袁茹锦:哪些情况下,可以通过经验萃取方式来优化流程和提升绩效?

袁茹锦:哪些情况下,可以通过经验萃取方式来优化流程和提升绩效?,第1张

华为有这样的一种说法:公司最大的浪费是经验的浪费。

如何对知识进行有效的管理?

——华为在实践中找到了一个切实有效并且落地可执行的方法,就是案例库的建设。

在华为,有一个非常庞大的案例库,是华为通过技术手段自己建设的。

在各种激励机制下,每个人都可以在上面发布和分享案例。

由员工贡献案例、提供经验内容,然后由专家和大众进行点评、点赞,进行一些社交互动,让员工“被看到”。

优秀的案例经过评审之后,管理人员会在内部进行公布,或许是通过邮件和内刊的形式,或许有些案例会被选入到华为大学的教材中,作为教学案例。

对于案例库作出贡献的人员,华为内部设计了多种激励,包括物质激励和精神激励,来促进大家对案例库的建设。

甚至在一些岗位的任职资格里也强制性的要求,升职人选需要对案例库有一定的贡献,这样保证了案例库资源的充足。

案例传播其实就是有效知识和经验的传播。

华为通过这种方式,实现了内部知识和经验的动态循环。

这些年来,在对案例的研究和应用中,我发现,我们可以把案例从学习方式升级为解决方案。

通过对业务标杆经验的萃取和传承,能够让普通员工复制标杆员工的经验,具备标杆员工的行事方式和思维模式,有效的提升业绩。

通过教内训师用案例的方式来进行课程实施,可以有效的提升内训师的授课能力,促进内训师的培养。

传统课程通常是以理论和知识为核心的,而基于经验萃取的全案例课程是以业务情境为核心的。

一个案例或许只能解决一个或者一类问题,但是当我们有很多个优质案例的时候,通过挖掘这些案例背后的方法论,可以以点带面的形成业务环节中的解决方案。

案例也可以成为岗位人才阶梯式成长的解决方案:一个岗位不同层级的员工,需要学习适合其层级的案例,也需要输出不同的案例。

一个人贡献出来的值得借鉴和学习的案例越多,说明他对于自己的工作思考得越多、总结得越多、经验也越是丰富。

那么岗位层级的提升,也可以和贡献案例的质量和数量成正比关系。

最后,所有的案例都会形成企业智库,让智慧和经验在企业内部源源不断的流动而创造价值。

我们来看两个工作中常见的场景。

在第一个场景中,标杆员工比普通员工考虑的因素更多,搜集的信息更全面,做出的策划案更有针对性。

在第二个场景中,标杆员工比普通员工更善于和客户沟通,更善于挖掘客户的信息,更善于引发客户的兴趣。

如果我们能把标杆员工在这些特定场景下的 做事方法和思路、隐性知识和洞见 ,提炼成可以复制推广的 流程/步骤、工具/方法、话术/口诀 等,就能提升普通员工的绩效。

其实,对企业内部的大多数员工来说,解决问题最好的方法不是冥思苦想,而是模仿高手。

因为每个人的认知都是有局限性的、有天花板的,冥思苦想,只能在自己的思维框架中考虑解决方案。

而高手的思想体系和我们不一样,所以当有机会借鉴高手的经验时,就有机会突破我们自身认知的边界。

高手来自哪里?

——就是来自于那些做过这件事情,解决过同样问题的人。

经验萃取要做的,就是让企业的经验和智慧的能见度提升,在企业内部,人和人之间能够共享经验和思想。

丰富的、场景各异的、多元化的经验所构成的网状结构,就是企业得以快速发展的源泉。

企业的业务专家之所以能够更快、更有效的解决问题,是因为他们具备了哪些基础能力?

企业内部的专家、高手、标杆的经验和思路,如果能够被总结、提炼、萃取出来,那么就会:

组织在哪些情况下需要做经验萃取呢?

第一种情况是业务急速扩张。

比如开设了新的生产线、将开辟新市场、有了新产品等,这时候,已有的运作经验就显得颇为珍贵,需要在组织内部得到快速复制。

假设银行开发了一款全新的理财产品,普通员工由于畏难心理不愿意销售,这时候可以向内部“牛人”萃取的经验就包括:

第二种情况是需要提升核心岗位员工的能力。

如果企业核心业务岗位中只有少数高绩效员工,多数员工表现平平,那如何快速提升全员绩效?

以银行为例,如果一家银行的核心岗位是普惠金融客户经理,那么要向优秀客户经理萃取的经验至少得有三种:

第三种情况是推广创新项目的时候。

当企业内的创新项目获得了一定的实战成果,企业需要大规模复制这一创新项目时,可以通过经验萃取技术来实现快速复制。

组织经验萃取,就是把专家/标杆做某件事情的流程、方法和技巧总结出来,变成一个可以照着 *** 作的模板和工具,以提高绩效。

它比标准化的岗位说明书更有价值的地方在于,会围绕每个步骤里面的难点做深度讲解,尤其是一些隐性的决策思路。

这次项目,我们通过经验萃取的方式,将绩优柜员的隐形经验显性化,将其头脑中的思考过程通过建模的方式结构化,其他柜员就可以更好的学习到。

我们将萃取出来的隐性经验显性化之后,又制作成了方便员工实 *** 的工具,从而让一般的柜员很快的改善了自己以往的行为方式,实现了业绩的提升。

有的经验经过萃取之后,甚至可以优化现有的流程,让整体绩效提升更多。

企业花费大量的时间和经费,将优秀员工集中起来,做经验萃取工作坊,其结果是萃取出大量典型场景下的案例集和工作指导手册。

那么,如何主导后续的工作,将这些案例有效的转化成生产力呢?

萃取经验,最终要实现经验在企业内部的落地和推广。

组织经验萃取本身不是目的,萃取出来的经验形成易学易用的方法论,能被学习者拿来直接复制,并在使用后达到和内部高手同等程度的工作效果,才是最终目的。

其实“化书成课”的过程也是一种经验萃取的过程,萃取的是书籍作者的经验和你自身的经验。

你在这个过程中阅读了多少本书,就可以萃取出多少份经验。

这是一个 提炼经验、领悟经验、整合经验、重塑经验 的过程。

课程背景:

企业岗位有限,人才发展受到限制,无法满足个人的成长欲望及动机,怎么办?

企业经营很多年仍在依靠能人,能人流失、企业的业绩也跟着流失,怎么办?

企业聘请外部专家培训或项目咨询,知识、能力、绩效难以相继转化,怎么办?

在企业中,80%的业绩通常是由20%的人创造的。如何将20%的成功经验复制给80%的员工?

如何激活业务专家的经验,让这些经验成为企业持续增值的原动力?

如何将业务专家大脑中的隐性经验萃取出来,将这些经验转化为企业传承的资产?

如何掌握一套萃取方法,把TOP人员的经验快速赋能给全员,让盈利份额 10倍速增长 ?

鱼钩线索、智慧漏斗、知识魔方、图示结构化:从情境化的线索提炼出解决问题的方法,从10至100的 TOP10倍速增长 提升企业的整体业绩,从萃取成功案例到萃取工作坊,从知识架构到人才发展,员工对于问题的分析、解决能力提升了,企业的业绩10倍速增长了,汇聚企业凝聚力的知识图书馆建成了,企业文化盘活了组织的活力与创新。

 学习是基础,思考是路径, 经验萃取则是提产、变现的核心 !

课程收益:

● 赋能萃取核心:让参训者掌握萃取的理论及方法,提升萃取师的能力;流程提升效能

● 把优秀经验梳理成规划流程及标准,提升绩效与产能;

● 人才激励路径:打造标杆文化,利用榜样力量激活团队的活力与拼搏氛围;

● 培训落地工具:将经验孵化为学习手册、微课、表单、案例库等实 *** 性工具;

● 知识产权挖掘:助力组织建构知识案例库,借优秀经验升维组织心智;

● 升维价值网络:贯穿上下的学习网络,促进组织共识协同升维价值网络;

 

课程时间: 2天,6小时/天

课程对象: 中基层人员、项目管理者、运营及销售、企业全员

课程方式: 讲师讲授+案例分析+视频互动+情景模拟+实 *** 演练

课程调研: 提前确认课程输出成果(案例、素材)

课程大纲

开场导入: 课前准备

问题导入: 管理的痛点是什么?

引导: 萃取的价值在哪里?

案例: 2美元是如何翻了5000倍的?

第一讲:基因——分析案例背景

一、谈:案例概念

1. 定义特性——情境、真实、典型

2. 概念区分——较工作总结、较故事

3. 分类方式——大小、方向、用途

二、论:案例价值

1. DOTO 曲线

D:构建案例合集

O:线上学习

T:交互

O:线下学习

2. 案例的三大优势分析

优势一:移动化、碎片化

优势二:降成本、扩资源

优势三:承经验、提绩效

三、通:智慧漏斗

1. 数据整合——横纵整理、有序加工

2. 信息转化——跨界转化、场景转化

3. 知识升华——吸收旧知、颠覆认知

四、化:案例魔方

工具: SECI模型——从隐性到显性、从显性到隐性

1. 提炼模型——从抽象到具象、从具象到抽象

2. 转换理论的4大层面

层面一:思维

层面二:规律

层面三:行为

层面四:转化

3. 模型呈现的三大原则

1)显性结构化——提炼、概括

2)隐性图式化——分析、演绎

3)系统流程化——逻辑、序列

案例: 谈恋爱的选择靠什么?(趣谈)

第二讲:锁定——识别“萃取”系统

一、锁:萃取对象

1. 数据筛选——绩效、态度

2. 组织推荐——提拔对象、贡献度高

3. 个人自荐——意愿度高、乐于分享

二、识:成功经验

1. 经验杂谈——价值性、复制性

2. 经验力量——效用、场景

3. 提取的三大路线

路线一:直线型

路线二:流线型

路线三:曲线型

三、确:萃取主题

1. 主题的三大原则

原则一:战略方向

原则二:助力产能

原则三:个人优势

2. 萃取价值

案例: 招商银行的星星榜,活了!

学员讨论: 绩效改进、双向激励、凝聚同心

1. 定位清晰的“三性”

1)重要性——优先次序

2)可复制性——可摘取性

3)普适性——广泛适用

2. 分析成果收益

1)业务流程——高效性、迭代性

2)规章制度——普及性

3)微课案例——趣味性

案例: 时间和幽默,哪个更重要?(招商银行萃取事迹)

第三讲:确认——“经验”线索核实的五大修炼

一练——启经验萃取

1. 体验学习

工具: 鱼钩理论

2. 结构的两大维度——领悟、改造

3. 具象转化——情境线索、反思概括、经验抽象、萃取循环

二练——助情境还原

1. 主题延展

2. 深刻再现

3. 细节追溯

三练——刨问题锁魂

1. 引导追问——差异点、关注点、契合点

2. 流程催化——点线链接、连贯次序

3. 整合比对——回溯盘点、核实确认

四练——炼理论方法

1. 本质挖掘:透过现象看本质、剥洋葱

2. 背后原理:分析比对、逻辑深挖;知其然,还要知其所以然

五练——案例开发六步走

一步:确定主题

二步:设定目标

三步:催化萃取

四步:内容提纯

五步:包装复核

六步:检视迭代

实 *** 作业

案例: 五星客服的TOP盲区怎么萃出来?(京东物流萃取事迹)

第四讲:孕育——结构化输出

一、呈:结构理论——三“优”形成标准模式

1. 字词优先——实验原理、识别系统

2. 客体优先——结构严密>结构方差

3. 构型优先——完型>雏形

二、现:结构信息

1. 助推规律——理解、加工

2. 简洁逻辑——同类合并、逻辑顺序

3. 提炼关键

1)缩写式——SMART原则

2)组合式——数字概括

3)口诀式——三字经、气功心法

4)标签式——色彩、绰号

三、化:形象论法

1. 投机五感:视觉、听觉、嗅觉、味觉、触觉

2. 视觉模型——辨别逻辑、图式助力

案例: PPT的结构化呈现/话不离纲,字不离构

第五讲:着装——成果应用

一、造:萃取流程

1. 情境地图——五线谱

2. 核心关键——环节、行为、动作、语言

3. 多维利益——上堆、下切、横拓

案例: 需求灯塔

二、促:落地转化

1. 换位输出——学步心态、激励帮扶

2. 辅助方式——转化工具

思考: 用户想看到什么/包装工具/逻辑关系有用吗?

第六讲:展示——评估复盘

一、扩:萃取方式

1. *** 作方式——第三方、内容专家

2. *** 作指引——能力六核、萃取方法

二、掌:基本结构

1. 结构三分——吸睛标题、正文两切、摘要七要素

2. 附录标注——放置位置、顺序编号、标注出处

3. 隐秘保护——主要内容、常用手法

三、 *** :应用场景

1. 案例类型——陈述型、教学型

2. 案例结构——抛出问题(正面/负面)、分析与解决

3. 案例改写——冲突突出、问题聚焦、课堂练习

四、练:审视拍砖

案例汇报:小组选拔、分组呈现

检视互动:分组点评、评比颁奖

活动:学员成果汇报、议评;讲师点评、总结

附录: 成果模板、工具或展示品

手册、微课、案例(星星榜/星星故事会)、资料(演练初始材料)、汇报PPT、流程图、逻辑关系图、工具等

企业积累的知识经验在驱动绩效方面发挥着重要作用,已经并将继续成为企业市场竞争的关键优势。

知识经验的萃取与管理是一个不断构建、丰富企业智慧大脑的过程,对企业和员工的意义非同寻常——根据德勤的调研数据,75%的组织表示,在员工队伍中创建和保存知识对于他们在接下来的12-18个月内的成功至关重要,但是只有9%的组织表示他们已做好相关准备。

在现代技术不断变革生产关系的过程中,对企业来说知识经验的萃取与管理面临哪些机遇和挑战呢?

如何激活海量数字化知识数据

据不完全统计,中大型企业历史知识库的课程基本不少于20000小时,内容涵盖领导力、销售管理、财务管理、市场运营、个人发展等方方面面。

浏览市场上主要企业培训服务机构的官网和宣传资料,也会发现大都有10000+课程。 

这说明经过这么多年的发展,不管企业内部还是外部,培训课程已经非常丰富,如果不是更新速度非常快非常专精的技术性、专业性内容,很多课程是很可以持续使用的。 

但因为知识数据累积较多,信息检索方式较为传统等原因,在企业学习中,员工花在信息搜集上的时间仍然高达19%甚至更多。 

另外,由于企业的信息化数字化正在进一步推进,“数据海啸”也正在每个企业内部爆发,比如根据Statista的统计,2019年每天发送和接收的电子邮件超过2930亿个,但来自Splunk《黑暗数据状态》的数据显示,81%的人认为数据对组织的整体成功“非常”或“极其”有价值,平均而言,商业和IT决策者估计他们55%的数据是暗的(未知的或未开发的)。这些数据中的知识经验数据有多少更是难以预测,不好评估。 

对于学习发展人员来说,海量数字化的知识数据别说激活,单纯从管理、标记的角度来说都是一项难以完成的艰巨任务。但对于具备自然语言处理和生成能力的AI技术来说,不但可以标记和组织信息,还能自动生成上下文元数据,减少甚至消除实际使用者和内容创建者之间的障碍,将员工需要的数据自动推送给员工。

如何识别各数字渠道中散落的知识单元

随着数字协作工具在企业的深度应用,知识经验正在以知识单元的形式隐藏渗透到员工之间的日常沟通协作过程中,而不再像过去那样存在于固定的知识库中,安静地等待员工的访问。 

这些数据大部分淹没到海量的数据中,变成有价值的黑暗数据。 

相比培训团队或者相关培训机构开发的课程,要一点点去构建、还原业务场景,这些黑暗数据可以说天然诞生于一线的真实场景,是最直接的一线经验,是来自于实践的实战经验。 

难题是,要如何去识别并萃取出这些经验来,单纯依赖人工去搜索显然是不可能的,但技术的发展,给萃取这类散落在数字渠道的知识单元提供了新的可能性。 

例如,微软的Project Cortex使用AI对各种数字渠道中的知识内容进行分析,并按不同的主题提取重要信息,创建将人们与主题和内容联系起来的“知识网络”,在看到不熟悉的项目时,员工可以直接搜索相关的项目内容,找到跟项目相关的知识资源和其他有用信息的“主题卡”。通过这种方式,技术以提高其集体智慧的方式嵌入到组织的团队中,将组织的不同团队、系统和网络连接起来,从而提升和完善了组织识别萃取数字渠道中知识单元和关键经验的能力。

如何建立知识经验与员工工作的直接连接

一直以来企业的知识管理更像是知识经验的存储积累,很难与员工工作建立直接连接,员工在遇到问题的时候也会习惯性百度解决方案,而不是从企业的知识积累中获得支持。德勤《2020年全球人力资本趋势》显示,82%的受访者表示他们的组织需要更好地将知识与行动联系起来,而79%的受访者承认,他们必须在创造知识方面更加有效,以启动创新并推出新产品和服务。 

哈佛商学院企业学习《2019年劳动力是如何学习的》报告也显示,员工希望将学习集成到他们的网络浏览器、办公软件中,方便他们在需要的时候能够快速学习、应用相关的知识经验。 

目前,以EdCast为代表的学习体验平台已经跟Office365、Slack、Salesforce等企业系统做集成,借助EdCast(或其他LXP平台)的AI和机器学习界面,员工需要的内容会根据他们输入的文字或对话自动在工作时 “推荐”和“显示”。以布本知鱼为代表的企业学习助手,利用AI技术对企业的知识单元进行解析,员工遇到问题时,只需要向系统提出问题就可获得解决问题所需的知识经验,实现“即需即学,即学即用”的学习效果。 

从这一角度来说,要建立知识经验与员工工作的直接连接,就要利用正确的技术工具激活企业的课程和知识资料,方便员工随时随地都能获取到自己真正需要的知识经验,并快速应用到工作当中。

知识经验如何在员工间自由流动

自古以来,就有“教会徒弟,饿死师傅”的说法,从员工本身的认知来说,唯有专业的知识经验才能维护自身价值,确保自身的不可替代性。然而,在一个创新和成长依赖于综合信息的世界中,员工角色的转变越来越频繁,知识经验的保鲜期越来越短,工作安全感和企业地位越来越依赖于员工对同事及组织创新的贡献,而不仅仅是知识经验的个人独有。 

为了解决这个问题,企业可以利用现代技术,培养、激发员工的共享精神,让他们切实享受到知识共享的福利。 

法国索迪斯,作为生活质量服务的全球领军企业,致力于建立一种承认知识共享价值的组织文化。为此,他们鼓励近500,000名员工加入活跃的知识共享社区,通过一系列营销策略让大家感受到知识社区的重要性,并随时监控、衡量大家的使用情况,对活跃用户进行相关的认定和奖励。为了将知识共享的思维方式进一步嵌入他们的组织中,索迪斯将其知识社区集成到其他组织系统中,以使它们可以通过日常工作流轻松访问。他们的努力已见成效。索迪斯数字与创新HUB总监Neta Meir表示,索迪斯已经看到“越来越多的新行为被采用,例如共享,协作和消费知识。” Meir说:“我确实相信,我们朝着打破孤岛,开展更多协作,在我们的员工了解知识共享是力量的前提下找到更好的正确方向。”

知识经验尤其是隐性知识经验的萃取和管理关乎企业市场竞争能力和未来发展,如果没有先进的知识管理技术和思维,必然会掣肘企业发展。 

技术的快速发展使知识管理从专注于文档和存储信息的静态后台活动演变为动态的、由AI驱动的平台,这样的平台能够使组织能够比以往任何时候都更有效地创建、理解知识经验,并与员工工作建立直接连接。 

德勤的相关调研显示,尽管36%的受访者表示,缺乏适当的技术基础架构会限制组织的知识管理,但仍有 67%的受访者尚未将AI纳入其知识管理策略中。

其实,不少企业的领导人已经开始重新定义知识管理的价值,希望这些组织能够加快步伐,根据自身特点,尽快将AI技术纳入到知识经验的萃取和管理中,为组织和员工搭建起不断更新、完善的智慧大脑。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zz/8890744.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-22
下一篇 2023-04-22

发表评论

登录后才能评论

评论列表(0条)

保存