数字化转型，组织架构先行
原创作者：吴穹
在为企业提供咨询的时候，我们常常会遇到这样的情况：
每每询问起组织结构时，对方就开始拉来大白板——“我给你大致画一个吧，本来是xxx样的，但是年初战略调整，变成......”；又或者——“我们系统只能看到一级部门的，我给你画个详细的......”
再问到人员分布时，对方于是——“大概xxxx人，但是不准确，人员进进出出的，我们也没办法每天去统计，每次报人数上上下下也是大费周章的......”；
于是，我们就拿到了一个「马马虎虎的组织结构」和一个「差不多的人员分布情况」。
是不是听起来就不太对劲？但是，很遗憾，这就是现实——在许多大型组织中，人数查不清、结构在变化，计划跟不上变化，系统里面的架构和人员信息往往和实际情况不符合。
在组织推进数字化转型之前，因为组织里面很多决策都是定性决策（通常不涉及太多准确的数据支撑），这种现象相对还可以忍受，无非就是整个组织低效一些。但是，当组织进行数字化转型时，需要组织进入数字化管理阶段时，组织结构没有准确数字化就会是一个严重问题，会导致组织管理数据不准确，严重影响数字化转型的效果。
在本文中，我们首先将分析大型组织的实际架构特点；以及为什么现有很多管理工具无法准确描述大型组织的架构；进一步详述由于组织架构未能完全数字化所引发的一连串负面影响；最后我们将介绍爱捷软件的知微管理工具是如何有效解决组织架构数字化问题的，与此同时，又为企业创造了哪些管理便利性与组织价值。
根据管理学原理，大型组织必然是多维和分层的。当组织成长到一定规模，管理目标开始分化与多元——短期目标、长期目标，所以组织就会呈现多维的特征，让不同的团队负责不同的目标。与此同时，受人的管理半径所限，随着组织规模的扩大，也会逐渐形成分层。例如，军队当中的，一个班12个人是一个基层管理单元。一个营1000人就是一个可以负责独立作战的智慧单元。
为了便于读者们理解多维组织，我们借助军事领域中的概念来解释，因为许多现代企业的管理理念和方法与军事领域的管理逻辑是殊途同归的。
我国国防部在其官网发布的《决定军队未来关键一招——关于深化国防和军队改革》一文中谈到：
“按照军委管总、战区主战、军种主建的总原则推进领导指挥体制改革......这个总原则，着眼于克服长期以来我军作战指挥和建设管理职能合一、建用一体体制的缺点和不足，使作战指挥职能和建设管理职能相对分离，把联合作战指挥的重心放在战区，把部队建设管理的重心放在军兵种，着力构建中央军委-战区-部队的作战指挥体系和中央军委-军种-部队的领导管理体系，让战区和军兵种在中央军委统一领导下各司其职、各尽其责。”......
在上文中，我们可以看到，在组织建设的初期，可能有一些长期职责（建设管理）和短期职责（作战指挥）往往是合一的，这样组织架构会比较简单。但是，随着组织规模的成长，如果不逐渐厘清管理维度，就容易造成职责不清，发展不利的状况。
与军队管理的思路类似，企业组织规模达到一定程度之后，也需要进行多维管理。企业组织原有的职能线（业务团队里面的销售、风控、运营、法务等；研发组织里面的核心开发、渠道开发、测试等）就类似军队的兵种，他们需要继续承担组织对其成员长期能力建设和领域专业能力建设的职责，企业需要给予不同岗位专业的培养与提升通道（兵种建设）。
另一方面，企业对内的管理也要兼顾客户价值的高效交付。不同岗位与专业背景的成员为了组织各个战略目标，构建直面客户价值交付的多职能交付团队，共同参与到各项任务中，促进跨团队、跨地区、跨条线、跨职能的协作提效。（与兵种相对应，这里我们将之比喻为“战区”，不同的兵种在一个战区集中备战）。
目前，在许多数字化转型组织里面，在使用部落制、融合创新团队的提法，就是承袭这个设立战区的思路。这种战区制、部落制和之前横向拉通的项目制的差别在于这些战区和部落组织是更常态化的组织，项目就像一场战役，一个短期概念，而战区部落是一个常设组织。
至此，我们可以看到，规模化组织在发展到一定阶段之后，多维组织管理就会成为一个必选题。而多维组织的数字化转型就对管理工具提出了更高的要求。
上面我们论述了规模化组织必然是需要多维管理的，但是，由于人的管理半径有限，为了有效管理，在不同维度上大型组织必然是分层的，这其实不难理解。但是，这里需要注意的是，每一个维度上都需要进行合理一致的分层，并明确每一层组织的职责。
在军队中也有不同的分层设置：
班，一般是8到15人，是一个基本的人员管理单元。
排，一般为25至60人。由若干个班组成，是一个战术单位。
连的人数大约在80-150人之间，是一个更大规模的战术单位，一般用于完成特定战斗中的军事或勤务任务，比如攻陷某一个高地和山头。
而营约300至1,000人，由若干个连组成，营就是一个战役战术单位，在司令员的地图上最小的单位就是营。
因此，我们看到，对大型组织而言，每一个维度的分层组织，都应该有明确的原则和目标。这样才便于，我们激活授权各层组织，将管理力量传导到一线。
解释清楚了规模化组织多维分层的组织架构要求之后，下面我们再来分析一下，为什么目前大多数管理工具很难呈现多维分层的组织架构。
为什么目前许多组织的真实架构未能完全线上化呢? 这是因为大部分企业的管理工具只支持管理单维度的组织，如下图所示。
然而真实的企业组织是复杂、多维的——既有例如「部门-科-室」一类的主干架构（比如xx业务部、xx事业部、科技部以及其下设的科室），同时，有「项目集-项目-子项目」一类的辅助架构（比如三年xx战略项目），还有「部落-小队」一类的常设交付架构（比如，与某个业务产品相对应的xx交付团队）。
由于工具只具备一维组织架构能力，那么，就需要通过一些降维映射的方式将多维组织架构压扁到一维组织架构上，并列展示。例如，组织架构树第一个节点是部门，下面放第二级所有部门，第三级放所有科室。而第二个节点放部落，第二级放所有敏捷融合部落，第三级放所有敏捷小队。
由此可见，目前组织内管理多维组织的能力不足，目前许多组织只能将多维组织压扁到一个一维组织树里面来进行低维管理。但是，这样会带来什么问题呢，让我们继续推演。
被压扁的组织架构树，在第三级节点，有一些是科室，有一些是小队。当我们只需要计算科室或者小队的一些数据时，组织架构树上需要有一些标签，或者下游系统利用一些特殊规则来获取科室和小队的数据。与此同时，由于历史原因，组织架构上往往又存在一些特例，例如，某个科室要按照部门来管理，某个部门要按照科室层级来管理，总行直属分行既要按照总行直属部门管理，又要按照分行来管理，等等。这些例外情况让上面这些标签和特殊规则变得额外复杂，打标签不仅很复杂、不起作用，甚至可能出错，而影响了数据可用性。
此外，组织是动态变化的。「部门-科-室」这一类主干管理架构，通常较为稳定，大面积调整相对低频，尤其是在大型的金融机构中，这是其业务性质决定的。但是，项目、部落这些辅助和交付类的架构，往往需要高频、灵活地调整。此时，以低维度的方式管理高维度的组织，其办法是以“打补丁”的形式去执行各项额外附加的细则。
在静态架构下，打标签已然是一件吃力不讨好的事。而打补丁作为一种动态情况的补充，就是在摇摇欲坠的大楼上再胡乱码砖的行为。
如「带xx标签的纳入某个统计口径」、「20xx年之前，xx业务排除在统计口径之外」等。一调整，所有的报表，与其关联的管理逻辑都需要跟着改变。日积月累，补丁满天飞，很难管理起来，但是却在影响着系统的运行。并且，层层嵌套和关联之下，出现问题找不到原因，无法解决。到最后，不敢调，也根本调不动了，也就无法满足组织一些辅助架构需要灵活调整的切实需求。
更严重的问题是，由于这个被降维的组织架构树是很多下游系统的数据源，层层逻辑和程序的嵌套之下，一旦主干架构稍有调整，下游的系统就统统停摆，因为程序写死了。某家金融公司就曾有过这样的经历——前一天微调了组织架构，次日系统的业绩报表就全部报错，无法使用。这是多维组织架构数字化程度不足埋下的巨大危害。
如前所述，目前企业在组织架构数字化的过程中，普遍存在的问题是组织架构不完全数字化，由此也带来了一系列隐患。所以在组织架构数字化不足的企业中，我们会看到，为了尽量拿到相对可用的数据，避免组织决策风险，需要花费大量的人力资源去手工统计、做数、报数。
同时，随着现实中组织架构和流程的不断演进，一涉及变动，许多管理工具就需要进行再编码和更改，不仅需要耗费大量时间，而且效果往往不尽如意。于是企业往往就沦落到「一提需求就要改很久，改完还不能用，索性不提了，姑且对付用用，于是，数字化的结构不真实、数据不准确、无法度量、无法改进」的窘境。
多维组织架构未能数字化，造成了数据精准统计的巨大成本。这样不断变化的组织，就意味着一直不准确的数据。这给组织数字化转型带来了巨大的挑战，因为数据在组织内流转时会面临两头模糊的问题：来源不清、去向不明。问题出在哪里说不清、决策给谁说不清、效果如何说不清。因为组织架构既是数据的生产者，也是数据的消费者。
组织架构作为承载战略落地和具体任务的单元，如果组织架构本身都是不准的，那在这基础上所产生的数据显然也一定是不准的。例如，只有树状的职能架构，没有面向交付、项目的架构，就很难基于交付组织、项目组织去沉淀数据，更没有办法基于数据进行改进。
测试人员三三两两被分到不同的项目、小队当中去。当企业想了解不同小队的测试质量时，理想情况下，应该区别不同小队各自的测试情况。但是因为组织架构未能完全数字化，仅仅有一个传统测试部门笼统的数据。根据这样的数据，管理者完全无法分辨出不同小队工作质量的高低，这就是来源不清。
而假设管理者观察到某个小队的产出质量不佳，需要让团队意识到这个测试质量问题，但是因为这样的组织架构没有数字化，管理者无法精准地将这个改进决策传递到对应的小队，如果强加到大的模糊的团队中去，往往起不到作用，甚至会有负面影响。也就是数据的去向不明，很难追踪效果和反馈。
组织架构未能被准确表达，任务就无法顺利分配到某个事实上存在但是系统上难以表达的组织，也就无从为这个组织来形成任务管理视图，也就无从为这个组织产生有效的度量数据，也就无法帮组织实现数据驱动的进化。
这也是为什么许多组织在做效能、做度量过程当中，发现困难重重的一个很重要的原因——人不准、结构不准、数据也不准。以不准确的数据作为输入去做度量，其输出的结果必然是不准确的，也就没法用于组织改进。
在数字化组织中，数据是支撑管理和决策的关键要素。倘若没有数据，管理者更多依赖经验和直觉进行决策，这意味着要冒更大的风险。而如果数据不准，管理者可能被误导、蒙蔽，影响判断，做出不恰当的决策，进一步带来决策风险。
区别于大多数以低维去压缩复杂多维组织的工具。知微的策略是通过多维建模，还原每一个企业真实的架构状态。在真实合理的架构之上，去实时维护价值流、工作看板、度量看板等信息。
知微支持定义多维的网状组织架构，还具备响应新增组织线以及组织架构调整的能力。既能适应组织确定性高、可预测性强的领域；也能满足不确定领域，应对需求探索以及实验来解决的新问题。随着时间推移，支持组织灵活演进，解决组织架构与业务发展的适配问题。
在知微工具的支撑下，复杂多变的组织结构被真实地呈现出来了，组织结构实现了可视化。仅仅是「看见」本身，很多问题就一目了然了，可以快速帮助管理者解决许多在「不可见」情况下难以描述的痛点。
组织结构清晰了，在此基础上知微支持将人分配到多维组织结构当中，这样人数也查得清楚了。
（图：知微组织人力资源大屏）
组织清晰明了，资源分布也一目了然，有利于企业更高效地分配任务。知微支持将任务直接分配到多维分层组织的节点上。
（图：任务分配时直接关联到小队）
不同层级的组织可以建立自己的菜单入口和专有视图，每个多维分层组织节点都可以形成自己的任务看板，实时关注任务进度，促成目标达成。
（图：团队任务分配视图）
（图：小队任务看板视图）
在此基础上，不同层级的管理者便可以对肉眼难以甄别的知识工作者真实的工作现场进行还原——目标的执行情况、任务的流转快慢、价值交付的周期长短......真实的数据也开始产生、留存。
进一步，知微还支持为多维分层组织形成度量指标体系和度量数据大屏，内置的度量分析能力帮助企业实现数据驱动改进闭环——这是企业数字化转型的里程碑式的成果。
（图：知微度量指标体系）
（图：知微度量数据大屏）
知微工具将多维分层组织的每一维、每一层的组织及其成员视为一个组织生命体，具备能动性和演进能力。
企业管理者可以将任务分配给组织生命体，不同组织生命体之间也会互相分配任务。每一个生命体组织都可以利用可视化看板在其内部来分配任务，并能灵活地与其他生命体进行协同和互动。
再叠加度量大屏，可供管理者观察整个组织生命体的运行情况，并督促组织生命体自主改进。
如此一来，原来的大型机械化组织就转变为高度互联的、多维网状、分层鲜明的组织，数据成为组织间流动的血液和能源，驱动组织循环与改进。
对于管理者而言，管理有了具体的、可视的抓手，能够掌握对组织宏观资源的分布调配，提升资源效率；对于执行者而言，数字化的组织便于跨团队跨职能之间的协同，提升价值流动效率。
企业的战略就在这样的过程中，逐步被分解、消化和落地，企业目标也在一步步达成。
文末小彩蛋：
很多大型组织的单维职能型组织架构树已经对接了很多外围系统，短期也难以改造，这是很多企业面临的现实状况。为了解决这个问题，Agilean在构建知微工具时，提供了多维分层组织的建模能力，可以在原有实体组织架构基础上，先精准结构化叠加反映数字化组织实际的多维分层组织架构，并可以零代码实时不断演进。
简单来讲，不必推翻重来，从零开始，这对企业来讲时间等各项成本太高。知微可以柔性地贴合组织的现状，嵌入其中，进行数据清洗，为企业提供可用的真实数据。
添加官方小助手，即刻试用知微👇
