如何管理知识型员工


三、IBM工作环境战略
传统的工作环境在卓别林的电影 <摩登时代>中留下了经典的记录:工人们站在轰鸣的流水线上日复一日地拧紧一个螺钉。具有某种相似性,今天的白领工人们忙碌在信息的工作流上 ——这种工作流不那么直观,而且变化和创新的内容越来越多。所谓知识管理可以简化地视为工作流的“治水”工程。 而工作流的“渠道”是公司的通信基础平台和知识管理平台。前者主要是OA软件,工作稍有时日的白领对于收发邮件和即时通讯工具都应当是驾轻就熟。从处理对 象的深度看,OA为企业提供了一个管理包括流程在内的各类信息、经验、规程和知识的环境,有助于提高企业的运作效率、革新能力和对市场的响应速度。这种协 作环境是企业信息化的基础,是电子商务/知识管理的必由之路。
根据这个系统平台——工作流——知识管理的三层架构,可以想象一下整个环境在为目标的管理和执行中,内部的员工们在策略、文化、制度、过程、内容、技术这六个纬度的影响力下与所有与知识相关的活动。
在 创造阶段,信息是发散的,有很多新颖而笼统的创意,通过整理,经过一个收敛的过程,对性能、市场、成本等等进行严格的定义,最终形成能投产的产品和服务。 与之相关的信息才能被称作知识,再加上一些前瞻性的研究成果,构成了公司的知识资产。随着公司的成长壮大,知识资产逐渐积少成多。

数据挖掘实验室


具体到员工,在 IBM工作环境模型中,个人日常主要处理生活、岗位、外部、内部四方面的相关事务。消费、个人理财、休闲和娱乐是生活必不可少的部分;每个具体的岗位都得 到访问一定信息和应用的授权,与之相关的财务、客户信息以及绩效评估都必须到位;在工作中,免不了要和人打交道:取得团队的支持,和内部其他员工协同,向 专家求教、开电子会议等等,这些交流也经常有外部的客户、合作伙伴和供应商参与。此外,作为对这四方面的支持,公司信息、e-HR、e-Learning 等相关信息在人——公司的层面上传递。
为了解决这些需要,IBM的协同工作环境战略相应地包括了四部分:协同、内容、学习和专家。
IBM 的主页提供了丰富的协同功能:邮件、My Quickplace、e-meeting等等,但是仅仅观察这些“好用”的工具,还远远不能揭示协同的意义。简单地说,在传统管理中,职责、任务被层层 分解到部门个人,再级级汇总。这种管理模式的弊端在于违背了系统论:整体并不等于各部分简单的相加。著名的“蝴蝶效应”认为美洲的一个蝴蝶振动翅膀能引起 欧洲的风暴,中国也有古语云大风起于青萍之末。协同可以提供参与者全局的视野,明确“合力”的方向强度以及他本人的影响所在。 数据挖掘实验室
在战略的内容部分, 核心的问题是如何让公司不同的团队个人发送正确的内容、应用和进程到他们的最终用户。无论是基于客户管理管理、内容管理、eHR等各个方面的角色,要通过 同一个界面安全地发送信息到最终用户,带给对方个性化、客户化、定向的使用体验。为此,必须将文档管理整合进流程,在流程处理的不同阶段,自然管理文档; 从保存文档开始自然启动一个商业流程。
这里的学习还是要和课堂联系起来,不管是实体还是虚拟的。而实际上管理学更倾向于接受心理学对学习更广泛的 操作性定义:由于经验而发生的相对长久的行为改变。近年来,MIT(美国麻省理工学院)组织学习中心更将学习扩展到组织的层次,发展出系统思考、学习型组 织的理论与实务。
《财富》在一篇评论中分析IT技术正日渐成为如同水电一样的基础设施,只有两类公司——能不断创新或以廉价提供基础设施——能够 在竞争中胜出。前者就以IBM为例。几十年来,IBM先后提出兼容性、IT服务、电子商务和随需应变等革命性的理念并付诸实践,可谓深得学习型组织的真 谛。
上一页 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1617 18 19 20 21 22 23 24 下一页
[数据挖掘专家] [数据挖掘研究院] [数据挖掘论坛] [数据挖掘实验室]
上一篇:挖掘供应链协同网络的潜能
下一篇:商城藏在信用卡后
最新评论共有 0 位网友发表了评论 , 查看所有评论
发表评论( 不能超过250字,需审核,请自觉遵守互联网相关政策法规。 )
匿名?
数据挖掘网站导航 数据挖掘论坛导航
  • 数据挖掘工具
  • 数据挖掘论坛
  • DataCruncher - Cognos
  • MineSet - MathSoft
  • Intelligent Miner - GainSmarts
  • Sqlserver - SAS - Clementine
  • CART - Weka - WizSoft
  • NeuroShell - ModelQuest
  • data mining tools - Darwin
  • 数据挖掘交友
  • 数据挖掘博客
  • 数据挖掘工具
  • 数据挖掘资源
  • 数据挖掘技术算法
  • 数据挖掘相关期刊、会议
  • 研究院联盟合作专区
  • 数据挖掘基础与相关技术
  • 数据挖掘厂商与就业
  • 数据挖掘研究者乐园
  • 知名厂商数据挖掘工具资料
  • 国内数据挖掘实验室
  • Foreign Data Mining Lab
  • 热点关注
  • SQL与最短路径算法
  • 求一个数据库备份方案
  • 某商店数据仓库的原型分析和设计
  • 移动通信数据仓库联合实验室在北京成立
  • 数据仓库的规划构建策略
  • NCR Teradata数据仓库概述
  • 各位进来帮忙参考一下关于个人发展方向问题
  • 关于数据仓库的数据模型
  • 第五届机器学习及其应用研讨会日程表
  • 数据库归来——下一代数据库扫描简介
  • 论坛最新话题
  • Foundations of Statistical Natural Langu
  • Game Theory meet Data Mining: A Recent P
  • System Building: How does it help or hin
  • 数据挖掘与Clementine培训
  • 新手报到
  • 求 SASEM 客户流失预测分析
  • 数据挖掘工程师/搜索研究院—北京——无线
  • 数据挖掘入门介绍(如何着手数据挖掘)
  • Information Overload Survey Results
  • The INEX 2005 Workshop on Element Retrie
  • 相关资讯
  • 处理海量数据的经验和技巧
  • 数据仓库的新生
  • 什么是ETL
  • Data Warehousing for the Midsize Organiz
  • Data warehouse management strategies for
  • 第五届机器学习及其应用研讨会日程表
  • SQL Data Warehouse Analyst
  • Edge appliances and the evolution of dat
  • 动态数据仓库让BI走向一线
  • The OLAP Report
  • 数据挖掘实验室资料
  • 数据挖掘博客地址
  • 数据挖掘实验室网站地址
  • Prepare for Medicare audits by using dat
  • 注册成为SAS用户与爱好者俱乐部会员
  • 水南梅
  • 明日烟
  • 新人报道
  • 下载
  • 厦门服务器托管,450元/月—0592-5177319 高
  • 买空间送域名--0592-5177319 高静