复杂领域的Cynefin模型和Stacey模型
最近好奇“复杂系统”,收集了点资料,本文关于Cynefin模型和Stacey模型。图文转自互联网后稍做修改。
Cynefin模型提供一个从因果关系复杂情度来分析当前情况而作决定的框架,提出有五个领域:
- 当因果关系显然而见时,是简单的情况(simple),处理手法为"感受-归类-反应" (Sense-Categorise-Respond)
- 当需要专家作出分析的情况(complicated),处理手法为"感受-分析-反应" (Sense-Analyze-Respond)
- 如果因果关系只能从检讨中反映出来(complex),处理手法是"试探-感受-反应" (Probe-Sense-Respond)
- 完全没有任何因果关系的混乱情况(chaotic),需要的是"行动-感受-反应" (Act-Sense-Respond)
- 如果连是属于以上哪个情况都不清楚的,这是一个无序的状态(disorder),等待参与者把情况安稳至上面四个其中之一的情况。
Stacey模型提出的情况是在不同的同意程度(agreement)和对情况肯定程度(certainty)相比,用作把项目开发复杂性的分类。
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。
当项目很一致而很清晰时,这是一个很规律(order)的状态
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。
当项目清析但未能同意如何执行甚至方向也不能定下来,这情况是政治(politics),重要的是如何协调及妥协
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。
当项目方向等都很一致但对于做什么不是很了解时,列作为宗教(religion),重点在于如何按照所同意的方向前进,检讨是否按方向前进
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。
如果方向不一,而且做什么都不了解的话,这是混沌(chaos)状态,所有组织都应该避免这情况发生。
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。也是敏捷方法最有效的情况
以上两模型对于团队教练和管理人员很有帮助,协助团队知道如何去使用不同情况下所需要的处理手法,更有效地实践自我组织。实际上虽然遇到相关状况未必马上会联想到这些模型,但在检讨时作为练习讨论也很有意思,相信多加讨论可以帮助团队的自我组织力。
转载于:https://www.cnblogs.com/redroot/p/3783055.html
复杂领域的Cynefin模型和Stacey模型相关推荐
- lr模型和dnn模型_建立ML或DNN模型的技巧
lr模型和dnn模型 机器学习 (Machine Learning) Everyone can fit data into any model machine learning or deep lea ...
- 情感分析的描述、基于词袋模型和word2vec模型的情感分析实现
情感分析的描述.基于词袋模型和word2vec模型的情感分析实现 以购物评论为例: # 读入原始数据集 import pandas as pddfpos = pd.read_excel('../dat ...
- R语言广义加性模型(GAMs:Generalized Additive Model)建模:数据加载、划分数据、并分别构建线性回归模型和广义线性加性模型GAMs、并比较线性模型和GAMs模型的性能
R语言广义加性模型(GAMs:Generalized Additive Model)建模:数据加载.划分数据.并分别构建线性回归模型和广义线性加性模型GAMs.并比较线性模型和GAMs模型的性能 目录
- utxo模型_什么是UTXO?简析账户/余额模型和UTXO模型
在比特币社区内,有一种这样的说法:其实并没有比特币,有的只是UTXO.还有一种说法是:如果理解了UTXO,你就理解了比特币. 这两种说法虽然都有不同程度的夸张,但足以体现UTXO之于比特币的重要性.既 ...
- 【word2vec】篇三:基于Negative Sampling 的 CBOW 模型和 Skip-gram 模型
系列文章: [word2vec]篇一:理解词向量.CBOW与Skip-Gram等知识 [word2vec]篇二:基于Hierarchical Softmax的 CBOW 模型和 Skip-gram 模 ...
- 【word2vec】篇二:基于Hierarchical Softmax的 CBOW 模型和 Skip-gram 模型
文章目录 CBOW 模型 基本结构 目标函数 梯度计算 Skip-gram 模型 基本结构 梯度计算 优缺点分析 系列文章: [word2vec]篇一:理解词向量.CBOW与Skip-Gram等知识 ...
- 基于 OData 模型和 JSON 模型的 SAP UI5 表格控件行项目的添加和删除实现
这是 Jerry 2021 年的第 62 篇文章,也是汪子熙公众号总共第 339 篇原创文章. 龟虽寿曹操神龟虽寿,犹有竟时:腾蛇乘雾,终为土灰.老骥伏枥,志在千里:烈士暮年,壮心不已.盈缩之期,不但 ...
- 「软件项目管理」成本估算模型——Walston-Felix模型和COCOMO Ⅱ模型
Walston-Felix模型和COCOMO Ⅱ模型 序言 一.Walston-Felix模型 1. 公式 2. 举例 二.COCOMO模型(Constructive Cost Model) 1. 模 ...
- Reactor模型和Proactor模型:同步IO与异步IO
Table of Contents 服务端的线程模型 2种fd 3种事件 Reactor模型-同步I/O 1.单Reactor单线程模型 2.单Reactor多线程模型 3.主从Reactor多线程模 ...
- Linux内存管理之UMA模型和NUMA模型
1.概述 2. 从 CPU 角度看物理内存模型 内核是以页为基本单位对物理内存进行管理的,每页大小为 4K,在内核中用 struct page 结构体来进行管理,struct page 中封装了每页内 ...
最新文章
- 解析没有id的html,网络爬虫干货,还在用正则匹配html?专业的解析组件了解一下...
- 浏览器html5/css3兼容性检测的javascript类库 - Modernizr简单介绍
- 阿里云服务器 宝塔面板 配置Python项目
- 聊聊大厂面试官必问的 MySQL 锁机制
- 多线程环境下的线程不安全问题(1)
- PooledByteBuf源码分析
- 英特尔nuc能代替主机吗_终于圆满了!最新款的Intel NUC迷你主机上线
- 聊聊gcc参数中的-I, -L和-l
- Google 的服务,你用了那些?
- PSD分层模板素材丨只需掌握三大规则!电商海报秒脱俗套
- linux中nm、ldd、readelf命令
- SparkSession与SparkContext SparkConf SQLContext HiveContext StreamingContext
- tracert/traceroute原理
- iphone计算机显示过程,iphone怎么同步显示到电脑
- 大数据导论习题_《大数据导论(通识课版)》.PDF
- 【MySQL数据库设计与应用(四)】视图
- 50个最受欢迎的大数据面试问题
- 转----一个图形爱好者的书架.-也来介绍一下我的藏书.
- 树莓派触摸屏翻转显示以及触摸翻转
- 踩坑记-- UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xa6 in position 17: illegal multibyte seque