员工都力求表现

很多管理者并不相信员工都想好好工作。

更习惯用命令和监督的管理方式。

很多公司,强制员工996就是这种对员工的不信任的最佳诠释。

而德鲁克认为,管理者要相信员工想要表现出最好的一面。

同时也要对员工给予安全感的照顾和必要的指导。

更本质的,要激发人性中最大的善意。

其实管理者更应该思考一个问题:“你究竟是拿员工当机器,还是当人”。

机器适合执行命令,接受100%的监督。

而个体的人,都有表现欲、主观能动性、成就感、使命感。

如果你剥夺这些,那人也成了机器。

如果你激发这些,那每一个人都会是一个超级发动机。

有的管理者会说:人性本恶,你不强压,他们一定会偷懒。

那么,人性到底本善本恶?

其实管理者压根不需要去探究人性本身。

德鲁克更强调沟通、帮助和指导。

不是要对人性完全洞察,而是在组织范畴内释放人性的自由。

我们无法完全了解一个人,而我们的目标也并不是这个。

管理的目标是当员工来到一个组织中,迅速成为真正「自由的人」。

通过实现员工的个人成就、满足员工的表现欲、激发员工的使命感,进而实现组织的目标。

只有真正是「自由的人」组成的团队,才是真正有战斗力的团队!


 5 

用人所长

有的管理者喜欢用听话的下属,因为这样的下属带来了满足感和安全感。

有的管理者喜欢用老好人,因为这样的下属不会带来管理上的麻烦,省心省事。

如果能用直言不讳、性格耿直的人,已经算很不错了。

但是,这些特点真的是长处吗?

德鲁克所说的用人所长,是为卓有成效服务的。

因此,这里的“长处”是指可以使员工工作更有成效的卓越才能。

比如市场分析、项目管理、数据分析、战略分析等等。

而“听话”、“老好人”、“直言不讳” 属于基本价值观范畴。

很多管理者理解德鲁克这句话之后,做出的改动,是接受了更多不同个性的人。

却忽略了「为卓有成效服务」这句话。

没有去真正发掘员工的卓越才能,更没有锻炼发现员工才能的方法论。

此外,卓越的管理者从不问 "他不能做什么",他会问 "他能做什么 "。

这并不是说管理者要忽视人的缺点。

真正的底线是他的缺点不至于导致他不能胜任某项工作。

用人所长和容人所短相互对应的,用人所长还需要容人所长做基础。

能否容许下属发挥长处甚至创造出出乎意料的成就,这对管理者是一种考验。


最后的话

管理是一个很大的话题,今天就谈这么多。

总结下:“让平凡的人做出不平凡的事”、“最好的激励是成就感驱动”、“激发人性最大的善意”、“多谈贡献,不谈奉献”、“用人所长,而不要求面面俱到”。

相信真正理解德鲁克这五个观点,一定能助力大家。

德鲁克的经典著作更多强调的是「道」,而我们的实践,更多得到的是「术」。

「道」和「术」的完美结合,才能带来管理认知和格局的快速提升!

最后祝愿我的读者朋友们,做管理工作的,2020,你们的团队一切顺利!

欢迎留言探讨更多管理问题。


其他原创文章可以戳:

为什么顶尖高手,都是深度思考者?

为什么顶尖高手,都是长期主义者?

那些996公司的员工,怎么样了?


你可以长按这个二维码加入我的星球。

我的星球主要分享职场进阶、职场认知提升、技术产品运营等问题,享受一对一无限提问博主的权限,有问必答。同时我的星球人脉圈超级强大:数十位大咖,都是CEO、CTO、产品副总、运营副总级别,2020让我们一起成长。

你可以长按这个二维码加我微信,空位不多。

记得备注“职业信息”,我会将你拉进一个高品质圈子,全是我的读者们,从CEO、 CTO到总监、架构师还有投资人等等,是一个优质人脉圈。


【您的在看,我的莫大鼓励】

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值