12.2.2 管理模型：管理解耦与能力抽象
运营平台与运营团队从V2阶段到V3阶段的演进中，通过自动化与模块化大幅提升了对业务的支撑能力，后者还让我们看到了分工带来的人力资源效率差发挥的重要作用，这种效率差甚至可以追溯到工业时代。
1.扣针与T型车
《国富论》在开篇讲述了一个制作扣针的案例：制作一枚扣针需要完成抽铁线、拉直、切截、削尖、装圆头、涂色、包装等前前后后加起来至少18种操作，如果这些操作都由一个人完成，那么这个人无论多么努力都无法熟练操作所有机械并在一天内制作出20枚扣针。事实上，扣针工厂会选择将这18种操作分配给18个工人来分别完成，这样一来许多操作都因为熟练使效率得到巨大提升，即所谓的熟能生巧。有一些小作坊甚至只雇佣10人，几个工人同时负责其中两三种操作，即便如此，一个10人的团队每日也能生产48000枚扣针，即平均每人每日生产4800枚扣针，远超一个人单独生产扣针的产量。
可见分工前后单个工作上的效率提升，能够带来平均意义上的整体团队的人力资源效率差。20世纪初，美国福特公司将这种分工带来的效率差进一步发扬光大，在T型汽车装配生产过程中逐渐引入流水线来改造生产流程[1]。
在最初的几年中，工人将汽车的各个组成部分组装在固定且未成形的车架子上。这就要求每一组工人都必须熟悉大多数操作程序，这种方法费时费力，工人经常为了寻找组装的零部件而来回奔走，从而长期使产品不能及时出入库。
随着大量汽车订单的出现，寻找更加有效的方法已经迫在眉睫。有人提出在每辆汽车之间安排一组掌握具体操作技能的工人，但是这些工人的作用仅仅体现在提高局部效率方面，因为这种做法仍然无法将周围的其他环节联系在一起，工人只能等待其他人完成各自的工作后才能进行后续的操作。
1913年，福特公司开始尝试从过去的“车架固定工人跑动”的模式，转为“车架流动工人固定”的工作方式，即我们熟知的流水线作业，以实现生产效率最大化。这种生产方式的改变让福特公司能够持续不断地改进T型汽车的装配生产流程。这些改进措施包括：使用机械传动代替工人手工推车，将过去用于生产各种零部件的机器改造为生产单一标准零件的机器，将一些中大型零部件（如磁发电机）的组装工序再次拆解成子流水线进一步提高效率等。
经过这些改造，一辆T型汽车的装配时间从1909年的12小时缩短到了1914年的93分钟，福特公司也得以借助成本优势在10年间将T型车的价格从1910年的950美元降到了1921年的214美元[2]，产量则从年产2万台提升至年产100万台，扩大了近50倍，如图12-11所示。
图12-11 福特公司T型汽车数据（1910～1921年）
2.管理模型：管理解耦与能力抽象
我曾经分别完成过从日志到数据库再到数据仓库的开发维护，对业务进行数据分析并开发相关模型，发起一个项目并作为产品经理推动项目上线，完成一个项目与模型的数据评估，甚至主导过智能API的商务谈判与招投标等工作。一个策略项目或多或少会涉及这些工作内容，这些工作内容也将由团队中的产品经理和工程师们分别或共同完成。
由一个人完成和由一个团队完成这些工作，最终的结果是有差异的，所以当有一天我的角色从执行者转变为管理者，作战的范围从单兵作战扩大到团队作战时，我开始思考一些之前从未考虑过的问题：团队之间应该以什么方式进行协作来完成上面这些工作？应该招聘什么样的候选人来组建一个团队？
思考的结果正如前面这些例子所探讨的，这是我在目前这个阶段所能理解的管理模型：管理解耦与能力抽象。
首先是管理解耦。在机票运营团队与福特公司的案例中我们可以看到，基于流程的切分是一种最基本的管理解耦方式，即从某一对象流程变化的角度将一个大团队分拆为互不影响的几个小团队。例如针对机票运营组，从用户交互的角度将其拆分为售前、售后出单、售后退改三个小组；福特公司流水线中从汽车组装流程的角度将工人拆分为底盘组装、发动机组装、车身组装等多个小组。
这种管理解耦的关键点在于，每个环节团队间交付物与交付标准是明确的，例如汽车生产流水线中发动机组装前，上一个小组需要交付一个组装好的底盘，底盘中各零部件齐备是交付标准。
因此，如果我们把数据流也看作流水线，那么将一个业务问题建模为业务函数后，对应的样本与特征数据就是算法工程师团队从上一环节收到的交付物，模型就是算法工程师团队在建模这个环节的交付物，评估就是对应这个环节的交付标准。如果再往前追溯的话，算法工程师团队收到的交付物（即样本与特征数据）往往来自数据工程师团队，他们的交付标准则用数据的准确性与覆盖度来评估；如果分工再细一些，往后推进的话算法工程师团队交付的模型会继续“传送”给研发工程师团队，他们再往后的交付物与交付标准即为项目以及项目上线的质量与时间。
而策略产品经理就是推动数据这个“汽车底盘”在传送带上运转的那个人，同时也是定义交付标准并在每个环节终点处负责按标准验收交付物的那个人。与工程师团队类似，如果分工足够细，我们也可以基于这种管理解耦将职能进一步从策略产品经理中剥离，例如对于需要大量人工标注样本的企业，从未标注数据到样本数据，其交付标准定义以及验收的职能就可以剥离为数据标注经理。如果项目上线后发现与预期有差异需要调整模型，我们可以将业务函数中的模型参数剥离出来作为可配置工具用于模型调整（类似售后车间），并将调整模型参数的职能剥离为策略运营经理。
其次是能力抽象。即根据工作内容将需要的能力抽象出来作为候选人的一种画像，这种能力抽象做得越细，候选人的画像就越精准，在进行招聘和员工培养时就能更有针对性和目的性。从机票运营的例子可以看到，对运营工作的进一步细化能够帮助我们在招聘时将候选人抽象为一个更精确的画像——会使用eTerm的人大概率能胜任出票组的工作。在员工培训方面也是如此，福特公司流水线的例子就展示了这一点[3]：“简化工作的好处之一就是能够让福特公司的每一名装配工人在最短的时间里掌握流水线周围的每一项操作，而且很多操作是根本不需要进行培训的。”
因此，在组建策略团队时，我们并不需要像市场上一些策略产品经理职位描述的那样要求候选人是全能的，既希望候选人有计算机科学、经济学、数学等与建模相关的学科背景，又要求候选人有策略产品相关的项目经验，还要求候选人熟练掌握Excel、Python、SQL等数据工具。其实，我们可以从策略产品经理的工作内容出发进行能力抽象，从而拓宽候选人的选择范围。
例如在评估这个环节，一个有生物、化学、心理学等实验科学背景的，有一两年工作经验或应届毕业的候选人就是一个不错的选择，只需要再培训一些模型与业务评估的方法与工具即可。学科背景训练出来的实验能力足以帮助其完成评估这部分工作，即可以将模型视为一个黑盒去设计对比实验方案并完成模型的线上评估与业务迭代。与此类似，对于样本与特征数据的准备工作，我们则可以考虑有数据分析师或数据工程师背景的候选人，过去在一线进行数据相关工作的经历能够帮助他们更好地设计这部分工作的交付物与交付标准。
这种结合了函数方法论各要素的管理解耦以及能力抽象带来的好处是显而易见的，一方面明确了各团队间的协作方式，让团队协作更加井然有序；另一方面扩大了候选人池，让我们能够更快地组建一个策略团队。从这个角度来看，函数方法论不仅是策略产品经理对世界的解读方式或与工程师的沟通模型，也是对团队协作和团队组建在管理模型上的一种尝试。
同时需要补充说明的是，这并不意味着团队成员的工作会像查理·卓别林经典电影《摩登时代》中展现的那样，与过去的流水线工人一样机械化，实际上现代互联网企业的管理解耦和能力抽象与工业时代企业的流水线有着本质的区别：
·现代互联网企业指导员工工作时会倾向于使用方法论而不是方法，他们会充分给予成员在创造力方面的发挥空间。
·现代互联网企业中鼓励轮岗，倾向于以员工能力的全面发展作为团队人力资源的备份和冗余，而不是像流水线企业一样以大量招聘作为人力资源的备份和冗余。
·与流水线企业相比，现代互联网企业的运行需要进行大量的人际沟通，这也成为最大的管理成本之一。
尽管如此，一些机械化的工作依然会被机器逐渐替代。过去，机器实现的是人行为上的机械化，我们称之为自动化；现在，机器实现的是人脑中决策的机械化，我们称之为智能化。
这种替代从经济学的角度讲，只要是能提高效率且能带来效益，就一定会有人去推动这种替代。一个企业不去推动会有别的企业去推动，一个国家的企业不去推动会有另一个国家的企业去推动。
从蒸汽机时代到电气时代，再到芯片、网络与智能时代，每一次工业革命看上去都是机器都在不断替代人类，这带来了大规模的失业，但同时也为每个时代带来了更多新的产业，例如电视机诞生带来了视听传媒产业、计算机网络诞生带来了互联网产业等，更多新的职业不断出现，如电气工程师、互联网工程师等成为各个时代新技术的驾驭者，视听媒体记者、网络主播等成为各个时代新技术的受益者。
这其中当然也包括智能化带来的正在演化和发展中的新产业和新职业。随着时间的推移，这些新产业和新职业最终将成为生活的常态。人类的历史总是螺旋式上升的，产业与职业的不断更替，让人们不断地从机械化的生产中解放出来，去创造更多新的价值。
[1] 参见由David E.Nye撰写，由史雷翻译的《百年流水线：一部工业技术进步史》一书的第17页。
[2] 以1910年的美元为标准。
[3] 参见David E.Nye撰写，史雷翻译的《百年流水线：一部工业技术进步史》一书的第22页。