• 突破瓶颈,再出发


    尽管程度不同,但PM的每个级别都在践行过程改进,并在4级借助数据,达到了“登峰造极”的程度。随着量化与统计分析的深入,项目会被优化到极其稳定的状态,组织的过程改进也就此进入了平台期。平台期可以被视为是前一阶段改进的高峰,也可看做是下一阶段的改进瓶颈。

    前面的文章中,我们讨论了企业生命周期的5个阶段,当企业度过“成熟期”便进入了“再发展或衰退期”。项目管理亦是如此。

    当4级的PM发现无论如何也无法促成数据提升时,就说明项目的过程管理,在此时面临“再发展或衰退”这两种选择。这时PM千万不要受限于既有的成就,而是要“居安思危”,看到“不进则退”的局面——如果站在原地,公司的项目管理和自己的职业生涯会同样进入瓶颈;而继续前进,打破既有的稳定局面,需要的不是技术能力,而是持续优化的思维。

    5级作为PM的最高级别,其核心就在于形成了持续优化的思维。思维主导行为,产生结果;结果影响新思维的形成,催生新行为与新结果。

    当过程改进进入平台期,如果没有持续优化意识的产生,便无法进入下一改进周期,这意味着企业经过“成熟期”将直接进入“衰退期”,而无法得到“再发展”。项目管理和PM个人职涯的发展也是同样的道理。

    一个简单的念头,带来的是从量变到质变的升华。5级PM的持续优化意识,将推动企业内部“不破不立”的变革,从商业目标与战略的层面出发,系统性思考其所在业务单元(不仅仅是某个项目组)之于公司整体业务交付链条上的价值定位,识别出制约绩效提升和价值创造的根本原因,推动和落实变革。

    案例说明

    一家成熟的大型软件公司,因为成本上升,正在逐渐失去市场优势。

    公司召开战略会议,评估了多种方案的可行性与ROI后,最终决定首要从内部寻求突破,缩减成本中心的支出,重点提高业务部门的工作效率。其实业务部门工作效率指标,一直属于管理监控的主要范围,而且长时间的量化管理,使之已经处于较高水准的稳定状态,再利用传统的做法,只能收效甚微。怎么办?

    在对所有事业群进行数据分析时,他们发现CSS事业群的工作效率在最近半年出现了反弹,高于均值17.4%。

    在数据的背后,还有两个有趣的地方:

    CSS事业群的PM意识到,与效率直接相关的指标——日均有效工作时间是3小时/人/天。这个指标的度量依据是直接支撑项目实现的所有活动所占用的人均工作时间,而其他时间主要花在了间接的项目实现和其他行政管理类的工作活动上。

    在与团队成员头脑风暴后,大家找出了占用大部分时间的工作:各种会议、绩效考核(面谈、评估、反馈等)、报销、出差管理,以及Boss分配的临时性工作,并一致决定缩短会议、绩效考核与临时性工作所占用的有效工作时间。与以往不同的是,推动这样的改进需要跨职能的协作,甚至是Boss的配合。

    于是,PM多方沟通后,联合行政部、人力资源部,共同草拟了一份《工作计划共享提升方案》,旨在缩短横向跨职能与纵向上下级之间的协作时间,利用数学模型对方案的实施效果进行了估算,通过了相关部门及领导的决议,在事业群范围内开始试点。

    这样的改变,将有效工作时间提高到了3.8小时/人/天,足足提升了26.2%,而试点项目的工作效率也因此提升了13.9%。

    另一个有趣的地方是,为何CSS事业群的试点提高13.9%之后,整体工作效率提高了17.4%?这多出来的3.5个百分点是哪里来的?经过与其他事业部的多维度比对,CSS的PM有了一个奇怪的推测:CSS的女员工数是所有事业群中最高的,这可能就是那3.5%的动力源泉。为了印证这个推测,PM提出将男女比例和工作效率进行相关性分析,果然在男女比例1:0.71的时候,工作效率是最高的。

    这位PM曾经的“心血来潮”为公司层面的变革照亮了一条道路。在吸取了CSS事业群的经验后,公司在会议管理和人力资源管理方面都做出了相应的制度变革,重新调整了人力资源规划与岗位计划。

    5级PM的工作重点,主要分布在“支持与协作类”的工作上:

    • 基于过程绩效的管理变革:

    确保项目绩效对业务目标的支撑性作用

    使用统计基线和模型,识别影响项目绩效的关键活动

    使用更新模型和基线,实施变革

    • 根源改进推动变革:

    对影响项目绩效的关键活动进行根源分析

    使用统计模型和基线,评估变革解决方案,为实施决策提供预测数据支撑

    完成这些工作,最重要的不是技术能力,而是寻求突破的持续性优化思维。当4级PM将阶段性成就视为“瓶颈”时,才有机会“鸡蛋里挑骨头”,主动寻求变革的推动力量,为持续的过程改进找到下一阶段的起点。

  • 相关阅读:
    EM算法
    最大熵模型中的对数似然函数的解释
    PySpark 自定义函数 UDF
    PySpark 自定义聚合函数 UDAF
    Numpy总结
    Examples
    Examples
    Examples
    Examples
    Examples
  • 原文地址:https://www.cnblogs.com/fancier-info/p/9412756.html
Copyright © 2020-2023  润新知