管理者与员工保持“适当”距离

在物理学中距离是单纯地用计量单位可以衡量的远近概念,是指(两物体)在空间或时间上相隔或相隔的长度。

而在企业中,管理者与员工的距离是一种人际关系、复杂的心理活动和内心情感。这种距离在学术的定义上也有着多种诠释,没有统一的定论。狭义理解上可以认为是员工关系的一种,广义上亦包含文化制度模式与社会关系。

美国著名教育家DaviAspy曾经写过一本书《孩子们不向他们不喜欢的人学习》,书中指出,如果一个学生不喜欢一个老师,他就会对这个老师教的课产生抵触情绪,甚至导致该门课成绩急剧下滑。这样的经历相信每位做过学生的人都能有所体会。同样的,在职场上,作为管理者和员工的关系也是一样。如果你离员工过于遥远,你就会受到脱离,抑或流失员工的归属感导致失去人才。

但是,如果跟员工的关系过于亲密,会大大降低工作效率。因为离得太近,员工又会视你为孩子式的经理,也许会失去对你的尊重。试问在学校中如果校长或班主任是孩子的父母,孩子在校的学习或态度定会背离正常的方式方法,结果也可想而知。

应该与员工保持多远的距离,这个牵动管理者威信、工作执行效率、企业人才流动的问题已不容忽视。

典型的距离模式分析

马太效应——在《圣经》中的马太福音第二十五章有这么几句话:凡有的,还要加给他叫他多余。没有的,连他所有的也要夺过来。”1973年,美国科学史研究者默顿用这几句话来概括一种社会心理现象并将这种社会心理现象命名为马太效应Matthew Effect)。通俗地说马太效应指强者愈强、弱者愈弱的现象。

马太效应出现在职场上,往往体现为管理者与一些乐于亲近他们的下属关系密切,与一些内敛或不擅于沟通的员工越发疏远。由于员工的性格或待人接物方式不同,有些员工善于和上司沟通甚至阿谀奉承,而有些员工比较沉默寡言但不代表工作业绩不佳。如果管理者眼里只看到亲近在其周围的员工,亲上加亲的做法会使管理者蒙蔽双眼,无法客观地看待员工的工作表现。长此以往会造成距离太远的员工得不到上司工作上及时的肯定和赞赏,丧失对工作的信心和热忱,导致整个团队或者企业的效率降低。

零距离——当下有不少企业都推行零距离的内部沟通模式。例如:大朗镇宝达日用品制造有限公司的工会组织管理制度建立了一种员工与老板的零距离沟通。该公司的副总经理手机每天24小时开机,因为按照公司工会组织的规定,员工可以随时通过发送手机短信的方式,直接向公司高层管理者反映自己在工作中遇到的各种问题。这种零距离倡导的是一种顺畅的沟通方式。

如果把零距离运用为一种上下属间亲密无间地相处,彼此称兄道弟、吃喝不分,那么就会有另一种极端的情况发生。让一个领导完全放下架子,放下权力,走到下属中间,亲近是够亲近了,平等也是够平等了,但是就很容易工作中丧失原则,发号施令之后团队缺乏行动力。无数事实证明:企业领导如果过分注重没有原则的交往,往往导致庸俗的交往泛滥,这样就会形成亲疏远近,给领导工作带来许多矛盾和困难。这一点,应当切记,不可用交往替换原则,而在原则性上丧失领导形象。

等距离——唐骏提出了等距离的概念。他说:艺术的最高境界是简单,管理也是如此。就CEO和员工的距离而言,如果公司是一个圆,CEO是圆心,那么属下所有员工都必须在圆周上,惟有如此,才能保证CEO到每个员工的距离都是相等的,圆心和圆周的距离是最简单、最艺术的距离。

等距离的概念出来以后,便有一些IT行业案例围绕这个概念展开讨论。其总结是:不是要尽量做到等距离,而是要在管理中有意识地主动防止与少数员工过于近乎的关系,特别是,如果与自己特别近乎的下属有不当之处,一定不能迁就。对于CEO这样受万众瞩目的位置,所谓的等距离法则更多是针对内部的公平性。

在上述三种模式分析中不难看出,无论哪种模式的运用不能使用拿来主义去执行。对于它们的分析更多是提醒管理者绕开一些极端的距离不当导致的壁垒;同时,也总结出在管理者与员工的距离问题上,适当这个词起着画龙点睛的作用。

适当距离的拿捏

何谓适当距离,在冷风瑟瑟的冬日里,有两只困倦的刺猬想要相拥取暖休息。但无奈的是双方的身上都有刺,刺的双方无论怎么调整睡姿也睡得不安稳。于是,它们就分开了一定的距离。但又冷得受不了,于是又凑到了一起。几经反复地折腾,两只刺猬终于通过自己的努力找到了一个合适的距离,又能互相取暖,又不至于刺到对方,于是舒服地睡了。

这故事中的刺猬理论很贴切地诠释了何谓适当的距离。首先它需要时间经历摸索和建设的过程,并非一拍即合构成的距离,两只刺猬几经调整睡姿、分开再凑一起的过程;其次需要一个大环境,在这个故事里是寒冷的冬日,而职场实践中则是一个企业、团队或项目小组。

那么当我们把刺猬理论运用到管理者与员工距离中,为了找到一个适当的距离,还有哪些影响因素呢?这里大致分三个因素来探讨:管理者的领导风格、员工的个性类型和工作内容的性质。

管理者的不同领导风格,决定不同距离。

魅力型管理者,无论在平时还是工作中,他们都能很好地处理各种问题,他们只需要做好自己就可以,管理层与员工之间的距离远近由管理层来定。

任务型管理者,他们动手做事的能力很强,但情商不太高,这类管理者最好和员工保持一定的距离,不能和员工过于亲密,否则会给工作带来障碍。

情感型管理者,他们的工作能力也许不是很强,但情商却很高,他们常常和员工打成一片,能对员工产生很强的感染力,使员工感到温暖并更努力地工作。

如果管理者不属于以上任何一种类型,工作能力和情商属于正常水平,因为机遇比较好,成为了管理者,这种情况下管理者就需要和员工保持一定的距离,但又不能太远,尽量做到平易近人、以德服人。

员工的迥异个性,决定不同距离。

如果员工是过度依赖型,则需要管理层在工作中多给予辅导与支持、培养和沟通,距离就需要较近;如果员工是自我完善型,遇到问题探索能力强,自我学习提高意识很高,距离则可以较远,管理者只需要定时给予反馈就可以如果员工属于传统管理型,介于前二者之间,对部分工作任务能够独立完成,对部分工作任务需要上级的支持和指导,这样就需要根据实际情况把握合适的距离尺度。

工作性质不同,决定不同距离。

有些工作属于简单劳动,可替代性强、重复性的工作,管理层只需要明确工作要求与工作标准,在工作过程中可与员工保持一定距离,让员工专心工作,不受干扰和影响,提高工作效率。有些工作是属于复杂劳动,研发型工作、创意型工作,需要管理层与员工近距离开展头脑风暴,多沟通、多讨论才能够共同达成工作目标。还有些工作是复合型的,某个阶段是标准化的简单劳动,其他阶段是较复杂的智力劳动,也需要管理层根据工作进程合理控制与员工的距离。

其实管理无定论,适当距离的影响因素也不仅仅局限于上述三个方面,管理者与员工的距离如镜中花、水中月,也会因为管理者的性别和其他因素有近有远。

管理者和员工之间的距离是一个既有科学又有艺术的问题,是一个基于科学但实践于艺术的东西。它需要每个领导者不断地去学习、去实践,而且永无止境。从这个意义上来讲,在成长为一名卓越领导者的过程中,我们永远都是:在路上。

 

华恒智信点评 

管理是一门综合学科,系统而复杂,正象是阴阳的两极,只能是此消彼长。没有科学的管理,就没有管理的落地所谓执行力不足,实质上就是管理没有落地的问题。是不是如有些人所言,管理者与员工打成一片,不分彼此,管理就会落地呢。其实不然,正所谓不识庐山真面目,只缘身在此山中,管理是需要距离的。

俗话说,距离产生美。在企业管理过程中,管理者要与下属保持一定的距离,不管他()是否是你生活中的好朋友。作为管理者,倘若你与某一下属走得太近,不管你是否偏颇,在其他同事的眼里,你的威信都会大大降低,而且他的工作也得不到别人的有效配合。因为人是社会动物,生活在五彩缤纷的社会中,寻求平衡是人的天性,没有人愿意被别人冷落,尤其是被管理者冷落。因此,管理者必须与员工始终保持适当的距离。

在企业中,没有称兄道地的概念,有的只是管理者与被管理者的区别,管理者与被管理者双方都要正确把握自已的角色,相互保持适当的距离,因为距离产生美感,距离孕育和谐。

个人附加:

企业中管理者与员工距离近远的问题,会反映出企业的管理水平怎样。并不一定距离近、没有架子、平易近人等就一定是好的管理方式或好的管理者,管理者也并不一定有着好的个人人格和品质就一定是一个好的、合格的或高水平的管理者。检验一个管理者的行为和管理是否好的唯一标准就是是否能够使企业工作或所负责的工作达到有效和高效,也就是是否能够使所有人和所有员工都能快乐工作、有效和高效工作,能够使所有人的关系都是和谐的和积极的,都能够发挥出每个人的工作积极性、主动性和创造性。里面有着牵一发而动全身的问题,有很多东西不是那么单纯和简单的,它涉及到很多人和很多事情的问题 。
    做好这些东西是要智慧、技术和技巧,需
一个复杂的管理问题,需要建立起细化的、全面的规则,并不是只靠管理者的一些简单行为怎样就能做好管理和能评判出管理好坏。管理需要管理者有着全面的、鲜明的价值观做基础。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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