认同和确定性矩阵（Ralph Stacey's Agreement and Certainty Matrix）-译

基本概念:
这是一个在复杂的、自适应系统中选择恰当管理行为的方法，该系统是基于所涉及问题的确定性程度和认同级别的。
潜在使用场景:
• 为特定的问题或决策选择管理或领导方法。
• 制定一组决策（或大家的日程）的意识。
• 与人沟通，为什么特定的方法是合适的。
• 当需要创新和创造性选择时，这个矩阵可以用来有意地增加不确定性和不认同，从而把系统轻推到混乱的边缘。
描述:
管理和领导的艺术是拥有一组方法，并且知道什么时候用哪个方法。Ralph Stacey 提议了一个对管理艺术有帮助的矩阵，这个矩阵在两个维度上识别管理决策：确定性程度和认同级别。

我们来仔细看一下这两个维度。

接近确定性: 当因果关系确定时，问题或决策也接近确定性。当过去一个相似问题或决策发生时，通常是这样的。人们可以非常确定地从过去推断和预测行动的结果。
远离确定性: 确定性连续的另一端是远离确定性的决策。对决策制定者而言，这些情况常常是独特和新颖的。因果关系不是很明朗。从过去的经验推断，在远离确定性的范围预测不是一个良好的方法。
认同: 竖轴代表团队或组织内关于问题、决策的认同级别。和预想中的一样，依赖于问题的认同级别，管理或领导职能发生变化。

接下来描述该矩阵中不同的区域：
1. 接近认同，接近确定性（Close to Agreement, Close to Certainty）
2. 远离认同，接近确定性（Far from Agreement, Close to Certainty）
3. 接近认同，远离确定性（Close to Agreement, Far from Certainty）
4. 混乱：远离认同，远离确定性（Anarchy: Far from Agreement, Far from Certainty）
5. 混乱的边缘（The Edge of Chaos）

1) 接近认同，接近确定性（Close To Agreement, Close To Certainty）

许多管理文献和理论都是解决这个区域的问题。在该区域里，我们使用从过去收集数据的技术并用之来预测将来。我们规划实现成果的具体行动路径，并且监控实际行为和计划之间的不同。在这个区域里，对问题和决策的管理实践是正常的。它的目标是重复工作，提高效率和效益。

2) 远离认同，接近确定性（Far From Agreement, Close To Certainty）

有些问题非常确定，但有很大的不认同级别。计划或共同的使命在这种场景下可能没有用。相反，策略变得很重要。联盟的成立，谈判和妥协，这些方法用于创建组织的议题和方向。

3) 接近认同，远离确定性（Close To Agreement, Far From Certainty）

有些问题有很高的认同级别，但因果关系不是很确定。这种情况下，根据预定义的计划进行监控将不会工作。共同使命或愿景的强烈意识可以替代计划。我们不是和计划进行比较，而是和组织的使命与目标。在该区域里，尽管无法提前定义具体的道路，我们的目标是朝着商定的未来前进。

4) 混乱：远离认同，远离确定性（Anarchy: Far From Agreement, Far From Certainty）

高度的不确定和不认同，常常的结果是故障或混乱。在这个场景下传统的计划、愿景和谈判是不够的。应付这样场景的个人策略是尽量躲开——避免高度不确定性和不认同。然而短期来看这可以是保护性策略，长期来看将是灾难性的。组织应该尽可能的避免进入这个区域。

5) 混乱的边缘（复杂的区域） The Edge of Chaos (The Zone of Complexity

这个图上在混乱和传统管理方法之间有大块的区域。Stacey把这个区域称之为复杂区域——其他人称之为混乱的边缘。在这个复杂的区域，传统的管理方法不是很有效，然而这是一个高度的创造性，创新以及打破过去创造新颖运营模式的区域。
作为学校的教授，我意识到我们花了大量的时间传授如何管理区域 (1) (2) 和 (3)。在这些区域里，我们介绍这样的模型，从过去的经验推断以及用之预测未来。在传统模式下这是良好科学的特点。当我们传授方法、技术甚至区域(4)里的角度的时候，这些模型好像是“柔软的Soft”并且缺乏预测性也是个问题。
我们需要强调的是，组织的经理和领导需要有不同的方法来应付不用的场景。Stacey's 矩阵不仅认可我们已经学会的知识，而且促使我们更加自信地进入某些直观理解的区域，但这些区域我们还在犹豫是否进入，因为它们看起来不像那么“坚实的solid”。

反思:
使用该矩阵之前：你的组织面临着复杂级别（或认同、确定性的程度）的多样性吗？你有足够的方法以应付这些不同的突发事件吗？
使用该矩阵之后：你是如何调整这个方法去制定你自己的呢？

认同和确定性矩阵（Ralph Stacey's Agreement and Certainty Matrix）-译相关推荐

R语言自定义多分类混淆矩阵可视化函数（mutlti class confusion matrix）、R语言多分类混淆矩阵可视化
R语言自定义多分类混淆矩阵可视化函数(mutlti class confusion matrix).R语言多分类混淆矩阵可视化目录
R语言使用as.vector函数将矩阵数据转化为向量数据（matrix to vector）
R语言使用as.vector函数将矩阵数据转化为向量数据(matrix to vector) 目录 R语言使用as.vector函数将矩阵数据转化为向量数据(matrix to vector)
python矩阵reshape_[LeetCode Python3]566. Reshape the Matrix(重塑矩阵)
在MATLAB中,有一个非常有用的函数 reshape,它可以将一个矩阵重塑为另一个大小不同的新矩阵,但保留其原始数据. 给出一个由二维数组表示的矩阵,以及两个正整数r和c,分别表示想要的重构的矩阵的 ...
矩阵指数（The Exponential of a Matrix）
矩阵指数本人另一篇相关博客:3Blue1Brown系列:e的矩阵指数解有两种形式: 1.特征向量的线性组合 2.eAtu⃗(0)e^{At}\vec{u}(0)eAtu(0) 用新形式 eAtu⃗ ...
Python - pyradiomics - 邻域灰阶依赖性矩阵特征（Neighboring Gray Level Dependence Matrix Features）
文章目录 1. X Dependence Emphasis (1) Small Dependence Emphasis (SDE) (2) Large Dependence Emphasis (LDE ...
OpenGL学习: 投影矩阵和视口变换矩阵(math-projection and viewport matrix)
转自:https://blog.csdn.net/wangdingqiaoit/article/details/51589825 本文主要翻译并整理自 songho OpenGL Projection ...
OpenGL投影矩阵与相机模型（Set Projection Matrix for Pinhole Camera Model）
出处:http://oliver.zheng.blog.163.com/blog/static/1424115952013349234838/ (转载自"结冰的雪"百度空间) 目的 ...
UA MATH567 高维统计III 随机矩阵7 亚高斯矩阵的应用：Stochastic Block Model与社区发现问题描述
UA MATH567 高维统计III 随机矩阵7 亚高斯矩阵的应用:Stochastic Block Model与社区发现我们来介绍亚高斯矩阵的一个应用:评估社区发现算法的效率.Community ...
LeetCode简单题之托普利茨矩阵
题目给你一个 m x n 的矩阵 matrix .如果这个矩阵是托普利茨矩阵,返回 true :否则,返回 false . 如果矩阵上每一条由左上到右下的对角线上的元素都相同,那么这个矩阵是托普利 ...
【CV】Numpy|Python中矩阵和数组乘法及向量相关问题
在numpy中一维数组不是向量,但可以通过reshape转换成行向量或者列向量 Numpy库学习--向量表示_o_Eagle_o-CSDN博客一维数组左乘矩阵时,把数组看做行向量一维数组右乘矩阵 ...

认同和确定性矩阵（Ralph Stacey's Agreement and Certainty Matrix）-译

认同和确定性矩阵（Ralph Stacey's Agreement and Certainty Matrix）-译相关推荐

最新文章

热门文章