执行力与业务流程管理

当前,无论是企业管理方面的大师,还是奋战在商场第一线的CEO们,均热衷于讨论企业执行力的问题。其根本原因是无论一个企业面对的商业环境多么好,其战略多么正确,只要企业的执行力不到位,则其绩效是不可能令坐在董事会里的企业家们满意的。况且,按拉里·博西迪和拉姆·查兰在《执行》一书中的说法,假如企业的执行力有问题,则该企业的战略本身就不能被认为是十分正确的。


对于奋战在商场第一线的CEO们,战略就是他们对他们面对的商业环境的理解以及他们对此所做出的对策。战略大师波特也只能给出一个框架和一些思路,战略制定全凭CEO们的智慧和经验。假如我们同意“管理是科学和艺术的结合”这一说法,那么,战略绝对属于“艺术”的范畴。

“执行”的性质则全然不同。“执行”是要让每一位员工知道被指派了什么工作、做这项工作被赋予了什么权力、需要什么装备和技术以及这项工作应该于何时完成等。因此,执行管理显然更多的属于“科学”的范畴。

从这一视角出发,我们讨论提高企业的执行力实际上就是讨论如何提高企业管理中“科学”和“艺术”的结合能力,也就是讨论如何有效地将“艺术层面上”的战略转化为“科学层面上”的执行。

目前,企业战略落地的一般做法是将战略通过计划指标和绩效考核指标“科学地”具体到各个部门甚至个人,常用的方法是传统的计划分解方法和现代的平衡积分卡理论。企业的战略是根据企业所面临的市场和企业本身的增值链结构来制定的,而企业的组织结构是根据企业的功能来架设的。这中间大多数企业忽视了联结企业增值链结构和组织结构之间的桥梁,即企业的业务流程。其结果是:尽管企业的计划指标和绩效考核指标设计得很科学和很全面,但是,一到“真枪实战”,部门之间的“扯皮”便层出不穷。更为严重的一个问题是,一旦发现绩效的实际值偏离计划值时,无法找到有效的纠偏措施,致使看着绩效滑坡,束手无策。

 此外,即使一个企业的增值链结构和其组织结构相当吻合,业务流程的概念相当清晰,CEO们仍然还可能会有企业执行力的困惑。常见的现象是在战略部署时各部门和员工均清楚其任务和职责,但到执行时,却发现各部门和员工之间对同一个任务的定义和内涵的理解是差别很大的,以至于导致执行不到位,甚至铸成大错。这些现象背后隐含的问题是我们的企业目前还不够重视企业内部沟通战略、流程和绩效的语言统一问题。

我们将在这一所谓的“战略落地”过程中发生的这两类现象,称之为战略落地过程中的价值失真和信息失真。因此,要提高企业的执行力,必须设法减少这种战略落地过程中的价值失真和信息失真。解决前述问题的办法就是提高企业的业务流程管理水平。拉姆·查兰在《执行》一书中提出了人员流程、战略流程和运营流程三位一体的观点。我认为,他这儿的运营流程就是我们今天讨论的业务流程。

 企业的业务流程是相对于企业的工艺流程而言的。我们可以初略地说,工艺流程的加工对象是物料,业务流程的加工对象是信息。这两种加工活动实际上构成了企业的主要日常工作。一般来说,企业工艺流程受到企业业务流程的指导和监控,所以,在有关这方面的讨论中,业务流程往往和企业的经营管理关系密切,而工艺流程则往往和企业的技术管理关系密切。我们今天讨论企业的执行力,主要和企业的业务流程相关。

业务流程是指企业日常工作中加工业务信息的规范。企业的业务流程管理就是明确规定企业信息加工的对象、加工的顺序和技术装备、操作人员的技能要求和操作规程、加工结果的质量标准以及流程绩效的考核标准和方法。目前企业管理业务流程的主要方式是颁布企业的内部管理制度。这种传统的内部制度管理只是不自觉地、分散地管理着企业的业务流程,因此并没有能自觉地起到业务流程管理应起的作用。

国外的先进企业目前纷纷在推进全面的业务流程管理,以此提高企业在市场上的竞争力。通常的步骤是推行业务流程的标准化和规范化以避免因为流程的复杂化而引起的操作失误,推行企业内部的最佳实践以优化流程从而提高企业的效益,加强企业的IT系统建设以提高企业的效率,调整组织架构以适应业务流程的端到端的协同,重构绩效考核指标保证企业流程、组织和战略的目标一致。在企业中的增值过程是穿越于各部门之间,依托业务流程的运作架构的。所以,保证了企业的业务流程畅通就是避免了战略落地过程中的价值失真,从而增强了企业的执行力。

提高企业业务流程管理水平的另一个重要任务是在企业内部明确描述业务流程的规范和语言,从而避免战略落地过程中的信息失真。讨论一下当今企业和乐团的异同对我们加深理解这一点很有帮助。

 我们知道,乐团一场演出的基调是由为该场演出的曲目谱曲的作曲家奠定的。从这一意义上来说,该作曲家制定了该场演出的“战略”。乐团由各个声部组成,好比一个企业中的各个部门。乐手有各种乐器,好比企业中的技术装备。乐队指挥的任务就是保证作曲家的“艺术”能通过乐团全体演员的“有序”演奏传达给观众,感染观众。可以说,乐队指挥就是乐团的CEO。乐队的一场成功演出就是一次“业务流程”的成功运作,就是一次乐团执行力的成功体现,而成功的关键一点就是指挥和乐手之间的交流。作曲家、指挥和乐手之间的沟通是建立在作曲家的曲谱,即“乐团的业务流程”之上的。而这曲谱在全世界统一用五线谱记录,所以,不管乐手来自何方,说何种语言,都不会产生交流上的困难。这就是一个乐团的指挥比一个企业的CEO幸运的地方!

我们企业的业务流程目前还是主要用日常语言来描述记录的。日常语言的二义性造成了我们在沟通上的困难,导致了企业执行力的下降。因此,国际上业务流程管理方面的专家普遍同意要用一种专业语言来描述企业的业务流程。这种语言主要由标准图视符号加上规范的描述指标组成。虽然国际上还没有规定统一的行业标准,但是,IDSScheer公司的ARIS已基本上成为准标准,因为目前世界上的主要ERP厂商均采用了这一语言。

 战略决定流程和流程决定组织,这是当前国际上讨论企业执行力和业务流程管理的主旋律,而规范业务流程的描述和沟通则是迈向成功的第一步!

 

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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