用企业算法突破规模瓶颈

企业在成长过程中，一定会碰到规模瓶颈，业务和管理上出现各种难题，而解决这些问题时又极易顾此失彼。这时，企业需要的不是更多人、更辛苦地工作，而是找到并解决深层次的问题。

在组织规模从小到中、从中到大，从专业化到多元化的成长过程中，决策产生并执行的过程越来越复杂。在小规模组织中，一般是围绕老板的决策直接展开行动。中等规模的组织会建立成型的管理体系，在形式上容易做到完整，但其运作模式往往是老板决策的延伸，通过组织把决策层层传递到一线从而产生行动。在大规模组织中，由于决策的数量更加庞大，必须让更多高层甚至中层有决策的权力和能力，根据决策的难度和重要性来匹配相应人员，不过执行决策时的协调和反馈也越来越复杂。在多元化企业中，决策和执行的复杂性进一步增加，这时候需要在企业治理上花更多的时间，定规则要比做业务重要。

以房地产行业为例，在从0到1阶段，开发项目的业务模式是清晰的，即投资买地—建造—销售—服务。当规模扩张到10个项目时，企业发展模式就可能出现分化。比如，有的企业把10个项目都放在一个城市，有的则分布到三五个城市。

在往更大规模发展时，单城市聚焦的企业有两种选择：一种是进入新城市，每个城市都做到5～10个项目；另一种是守在现在的城市，开发更多项目。如果进入新城市，就会发现之前在单个城市做业务时建立的企业算法（如决策方式、团队协作模式等）难以复制到多个城市，而改变一定会经历痛苦。于是，有的企业在尝试之后，最终还是选择在单个城市深耕。

在以城市作为基本作战单位的时候，从0到1就是把一个城市做好。而从单个城市扩展到5～10个城市，则是另一个关键阶段。随着进入城市越来越多，业务产出随城市数量线性增加，但管理的复杂度和协作成本则会随城市数量呈指数级增加，企业势必会在某个时候撞到规模之墙。

如果按照企业算法驱动管理体系的思路，就要把高层的部分工作重心，从解决表面的管理体系问题转移到解决管理策略和企业算法上。按照分形的逻辑，优化后的企业算法可以用在很多不同的业务场景中，就会更容易解决数量众多的各种表层问题。因此，通过把时间花到管理杠杆更高的问题上，同样的时间和精力投入就可以产出更大、更多、更好的业务结果，延迟撞到规模之墙的时间。

我们前面对于企业算法的讨论，重点放在了解决专业化企业的规模问题上，因为只有能在专业上做到优秀的企业，才有可能成长为优秀的多元化企业。

在多个行业都能成功的优秀多元化企业，一定有一套适用于不同行业的、可迁移的集团企业算法，可以反映不同行业之间的共性。而多元化企业中的每个专业公司，都会在这套企业算法上叠加各自专业领域的内容，但是不能与集团企业算法相抵触：

专业公司企业算法_i=集团企业算法+专业独特算法_i

比如，英国的维珍集团擅长在平淡无奇的传统服务产业中为客户营造欢乐的氛围，如航空客运、火车客运、音乐等产业。如果公司进入B2B领域，比如航空发动机制造领域，就会超出其企业算法可迁移的范围。

而在工业领域，美国的丹纳赫集团擅长收购B2B领域的低效制造企业，依靠整套管理提升方法论，快速提高被收购企业的整体管理水平和经营业绩。丹纳赫集团对收购对象有明确的筛选标准，以确保自身的企业算法能有效迁移到新购业务，进而实现它的投资回报要求。

美国的通用电气公司一度认为自己的企业算法可以应用于任何行业，于是进入了几乎所有主流行业，包括航空发动机、燃气轮机、家电、媒体、金融、医疗设备、能源服务、轨道交通设备、水处理等。后来，通用电气发现这条路走不通，便逐渐去多元化，聚焦在与其高温金属材料能力密切相关的航空发动机和燃气发电机领域，以及具有客户协同性的风力发电机制造领域。

中国大中型企业在面对增长瓶颈时，很多会考虑多元化。这时，企业家和高管必须客观评估自己的企业算法与要进入行业的业务逻辑是否匹配，如果不匹配，则需要做出相应的调整，并判断可实现度。当然，在此之前，企业必须在现有赛道上至少已经做到优秀，并在此过程中提炼出了自己的企业算法。否则，哪怕有企业算法，也没有竞争力，更谈不上可扩展性。