企业管理咨询

经理修练的核心观点是：卓越的领导者是“修炼”出来的，而不是“天生”的。 它打破了领导力的神秘感，将其分解为一系列具体、可操作的行为准则和思维习惯。通过有意识地在这些方面进行学习和实践，任何人都可以显著提升自己的领导力水平，从而更好地带领团队、影响他人并达成卓越成果。 目标读者渴望提升影响力的团队管理者、项目经理 希望在未来担任领导角色的潜在领导者 企业家、创业者及各类组织负责人 任何希望提升个人效能和人际交往能力的专业人士 “18项修炼”通常涵盖的关键领域（注：不同版本或解读可能略有差异，但精髓一致）书中的18项修炼通常可以归纳为以下几个核心维度： 一、 自我领导与内在修养（根基） 这是所有领导力的起点，强调领导者必须先管理好自己。 诚信为本：建立信任的基石，言行一致。 自我认知：了解自己的优势、劣势、价值观和情绪。 终身学习：保持好奇心和开放心态，不断汲取新知识。 积极主动：为自己的选择和反应负责，聚焦影响圈。 情绪韧性：在压力和逆境中保持冷静与乐观。 二、 人际领导与沟通（桥梁） 领导力通过与人互动实现，这部分关注如何有效地与他人连接。 6. 有效沟通：学会倾听、表达和反馈，确保信息清晰无误。 7. 知人善任：识别他人的才能和优势，并将其放在合适的位置上。 8. 激励人心：激发团队成员的内在动力和热情。 9. 建立关系：投资于真诚、互信的人际网络。 10. 赋能他人：信任下属，授予权力，培养接班人。 三、 团队领导与执行（引擎） 这部分关注如何带领团队取得实际成果。 11. 共启愿景：描绘一个吸引人的共同未来，指明方向。 12. 战略思维：从全局出发，制定清晰的计划和优先级。 13. 果断决策：在复杂情况下做出及时、合理的决定。 14. 追求卓越：设定高标准，并带领团队持续改进和创新。 15. 解决冲突：将团队内的分歧转化为建设性的解决方案。 四、 组织领导与影响力（升华） 这部分关注的是更高层次的领导力，即创造持久的影响和 legacy。 16. 系统思考：理解组织内各部分的相互关联和整体性。 17. 引领变革：预见变化，主动引导团队适应并拥抱变化。 18. 服务精神：将领导力视为一种服务，以成就他人和组织为首要目标。

在AI技术持续渗透企业运营场景的当下，中层管理者正面临一场前所未有的身份危机。 在制造业，美的集团佛山工厂通过MES系统实现对生产流程的实时监控与自动排产，以往需要三位中层主管协调的任务，如今AI已能独立完成80%。在金融行业，招商银行某支行行长亲历了AI系统推翻“网点人流转化率”这一沿用多年的核心运营指标，仅因其与实际业务贡献度的相关性不足0.3。在零售领域，屈臣氏的一位区域经理坦言，“不看AI预警都不知道该怎么巡店”，数字大屏已成为她工作的“第二视角”。 这些场景无不指向一个已经显而易见的趋势： AI不仅在改变管理工具，更在重塑管理流程和基本逻辑。波士顿咨询的报告（2023）指出，AI已接管中层管理者42%的程式化任务，包括数据收集、流程监控、常规审批等。一位知名企业高管直言：“现在不是人教机器怎么干，而是机器在教人怎么做决策。”然而，AI快速“接管”所引发的，并不仅仅是工作方式的转变，更是管理者角色认知的深层震荡。 来自海尔的调研显示，51%的中层管理者感受到“技能焦虑”；麦肯锡的报告则指出，未能适应AI协作的中层管理者，其团队绩效平均低23个百分点。阿里云联合复旦大学发布的研究也发现，67%的中层管理者认为，现有考核标准已无法反映AI时代对管理者的真正要求。一句来自一线管理者的比喻形象地揭示了这种错位感：“我们就像拿着算盘的会计， 被突然扔进了Excel的时代。”AI带来的不是“工具替代”，而是“角色重构”——这是中层管理者在技术冲击下必须面对的根本议题。 中层管理者的角色重构困境 AI对组织结构的重塑，使中层管理者正处在一场系统性变革的漩涡中。 当组织期待他们成为战略协同者、创新推动者， 而他们仍将自身角色定位为执行协调者、流程守门人时，认知断裂便引发了深层的身份认同危机。 首先，AI改变了传统的决策方式。哈佛商学院的研究表明，能够融合AI洞察与人类判断的“双轨决策者”，其团队绩效平均高出23%。但现实中， 许多企业中层却陷于“唯数据是从”或“只依赖直觉” 的两难境地，缺乏将算法输出转化为情境化管理判断的能力。认知模式的滞后，成为他们迈向智能决策时代的最大障碍。 其次是协作模式中的权力再分配。斯坦福大学研究发现，当AI系统直接向员工推送工作建议与绩效反馈时，超过一半的管理者感到“被架空”。这种“控制感流失”的焦虑，反映了他们尚未完成从“指令发出者”向“协同引导者”的身份转化。中层管理者在面对结构变革时对不确定性的容忍度将直接决定其适应AI协作的速度与深度。 再次，AI技术压缩了互动时间，削弱了情感连接， 造成了人际隔膜。人与人之间在数字化时代已经被稀释的信任，被AI进一步拉扯。在这一背景下，中层管理者必须承担起“关系嵌合者”的角色，通过人性化引导弥合算法与团队之间的距离，维护组织温度。 最后，组织横向整合中的结构性阻力给中层管理者的困境再添了一道坎。伦敦商学院指出，拥有“技术- 业务翻译力”的团队管理者，其项目成功率高出37%。然而，许多组织仍以“专业深井”式逻辑选拔与考核干部，导致中层管理者虽具协同意愿， 却缺乏制度支撑。这种资源错配，逐渐成为组织成功转型的隐形枷锁。 不难看出，中层管理者正被卷入一场由AI引发的多维度张力场：技能更新的压力、权力结构的重组、信任机制的松动与制度路径的锁定。他们不是“做得不够好”，而是“被改变得太快”，而组织往往尚未为这场角色重构提供足够的支持系统。 成为AI时代的“增强型管理者”： 在协同中定义不可替代 在AI技术深度嵌入组织运行体系的今天，中层管理者的角色正发生结构性重构。这一重构的核心，不是简单的“保留”或“淘汰”，而是基于“增强-自动化”（augmentation-automation） 框架， 重新厘定人机边界，确立“人之不可替代”的管理价值。 自动化（automation）意味着AI系统越来越多地接管传统管理者的低认知负荷任务，如数据收集、常规审批、流程监控等。这些工作过去依赖管理者的经验判断与人工协同，而现在则可以由算法更快速、精准地完成。在这一过程中，中层管理者的“技术性权威”被显著削弱，决策过程的“独占权”被打破，他们面临着被“结构性边缘化”的风险。这正是许多中层管理者产生“技能焦虑”“权力让渡焦虑”的现实基础。 然而，真正决定管理者未来价值的，并不是他们还能做多少“旧任务”，而是他们能否在自动化释放出来的空间中实现“增强”（augmentation）——发挥AI暂时无法替代的高阶认知能力与社会情境感知能力，将自身转化为“人机协同系统”的设计者、引导者与整合者。 在数据层面，中层管理者需要实现从数据消费者向数据驱动决策者的转变。AI虽然擅长分析，但不懂组织目标，不懂人心，也不具备情境判断力。管理者应具备数据素养，能够从AI生成的分析结果中识别关键信号与潜在偏误，并结合业务逻辑与组织战略，进行“意义重构”，最终转化为可执行的管理行动。这不仅是一种技术能力，更是一种认知能力与洞察力的体现，是在AI赋能下实现“认知增强” 的典型方式。 在组织文化层面，AI时代的中层管理者更需成为信任与情感的“增强因子”。数字化加速了组织的理性逻辑，却也带来了沟通的碎片化与人际关系的虚弱化。此时，中层管理者必须承担起重建组织温度的责任。他们要通过面对面的交流、情绪的共情、价值观的引导，将冷冰冰的算法“温暖化”，让技术变得可信、可亲、可用。这种文化引导，不是对AI的对抗，而是对人本价值的再确认，是在自动化趋势下实现“情感增强”的路径。 在团队建设方面，中层管理者需要超越业务细节，实现“能力增强”。他们的任务不再是细致管理每个环节，而是激发团队成员在AI无法胜任的领域中持续成长，如复杂问题解决、跨职能协同、创造性表达与战略思维等。真正优秀的中层管理者，更加需要塑造自己的教练角色，引导员工理解AI、使用AI、超越AI，在人机协同中找到新的创造性空间。通过提供学习资源、搭建试验平台、塑造容错文化， 赋能组织在变化中不断自我演进。 更进一步，AI对组织边界的重新定义，也要求中层管理者成为组织资源与关系的“整合增强者”。技术与业务的融合不再是技术人员的专利，而是中层管理者的新职责。他们需要跨越部门“藩篱”，理解技术语言与业务诉求之间的逻辑，充当技术与战略之间的“翻译器”与“连接器”。在横向协同中打破信息孤岛，在资源配置中重构组织联动的肌理， 这种跨界整合能力，正在成为AI时代中层管理者最具战略性的核心竞争力。 技术不会自动带来组织进化，唯有人的转变才能完成管理体系的跃迁。AI不是压缩中层管理者的价值，而是在倒逼他们“重构认知、重塑边界、进化角色”。“增强-自动化”框架告诉我们，凡是可以规则化的任务终将被算法取代，而凡是涉及判断、协商、引导与整合的管理行为，仍需依靠人类的经验与智慧去完成。中层管理者的未来不在于与AI竞争效率， 而在于在人机协同中定义“不可替代”。正如管理学家亨利·明茨伯格所言：“技术改变的是管理的方式， 而非管理的本质。”AI时代的中层管理者，或许不再是过去那个流程中的齿轮，但终将以“人机系统架构师”的身份，重新占据组织运行的核心

话说，这个回旋镖不会扎自己身上么？

一、为什么要量化质量目标 “没有量化的质量目标，就像没有刻度的尺子——无法衡量进步，更无法抵达终点。”量化是质量管理的“语言”，让目标可追踪、可验证、可改进。 传统问题：“提升质量”“减少投诉”等模糊目标→无法追踪进度、无法评估资源投入、团队执行无方向。 数据时代需求：客户要“可承诺的结果”（如“交付准时率98%”）、管理 层要“可量化的绩效”（如“质量成本降低15%” 量化的意义： 对齐战略：将公司质量愿景拆解为可执行的“小目标”； 驱动改进：通过数据对比（基线vs目标）定位问题； 激励团队：明确的数值目标更容易激发行动（如“投诉率降30%”比“减少投诉”更有动力）； 客户信任：用数据证明质量承诺（如“NPS从40提升至55”）。 二、量化的底层逻辑——SMART原则+关键指标核心观点：量化=SMART原则×关键指标（KPI）。 量化的质量目标意味着目标必须是具体的、可测量的、可达成实现的、相关的、有时限的（SMART原则），这样才能有效跟踪进展、评估绩效并驱动改进。 1. SMART原则：量化的“黄金标准”S（Specific）具体 ：避免“提升质量”，改为“降低X产品不良率”； M（Measurable）可衡量 ：用数值（百分比、PPM、时间等）定义； A（Achievable）可实现 ：基于历史数据（如当前不良率20%→目标15%）； R（Relevant）相关性 ：与企业战略/客户需求强关联（如客户关注“交付准时率”，则设为质量目标）； T（Time-bound）有时限 ：明确截止日期（如“2025年Q3前”）。 模糊目标 SMART目标 提升客户满意度 2025年底前，客户满意度NPS从+35提升至+45（月度调研，样本量≥500） 减少产品缺陷 2025年Q2前，A产品关键尺寸不良率从500PPM降至300PPM（质检部每日抽检） 2. 关键指标（KPI）：聚焦业务痛点选指标逻辑 ：客户最关心什么？流程中最影响质量的环节是什么？ 常见行业KPI示例 行业 核心质量KPI 说明 制造业 不良品率（PPM）、一次交检合格率（FTT）、Cpk（制程能力指数） 反映产品一致性、工艺稳定性 服务业 准时交付率、客户投诉解决时间（FCR）、NPS 反映服务效率与客户体验 研发/科技 系统可用性（%）、缺陷密度（BUG/千行代码）、测试覆盖率（%） 反映技术稳定性与可靠性 医疗行业 检验报告及时率、诊断准确率、患者等待时间 反映医疗质量与患者安全 常见核心质量KPL:合格率指标:合格率是指产品经过检验后，符合质量标准的产品数量占总检验数量的比例。计算方法为:合格率=合格品数量/总检验数量x100%。 次品率指标:次品是指不符合质量标准或存在缺陷的产品，根据企业制定的标准进行判定。次品率=次品数量/总生产数量x100%。次品率统计应准确及时，以便企业及时发现问题。 客户投诉率指标:客户投诉类型多样，包括产品质量、服务、交付等方面。投诉率=投诉次数/总销售次数x100%。投诉率计算应统一，便于分析。、3.量化落地5步法 核心观点：从“目标设定”到“效果验证”，全流程可操作。 1：明确业务痛点→锁定关键领域 方法 ：通过客户投诉分析、流程审核（如PFMEA）、历史数据复盘，识别“最影响质量/客户”的环节。 案例（制造业） 汽车零部件厂分析客户投诉→发现“齿轮早期磨损”占比30%→根源：热处理硬度偏差大（HRC58±3）→锁定关键领域：“热处理工艺稳定性” 2：定义量化指标（SMART+KPI） 方法 结合基线数据（当前水平）、行业标杆（如ISO标准、竞品数据）、客户要求，设定具体数值。 基线： 设定目标之前，必须了解当前的绩效水平（基准）。没有基线，就无法衡量进步。 目标值： 设定一个在设定的时限内既具有挑战性又可实现的具体数值。目标值应基于： 历史绩效数据 行业标准或标杆 客户要求或合同规定 内部资源和能力分析 组织的战略方向 案例（服务业） ：某快餐品牌调研发现“出餐慢”是主因（平均8分钟/单，行业标杆5分钟）→定义指标：“工作日午餐高峰（11:30-13:30）平均出餐时间≤5分钟”（基线8分钟→目标5分钟） 3：确定测量方法+数据来源方法 ：明确“如何算达标”（公式）、“谁来测”（责任部门）、“何时测”（频率）。 1.定义用于计算指标的确切公式或方法。 例如：不良品率 (PPM) = (检验发现的不良品数 / 总检验数) * 1,000,000 例如：准时交付率 = (准时交付订单数 / 总交付订单数) * 100% 2.数据从哪里来？ 明确负责收集数据的部门或个人（如质检部、生产部、客服部、销售部）。 3.测量频率？ 设定审查周期（如每日、每周、每月、每季度）以跟踪进展。频率应与目标的紧迫性以及数据的可用性相匹配。 案例（研发/科技） 某SaaS公司需提升系统稳定性→指标：“月均宕机时间≤30分钟”（公式：(总运行时间-宕机时间)/总运行时间×100%≥99.9%）；数据来源：监控工具（Prometheus）实时采集；频率：每日生成《系统稳定性报告 4：责任到人+行动计划方法 指定负责人（个人/团队）、配套资源（人力/技术/资金）、细化执行步骤。 案例（医疗行业） 某医院检验科需缩短血常规报告时间→负责人：检验科主任；行动：① 增设病房样本暂存柜（护士每2小时送检）；② 增加急诊检验窗口（2台仪器）；③ 与设备供应商签“4小时维保”协议 5：监控→分析→改进（闭环）方法 ：定期（日/周/月）对比实际值与目标值，分析差距原因（如“工艺参数异常”“人员操作失误”），采取纠正措施。 案例（通用） 某企业设定“供应商来料批合格率≥99.5%”→每月统计供应商数据→发现A供应商连续2月合格率98%→分析：A供应商新换原材料→要求A供应商整改+增加来料抽检频次→3月后合格率回升至99.6%。 四、常见误区与避坑指南核心观点：量化≠拍脑袋，需避免“形式主义”。 内容要点（用“误区+后果+正确做法”结构）： 五、总结与行动计划量化是“从目标到结果”的关键工具，需全员参与、持续迭代。通过将质量目标量化和具体化，企业就能清晰了解自身表现，发现问题焦点，精准投入资源，并最终推动质量和绩效的持续提升。

APQP（产品质量先期策划）是一套基于结构化流程、风险预防和跨职能协作的系统性方法，核心目标是通过 “前期策划” 替代 “事后补救”，确保产品从设计到量产全过程的质量可控。 其方法论可概括为 “五大核心原则”+“四大支撑工具”+“三阶验证逻辑” 一、五大核心原则：APQP 的底层逻辑顾客导向原则 前期通过市场调研、合同评审、顾客访谈明确需求（如性能、成本、交付期）； 后期通过试产验证、顾客反馈（如 PPAP 批准）确认是否满足需求； 例：汽车零部件企业需同步满足主机厂图纸要求、终端用户对可靠性的隐性需求。 核心：以顾客需求（包括显性需求和潜在需求）为出发点和终点，贯穿策划全流程。 跨职能协作原则 阶段 1（计划）：销售部门提供市场需求，设计部门评估技术可行性； 阶段 3（过程设计）：生产部门提出设备限制，质量部门制定检验标准； 工具：通过定期会议（如阶段评审会）、共享文档（如项目计划看板）同步进度。 核心：打破部门壁垒，组建 “多功能团队（MFT）”，确保信息共享和责任共担。 团队构成：通常包括设计、生产、质量、采购、销售、售后等部门代表，必要时纳入顾客或供应商。 预防性风险管控原则 设计阶段：用 DFMEA 分析 “设计可能哪里出错”（如材料耐温不足），并制定预防措施（如更换高温材料）； 过程阶段：用 PFMEA 分析 “生产过程可能哪里失控”（如焊接参数波动），并设计防错装置（如参数自动报警）； 目标：将风险消除在发生前，降低后期返工成本。 核心：通过 “潜在失效模式分析” 提前识别风险，而非依赖后期检验。 结构化流程原则 前一阶段输出为后一阶段输入（如阶段 2 的设计图纸是阶段 3 过程设计的依据）； 每个阶段结束前需通过 “阶段评审”（如设计评审、过程评审），未通过则返工，避免问题传递。 核心：严格遵循 “五阶段递进式流程”，每个阶段明确输入、输出和评审节点，避免策划遗漏。 持续改进原则 量产阶段通过 SPC（统计过程控制）监控质量波动，定期复盘 FMEA（更新失效模式）； 收集顾客投诉、不良品数据，转化为下一轮策划的改进点（如某部件故障率高→优化设计或工艺）。 核心：APQP 不是 “一次性活动”，而是通过反馈机制实现闭环优化。 二、四大支撑工具：确保 APQP 落地的实操方法FMEA（失效模式及影响分析） 分类：DFMEA（设计 FMEA）和 PFMEA（过程 FMEA）。 作用：量化风险（通过严重度 S、发生度 O、探测度 D 计算 RPN 风险系数），优先解决高风险项（如 RPN＞100 的项）。 示例：某电子元件 DFMEA 中，“引脚焊接强度不足” 的 S=8（影响安全）、O=5（发生概率中）、D=3（难探测），RPN=120→需改进焊接工艺。 切换到竖屏全屏退出全屏 控制计划（Control Plan） 作用：将 FMEA 识别的风险控制措施转化为可执行的操作文件，明确 “谁在什么环节做什么控制”。 内容：包括产品 / 过程特性（如关键尺寸、压力参数）、控制方法（如抽检频率、检测工具）、反应计划（如不合格品处理）。 阶段：分为 “样件控制计划”“试生产控制计划”“量产控制计划”，逐步细化。 PPAP（生产件批准程序） 作用：在量产前向顾客证明 “企业有能力稳定生产合格产品”，是 APQP 阶段 4 的核心输出。 提交文件：包括样品检测报告、过程能力分析（CPK）、控制计划、FMEA 等 18 类文件（根据顾客要求调整）。 阶段评审与门径管理 作用：通过 “门径（Gate）” 节点控制，确保每个阶段输出满足要求后再进入下一阶段。 评审内容：如阶段 2 设计评审需确认 “设计是否满足需求、DFMEA 是否闭环”； 评审结果：通过→进入下一阶段；未通过→制定整改计划，重新评审。 三、三阶验证逻辑：从 “设计” 到 “量产” 的层层确认设计验证（Design Validation） 阶段：对应 APQP 阶段 2（产品设计）。 方法：通过原型样件测试（如实验室性能测试、环境测试），确认设计方案是否达到预期目标（如寿命、强度）。 例：新能源电池设计验证需测试充放电循环次数、高低温耐受性。 过程验证（Process Validation） 阶段：对应 APQP 阶段 4（试生产）。 方法：通过小批量试生产（通常 300-500 件），验证过程稳定性（如 CPK≥1.33）、控制计划有效性（如检验方法能否识别不良）。 例：汽车座椅试生产需监控焊接强度、安装孔位尺寸的过程能力。 量产监控（Production Monitoring） 阶段：对应 APQP 阶段 5（反馈与改进）。 方法：通过 SPC 监控关键参数、定期审核控制计划执行情况、收集顾客反馈，确保长期稳定性。 例：手机屏幕生产中，用 SPC 监控注塑温度波动，避免出现气泡不良。 四、推行 APQP 的关键成功因素高层支持 ：需管理层推动跨部门协作，提供资源（如培训、工具采购）； 工具适配 ：根据企业规模选择工具（如小企业可简化 FMEA 表格，重点控制高风险项）； 全员参与 ：一线员工需理解 APQP 逻辑（如为何执行防错措施），避免形式化； 结合行业特性 ：如汽车行业需严格遵循 IATF 16949 要求，医疗行业需额外关注法规合规性。 通过上述方法论，企业可将 APQP 从 “流程文件” 转化为 “实际质量提升工具”，最终实现产品开发周期缩短、质量成本降低、顾客满意度提升的目标。

2025年2月23日，由《企业管理》杂志社、《企业家》杂志社主办，北京大学国家发展研究院联合主办，企业管理出版社有限公司支持的“2025企业管理年会暨北大国发院商学共创日”在北京大学承泽园校区成功举行。会议以“新质赋能 创新发展”为主题，企业家、行业专家、学者和媒体代表超300人齐聚一堂，共同探讨了企业管理的前沿话题与未来发展趋势，助力企业高质量发展。期间，两届“年度企业家”代表及部分专家学者登台演讲，还举办了两场圆桌论坛。以下为2024年度企业家代表，世界钢铁发展研究院院长，河钢集团有限公司原党委书记、董事长于勇的主题演讲概要。 1. AI 重构制造业的底层逻辑AI未来在我们这个社会能走多远，很重要的一点是它对制造业企业能产生多大的影响力。我来自大型的制造业企业，对AI的认识可能更具场景性。我会基于钢铁人对AI的理解，用钢铁语言、钢铁思维，分享交流对AI的认识。 AI的出现对传统的企业管理体系必将是一个挑战，我不能简单地说AI会颠覆它，但它会在很大程度上重构现在的管理体系，因为管理的对象、管理的环境和内涵变了。传统工业的生产力函数将资本和劳动力等作为主要生产要素，AI背景下生产力函数的核心要素则是数据、算法和算力。 社会层面对于工业企业AI应用程度的了解、认识和关注或许没有那么深入，其实钢铁是高度贴近AI的行业，其中很多钢铁生产线都近似于独立的垂直小模型。虽然AI就在我们身边，但还没有完全实现它的效能，因为我们在认知AI、为AI营造应用环境方面还有很多工作需要做。未来如何让AI走到前台，让劳动者由操作者变成AI的管理者，很多东西是需要重新构建的。 我认为AI和传统的工业革命不在同一维度，虽然人类历史走向现代文明是从工业革命开始的，但工业文明是建立在消耗化石能源基础上，间接带来了地球表面温度升高、环境不友好等问题，我们在享受工业革命带来的美好物质生活的同时，也在接受工业革命带来的负面影响。我们一直渴望在新的工业文明到来时，我们的资源更多的是来自算法、数据，我们的生产力更多的是来自算力。 2. 河钢实践：AI 驱动的扁平化革命与效能突破在钢铁行业近年来转型升级中，受益最大的就是智能制造给我们带来的颠覆性变化。我们在产品制造的初期阶段对智能、对自动化、对AI的依赖程度并不高，但一旦客户对产品的认知需求进一步提高，现有的知识和经验已无法支撑我们满足客户对产品质量和品种的新要求。就钢铁企业来说，AI会把我们对产品质量、成分、品种的要求带入“纳米级”的管理水平。比如，原来钢铁工业的管理对象是操作人员，AI环境下整个生产线管理的对象不再是操作人员，而是数据，是现场所有的监测设备和反馈系统，所以AI属于新质生产力的范畴，它带来的不仅仅是创新，更主要的是体现在企业运行的高效能上。 以河钢为例，河钢是中国第一大家电用钢、第二大汽车用钢制造商。河钢这几年在产品端满足客户的使用方面，真正体验到了AI强大的功能，它完全把流水线的管理打破了，帮助我们建立了一个没有明晰组织界面的工厂，现在企业高层可以直接管到生产线，较好地实现了“去层级化”。层级管理管的是人，而数据管理管的是无处不在的“纳米级”细节。 人们最近担心AI的使用是否会使更多的人失去工作，对于这一问题可以这样思考——大家会感受到，每一次技术革命带来的都是文明的进步和劳动力的解放。无论是农业革命，还是工业革命、信息革命，带来的都是进步，它们逐步让原来的劳动者从繁重的工作中解放出来，从事更“高级”的工作。未来工业企业很多岗位或会以AI命名的，如AI管理者、AI经理、AI高级经理，很多操作岗位被命名为人机协同者。所以AI的出现，会使得未来的劳动力结构发生变化，价值创造方式发生变化，从这个角度看，AI不会和现代人争夺饭碗，或者造成大量人员失业。 河钢积极推动“AI+钢铁”，着力打造中国钢铁工业“AI工厂”的示范。河钢在过去的4年时间连续打造了4个钢铁新区，其中很多生产线都高度融合AI、应用AI。 近两年来，河钢大力度推动同类业务的重组和长流程业务的拆分，正在把“航母战斗群”拆分成“小舰队”，把传统的业务流程变成业务单元和独立市场单元。这种大力度的拆分，不仅是在整个经济由增量向存量转变中挖掘我们资产效能的需要，更重要的是为AI的到来营造一个扁平化的管理架构。我相信，AI的到来会在一定程度上“颠覆”钢铁企业的整个管理流程。

企业管理能力提升的系统化路径与实践方略企业管理能力作为组织核心竞争力的关键要素，直接影响着企业的运营效率、战略执行力和可持续发展水平。在数字化时代背景下，企业管理能力的提升需要构建系统化框架，本文将从以下维度展开论述： 一、企业管理能力的内涵解析概念界定： 战略执行能力：将企业战略转化为可操作的行动计划 组织协调能力：有效整合人力、物力、财务等资源 团队领导能力：激发员工潜能，提升团队效能 变革管理能力：应对外部环境变化的适应与创新 能力模型： 基础层：业务专业能力 中间层：团队管理能力 高层：战略决策能力 二、管理能力提升的实践路径分层培养体系构建 基层管理者：强化执行力和团队协作能力 中层管理者：提升跨部门协调和项目管理能力 高层管理者：培养战略思维和决策能力 数字化管理工具赋能 引入ERP、CRM等管理系统 应用大数据分析辅助决策 建立数字化人才评估体系 组织机制创新 建立学习型组织文化 优化绩效考核与激励机制 实施轮岗与继任者计划 三、典型企业实践案例华为"干部轮岗制"培养复合型管理人才 阿里巴巴"管理三板斧"培训体系 腾讯"活水计划"促进人才流动 四、实施效果评估体系定量指标：团队绩效提升率、员工满意度 定性指标：战略执行效果、创新能力提升 长期跟踪：管理者晋升率、人才梯队建设 结语：企业管理能力提升是一项系统工程，需要结合企业发展战略，构建分层分类的培养体系，并通过组织机制创新和数字化工具应用，实现管理效能的持续提升。未来，随着人工智能等新技术的发展，管理能力的内涵和培养方式也将不断演进。 注册或登陆Boss协会可免费下载！

他曾经管理世界500强日本理光集团在全球范围内规模最大的工厂，并使其比日本本土工厂更有效率，这为他日后做精益管理咨询带来了先天优势。他就是深圳合众资源·3A顾问公司（以下简称3A顾问)董事长刘承元。与本刊记者说起精益管理，刘承元两眼放光，侃侃而谈，采访结束，双方余兴未了。 企业家》：您为众多制造业企业做过精益管理咨询，对它们有深入了解。在您看来，中国制造业企业在管理上主要存在哪些问题？ 刘承元：做咨询20多年来，3A顾问服务过的企业已有数千家，对中国制造业企业存在的问题感同身受。这些问题既有客观原因造成的，也有主观原因造成的。从主观上讲，它们有几个层面的问题。 一是重硬件投入，轻管理创新。改革开放以来，中国企业舍得花钱进行技术改造，装备升级节奏很快。我到法国、德国、日本考察发现，中国企业拥有世界上最精良的装备和最气派的厂房，但它的产出质量和产出效率并不是最高的，原因在于这些企业对管理创新、管理智慧这些软性内容不是很重视，不愿意为此付出对等的代价。再如，现在企业都在工厂数字化、智能化升级方面跃跃欲试，不少企业斥巨资追求高大上的“黑灯工厂”，但这些投入并没有取得应有的成效，有些完全成为摆设，为什么？我经常讲，精益化是数字化、智能化的基础，没有精益思想的引领，没有精益实践智慧的加持，数字化、智能化就如建在沙土之上的空中楼阁。 还有，许多企业错以为，数字化建设就是请软件公司导入MES（制造执行系统），安装高大上的液晶显示屏，对生产过程中的各种数据进行采集、存储和展示。这样做，除了直播数据，让外行感觉高大上之外，对提升企业管理并没有多少帮助。原因在于，没有精益思维的引领，企业就没人知道，也就没有人认真研究，哪些数据是必要的，获取这些数据的时间间隔多少才合适，数据保存期限是多长，然后数据该按照怎样的算法进行加工，最后需要输出哪些结果或指令。也就是说，许多企业花重金开发的MES，既不能与企业经营关联，又不能驱动员工（创新）行动，这种掐头去尾的数字化，效率低、浪费严重。其结果是，存储在云空间的数据越来越多，需要支付越来越高的云空间使用费，而企业却不能因此提高经营管理水平。 二是不少企业过分热衷于对“模式”的研究，如赚钱的模式、套牢客户的模式、业绩倍增的模式等，这个大家都喜欢听、喜欢学、喜欢做，但对技术、产品的研发投入严重不足。 三是许多企业有精英主义倾向，重管理层培训，轻班组长和一线员工培养。其实，这是一个严重的认知误区，特别是对制造业企业来说，基层特别重要，因为产品质量、生产成本、订单交付和安全管理等，终究都是由班组长和一线员工决定的。 还有重管理培训，轻能力训练；重绩效考核，轻过程改良等许多问题。 《企业家》：您提到了班组长和一线员工的重要性，现场管理是各项专业（质量、设备、安全、定置、工艺、成本、生产等）管理的交叉点和落脚点，而班组长是最重要的现场管理责任人，所以企业要充分发挥他们的作用。在做咨询过程中，企业的最大诉求是什么？ 刘承元：企业在接受咨询的时候，往往都比较急功近利、急于求成。其实，企业家以结果为导向并没有错。但是，我们在长期精益咨询实践中发现，企业经营就像种果树，如果我们顾问只是帮助或指导客户干一件摘果子的事，那我们的工作就是不完整的，价值也不是最大的。后来，我们告诉企业，摘果子固然重要，但在摘果子的同时，更重要的是研究如何让企业这棵果树生长得根系发达、树干粗壮、枝繁叶茂。这是企业可持续发展的关键。 我们认为，做精益管理咨询，一定要帮助客户做好“激活组织、造物育人、创造利润”这三件事。我把它称之为精益“12字方针”，它是3A顾问帮助客户成长、追求客户价值最大化的一根准绳。激活组织，指的是营造氛围、激发活力、欣赏激励和净化组织等，就好比改良土壤、浇水施肥和中耕除草，工作的重点是在果树的根部下功夫；造物育人，指的是造物系统和育人机制建设，好比修枝剪叶，力争树干粗壮、枝繁叶茂；创造利润，指的是经营有成果，好比种果树收获累累硕果。只要企业管理者能够深刻领会这“12字方针”，从利润规划出发，激活组织、造物育人，创造利润就是水到渠成的事情。 有人或许会说，利润可以衡量，激活组织、造物育人却没法衡量，其实不然。比如衡量组织是否被激活的最重要指标是，人的积极性是否提高了。人的积极性又如何衡量？我把员工积极性分为两类，一类是劳动积极性，即员工主动付出劳动的意愿和行动；另一类是工作积极性，即员工主动付出智慧的意愿和行动。也就是说，主动发现问题并想办法解决问题的员工，就是有工作积极性的员工。我们可以用员工精益改善的数量、发明创造的数量来衡量员工的工作积极性，用改善参与率来衡量一个团队的工作积极性和组织激活的程度。 《企业家》：“精益造物育人机制理论”是您的首创，它的主要内容是什么？ 刘承元：“精益造物育人机制理论”是一项源于实践、高于实践，又可以用来指导实践的思想理论体系。它通过把企业经营架构分为“造物系统”和“育人机制”两个板块，并结构化地描述了两个板块之间相互生发、动态提升的关系，阐释了造物先育人的精益理念。其中，育人机制包括七个方面的内容：一是素养提升机制，旨在革新员工意识，培养员工养成良好习惯；二是员工成长机制，旨在建设学习软硬环境，引导和激发员工自主学习；三是氛围营造机制，为员工提供展示舞台，促进形成比学赶帮超的良好局面；四是现场上台阶机制，推动以班组为主体的持续改善活动；五是个人微创新机制，激发员工善意，促进全员参与改善；六是绩效大课题机制，组织骨干员工，推进旨在提升企业经营效益的课题管理活动；七是利润经营机制，旨在帮助企业进行盈利分析，制订并实施战略规划、经营计划等。 而“精益造物育人机制理论”中的造物系统，内容涵盖研发管理系统、制造管理系统、销售管理系统，以及采购、人资、财务等其他辅助职能系统。 造物系统和育人机制到底有怎样的关系？可以借用一个比喻：造物系统是船，育人机制是水，水涨就能船高。只要持续运营和优化育人机制，造物系统的管理水平就能够得到不断提升。 3A顾问的“精益造物育人机制理论”其实也适合各行各业，包括政府部门和社会组织。因为这个理论重点讲的是育人，也就是说在组织运营中，如何培养人，它有一套标准化、机制化运营的方法。比如说培养人，首先要提高人的素养，不论政府官员，还是工厂员工，都需要提高素养。另外，各行各业都要打通干部员工职业发展通道。企业员工可以从一线岗位做到做班组长，再到主管、经理，最后做到总经理，这些培养人的工作，我们都有标准化方法，并主张进行机制化运营。 推进精益，组织保障很重要 《企业家》：精益管理是比较复杂的综合性管理工作，企业如何从组织上保证这一工作得以有效开展，并保持团队参与改善创新的热情？ 刘承元：很多精益管理课题涉及跨部门、跨职能的问题，它是一个复杂的系统工程，没有组织推动通常是做不好的。另外，人有惰性，组织也有惰性，挑战自我、自我革新是反人性的。所以，为了促进组织协同、打破组织惰性、保持员工参与热情，企业必须成立一个专职精益推进部门，为精益管理工作的有效开展提供组织保障。这个精益推进部门也可以称作经营革新部，其成员是专职的，规模小一点的企业2～3人，规模较大的可以是4～5人或者更多。 有的企业把精益推进办公室定义为临时性组织，或者挂靠在某职能部门之下，我不太赞成这种做法。因为这样一来，精益推进的职责和力量会被弱化，不利于活动的推进。所以我们建议客户，要成立专门的精益推进办公室，或者直接升级为经营革新部，有了这一定位，部门职责才能明确，且没有退路，必须全力以赴。 除了成立推进部门，我们还要求企业各部门推荐若干名兼职精益推进先锋，他们是对改善、革新特别投入的一群人，可以成为精益改善的标杆和样板。 《企业家》：您怎么看行业经验在精益管理咨询中的作用？ 刘承元：经常有客户问我，有没有某某行业的行业经验？如果没有，他就会有所顾虑，甚至怀疑，外行怎么能够指导内行呢？其实，这种担心是不必要的，因为不管哪个行业，管理是相通的。当然，懂行和不懂行之间有一个小小的区别，懂行的话，发现问题和找到对策的速度会快一些。但是，即便我们没有行业经验，凭着顾问老师在长期咨询实践中练就的洞察力和掌握的方法论，了解并熟悉一个行业的流程特点易如反掌。从这个意义上讲，行业经验并不重要，但有一样东西很重要，就是顾问老师有没有在优秀制造业企业中历练过。我经常说，管理需要审美，而管理审美能力需要见识、历练的日积月累，如果没有，很难帮助企业解决实际问题并成为合格的精益顾问。 《企业家》：企业推行精益管理，需要企业家把方向、做系统、建机制。在这方面，您对企业家有什么建议？ 刘承元：我们有一个价值主张叫作“精益即经营”，这个主张需要我们慢慢去宣导。之所以倡导这个理念，原因在于，一方面，国内许多企业错以为绩效考核就是绩效管理，而在自上而下的绩效经营和自下而上的绩效改善两个重要方面都有研究不足或用力不够的倾向。另一方面，我们倡导的精益管理，能够覆盖企业经营的方方面面，包括战略规划、战略落地和持续改善等多方面的内容。所以我们认为，只要能够按照3A顾问的方法去做好精益管理，企业就可以将精益和经营合二为一，实现激活组织、造物育人和创造利润的目标。 在做精益的过程中，企业家应如何把方向、做系统、建机制呢？我的理解是，企业家在把方向之前，要有主动革新的坚定意志。当然，找顾问做咨询，是企业家主动革新的重要标志。首钢股份、中粮集团与3A顾问合作十年以上，水晶光电、佳联印染和凯信重机等上市公司或优秀民营企业与3A顾问也合作多年，所以这些企业基本上是视精益为经营的标杆和样板。 把方向，就是让精益改善的方向指向企业经营的重点，甚至涵盖企业经营的全部。刚才讲精益即经营，就是说产品研发要精益、市场营销要精益、生产过程要精益，设备、人资、财务、行政管理等也要精益。 做系统，就是通过精益改善，不断建立、健全和完善造物系统，包括研发管理系统、产品生产系统、销售管理系统等，以持续提升这些系统的能力水平。 建机制，主要包括三个方面：一是导入精益改善机制，包括利润经营机制、员工微创新提案机制、现场上台阶改善机制和绩效大课题管理机制。二是建立激励机制，包括对利润经营、员工创新、现场改善、绩效提升等活动和成果进行评价奖励，并研究与人资政策联动，与员工工资、晋级挂钩的策略和方法等。三是建立氛围营造机制，通过实施多种形式的活性化方法和手段，促进员工参与创新改善。可见，建机制的内容相当丰富，而3A顾问在这方面拥有大量成功经验。 进取的精益中庸之道 《企业家》：一提精益管理，有些人会将其与工厂现场的各种改善、消除浪费等联系在一起，认为它只跟生产有关，这是一种刻板印象。其实丰田公司在产品研发阶段就开始推行精益管理了，在设计阶段就考虑产品的可制造性、可维修性、可检验性等。这对中国企业有什么启示？ 刘承元：绝大多数人一提到精益管理，都把它与工厂改善、节流降本联系起来，很少涉及研发怎么做精益管理，营销怎么做精益管理。 精益管理需要遵循两个重要原则：第一是自働化，这个“働”字意指拥有人的智慧。它是从研发、工艺、供应、物流、检查、生产和交付整个流程中，寻找防呆纠错的机制和方法，追求产品的零缺陷。而且，越是在源头找到自働化方法，后续流程的犯错风险越小、管理成本越低。在整个流程源头的研发阶段，进行自働化设计，从产品全生命周期成本最低以及环境友好的角度出发，进行可制造性、可检验性、可维修性和可回收性设计，这就是精益研发的精髓。可制造性设计，是指设计阶段就要考虑加工装配作业简单、高效和质量易保障。同样，可检验性、可维修性和可回收性，是指在研发阶段就要对产品检验、维修保养以及拆解回收的便利性和可靠性进行保障。 第二是准时化。就是要通过全流程改善，持续提升设备、流程、工艺、质量的可靠性，缩短作业周期，追求信息流、实物流无停滞快速流转，以实现最高效率、最低成本、最好效益。精益思维告诉我们，流动创造价值。 《企业家》：您讲的源头管理，与古人讲的“上医治未病”有异曲同工之处。这是一种辩证思维，精益管理需要辩证思维。 刘承元：是的，精益管理处处需要辩证思维。我倡导的三大精益战略思维就是一个例证。我认为，精益中既要关注节流降本，又要关注开源增效；既要关注变动成本，又要关注固定成本和隐性成本；既要关注资源价格，又要关注资源效率。 我们还提出了一个新词，叫作“进取的精益中庸之道”，隐含维持和改善的辩证思维。比如，库存和订单交付是一对矛盾，通常都处在一个相对合理的水平上。我曾跟一位企业家说，你现在的库存是30天，订单交付达成率是80%，库存能否减少？他说减不了，如果减了，订单交付会更糟糕。我说可以减，条件是你的团队要跟着顾问老师做精益改善，把各部门作业周期缩短，就可以做到既降低库存数量，又提高订单交付达成率。 果然，这家企业通过半年的改善，库存降到了20天，订单交付达成率提高到90%的水平。同样的改善再循环一次，库存降到了15天，订单交付达成率提高到95%的水平。在精益实践中，我们主张不能放任问题的存在，也不能放任矛盾体的低水平平衡，而要通过持续不断的精益改善，主动打破低水平的旧平衡，追求高水平的新平衡，这就是进取的精益中庸之道。 在现实中，这样的矛盾体还有许多。比如，质量和成本；提高员工待遇和降低运营成本；提高产能和减少人工。这些矛盾体的要素之间，都维持着一定的平衡。如果对这些看似平衡的矛盾体放任不管，企业竞争力水平就无法得到提高，企业的生存和发展就会面临挑战。 怎么办？优秀团队都在学精益、做精益，并能秉持进取的精益中庸之道，直面问题，积极改善，打破低水平的旧平衡，追求高水平的新平衡，不断提升企业竞争力水平。如此，中国制造业企业定能越做越好，中国制造定能越做越强。

感谢分享！！！

感谢分享

感谢分享