کتاب شتابدهی

شتاب‌دهی

برای باقی ماندن در رقابت، سازمان‌ها باید به طور مداوم تغییر کنند. بدون تغییر، سازمان‌ها  دچار رکود می‌شوند، مزیت‌ رقابت خود را از دست می‌دهند و در نهایت مجبور به ترک بازار می‌شوند. برای پیشرفت، سازمان‌ها باید سرعت تغییرات خود را افزایش دهند تا  به اندازه سرعت تغییرات محیطی گردد. ما در حال عبور از یک ثبات نسبی به قلمرویی با آشفتگی غیرقابل پیش‌بینی و تغییرات با رشد نمایی هستیم. تغییری که بیشتر سازمان‌ها برای مواجهه با آن آماده نیستند.

بنابراین، تغییر تنها یک موضوع مهم نیست بلکه برای هر سازمانی حیاتی است. تحقیقات کوتتر نشان داد که تنها ۳۰ درصد از ابتکارعمل‌های تغییر یا اقدامات ابتکاری سازمان‌ها در راستای استراتژی تعریف شده است و شاید جای تعجب داشته باشد اگر بدانید که این آمار مربوط به سازمان‌ها موفق بوده است.

با توجه به اینکه ۷۰ درصد از ابتکار عمل‌های تغییر شکست می‌خورند، همه رهبران با یک سوال مهم روبرو می‌شوند: چگونه می‌توانم از موفقیت آمیز بودن تغییرات در سازمان خود اطمینان حاصل کنم؟ ممکن است بدانید به چه نتیجه‌ای می‌خواهید برسید، اما نقطه مغفول آن است که چگونه می‌توانید آن را محقق کنید؟ برای افزایش حداکثر شانس موفقیت چه اقداماتی باید انجام دهید؟

ایجاد چابکی استراتژیک برای جهانی پرشتاب و حرکت در اقتصاد مدرن که مهمترین مشخه آن شتاب سریع است، دیگر نمی‌تواند در قالب ساختارهای سازمانی فعلی و سیلوگونه محقق شود. ساختارهای سنتی شرکت‌ها و به ویژه شرکت‌های بزرگ، مانع از خلاقیت و فاقد سرعت کافی است.

تجربه مشاوره ما در پروژه‌های استراتژی و تغییرات سازمانی نشان می‌دهد که بزرگترین مانع تغییر، ساختارها و نیروهای انسانی است که مانع از تطبیق با تغییرات سریع و اجرای استراتژی‌های می‌شود. فرهنگ سازمانی در کنار سیستم‌های ارزیابی، و سیستم‌های جبران خدمت این مسئله را تشدید می‌کنند. بسیاری از پروژه‌های استراتژی و نوآوری با مقاومت‌های گسترده سازمانی مواجه می‌شود و امکان پیاده‌سازی را در زمان مورد نیاز از دست می‌دهند.

تغییر ساختارهای سازمانی هم تقریبا کاری غیر ممکن است. تجربه ما در دو بانک بزرگ کشور و در یک شرکت خصوصی بزرگ  نشان داد که ساختار سازمانی در هر شرکتی‌ تقریبا معادل ساختار قدرت است که ذینفعان زیادی دارد. هر گونه تغییر در این هرم قدرت با واکنش‌های آشکار و پنهان بسیاری همراه است. هر شخص و هر پستی به جایی متصل است که حافظ منافع گروهی در ساختار قدرت سازمانی است.

بنابراین براساس تجارب مشاوره ما،‌ برای خلاصی از این پاردوکس یعنی نیاز به تغییر و شتاب و در نتیجه چابکی در سازمان و مقاومت گسترده و پایین بودن شانس موفقیت تغییر سازمان نیازمند یک ساختار دو لایه هستیم تا با حفظ ساختارهای موجود و بدون ایجاد ساختارهای جدید که معمولا بر پیچیدگی‌های آن می‌افزاید به چابکی سازمانی برسیم.

در این کتاب یک سیستم عملیاتی دو گانه پیشنهاد شده است که یک سیستم به کار روزمره کسب‌وکار می‌پردازد و دیگری یک سیستم دوم مجازی است که بر فرصت‌ها، استراتژی‌ها و آینده متمرکز می‌شود. بر این اساس تحت یک سیستم عملیاتی دوگانه،‌ کلیه فرآیندها و فعالیت‌هایی که شامل آنچه قبلا شرکت انجام می‌داده و برای پیشبرد فعالیت‌های روزانه لازم است در قالب سلسله مراتب منظم سازمانی انجام می‌شود. اقدامات ابتکاری و ابتکارعمل‌های پر ریسک که نیازمند سرعت،‌ نوآوری، چابکی و غیره هستند نیز در یک سیستم شیکه‌ای انجام خواهد شد.

در این کتاب پنج اصل و هشت شتاب‌دهنده سازمانی معرفی شده است که می‌تواند به سازمان در حصول به چابکی سازمانی کمک کند. در این کتاب به تغییرات سازمانی در مقیاس بزرگ پرداخته می‌شود.

گروه ناب به سازمان‌ها کمک می‌کند تا با طراحی یک سیستم دوگانه برای پیاده‌سازی مدیریت استراتژيک و مدیریت نوآوری، سازمانی چابک بسازند. بسته به نوع،‌ و ماهیت صنعت،‌ و ساختارهای فعلی و وضعیت منابع انسانی سازمان،‌ نیاز به تغییرات تعیین شده و راه‌کارهایی مبتنی بر چندین رویکرد علمی جدید توسعه یافته، ارایه خواهد شد. این رویکرد در اجرای استراتژی و اجرای نوآوری یکی از رویکردهای مورد استفاده ما می‌باشد

ما به سازمان‌ها کمک می‌کنیم تا به سازمانی چابک تبدیل شوند.

Sidebar atefi
دکتر محمدرضا عاطفی

عضو هیئت علمی دانشگاه
رئیس هیئت مدیره گروه ناب
هم بنیان گذار شرکت دانش بنیان
مشاور شرکت ها و سازمان های بزرگ کشور

آنچه می خوانید

Cover part2 optimized 300x169
هوش مصنوعی

جبر خطی پیشرفته برای یادگیری عمیق؛ آموزش SVD، PCA و کاربرد در شبکه‌های عصبی(بخش دوم)

1.7.تجزیه ماتریس‌هاMatrix Decompositions 1.7.1.چرا به تجزیه ماتریس نیاز داریم؟ ماتریس‌ها یکی از اصلی‌ترین ساختارهای محاسباتی در یادگیری عمیق هستند. در یک شبکه عصبی، ماتریس‌ها برای نمایش موارد زیر استفاده می‌شوند: یک شبکه عمیق ممکن است شامل میلیون‌ها یا میلیاردها پارامتر باشد که به شکل ماتریس ذخیره می‌شوند. برای مثال: اما

توضیحات بیشتر »
Cover part1 optimized 300x169
هوش مصنوعی

جبر خطی برای یادگیری عمیق؛ آموزش بردارها، ماتریس‌ها و مقادیر ویژه (بخش اول)

1.1.چرا جبر خطی زبان ریاضی شبکه‌های عصبی است؟ مقدمه یادگیری عمیق در ظاهر درباره ساختارهایی مانند: است، اما در سطح محاسباتی، تقریباً تمام این معماری‌ها بر یک زبان مشترک بنا شده‌اند: جبر خطی (Linear Algebra) شبکه عصبی بدون جبر خطی قابل تصور نیست؛ زیرا تمام مراحل اصلی یادگیری عمیق شامل

توضیحات بیشتر »
COVER compressed 21 300x169
هوش مصنوعی

فصل ۱5: سنجش ارزش و بازگشت سرمایه هوش مصنوعی: از  ROI تا داشبورد مدیریتی

از معیارهای ساده تا معماری ارزش چندلایه در جهانی که سرمایه‌گذاری در هوش مصنوعی به سرعت در حال رشد است، پرسش بنیادین مدیران دیگر “آیا باید سرمایه‌گذاری کنیم؟” نیست؛ بلکه “چگونه ارزش واقعی این سرمایه‌گذاری را بسنجیم؟” این فصل، چارچوبی جامع برای عبور از سنجش‌های سطحی ROI به معماری ارزش

توضیحات بیشتر »
error: محتوا غیر قابل انتخاب و کپی است.