指數型組織

世界500強作為企業界的指示標,1920年的時候,它們的平均壽命是67歲,在2015年它們變得年輕異常,平均壽命只有12歲。這就意味著,那些曾經的老牌大公司逐漸被新興公司取代,其間的根本原因在于傳統的線性思維被指數型思維打得一敗涂地。

? 顛覆一切的信息技術

20世紀80年代早期,手機既笨重又昂貴,著名的咨詢公司麥肯錫預測在2000年之前,移動電話的使用量不會超過100萬部,所以它建議美國電話電報公司不要進入移動電話行業。但實際上,2000年時手機數量達到了一億部,麥肯錫被狠狠地打臉,它的預測出現了99%的差錯,這也導致美國電話電報公司錯失了信息時代最重要的機會。

無獨有偶,3D打印、生物技術等領域都發生過類似“謬以千里”的預測。歸根結底,不過是這些領域的專家總是以線性的方式進行推測,毫不顧及正在“信息化”的一切,信息化產業的發展早已以指數型的方式增長了。諾基亞和谷歌的命運正是對這一現象最好的詮釋。

? 線性的諾基亞VS指數的谷歌

諾基亞預測未來是智能手機的天下,為了能在未來智能手機的決戰中掌握主動權,諾基亞提前布局,它們認為智能手機的決戰一定在地圖領域,于是斥資81億美元收購了當時最好的地圖公司——Navteq。Navteq耗費巨大財力在街道兩邊埋了大量的傳感器,以獲取街道信息。它的競爭對手谷歌卻以11億美元買下了Waze,一家毫不起眼的地圖界的小公司Waze,它的策略是利用其用戶手機上的GPS傳感器來獲取交通信息,因為用戶手機的暴增,短短兩年內,Waze的交通數據量就趕上了Navteq,四年之后更是Navteq的10倍以上,但成本卻為零。可見,Navteq是線性思考的經典范例,Waze則是指數型思考的典型代表。

指數型思維最經典的理論當數“摩爾定律”。就是集成電路上可容納的元器件的數目,約每隔18-24個月便會增加一倍,性能也將提升一倍。這樣每一次更新就是一種指數級的累積,類似于數學的冪次曲線。

? 指數型組織的5大外部屬性 (SCALE)

指數型組織應該有利于組織的快速擴張,為了做到這一點,它應該具備以下5個屬性:

隨需隨聘的員工(Staff on Demand)

社群與大眾(Community&Crowd)

算法(Algorithms)

杠桿資產(Leveraged Assets)

參與(Engagement)

外部屬性1:隨需隨聘的員工,取代傳統的崗位聘任制

對任何指數型組織而言,隨需解聘的員工是在快速變化的世界中實現快速、多功能和靈活性的必要特征。事實上,無論你的員工多么有天賦,其中大多數人很有可能迅速過時,并失去競爭力,且成本高昂。對時下公司而言,擁有永久性的員工充斥著越來越多的風險。而外部的臨時勞動力可以保持更新,以填補專業能力的空缺,降低用人成本。

案 例

掌閱電子書,需要將大量的紙質書轉化為電子書,如果招聘專職員工來做,勢必花費巨大。掌閱的解決辦法就是建立一個工作平臺,雇傭兼職大學生來做,如果作品審核合格,掌閱就會打款給他,這樣既保證了質量,同時也節省了成本。

外部屬性2:社群與大眾,把一大群充滿熱情的專業技能愛好者組成社群

克里斯·安德森在2007年組建了一個DIY無人機的社群,在這個社群里邊,所有的人都在上傳無人機的設計方案,測評各種無人機的參數。這些大眾都是無人機的狂熱粉絲,并不是公司聘請的專業人員,但他們卻創造了驚人的成績。怎么樣才能實現這個效果呢?一般而言,圍繞指數型組織建立一個社群需要經歷以下三個步驟:

1、利用MTP來吸引早期成員參與:MTP是將成員吸引到軌道上的一股強大的力量。特斯拉、TED等均是個中翹楚。

2、培育社群:培育的要點包括傾聽和反饋。

3、創建一個平等參與和自動化的平臺:如Airbnb的房東和用戶會都會填寫評價表格。

外部屬性3:算法,獲取海量的數據
當阿爾法狗一統圍棋界的江湖時,其絕招自然是深度學習的算法。可以說當今世界的發展很大程度上要依賴算法,優步也好,Airbnb也好,其快速增長的最大功臣當屬算法。所謂算法即HVVBH,即首先收集數據;再組織這些數據;然后開始應用這些數據,從中找出關鍵點,歸納潮流風向;最后釋放這些數據,讓它變成一個平臺,利用開放數據,開發出有價值的服務和新的功能。
外部屬性4:杠桿資產,取代實體資產
優步并沒有自己的車,但是它可以通過平臺讓全世界的車為它賺錢;Airbnb并沒有自己的房間,但它可以通過平臺讓家家戶戶把多余的房間貢獻出來,這就是杠桿資產。所以任何一個指數型組織最重要的東西,都不是實體資產,而是數據。其他的都可以通過外包或杠桿資產來實現。

現今的信息時代,讓很多公司能隨時隨地使用實體資產,而不需要擁有它們。這樣就就降低了原料的邊際成本,同時省去了管理資產的麻煩,使公司保持在各個方面的靈活性。

外部屬性5:參與,采取巧妙的方法讓用戶參與進來

在所有的外部屬性當中,一定要在界面上去鼓勵大家參與。在適當的情況下,參與會創造出超大范圍的網絡效應和積極的反饋回路,從而提高用戶的忠誠度,或將大眾轉變成社群,還可以借助市場的宣傳力量等。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,321評論 6 543
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,559評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,442評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,835評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,581評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,922評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,931評論 3 447
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,096評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,639評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,374評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,591評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,104評論 5 364
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,789評論 3 349
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,196評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,524評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,322評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,554評論 2 379

推薦閱讀更多精彩內容

  • 薦 語 我們驚嘆于小米的迅速崛起,阿里帝國的快速擴張,也好奇是什么讓谷歌在波詭云譎的競爭市場里始終走得穩健從容。...
    AKE訓練營閱讀 1,030評論 0 0
  • 指數型組織 Exponential Organizations 打造獨角獸公司的11個最強屬性 關于作者 薩利姆....
    糖糖咖啡閱讀 4,110評論 0 8
  • 緣起 也不記得何時出來“指數型組織”這個詞了,應該是過年在家翻看閑書時看到的。 作者是三個人,浙江人民出版社,20...
    im天行閱讀 994評論 0 1
  • 開心一笑 【年底是各種案件的高發期,我們去ATM取錢的時候,一定要注意遮擋,不要被陌生人看到你的余額,要不然啊,就...
    架構師啟示錄閱讀 3,320評論 2 8
  • 我們當今的社會是互聯網時代,在互聯網熱火朝天的當今,人們經常談論人工智能(Artificial Intellige...
    印第安南閱讀 320評論 0 1