企業即算法、決策與分形

看待企業本質視角的不同，會影響我們解決企業規模化問題的策略。

企業的本質是什么？諾貝爾經濟學獎獲得者羅納德·科斯（Ronald Coase）認為，企業的本質是一種資源配置機制。當市場交易成本高于企業內部的管理協調成本時，企業就是比市場更好的一種資源配置機制。而當市場交易的邊際成本等于企業內部管理協調的邊際成本時，就是企業健康規模的邊界。在這種視角下，管理就是通過組織、計劃、指導、實施、控制等過程，優化配置人、財、物等資源要素，實現企業效益最大化。

就企業的本質而言，彼得·德魯克（Peter F. Drucker）認為，企業的目的就是創造顧客，而管理的本質就是激發、釋放每個人的善意和固有的潛能，創造顧客價值，為他人謀福祉。

選擇不同的視角來看企業的本質，會使企業家和領導者采取不同的管理策略。透過科斯的視角，管理者會關注到體系、流程、激勵、內部定價機制等管理技術手段，把人視為一種輸入到體系中的資源。透過德魯克的視角，管理者會關注到創造客戶價值、激發員工潛能、營造自由的文化，在管控流程上會更柔性，會把人當人，人是有自主性和創造力的生命體。

為了理解企業如何更好地實現規模化，我提出了一個企業本質的新視角：企業即算法。

理查德·道金斯（Richard Dawkins）在《自私的基因》一書中指出，生物體只是基因用來自我延續的載體。從這個角度來看，基因就是一組核心算法，讓人產生各種各樣的行為，包括通過學習調整自己以適應環境。組織是由人構成的，如果我們把企業看成一個生物體，那么每個員工就類似一個細胞。組織有自己的基因，形成各種決策并加以執行，那么，組織行為就是自身基因的外在表現。

選用“算法”一詞而不是“基因”來描述企業的深層規律，是因為基因這個概念隱含著先天預設、難以改變的意味，而算法一詞則意味著可以通過一定方法去理解、解構、學習、迭代。與企業基因相比，企業算法更能抓住企業快速變化和成長的本質，能更好地反映企業管理的現實和周期。

在企業即算法的視角下，管理即決策。人的行動，都是先由神經系統做決策，再由骨骼和肌肉系統來執行。組織也是如此，先決策再執行，不同的是，在執行時也需要在團隊和個人層面做無數小決策，才能最后轉化為實際的物理行動。其實，早在半個多世紀前，赫伯特·西蒙（Herbert Simon）就從決策的角度探討了管理，并因此獲得諾貝爾經濟學獎。但是，“管理即決策”的理念在中國當前的管理實踐和討論中似乎并不充分。

企業到了一定規模后，都會非常重視產品質量管理，會有專業的標準、流程、工具、方法等來持續提升產品質量。但對于決策質量，雖然大家都知道它很重要，卻很少有企業像對待產品質量一樣建立專業體系來持續提升。投資機構在這個方面做得最好，因為每個投資決策都是真金白銀，決策就是它們的核心業務流程。所以，優秀的投資者在這個領域都有精深的研究，比如巴菲特與查理·芒格、橋水基金的瑞·達利歐、橡樹資本的霍華德·馬克斯、量子基金的索羅斯、高瓴資本的張磊等，都有關于決策的極具洞察力和系統性的著作。房地產行業在這一點上與投資類似，在每個項目的生命周期中都有一系列涉及重大利益的決策點。

其實，任何企業高層、部門和業務領頭人所做的決策，都會對團隊和業務結果產生重大影響，值得在提高決策質量上做重大投入。管理者平時需要持續思考企業是否在做出最優決策、主要的障礙有哪些、如何改進。障礙可以是技術性的，如流程、權責、協作方法，也可以是心態上的，如企業價值觀、激勵導向、人際關系、個人偏見。管理者可以通過復盤來升級迭代企業算法，讓下一個決策速度更快、質量更高、結果更好。這樣的話，組織進化速度會更快，能更好地應對外部的不確定性和復雜性。

為什么企業即算法有助于我們理解企業規模增長的瓶頸？這要從一個基本的數學概念說起，即自相似分形。

自相似分形由數學家本華·曼德博（Benoit B. Mandelbrot）首先提出，他發現自然界存在局部形狀和整體形狀相似的現象，如樹枝、西蘭花的花冠、雪花、人體血管結構、連綿的山脈、河流的分支、海岸線等。在現代社會中，城市供水網絡、電網、互聯網、有線電視網絡等也是分形的。

這個原理在計算機繪圖、電影領域應用廣泛。按照一定規則不斷重復調用同一個簡單的算法就可以畫出大物體，比如通過重復“一個樹枝長出三個分枝”的算法就可以畫出一棵大樹（見圖2-1）。

2017年，研究復雜性的物理學家杰弗里·韋斯特（Geoffrey West）出版了《規模》一書，解釋了為什么幾乎所有維持生命的網絡都具有自相似分形的特點。依據生物進化中能耗最低、效率最高者勝出的原則，他的理論揭示出分形是自然界解決規模、韌性、效率之間優化問題的一種方法。韋斯特還簡單分析了企業的成長和規模，注意到企業的組織架構往往有自相似性，但是由于缺乏更詳細的數據，無法以物理學家的標準進行研究。

圖2-1　自相似分形示意圖

按照科斯的理論，我們可以通過兩種方式進行資源分配，一種是市場配置資源的外部交易，另一種是企業配置資源的內部協作。當內部協作成本高于外部交易成本時，就應該考慮通過市場來優化資源配置。企業規模的增長會有兩個相互矛盾的效應，一種是我們常說的規模效應，即規模會提高效率和議價能力，導致成本降低；另一種是規模會導致管理復雜性上升，提高協作成本。當管理復雜性帶來的成本上升大于規模效應帶來的成本降低時，這時企業就會到達規模的邊界。相反，如果能有效減緩管理復雜性帶來的成本增加，企業就能夠繼續成長。

根據生命體的自然選擇機制和計算機算法的原理，我提出一個假想：如果企業有一組簡潔的企業算法來優化自身管理決策，按照自相似分形邏輯，來生長出不同層級的組織單元，就可以實現有競爭力的強大規模，突破規模瓶頸。

也許，這就是管理的自然審美。

企業算法本質上是一種優化算法，幫助管理者和員工根據要實現的目標來做出高質量決策。用數學概念描述的話，優化算法包括幾個部分：

1.目標函數。目標函數建立輸入變量和輸出變量之間的因果關系，一般可以描述為y=f(x₀,x₁,x₂,…,x_n,t)，其中t是時間。企業算法的變量中一定要包括時間，在成功企業的算法中，時間的價值以復利形式體現。一個企業的目標，長期來看是企業愿景，中期來看是未來三年的利潤、資本回報率等。

2.約束條件。約束條件規定在優化目標函數時必須遵守的邊界，如合法合規、零事故率等。

3.一組輸入變量的初始值x₀。代入到目標函數后能產生一個y₀值，同時也要驗證其是否滿足約束條件。這組初始值往往不是最優解，否則就像高爾夫球一桿進洞，非常幸運。在企業管理中，這組初始值往往是根據經驗或行業對標等方法得出的。

4.產生下一組變量的一種算法。在企業管理中，可以通過復盤、研討、專題研究、行業交流等產生下一組變量。

5.比較第4步變量得出的目標函數y₁和第3步得出的目標函數y₀。

6.重復第3步到第5步N次，如果連續兩次之間的目標函數值差距小到一定程度，并且滿足約束條件，就可以結束優化。如果經過許多輪（輪數越多，成本越高）還無法結束（算法不收斂），這個優化問題用這種算法就是無解的，那么可以考慮通過修改目標、約束條件、算法來調整。

上述優化思路，在技術性強的專業領域很容易理解，比如產品設計要比較多個方案。對于企業中更為復雜的問題，如戰略決策、投資決策、人員決策等，在解決過程中其實也符合上述描述：比較多種方案帶來的結果，從中選擇收益、成本、風險最滿意的方案（很難有最優解，只有滿意解）。

我們只需要理解優化算法的基本邏輯，就可以得出任何管理決策的一些基本原則，比如：可以借鑒經驗，但是不能只依賴經驗；要有至少兩個方案，才有優化的可能；必須持續迭代算法。

[1] 道金斯.自私的基因［M］.盧允中，張岱云，陳復加，等譯.北京：中信出版社，2012.

[2] 西蒙.管理行為（珍藏版）［M］.詹正茂，譯.北京：機械工業出版社，2013.

[3] 韋斯特.規模：復雜世界的簡單法則［M］.張培，譯.北京：中信出版社，2018.

[4] 韋斯特.規模：復雜世界的簡單法則［M］.張培，譯.北京：中信出版社，2018.