为什么Spotify的敏捷模型有效,又为何不应该复制它们?

简介:

并不存在Spotify敏捷模型。但很多来自Spotify的人都在谈论他们的人员和流程系统是如何运作的。这一切听起来都很棒。这就如同向人们展示一块巧克力蛋糕,告诉他们有多好吃,然后却说“不要吃巧克力蛋糕”。

有一个很好的理由说明为什么你应该采纳Spotify的建议,而不仅仅是直接跳进去并采用他们的所做的任何事情,包括从小队到公会。 因为这全部与瑞典文化有关。

Spotify生于瑞典。 以下是比较美国和瑞典文化的心理研究。

71a50abe1c17bd6397a8575d0bad132341aedb2c

从霍夫斯泰德文化维度来比较瑞典与美国

瑞典

美国

关心他人和生活质量是核心价值观。 生活质量是成功的标志,从人群中脱颖而出并不令人钦佩。

受到竞争、成就和成功的驱动。成功的定义是“赢家通吃” - 一种在学校开始并贯穿整个组织生活的价值体系。

并不强调去维持历史悠久的传统和规范或观察社会

衡量短期业绩,每季度发布损益表。 这也促使个体努力在工作场所内快速取得成果。

人们认为只需要保留必要的规则,如果它们含糊不清或不起作用,就应该放弃或改变。 时间表是灵活的,在必要时进行艰苦的工作,但不是为了自己的利益,创新不被视为具有威胁性。

为了获取或寻求信息,人们并不羞于接近他们的潜在对手。 期望团队能自力更生并展现出主动性。此外,在基于交换的工作世界中,我们看到招聘、晋升和决策是基于一个人所做或可以做的事情的优点或证据。

总体而言,像瑞典这样的文化“强调个人主义和定位,以及对权力距离(Power Distance)的相对弱化。 这个价值观代表民主福利国家,对环境的关注度很高。”

从这个角度来看,Spotify的团队模型很有意义。部落、小队、分会和公会都旨在产生共同的兴趣,照顾人们的福祉,他们需要自主、成就感、专精和目的性。 在瑞典,像荷兰和斯堪的纳维亚等其他西欧国家一样,“人们的工作动机与他们自己的世界领域内的自治感非常相关”(Wursten,2008)。 这些因素是一个很大的社会均衡器,有助于最大限度地减少英雄文化的负面影响。

654a958b56386eae92f017091aa4acf94ce64f5f

Spotify:当你没有模型时所拥有的模型

在最近对Spotify的采访中,Edgar Schein强调了在Spotify内理解文化的重要性:

 ●   星巴克在澳大利亚失败了, 因为它没有考虑澳大利亚现有的咖啡文化
 ●   家得宝在中国失败, 因为人们没有考虑中国人不喜欢“自己动手”
 ●   沃尔玛没有考虑到在德国境内 “迎宾员”以及他们为顾客购买杂货的倾向,是一种奇怪的做法

Spotify的模型之所以有效,是因为它们符合公司的核心价值观和组织文化。 因此,制定和分析您自己组织的文化是理解如何影响变革的关键。

当我参与一个新的敏捷转型时,Waisfisz在组织文化方面的工作对我来说很关键。 他的论文非常好地提醒我们变革的首要关注点。

685381a4926acf78ddb1adfbf1f755f5f9865e73

资料来源:Bob Waisfisz(2015)组织文化视角。 霍夫斯泰德中心。 Itim国际

结合霍夫斯泰德(Hofstede)的文化维度,我总是有一个良好的起点去了解我将要改变的文化。 这些材料总能帮助我理解:

 ●   哪些方法 会比其他敏捷转型方法更好 - 自上而下和一次性的,还是从小处开始并公开进行,抑或偷偷摸摸地搞Scrum?
 ●   如何销售变革 - 是为了“更大的利益”,长期的盈利能力,还是关于市场主导地位,我是否需要一个 燃烧的平台 来创造驱动力?
 ●   哪种敏捷框架将比其他框架更有效 - 精益及其渐进变革会比Scrum带来的彻底变革更容易被接受吗? 因为高度规避不确定性的组织文化,或者具有很高的权力距离,所以像 SAFe 这样的规模化敏捷框架(人们可以看到熟悉的官僚层级结构)是比 LeSS 更好的起点?

在敏捷社区中,我们现在很容易地认识到传统的瀑布文化是什么样。现在是时候扩大我们的范围,理解组织的潜在文化方面,驱动力是什么,激励又是什么,然后将其作为推动积极变革的工具。



原文发布时间为:2018-09-26

本文作者:申导Jacky

本文来自云栖社区合作伙伴“中生代技术”,了解相关信息可以关注“中生代技术”。

相关文章
|
6月前
|
自然语言处理 Java Go
项目总监必看:如何利用Git深度统计团队代码贡献?多语言实践教程揭秘!
项目总监必看:如何利用Git深度统计团队代码贡献?多语言实践教程揭秘!
154 0
|
9月前
|
人工智能 自然语言处理 机器人
ChatGPT工作提效之初探路径独孤九剑遇强则强
ChatGPT工作提效之初探路径独孤九剑遇强则强
144 0
|
机器学习/深度学习 存储 监控
DVC 使用案例(三):机器学习持续集成与持续交互( CI/CD )
将 DevOps 方法应用于机器学习 (MLOps) 和数据管理 (DataOps) 越来越普遍。对于一个完善的 MLOps 平台来说,需要囊括资源编排(为模型训练提供服务器)、模型测试(验证模型推理)、模型部署到生产,以及模型监控和反馈等机器学习生命周期各个环节。 DVC 可以管理数据/模型和重现 ML 流水线,而 CML 可以协助编排、测试以及监控。
|
数据采集 供应链 监控
谈谈构建成功的数据治理团队的四个步骤
成功的数据治理需要与明确定义的业务需求保持一致。然而,太多的数据治理程序未能实现目标,因为它们忽略了这一先决条件。
|
运维 监控 安全
面向快速反应的工程团队 --QRF 团队模型
面向快速反应的工程团队 --QRF 团队模型
185 0
面向快速反应的工程团队 --QRF 团队模型
|
人工智能 自然语言处理 安全
Q&A特辑 | 关于模型开发与部署,这里有一份标准答案
11月24日,顶象业务安全大讲堂系列课程之《智能模型平台》正式开讲,顶象人工智能总监无常从从模型平台的现状与需求出发,带大家了解了模型平台的开发环境与部署环境,并且就顶象的Xintell 模型平台 为大家做了演示。
100 0
Q&A特辑 | 关于模型开发与部署,这里有一份标准答案
|
机器学习/深度学习 存储 Kubernetes
用于 MLOps 的最佳数据版本控制工具(Aporia)
您的团队如何跟踪机器学习模型和实验的所有数据? 这是数据科学团队经常遇到的问题。 为了在所有版本更新之后保持最新和一致,您的团队需要正确的工具。查看下面的 MLOps 领域中的最佳数据版本控制工具列表。
|
存储 安全 测试技术
【实测】用土话让你明白如何做测试平台的持续部署和集成 - 2【gitlab到底咋配置】
【实测】用土话让你明白如何做测试平台的持续部署和集成 - 2【gitlab到底咋配置】
【实测】用土话让你明白如何做测试平台的持续部署和集成 - 2【gitlab到底咋配置】
|
Java 测试技术 程序员
如何在足够规模团队中高效使用 Git 管理代码?
用了 Git 多年,优势和挑战都是深有体会。
146 0
如何在足够规模团队中高效使用 Git 管理代码?
|
程序员 开发者
如何阅读大型代码库?
Casey问我:“对于新手,有什么有针对性的诀窍来阅读大型代码库吗?” 碰巧,我认为这是一个非常好的问题。我觉得想要成为一个优秀的开发者,阅读代码库并弄清清楚内部是怎么回事的能力非常重要。在你的职业生涯中你会中途加入一个现有的项目并被要求迅速融入进去。或者,甚至更难,会有一个项目丢给你让你自己一个人搞清楚。
178 0

热门文章

最新文章