我們先來看大型團隊在技術(shù)管理上面臨的問題。

首先，我們有沒有一個辦法可以低成本地做出足夠正確的決策？因為在研發(fā)場景下，特別是技術(shù)管理者，天天都需要做決策。這個決策可能是有關(guān)招聘，包括決定用哪個人，決定晉升哪位同事；也可能和功能或某個需求相關(guān)，包括是否需要選擇某個客戶，進入某個市場等。

其次，在上百人的研發(fā)團隊中，所有人的工作質(zhì)量如何按照預(yù)期進行下去？在大中型團隊里，技術(shù)管理者的下級有經(jīng)理，經(jīng)理下級有一線工程師，彼此存在一定的層級關(guān)系。作為最頂層的技術(shù)管理者，沒有辦法直接知道每人每天的工作情況如何。

其次，如果我們定義了一些標準，但培訓(xùn)完以后，大家還沒完全理解或者執(zhí)行起來的時候不習(xí)慣，這些標準怎樣才能快速落地？

最后，當(dāng)我們有標準的時候，怎么讓大家在工作的時候盡可能遵循標準，同時又不死板，有一定的靈活性？

如何進一步理解「機械化」，我們要從專家系統(tǒng)和結(jié)構(gòu)化標準之間的區(qū)別入手。

何謂專家系統(tǒng)？以招聘為例，在決定是否要錄取某個研發(fā)候選人時，公司的工程師、技術(shù)負責(zé)人、HR，甚至管理層都會各抒己見，從不同的角度來表達自己的看法，看誰說服誰，最后得出一個結(jié)論——這種決策方法就叫做專家系統(tǒng)。

但我們發(fā)現(xiàn)，專家系統(tǒng)存在不少問題：行為經(jīng)濟學(xué)的不少實踐證明，專家系統(tǒng)作出判斷和決策的成功率并沒有特別高，同時，專家系統(tǒng)經(jīng)常會比較模糊，這種模糊性會讓整個團隊覺得不夠清晰，甚至可能對有些同事來說不夠公平。

相對而言，結(jié)構(gòu)化標準對決策有更好的效果。

結(jié)構(gòu)化量化方式，指的是我們在做決策之前，應(yīng)該要先對相關(guān)事情做一些維度的分解，然后對它進行打分，通過各種手段對需要決策的對象進行量化，量化完后分高的我們可以優(yōu)先選擇。

這種量化的標準更容易被執(zhí)行，因為我們一旦能把這些東西量化，最后甚至可以用機器去算分。一個結(jié)果化的、清晰的標準，更能產(chǎn)生一個公平的效果，也能為團隊帶來安全感，而安全感能產(chǎn)生多團隊的驅(qū)動力。

既然「機械化」執(zhí)行的關(guān)鍵是結(jié)構(gòu)化標準，那么，我們應(yīng)該遵循哪些原則？

從技術(shù)管理的角度，結(jié)構(gòu)化標準可以分成兩類，一類是關(guān)于決策的，另外一類是關(guān)于執(zhí)行的。

那么，關(guān)于決策的結(jié)構(gòu)化標準是怎樣的？我們在做結(jié)構(gòu)化標準的時候，會列出判斷一個事物的各個維度，例如畫成一張雷達圖，這些維度是應(yīng)該要滿足的一些原則。

第一個是 MECE 法則。它強調(diào)每個維度應(yīng)該是相互獨立的，不重復(fù)的，盡可能覆蓋我們想要判斷的問題。

MECE 法則，是麥肯錫咨詢顧問芭芭拉·明托在《金字塔原理》中提出的一個思考工具，意思是「相互獨立，完全窮盡」，也常被稱為「不重疊，不遺漏」。形象地看，就像是拼圖游戲，用一張張碎片拼出完整的圖，如果拼得正確，最后一定是一張不多，一張不少。

MECE 法則是「結(jié)構(gòu)化思維」的基本功。使用 MECE 法則時，要注意三點：謹記分解目的、避免層次混淆、借鑒成熟模型。

第二個是聚焦原則。我們到底如何落地一個好的標準？而這個標準為什么能低成本地落地？這時要考慮到「聚焦」。

「聚焦」指的是，當(dāng)我們判斷一個事物的時候，不要求要有非常多的維度。最關(guān)鍵的四到六個維度，一般就足以讓我們對一個事物做出一個比較準確的判斷，一旦我們求大或求全，就非常容易導(dǎo)致成本高、不好執(zhí)行、不好培訓(xùn)等問題。

在很多時候，我們定了一些結(jié)構(gòu)化的標準，最后卻沒有用。回頭去看，是因為這個標準里需要判斷的維度可能有二三十項，例如，在招聘過程中，我們可能要判斷候選人的技術(shù)能力、溝通能力、價值觀，等等，而技術(shù)能力里面又細分出很多子類別，從計算機基礎(chǔ)，到他的專業(yè)的技術(shù)棧——這些繁雜的維度讓執(zhí)行變得很困難。

第三個是量化原則。當(dāng)我們有了維度以后還不夠，還要對每個維度進行量化，而量化就會涉及到每一個維度的打分，它的打分標準可以根據(jù)不同的情況有所區(qū)別，但是有一些方向是需要把握住的：區(qū)分度要高，要清晰，要容易衡量。

舉個反例，當(dāng)我們描述某人能力的時候，有時候我們會評價為良好、優(yōu)秀、卓越，等等，其實，這些詞都是「程度詞」，無論是確定標準的人，還是執(zhí)行標準的人，在這里都很難做判斷，因為這些詞非常模糊，每個人可能都有不一樣的理解。

說完了決策方面結(jié)構(gòu)化標準的原則，我們再來看執(zhí)行層面上的結(jié)構(gòu)化標準是如何具體實現(xiàn)的。

經(jīng)過實踐，我們發(fā)現(xiàn)：把相關(guān)的結(jié)構(gòu)化標準在工具上數(shù)字化，那么在實踐使用中的效率會非常高。

首先，如果我們要真正促使行為變化，就必需內(nèi)化自己的整個習(xí)慣。例如，在一個軟件團隊項目管理的場景中，如果我們要標準化自己的工作方式和流程，養(yǎng)成習(xí)慣最好的辦法就是讓大家在一個工具里工作，讓工具告訴大家，當(dāng)需求分解完以后，下一步是什么，將一系列的流程固化在整個系統(tǒng)里面。

其次，如果大家可以在一個數(shù)字化工具里工作，無論是做決策還是在執(zhí)行流程，都可以利用工具去收集到相關(guān)的數(shù)據(jù)，并且形成一些新的結(jié)論和行動。

最后，這會是一個更公開更透明的場景，使得大家能更好地工作，因為它更有安全感。

我舉個經(jīng)典的例子，讓大家可以更好地理解如何執(zhí)行結(jié)構(gòu)化標準。

第二步，打分。給每個指標設(shè)定一個整數(shù)分數(shù)區(qū)間。比如阿普加評分中每個指標可以打 0、1 或者 2 分。像膚色，全身粉紅色就是 2 分；四肢是青紫色就是 1 分；如果全身青紫就是 0 分。

第三步，計算總分。也不用加權(quán)平均了，簡單相加就行。阿普加評分的滿分是 10 分。那么這個判斷系統(tǒng)規(guī)定，總分在 7 分以上就是健康；4 到 6 分就不太健康；0 到 3 分就是需要立即采取急救措施。

關(guān)于用數(shù)字化工具內(nèi)嵌標準，我介紹一下 ONES 的具體做法。

當(dāng)標準真的可以跑起來以后，我們一定要定期復(fù)盤，因為簡單的標準才好執(zhí)行，本質(zhì)上它是在簡單和有效之間做取舍，隨著時間的推移和外部環(huán)境的變化，它是會有局限性的。

除此之外，我也分享一下 ONES 做技術(shù)招聘的模型，我們的模型會分成四個方面，第一個方面是專業(yè)能力，也就是技術(shù)能力。第二個方面是學(xué)習(xí)能力，第三個是思維表達能力，我們認為一個人的表達能力反映了他的思維能力是否結(jié)構(gòu)化，是否夠清楚，是否能聚焦到目標，第四個是思維層次，主要判斷一位候選人的驅(qū)動力的來源是外部還是內(nèi)部。

拿學(xué)習(xí)這個方面來講，我們會分成 0-5 六個分值，以判斷一個候選人有沒有主動的學(xué)習(xí)行為，他的主動學(xué)習(xí)行為是不是碎片化的，相對于我們剛剛說的主動、堅定、優(yōu)秀、良好這些詞語來說，它更能通過一個特點、一個行為區(qū)分出不同的分值，在這個情況下，打分會更加簡單和精準。

最后總結(jié)一下，在大型團隊的技術(shù)管理當(dāng)中，我們經(jīng)常要做很多決策，同時我們要保證這些決策足夠正確。

其實我們不需要百分百正確，我們只需要足夠正確，并且讓大家在工作中可以按照一個標準來工作，保證一定的質(zhì)量。

首先，機械化的標準以及流程是更有效的，運行成本是更低的。

結(jié)構(gòu)化的標準和流程都應(yīng)該是聚焦、清晰、簡單的。當(dāng)我們有這樣的一些標準和流程以后，就可以很好地用數(shù)字化工具去做管理。

當(dāng)每個人回到數(shù)字化的環(huán)境下去工作，自然就會 follow 我們之前定過的一些結(jié)構(gòu)化標準，確保執(zhí)行到位。同時，我們只需要在系統(tǒng)上點幾個按鈕，就能匯總出想要的數(shù)據(jù)，高效完成量化，這對于我們復(fù)盤改進都非常有幫助。