2020年注定不凡,必将成为众多企业与个体成长路上的分水岭。在VUCA、黑天鹅、灰犀牛、指数级变化成为“新常态”的时代下,如何领导团队、组织和个人“在危机中成长,于绝境中重生”,也必将成为未来领导者的关键能力。
从三月份开始,华为生态大学针对当前变化莫测的经济形势,面向其生态合作伙伴,针对现代化企业人才需求举办了系列线上的管理培训课程,开展领导力、财政管理、团队管理、区块链知识等线上直播。邀请了包括清华、北大和北邮等知名教授做客“Σco时间”直播间,为合作伙伴带来了一场场饕餮盛宴。
近期,华为生态大学邀请了领导力学者,高管教练;清华大学经管学院博士、MBA;清华大学经管学院MBA特聘讲师;原清华大学经管学院高管培训中心常务副主任徐中,来为生态伙伴和广大网友分享《VUCA环境中的逆境领导力》,2小时的生动课程全面介绍了逆境中领导力的重要性和修炼意义,并从让华为与其生态伙伴们进一步认识到管理的意义与重要性,并分享了不同商业环境下的企业领导者要具备的能力,以及如何在危机面前具有随时变化。
不确定环境中,领导力要像光一样引导
VUCA是volatility(易变性),uncertainty(不确定性),complexity(复杂性),ambiguity(模糊性)的缩写。最早是用来描述越发不稳定的、不确定的、复杂、模棱两可和多边的世界。
随后这种思想被各种组织所应有,特别是在商业领域,用来描述不定的、混乱的和快速变化的商业环境。在当前的这样的时代下,我们更应该注重领导者能力。
领导者的作用是什么?就是要在茫茫黑夜中,用自己发出的微光,指引着你的队伍前进。
正本清源,领导力的核心是信任
在演讲中,徐中分享了很多企业的成功案例,对华为任正非的解读令人记忆深刻,“1988年的任正非有什么?啥都没有。不就是几个人,两万块钱嘛,为什么那么多人跟华为合作,不就是值得信赖嘛,懂得分享嘛。”
要获得企业员工的信任,徐中通过众多企业沟通发现,大家一个共识就是领导者要有雄心,要心怀宽广,并有敏锐的未来方向感。
同时对于一个优秀的领导者来讲,留住优秀人才也是最重要的抓手。华为的成功,有很大的原因是拥有大量的人才,其核心也是利益分享机制特别好,所有参与的有贡献的人都能得到比较公正的回报。
领导力最大的特点是信任。当你让生态合作伙伴感觉到信任的时候,你是有能力给对方带来价值的时候,人们就愿意和你合作。
领导者要抓最重要的事情
在当前环境中,对于生态里的合作伙伴和企业中的领导者来讲,要抓住企业发展最重要的关键点,包括要有明确的战略和目标,以及在特殊环境中及时做出应变反应来确保战略的正确。
同时要构建一个积极向上的团队,留住人才最重要。还有就是保证关键资源的获取渠道畅通,包括影响企业的资源、生态链和利益链的问题。而这些需要学习成功的企业家的一些思维、理念和行为,来减少弯路。当你日积月累实践的时候,就能形成一些正向的循环。
特殊时期,华为生态大学心系生态伙伴
在中国,华为拥有庞大的生态伙伴规模,为伙伴赋能,也彰显了华为的责任与担当。同时华为成功的关键优势也是在生态,作为华为生态网络中的一节点,如何影响生态中的每个节点,如何让节点之间的资源相互借鉴,借助华为的经验来帮助自己的团队学习和成长。
作为华为ICT人才生态的新载体,华为生态大学致力于成为中国数字化转型的人才引擎。虽然当前疫情阻断了线下培训课程的脚步,但一系列线上直播课程一样撑起了华为帮助生态伙伴人才培养的支持计划。为生态造血,促进生态健康高效发展,从三月份到现在,华为生态大学举办了6次在线直播课程,观看人次超过2万人次,华为希望通过这一系列课程,从领导者能力、现代化理念到高绩效团队,全面提升生态伙伴企业的竞争力,和伙伴一起在愈加复杂和多变的市场环境中抓住新机会,站得更高,看得更远。
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。