從前沿實踐解讀數字化管理：誤區與突破

劉東暢 路琳

年1月的一天，當阿里巴巴所有的產品經理打開電腦時，他們都收到了一封郵件，內容是阿里巴巴產品委員會發布的全公司產品經理人才標準全面升級公告。這一次升級把原來十幾項的產 2019品經理能力標準，刷新成為僅有三項的新標準，包括客戶價值定義、產品實現和商業模式&商業節奏規劃。這次人才標準發布的結果與以往有些不同，一般在這類標準發布后，大家褒貶不一，而這此公告后面的留言幾乎是清一色的點贊，“非常清晰”、“這套標準預估影響會很大，看好這次變革”、“寫得很好，一眼能看懂”。

可能很少有人知道，這封郵件的背后，是中國企業在數字化管理道路上的一次真正意義上的全新探索。

數字化：流行與誤解

如果在互聯網搜索引擎上搜索“數字化管理”這個詞，能顯示出多達數千萬條的相關結果。隨著數字時代的來臨和數字技術的普及，數字化管理成為一個被熱議的話題，本身也是順理成章，并不值得驚奇。

誠如我們所知，在數字時代，商業世界中充滿快速變化和不確定性，管理變得越來越復雜，管理者也越來越難以依賴經驗。一方面，經驗本身就摻雜了無數偏見與迷信；另一方面，在這樣的背景下，經驗來不及積累。同時，管理的復雜度不斷升級，使得組織對管理精準化的需求越來越強烈。因此，企業迫切需要一個比以往靠經驗和直覺更科學、更有洞見的方法來指導實踐，這也解釋了為什么近兩年企業都開始提數字化管理。但數字化管理在應用落地上會存在很大的問題，因為企業以往在管理工作中沉淀的人力資源數據太少，僅有的數據除了最基本的年齡、性別等人口統計學數據和司齡、績效、薪酬等人事管理數據，就只有IT建設方面較為成熟的公司能用到的即時通訊軟件、郵件信息等數據，對個體的特質、行為、偏好、情緒、組織中的復雜現象、人際網絡、交換關系等，都沒有任何數據可用。這導致所謂的數字化管理，依然只能停留在基本的描述性分析上，很難做真正的預測性分析，即使用上機器學習等“黑科技”，也是處于“巧婦難為無米之炊”的境地，而且因為當前機器學習的結果的可解釋性問題還沒有完全解決，最終也很難得到因果層面的規律性結論，這既是意識和認知的問題，也是能力的問題，最根本的還是意識和認知的問題。

所謂意識和認知問題，通俗來說，就是“不知道自己不知道”。因為管理時尚和最佳實踐在企業界的影響力的確太大，企業仿佛覺得自己只要搞來一套什么流程和工具，是某某世界級的標桿企業在用的，就可以藥到病除，變得軍容抖擻、猛將如云，今天獨角獸，明天IPO。因此在企業中的組織和人才管理、人力資源領域的從業者，寧肯把時間花在咨詢公司的PPT和培訓公司的廣告上，或者花在自己絞盡腦汁的假想中，也不肯靜下心來認真讀一套組織行為學的教科書，或者讀一篇管理學的頂級期刊論文，究其原因，除了閱讀能力限制以外，更重要的原因，大概是后者無法給予號稱“藥到病除”的商業宣傳。但所謂“藥到病除”真的靠譜嗎？恐怕值得打一個大大的問號，這中間往往是“因果顛倒”的陷阱在作祟。通常我們的正常邏輯都是從“因”到“果”的，因為企業做了什么事，所以得到了什么成果。但是在管理時尚和最佳實踐的宣傳中，卻是反過來的：首先找到一堆從業績表現和影響力來看最優秀的企業，然后再說他們做了什么，先講“果”，再講“因”，似乎只要商業成功，以往做過的所有事都是值得學習的經驗，可實際上這個“果”和這些“因”之間，可能根本就沒有明確的關系。由于信息不對稱，真正的成功要素很可能在這樣的因果倒置中被遺漏或者曲解。所以盲目跟風去學習，既不知己，更不知彼，根本就是無意義的。即便退一萬步說，這個因果關系真的存在，可是在如今數字經濟時代，社會不斷發生著深層次的變革，復雜性、不確定性、快速變化成為常態，任何過去成功的經驗，在不經過驗證的前提下直接照搬，也是對企業非常不負責任的做法。

這便是當前數字化管理概念的通病，即是它被咨詢公司努力打造成了一個新的“管理時尚”或者“最佳實踐”，變成了一個放之四海而皆準的產品，似乎企業只要采購一個數據可視化的系統界面，呈現一下基本的組織和人才數據，或者用機器學習裝模作樣預測一下員工有多大可能性離職，就足以被稱作“數字化管理”了?？墒钱斊髽I花費巨資去買了這種更“漂亮”的數據呈現方式后，卻發現這根本得不出什么有價值的定性結論，沒有解決任何管理問題。追求效率是企業的天性，但跳過客觀規律，簡單追求效率，并不能解決所有問題。

誠然，類似這樣的管理時尚和最佳實踐所打出來的“藥到病除，快速見效”的招牌，無疑是打動人心的。但這種“刻舟求劍”的做法，最多只能解釋過去，而無法指導現在和指引未來，逼得越來越多的企業開始回歸到對自身場景的探索和判斷中去。也就是說，企業需要先通過研究更好的理解自己組織的特征和問題，建立能更精準反應組織現狀的數字化模型，再去制定有針對性的解決方案。

對企業而言，這樣做的確會比照搬管理時尚和最佳實踐需要更多的精力和時間，但在數字經濟時代，面對各種前沿的管理難題無從下手，真正想解決問題的企業，的確到了不得不拿出精力和時間的時候。

面對這個問題，作為互聯網領軍企業的阿里巴巴，交出了中國的第一份答卷。

創新管理的歷史難題：如何識別優秀的產品經理

產品經理，可謂是高科技企業的無冕之王。對企業而言，一位卓越的產品負責人，如蘋果的喬布斯、微信的張小龍、抖音的張楠，能通過卓越產品將技術和商業進行完美結合，獲得商業成功，其價值絕不亞于一個優秀的CEO。但究竟什么樣的人能成為優秀的產品經理，長期以來，眾說紛紜、莫衷一是。原因在于產品經理的工作要求就是，在面對巨大的不確定性情況下，通過不斷創新，尋找突破點，并推動團隊帶來價值實現。如何選拔與培養適配這種崗位的人才，一直是企業實踐中的難點。以往，企業對這類人才使用的評價方式多是通過經驗判斷，也就是通過一個人的過去，預測其未來，然而，由于突破式的創新可遇不可求，難以連續復制，這種傳統的預測模式放到產品經理這樣的創新人才管理中，效果大打折扣。

字節跳動的創始人張一鳴就曾經公開表達過這種焦慮，他說：

“有一天我看到咱們HR寫的招聘PM（產品經理）的JD（崗位介紹），特別生氣。

有一條寫著：有五年以上互聯網產品經驗，具有日活千萬量級以上的產品規劃和產品迭代實施經驗。

我跟這個HR說，按照這個要求，陳林、張楠、我們公司一大批PM（產品經理），一個都進不來，連我自己都進不來。別說千萬DAU（日活躍用戶量）產品了，他們加入前，連百萬，甚至十萬DAU（日活躍用戶量）的產品也沒做過。

很多同事加入我們公司的時候并沒有光鮮的背景或者很好的履歷，公司的產品經理，有設計背景的、運營背景的，還有代碼寫不好的工程師轉崗的。

我們招人一直秉承的觀念，是找到最合適的人，特質是不是真正契合，關注人的基本面。學校、相關經歷、title都沒那么重要。寫這樣的JD很容易，本質上是偷懶，要發現人的特質才是困難的?！?/p>

一方面，過去的經歷與成就只代表過去，另一方面，企業迫切需要能夠盡早發現具有潛質的優秀人才，通過設計合適的機制，支持這些優秀的人更容易跑到終點、創造未來，把創新從一個小概率的事件，變成大概率的結果。

作為創新企業的管理者，如果真如張一鳴所期望，能夠通過發現產品經理的特質，預測其將來的行為和結果，組織就被賦予了洞見未來的能力，創新人才管理這一仗的打法就能變得耳目一新。

解題團隊：穿越蟲洞的“未來組織實驗室”

為了解答這一歷史性難題，阿里巴巴在這次產品經理的人才標準制定工作中果敢創新，與歷史上任何一次都不同，整個項目的主導者，既不是顧問公司，也不是人力資源高管，而是阿里巴巴集團內部的一個神秘團隊——“未來組織實驗室”，本文作者，花名“澄天”的阿里小二，就是這個團隊的創始人。產品經理這個項目，后來被團隊命名為“Project Rossen”，其中Rossen借用的是物理學名詞“愛因斯坦-羅森橋”，又稱為“蟲洞”，緣于產品經理的工作本質就像蟲洞一樣，是連接技術與商業兩個世界的中樞。其實，“未來組織實驗室”這個團隊本身的構成也是穿越蟲洞的結果，來自人力資源管理實踐一線的阿里小二找到了上海交通大學安泰經濟與管理學院的路琳教授研究團隊，雙方一拍即合，并肩作戰。

“未來組織實驗室”的工作過程中，既沒有咨詢公司介入，也沒有所謂的高層領導拍板，完全依據科學研究方法，依賴于從真實場景中獲得的真實案例和真實數據。這個團隊回顧了大量相關理論和文獻研究，基于組織行為學的實證研究方法，通過為期兩年、針對產品經理和其合作方幾十個小時的深度訪談，投放和回收了上千份問卷，系統地采集了產品經理的特質，解碼了產品經理創新的路徑，建立了產品經理價值模型，鏈接起產品創新的關鍵行為與結果，并挖掘出組織文化和環境對產品創新的影響作用。

圖1 管理學中的實證研究方法

“未來組織實驗室”通過理論與實踐頻繁碰撞，往復迭代的過程產生一系列成果。阿里巴巴全公司的產品經理人才標準刷新，僅僅是用到了其中的部分研究結果。拿到實驗室團隊提供的模型后，人力資源部門針對某事業部的產品經理的特質項進行了排序，并對排序前30%的人員的績效數據進行分析，發現其中在績效管理中被評為高績效和高潛力的產品經理占比達到了2/3，而剩下的1/3，幾乎全部都是入職一年以內，缺乏有效的績效和潛力評估數據的新人（在剩下的70%的人中，高績效和高潛的比例立刻就降到了1/4以下，因為績效管理的結果是綜合性并且強制排名的，不止與能力和表現掛鉤，所以很難完全降到0）。在創新這件事上，組織開始遇見未來。

解題方法：基于實證的數字化管理

“未來組織實驗室”引入阿里巴巴管理實踐的是“實證研究方法”。其實，在管理學術研究界，實證研究方法并不是一個新概念。實證研究是從二十世紀下半葉興起的一種基于“假設-驗證”原則的科學方法，強調管理學研究的結論不僅僅要言之成理，還要言之有據，而這個“據”不僅僅指證據，更是指數據。再往前追溯，就要回到當年伽利略站在比薩斜塔上扔鐵球的故事。伽利略為了證明自己的理論，首先通過邏輯推導的方式，推翻了亞里士多德的理論，但這還只是一個假設，為了證明這個假設是正確的，他還必須驗證，即親自把兩個不同重量的鐵球從一個高度同時松手，觀測兩者是否同時著地。回到管理學中，就是首先要通過大量的調研、結合文獻研究，得出假設，建立研究模型，然后通過問卷或實驗等方式，收集數據，通過統計分析工具驗證模型，才能得出變量與變量之間的關系是否成立等結論。盡管如圖1所示的實證研究方法在學術界已經是一種基本范式，但在當下，熱衷于追逐最佳實踐和管理時尚的企業界，還很少有人知曉，并能夠應用這一方法為企業分析和解決實踐問題。

除了“Project Rossen”這樣的項目，未來組織實驗室用實證化的研究方法，將更多實踐中的管理問題進行了理論化分析。比如空降領導層的落地生根，互聯網企業HRBP的工作模式，也包括疫情期間，員工在家遠程辦公時的工作投入度與效率問題。借助管理學中的實證研究方法，這個團隊一點點不斷擴大著組織對自身、對人才的認知疆界。一些原本停留在純粹學術界里的概念，被引入到管理實踐中，精準描述、解釋、預測管理現象與原理。例如，在家辦公項目的研究中，我們發現，自我調節能力幫助員工更好地應對工作環境和方式的變化，保持高投入和高效率。再有，通過工作重塑，遠程辦公可以變成員工對自己的工作進行反思及再次創新的機會。正值阿里巴巴價值觀“新六脈神劍”落地，大家都在談論其中“唯一不變的是變化”這一條的時候，未來組織實驗室告訴大家，擁抱變化不只是一個價值觀和態度問題，更是一個能力問題，而且這個能力還是可習得的，是組織可以對員工賦能的。

將實證研究方法引入企業管理實踐，真正的價值，并不只是這些不斷推出的研究成果，而是穿越蟲洞后，管理研究者與實踐者攜手，推翻所謂的企業“最佳實踐”。以往的管理學習，都是去看標桿企業做了什么，比如在招聘、績效管理、人才發展上有沒有什么行之有效的創新，再來看哪些可以用在自己的組織上，但究竟這些實踐有多大價值，能不能照搬，會不會水土不服，尚是未知之數。未來組織實驗室告訴我們，所謂“最佳實踐”，是建立一套科學的方法，扎根企業自身的實踐，幫助組織更好地認識自己、預測未來，這樣從實證中產生的結論，才能幫助組織進行因地制宜的科學決策，創造一套真正適應自己的具體場景的“最佳實踐”。這套實踐，才是他人無法照搬的、復制無效的。

圖2 應用型組織研究的價值：小天曲線

何況就實證方法而言，雖然對于相對復雜命題，的確需要至少一年時間，但很多相對簡單明確的項目，在更短時間內也能呈現有價值的成果。何況，當基于實證的數字化管理實現以后，大量數據得以不斷積累和沉淀，工具得以被不斷完善，人才得以被訓練和培養，效率和價值會隨著認知的不斷深化變得越來越高。

深度思考了基于實證管理的數字化管理與時間、價值之間的關系后，我們畫出了一條管理實證化價值曲線來說明這個問題。如圖2所示，過往基于管理時尚和優秀實踐的企業管理變革，雖然在不斷引進新的管理方法和工具，但由于企業內部組織和人才領域、人力資源領域的管理者、專家等，對組織并沒有深刻和精細化的認知，依舊停留在經驗和直覺上，所以對管理方法和工具的引進缺乏鑒別力，常常出現引入之后水土不服而棄之不用，同時經驗和直覺在這個充滿不確定性、復雜性和快速變化的時代越來越難以積累，所以企業長期困頓在這樣的模式中，組織變革很難持續實現顯著價值。反而因為組織規模和復雜度不斷擴大，流程的過度泛濫，導致組織變得越來越官僚、部門墻越來越厚重，決策和反應越來越遲緩，形成所謂的“大公司病”。而管理實證化的核心，首先是看清楚并證明問題所在，并給出簡單直接的解題方法，還能在之前成果的基礎上不斷深化研究命題和內容，以“如無必要，勿增實體”的奧卡姆剃刀原則不斷推動組織的精確變革，形成一條全新的價值曲線。

數字化管理的修煉原則

“未來組織實驗室”在數字化管理的道路上完成了第一階段的探索，這期間，來自企業的實踐者與來自管理研究領域的學者團隊相互了解，不斷“跨界翻譯”，反復試錯，實現對焦。在如何實現數字化的問題上，我們的親身經歷可以歸納總結幾個核心原則如下。

首先，必須始終堅持打破組織邊界，開放性對接來自學術研究領域的學者，而不能僅僅依靠公司內部組建的團隊“閉門造車”，其中原因，一是因為人才是冪律分布的，雖然在阿里巴巴這樣時刻面臨著最復雜的商業環境和最前沿的商業、組織命題的大規模企業里，要做出有價值的成果，并不是什么難事，可是我們需要的不但是價值，而是價值最大化，有價值的研究現場應該與全世界最優秀的學者和人才共同開發，而非畫地為牢，自滿于一點點的成果，既然公司既無法、也無必要招聘所有世界一流學者，就只能打破組織邊界，與這些學者們開展項目合作，科學的精神本來也就是合作。在研究項目完成后，企業支持學者把研究中成果作為論文發表，這也是非常重要的社會貢獻。這樣既是讓所有人的付出能有所回饋，更重要的是這樣才能讓我們的研究能被更多學術界一流的人才所看到，用他們的審視和討論，幫助我們不斷深化研究，做出更有價值的成果，同時也希望這些成果，能幫助到整個企業界的管理理念和方法的進步，讓這個社會變得更有效率和溫度，最終形成一個跨越商業和學術世界的合作生態。

同時，需要關注“跨界翻譯”或“跨界溝通”，因為商業和學術世界已經很久沒有形成積極有效的對話渠道，兩邊的語言已經出現了顯著的差異。我曾和幾位組織行為學者的交流中說起，“LMX（領導-成員交換）”這種組織行為學研究領域幾乎無人不知的概念和相關理論，在企業內的知名度和影響力幾近于零，學者們都覺得難以置信，但這就是事實。同時，企業內的大量語言也是來自于暢銷書、管理時尚所創造的概念，或者某個企業所自創的概念，對于學術界而言，也有很大可能從未聽說過。所以我們需要更多的企業界的管理者和專家能去學習教科書和學術論文，補齊自己的知識盲區，去和學者們交流，也需要更多學者能走進企業里扎根和交流，實現雙重語言體系。這也是為什么“未來組織實驗室”一直努力在把《組織行為學概論》變成阿里巴巴人力資源管理的一門必修課。目前這項工作已完成了對主要事業群的覆蓋，這樣做的目的，就是借此消弭語言差異，降低跨界溝通難度，也許還能發現對研究非常有興趣和天賦的人才，作為管理數字化變革的資源池。

此外，堅持長期主義非常重要。一方面，我們發現，實證研究的整個階段中，定性研究的過程其實常常比定量研究更為重要，因為前者是后者的指導。只有在定性階段充分地了解、扎根企業和具體場景，從實際觀察入手，形成經驗概括，再提煉出理論假設，而非先抱著理論假設走入企業中。由此抽象出扎實的假設模型，定量驗證的階段便自然會水到渠成，而且因為定量研究往往會涉及到大量的問卷投放甚至是實驗、準實驗，對企業而言需要投入較大精力和人力去開展組織工作，以保證問卷的及時完成率和有效性，因此定性階段做得足夠扎實，提升定量的效率，可以盡量減少定量階段的工作量，減少企業的投入成本。另一方面，認知的改變很難畢其功于一役，以“未來組織實驗室”的Project Rossen為例，當團隊開始啟動這個項目的時候，組織中的其它組織、人才和人力資源領域的同事，包括業務部門的同事，都不知道這個項目到底要做什么，為了投放問卷和收集數據以供研究分析，我們基本上是一個一個事業部去和他們所有的產品負責人溝通這個項目的價值，誰覺得有價值就在誰的團隊先投放問卷，當收集齊一定的樣本量后開始分析，通過分析得出有價值的結論，然后通過這些結論去“銷售”給更多的事業部、事業群，吸引他們也加入到研究項目中，不斷擴大研究范圍和樣本、迭代和優化研究模型，最終做出非常有質量和影響力的成果。

最后，是關于命題的選擇。顯然，對于組織、人才和人力資源領域的從業者而言，最自然的想法一定是從組織和人才角度找課題，比如谷歌公司的People Analytics團隊，第一個項目Project Oxygen所研究的就是優秀領導者的行為。但是“未來組織實驗室”團隊在這一點上非常大膽，直接嘗試切入到戰略的痛點之中去發現課題，因為相對于人力資源的痛點而言，業務和戰略的痛點、價值都更加顯性，落到命題上也會更加自然。比如業務在思考規模化增長的時候，在思考技術商業化的時候，會很自然地想到產品能力，進而想到產品經理的選拔和發展，和產品組織的構建，而不是想到領導力或者組織活力這些人力資源領域更熟悉的內容。而人力資源的價值本身就應該體現在對業務和戰略更直接的支持上，而非自娛自樂，自己造出來一些偽命題，干得熱火朝天，但提到對業務的價值，卻難以有效衡量。而且，當團隊的成果展示在業務面前，當我們能親耳聽到資深的產品經理對我們說，“我感覺你們是真的走進我們的專業領域了”，“這是我看過最好的一套產品經理畫像”的時候，當產品的管理者拿著我們的模型跟我們討論目前組織中產品經理在選拔和發展上的問題，甚至拿著模型去輔導自己下屬的時候，會真的有一種油然而生的“我們做了正確的事”的自豪感。

當然，在這個過程中也并非事事如意，有趣的是，相比于業務的認同和支持，在過程中碰到的阻力和挑戰往往是來自于人力資源領域的人員。由于企業界多年以來的沉珂，導致對相關專業人員的行為科學素養和數字化意識的不重視，不少人更樂于去聽聽管理時尚和最佳實踐，更傾向于依賴經驗和直覺去做判斷，對于數據缺乏理解和想象力，連最基本統計分析概念如信效度、相關性等都較難理解和運用，都提高了溝通成本（其實過程中給予了巨大支持的人力資源領域的同事也非常多，只要有基本的心理學、組織行為學基礎，對數字化有一定認知和理解的人，就能很快產生認同，并很積極地配合、支持）。而業務的同學，如產品、運營、技術等因為工作需要長期和數字、和統計分析打交道的同學，更容易認可數字化管理的價值。由此看來，除了《組織行為學概論》以外，統計分析也是要納入今后企業里人力資源相關人員必修的一門功課，這比當前外部咨詢公司到處熱衷推銷的管理數據儀表盤等停留在簡單的描述性統計階段的工具，更能幫助企業去理解和挖掘數據的價值。

這是一個關于企業和學術應該如何重新遇見彼此的故事。我們無比希望這個故事能無限地續寫下去，讓人類的“所知”變成“所行”，“所行”沉淀為“所知”，循環往復，知行合一。這本身便是企業和學術的共同的、終極的目標，推動認知疆界的拓展，推動人類社會的進化，推動各種無限美好的可能性。