如何破解“鞭打快牛”困局——对人员管理的反思

所在部门随着职能职责的转变和人员变动,长期以来管理粗放的问题逐渐显现。前不久,领导对我们某项工作提出严厉批评,这仅仅是暴露出冰山一角。亡羊补牢,全面梳理管理工作,“抓重点、补短板、强弱项”,避免溃堤之蚁穴,已成当务之急。

在反思中发现,诸如组织管理制度规范过时项目管理质量进度失控管理能力和个人素质有待提升等问题,都还有章可循,有路径、有方法,可以逐步解决。但在人员管理、人力资源调配、团队能力提升方面却办法不多,特别是对体制内常见的“鞭打快牛”现象,甚至有些束手无策。

一位农夫有一头水牛和一头黄牛。 农夫拉着两头牛犁田,他先给黄牛套上犁枷,但黄牛任凭他怎么吆喝就是不走,折腾半天没犁了几路田。 无奈之下,农夫换上水牛,水牛不用吆喝就主动拉着犁往前走,但农夫还是不断地鞭打水牛。 水牛很是不解,停下来问:“主人,我已经尽心尽力地帮你拉犁了,怎么还老是打我?” 农夫说:“黄牛不拉,只有你拉,不打得你跑快些,什么时候才能犁完田?少废话,快走!”说罢又是一鞭。 多次挨鞭子的水牛想:自己跑得越快,犁的田越多,被鞭打的机会就越多,而黄牛却在旁边悠哉游哉地吃草,真不公平! 最终,它挣脱犁枷跑了。

鞭打快牛

“鞭打快牛”,顾名思义就是总是把任务加给干工作又快又好的员工。这样一来,干工作越快的人,总会有更多的工作安排下来;而那些悠哉游哉的人,却一直工作量比较少。 能够克服困难的人,总是在不断地克服困难;畏难的人,却总是可以得到轻松的任务。 ……  慢慢的,“快牛”也没了心力和动力,变成了“慢牛”,或者干脆“愤蹄”离去。

在公司企业,有完善的奖惩机制和上升淘汰通道,鞭打快牛不失为一种好办法。因为牛跑得快、干得好,就会得到更多的物质奖励和更大的升职空间,干得不好则会被淘汰。因此,大家都会去争当快牛,甚至甘愿挨鞭子。

但在体制内,奖优罚劣却不明显。干得再多再好,就算有些绩效奖励或加班补贴,也非常有限。一味的鞭打而没有任何实质激励,就会挫伤“快牛”的积极性。对那些不求进步的“慢牛”来说,少做事、少出错,人也轻松。只要不出什么大错,单位也没有理由辞掉自己。对“慢牛”惰性的纵容,不仅让“快牛”寒心,也会逐渐拉低整个团队的工作效率。

“干得越好越受累,懂得越多越疲惫,不懂不干不受罪”。自己当初就有过这样的心理波动,只见快牛遭罪,不见慢牛拉犁,快牛便也学会慢下来、缓一缓。即使再补充新的力量进队伍,也会被逐渐同化,进入慢牛群体。一旦快牛都不再快,慢牛更乐得享受慢的安逸,整个团队的积极主动性就会消耗殆尽,劣币驱逐良币。

"鞭打快牛"现象在很多单位都较常见。周末在食堂里一看,加班的总是那一群人。能干者,在种好“责任田”的同时,常会被派到更苦更累的岗位上去“多岗位历练”;善写者,不论有多少日常工作,总有各类调研报告、情况总结、汇报材料、领导讲话等亟待“加工打磨”;勤快者,每次出力、跑腿事情,无论手头有多少活,都会被要求放一放、缓一缓,赶紧去“担当”,事后还得继续补上手头的活;等等。

我们这儿"鞭打快牛"现象尤其明显。有的员工每天进出家门两头黑,却总有干不完的工作任务;有的员工虽然每天都在忙,却出不了成果,整天磨洋工;还有的员工如隔岸观火,年纪轻轻、老态龙钟。别的部门40多岁的”老同志“仍在加班熬夜,我们这里有人二十七八、三十出头就想慢下来,想着休息休息等退休了。干的干、混的混,混的还要给干的提意见。每次有新员工到岗,就是”新人哭、旧人笑“的时候,”老同志“一番口舌就将各种事务全推到年轻人头上,自己终于落得一身清闲。

忙闲不均

出现“鞭打快牛”现象有其深刻原因。暂且抛开大环境体制机制上的羁绊不说,出现“鞭打快牛”现象,主要还是管理者的问题。

一是用起来顺手。工作讲求效率与质量并重,当时间紧、任务重时,会干、能干、快干者往往就成了下达任务时的首选考虑,正所谓“你办事,我放心”,总是倚重一、两位能力强、效率高、老实肯干的员工,事无巨细、扬鞭劲催。

二是任务安排不当。事分轻重缓急,但主要还是重要和不重要。平时把重要的事情提前部署、持续跟进,就不会有那么多重要且紧急的事情。一些不重要的事情,不管是否紧急,完全可以用来锻炼队伍、提高素质。

三是惰性使然。越是顺手的工具,越是会下意识地多用,久而久之,就当起了“甩手掌柜”,乐得轻松。不愿意身先士卒,懒于以身作则,事情来了就交给“快牛”上,缺乏沟通指导,还美其名曰“压担子、给舞台”。对各员工的工作量也不清楚,看谁有空就安排谁,“倒逼”员工拖拉。

关于“鞭打快牛”现象,网上很多分析文章都是在收入分配制度不合理、人员准入退出制度存在缺陷、现行考核制度存在问题、领导干部管理存在偏差等方面泛泛而谈,难以提出行之有效的具体解决措施。不过三条路径倒是比较清晰。

一是让“快牛”不要变成“慢牛”。核心就是对快牛需求的洞察和满足。要成为一个有效的管理者,必须要了解每一名员工的动机,提供相应的激励方式。虽然在体制内,薪酬方面没有什么空间,但有很多激励,其效果不比钱差,如成就感、获得感、自主性、人际关系等。只有设身处地从每个成员的角度出发,在工作过程中及时洞察其需求和情绪,才能防患未然,保持团队的凝聚力、战斗力。

二是使“快牛”变成“全能牛”。相比于有的文章提的“快快牛”,我觉得用“全能牛”更好。“快牛”一般有两种:专业型,有较强的专业素养;组织型,善于处理关系、沟通、协调。快牛不应该一味要求更快,也要给其喘息调整的机会,通过转换角色,提升综合能力,帮助快牛成长。

三是让“慢牛”转变为“快牛”。“慢牛”也要区别对待。有的属于“弱牛”,确实基础较差,能力素质较低,需要给予具体的指导帮助,不能简单交代任务就撒手不管;有的属于“懒牛”,工作积极性、主动性较差,必须要明确分工,量化评比,压缩其偷懒钻空的空间;有的则是“疲牛”,产生了职业倦怠,需要适当轮岗、授权,激发工作动力。至于那种能力、态度都有问题的“病入膏荒”之牛,如果在教育鞭策之下,还不能自我反省激发内生动力,则应坚决予以隔离,不可一再纵容。鸡蛋,从外打破是食物,从内打破才是生命。

说到底,出现“鞭打快牛”的困局,还是领导力不足的表现。领导力是一个不断修炼的过程。


最后补充一点自己的体会。“快牛”能力强、素质高、肯吃苦、能负重,但也容易有傲气、怨气,甚至容易犯呆气、傻气。切不可与“慢牛”对比,自甘人后。虽然“快牛”“慢牛”拿着差不多的薪水,但是除获得薪水之外,能在工作中锻炼能力、提升自我价值,并通过工作这个平台,增长见识、拓展人脉,相对于获得了两、三倍的回报,这是远比一时的收入更能增值的财富。成长,应该成为我们永恒的追求。

不待扬鞭自奋蹄
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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