目标管理的是与非(转载)

博客介绍了戴明与德鲁克在目标管理方面截然不同的观点。戴明反对目标管理,指出目标设定存在完整性和可控性难点,还因目标与奖惩挂钩而炮轰目标管理与绩效考评。德鲁克提出目标管理是为消除过度分工问题,当下一些盲目否定目标管理的论调不可取。

目标管理的是与非(转载)

目标管理的是与非

http://www.quality-world.cn/guanli/2496.html


大师与大师之间的激情碰撞,在管理学界莫过于戴明与德鲁克在目标管理方面的截然不同的观点。

在这一碰撞当中,谁都难以说是赢家。德鲁克显得有些无奈,因为绝大部分人误解了他所谓“目标管理”的真正含义;戴明则显得有些孤独,因为媒体对目标管理这一“划时代意义的概念”的追捧,把他苦口婆心的反对声彻底地淹没了下去。

戴明为何反对目标管理我在前面简单梳理了一下,事实上,戴明的反对并非没有道理。尤其对于目前正在热烈追捧目标设定、考核、奖惩的中国企业来说,戴明的反对更加的振聋发聩。

目标设定有其固有的难点,有两个难点是与生俱来的,所以往往带来操作中的困难。

一是难以达到目标的完整性。

也就是说,我们很难设定一个既符合SMART原则,又能准确反映我们真正想要得到的东西的目标。举个例子来说,我们希望得到的教授们能够具备足够的研究能力,但是我们一般会采用在权威学术杂志上发表的文章数量来作为衡量的标准。

我们都知道这样设定的缺陷:教授们有足够的理由去通过其他的方式来促成自己的发表。至少我所知道的很多研究生,为完成论文发表的任务,不惜出钱购买版面。

这个难点带来了大量的博弈。员工出于自利,会采取各种方式来使得自己的帐面表现尽可能的好看,但未必是朝着公司希望的方向努力。比如公安局以出车历程考察警察勤勉,导致的警车没事绕城跑;以抓获犯人考察警察勤勉,导致多人冤枉入狱。

二是难以达到目标的可控性。

我们都知道,达成一项目标的影响因素至少有两个,一是个人的努力,二是一些随机因素的影响。我们往往难以在设定目标和评估的时候剔除随机因素的影响,因而结果运用时就带来很多的不公平。

比如同样两个业务人员,一个非常努力,但是所在区域由于竞争对手重金推广,导致业绩很不理想。另一个吊儿郎当,但所在区域有一重量级代理冲公司品牌投奔,导致业绩一不小心大幅上涨。在他们两个孰优孰劣的问题上(尤其在对这一过程并不非常了解的情况下),我们该如何判断?

这两个固有的缺点,加上很多人执着于将目标实现的结果一定要与奖惩挂钩,是导致戴明炮轰目标管理与绩效考评的主要原因。

德鲁克的无奈在于,人们曲解了他的伟大思想。在国内有关德鲁克目标管理的解读当中,管理学家杂志的专栏作家刘文瑞的观点可勘一读。他认为,德鲁克提出目标管理有其特定的时代背景,是在西方专业化分工成熟的情况下,为消除过度分工带来只见树木不见森林的问题基础上。

“西方的目标管理,有两个重要的前提,一是专业化,二是程序化。从亚当?斯密以来专业化的发展,从经济学强调的技术分工,到管理学强调的职能分工,再到政治学和社会学强调的社会分工,西方已经变成了一个广义的专业化社会。这种高度发展的专业化,在经营管理上为“做得好”创造了充分条件。但“做得好”不等于“做好事”,专业之优不等于效果之优。另外,从泰罗、法约尔以来的管理技术发展,使企业经营的过程得到了高度重视,从计划、决策、战略,到组织、人事、激励、沟通,再到控制、监督,每个环节都有深入的研究,为恰当安排经营活动提供了科学依据。但局部科学不等于全局合理,片段之优不等于整体之优。在这种背景下,德鲁克提出了目标管理,其基本目的,就是消除过分专业化和过分程序化带来的只见局部不见整体的局限,谋求整体经营效果的改善。”

有兴趣的朋友,可以搜一下刘文瑞的“目标管理的错位与过时”一读。

而目前所谓“目标管理是洋垃圾”等愤青论调等,则是在对目标管理及目标管理的缺点都没有深刻理解下的盲目否定。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7178747/viewspace-161425/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/7178747/viewspace-161425/

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值