价值1个亿的一个管理问题

点击蓝字关注,回复“职级”获取知名互联网公司职级定义

2月起每月开展上个月读者阅读、转发、在看、留言各前三名(冠亚季军)评选活动,次月初开奖!欢迎参加,有惊喜(上月还有3位幸运读者没有联系我,不管刮风下雨,我在这里等你)。

最近认识的读者朋友特别多,每天都有惊喜,特别的开心。

然而前几天有一位读者朋友跟我说了一个事,我内心一下子不开心了。我先来介绍一下这个事的背景:

朋友详述,公司管理层与项目运作层对制定KPI目标达不成一致(比如公司定的是2亿,而项目成员预估只能完成1个亿。

问题一:  这时作为项目负责人该怎么平衡两方的权益,如果平衡不好会面临失控,大量核心人员离开;如果定少了,老板那又通不过,很是头痛;

问题二:从核心员工的角度,如果公司定太高,可能完不成怎么来调整自己的工作积极性?有点像仗还没有打,已经决定了胜负了,工作失去了动力。

这是一个中层管理者遇到的典型问题,面对这种上有公司压力、下面有兄弟,自己就是煎饼果子中的那薄脆饼子。

怎么办?接下来我们打开思考的脑回路请跟我来。

我和几位朋友充分讨论思考之后,决定从「正向推导、逆向思维、教练思维角度」给出建议。


 1

正向推导

粗看这个问题,很多人就开始闲不住了,但是我们还是要回到问题的本身。

为什么两者之间相差1个亿?gap如此之大,双方的依据又是啥?带着这些疑问继续问了这位朋友,

得到的回答是,管理层的依据是支出和回报的预计。项目组团队是按照去年的峰值*12来统计。看起来双方的逻辑都天衣无缝,但是聪明的作者细想就发现不对了,两者的统计思路或者说公式完全不一致,这就是问题所在啊。

怎么办?

第一个想到的建议是统一计算口径。如果用了这个办法的可能会吃亏,我有朋友分享:

原话是这样,老板很激进,同时很难听进去建议,每年的目标都是他拍板,他说2个亿就是2个亿,非常固执。最后有能力的人都走了,但是铁打的老板流水的兵,老板和几位联创一直稳稳的,他们的意识里爱走走继续招人就行。对于这种老板,项目负责人一定要看清楚老板的人品。

我希望我这位朋友不是遇到这种老板,要不然感觉这个正面推导到老板哪里就是——爱干干、不干滚,我的逻辑和计算规则没有任何问题。

遇到稍微好一点的老板可能是这样的:

他们就是激进派就像一匹野马,目标通常定得比较高,但是懂得分蛋糕,他会对目标按照难度分级,比如1亿一个级,1.5亿一个级,2个亿一个级,3个级别对应不同的奖励机制,而且最高级的奖励非常诱人,这种做法其实可以保持执行层面的积极性。我觉得这种做法,项目负责人可以参考。


 2

逆向思维

既然我没有办法通过正面的统一计算规则或者思路来处理这种问题。

那么我们怎么办?就没有办法了么。

我们可以试着答应管理层的指标,他们说多少就多少,爽快一点别bb,那另一种和管理层沟通的详细思路是:

第一步,同意并接受公司下达的任何业绩目标。并请公司明示其逻辑和标准。第二步,自下而上验证:分解该目标,如按渠道、地域、品类、细分市场…,然后,根据以往经验结合同dui行shou的做fan法ji,推演,最终明yao确qiu资源投zhi入chi:

①财务资源,例如广告预算、促销计划、新品/包装研发 ②人力资源,尤其是牛逼的销售大拿,甚至包括外部联营和/或商业合作伙伴。

第三步,详细汇报目标推演和资源投入,请公司决pi策zhun(资源预算)。

按此法,可以尝试,很多时候我们做事也是尽人事听天命。


 3

教练思维

事情到这里就是结束了么,回答是否定的。接下来我们换一种教练思维方式,问两个问题?

假如管理层和项目组可以达成一致。

他们是因为什么达成一致的?

那达成一致结果之后对管理层还有项目组意味着什么?

这里面这个核心点可以想象一下,如果管理层和项目组能够达成一致。这个2个团队从公司这个「系统」来说,那是呈现出一个什么样的状态。在这里,人和人之间的链接、协作、信任然后共识如何和现在有什么不一样。

这一点是非常重要的一点,并且这一点在领导力是最核心的一点。

假如有了什么就可以达成一致?那时的一致与现在的有什么不一样?这个不一样对于公司、管理层和项目组分别意味着什么?从事的角度可以思考诸如此类的问题……从人的视角就比较复杂了,而且不对决策者进行引导或者教练,决策者不能够从领导力的角度去思考给公司带来更深刻的意义,是解决不了问题背后的本质问题的。

这只是解决表面问题,而非是问题的最核心点。

诚然公司管理层的思维高度是公司员工的天花板,老板的高度决定了公司的未来,所以看清楚本质后,再看看如何可以在这样的受限空间里去发挥最大价值,而且是各个维度的。

所以只要问问管理层信奉的是什么文化,光墙上写的、员工手册写的并没有用,要要再看看具体做事的方式,一切就都是清晰明了了。

协同是靠人,不是数字,数字是死的,数字要活,只能数字背后的人是活的。

这个问题我感觉就是大家不关心人,只想要一个数字,这其实很容易形成了对立、不信任、被动接受、缺乏沟通和协作的公司文化。

道理并没那么复杂,但是要改变思维去思考这个问题,因为是人都有思维的盲点——自己知道自己不知道。


最后的话

以上,从正面推导、逆向思维到教练思维三个角度来分析这个目标差距1个亿的问题。

大部分愚蠢的人类通常解决一个问题带来一堆后续问题,抑或少数智者解决一个问题顺带一堆问题化为乌有。

人类本质是提出问题和解决问题(挖坑、填坑)的过程,这就是价值一个亿的管理问题的思考过程,希望你喜欢。

如果觉得我的文章对你的朋友有用,也请随手分享给他们,谢谢。

-------

以往热文推荐:

如何提升我们的认知?

2020年最强书单来了

职场7个建议 轻松抛弃同龄人

一位互联网老兵的五次认知升级

非常欢迎加我微信和我做朋友,微信空位不多,一起学习、思考和成长。


更多精彩,关注我公众号,一起学习、思考、成长

▲ 长按关注军哥手记,一起学习、思考、成长

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细节,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。
VDA_Band_19.1_3rd edition_2026 English Inspection of Technical Cleanliness 内容概要:本文档为德国汽车工业协会(VDA)发布的第三版《技术清洁度检验:功能相关汽车部件的颗粒污染检测》(VDA 19.1),系统规范了汽车行业中零部件技术清洁度的检测方法与流程。文件涵盖从取样、提取、过滤到分析的全流程标准化操作,重点更新了干法提取(如 Stamp Test 和刷吸法)、小于50µm颗粒的检测、光学子系统和SEM/EDX标准分析方法,并引入统一材料分类体系以提升结果可比性。同时明确了“标准分析”与“自由检验”的区别,前者用于高兼容性检测,后者允许客户与供应商协商定制参数。文档还强化了对非可测组件的技术清洁保障、测量不确定度评估及方法验证的要求,并提供了多个实际案例支持应用落地。; 适合人群:适用于汽车制造业中从事质量控制、工艺开发、供应商管理及相关检测实验室的技术人员和管理人员,尤其适合具备一定质量管理或洁净度检测基础的专业人员。; 使用场景及目标:①用于制定和执行零部件清洁度检测标准;②指导 incoming/outgoing 检验及生产过程监控;③支持失效分析与质量改进项目;④作为企业内部审核和技术交流的依据; 阅读建议:建议结合VDA 19.2及其他相关标准配套使用,重点关注各章节中的起始参数设定、方法选择逻辑及附录中的检查表示例,在实际操作中同步开展方法验证与人员培训,确保检测结果的有效性和可追溯性。
内容概要:本研究聚焦于电动汽车(EV)作为灵活可调资源的能力评估,提出了一种基于多面体聚合与闵可夫斯基和的数学建模方法,用以精确刻画大规模电动汽车集群的可调能力范围。通过将单辆电动汽车的充放电行为抽象为几何空间中的多面体可行域,并利用闵可夫斯基和实现对群体可行域的高效聚合,从而构建出能够反映整体调节潜力的统一数学表达。该方法在Matlab平台上实现了完整的仿真代码,支持对不同场景下电动汽车集群的上、下调能力进行量化评估,为电网调度、需求响应及电力市场机制设计提供了理论依据与工具支撑。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础的研究生、科研人员及从事新能源、智能电网相关工作的工程师。; 使用场景及目标:①用于评估大规模电动汽车接入背景下系统的灵活性资源潜力;②支撑含高比例可再生能源的电力系统调度与规划决策;③为需求响应项目中EV聚合商参与电力市场提供能力申报的技术手段;④作为教学案例帮助理解集合运算在电力系统中的应用。; 阅读建议:学习者应结合Matlab代码深入理解多面体建模与闵可夫斯基和的实现细节,建议从单车模型入手逐步过渡到集群聚合,并尝试调整参数(如数量、SOC分布、功率限制)观察聚合结果的变化,以增强对模型特性的掌握。
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