年底了,如何用绩效考核搞垮一个团队?

本文探讨了绩效考核在企业管理中的潜在问题,如目标脱离战略、强制推行、指标设置不合理、量化过度和反馈机制缺失等,揭示了如何通过不当使用绩效考核导致团队效能下降。作者结合超Y理论,强调管理方法应适应组织环境和策略调整。
摘要由CSDN通过智能技术生成

见字如面,我是军哥!

这马上农历年底了,绩效考核如期而至,这篇文章你需要,哈哈!

“Goals determine what you are going to be.”

 ----Julius Erving

文章开头引用一段英文,是为了显得高端。意思是,当代著名篮球运动员--朱利叶斯·欧文说过:“目标决定你将成为什么样的人”。

在管理学当中也有类似的说法:考核什么就得到什么

老粉丝知道,我很少写那些平庸的主题,因为张一鸣说过:“成功的反义词不是失败,而是平庸”。

e3d1db665f2f59e813a4e56bdfc5ab1f.jpeg

图片来自网络@侵删


本文聊一个硬核的主题:如何用绩效考核搞垮一个团队?

作为一名曾经企业中层,我那奇妙的谈吐、恰到好处的装逼,折服了同事们。他们亲切地称呼我“西二旗装逼之王”,然而我更喜欢另一个外号“删库跑路界的--尼古拉·军哥”。

说到绩效考核,我曾经不遗余力地在公司里推广,不为别的,因为如果大家不知道这东西有多好,我装逼给谁看呢?

通过多年的努力,我终于用绩效考核搞垮了许多团队,反观内心,结合自己的实践,谈一谈我的搞垮心得,供给借鉴:

1、企业战略与考核目标脱钩

就是要为了考核而考核,企业战略都是虚无缥缈的事,跟绩效考核有什么关系?

是时候表演些真正的管理了,先上 KPI 考核,再上“平衡记分卡”,如果团队还没有垮,最后来一套 OKR 压压惊。

老板都开始自我怀疑了:卧槽,我该不会是招聘了一群傻子吧?管理工具越来越牛逼,团队产出越来越傻逼。

万事开头难,让企业战略跟考核目标脱钩,就是为搞垮团队开了一个好头了。

2、强推绩效考核制度

老板亲自挂帅,一把手工程,全公司强推绩效考核制度,员工理不理解,高层支持不支持,那都不重要。

变革不是请客吃饭,是要流血牺牲的。舍不得孩子套不住狼,舍不得媳妇抓不住老王

老板要对自己好一点,能怪员工的就不要怪自己

3、目标制定过程不规范

典型的目标制定过程:员工先拟定目标,聪明的一些的都会有所保留,因为老板一定会在现有目标基础上加码,一来一回几番博弈,谈到一个大家都相对满意的目标,皆大欢喜。

我们不这样!又不是小孩子过家家、菜市场砍价,整这些有意思吗?

老板上来直接拍死。一个人成熟的最大标志就是不屑与人争论,能动手就尽量不哔哔

4、考核指标结构不合理

一个完整的绩效考核指标分成:业务考核指标、文化考核指标。阿里是各占50%,其它大厂有 6:4、7:3,根据各自企业的情况调整占比。

牛逼的企业,全是业务考核指标,有没有本事就看结果,以成败论英雄,为结果付薪,为努力喝彩。

次牛逼的企业,全是文化考核指标,考核全凭老板的感觉来定,根据拍马屁的力度、拍马屁的频度,最终得出考核结果。

这是一家马屁驱动的公司,我们愿景是:让天下没有难拍的马屁。

5、盲目量化,目光短浅

量化 everything ,只要努力量化,没有什么是量化不了的。

就算爱上一匹野马,我也要算一算头上的草原,究竟有多少平方米

别再说贫穷限制了你的想象力,你不是想出了那么多省钱的办法吗?

6、反馈机制不健全,暗箱操作

背对背考核,360 度匿名评价,给暗箱操作提供保障。

考核结果,领导说了不算,HR说了也不算,最后全凭老板一句话。

当领导骂你的时候,记住,你并非一无是处,你至少还有脸站在这听他骂完

7、领导层不支持绩效考核

完全不用考虑领导层是否支持,也不顾领导层对绩效考核的理解是否到位,总之就是要上。


大家都是职场成年人,知道岁月会磨平我们的棱角,但是没想到是摁在地上摩擦

8、员工不支持绩效考核

员工这是要造反啊,看来要杀鸡骇猴了,否则你们不知道老板的威严。

本来我以为打工人就是要跪舔老板的,后来我发现我错了,打工人应该趴着舔老板、花式 360 度舔老板、全年 24 小时无休舔老板。

9、强制正态分布

所有团队,按 3:6:1 强制正态分布考核结果,就算团队成员不到 10 人,也要强制执行。

轮流也好、抽签也好,考核制度必须遵守,没有变通,否则还要制度干嘛?

作为领导,我非常关爱员工,我常常劝那些年轻员工,不要着急谈恋爱,因为太早知道自己又丑又穷,会影响工作积极性

10、相关措施不匹配

绩效考核还要安排培训?还需要额外的人员投入?还需要用一套软件来计算考核结果?

太过分了,绩效考核就是为了降低成本、提高效率,你现在跟我说要增加成本?你看我脸上写着两个字“傻子”,是吧?

不要再侮辱老板的智商了,你不是在故意为难他嘛,他哪有那玩意啊?

写在最后

“超Y理论”认为,世界上不存在一种管理方法是一成不变的、普遍适用的。KPI,OKR,人才盘点、平衡记分卡等等,都必须根据组织内外环境、管理思想、管理技术等因素采取相应的策略。

“超Y理论”在结合了X理论和Y理论的基础上提出,一个好的管理实践是:工作、组织、个人、环境等因素的最佳配合

最后,如果你的公司正在实行绩效考核制度,请对号入座,有则加冕,无则改之。

最后的最后,我发现很多程序员很多容易陷入技术陷阱,对公司/对行业/对技术/对技术思维、产品思维/对管理/对晋升/对和领导如何相处等缺乏深入的认知,导致成长慢,对未来担忧又不知道如何破局,并且老踩坑,不过不用担心,我决定本周六晚上直播给大家聊聊这个话题,应该也是农历年最后一次直播,点击下方预约,我们不见不散~

以往热文推荐:

现在一些软件公司裁员套路真的太恶心了!

2024年,请你记住并践行这 10 条重要认知!


更多精彩,关注我公号,一起学习、成长

7f04d9861e474fb121b20a72803e5696.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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