top of page

讓員工參與數據決策

美國計算機科學家康威在1967年提出康威定律(Conway's Law),揭示企業組織結構和產品設計之間的密切關係。簡單地說,康威定律認為組織的溝通模式會在其產品或系統設計中得到體現。定律解釋了傳統企業在數碼轉型過程的困難,同時影響到產品的質量。在現代企業中,數據驅動的決策和扁平化,與組織結構之間的關係密不可分,而且數據不僅能提高企業效率,也可幫助企業更好地理解及滿足客戶需求。 數碼時代誕生的初創企業,大多數會從小規模起步。他們利用開源和雲計算快速崛起,有些成功的初創企業甚至僅靠少數員工及扁平的管理架構,即可實現驚人的規模增長。像Instagram及WhatsApp未被收購之前,只有幾十名工程師支撐着擁過億用戶的應用程式,類似的初創故事十分普遍。他們的優勢在於從一開始已建立起靈活組織架構及數據驅動的決策流程。這些公司通常擁有開放的數據文化,員工能夠訪問和利用大部分數據資源,從而可快速地學習和創新,數據分析成為了設計產品、營運業務的必要過程。 然而,傳統企業面對的挑戰更為複雜,他們要改變組織架構和決策流程,同時培養出一種新的數據文化,這需長期努力和持續投入。我曾見過一間北京大型零售企業在數碼化轉型過程中,發現高層往往是基於滯後了14天的數據作出管理決策。愈是高級的職位,得到的訊息愈多,雖然建立了商業智能部門,也僅是高層的專屬。 大家可以想像,若企業的營銷策略、提供的顧客服務,亦依賴小部分人資訊,容易變成閉門造車。數碼化轉型過程中,他們需把數據的使用和理解從只局限於高層管理者擴展到整個企業,這可能要大規模的員工培訓,同時改變管理方式,讓更多員工參與決策過程。這是一個挑戰,亦是一個機遇;只有通過這種方式,才能在數碼化競賽中保持競爭力。 適配的組織結構可以促進訊息流通、決策效率和團隊合作,確保訊息在各個部門及層級之間順暢流通。通過明確的溝通渠道及有效的訊息共享機制,員工可以更充分地了解企業的目標、戰略和工作進展,從而更好地協同合作。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page