【読書メモ】ハーバード・ビジネス・レビュー 2022年10月号
デジタル成熟度の5つの段階
トラディショナル
- サイロ化した事業部門
- ローカライズされたアプリケーションおよび意思決定
- サイロ化したデータ
- 事業部門単位の機械学習モデルブリッジ
- 中央集権型のデータおよびサイエンスチーム
- アジャイル開発チーム
- 弾力的に規模拡大可能なクラウドベースのデータプラットフォーム
- 社内でデータを共有するためのAPIハブ
- 事業部門間でリアルタイムに知見を共有
- 会社がアプリを所有
- 統合されたモジュール形式のデータプラットフォーム
- 高度化かつ自動化された機械学習モデルプラットフォーム
- 分散型イノベーションとシチズンディベロッパー
- 整合性のあるアーキテクチャーと統合されたAPIによるソフトウェア・データ・AIの統合基盤
- 高度なAI開発能力ネイティブ
- 極めて深いAIの専門知識と結びついた民主的でデータ主導型のイノベーション
- 最適化され高度に自動化された機械学習技術
業種別の特徴
- トラディショナル
日用消費財
- ブリッジ
電子部品、機械産業、製薬、小売
- ハブ
製造業、金融、医療機器、ハードウェア
- プラットフォーム
ヘルスケアサービス、航空宇宙
従業員教育プログラムを成功させるための6要素
全社的な教育の目標を定める
すべての職務の従業員をカバーする学習機会を設計する
オンラインでの提供を優先し、それによって学習規模を拡大可能にし、誰もがアクセスできるようにする
キャンpーんや報酬、インセンティブなどを通じて、従業員に学習への意欲を持たせる
マネージャーが教育内容をしっかりと理解し、部下たちに効果的に動機付け、導けるようにする
デジタルの要素があるプロジェクトや、実践的な学習機会があるプロジェクトに参加するよう、従業員を促す
データグラフ戦略
データグラフはグローバル企業で積極的に活用されている(ex. Google, Facebook, Amazon, Netflix)。彼らはリアルタイムに顧客行動を分析し、リアルタイムでA/Bテストまで実施している。
データグラフ活用入門
1. データグラフ戦略の策定
データグラフの概念化、今後の道筋の検討
2. 独自アルゴリズムの開発
単独の分析は不適切。データグラフ基盤の進化。他社のアルゴリズムはしっかりとベンチマークとして活用
3. 信頼を生み出す
4. 組織の刷新
問題解決においてデータとアルゴリズムが最高と考える一派 vs そうではない一派
5. データグラフの収益化
変革に必要なのは、権限よりもリーダーシップ
意欲のある過給管理職はもっと大きな権限を得るための昇進を願う、他方上級管理職は現に持っている権限の小ささに不満を感じ、もっと大きな力がほしいと思っている。→この限り、彼らの悩みは解消されない
本当に変革を起こすためには、部下を管理する必要はなく、エンパワーすればいい。
集団バイアス
アッシュチャートの例(同調圧力)イノベーションの普及モデル(エレベット・ロジャーズ)
重要な意思決定をする機会は優れたマネージャーでも片手で数えるほどの回数しかなく、残りは部下に任せるしかない。組織のパフォーマンスは最も能力の低いメンバーによって決まる。ならば、リーダーとしては、彼らが正しく働けるようにマネジメントすることである。
変化を起こすためには、常に権威よりリーダーシップが必要。尊敬されている人は、混乱より安定を好む。現状維持を恐れるのは、そこに居場所がないものであり、イノベーションに必要なのは、居場所のない不適合者を味方につけることである。
同僚との関係性を戦略的にマネジメントする方法
職場で活躍できるのは、どのように同僚と協力できるか、競争するか、その両方を知る人たちである。彼らはリスクやトレードオフを慎重に検討し、いつ袂を分つべきかを冷静に判断できる
利害が共通し、特定の目標の達成に向けて強調する場合、人間関係がポジティブになる→最善の関係
二人がほぼ独立して仕事をする関係→ポジティブとネガティブの中間の関係
キャリアの成功は他のスキルと同様に関係性のマネジメントにかかっている
この記事が気に入ったらサポートをしてみませんか?