Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

根除繁文缛节

Posted on 2023-04-26

保持 saasy-black-ogimage.jpeg

较大的团队每人完成的工作较少。在某个时候,团队会碰壁,增量招聘实际上会减慢他们的速度,而且较大的组织与较小的组织相比,人均完成的工作更少。这就是为什么招聘冻结甚至裁员实际上可以增加一些公司的产出。

大公司在成长过程中积累了繁文缛节,就像鲸鱼身上的藤壶一样。有更多的通信层、更多的状态更新和更多的流程。平衡运营系统化的好处(可预测性、质量控制、专业化)与其缺点(摩擦、管理费用、员工因生存绝望而受挫)是扩展的重要部分。

认识到官僚主义日益严重的迹象

贵公司管理费用增加的最危险部分是,随着时间的推移,这个问题会变得更糟。起初,这些过程不会造成问题——你可能会走得慢一点,但现在你知道火车是否晚点了。

但是随着时间的推移,您构建的系统在您的公司内像霉菌一样生长,直到有一天您偶然参加一个会议并思考“我们怎么可能需要 6 个批准者来发布这篇博文?”

官僚主义的第一条规则是它永远不会自我修复。您负责构建流程的人员不会有一天醒来,意识到他们通过增加管理费用无意中损害了公司,然后辞职。如果你想解决它,你必须采取措施自己修复它。这里有一些官僚作风的迹象,有时令人惊讶的识别方式,以及解决这些问题的方法。

保守决策

名片:人们永远不会觉得自己拥有足够的数据。

快速决策对于扩展业务至关重要。正确的决定是伟大的,但正确的决定通常是您利用今天所拥有的信息可以做出的最快的决定。您通常可以在预分析 3 个想法中哪个最正确所需的时间内凭经验测试 3 个想法。

当一个组织沉迷于正确性而不是速度时,它通常会开始坚持收集更多数据。要求更多数据听起来总是合理的——数据很棒对吧?对更多数据的永无止境的追求是一种症状,表明决策过于保守,而且人们在做出他们相信但无法在数学上证明的电话时感到不安全。

另一个相关的标志是人们服从外部权威(“CEO 想要这个”)。数据痴迷是向上级上诉的一个特例——数据是你可以向上级上诉的最高权威。由于永远没有足够的数据,决策会逐渐停止。

这个问题源于对错误投注的惩罚。有人犯了错误——他们因此而被烤。一个失败的项目被其他人用作政治筹码。然后其他人做出了一个快速但冒险的赌注并获得了回报,他们并没有因为他们的速度而得到回报。一旦每个人都知道快速失败会带来不对称的不利影响,团队就会集体减速,就像刚在高速公路上发现速度陷阱的汽车一样。

这个问题是缺乏问责制的表亲:你对纯粹的结果施加了太多的问责制,而对人们的运作方式却没有足够的问责制。

作为领导者,您可以通过几种方式解决这个问题。首先,除了得分之外,还奖励那些导致射门得分的快速决策。您应该特别奖励具有强大第一性原理理由的赌注,即使数据并不完美。接下来,确保区分数据既容易获取又对决策至关重要的情况,以及数据不容易获取的情况。

其次,作为 CEO、高管或领导者,您不会面临与其他人相同的不对称不利因素——您更能免受政治和判断的影响。您应该对您的团队负责,对正在放缓的决策承担最终责任,并将其推向结论。

过度专业化和有害专业化

名片:每个项目都挤满了审批者,或者在你做出决定之前需要咨询的人。

随着公司的发展,它获得了聘请各个领域的专业专家的能力。专业化释放了更高水平的质量,但也增加了脆弱性——因为每个人的工作范围缩小了冗余和适应性降低。

通常有大量决策批准者是过度专业化的标志,因为它表明组织的“大脑”已经细分,以至于没有人可以查看计划并全面判断其可行性。视野狭窄的独立领地是官僚主义的标志:想想当你试图解决国税局的一些问题时,你总是从一个子部门转移到另一个子部门。

除了冗长的审批流程会拖慢你的速度之外,过度专业化最终会导致我所说的有毒专业化:当人们不必要地强迫自己进入决策的关键路径时:

  • 专业专家往往会觉得他们关注的领域至关重要
  • 处于决策的关键路径感觉很好,无论是对于处于关键路径的人还是他们的经理(我的团队中都有这样的天才专家!)
  • 很难反对具有深厚背景的人处于所有相关批准的关键路径

如果您看到这种模式出现,您的团队可能过度专业化了。

(过度专业化的另一个名片:经常鼓动拆除整个流程、产品或团队并从头开始重建。这是太多专家的另一个副作用:对“正确”做事方式的强烈信心,结合对新方法持谨慎态度,因为我们已经知道正确答案)

要解决过度专业化的问题,请确保您重视具有高资质的通才以及具有强大领域专业知识的专家。很容易陷入只聘请专业专家的陷阱,因为人们很容易相信你的问题是如此之难,以至于只有世界级的专家才能解决它们。问问自己:您面临的挑战是否如此极端,以至于需要有人带来十年的经验来解决它们?这就像在伦敦爱乐乐团演奏大提琴,还是您只需要知道如何与客户交谈并使用 Figma 的人?

当然,聘请具有深厚专业知识的人并没有错。事实上,理想的招聘对象是在某些领域拥有深厚专业知识并拥有丰富经验的“T 型”队友。问题在于,强大的 T 型员工供不应求且难以招到。结果,许多组织最终满足于狭隘的专业知识并使有毒专业化永久化,特别是因为许多面试过程都经过调整,使得狭隘的专家表现得不成比例。

雇用前初创公司创始人或早期员工是防止过度专业化的另一种方法,因为初创公司迫使你身兼数职。对于早期员工,您大约需要前 30 名员工,对于从最早阶段就从顶级风险投资公司筹集大量资金的公司,您只需要前 10-15 名员工。原因是:顶级风投往往会推动热门公司成长,并让公司从第一天起就聘请专家,这意味着专业化通常会更早出现。不太热门的公司既没有外部压力,也没有办法聘请高度专业化的外部专家。

最后,确保您的团队成员接触到业务的不同部分。进行借调,让人们跨部门协作,并严格确保将事情写下来,因为这是交叉培训的最佳方式之一。 Toxic Specialization 的一大优点是破坏它的所有工具都在您的控制之下;你只需要确保你使用它们。

忽视价值交付

名片:“我们的团队很高兴宣布一项新计划!这是一封 500 字的电子邮件,说明它为何重要。”

随着组织的扩张,他们创建的团队越来越远离公司如何创造价值、支持客户和赚钱的核心。如果这些外围团队懒惰且没有野心,只做最低限度的必要工作,这就不是问题。相反,当他们充满活力和动力时,问题就会出现,并出于真诚但误导的努力来帮助企业创造更多的工作。

这种情况的名片是真正重要的问题 (™) 及其冗长的解释。冗长的解释是关键。当一个需求对公司的核心使命来说确实至关重要时,它几乎总是可以用 ~5 个词来解释:

  • 最大的客户想要流失
  • 需要推出旗舰产品
  • 交易对第四季度至关重要
  • 安全漏洞

所有雄心勃勃的团队都希望交付价值。当雄心勃勃的团队远离公司实际赚钱和帮助客户的地方时,一些人会开始制造问题,以便他们可以通过解决问题来增加价值。

但由于这些问题实际上并不那么重要,因此需要更长的解释来突出二阶和三阶优势。这些好处在本质上通常是哲学上的:我们需要一致性,我们正在消除风险,我们正在投资未来。这有点像您的有线电视和 Wifi 提供商想要在电话中花 30 分钟讨论为什么您不应该取消您的计划,但他们会让您在 60 秒内在线注册并付款。

这个问题在某些团队中比其他团队更常见。在 SaaS 中,产品、销售和客户成功/支持等功能最不容易忽视价值交付,因为它们以商业和客户为中心。市场营销、工程和设计的许多部分都面临着更高的风险,人力资源或 IT 等后台职能部门最容易受到攻击——尤其是那些主要工作是说“不”的安全和法务部门。与其他内部职能部门相比,财务部门对这一陷阱的适应力明显更强——因为他们看到了所有的数字,所以他们倾向于定向了解业务价值是从哪里产生的。

解决此问题的最简单方法是让每个人都站在客户面前。例如,一些公司让所有员工都在入职时提供支持。即使是最少的客户接触也会产生奇迹。每月与客户交谈 45 分钟就足以让他们对业务运作的因素保持非常高的水平;尽量确保尽可能多的人这样做,尤其是像工程和营销这样做出影响客户决策的团队(100% 的高管应该与客户交谈)。人们会说这不能扩展,但那些人要么不知道自己在说什么,要么懒惰不想花时间。

培训也有帮助——分享客户故事并重申公司如何让客户满意,以及由此带来的商业影响。

最后,您可以强制团队证明需要其他团队投入时间的举措是合理的。这是官僚主义可以帮助你的地方。任何不属于服务交付体验一部分的要求都必须证明他们对服务交付体验的要求是合理的。

外卖

随着公司的发展,繁文缛节和大公司流程的激增是不可避免的。如果你不采取措施控制它们,它们最终会变得比你想要的更大,甚至完全失控。留意一些最常见的问题:

  • 对数据的痴迷表明你的决策过于保守
  • 多层审批是过度专业化的标志
  • 对关键项目的冗长解释通常表明这些项目实际上并不重要

原文: https://staysaasy.com/management/2023/04/25/breaking-down-red-tape-at-your-startup.html

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme