从前沿实践解读数字化管理：误区与突破

刘东畅 路琳

年1月的一天，当阿里巴巴所有的产品经理打开电脑时，他们都收到了一封邮件，内容是阿里巴巴产品委员会发布的全公司产品经理人才标准全面升级公告。这一次升级把原来十几项的产 2019品经理能力标准，刷新成为仅有三项的新标准，包括客户价值定义、产品实现和商业模式&商业节奏规划。这次人才标准发布的结果与以往有些不同，一般在这类标准发布后，大家褒贬不一，而这此公告后面的留言几乎是清一色的点赞，“非常清晰”、“这套标准预估影响会很大，看好这次变革”、“写得很好，一眼能看懂”。

可能很少有人知道，這封邮件的背后，是中国企业在数字化管理道路上的一次真正意义上的全新探索。

数字化：流行与误解

如果在互联网搜索引擎上搜索“数字化管理”这个词，能显示出多达数千万条的相关结果。随着数字时代的来临和数字技术的普及，数字化管理成为一个被热议的话题，本身也是顺理成章，并不值得惊奇。

诚如我们所知，在数字时代，商业世界中充满快速变化和不确定性，管理变得越来越复杂，管理者也越来越难以依赖经验。一方面，经验本身就掺杂了无数偏见与迷信；另一方面，在这样的背景下，经验来不及积累。同时，管理的复杂度不断升级，使得组织对管理精准化的需求越来越强烈。因此，企业迫切需要一个比以往靠经验和直觉更科学、更有洞见的方法来指导实践，这也解释了为什么近两年企业都开始提数字化管理。但数字化管理在应用落地上会存在很大的问题，因为企业以往在管理工作中沉淀的人力资源数据太少，仅有的数据除了最基本的年龄、性别等人口统计学数据和司龄、绩效、薪酬等人事管理数据，就只有IT建设方面较为成熟的公司能用到的即时通讯软件、邮件信息等数据，对个体的特质、行为、偏好、情绪、组织中的复杂现象、人际网络、交换关系等，都没有任何数据可用。这导致所谓的数字化管理，依然只能停留在基本的描述性分析上，很难做真正的预测性分析，即使用上机器学习等“黑科技”，也是处于“巧妇难为无米之炊”的境地，而且因为当前机器学习的结果的可解释性问题还没有完全解决，最终也很难得到因果层面的规律性结论，这既是意识和认知的问题，也是能力的问题，最根本的还是意识和认知的问题。

所谓意识和认知问题，通俗来说，就是“不知道自己不知道”。因为管理时尚和最佳实践在企业界的影响力的确太大，企业仿佛觉得自己只要搞来一套什么流程和工具，是某某世界级的标杆企业在用的，就可以药到病除，变得军容抖擞、猛将如云，今天独角兽，明天IPO。因此在企业中的组织和人才管理、人力资源领域的从业者，宁肯把时间花在咨询公司的PPT和培训公司的广告上，或者花在自己绞尽脑汁的假想中，也不肯静下心来认真读一套组织行为学的教科书，或者读一篇管理学的顶级期刊论文，究其原因，除了阅读能力限制以外，更重要的原因，大概是后者无法给予号称“药到病除”的商业宣传。但所谓“药到病除”真的靠谱吗？恐怕值得打一个大大的问号，这中间往往是“因果颠倒”的陷阱在作祟。通常我们的正常逻辑都是从“因”到“果”的，因为企业做了什么事，所以得到了什么成果。但是在管理时尚和最佳实践的宣传中，却是反过来的：首先找到一堆从业绩表现和影响力来看最优秀的企业，然后再说他们做了什么，先讲“果”，再讲“因”，似乎只要商业成功，以往做过的所有事都是值得学习的经验，可实际上这个“果”和这些“因”之间，可能根本就没有明确的关系。由于信息不对称，真正的成功要素很可能在这样的因果倒置中被遗漏或者曲解。所以盲目跟风去学习，既不知己，更不知彼，根本就是无意义的。即便退一万步说，这个因果关系真的存在，可是在如今数字经济时代，社会不断发生着深层次的变革，复杂性、不确定性、快速变化成为常态，任何过去成功的经验，在不经过验证的前提下直接照搬，也是对企业非常不负责任的做法。

这便是当前数字化管理概念的通病，即是它被咨询公司努力打造成了一个新的“管理时尚”或者“最佳实践”，变成了一个放之四海而皆准的产品，似乎企业只要采购一个数据可视化的系统界面，呈现一下基本的组织和人才数据，或者用机器学习装模作样预测一下员工有多大可能性离职，就足以被称作“数字化管理”了。可是当企业花费巨资去买了这种更“漂亮”的数据呈现方式后，却发现这根本得不出什么有价值的定性结论，没有解决任何管理问题。追求效率是企业的天性，但跳过客观规律，简单追求效率，并不能解决所有问题。

诚然，类似这样的管理时尚和最佳实践所打出来的“药到病除，快速见效”的招牌，无疑是打动人心的。但这种“刻舟求剑”的做法，最多只能解释过去，而无法指导现在和指引未来，逼得越来越多的企业开始回归到对自身场景的探索和判断中去。也就是说，企业需要先通过研究更好的理解自己组织的特征和问题，建立能更精准反应组织现状的数字化模型，再去制定有针对性的解决方案。

对企业而言，这样做的确会比照搬管理时尚和最佳实践需要更多的精力和时间，但在数字经济时代，面对各种前沿的管理难题无从下手，真正想解决问题的企业，的确到了不得不拿出精力和时间的时候。

面对这个问题，作为互联网领军企业的阿里巴巴，交出了中国的第一份答卷。

创新管理的历史难题：如何识别优秀的产品经理

产品经理，可谓是高科技企业的无冕之王。对企业而言，一位卓越的产品负责人，如苹果的乔布斯、微信的张小龙、抖音的张楠，能通过卓越产品将技术和商业进行完美结合，获得商业成功，其价值绝不亚于一个优秀的CEO。但究竟什么样的人能成为优秀的产品经理，长期以来，众说纷纭、莫衷一是。原因在于产品经理的工作要求就是，在面对巨大的不确定性情况下，通过不断创新，寻找突破点，并推动团队带来价值实现。如何选拔与培养适配这种岗位的人才，一直是企业实践中的难点。以往，企业对这类人才使用的评价方式多是通过经验判断，也就是通过一个人的过去，预测其未来，然而，由于突破式的创新可遇不可求，难以连续复制，这种传统的预测模式放到产品经理这样的创新人才管理中，效果大打折扣。

字节跳动的创始人张一鸣就曾经公开表达过这种焦虑，他说：

“有一天我看到咱们HR写的招聘PM（产品经理）的JD（岗位介绍），特别生气。

有一条写着：有五年以上互联网产品经验，具有日活千万量级以上的产品规划和产品迭代实施经验。

我跟这个HR说，按照这个要求，陈林、张楠、我们公司一大批PM（产品经理），一个都进不来，连我自己都进不来。别说千万DAU（日活跃用户量）产品了，他们加入前，连百万，甚至十万DAU（日活跃用户量）的产品也没做过。

很多同事加入我们公司的时候并没有光鲜的背景或者很好的履历，公司的产品经理，有设计背景的、运营背景的，还有代码写不好的工程师转岗的。

我们招人一直秉承的观念，是找到最合适的人，特质是不是真正契合，关注人的基本面。学校、相关经历、title都没那么重要。写这样的JD很容易，本质上是偷懒，要发现人的特质才是困难的。”

一方面，过去的经历与成就只代表过去，另一方面，企业迫切需要能够尽早发现具有潜质的优秀人才，通过设计合适的机制，支持这些优秀的人更容易跑到终点、创造未来，把创新从一个小概率的事件，变成大概率的结果。

作为创新企业的管理者，如果真如张一鸣所期望，能够通过发现产品经理的特质，预测其将来的行为和结果，组织就被赋予了洞见未来的能力，创新人才管理这一仗的打法就能变得耳目一新。

解题团队：穿越虫洞的“未来组织实验室”

为了解答这一历史性难题，阿里巴巴在这次产品经理的人才标准制定工作中果敢创新，与历史上任何一次都不同，整个项目的主导者，既不是顾问公司，也不是人力资源高管，而是阿里巴巴集团内部的一个神秘团队——“未来组织实验室”，本文作者，花名“澄天”的阿里小二，就是这个团队的创始人。产品经理这个项目，后来被团队命名为“Project Rossen”，其中Rossen借用的是物理学名词“爱因斯坦-罗森桥”，又称为“虫洞”，缘于产品经理的工作本质就像虫洞一样，是连接技术与商业两个世界的中枢。其实，“未来组织实验室”这个团队本身的构成也是穿越虫洞的结果，来自人力资源管理实践一线的阿里小二找到了上海交通大学安泰经济与管理学院的路琳教授研究团队，双方一拍即合，并肩作战。

“未来组织实验室”的工作过程中，既没有咨询公司介入，也没有所谓的高层领导拍板，完全依据科学研究方法，依赖于从真实场景中获得的真实案例和真实数据。这个团队回顾了大量相关理论和文献研究，基于组织行为学的实证研究方法，通过为期两年、针对产品经理和其合作方几十个小时的深度访谈，投放和回收了上千份问卷，系统地采集了产品经理的特质，解码了产品经理创新的路径，建立了产品经理价值模型，链接起产品创新的关键行为与结果，并挖掘出组织文化和环境对产品创新的影响作用。

图1 管理学中的实证研究方法

“未来组织实验室”通过理论与实践频繁碰撞，往复迭代的过程产生一系列成果。阿里巴巴全公司的产品经理人才标准刷新，仅仅是用到了其中的部分研究结果。拿到实验室团队提供的模型后，人力资源部门针对某事业部的产品经理的特质项进行了排序，并对排序前30%的人员的绩效数据进行分析，发现其中在绩效管理中被评为高绩效和高潜力的产品经理占比达到了2/3，而剩下的1/3，几乎全部都是入职一年以内，缺乏有效的绩效和潜力评估数据的新人（在剩下的70%的人中，高绩效和高潜的比例立刻就降到了1/4以下，因为绩效管理的结果是综合性并且强制排名的，不止与能力和表现挂钩，所以很难完全降到0）。在创新这件事上，组织开始遇见未来。

解题方法：基于实证的数字化管理

“未来组织实验室”引入阿里巴巴管理實践的是“实证研究方法”。其实，在管理学术研究界，实证研究方法并不是一个新概念。实证研究是从二十世纪下半叶兴起的一种基于“假设-验证”原则的科学方法，强调管理学研究的结论不仅仅要言之成理，还要言之有据，而这个“据”不仅仅指证据，更是指数据。再往前追溯，就要回到当年伽利略站在比萨斜塔上扔铁球的故事。伽利略为了证明自己的理论，首先通过逻辑推导的方式，推翻了亚里士多德的理论，但这还只是一个假设，为了证明这个假设是正确的，他还必须验证，即亲自把两个不同重量的铁球从一个高度同时松手，观测两者是否同时着地。回到管理学中，就是首先要通过大量的调研、结合文献研究，得出假设，建立研究模型，然后通过问卷或实验等方式，收集数据，通过统计分析工具验证模型，才能得出变量与变量之间的关系是否成立等结论。尽管如图1所示的实证研究方法在学术界已经是一种基本范式，但在当下，热衷于追逐最佳实践和管理时尚的企业界，还很少有人知晓，并能够应用这一方法为企业分析和解决实践问题。

除了“Project Rossen”这样的项目，未来组织实验室用实证化的研究方法，将更多实践中的管理问题进行了理论化分析。比如空降领导层的落地生根，互联网企业HRBP的工作模式，也包括疫情期间，员工在家远程办公时的工作投入度与效率问题。借助管理学中的实证研究方法，这个团队一点点不断扩大着组织对自身、对人才的认知疆界。一些原本停留在纯粹学术界里的概念，被引入到管理实践中，精准描述、解释、预测管理现象与原理。例如，在家办公项目的研究中，我们发现，自我调节能力帮助员工更好地应对工作环境和方式的变化，保持高投入和高效率。再有，通过工作重塑，远程办公可以变成员工对自己的工作进行反思及再次创新的机会。正值阿里巴巴价值观“新六脉神剑”落地，大家都在谈论其中“唯一不变的是变化”这一条的时候，未来组织实验室告诉大家，拥抱变化不只是一个价值观和态度问题，更是一个能力问题，而且这个能力还是可习得的，是组织可以对员工赋能的。

将实证研究方法引入企业管理实践，真正的价值，并不只是这些不断推出的研究成果，而是穿越虫洞后，管理研究者与实践者携手，推翻所谓的企业“最佳实践”。以往的管理学习，都是去看标杆企业做了什么，比如在招聘、绩效管理、人才发展上有没有什么行之有效的创新，再来看哪些可以用在自己的组织上，但究竟这些实践有多大价值，能不能照搬，会不会水土不服，尚是未知之数。未来组织实验室告诉我们，所谓“最佳实践”，是建立一套科学的方法，扎根企业自身的实践，帮助组织更好地认识自己、预测未来，这样从实证中产生的结论，才能帮助组织进行因地制宜的科学决策，创造一套真正适应自己的具体场景的“最佳实践”。这套实践，才是他人无法照搬的、复制无效的。

图2 应用型组织研究的价值：小天曲线

何况就实证方法而言，虽然对于相对复杂命题，的确需要至少一年时间，但很多相对简单明确的项目，在更短时间内也能呈现有价值的成果。何况，当基于实证的数字化管理实现以后，大量数据得以不断积累和沉淀，工具得以被不断完善，人才得以被训练和培养，效率和价值会随着认知的不断深化变得越来越高。

深度思考了基于实证管理的数字化管理与时间、价值之间的关系后，我们画出了一条管理实证化价值曲线来说明这个问题。如图2所示，过往基于管理时尚和优秀实践的企业管理变革，虽然在不断引进新的管理方法和工具，但由于企业内部组织和人才领域、人力资源领域的管理者、专家等，对组织并没有深刻和精细化的认知，依旧停留在经验和直觉上，所以对管理方法和工具的引进缺乏鉴别力，常常出现引入之后水土不服而弃之不用，同时经验和直觉在这个充满不确定性、复杂性和快速变化的时代越来越难以积累，所以企业长期困顿在这样的模式中，组织变革很难持续实现显著价值。反而因为组织规模和复杂度不断扩大，流程的过度泛滥，导致组织变得越来越官僚、部门墙越来越厚重，决策和反应越来越迟缓，形成所谓的“大公司病”。而管理实证化的核心，首先是看清楚并证明问题所在，并给出简单直接的解题方法，还能在之前成果的基础上不断深化研究命题和内容，以“如无必要，勿增实体”的奥卡姆剃刀原则不断推动组织的精确变革，形成一条全新的价值曲线。

数字化管理的修炼原则

“未来组织实验室”在数字化管理的道路上完成了第一阶段的探索，这期间，来自企业的实践者与来自管理研究领域的学者团队相互了解，不断“跨界翻译”，反复试错，实现对焦。在如何实现数字化的问题上，我们的亲身经历可以归纳总结几个核心原则如下。

首先，必须始终坚持打破组织边界，开放性对接来自学术研究领域的学者，而不能仅仅依靠公司内部组建的团队“闭门造车”，其中原因，一是因为人才是幂律分布的，虽然在阿里巴巴这样时刻面临着最复杂的商业环境和最前沿的商业、组织命题的大规模企业里，要做出有价值的成果，并不是什么难事，可是我们需要的不但是价值，而是价值最大化，有价值的研究现场应该与全世界最优秀的学者和人才共同开发，而非画地为牢，自满于一点点的成果，既然公司既无法、也无必要招聘所有世界一流学者，就只能打破组织边界，与这些学者们开展项目合作，科学的精神本来也就是合作。在研究项目完成后，企业支持学者把研究中成果作为论文发表，这也是非常重要的社会贡献。这样既是让所有人的付出能有所回馈，更重要的是这样才能让我们的研究能被更多学术界一流的人才所看到，用他们的审视和讨论，帮助我们不断深化研究，做出更有价值的成果，同时也希望这些成果，能帮助到整个企业界的管理理念和方法的进步，让这个社会变得更有效率和温度，最终形成一个跨越商业和学术世界的合作生态。

同时，需要关注“跨界翻译”或“跨界沟通”，因为商业和学术世界已经很久没有形成积极有效的对话渠道，两边的语言已经出现了显著的差异。我曾和几位组织行为学者的交流中说起，“LMX（领导-成员交换）”这种组织行为学研究领域几乎无人不知的概念和相关理论，在企业内的知名度和影响力几近于零，学者们都觉得难以置信，但这就是事实。同时，企业内的大量语言也是来自于畅销书、管理时尚所创造的概念，或者某个企业所自创的概念，对于学术界而言，也有很大可能从未听说过。所以我们需要更多的企业界的管理者和专家能去学习教科书和学术论文，补齐自己的知识盲区，去和学者们交流，也需要更多学者能走进企业里扎根和交流，实现双重语言体系。这也是为什么“未来组织实验室”一直努力在把《组织行为学概论》变成阿里巴巴人力资源管理的一门必修课。目前这项工作已完成了对主要事业群的覆盖，这样做的目的，就是借此消弭语言差异，降低跨界沟通难度，也许还能发现对研究非常有兴趣和天赋的人才，作为管理数字化变革的资源池。

此外，坚持长期主义非常重要。一方面，我们发现，实证研究的整个阶段中，定性研究的过程其实常常比定量研究更为重要，因为前者是后者的指导。只有在定性阶段充分地了解、扎根企业和具体场景，从实际观察入手，形成经验概括，再提炼出理论假设，而非先抱着理论假设走入企业中。由此抽象出扎实的假设模型，定量验证的阶段便自然会水到渠成，而且因为定量研究往往会涉及到大量的问卷投放甚至是实验、准實验，对企业而言需要投入较大精力和人力去开展组织工作，以保证问卷的及时完成率和有效性，因此定性阶段做得足够扎实，提升定量的效率，可以尽量减少定量阶段的工作量，减少企业的投入成本。另一方面，认知的改变很难毕其功于一役，以“未来组织实验室”的Project Rossen为例，当团队开始启动这个项目的时候，组织中的其它组织、人才和人力资源领域的同事，包括业务部门的同事，都不知道这个项目到底要做什么，为了投放问卷和收集数据以供研究分析，我们基本上是一个一个事业部去和他们所有的产品负责人沟通这个项目的价值，谁觉得有价值就在谁的团队先投放问卷，当收集齐一定的样本量后开始分析，通过分析得出有价值的结论，然后通过这些结论去“销售”给更多的事业部、事业群，吸引他们也加入到研究项目中，不断扩大研究范围和样本、迭代和优化研究模型，最终做出非常有质量和影响力的成果。

最后，是关于命题的选择。显然，对于组织、人才和人力资源领域的从业者而言，最自然的想法一定是从组织和人才角度找课题，比如谷歌公司的People Analytics团队，第一个项目Project Oxygen所研究的就是优秀领导者的行为。但是“未来组织实验室”团队在这一点上非常大胆，直接尝试切入到战略的痛点之中去发现课题，因为相对于人力资源的痛点而言，业务和战略的痛点、价值都更加显性，落到命题上也会更加自然。比如业务在思考规模化增长的时候，在思考技术商业化的时候，会很自然地想到产品能力，进而想到产品经理的选拔和发展，和产品组织的构建，而不是想到领导力或者组织活力这些人力资源领域更熟悉的内容。而人力资源的价值本身就应该体现在对业务和战略更直接的支持上，而非自娱自乐，自己造出来一些伪命题，干得热火朝天，但提到对业务的价值，却难以有效衡量。而且，当团队的成果展示在业务面前，当我们能亲耳听到资深的产品经理对我们说，“我感觉你们是真的走进我们的专业领域了”，“这是我看过最好的一套产品经理画像”的时候，当产品的管理者拿着我们的模型跟我们讨论目前组织中产品经理在选拔和发展上的问题，甚至拿着模型去辅导自己下属的时候，会真的有一种油然而生的“我们做了正确的事”的自豪感。

当然，在这个过程中也并非事事如意，有趣的是，相比于业务的认同和支持，在过程中碰到的阻力和挑战往往是来自于人力资源领域的人员。由于企业界多年以来的沉珂，导致对相关专业人员的行为科学素养和数字化意识的不重视，不少人更乐于去听听管理时尚和最佳实践，更倾向于依赖经验和直觉去做判断，对于数据缺乏理解和想象力，连最基本统计分析概念如信效度、相关性等都较难理解和运用，都提高了沟通成本（其实过程中给予了巨大支持的人力资源领域的同事也非常多，只要有基本的心理学、组织行为学基础，对数字化有一定认知和理解的人，就能很快产生认同，并很积极地配合、支持）。而业务的同学，如产品、运营、技术等因为工作需要长期和数字、和统计分析打交道的同学，更容易认可数字化管理的价值。由此看来，除了《组织行为学概论》以外，统计分析也是要纳入今后企业里人力资源相关人员必修的一门功课，这比当前外部咨询公司到处热衷推销的管理数据仪表盘等停留在简单的描述性统计阶段的工具，更能帮助企业去理解和挖掘數据的价值。

这是一个关于企业和学术应该如何重新遇见彼此的故事。我们无比希望这个故事能无限地续写下去，让人类的“所知”变成“所行”，“所行”沉淀为“所知”，循环往复，知行合一。这本身便是企业和学术的共同的、终极的目标，推动认知疆界的拓展，推动人类社会的进化，推动各种无限美好的可能性。