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

你知道该怎么做

Posted on 2025-08-22

保持-saasy-黑色-ogimage.jpeg

我在初创公司、扩大规模的公司和上市公司工作期间最一致的观察之一是,聪明的人在遇到棘手的情况时几乎总是确切地知道他们需要做什么。

团队痴迷于公司战略、数据和决策框架。但我发现,对于大多数运营决策而言,对于了解丰富业务背景的人来说,正确的行动方案其实显而易见。

做一个硬汉很难

一个简单的事实是,人们讨厌面对艰难的抉择。相反,大多数人会想出越来越痛苦的应对机制来避免冲突。最终,他们承受的痛苦远比他们一认清现实就硬着头皮面对困难要大得多。

以下是一些值得注意的例子:

  • 我们应该解雇<某位高管>吗?你几乎总是已经知道他们是否合适(如果你问的话,答案是否定的)
  • 我们应该裁员吗?答案并不那么明确,但你内心几乎总是清楚是否需要裁员。
  • 我们应该停产这款产品吗?在如今竞争激烈的市场中,中等水平的产品往往已经走向衰亡,而优秀产品的潜力是立竿见影且巨大的。
  • 是时候出售公司了吗?如果你的生意已经筋疲力尽或正在慢慢走向衰败,出售的决定显而易见。积极的一面是,一个真正绝佳的收购机会通常非常出色(例如,对于成长型初创公司来说,其估值要比现行的公开估值高出数倍,或者以初创公司估值的200倍出售)。
  • 是时候关门歇业了吗?我再说一遍,每当我看到有人纠结于这个问题时,他们的眼神就告诉了我所有我需要知道的事情。

做正确的事

正确的商业决策往往显而易见,这一事实会引发一些可行的操作步骤。

迎难而上

如果你在多个选择之间左右为难,那么让你最不舒服的那条路几乎总是正确的。人类有一种强烈的逃避艰难抉择的倾向,所以你犯的错误只会朝着一个方向发展。当你听到以下任何一种暗示时,一定要注意——尤其要小心“只是”这个词,它很容易让人误以为你争辩的其实是借口:

  • 我知道我们不应该让他们当经理,但他们真的想要,而且我们只做一次就好了
  • 我们只需要再给球队一次机会
  • 如果我们取消这个项目,团队会非常沮丧,我们再给它几个星期吧
  • 如果我们下个季度能顺利结束,那就没问题了

收集实地反馈

由于接近问题的人几乎总是知道该怎么做,团队必须乐于接受来自不方便来源的棘手反馈。尤其是在组织发展过程中,接近情况的专家与远离情况或非专家的人之间的理解差异可能天壤之别。优先考虑接近情况(和专业知识)而不是头衔。

一种常见的错误是,一位友善、魅力十足、备受瞩目的高管在其他团队的初级成员中很受欢迎,但在同事和高级员工眼中却能力不足。最了解情况的资深高管知道该怎么做,但他们避免给出严厉的反馈,因为这很尴尬,而且被认为不值得付出努力。

数据驱动的危险

数据驱动的狂热,尤其是在用户行为模式非直观的大型消费品公司,导致许多人认为每种情况都存在着不明显的细微差别。实际上,大多数商业和管理情况并没有太多细微差别。

  • 这条业务线很糟糕:没有显示出任何生命迹象,显然是不可行的。
  • 一位高管搞砸了:他们可能一下子把工作中的许多方面都搞砸了——数字缺失、团队薄弱、成本超支。

数据驱动有很多优点,但其最致命的缺陷在于它更注重确定性而非速度,并且训练团队去寻找99%情况下并不存在的细节。如果你知道该做什么,就应该尽快行动,而不是等待更多信息。如果你是一位聪明且经验丰富的高管,不要被更多数据的诱惑所迷惑,在你已经确定的情况下重新进行分析。

我过去曾担任顾问/投资者,与团队合作,我发现外部顾问在确认团队已知信息方面非常有帮助。重要的是,这些外部力量也能帮助知情的团队评估问题的严重性。在关键时刻,最简单的方法之一就是请一位值得信赖的朋友和你一起模拟一个艰难的管理决策。只需向他们解释这个具有挑战性的决定,并让他们偶尔提问,直到明确该怎么做。我与一些公司进行过的最有效的讨论,往往始于有人简单地问你“这正常吗?”

你应该让你的团队果断

最后,你实际上有责任为你的团队做出你认为正确的艰难决定。许多领导者陷入瘫痪状态,因为他们不想让团队责怪他们做出了错误的决定。他们最好更加尊重团队的宏观分析:每个加入你团队的人最终都是因为他们在某种程度上信任你的判断。运营良好的公司是仁慈的独裁政权,而不是民主国家,你的团队会更尊重你果断的行动,而不是你决策理论上更高的命中率。

原文: https://staysaasy.com/management/2025/08/21/you-know-what-to-do.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
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 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