对抗智力霸权——智力和专业服务领域监理和验收
一、为什么?
许多企业由于决策失误或误入陷阱,由此造成的损失往往吞噬多年含辛茹苦赚的钱,因此避免损失与赚取利润同样重要。
互联网、大数据、区块链、人工智能等技术的发展为社会运营、日常生活、企业经营带来极大的效率和效益。但这些技术也是一种双刃剑,给人们带来有益方面的同时,也会带来一些负面效应,主要是这些技术的应用算法中大多包含一些假设、数据、指标和权重,而这些算法往往不透明,大众也无法了解和理解,这就给一些算法设计者、操纵者或利用者得以内嵌“倾向性因子”选择惠及部分人、损害另一部分人的机会。即使算法设计者无意偏见,也会由于算法的不合理或数据的虚假而损害部分人。而受害者或一般公众却由于对这些强大的“算法霸权”不明觉厉,不知不觉被这种“智力杀伤武器”所损害,即使感觉到受害,也会在这些貌似强大的算法面前投诉无门,默默承受这种算法霸权的欺凌。比如,你明明觉得自己的“芝麻信用分”只有500分是不合理的,但你却无法找阿里巴巴投诉;你被银行降低了信用等级,却无法找银行纠正;你被保险公司提高了保险费率,却无法找保险公司理论,等等。
在企业经营领域是离不开智力劳动的和专业服务的。智力和专业服务提供者往往会利用信息的不对称或用户的不专业,有意无意地内嵌虚假信息、虚假承诺、毒丸、偏见、或对自己有利的算法,使自己处于有利地位,通过损害用户利益而获取不正当的利益,采购方因此遭受惨重损失。
其实这种情况也存在于企业内部,经营者也往往会利用信息的不对称或业主的不专业,暗藏虚假信息和数据,获取不正当利益,使业主受损。而集团高层即认为“我们无论怎么算,也算不过他们”。这就是管理层自己对专业的恐惧,首先认为管理层对专业不懂,从而也认为管理层没有能力识别和破解经营者的“数据毒丸”,自己把“数据主权”给放弃了,自己承认了基层的“专业霸权”,其实这也暴露了部分管理者的无能。如果高层连基层三、四流大学毕业生所形成的最简单、最浅层次的专业霸权和数据毒丸都不能破解,自我投降,这样的高层要么水平确实不行,要么就是怠政,甚至有可能是腐败(出于某种目的默认数据作假)。
由此,我想对在企业里普遍流行的并且被有意无意曲解了的一句话“不要复杂、要简单”说上几句话:
管理其实是以文字数字和图表作为基本媒介的。但在企业弥漫着这样一种现象:一看到文字就怕,一看到图表和数字就恐惧。习惯性的反应是:太复杂,要简单,而且把这样的借口归咎于老板的主张。
企业、尤其是民营企业的创始团队“想尽了千方百计、走遍了千山万水、说尽了千言万语、受尽了千难万苦”,前后数十年以他们的心血打造了庞大的产业基础。我们在经营上可以花如此大心力,现在管理层就不能花一点点的心力于管理吗?
这样的畏惧于文字、无准备、无计划的现象也弥漫在企业的各种会议上,会议事先没准备,与会者事先不阅读会议资料,会上随意东拉西扯随意发言,会议变成随意发挥卖弄个人观点的场所。
复杂问题简单化是企业管理的一个真谛,但对这一真谛也需正确地、辩证地理解。一个商业模式、一个管理思想、一个任务,仰或是对基层的一个分配和考核方案,那一定是要简单的,但下属去实施时,一定是复杂的,是不简单的,否则,一层层地简单下去,就会把利润都“简单”完了。只有复杂的后台算法保障,才能精确地输出简单的前台结果。我们都知道那个“蓝色花瓶选总裁”的故事,老板要那个退伍军人去买那个蓝色花瓶的指令是简单的,但那个被选中的总裁在取得花瓶的过程是复杂的、艰难的甚至是惊险的。
执行力的关键所在是专业化和精细化。在许多方面,简单化就意味着粗糙化、不合理、不科学。一层层的简单化其实就是执行力弱的症结之一,对任务不规划、不组织、不分解、不细化、不跟踪、不督导,那自然都是简单的了,这样的结果就是每年年初轰轰烈烈、激动人心的讲话、口号,仍然是明年的口号,时间被简单了,钱被简单了,利润被简单了。
疏于管理的一个简单借口是忙,没时间。其实这也是怠政的一种表现。
餐桌上的觥筹交错、感觉良好的前呼后拥、貌似忙碌的车马劳顿只是重复浅层次的寻常招数,谁都能做。企业只有剑走偏锋、比别人多一招或快一拍,从深层次超越芸芸众生的认知水平和思维模式,才能形成竞争优势,才能鹤立鸡群。
如果能对这些内外部的智力和专业服务进行有效的甄别、监控和“软验收”,避免误入陷阱,企业有可能会避免和挽回巨额损失。这也是企业挖掘隐形利润的一个重要手段。
一个企业或机构不可能对所有智力和专业服务领域都精通,一个人无论多聪明,也不可能精通所有领域,这正是智力服务采购方处于劣势的地方。但企业和机构未必不能培育起对这些智力服务的鉴别和验收能力,关键是企业高层的认知能力和思维模式。
刘易斯的教练短跑成绩未必比刘易斯快,但不影响他调教刘易斯;
乔丹的教练打球未必有乔丹好,但不影响其训练出世界一流球员;
网络营销者未必懂得搜索引擎的算法,但仍可以优化关键词排名;
红学家未必就是曹雪芹、命运交响曲的知音未必就是贝多芬、运用数学模型预测和解决企业的问题也非得华为阿里的顶级数学家。
未来企业生存和决胜的关键有二点:
1、以新的战略思维和方法睿智地识别机会和风险,精心孵化未来的种子产业和业务;
2、精耕细作现有产业,深层次精准挖掘“隐形利润”,减缓和抵销“主河道水流”枯竭之势,使得“老母鸡”尽量多产蛋和延长产蛋时间。
一个人或组织,无论多么聪明都是有局限的:微观上,肉眼只能看到比细胞大的组织,纳米级的组织必须依靠高倍显微镜才能看到;宏观上,肉眼我们只能看到几光年外发光恒星的点,要看到那些天体的细节必须依靠射电望远镜;
经营环境的变化和产业技术的变迁使得未来的机会和风险识别方式和工具发生了天翻地覆的变化,火眼金睛的肉眼识别术必然要被“高倍显微镜”、“射电望远镜”等升维的识别能力所取代,原先成功者引以为豪的精明经验主义面临前所未有的危机。
未来的机会甄别和风险识别要依靠大脑的延伸,依靠那些能与数字和AI机器友好相处和顺畅沟通的绝顶聪明人。而要连接这些绝顶的聪明人,组织内部还需要一个中间体,就是能与这些绝顶聪明人友好相处和顺畅沟通的次等聪明人。
而要想让人和组织变得聪明,基础是数据化和数字化管理。这需要企业内部积累。
二、智力霸权重灾区
1、证券和投行服务领域
证券和投行经理往往把自己伪装成神秘而高深莫测的使者,利用企业的不明觉厉,给企业承诺IPO或购并题材的天上馅饼。成了,除收取优厚的承销费用、提成外,还收取高额的前期费用和财务顾问费用。败了,拿着高额的前期费用和财务顾问费拍屁股走人,留下承受巨额损失的企业独自伤感;某集团万方的收购就是一个惨痛的教训。
其实,这些前期工作或财务顾问工作,只要稍具专业或稍用心,企业自己都能做,这样除剩下上千万的前期费用外,还能够及时止损。
2、投资和项目决策领域
有意无意的“项目骗子”口若悬河游说老板掏出钱给他玩,把项目的貌似机会说的天花乱坠,把明处或暗处的风险陷阱用树枝遮盖起来,等老板的钱投下去后,即或者技术已经落后、或跟着趋势的影子捕捉逝去的机会、或者误入被伪装的陷阱。
某千亿级集团下设八大事业部,结果部分事业部总经理的主要核心竞争力就是想方设法掏老板的钱,八仙过海各显本事极力把老板的钱弄到自己的自留地,其中一个最能忽悠的事业部总经理包装的的一摞子项目把该集团数年的现金流虹吸一空,让该集团的现金流处于断裂的边缘,把该集团拖进了40来年创业历史上的最艰难时期。
相反的例子是:早期我游说鲁冠球父子进入风投领域、投资马云。
Ø 1995年阿里巴巴十八罗汉之一向我游说万向投资阿里巴巴前身中国黄页,游说未果,成为我三进三出万向的前奏。
Ø 同样是1995年,我建议万向进入“信息高速公路”,亦即今天的互联网。这个建议没被重视。
Ø 1996年向鲁冠球父子建议进入风险投资行业,被部分高管取笑“投资是要回避风险的,你怎么还去投资风险,真是傻博士”。是故,我向徐文荣游说,徐文荣当即给我注册了“横店集团开天创业投资有限公司”。可惜开天没开成。1999年,注册资本为3亿的万向创业投资公司成立。
以上具有重大意义的建议不幸落入了我在万向当时未被采纳的20%废弃项目回收站之中。
3、管理咨询服务领域
某集团2016年请某国际著名咨询公司做咨询,那个貌似专业而神秘的项目组完全无视或完全看不见事业部制不适合现阶段集团的实际情况,在其缺乏战略前瞻性或暗藏毒丸的推波助澜下,造成事业部的失控,除三千万的咨询顾问费打水漂外,给后期造成数十亿甚至上百亿的损失(事业部极力争资源的后果)。
4、信息化、数字化和大数据服务领域
早期的信息化、ERP推销者利用其专业霸权和企业的认知能力幼稚,搜刮了几乎大部分稍上规模企业数百万的服务费,向他们推销了成百上千万的硬件和软件费用,留下了利用率不到5%的闲置系统。其实,对大部分企业来说,ERP仅仅等于OA。
到现在,以至于企业普遍困惑,我们花了十几年、投了数千万搞的信息化,现在怎么突然又要搞数字化了。
许多企业,小数据管理的体系尚未形成,大数据的传道者即向不知数字化、大数据为何物的企业推销数字化和大数据。
5、智能制造和工业互联网领域
智能制造服务商声称机器能学习,能自动产生数据,能自动优化决策,于是企业化大把的钱买服务和机器,等到企业醒悟过来机器不是万能,损失已经造成而不可挽回。
其实如果没有管理者为机器设计数据指标和优化决策条件,机器输出的就是垃圾;某智能制造服务商在G集团推智能制造未能成功的原因之一就是声称机器能代替人决策和自动产生数据。
机器在重复机械领域比人的效率高,但机器绝不可能比人聪明。比如一个孩子不小心碰到炉子,感到疼痛,从此她就知道热金属和她快速收手之间的联系,但机器人可能永远理解不了烫和收手之间的联系,甚至会把皮肤特别黑的部分黑人认作黑猩猩。
6、经营数据领域
比如,某集团子公司在总经理任期交替过程中单耗数据产生了异常波动。2018年6月份到7月份,在矿石品位基本不变的情况下,矿耗却从1.91上升到2.23,上升了16.8%!而六月份到七月份正是前后总经理交替的时候。
日期 |
入磨铝土矿 |
矿耗 |
碱耗 |
石灰消耗 |
|
Al2O3 |
A/S |
t/t.AO |
kg/t.AO |
kg/t.AO |
|
2018年6月 |
62.54 |
5.06 |
1.91 |
161.67 |
360.16 |
2018年7月 |
62.54 |
5.08 |
2.23 |
158.56 |
354.86 |
这种情况在集团其他子公司也曾出现,前任利用盘存、抽铝水平、以及直接篡改数据来进行数据造假。无论处于什么目的和动机,却表现出造假水平低劣,低估他人的智商等普遍存在的情况。集团高管如果对这样初级的造假都看不出来,或者对看出问题来的人冷嘲热讽或者王顾左右而言他,只能说是偏见或私心作怪。
2017年底笔者我去一个电解铝厂调研时被告知,他们的报表都是加工过的,数据全是假的,而且作假的水平相当高,外行人根本看不出来的。果真如此吗?比如我对财务部提交的数据提出了如下质疑:
要是认为这样的造假水平都很高,那么只能说是自己水平太低了,稍微用点心就能发觉了啊?
另外针对该企业在2017年四月份前后单耗曲线图出现V型趋势的情况,维护前任的人士称:5月份各项消耗指标普遍上升,到10月份消耗虽下降了,但仍没达到4月份水平。
但是恰恰是托管前后,前任为了指标好看,抽出槽中铝水降低铝水平,提高产量,分母大了,从而各项指标都好看了。从实际调研看确实四月份铝水平偏低。所以,这个单耗的高低差就发生在4月份和5月份的临界线上。
这些问题,稍微对数字尽点心就不难发现的,关键是用不用心、偏不偏心。
七、业绩考核领域
集团高层如果对下属企业的考核指标和算法设计不合理,那有可能起反作用或起着坏的导向作用。比如某集团对某子公司制定了如下的2019年单耗降低分享机制,这看上去很美,但问题相当大:
首先按照原公式,以Σ(实际单耗-预算单耗)对应的价值进行分享,那就意味着实际单耗越高,所得分享越大。当然,这是一个低级错误,可能是设计者的疏忽,但问题是这样的低级错误却通过了企管中心领导的审核通过、总经理的审批通过,以正式文件下发。这样的低级错误层层闯关居然未被发现。
后来经过笔者的反复提醒,企管中心把这个低级错误改过来了,但却顽固地不纠正更深层次错误:即矿石的关键品位指标铝硅比大大地下降了,平均从2018年的5.3左右降到了2019年上半年的4.5左右,即品位降低超过了10%,这时主要指标矿耗非但100%不可能下降,而且是100%的上升,这样无论经营者如何努力,其结果都是要被倒扣。从一季度的经营结果模拟看,该子公司经营团队一季度需倒扣数百万元。于是经营者采取消极态度,反正都是倒扣嘛。
针对这样的结果,集团企管中心头痛医头、脚痛医脚地修正了方案,即对单耗指标只奖不罚。这样将会导致什么结果呢? 聪明的经营者可能会选择六个单耗指标中的二个来做文章,设法降低其中的某个单项指标而不顾整体成本的上涨,比如以大量增加昂贵的烧碱用量来降低矿耗。当然,有职业道德的经营者不一定会这样做。
八、供应商供货质量和价格领域
比如,榆林至山西孝义的运费一般100元至105元左右(不含税)。但合同中运费为141.9元(不含税)是以北京的某个网站的均价作为基准价,这与实际运费有27元/吨的差距,这个网站的均价是否准确,供应商只要对自己有利是不会告诉你的,关键是采购部门的甄别能力、责任心和公心。
有时,供应商为了获取更大的利润空间,会以采购方成本提高为代价,如果采购方没有甄别能力或出于各种原因默许,就会陷入陷阱。比如2018年4月份前某企业自备电厂煤采购为商务部直接采购,榆林煤和当地煤的配比为3:2。从5月份开始,榆林煤与本地煤的配比调为2:1,这是供应商忽悠的原因,外地煤比例高即煤价和运费高,供应商的利润空间就高,但大大推高了企业的用煤成本。按照这个配比,入炉热值普遍在5500大卡以上,含硫量普遍从1.0到1.06降到0.98以下,有时是0.96。而据该企业锅炉的脱硫能力,含硫量在1.2对环保的排放来说还是比较安全的。
这个调整的直接结果直接提高了煤的采购价,进一步推高了蒸汽价格。按照3:2配比:煤采购成本价为423.2元/吨(不含税)。而按照2:1配比:煤采购成本价为436.3元/吨,这样吨煤采购到厂价直接抬高了13元,推高了蒸汽价格2元/吨。
智力霸权的重灾区还有以下这些领域,这里就不一一详述:
9、宏观数据和行业数据领域
10、大宗商品价格预测和进出货策略
11、工程项目设计和建设领域
12、技术服务领域
13、信用评级领域
三、对抗智力霸权的基本思路
以数据库为基础,以智库为核心资源,以独立巡视调研和数字化管理为主要方式,开展数据加工和增值利用、集团战略管理、阿米巴经营模式、增量分配激励机制、供应链金融、商票融资、投资机会猎取和商务合同陷阱鉴别等工作,并对集团的顶层设计和管理体系建设提出建议。
3.1、构建二个库
要让以上工作发挥效能,关键是积累二个库:即“智库”和“数据库”。
首先,企业需要有一个内部智库,做好智力的中间桥梁作用,以120的智商链接140的智商,进一步链接160以上的智商。让江湖上的高手构成我们的智库。
同时得自信,这个内部智库不一定非得明白氧化铝是如何溶出、如何沉降的,不一定非要明白巯基化合物是如何合成的,也未必一定要明白芯片是如何蚀刻的、芯片的内部结构是怎样的,但对经营数据及其规律是可以观察和破解的,而且比现场人员更具洞察力。
其次构建数据库,不断积累数据,不断逼近真相,甄别真实机会,识别隐形陷阱,完善预测和决策。
数据库构建、加工和增值利用意义重大。许多优秀企业历史上的投资决策失误、项目实施失误、经营失误、预算失误、商务谈判失误和合同失误跟商务的专业性有很大关系,而商务专业性跟数据的掌握和运用有密切关系。
大部分企业在数据管理方面的主要弊端是:不清楚积累哪些数据、现有原始数据不知怎么加工和利用。
3.2、数据库架构:
3.3、数据库增值加工
原始数据的加工利用根据不同需要,可以对包括投资决策、产品需求预测、战略规划、经营计划、财务预算、经营诊断、量本利分析、营销策略、客户管理、供应商管理、库存策略、低储高出、工艺技术优化、配方配比优化、产品结构优化、质量改进、成本控制、业绩考核、标杆管理、分配激励、合伙人制、增量分配基数设定、商务谈判、合同签订、经济技术指标优化、配煤、配矿等方面产生支持作用。
数据的输入和输出关系如下:
3.4、算法
算法就是用计算机解决问题的方法,能用数学描述的问题,一般可以找到数学上最优的解法,一般表现为因果关系。如下图所示:
Y = f(X)
通常这个f可以作为一个暗箱处理,通过运筹学、数理经济、概率统计回归分析等方法描述出来:
大数据追求的是另一种情形,不需要很好的算法,只要有足够的数据样例,也可以将问题解决的很好。理论上不一定很完美,但是实际上管用。
Y ∽X
比如:
城市GDP ∽ 城市夜景亮度
鼠标点击率 ∽ 某商品的需求
在企业里,大多数情形目前还谈不上大数据,只能说是小数据(比如财务报表、管理报表以及其它各种数据),或者说是大数据的小型化(比如生产线上产生的即时数据)。
四、我们能够帮助企业做如下工作
1、 独立巡视调研:发现各种各样问题,提出诊断和改进意见,同时对各种存在的或可能发生的非法和灰色行为产生震慑作用;
2、 收集、整理并深度分析加工历史生产经营数据,找出管理改进点,从而找出隐形利润和增量利润挖掘途径和方法;在此基础上建立小核算体系的边界和核算体系;
3、 在数据积累基础上提出并完善增量分配机制,诊断效益增量和成本下降数据的真伪;
4、 对大宗原材料的采购、价格、结算等进行专项调研,提出问题点和改进建议,制定规则;
5、 与专业机构合作,开展供应链金融和商票融资工作,在不占用信用额度的情况下增加融资规模,降低融资成本;
6、 建立起对未来商机和风险的洞察识别体系,建立项目库,为未来超常规发展猎取可行投资机会;
7、 识别商务陷阱,参与重大商务合同的商务前置审核;
8、 做好智力的中间桥梁作用,以120的智商链接150的智商,进一步链接160以上的智商。让江湖上的高手构成我们的智库。
共图咨询经过20多年的理论探索和实践积累,形成了传统咨询、创新咨询、特殊咨询三大咨询领域。
在传统咨询领域的主要咨询项目有:
- 基于广义战略规划的战略管理咨询;
- 基于系统思考的集团管控咨询;
- 以共图特色的考核评价为核心的人力资源咨询;
- 以义聚+利聚为文化场的企业文化咨询;
- 基于系统思维的战略成本链咨询
- 建立在独特前瞻洞察能力基础上的投资咨询:推广了以高科技为主的系列项目,比如高分子焊接、超石墨烯电池、超T1200的碳纤维、太赫兹波癌症诊疗、纳米机器人基因修复、量子芯片等;
在前沿创新咨询领域,共图发展了如下的具有共图独特思想的咨询产品:
- 基于三维分解机制的执行力工程;
- 以利润微积分为基本工具的增量和隐形利润挖掘;
- 智能制造和工业互联网;
- 资产证券化和市值管理;
- 供应链金融和商票融资;
- 基于数字化管理的前瞻预测术
特殊咨询领域主要内容如下:
现代科学预测术及其应用;
国土空间生态修复基金;
政府采购验收
智力和专业服务监理和验收
运命学和人生规划