试想，一个组织的真实运行状态是什么样子？应该是如下网络状的：

![[Pasted image 20241230211057.png]]

更符合场景的表达应该是这样：A部门的张三和李四关系好，所以张三给李四360度评估分更高、协作也更紧密，同时，李四还是老板的侄子呢，在最近的任务中，张三总是与B部门的王五协作，张三慢慢发现，赵六、李四、王五居然形成一个秘密组织，经常一起吃饭聊天……

但是，我们不自觉得会将原本网络状的组织变成科层的：

张三、李四、王五、赵六被格式化在一种科层关系里，他们在执行任务时的联系、私下的关系、隐性的关系等等都存在于管理者、员工们的头脑里，但是，永远无法在这张科层制的架构里体现出来。

而科层制的线性图只是真实的网络图的一种特例，只要将网络图的连接处断开，则就是线性的结构图。但是，特例代替不了整体。

那么，为什么企业要采用一种简化了的线性关系图来呈现原来复杂的网络关系图？

道理很简单，人类的理性处理不了原本「复杂的、动态的、联系的」网络图，但能处理线性图，因为线性图是「简单的、静态的、孤立的」，便于处理。

同理，科层制简单、静态与孤立，便于管理，但是，它「并不真实」，这是此前一种没有办法的办法。

“便于管理”的属性本身并不是目的，而是手段。

手段往往会异化，管理同样如此，很多时候管理者会将管理异化成目的，渐渐地，企业不再为业务而管理，而是为了管理而管理，为了权力而管理，而且，科层制天然就是一种权力结构。

此时，管理便开始成为一种镣铐，而因为管理而带来的组织僵化使得企业进入“创新者的窘境”，从而错失新业务发展机会，已反复在历史上重演。

我们需要另一种解决之道，当然需要求助于机器智能，人类智能虽然无法处理网络图，但是机器智能却可以，而且一旦将解决办法变成一个软件工具，其实复杂的是机器的计算过程，但是人的操作却十分简单与易用。

在理解解决办法之前，我们有必要回归本质，大道至简地看清“什么是企业、业务与管理”本来的样子，才有可能以另一种视角看待管理、看清管理以及找到解决之道。

1.企业的本质

克里斯蒂安在《起源：万物大历史》一书中揭示了万物的基本法则：万物皆由信息与能量构成。

企业当然不例外，但是在企业中，能量一词应替换为“资源”。为了简便处理，这里的“信息”，也被视为一种资源，无形资源。

1937年经济学家科斯发表一篇叫《企业的本质》的论文，该论文被视为新制度经济学的基石之一。科斯认为企业的本质是一种资源配置的机制，企业与市场是可以互相替代的资源配置方式。企业与市场的区别在于企业可以通过内部管理来更好地调配资源和降低交易成本（这里的交易成本包含在交易过程中产生的搜寻、谈判、沟通、执行等成本），而市场则需要通过价格机制来完成交易。

据此，我们可以认为：企业运行的本质是满足客户过程中的「资源配置与流动」过程。

这个论点极其关键，会贯穿整篇文章。

2.业务与管理的本质

对于“企业运行”，从最抽象的层次来讲， 需要做哪几件事？

答案是：决策、管理与执行（业务）。

更具体地讲，决策的是“干什么业务”；管理与执行的都是“业务如何干”，只不过，执行直接影响业务、管理间接影响业务。

企业核心的业务活动为“研发、生产与经营”，其本质是什么呢？

如上，既然企业运行的本质是“满足客户过程中的资源配置与流动过程”，那么，“决策、管理与执行”自然都是“满足客户过程中的资源配置与流动过程”的一部分。

从而，我们可以有这样一个视角：业务的本质是“满足客户过程中的资源「流动」过程”。这里的流动，包含着转化，比如， 科学知识转化为技术、原材料转化为成品、成品转化为营销信息等。

如果这个流动过程是以企业组织的方式呈现的，那么一定是因为有复杂性，需要“任务的分配、人的执行与技能的支持”。

正是因为这种复杂性，则必然需要“决策与管理”才能更便于业务的有效执行，才能让资源的“配置与流动”更成功地满足客户。

而作为支持业务发展的管理活动，它的本质又是什么？

相信答案已再简单不过，其本质是“满足客户过程中的资源「配置」过程”。

二者的关系是，「业务是本质，管理是手段」。

大道至简，以上道理听上去简单，却极为深刻，它就如空气和水一样存在于企业的日常之中，但极其容易异化。

容易忘记企业运行过程中，管理只是为了让业务更好运行，但绝大部分企业都会在某个阶段陷于为了管理而管理的窘境。

所以，每一家企业都要面对这么一个问题：如何不让管理成为一幅过重的镣铐阻碍业务的发展？

关于这一点，我们先来看一个典型场景。

3.典型场景分析：战略管理

战略管理是极为重要的管理行为，也十分复杂，这件事，事关企业发展的命脉，因为方向对了就不怕路远，方向错了则一错百错。

极简地讲，战略管理的过程需要「模型与数据」，具体来讲，「模型」分为三方面：战略决策、计划执行与评估调整三方面。

战略决策既要考虑长期的使命愿景，又要考虑中期的趋势，还要考虑短期的企业现状；计划执行需要考虑制定指标、传达指标、执行控制；评估调整则需要考虑绩效评估、指标调整、战略变革。

比如，将战略解码成计划，计划中又含着战略主题、目标与指标，并配上权重，于是，便可以将这套指标体系分发到各部门中的人。如经典案例美孚：

为了让人更好的执行，还需要组织、机制、文化的支持，比如，权责关系如何设置？如何评估与激励更有效？协作机制如何设计？流程如何设计？等等。

而后，才是业务活动，执行过程一定会产生数据，而战略管理的过程中，也需要根据执行中产生的数据及时做出调整，从而刷新战略。

那么，这个战略管理过程，到底会如何成为镣铐呢？

没有「数据」的「模型」无法指导具体实践，或者说，实践过程，其实就是「模型拟合数据」的过程。

稍举其中一例。

比如，「战略决策」，它至少需要三部分来界定：使命愿景、趋势、企业现状。其中，使命愿景是不会轻易变化的；趋势是外部的，是可以通过借助咨询公司的分析师、相关的数据服务认清宏观、产业、竞争与客户的变化；但是，企业现状的了解其实是十分困难。

决策层不可能对企业一线的一切了如指掌，它们的信息源自管理层的汇报。倒不必过分担心管理层的分析能力，一 个高手，肯定能比更多人看清本质。

关键是，是否存在以下三种情形：

• 得出汇报结论所收集的数据是很片面的、不立体的？
• 若能获取更全面、立体的数据，但是管理者处理不了这些数据？
• 企业发展是动态的过程，又如何将这些动态数据及时处理掉并形成决策？

第一点是「数据」问题。

一方面是数据收集本来就不易，很多企业并不具备完整的业务信息，或者它们是离散的、离线的。同时，以 HR 的身份，分管人力资源 VP 的身份去获取企业的业务信息，是困难的。

另一方面，传统管理「模型」也很难处理真实网络化的数据，因为处理不了，也就不会去刻意收集。

第二点是「模型」问题。

其一，上面也提到了，“人类理性”的局限，现实是网络的，但人类理性处理不了网络化的数据。

而现行的信息化手段，都只是将评估专家们的模型搬入计算机系统，这样做固然能提升效率，但机器智能却没能弥补多少人类智能的不足，因为，现有的HR信息化系统中的计算过程，计算器/excel也能做到，只是需要手动。

什么样的机器智能才算是对人类智能的根本上的弥补？人类手动使用计算器处理不了的，才算是。比如，若企业组织网络化的数据能被机器智能处理，则对管理模型是一种范式转移。

其二，管理咨询领域的基础方法是使用「工作分析法」模型来处理HR领域的数据。比如，岗位分析，它是这么操作的：明确定义一个岗位的技术水平（知识技能）、问题解决、责任、工作条件等要素，每一个要素被分为几种等级层次，然后赋予一定分值（即权重），再对岗位的每个要素进行逐一分析、定分，最后加总，得到一个工作岗位的总分数。每个岗位的总分决定了它在岗位序列中的位置。

这里的数据多是「类别数据」，比如学历、声誉、性格、经验等传统的“文本数据”，以及「排序数据」，比如985>211>普通本科>专科，精通>熟练>知道，总监>经理>专员等等，它们最终通过岗位评级模型会被量化成工资或者薪酬结构而成为「量化数据」，但是从类别数据到排序数据再到量化数据，至少跳了 2 级，这种级别之差，必然是不够精准的，它只是逻辑上成立，但实践上却未必精准，目前，咨询公司未能区分以上3种不同的数据，从而缺乏统计学上的科学性，这种量化的过程也主要凭借的是评估专家们的经验。

所以，现有模型处理不了更全面、立体的数据。

第三点是「数据与模型」问题。

它关乎「时间」，它们关乎预测，预测即决策，预测的准确性取决于模型与数据的质量，模型除了要能处理动态数据，还需要模型能处理「时间」维度的数据。很明显，现在的管理软件的智能程度并不能帮助管理者预测，它只负责对输入的数据计算出结果，而后靠人脑预测。

以上三个问题，正是使得管理成为镣铐的元凶。使得决策层与管理者难以全面、真实地看清管理全貌与发现管理问题的本质，也就难以正确决策与制定更合理的管理手段，比如，该如何更合理地组织、指挥、协调、控制？又该如何正确的评估与激励？等等。

因为，无论是从一个局部的视角看待企业、还是人类理性的局限性、亦或处理不了动态数据，都会使得战略决策 、管理、执行都面临着某种隐性风险，这种风险的规避极为依赖如稻盛和夫般信仰“现场有神灵”的老板与经理人，而且，还要他们超越人类理性，而使用某种“神秘”的力量来做出决策、计划并执行。

这种“神秘”力量并不神秘，它们是人类的直觉。企业家直觉极为重要，特别是在早期，但是，企业开始成长甚至成熟时，企业决策、管理与执行能全靠直觉吗？

答案很明显，不能。

而人类理性的尽头，就是计算理性（AI）的开始。比如，今年来，chatGPT的出现，让人类进一步感受到了人类智能的局限，而机器智能是对人类智能在某种程度上的超越。

所以，我们如何使用机器智能弥补人类理性本质上的不足，将成为企业组织运行的胜负手，因为，管理者对企业现状的掌握并不如自己所想的那般清楚，也无法万事只依赖直觉判断与决策。

世界变化如此之快，以上问题便成了一切现代企业管理面临的根本难题，关键是如何解决问题？

4.复杂科学的观点

就上述“业务的本质”所述，我们可以将企业的实际运行拆解为：任务、资源、人与技能四种要素。需要解释一下为什么是这四种要素：

• 「任务」是连接「管理（计划）」与「决策」的；
• 「人」、「技能」与「资源」是执行「任务」的。

第一句话应该这么理解：战略不光告诉企业做什么、还会告诉企业不做什么（任务）；商业模式同样如此；使命与愿景也同样如此（如果企业真有使命与愿景而非口号的话）。战略管理的第一步，其实是制定一个经营计划，可能使用BSC（平衡计分卡），计划到最后就是要明确任务。

所以，决策与管理影响企业的执行机制，但是它们影响的方式最终是在「任务、人、技能、资源」四者之间展开的。

实际上，我们都很清楚，真实运行的企业组织，从来都不是科层制的，而是网络的。而且，真实组织的运行也不完全是 按组织结构图来呈现的，企业中的非正式组织会对组织的实际运行形成很强的影响力。

那么，这种真实的网络该如何体现呢？

考虑建立一个这样的复杂网络：员工、任务、资源、技能是节点。节点与节点的连接如下：

• 员工之间的连边，是员工与员工之间的「协作与汇报」的关系；
• 任务之间的连边，是任务与任务之间的「支持与损耗」的关系；
• 技能之间的连边，是技能与技能之间的「协助」的关系；
• 资源之间的连边，是资源与资源之间的「补充与替代」的关系。

此时，我们以“复杂科学”的视角来看管理，示意图如下：

管理其实就是对「人、技能、资源与任务」四种要素的「配置与流动过程的控制」。比如，使命、愿景、战略、计划、组织等本质上都是「配置」，而领导力、价值观、企业文化、业绩、制度、指挥、协调与控制都是对「流动过程的控制」。

这时，网络中的“节点的重要性”其实就是关于“事与人”重要性。网络的节点重要性可以通过分别计算得出，这正是复杂科学已经解决的问题。若能将复杂网络应用于企业组织发展，无异于是一种范式转移。你别看它好像很复杂，实质上，转换为软件产品后，人的操作其实很简单。

那么:

• 到底什么是复杂网络？
• 为什么它可以反映真实的经营现状？
• 与传统观点有何不同？
• 它又该如何应用在人力资源、组织领域？

下面一一揭晓。

4.1.什么是复杂网络？

我们用一个不十分精确但很形象的类比，篮球。

篮球是这样一项团队运动，五个人，我们假定为A、B、C、D、E。

这里我们可以将篮球理解为“资源”，打篮球的本质是“将篮球流向篮框”的游戏。

5种不同颜色的节点分别表示5个球员, 黑色(球员A)、红色(球员B)、紫色(球员C)、蓝色(球员D)、绿色(球员E)。两两节点之间都存在有向边, 且颜色与边的出发点一致。如A、B之间的黑边是指从A指向B的边, 具体表示A传球给B的次数。球员之间的连接次数，就是传球成功的次数。

这里，就已经构建了一个球队网络。按照复杂网络的计算方法：我们可以计算出每个节点与其它节点的连接方向、数量、频率、距离等等维度的数据，这些数据能表达什么？

举个例子。

武汉大学的吴江老师做过一次关于“2017年NBA总决赛球队去中心化水平与绩效研究”，他将勇士队与骑士队的复杂网络构建出来，如下图（左侧是勇士队，右侧是骑士队）：

这就是2017年总决赛两队的连接情况，他结合复杂网络的概念提出了一些指标，如下：

最关键的是“加权有向节点熵”，这个数据表达着球队的中心化程度，很明显，骑士队中心化程度非常高，主要集中在詹姆斯与欧文两人。勇士队的去中心化程度相对较高，为1.37、1.31、1.17、0.99、0.88，从而，可以从量化的角度判断出这个组织的中心化程度、凝聚力、韧性、协作广度等等。

请注意，这种对比，是量化的，是一个数字，这是一种根本性的区别。比如，如果我要计算在那一年勇士队谁的贡献度更大？而库里与杜兰特在明面上的数据其实差不多：

但这足以说明FMVP就应该是杜兰特吗？实际上，这是一直被讨论到现在的问题：杜兰特与库里，谁的贡献度更大？谁更应该得FMVP？

难以对比的原因，就是因为传统的数据维度所揭示的某个球员对比赛的潜在影响力是无法计算的，这时，“加权有向节点熵”则是另一种评估的维度，试想，如果我们能将这些指标综合考量，其实可以更精确地判断到底是库里贡献度更大，还是杜兰特贡献度更大。

而我们要去计算某个球队的绩效，则只需要将其中的某些指标进行综合后，则可以得出。

现在，我们跳出篮球队，回到企业组织。

如果已经通过复杂网络计算出A、B员工的贡献度的数值分别为0.43658与0.54123，再假设A、B员工在某个季度所参与的项目创造的收入为100万元，这时，如果A、B员工的贡献度乘以营收，则可以轻易得出A员工贡献了436580元，B员工贡献了541230元，如下：

那么，员工的贡献度就实现了量化，我们很容易观察到A、B两名员工的绩效究竟差多少、该如何实施薪酬等激励手段，而且当HRD向老板汇报，老板问为什么时，这种自信是基于数字的，是不容辩驳的。

企业组织自然是比球队要复杂得多，球队传递的资源是不变的，一直是那个球，而企业光传递的资源的形态就非常复杂，其中的支持与损耗程度也非常不同。

但是，有一点是相同的，要么支持要么损耗。

如果将企业组织也构建一个复杂网络，那么，连接的方向、数量、频 率、距离等等指标，则会构建一个比球队复杂得多的网络，每个新指标都对组织是一种新的视角，是那些以前观察不到的隐性视角，而这些视角其实极有可能是影响组织发展的核心力量。

随便举一例，我们如果将企业组织的某次经营（大项目销售）结果表达为这样一张网络图：

然后，计算出了方向、数量、频率、距离等相关指标，您可以想一想，将会得到何种之前可能从来不会想到的洞见？

这个问题的答案，我们未来会一一揭晓。以上，没有使用复杂网络的术语表达数量（度）、频率（中介中心度）、距离(接近中心度)等等指标来表达复杂网络的计算结果，是为了便于理解。

而且，如果将这个计算过程变成软件产品，操作过程将变得十分简单，这时，其实就轻松地帮助管理者建立了一个「管理者的第二大脑」。

下面，我仍然不会直接谈这些指标，而是帮助大家理解”复杂科学的观点到底有什么价值/为什么可以体现真实的经营现状？与传统观点有何不同？如何应用在企业组织中?”等等问题。

4.2.为什么复杂网络可以反映真实的经营状况？

回到企业运行的本质，它是「满足客户过程中的资源配置与流动过程」，那么，将组织转化为一张网络图时，每个节点，不论这个节点是人、技能、资源还是任务，每一次节点A被连接，无论是从B——>A，还是从A——>C，都是一次与A的连接，一次连接就意味着在一次真实的经营活动中有一次资源流向A或从A流出。

我们当然就可以通过每一次流入或流出的情况来判断某个节点的重要性，因为每一次连接都意味着A发挥了它的实力，连接的次数越多、频率越高就越重要，实力则越强。

比如，上图的“销售a搞定了该项目负责人这项任务的连接次数很多，则证明它更重要。

如果我们在任务网络基础之上建立一张人员网络，则网络图成了二模网络，再加上技能网络、资源网络，那么，各类网络中的节点都表达为不同节点属性的贡献度/重要性的不同。

只要将「人、技能、资源与任务」四种要素之间的网络关系呈现出来，它们之间的连接就是「资源配置与流动」的结果。

这些结果是可以被分析的，更准确地讲，是每个节点的“贡献度与重要性”可以被量化分析的，这就是复杂科学所解决的问题。

那么，复杂科学的观点与传统观点有何不同？主要体现在三个方面：认知方式、量化方式与预测方式。

4.3.认知方式不同

近代生理学之父阿尔布雷希特冯哈勒说：自然以网络而不是链条的方式联结万物。然而由于人类的语言不能马上处 理几件事情，所以，人类只能以链条的方式跟随。

比如，您现在读到的这篇文章，它本质上也是一张概念（语言）组织而成的网络，但是我的写作却只能在线性中完成的。认知科学家史蒂芬平克早已做出了总结：写作之难，在于把网状的思考，用树状结构，体现在线性展开的语 句里。

也就是，人需要对事物进行简化处理，大脑才能反应得过来，线性就是一种简化的处理办法，但现实世界本来却是复杂的，简化处理的后果一定是事实的失真，所以，华为才说：让听得见炮火的人去做决策。不正是因为线性的处理方式本就是低效甚至错误的？

比如，一个软件公司的拿下企业客户时，流程往往是这样的：项目——销售——售前——产品——研发。

这个业务活动中，会涉及很多关于项目数据的传递，传递的过程就是主观化的过程，也就是数据失真的过程。而如果以网络的视角来看，则会是：

但人类大脑做不到处理网状数据，机器智能却可以做到。

这样，围绕销售传递出来的一手原始数据，则会最大化减少信息化（主观化）的过程，而增进了数字化（客观化）程度，这是一个极其简单化的网络化视角。

也就是，我们只要稍微运用一下「网络化」的视角，整体项目的数据失真将极大地减少。

从而，「网络化」的本身其实就是将真实世界本来的样子还原。这种办法的高明之处，恰恰是我们开始还原事实本身了。「网络化」的 本质，就是尊重事实数据。

但是，如上所述，人类大脑没有能力同时处理网络状的数据，而AI是人的大脑的延展，「人类理性的尽头是计算理性的开始」，它有办法从一开始就将本来是网络的组织直接呈现给你。

而企业组织从来都不是线性的科层制，它本来的样子是网络的，所以，我们需要使用更先进的方法将组织真实的样子表达出来。

这就是认知方式的不同。

4.4.量化方式不同

仍举大客户销售做项目的管理分析案例：

以上是一个一模网络，也就是一个销售在做成这个项目时所执行的任务行动项，其中，每个任务都是一个节点，节点与 节点之间相互支持或损耗。节点的大小、线条的粗细、节点距离的远近等等都是任务的贡献度与重要性的度量。

这还只是一模网络，如果我们能将人、技能、资源的关系全部投射进去，而成为多模网络：

我们会发现什么？

人、任务、技能、资源的贡献度、重要性清清楚楚、明明白白，而且它们以数字的方式呈现出来：

这时，举一个场景案例：如果我们要做绩效考核，只需要「对人的贡献度所呈现出来的数值乘以收入/利润」则可以得出一个更符合事实的真实贡献度，而非过度依赖人的感觉与印象。从而，关于“该如何考核这名员工”的依据将如财务数据一般，极为硬核。

使用这种量化的方式，一名HRD再也不需要费劲地向老板证明自己绩效方案为什么是合理的，就像一名财务总监从 来不需要过度向老板解释为什么财务方案是合理的，因为那是数字，铁证如山。

而且，这种量化方式是基于企业的经营事实的，不是完全依靠感觉的。

如果，其中的每一个要素的“重要性”都可以被量化，只要乘以这个项目创造的收入/利润，那么，这个要素所创造的价值将直接反映在企业营收或利润。这种结果与传统分析的结果有何不同？

比如，360度评估经常被用来绩效考核，直接影响员工的收入，这类评估往往先定性分析、而后打分与配权重实现量化的方式。

这种量化方式并不本质，因为不以收入为贡献度的核心；也并不完全尊重事实，更多是凭借感觉的。

这种分析过程，夹杂着过多的偏差，比如，A看不惯B，所以，A给B打低分，完全是可能的，也是现实的，而另一个C因为和A的关系好，又是老板亲戚，但事情干得并不好，而A反而给C打了高分，使得真正有能力的员工得不到重用。并不是任人唯亲就一定不对，而是，企业不能只“用亲而不用贤”，所以，我们需要基于企业运行事实来做出“贡献度、重要性”评估。

即：从「满足客户过程中的资源配置与流动」视角来看待组织，以及员工在配置与流动过程中所创造的价值事实来评估，远远比靠感觉打分与评估要合理 一两个量级。因为，它不是跨两级从「类别数据」到「量化数据」，这个过程，并没有人为地 去分类形成「类别数据」，而是将原始事实数据排序直接转化为「量化数据」，其科学性得到了极大的增强。

这里的对「事与人」的重要性评估，其本质就是评估二者的「资源在组织中的配置与流动的效率」真实价值评估。

所以，以这种视角来观察组织，评估「事与人」的重要性/实力，是核心中的核心。这种视角，是从信息与资源的流动效率来讲的，将核心资源放在重要的事上，然后使用重要的人去干重要的事，其实就是企业高效的秘密。

4.5.预测方式不同

人类就是因为能创造知识形成预测才站在食物链的巅峰的。人类总在预测，中国古代社会使用《易经》预测，那是一 个低信息量下不精确的一种预测方式，而现在多使用的是科学预测。

它有何不同？

它强调量化与实验/实证，量化我们上面讲到了，不赘述。

科学家通过在实验室做实验的方式创造先进的知识指导人类实践，这在自然科学已经非常淋漓尽致了。但在社会科 学领域，还不够充分。

毫无疑问，管理学、组织的学科基础是经济学、社会学，它们同样不易做实验。再加上，企业处在变幻莫测的商业 环境中，更难像人类学、社会学一样去做田野调查实证，然后研究分析。

但并不是没有解决办法。

仿真可以实现，现在的元宇宙、数字孪生其实就是仿真，上述的复杂网络的建设完成之后，加上仿真的思想与技术，我们其实就可以对组织进行仿真。

很多人可能都听过仿真，可能是有了解、可能是很熟悉，为了照顾到更多读者，有必要简单谈谈。它最早诞生于工业领域，比如，人因工程。其前沿研究是人因可靠性分析与仿真。应用人因工程最成熟的工业领域是航空航天、核工业、军工，其共同特点是，一旦出错，后果极其严重。

它最大的特点是：它确实是数字（虚拟）空间的，但是它是真实（现实）世界的“双胞胎”，它是直接对现实世界的直接复刻，颗粒度与现实世界是完全一样的，比如：

左边是真实机器，而右边则是数字机器，因为对真实机器的调整会有很大的成本与风险，所以，可以先对它的“双胞胎”进行改造，这样的成本极低，又可以达到很好的预测效果。

再比如，如果我们面对的是交通、城市呢？

可以在仿真的数字世界里进行低成本的推演，在工业界这是一个极为实用的技术。

更为重要的是，在一个组织中，如果用错一个人、做错一次人事变革、做错一次组织发展、做错一次绩效改造……它们的共同点与航空航天、核工业、军工等是一样的，即：一旦出错，后果极其严重。

所以，仿真特别适合于「一旦出错，后果极其严重」的领域，组织发展同样如此：

• 招聘一名销售总监，这个岗位自然很重要，但到底有多重要？如果运用复杂网络与仿真的方法，我们可以将这位销售总监的相关信息输入软件，然后通过算法计算出这种重要性的数字，然后，预测他的贡献度是多少，能带来的收入是多少。
• 一家企业想进行组织发展，但又不敢轻易调整，同样可以通过去做仿真的方式计算出每一个调整方式后的结果（表达为数字），直接形成对比。
• 一个人要离职，那么这个人的离开到底会带来多少损失呢？如果凭借感觉，并不具体时，你的感受可能不深，如果转化为数字，比如，为5000万时，我相信，你自己也会惊呆。
• 老板对一个员工特别好，但是他还是背叛了老板？老板不知道为什么，同样可以将这位员工的情况进行仿真分析，到底对方开出了什么条件？答案同样也能惊呆你，并不是钱的问题，而是心受了太多委屈，不习惯一直被高压控制，而希望有更好的文化氛围。
• 想将北区的销售总监调到南区，到底会带来何种实质的影响？即，可能带来的收入增长是多少？可能的收入损失是多少？
• ……

我们可以将任务、技能、资源、人的配置与流动全部放入这个复杂网络进行仿真，仿真就是预测。

只是，我们传统的预测方式是靠大脑的直觉，比如，对一个指标定权重，你很清楚它可能很重要，但那个40%权重的得出并没有与别的指标进行对抗性的比拼，可能比拼的结果最后是35%，你的直觉较准，但是，你又如何知道那5%到底会带来多大的影响？

所以，当我们可以对组织进行仿真时，就可以进行低成本的实验，这时，我们就可以将企业在复杂环境中的变化情 况输入软件进行仿真，就实现了动态的应对市场变化的目的。

以上三个维度，就是复杂网络可以带来的不同以及它在企业组织中的应用场景示例，可以说，它解决了一个从来未被解决但又十分重要的问题。

4.6.复杂网络并不等于网状组织

有人可能会说，我们的企业比较传统，并不需要变成网状组织，这一点，千万别搞错：复杂网络揭示的是一个组织它本来的、真实的运行状态，而并非是在表达一个企业的组织结构，一个科层制组织的运行状态也是复杂网络的，因为，谁会只与自己的同部门的同事交流？你如何知道A任务的完成，协调了哪些部门的哪些资源？你怎么知道你身边的同事与老板是不是亲戚关系？你又如何知道A部门的一些同事与B部门的一些同事形成了政治派系？等等。

一个组织，当然有可能就是适合直线职能制，比如，传统制造业，也有的组织更适合网状组织，比如，科技企业。但是，您仍然需要理解的是，就算海尔这种制造业，也可以变成网状组织，真正重要的，不是你想你的企业组织成为什么样，而是企业所处的环境需要企业组织成什么样才能更好的生存与发展。

复杂网络科学通过揭示组织的真实运行状态，并将它们量化与仿真，本质上是为了让老板与经理人看清组织的真实状态，面对变化有真实依据地调整，你可以将组织的结构、权责关系、协作机制等进行动态的调整，而非僵化地应对市场环境的变化，这是每一个不同组织结构的组织都面临的同一问题。

5.为何我们需要重新理解管理？

业务直接创造价值，管理间接创造价值。业务是目的，管理是手段。

这个道理极为朴素，但是要成功管理则十分困难。

为什么需要重新理解？因为，世界变化太快了，科技发展也太快了，对生产力的改造也太快了，chatGPT的出现，让人们普遍猝不及防。

如果不重新看待管理，企业发展势必跟不上世界变化。

手段往往会异化，管理同样如此，业务与管理开始变得复杂时，管理变得十分重要，重要得开始看不清业务发展的本来面目，管理开始凌驾于业务之上。很多时候管理者会将管理异化成目的，为了管理而管理，汇报层级比业务更重要、权力比业务更重要……

而因为管理而带来的组织僵化使得企业进入创新者的窘境，从而错失企业新业务发展的机会，已经反复在历史上重演。

管理者痛恨历史重演，但又不断重演。

文初，我们提到了“管理是如何会成为镣铐而影响业务发展”的三个痼疾：

• 得出汇报结论所收集的数据是很片面的、不立体的？
• 若能获取更全面、立体的数据，但是管理者处理不了这些数据？
• 企业发展是动态的过程，又如何将这些动态数据及时处理掉并形成决策？

我们需要换一种视角将企业本来运行的样子呈现出来，它应该是整体的、量化的、动态的与可预测的。

这样才利于更低成本与更高效地管理与创新。

而以上从复杂网络的视角，对这三个问题进行根本性的回答，分别是：认知方式不同、量化方式不同、预测方式不同。

针对这三个问题，我们通过算法与产品的创新正在解决。

它叫：Valor。

6.Valor

一张复杂网络经过计算，可以得到很多关于节点的指标，比如，度中心度、中介中心度、接近中心度、核数、离心度。

咱们可以先不去理解这些术语。而是得明白，这每一个指标，都是关于节点重要性的量化结果，根据不同的业务场 景，采用不同的指标来度量，便可以得到量化的结果，这些结果是以往的管理视角都无法显性化观察到的。

而且，重要的是，这个计算过程并不是需要人脑去解决，而是轻松地交给Valor智能工具，它的操作是简便且易用的，所以，Valor也是一个可随时调用的「管理者的第二大脑」。

重点在于，复杂网络是一种通用网络，该如何转化为企业组织中的专用网络计算？

这张复杂网络中，节点的度中心度、中介中心度、特征向量中心度、接近中心度、核数、离心度等等则可以首先充分体现其经济属性，因为哪怕是社会属性与政治属性，绝大部分时候也得先为基经济属性服务。

表达在Valor中，为：以商业收入/利润为衡量人才价值的本质。

所以，当我们得知一个组织的做事结果后，则可以反向求得这些作为节点的人才、任务、技能、资源的真实价值，即贡献度/重要性。比如：

• 度中心度很高？很好，此人与其他人、信息、资源的联系一定是多的，他很可能适合协调。
• 中介中心度很高？很好，此人与其他人、信息、资源的联系是很频繁的，它的不可替代性很高，所以，虽然从“实然”角度，结合企业文化、价值观、管理岗位有限等特点，不一定能给他晋升，但一定需要给出更多激励（钱、培训、荣誉等等），因为从“应然”的角度来讲，此人一定当受重用。
• 特征向量中心度很高？很好，此人虽低调，但是与其他人、信息、资源的潜在联系也不可小视，是潜在人才与提升的对象，同时，也可能有形成政治派系的可能。
• 接近中心度很高？很好，此人在信息与资源的传递速度是非常快的，所以，应该当此人放在某个枢纽的位置上，他未来和每个人都联系紧密，比如，总经理助理。
• ……

一切由此展开。

复杂科学是一门新学科，一些HR领域的从业者，也关注到了它与组织的关系，但大多数也只能停留在概念层面的介绍，而没有真正的解决办法，无法落地成产品，更无法将它们真正应用于管理领域。为什么？

有两大难题：一是，需要跨越的学科过多，如下：

而人力资源、管理学、组织领域多是文科生为主，它们可能关注到社会学、经济学，但很难擅长计算机科学、数学、仿真学，而懂理工科背景的又很少能懂人力资源、组织、管理学、社会学等。而信息经济学与复杂科学这类新兴学科很多人并不了解，金融学与数学，更多人更是难以触碰。总而言之，要解决这个问题，需要跨越的学科较多，十分困难。

二是，除了复杂网络本身的算法外，应用在管理领域其实还有其他的算法难题，因为，业务是本质，人在企业组织中是因为业务的重要性才体现，更具体地讲，人的重要性因其参与的任务的重要性以及人在任务中的贡献体现的，技能与资源也是如此。那么，任务与任务是什么关系？重要性能够直接以复杂网络中的现有指标（如，度中心度、中介中心度、接近中心度、核数等）体现吗？任务的重要性如何关联到人身上？

虽然，Valor产品在操作上非常简单与易用，但是，其中涉及到算法其实是相当复杂的。而这件事，在被Valor团队解决，并已经开始产品化为Valor，帮助管理者轻松计算那些人类理性无法计算的价值。

7.如何使用复杂网络的结论？

一切事、人与组织的设计与安排都本应该为“满足客户过程中的资源配置与流动过程”服务，但是组织毕竟不是物，它不光有工具理性，因为人有主体性，还有价值理性，所以，绝对客观的设计是困难的。

或者，企业的经营效率也不可能绝对客观，重要的是，相对效率更高就能服务好客户地同时跑赢对手。所以，问题就转化成：如何将同时带有主观价值判断与客观事实陈述的“事与人”对现实的影响实力测量出来，才是更为要紧的。

仍举上述案例。

A员工是老板的亲戚，占据着管理职位，这人能力一般，但它却很有影响现实的实力，因为他很可能掌握着更重要的信息与资源，或者是重要信息与资源的流动节点。

B员工虽不是管理职位，但是公司的很多事务都要经过他手来处理，而且频率要远高于那位老板的亲戚。

我们到底该如何衡量这两个人的重要性？该如何更好地安置这两个人在组织中的位置才能让管理效率更高？

这个问题在很长时间以来，其实只能依靠拍脑袋，而这种现象却是在真实企业中的平常现象。

这里，想起德鲁克的一句话：不能量化的，就不能管理。

所以，对于这类老大难的管理问题，核心在于：如何量化二人的重要性（即影响现实的实力）？

如果我们能使用复杂网络计算出二人的重要性，比如，那位亲戚A的重要性是0.43658，而员工B的重要性是0.54123。

那么，此时老板该如何权衡职位的安排呢？

因为工作中的重要性已然十分明确地量化，唯一要考虑的，只是亲戚关系与企业发展之间的权重问题，这个权重取决于“价值观”。

所以，这个决策就比不知道重要性的量化要容易得多。

若企业发展与这个亲戚关系的权重比为4：6，那么，（B员工）0.40.54123<（A亲戚）0.60.43658，即：0.216492<0.261948，A略大于B，则可以让亲戚的职位可以暂时维持不变，但是也需要对另一员工做一定的激励，比如，加薪、培训机会的倾斜等。

若权重比是6：4，那么，（B员工）0.60.54123>（A亲戚）0.40.43658，即：0.324738>0.174632，B远大于A，立即提拔B员工，调整A的位置。

这只是其中的一个应用场景而已，但是，重要性、贡献度的衡量却是现代管理难题根本性症结，无论是制定计划时的指标权重确定，还是排兵布阵时，该如何知人善任，又或者价值分配时，该如何评估员工创造的价值……

很明显，如果这一问题得到动态性的解决，管理效率会得到一、二个量级以上的提升，我们才可能说，企业管理有可能跟得上市场的变化。

更为重要的是，通过Valor团队的努力，以上难题得到了更科学地解决，同时，产品本身是简洁与易用的，复杂的计算过程交给机器智能，人只需要：输入数据、点击计算按钮、查看结论三步即可。

欢迎管理者将Valor变成你的第二大脑，计算那些曾经无法计算的价值。