企业即算法、决策与分形

看待企业本质视角的不同，会影响我们解决企业规模化问题的策略。

企业的本质是什么？诺贝尔经济学奖获得者罗纳德·科斯（Ronald Coase）认为，企业的本质是一种资源配置机制。当市场交易成本高于企业内部的管理协调成本时，企业就是比市场更好的一种资源配置机制。而当市场交易的边际成本等于企业内部管理协调的边际成本时，就是企业健康规模的边界。在这种视角下，管理就是通过组织、计划、指导、实施、控制等过程，优化配置人、财、物等资源要素，实现企业效益最大化。

就企业的本质而言，彼得·德鲁克（Peter F. Drucker）认为，企业的目的就是创造顾客，而管理的本质就是激发、释放每个人的善意和固有的潜能，创造顾客价值，为他人谋福祉。

选择不同的视角来看企业的本质，会使企业家和领导者采取不同的管理策略。透过科斯的视角，管理者会关注到体系、流程、激励、内部定价机制等管理技术手段，把人视为一种输入到体系中的资源。透过德鲁克的视角，管理者会关注到创造客户价值、激发员工潜能、营造自由的文化，在管控流程上会更柔性，会把人当人，人是有自主性和创造力的生命体。

为了理解企业如何更好地实现规模化，我提出了一个企业本质的新视角：企业即算法。

理查德·道金斯（Richard Dawkins）在《自私的基因》一书中指出，生物体只是基因用来自我延续的载体。从这个角度来看，基因就是一组核心算法，让人产生各种各样的行为，包括通过学习调整自己以适应环境。组织是由人构成的，如果我们把企业看成一个生物体，那么每个员工就类似一个细胞。组织有自己的基因，形成各种决策并加以执行，那么，组织行为就是自身基因的外在表现。

选用“算法”一词而不是“基因”来描述企业的深层规律，是因为基因这个概念隐含着先天预设、难以改变的意味，而算法一词则意味着可以通过一定方法去理解、解构、学习、迭代。与企业基因相比，企业算法更能抓住企业快速变化和成长的本质，能更好地反映企业管理的现实和周期。

在企业即算法的视角下，管理即决策。人的行动，都是先由神经系统做决策，再由骨骼和肌肉系统来执行。组织也是如此，先决策再执行，不同的是，在执行时也需要在团队和个人层面做无数小决策，才能最后转化为实际的物理行动。其实，早在半个多世纪前，赫伯特·西蒙（Herbert Simon）就从决策的角度探讨了管理，并因此获得诺贝尔经济学奖。但是，“管理即决策”的理念在中国当前的管理实践和讨论中似乎并不充分。

企业到了一定规模后，都会非常重视产品质量管理，会有专业的标准、流程、工具、方法等来持续提升产品质量。但对于决策质量，虽然大家都知道它很重要，却很少有企业像对待产品质量一样建立专业体系来持续提升。投资机构在这个方面做得最好，因为每个投资决策都是真金白银，决策就是它们的核心业务流程。所以，优秀的投资者在这个领域都有精深的研究，比如巴菲特与查理·芒格、桥水基金的瑞·达利欧、橡树资本的霍华德·马克斯、量子基金的索罗斯、高瓴资本的张磊等，都有关于决策的极具洞察力和系统性的著作。房地产行业在这一点上与投资类似，在每个项目的生命周期中都有一系列涉及重大利益的决策点。

其实，任何企业高层、部门和业务领头人所做的决策，都会对团队和业务结果产生重大影响，值得在提高决策质量上做重大投入。管理者平时需要持续思考企业是否在做出最优决策、主要的障碍有哪些、如何改进。障碍可以是技术性的，如流程、权责、协作方法，也可以是心态上的，如企业价值观、激励导向、人际关系、个人偏见。管理者可以通过复盘来升级迭代企业算法，让下一个决策速度更快、质量更高、结果更好。这样的话，组织进化速度会更快，能更好地应对外部的不确定性和复杂性。

为什么企业即算法有助于我们理解企业规模增长的瓶颈？这要从一个基本的数学概念说起，即自相似分形。

自相似分形由数学家本华·曼德博（Benoit B. Mandelbrot）首先提出，他发现自然界存在局部形状和整体形状相似的现象，如树枝、西兰花的花冠、雪花、人体血管结构、连绵的山脉、河流的分支、海岸线等。在现代社会中，城市供水网络、电网、互联网、有线电视网络等也是分形的。

这个原理在计算机绘图、电影领域应用广泛。按照一定规则不断重复调用同一个简单的算法就可以画出大物体，比如通过重复“一个树枝长出三个分枝”的算法就可以画出一棵大树（见图2-1）。

2017年，研究复杂性的物理学家杰弗里·韦斯特（Geoffrey West）出版了《规模》一书，解释了为什么几乎所有维持生命的网络都具有自相似分形的特点。依据生物进化中能耗最低、效率最高者胜出的原则，他的理论揭示出分形是自然界解决规模、韧性、效率之间优化问题的一种方法。韦斯特还简单分析了企业的成长和规模，注意到企业的组织架构往往有自相似性，但是由于缺乏更详细的数据，无法以物理学家的标准进行研究。

图2-1　自相似分形示意图

按照科斯的理论，我们可以通过两种方式进行资源分配，一种是市场配置资源的外部交易，另一种是企业配置资源的内部协作。当内部协作成本高于外部交易成本时，就应该考虑通过市场来优化资源配置。企业规模的增长会有两个相互矛盾的效应，一种是我们常说的规模效应，即规模会提高效率和议价能力，导致成本降低；另一种是规模会导致管理复杂性上升，提高协作成本。当管理复杂性带来的成本上升大于规模效应带来的成本降低时，这时企业就会到达规模的边界。相反，如果能有效减缓管理复杂性带来的成本增加，企业就能够继续成长。

根据生命体的自然选择机制和计算机算法的原理，我提出一个假想：如果企业有一组简洁的企业算法来优化自身管理决策，按照自相似分形逻辑，来生长出不同层级的组织单元，就可以实现有竞争力的强大规模，突破规模瓶颈。

也许，这就是管理的自然审美。

企业算法本质上是一种优化算法，帮助管理者和员工根据要实现的目标来做出高质量决策。用数学概念描述的话，优化算法包括几个部分：

1.目标函数。目标函数建立输入变量和输出变量之间的因果关系，一般可以描述为y=f(x₀,x₁,x₂,…,x_n,t)，其中t是时间。企业算法的变量中一定要包括时间，在成功企业的算法中，时间的价值以复利形式体现。一个企业的目标，长期来看是企业愿景，中期来看是未来三年的利润、资本回报率等。

2.约束条件。约束条件规定在优化目标函数时必须遵守的边界，如合法合规、零事故率等。

3.一组输入变量的初始值x₀。代入到目标函数后能产生一个y₀值，同时也要验证其是否满足约束条件。这组初始值往往不是最优解，否则就像高尔夫球一杆进洞，非常幸运。在企业管理中，这组初始值往往是根据经验或行业对标等方法得出的。

4.产生下一组变量的一种算法。在企业管理中，可以通过复盘、研讨、专题研究、行业交流等产生下一组变量。

5.比较第4步变量得出的目标函数y₁和第3步得出的目标函数y₀。

6.重复第3步到第5步N次，如果连续两次之间的目标函数值差距小到一定程度，并且满足约束条件，就可以结束优化。如果经过许多轮（轮数越多，成本越高）还无法结束（算法不收敛），这个优化问题用这种算法就是无解的，那么可以考虑通过修改目标、约束条件、算法来调整。

上述优化思路，在技术性强的专业领域很容易理解，比如产品设计要比较多个方案。对于企业中更为复杂的问题，如战略决策、投资决策、人员决策等，在解决过程中其实也符合上述描述：比较多种方案带来的结果，从中选择收益、成本、风险最满意的方案（很难有最优解，只有满意解）。

我们只需要理解优化算法的基本逻辑，就可以得出任何管理决策的一些基本原则，比如：可以借鉴经验，但是不能只依赖经验；要有至少两个方案，才有优化的可能；必须持续迭代算法。

[1] 道金斯.自私的基因［M］.卢允中，张岱云，陈复加，等译.北京：中信出版社，2012.

[2] 西蒙.管理行为（珍藏版）［M］.詹正茂，译.北京：机械工业出版社，2013.

[3] 韦斯特.规模：复杂世界的简单法则［M］.张培，译.北京：中信出版社，2018.

[4] 韦斯特.规模：复杂世界的简单法则［M］.张培，译.北京：中信出版社，2018.