30 May 2008

Information Ecology - 2

ต่อจากตอนที่แล้ว

ในแผนภาพอันเดิม วงกลมในสุด Information Environment ประกอบด้วยส่วนประกอบย่อยอีก 6 ชนิด มีความสัมพันธ์ซึ่งกันและกันแบบดาว 6 เหลี่ยม
  1. Information Strategy
  2. Information Politics
  3. Information Behavior and Culture
  4. Information Staff
  5. Information Process
  6. Information Architecture
ในบทถัดๆ ไปจะเจาะลงลึกของแต่ละส่วน สำหรับส่วนแรก Information Strategy บรรยายได้ง่วงมาก อ่านแล้วหลับ ขอข้ามไป Information Politics เลย

Information Politics คือการจัดสรรอิทธิพลของผู้กุมอำนาจด้านสารสนเทศในองค์กร แบ่งได้เป็น 4 ประเภท เอาตามรูปแบบการปกครองในชีวิตจริง แต่ละแบบก็มีความเหมาะสมในการใช้งานต่างกัน
  • Information Monarchy -- centralize มากที่สุด
  • Information Federalism
  • Information Feudalism
  • Information Anarchy -- centralize น้อยที่สุด
Information Monarchy คือมีคนๆ เดียวในองค์กรที่รับบท King นั่นคือ CEO จะเป็นตำแหน่งอื่นทำนี่ยากมาก (เช่น CIO) เพราะจะมีเรื่องอำนาจสูงสุดมาเกี่ยวข้อง เหมาะสำหรับองค์กรขนาดเล็กถึงกลาง และภาวะที่ต้องการความเด็ดขาด เช่น CEO ทุบโต๊ะ ใครไม่ทำตามนี้โดนไล่ออก

Information Federalism แบบสหพันธ์ คำว่า "สหพันธ์" นี้ถ้าถามผม ผมจะนึกถึงกันดั้มเป็นอย่างแรก แต่โมเดลที่เหมาะกว่าคือรัฐบาลสหรัฐ ซึ่งมีทั้งรัฐบาลระดับรัฐ และรัฐบาลกลาง คอนเซปต์ของโมเดลนี้คือให้แต่ละหน่วยงานย่อยๆ รับผิดชอบสารสนเทศในหน่วยงานของตัวเองเป็นหลัก และมีบางส่วนซึ่งเป็นส่วนน้อยเท่านั้น ที่แชร์ข้ามหน่วยงาน (เช่น งบการเงิน)

โมเดลนี้จะเหมาะกับบริษัทขนาดใหญ่ที่อยู่ในหลายธุรกิจ (เช่น AOL Time ที่เป็นทั้งสื่อและบริษัทโทรคมนาคม) คำว่า "ลูกค้า" ของหน่วยงานย่อยคนละอัน อาจมีความหมายต่างกันได้ (information particularlism) ในขณะที่สารสนเทศบางอัน (เช่น กำไร) มีความหมายเหมือนกันไม่ว่าที่ไหน (information universalism) จะว่าไปแล้ว มันเป็นการจัดการกับแนวคิด generalize-specific นั่นเอง

ผู้เขียนอ้างวิธีของกระทรวงกลาโหมสหรัฐ ซึ่งจัดระดับของความลึกของสารสนเทศเป็น 7 ระดับ คือ personal

Information Feudalism โมเดลเลียนแบบขุนนางยุคกลาง คือ ผู้จัดการของแต่ละส่วนงานเปรียบเสมือนลอร์ด และควบคุมสารสนเทศในหน่วยงานของตัวเอง (เหมือนเจ้าที่ดิน ควบคุมแรงงานรอบปราสาท) มีการแชร์ข้อมูลระหว่างหน่วยงานน้อยมากๆ

โมเดลนี้อาจฟังดูไม่ค่อยเวิร์ค แต่จริงๆ มันก็มีสถานการณ์ที่เหมาะสมอยู่บ้าง เช่น กิจการที่อยู่คนละขั้วกันมากๆ แต่ดันอยู่ในบริษัทเดียวกัน (เช่น ทีวี กับ บริษัทผลิตเครื่องบิน) ก็ไม่รู้จะแชร์ข้อมูลระหว่างกันไปทำไม อย่างไรก็ตามผู้เขียนไม่แนะนำให้ใช้ครับ

Information Anarchy ไร้ระเบียบโดยสิ้นเชิง เป็นโมเดลที่หาได้ยากในองค์กรจริงในชีวิตจริง อย่างไรก็ตามพอ PC ถูกนำมาใช้ในองค์กร เราสามารถมองว่าข้อมูลที่เก็บใน PC แต่ละเครื่อง (ของพนักงานแต่ละคน) เป็นเอกเทศ ไม่ยุ่งกับใคร ได้เช่นกัน

นอกจากนี้ยังมีโมเดลที่อยู่นอกระบอบการปกครองอีก 2 อัน

Market-Based Models เอาหลักเศรษฐศาสตร์เรื่อง demand-supply และ "มือที่มองไม่เห็น" มาช่วย โดยถือว่าสารสนเทศที่ดี คนจะใช้เยอะ และมันจะเด่นขึ้นมาเอง วิธีของเค้าคือเก็บทุกอย่างลงใน repository กลางให้หมด แล้วเขียนโปรแกรมจับว่าข้อมูลไหนถูกใช้เยอะน้อยอย่างไร จากนั้นจัดความสำคัญตามความนิยม บริษัทที่ใช้โมเดลนี้คือ McKinsey

อย่างไรก็ตามจุดอ่อนมันคือดูยากว่า ข้อมูลชิ้นไหนเป็นของใคร หน่วยงานหรือพนักงานคนไหนเป็นผู้รับผิดชอบ

Technocratic Utopias โมเดลนี้ยึดหลัก Utopia ว่า "อะไรซักอย่าง" จะช่วยแก้ปัญหาทั้งหมดได้ ซึ่งในบริบทนี้คือเทคโนโลยีจะช่วยแก้ปัญหาได้ ซื้อเทคโนโลยีอย่าง SAP, Lotus Notes, ERP มา ปัญหาด้านระบบสารสนเทศทั้งหมดจะคลี่คลาย ผู้เขียนบอกว่านี่เป็น "ทัศนคติที่อันตราย" สามารถล้มล้างสถาบันบริษัทได้ครับ

29 May 2008

Information Ecology

Information Ecology เป็นหนังสือปี 1997 ของอีกหนึ่งปรมาจารย์ในวงการ Information Management คือ Thomas Davenport

Davenport เสนอโมเดลในการจัดการสารสนเทศแบบใหม่ (ในยุคนั้น) คือให้เลิกมอง Information Management ที่จำกัดในโดเมนของเทคโนโลยีและเรื่องเทคนิค มาเป็นการมองให้ครอบคลุมถึงผู้ใช้ และพฤติกรรมการใช้งานของคนด้วย (ซึ่งตรงกับหลักการบริหารสมัยใหม่ ตามที่เขียนไปใน Strategy Safari) Davenport ได้ใช้โมเดลของระบบนิเวศน์ (ecology) มาเป็น metaphor และหลักของเค้าก็มีชื่อตามหนังสือคือ Information Ecology

พยายามจะช็อตโน้ตคร่าวๆ แต่วิธีอ่านหนังสือของผมมันกระโดด (แถมอ่านไม่เคยจบสักเล่ม) คนอ่านควรทำใจเล็กน้อย ตัวสีเขียวเป็น remark ของผมเอง

Data-Information-Knowledge

Davenport เริ่มตามธรรมเนียมของวงการ IM คือพูดถึงชนิดของข้อมูลหรือสารสนเทศ
  • Data - ใช้คำอธิบายว่า simple observations of states of the world
  • Information - Data endowed with relevance and purpose
  • Knowledge - Valuable information from human mind. Includes reflection, synthesis, context
Data จะมีลักษณะเด่นคือ จัดการโครงสร้างได้ง่าย, จัดเก็บด้วยเครื่อง (machine) ได้ง่าย, แยกแยะได้ง่าย (quantified) และเคลื่อนย้าย (transfer) ได้ง่าย ส่วน Knowledge ก็อยู่อีกสุดปลาย คือ จัดโครงสร้างยาก เก็บลงเครื่องยาก มีลักษณะเป็น tacit และเคลื่อนย้ายได้ยาก

อ่านมาถึงตรงนี้ ผมเลยคิดว่า ถ้าเราเอาใช้โมเดลนี้อธิบายเรื่อง IM/KM โปรเซสหลักจะมีสองส่วน คือ
  1. หาวิธีแปลง Knowledge มาเป็น Data (เพื่อให้เคลื่อนย้ายได้ง่าย) อย่างมีประสิทธิภาพ (รวมถึงการแปลงกลับด้วย)​ -- เป็น vertical transfer
  2. หาวิธีเคลื่อนย้ายถ่ายโอน Data ให้มีประสิทธิภาพ -- เป็น horizontal transer
ผมเคยเขียนแนวคิดคล้ายๆ กันไว้แล้วในบล็อก Practical Knowledge Management ไว้มีโอกาสจะมาขยายความต่อ

กลับมาที่ Davenport โมเดลที่เขาเสนอนั้นจะอยู่ในบทที่ 3 ซึ่งเป็นบทที่สำคัญที่สุด (เพราะบทต่อๆ ไปจะไม่มีอะไรมากกว่าการลงรายละเอียดของแต่ละส่วน)​ เขาเริ่มจากว่า ถ้าเราจะเอาหลักนิเวศน์มาจับ เราต้องนำเอา attribute ของระบบนิเวศน์ (ของจริง) มาประยุกต์ใช้ด้วย ซึ่งมี 4 ข้อ

1. Integration of Diverse Types of Information

สนใจความหลากหลายในระบบนิเวศน์ เหมือนกับเวลาเรียน สปช. เรื่องบึงน้ำ ก็จะมีเขียด กบ ลูกอ๊อด ปลา งู ปลาไหล ฯลฯ สำหรับระบบนิเวศน์ของ information เราก็มีข้อมูลนานาชนิดเช่นกัน ได้แก่ ข้อความ เสียง วิดีโอ ซุบซิบ ข่าวลือ ทั้งที่เป็นคอมพิวเตอร์และไม่ได้เป็น

การ integrate สารสนเทศเหล่านี้เข้าด้วยกัน จึงต้องคำนึงถึงข้อมูลทุกชนิดที่เป็นไปได้

ข้อสังเกตอันหนึ่งคือ ในความเป็นจริงแล้ว information system แต่ละแห่งมีความสัมพันธ์ระหว่างกันน้อยมาก (เช่น ห้องสมุด กับ ฐานข้อมูลระเบียน) จึงต้องมีตัวกลาง (ในที่นี้คือผู้จัดการระดับกลาง) ที่มาเป็นตัวเชื่อมระหว่างระบบสารสนเทศต่างๆ ในองค์กร

2. Recognition of Evolutionary Change

อันนี้สอดคล้องกับการจัดการแบบใหม่เช่นกัน คือมองทุกอย่างเป็นพลวัต (dynamic) และมีการเปลี่ยนแปลงแบบค่อยเป็นค่อยไป (incremental/evolutionary) แต่เปลี่ยนอยู่เสมอ ตัวอย่างที่เค้ายกมาคือระบบไอทีในองค์กร ซึ่งกว่าจะได้ implement จริง สเปกคอมก็ล้าสมัยเสียแล้ว

บางหน่วยงานจึงนำเทคนิคหลายอย่างเข้ามาจัดการ เช่น Rapid Application Development

คิดว่านำเรื่อง Change Management/Risk Management เข้ามาจับได้เช่นกัน

3. Emphasis on Observation and Description

คนเขียนอ้าง Darwin ว่าใช้วิธี observe หรือสังเกตความเป็นไปของสิ่งที่เกิดขึ้นในธรรมชาติ ในระบบสารสนเทศที่มีความซับซ้อนก็คล้ายกัน คือเราไม่มีทางรับรู้ถึงสิ่งที่เกิดขึ้นอยู่จริงในระบบ จากการสัมภาษณ์หรือสอบถามคนเพียงผิวเผิน (ซึ่งเรามักจะทำกัน) Davenport เสนอให้เราอยู่กับความเป็นจริงมากขึ้น โดยสังเกตความเป็นไปอย่างลึกซึ้ง (แค่ไหน? - กว่าเดิม) ลดการวางแผนล่วงหน้าไกลๆ ลง และสนใจเรื่องการอธิบาย (description) ของสิ่งที่กำลังเกิดอยู่แทนจะดีกว่า

ประโยคปิดท้ายคือ ในเมื่อเรารู้อะไรน้อยมากเกี่ยวกับวิธีที่สารสนเทศถูกใช้ในองค์กร ทำไมเราไม่เริ่มต้นด้วยการสังเกตสปีชีย์ในระบบ ซึ่งก็คือ information users ให้มากขึ้นแทน

4. Focus on People and Information Behavior

เดิมทีนั้น วงการ IM จะสนใจการสร้าง (production) และการกระจายตัว (distribution) ของสารสนเทศ แต่ไม่สนใจกระบวนการหลังจากนั้น ซึ่งประกอบด้วยการค้นหา (seek), แชร์, จัดระเบียบ (structure), และนำไปใช้งาน (make sense of) รวมถึงสิ่งที่ตามมาหลังจากนั้น (และเป็นนามธรรมกว่า) คือวัฒนธรรมและมุมมองต่อ information ที่เกิดขึ้นในองค์กร

สรุปสั้นๆ ว่า ให้สนใจ Information Behavior ด้วย

A Model for Information Ecology

สรุปว่าด้วยเหตุผลข้างต้น Davenport จึงเสนอโมเดลของ Information Ecology เป็นแผนภาพได้ดังนี้
จริงๆ มันมีรายละเอียดมากกว่านี้อีกหน่อย (เช่น ในวง Information Environment จะมีส่วนประกอบย่อยๆ อีก 6 อย่าง และในสองวงใหญ่ก็จะมี aspect อีกฝั่งละ 3 อย่าง แต่เนื่องจากขี้เกียจวาด (และหาในเว็บไม่เจอ) ก็เอาคร่าวๆ แค่นี้พอ

รายละเอียดของโมเดลนี้ เอาไว้ลงลึกกันตอนหน้า เมื่อว่ากันเป็นรายบท

ไอเดียที่เกิดขึ้นระหว่างอ่านข้อเสนอของ Davenport คือ ถ้ามองสารสนเทศเป็นระบบนิเวศน์ ปัจจุบันเรามีระบบสารสนเทศขนาดใหญ่อย่างอินเทอร์เน็ต ที่มีลักษณะเป็นระบบนิเวศน์ขนาดใหญ่มากๆ อยู่แล้ว เราสามารถนำ best practice ที่เกิดขึ้นในอินเทอร์เน็ต ไปใช้กับระบบสารสนเทศในองค์กร (ในฐานะที่เป็นระบบนิเวศน์ที่มีขนาดย่อมลงมา) ได้สักแค่ไหน และอย่างไร มีปัญหาเรื่อง size does matter หรือไม่?

28 May 2008

Knowledge Management: Lessons Learned - 2

อันนี้ย่อความของบทที่ 4-5 ครับ แบบย่อสุดๆ เพราะสมาธิหายแล้ว

บทที่ 4: Critical Success Factors of Knowledge Management

มี 5 อัน ตามหลักบริหารทั่วไป
  • Leadership
  • Culture
  • Structure, roles, and responsibilities
  • IT infrastructure
  • Measurement
บทที่ 5: Successfully Implementing KM

พูดถึงขั้นตอนในการ implement KM 5 ขั้น ตามโมเดลของ American Productivity and Quality Center (APQC)
  1. Get Started - เตรียมความพร้อม เช่น ขอเงิน ขออนุมัติ สร้าง infra พื้นฐานรอไว้ก่อน
  2. Develop Strategy - คิดแผน
  3. Design and Launch KM Initiatives - ทำ pilot project
  4. Expand and Support - ขยายตัว
  5. Institutionalize KM - ทำให้ KM กลายเป็นวัฒนธรรมลงรากขององค์กร

Knowledge Management: Lessons Learned

สรุปความจากหนังสือ Knowledge Management: Lesson Learned ของ Koenig and Srikantaiah

ในบทที่ 3 Knowledge Management in Action: Nine Lessons Learned ยกกรณีศึกษา (best practice) 9 ข้อ จาก IBM Global Services มาให้อ่าน

ข้อหนึ่ง: A Focal Point for KM Improvement Ensures Development of An Appropriate KM Solution

ข้อนี้แปลว่า ให้คุณหาจุดเริ่มต้นที่เหมาะสม (focal point) สำหรับเริ่มทำ KM ในองค์กร เพราะว่า KM มีความซับซ้อนสูงมาก ยิ่งในองค์กรที่มีขนาดใหญ่และมีวัฒนธรรมของตัวเองสูง เราจะงงๆ เวลาทำ KM ได้

วิธีการหา focal point (ในที่นี้คือ business process สักอัน) ส่วนใหญ่จะมีลักษณะร่วมกันดังนี้
  • โปรเซสนั้นมี transaction สูง และต้องใช้คนลงไปทำเป็นจำนวนมาก (high labor input)
  • โปรเซสนั้นเป็นจุดก่อให้เกิดความเสี่ยงด้านการเงินต่อบริษัท
  • โปรเซสนั้นไม่มีวิธีการวัดผลที่เป็นสากล ว่ามันเวิร์คแค่ไหน (ใช้ความคิดของปัจเจกบุคคลสักคน -- individual judgement)
  • ผู้บริหารระดับสูงหรือเจ้าของกิจการ เห็นว่าโปรเซสนี้ ยังปรับปรุงได้อีกเยอะ <-- สำคัญสุด
ถ้าหลักการ 4 ข้อนี้หาโปรเซสที่ว่าไม่เจอ มีแบบจำลอง Knowledge Process Mapping (KPM) ช่วยได้ โดยแบบจำลองนี้จะช่วยแจกแจง tacit knowledge (expertise), content, social capital และ infrastructure

ข้อสอง: A KM Solution Blueprint Provides a Long-lasting Reference Point for Action

หลังจากหาจุดที่ต้องการเริ่มต้นได้แล้ว ให้สร้าง blueprint หรือแผนยุทธศาสตร์สำหรับการทำ KM รอบๆ โปรเซสที่ว่า เพราะ blueprint นี้จะเป็นไกด์ให้เราในระยะยาว (เค้าเปรียบเทียบว่า blueprint เป็นเหมือนภาพหน้ากล่องจิ๊กซอ)

ขั้นตอนที่เป็นรูปธรรมคือ สำรวจว่าในองค์กรมีโปรเซสด้าน KM อะไรอยู่แล้วบ้าง โดยใช้
  • brainstorming
  • voting
  • focus groups
  • individual interview
ลิสต์ออกมาให้หมด จัดกลุ่มและค้นหาความสัมพันธ์ระหว่างโปรเซสเหล่านั้น แผนภาพสุดท้ายที่แสดงการเชื่อมต่อทั้งหมดคือ blueprint นั่นเอง (พูดง่ายๆ ว่าหาภาพกว้างทั้งหมด)

ถ้าไม่ทำ blueprint ภาพกว้าง มีโอกาสที่เราจะเผลอไปสนใจเฉพาะบางส่วนขององค์กร (จิ๊กซอบางส่วน) ไม่ใช่ภาพรวมทั้งหมด

มี remark นิดหนึ่งว่าถ้า blueprint เองซับซ้อนเกินไป อาจแบ่ง blueprint เป็น stage ได้

ข้อสาม: Successfully Addressing a KM issue in One Area of A Firm Often Addresses it in Many Other Areas

จากการศึกษาของ IBM GS เองพบว่า ถ้าค้นหาโซลูชันเจอหนึ่งอันแล้ว จะมีโอกาสสูงที่โซลูชันนั้นจะใช้กับปัญหาใกล้เคียงได้ด้วยเช่นกัน (เพราะรากเหง้าของปัญหามันคล้ายๆ กัน)

ผู้เขียนอธิบายว่า ต้นเหตุของปัญหาด้าน KM แบ่งได้เป็น 2 ด้านใหญ่ๆ
  • ผู้รับผิดชอบโปรเซสมีความตั้งใจ (willingness) ที่จะแชร์ข้อมูลหรือไม่ -- ซึ่งเกี่ยวข้องกับวัฒนธรรม และการวัดผลในองค์กร
  • โครงสร้างพื้นฐานทางสารสนเทศ -- เช่น database, applications, workflow tools ฯลฯ
ดังนั้นถ้าลงทุนในโครงสร้างพื้นฐาน หรือเข้มงวดเรื่องวัฒนธรรมองค์กรแล้ว ไม่ว่าจะเป็น KM เรื่องอะไร มันมักจะเห็นผล

ข้อสี่: The Best KM Solutions Address a Business Issue Already Perceived to be Important

เนื่องจาก KM ได้รับความนิยมมาก จึงมีเครื่องมือและวิธีการทำ KM แบบต่างๆ ออกมาเยอะแยะไปหมด ไม่รู้จะเลือกอันไหน คำแนะนำของ IBM GS คือให้ดูว่าธุรกิจของเรามีตรงไหนที่บกพร่อง แล้วเริ่มที่ตรงนั้นล่ะ

ผู้เขียนยกตัวอย่างของแผนก trade ของบริษัทแห่งหนึ่ง​ ซึ่งมีปัญหา information overload คือมีอีเมลเข้ามาวันละ 150-300 ฉบับ ใช้เวลาอ่านวันละ 4 ชม. และพนักงานบ่น ทาง IBM GS ได้เข้าไปทำ workshop และพบว่าพนักงานถึงจะยุ่งแต่ก็ยังมีเวลามาเข้า workshop (แปลว่ายุ่งไม่จริง คือเหมือนจะงานเยอะ แต่ไม่ใช่งานสำคัญ) ซึ่งเป็นสัญญาณอันดีว่า information overload แก้ได้ถ้าจัดการดีๆ

กับดักทางความคิดคือ ต้องหาวิธีที่แก้รากเหง้าของปัญหา (คือลด overload) ไม่ใช่ถึกทำด้วยโซลูชันเก่า (เช่น ถ้าเมลเยอะ ก็หาเวลาอ่านเมลเพิ่ม) ซึ่งสุดท้ายแล้ว IBM GS เสนอให้แก้ปัญหาด้วยการใช้ filter กรองอีเมลเข้าหมวดต่างๆ และจัดระเบียบหน้าที่ของพนักงานในฝ่ายใหม่ไม่ให้ซ้ำซ้อน เวลามีอีเมลเข้ามา ก็จะมีคนที่รับผิดชอบเรื่องนั้นไปเพียงคนเดียว ไม่ต้อง CC หลายคนให้วุ่นวายและเสียเวลาอ่าน

ข้อห้า: A Passionate, Committed Line Business Leader is Key to Successful KM Initiatives

ข้อนี้พูดกันบ่อยในตำราการจัดการเกือบทุกเล่ม บุคคลากรหลักในการจัดการองค์กรยุคใหม่คือผู้บริหารระดับกลาง (Line Business Manager) สำหรับเรื่อง KM นี้ก็ไม่มีอะไรพิเศษ ต้องหา Line Business Manager ที่เข้าใจความสำคัญของ KM (และที่สำคัญ ต้อง commit กับโครงการ ไม่ทิ้งง่ายๆ) ให้ได้นั่นเอง

คีย์เวิร์ดอยู่ที่คำว่า Passionate

ข้อหก: Dedicated, Competent and Respected Business Unite Members Make Excellent KM Team Members

หาคนในทีม (จากบริษัทที่จะทำ KM) ที่ได้รับการยอมรับมาทำโครงการ KM แบบฟูลไทม์ (dedicated) หรือถ้าไม่ได้จริงๆ อย่างน้อยต้อง 50% ร่วมกับคนจากบริษัท consult เพื่อเป็นการถ่ายทอดความรู้ หลังจากบริษัทที่ปรึกษาหมดสัญญาไปแล้ว

ส่วนประเด็นเรื่องการยอมรับ เป็นเพราะว่าพนักงานคนนี้จะเป็นจุดเชื่อมสำคัญให้คนในบริษัทลูกค้า เชื่อฟังการเแปลงโปรเซส KM

ข้อเจ็ด: Involve Information Technology and Human Resources from the start to Expedite KM Implementation

สองแผนกที่จะช่วยให้การทำ KM สำเร็จคือ IT กับ HR ดังนั้นต้องไปเอาสองแผนกนี้มาเป็นพวกให้ได้ตั้งแต่เริ่ม เช่น อาจเอาคนของ IT และ HR เข้ามาใส่ในทีม KM ตั้งแต่แรก

ข้อแปด: Walk a Mile in Their Shoes

การทำ KM มีความซับซ้อน และทีม KM อาจจะไม่เข้าใจธรรมชาติของการทำงานในฝ่ายต่างๆ ขององค์กรได้ครบ (ก่อนการเริ่มแผน KM) ดังนั้นทีม KM ควรศึกษาการทำงานอย่างละเอียด (เช่น นั่งสังเกตวิธีทำงานจริงๆ ของพนักงาน) ถ้าเป็นไปได้ควรไปทดลองทำงานนั้นจริงๆ สักช่วงเวลาหนึ่งด้วยซ้ำ

ข้อเก้า: Improve Knowledge Worker Productivity by Reducing Time Spent on Administrative or Non-Value-Adding Tasks

ข้อนี้ใช้ได้เฉพาะบางกรณีเท่านั้น หลักการคือให้เพิ่มผลิตผล (productivity) ของพนักงานระดับ knowledge workers โดยลดเวลาที่ต้องใช้ไปในงานไร้สาระที่ไม่เกิดประโยชน์ (เช่น เวลาที่ใช้ในการค้นหาเอกสารหรือข้อมูลเพื่อประกอบการตัดสินใจ) เช่น การลดจำนวนอีเมล ตามตัวอย่างข้างต้น

26 May 2008

PR 2.0

PR Secrets for Startups โดย Brian Solis
บทความจาก TechCrunch พูดเรื่อง PR ในโลก 2.0 น่าสนใจดีมาก

ส่วนแรกพูดถึงว่าวงการ PR ในปัจจุบัน กลายพันธุ์จากแนวคิด PR "Public Relation" (ความสัมพันธ์กับสาธารณะ) ไปมาก เนื่องจากสื่อยุคก่อนหน้านี้ ถูกออกแบบให้เป็นการ broadcast ข้อมูลออกไป มากกว่าสร้างสัมพันธ์ แต่พอมี web 2.0 ที่เน้น participation เข้ามา เจ้าของสินค้าสามารถพูดกับบล็อกเกอร์ (ในฐานะ influencer) และ/หรือลูกค้าได้โดยตรง วงการ PR 2.0 เลยกลับมาที่รากอีกครั้ง คือการสร้างความสัมพันธ์กับคน เพียงแต่ใช้เครื่องมือแบบใหม่

ประโยคสำคัญ
PR 2.0 is going back to the roots of PR to bring back relating to the public back into the process.

It forces PR to stop broadcasting and start connecting.

คนเขียนเสนอทิปสำหรับ PR ยุคใหม่ไว้ 12 ข้อ
  1. เรื่องของเราไม่ใช่เรื่องเดียวที่น่าสนใจในตลาด ปัจจุบันมี startup เยอะแยะมากมาก ที่แข่งกันเป็นจุดสนใจ

    Just because your story is new doesn’t make it newsworthy.

  2. เลือกหัวหน้าทีม PR ที่ดีด้วยตัวเอง

    If they can’t sell you on your product, how do you expect them to sell it to skeptical bloggers and journalists.

    ข้อนี้ผมมีประสบการณ์ตรง การหาคน PR ที่เก่งจริง ๆ นั้นยากมาก โดยเฉพาะคน PR ที่มีความรู้เรื่องวงการไอที เคยจ้างบริษัท PR ระดับ Top 5 ของเมืองไทย (อย่าให้เอ่ยชื่อ ใหญ่มาก) สรุปสั้นๆ ว่าโคตรห่วย บริษัทใหญ่ไม่ได้แปลว่าจะฝีมือดีเสมอไป ทำเป็นแต่พวก PR ให้ยาสระผม สบู่ อะไรประมาณนั้น แต่พอเรื่องไอทีใบ้กิน

  3. Participation เป็นเรื่องสำคัญ ชื่อเสียงเป็นเรื่องต้องสะสม ต้องหมั่นเข้าไปตอบคอมเมนต์บล็อกเกอร์ที่พูดถึงผลิตภัณฑ์ของเรา กลุ่มคนใช้ของเรานิยมจัดงานอะไร ก็หมั่นไปเข้าร่วม สร้างต้นทุนทางสังคม
  4. ค้นหาว่ากลุ่มเป้าหมายของเราเป็นใครอยู่เสมอ เพราะกลุ่มเป้าหมายจะเปลี่ยนไปเรื่อยๆ ตาม lifecycle ของผลิตภัณฑ์หรือบริษัทเอง
  5. อย่าออกข่าววันจันทร์ เพราะมีข่าวอื่นๆ ออกมาเยอะ (อั้นมาจากสุดสัปดาห์) ทำให้เรื่องของเราไม่เด่น

    ในหัวข้อนี้ ยังพูดถึงการให้ข่าวกับบล็อกเกอร์หรือสื่อบางคนล่วงหน้าเป็นพิเศษ (embargo) โดยมีระบุเวลาว่าให้ออกข่าวได้เมื่อไร
  6. บล็อกเกอร์และนักข่าวทุกคน ไม่มีใครเหมือนกัน ควรใส่ใจในรายละเอียด ถ้าคนไหนชำนาญด้านไหนเป็นพิเศษ ก็ควรปรับ material ของเราตาม เพื่ออำนวยความสะดวก + ซื้อใจ
  7. วัดผลที่ความสำเร็จ อย่าวัดเป็นทราฟฟิก

    PR can bring traffic all day long, but if visitors aren’t reminded as to why they’re there or if the process is at all too cumbersome, the conversion ratio of visitors to users will quickly diminish.

  8. คล้ายๆ กับข้อ 6 คือปรับเนื้อหาตามบล็อกเกอร์แต่ละคน (แล้วมันเขียนซ้ำทำไมวะ)
  9. ถ้ารู้ตัวว่าทำเองไม่ได้ ควรจ้างโฆษก

    Company founders are naturally enthusiastic and passionate about their product, but unfortunately, that doesn’t necessarily make them the best spokesperson.

  10. บล็อกของบริษัท (corporate blog) มีพลังมากกว่าที่คิด คือแฟนๆ ของผลิตภัณฑ์จะตามความเคลื่อนไหวจากบล็อกของบริษัท

    ข้อนี้ยังไม่คอย buy idea เท่าไร คือถ้าเป็นบริษัทที่มีฐานแฟนๆ พอสมควร เช่น Facebook, Flickr, Digg มันก็โอเค แต่ถ้าโนเนมจริงๆ ไม่แน่ใจว่ามันจะมีคนอ่าน
  11. เปลี่ยนวิธีคิดเรื่องจำนวน เค้าเสนอว่ากลุ่มบล็อกเกอร์ที่มีอิทธิพลต่อลูกค้าของเรา จะมีประมาณ​ 20-1000 คน ซึ่งจะเป็น long tail ในแง่การส่งต่อข้อมูลไปยังลูกค้าของเรา (คนอ่านบล็อกเหล่านี้) คน PR จึงต้องแยกแยะให้ดีว่าใครอยู่ในเซ็ตนี้บ้าง
  12. ติดตามการสนทนา (conversation) บน social network ต่างๆ (รวมถึง GetSatisfaction, Google Group, Twitter, Digg ฯลฯ) และเข้าไปมีส่วนร่วมอยู่เสมอ เครื่องมืออย่าง Google Alert ก็มีส่วนช่วยได้เยอะ
สรุป (ของคนเขียน)
It’s not an overnight process and it’s not something to “be gamed.” It’s a process of investing in, building and leveraging relationships now and in the long term.
สรุป (ของผมเอง) คีย์เวิร์ดคือ relationship กับ participation

ป.ล. ในคอมเมนต์ของ TechCrunch ยังมี remark ดีๆ อีกหลายจุด ใครขยันตามไปอ่านกันต่อได้

06 May 2008

No Ordinary Boot Camp

อ่านบทความเรื่อง No Ordinary Boot Camp (PDF) เกี่ยวกับค่ายรับน้องเข้าบริษัท Trilogy แล้วสนุกมาก

บริษัทขนาดใหญ่ๆ ที่รับคนปีละเยอะๆ มักจะจัดแคมป์เด็กใหม่ (ต่างจาก บ. ขนาดเล็กที่เป็นการอบรมง่ายๆ ในบริษัท แนะนำห้องน้ำ-ที่กินข้าว) เพื่อหลอมรวมคนจากที่ต่างๆ ให้เข้ากับวัฒนธรรมองค์กร และสนิทสนมกันเร็วขึ้นกว่าปกติ แต่ของ Trilogy นั้นต่างออกไป เพราะว่าค่าย Trilogy University ถือเป็นจุดสำคัญขององค์กร

เด็กใหม่ที่เข้า Trilogy จะต้องเข้าค่ายนาน 3 เดือน เดือนแรกทำงานนิดหน่อยพอละลายพฤติกรรม เดือนที่สอง ทำงานจริง pitch งานจริง และคนวิจารณ์+เลือกงานก็คือ CEO และผู้บริหารระดับสูงที่ลงมาดูเอง (ยังกะ The Apprentice) ส่วนเดือนสุดท้ายเป็นการค้นหาว่าจะไปดูตำแหน่งไหนในบริษัท ถ้าใครหาสังกัดไม่ได้ ก็อดได้งานทำ (โหดมาก)

ผลดีต่อเด็ก
  • สร้างมิตรภาพระหว่างคนในทีม (ซึ่งในอนาคตจะกระจายไปอยู่ตามตำแหน่งต่างๆ ในองค์กร) จะทำให้เกิด horizontal relationship ระหว่างหน่วยงานต่างๆ ในองค์กรในระยะยาว
  • ผ่านงานจริงสุดโหดใน Boot Camp มาแล้วก็มั่นใจ ลุยได้ทุกเรื่อง
  • สร้างความกระตือรือล้น เพราะบรรดา CEO และระดับสูงลงมากระตุ้น ใกล้ชิด ทำให้ฮึกเหิม
  • รู้จักวัฒนธรรมองค์กรเป็นอย่างดี เพราะ CEO ลงมาสอนเอง CEO บอกว่าอยากให้เด็กได้รับประสบการณ์เดียวกับตอนเค้าตั้งบริษัท
ผลดีต่อองค์กร
  • รู้จักและประเมินความสามารถของเด็กได้แม่นขึ้น
  • ได้ refresh องค์กรอยู่เสมอๆ (ค่ายจัดปีละ 2 ครั้ง) เพราะเด็กที่เข้ามาเป็นเด็กเก่งๆ และไอเดียยังเฟรช ไม่ถูกปิดกั้นด้วยวัฒนธรรมองค์กร
  • เป็นการ R&D ไปในตัว โปรเจคต์ที่ให้เด็กทำ หลายอันเอามาขายต่อได้สบาย
ปัจจัยที่ทำให้ค่ายนี้สำเร็จ
  • CEO เอาจริงโคตรๆ ยกเวลา 3 เดือนต่อปีมาทำค่าย (บริษัทที่ไหนทำ)
  • สร้างวัฒนธรรมว่าพนักงานที่มีส่วนร่วมกับค่าย เป็นที่ยอมรับ เป็นเกียรติ เป็นทางลัดสู่การเลื่อนตำแหน่ง ทำให้ทุกคนยินดีมากๆ ที่จะได้มาเป็น mentor ให้เด็ก
  • บริษัทมีชื่อเสียงอยู่ก่อน และรับเด็กจบใหม่ ทำให้ได้เด็กเก่ง+หัวเฟรชมาเข้าค่าย
อ่านแล้วที่ชอบเป็นพิเศษคือให้เด็กแต่ละคนเล่าเรื่อง จังหวะสำคัญๆ ในชีวิตตัวเองให้คนในกลุ่มฟัง CEO บอกว่าแรกๆ ทุกคนจะยังกล้าๆ กลัวๆ ลังเลๆ แต่พอเครื่องติดแล้ว ถึงขั้นร้องไห้ และการแชร์ชีวิตลึกๆ ของตัวเองแบบนี้ จะสร้างความเหนียวแน่นของมิตรภาพในกลุ่มแบบสุดยอด

นานๆ ทีจะได้อ่านเรื่อง HR แบบฉลาดๆ อย่างนี้ ประทับใจ

04 May 2008

Information Management for the Intelligent Organization #2

ต่อจาก ตอนแรก

เราพอได้ภาพรวมว่า องค์กรถือเป็นระบบเปิด (open system) ที่บริโภคข่าวสาร ทรัพยากร พลังงานจากสภาพแวดล้อม แล้วเปลี่ยน (transform) ทรัพยากรเหล่านี้ให้ออกมาเป็นความรู้ กระบวนการ หรือโครงสร้างองค์กร ที่ทำหน้าที่ผลิต (produce) สินค้าและบริหาร ซึ่งส่งออกไปให้สภาพแวดล้อมภายนอก บริโภค (consume) อีกที

จึงมีคนศึกษาเรื่องของสารสนเทศในองค์กร (organizational intelligence) ว่ามีพฤติกรรมหรือนิยามอย่างไร ซึ่งแต่ละยุคสมัยก็มองต่างกันไป

Wilensky (1967) มองว่า
  • สารสนเทศ (information) ไม่ใช่เป็นจุดกำเนิดของอำนาจ (source of power) เท่านั้น แต่ยังนำมาซึ่งความสับสน (source of confusion) ตัวอย่างคือภาวะ information overload
  • ความล้มเหลวของ organizational intelligence อาจมาจากกระบวนการ วิธีคิด หรือโครงสร้างขององค์กร ที่สกัดการไหลของสารสนเทศ (blockage) หรือทำให้ข้อมูลเพี้ยนไป (distortion)
  • หน้าที่ในการดูแลความเรียบร้อยของสารสนเทศในองค์กร เป็นของผู้จัดการ และ information specialist
March and Olsen (1979) มองว่า organizational intelligence ประกอบด้วย 2 ส่วน
  • rational calculation - ทางเลือกที่หวังในอนาคต (มองไปข้างหน้า)
  • learning from experience - ประสบการณ์-ความรู้เก่าก่อน (แลไปข้างหลัง)
  • ยิ่งเรารู้ข้อจำกัดของ rational calculation เรายิ่งใช้ learning from experience มากขึ้น
Quinn (1979) มองว่า intelligent enterprise คือบริษัทที่จัดการกับสารสนเทศ เพื่อสนองความต้องการของลูกค้า โดยให้ความสำคัญกับทรัพยากรทางปัญญา มากกว่าทรัพยากรทางกายภาพ ทรัพยากรทางปัญญานั้นสามารถนำเอา IT มาใช้เพื่อให้ outsource งานบางส่วนให้คนนอก แล้วโฟกัสเฉพาะสิ่งที่ถนัดได้

Haeckel and Nolan (1993) เสนอไอเดียของ IQ องค์กร (organization's intelligence quotient) ซึ่งประกอบด้วย 3 ส่วนย่อย
  • ความสามารถในการเข้าถึงสารสนเทศ (connecting) - เชื่อมต่อแหล่งข้อมูลที่แม่นยำ เพื่อให้ผู้ใช้ที่เหมาะสม (right user) สามารถใช้งานได้ถูกที่ถูกเวลา (right time, right place)
  • ความสามารถในการเชื่อมโยงและแชร์สารสนเทศ (sharing) - แชร์ข้อมูล และการแปลความข้อมูลของตัวเองไปยังองค์กร
  • ความสามารถในการสกัดความหมายออกจากสารสนเทศ (structuring) - จับคู่หรือหาความสัมพันธ์ระหว่างข้อมูลหลายๆ แหล่ง เพื่อหาแพทเทิร์นหรือเทร็นด์ --- วิธีที่ช่วยคือการสร้างข้อมูลของข้อมูล (information about information) --- Haeckel and Nolan มองว่าข้อ 3 นี้สำคัญที่สุด
Gregory (1981) มองว่า intelligence มีสองความหมาย
  • การจัดหาความรู้ (possession of knowledge) คือการสร้างคลังความรู้ (pool of knowledge) ที่เรียกใช้ได้ยามเกิดปัญหา
  • การสร้างความรู้ (creation of knowledge) การสร้างความรู้ใหม่ในกรณที่ความรู้เดิมๆ ใช้แก้ปัญหาไม่ได้

03 May 2008

Information Management for the Intelligent Organization #1

กำลังอ่านหนังสือ Information Management for the Intelligent Organization ของ Chun Wei Choo อยู่ เป็นแนวๆ literature review ของสาย IM ในองค์กร

หนังสือพวก literature review (เหมือนกับ Strategic Safari ที่เคยเขียนถึงไปแล้ว) นี้สนุกดี เพราะว่าผู้เขียนเปรียบเทียบผลงานวิจัยหรือชุดความคิดของสำนักต่างๆ ที่มองประเด็นเดียวกันในมุมมองที่ต่างไป แต่ข้อเสียคือความรู้มันอัดแน่น ไม่ค่อยมีน้ำ อ่านแล้วสมาธิต้องดีห้ามหลุด

บทแรกชื่อ Intelligent Organization

ความสัมพันธ์ระหว่าง organization กับ environment

ถ้าเอาตามวิชาวิทยาศาสตร์สมัยประถม organization ก็คือ system ที่เราสนใจ ส่วน environment คือสิ่งแวดล้อมภายนอก ทีนี้เราสามารถมองความสัมพันธ์ของ organization กับ environment จากมุมของ organization ได้ 3 แบบ (ตามตำราพวก organization theory)
  1. มองว่า environment เป็น "Source of Information"
    สำนักนี้มองว่า เหตุการณ์ต่างๆ ใน env. นั้นจะเป็น "สัญญาณ" ส่งเข้าไปยังองค์กร องค์กรจะใช้สัญญาณเหล่านี้ไปเปลี่ยนเงื่อนไขต่างๆ ที่อยู่ภายใน ผู้รับผิดชอบการแปลสัญญาณก็คือ ผู้จัดการ (manager) เมื่อองค์กรตัดสินใจอะไรสักอย่างจากสัญญาณนั้นแล้ว ผลลัพธ์ก็จะถือว่าเป็นสัญญาณใหม่ที่ส่งเข้าองค์กรต่อไป (เป็น feedback loop ถ้าเอาตามตำราพวกภาคไฟ)
  2. มองว่า environment เป็น "Source of Resources"
    สำนักนี้จะถือว่าองค์กรต้องบริโภคทรัพยากร (resources) จากภายนอกเพื่อผลิตผลลัพธ์ และให้ความสำคัญกับการควบคุม resource เหล่านั้น โดยเฉพาะอย่างยิ่งถ้าเป็น resource ที่หายาก และสำคัญในทางยุทธศาสตร์ องค์กรจะต้องจัดการกับภาวะพึ่งพา (dependence) ทรัพยากรให้เหมาะสม เช่น ถ้าพึ่งพิงชาวบ้านมากไป อาจโดนตัดน้ำเลี้ยงแล้วตายเลยได้
  3. มองว่า environment เป็น "Source of Variation"
    สำนักนี้มองว่าการเปลี่ยนแปลงขององค์กรจะเกิดจากภายนอก และจะมององค์กรในรูปของวัฎจักรชีวิต โดยจะมี 3 ขั้นตอน คือ "variation" (ขั้นแรก - ช่วงเริ่มก่อตั้งองค์กรหรือเปลี่ยนเจ้าของ) "selection" (ขั้นสอง - ช่วงองค์กรเติบโต ไม่ว่าจะดีขึ้นหรือแย่ลง) "retention" (ขั้นสุดท้าย - ช่วงที่องค์กรโตเต็มที่ เริ่มอุ้ยอ้าย และต้องมีการเปลี่ยนแปลงสำคัญเพื่อกลับสู่ขั้น variation อีกครั้ง)
หนังสือเล่มนี้จะมองในแง่ information ตามชื่อหนังสือ

Organization Information Processing

ประเด็นถัดไปคือ จะมองว่าองค์กรนั้นจัดการกับ information (ซึ่งไหลเข้ามาจากภายนอกหรือ environment) อย่างไร (How?) ซึ่งไอเดียหลักคือ มองว่าองค์กรเป็น Information Processing Systems องค์กรมีหน้าที่ประมวลผล (process - สร้าง, หา, จัดเก็บ, แปลความหมาย ฯลฯ) สารสนเทศ แบ่งเป็นสองสำนักย่อย
  • สำนักย่อยแรก: มองว่าประมวลผลข้อมูลเพื่อประกอบการตัดสินใจ (Decision-Making System) ข้อมูลจะถูกประมวลผลเพื่อกำจัดความไม่แน่นอน (uncertainty) องค์กรจะตั้งเป้าหมาย (goal) ของตัวเองก่อน จากนั้นจะหาทางเลือกที่เป็นไปได้ แล้วค่อยตัดสินใจเลือกทางเลือกสักอัน (action) ที่น่าจะไปให้ถึงเป้าหมายนั้น
  • สำนักย่อยสอง: มองว่าองค์กรเป็นระบบทางสังคม (social system) หน้าที่ของคนในองค์กรคือแชร์การตีความข้อมูลระหว่างกัน ข้อมูลจะถูกประมวลผลเพื่อกำจัดความคลุมเครือ (equivocality) ต่างจากสำนักย่อยแรกตรงที่จะดำเนินการ (action) ก่อน แล้วค่อยมาว่าเรื่องเป้าหมาย (goal) ทีหลัง
มาดูรายละเอียดของแต่ละสำนักย่อย

Decision-Making System
  • องค์กรจะมีอิทธิพลต่อคนในองค์กร ในแง่การควบคุมเหตุผลหรือหลักฐานประกอบการตัดสินใจ (control the decision premises) มากกว่าการควบคุมการตัดสินใจจริงๆ (decision)
  • อย่างไรก็ตาม สมองของคนมีข้อจำกัดในการรับข้อมูลเพื่อตัดสินใจ การตัดสินใจภายในองค์กรจึงต้องมีกระบวนการ simplification ข้อมูลก่อน
  • อ้าง Theory of search and Theory of choice คือคนตัดสินใจนั้นไม่เห็นปัญหาที่แจ่มชัด (และโซลูชัน) ต้องมีกระบวนการค้นหาปัญหา ค้นหาโซลูชัน และหาวิธีประเมินผลโซลูชันที่หาเจอก่อน
  • เมื่อเกิดปัญหา การค้นหาโซลูชันมีแนวโน้มที่จะพัฒนาขึ้นจากโซลูชันเก่าที่เคยใช้ได้ผล (ถือเป็น bias ของการค้นหา)
Interpretation System
  • มองเชิงสังคมมากกว่าสำนักแรก สมาชิกทุกคนในองค์กรมีบทบาทต่อการแปลข้อมูล
  • ความสัมพันธ์ระหว่างแต่ละคนในองค์กร เป็นแบบหลวมๆ
  • เป้าหมายของการประมวลผลข้อมูล ไม่ใช่การตัดสินใจ (decision making) หรือแก้ปัญหา (problem solving) แต่เป็นการลดความคลุมเครือ (equivocality) ของข้อมูลของสภาพแวดล้อมภายนอกองค์กร
  • ผู้จัดการในฐานะผู้ประมวลผลข้อมูล (information processor) จะรับข้อมูลจากสภาพแวดล้อม และสร้างหรือกำหนดขอบเขตสภาพแวดล้อมใหม่ที่ตัวเองจะเข้าร่วม (select portions of environment) โดยอิงจากประสบการณ์เดิมของตัวเอง
สรุป

ทั้งสองสำนักถือเป็น complement ซึ่งกันและกัน โดย decision-making จะเหมาะกับปัญหาที่รู้ขอบเขตอย่างชัดเจน (clearly identified problems) ส่วน interpretation ใช้กับกรณีที่ข้อมูลคลุมเครือกว่า

ข้อสรุปอีกอันคือ decision-making จะใช้กับโหมด surveillance มากกว่าโหมด problem-solving

(ต่อตอนหน้า - แค่ไม่ถึงสิบหน้าแรกก็หมดแรงแล้ว จะอ่านจบไหมหว่า)

Conscious Organization

ในองค์กรใดๆ (โดยเฉพาะองค์กรขนาดใหญ่) มักมีวิธีการทำงานที่
  • สืบทอดกันมา ทำซ้ำๆ โดยไม่รู้ว่าความหมายที่แท้จริงว่า มีความสำคัญอย่างไร คนที่เข้ามาใหม่ก็ทำตามคนที่อยู่เดิม
  • มีแนวโน้มว่าจะออกมาในรูปแบบเช่นนี้ ด้วยปัจจัยทางกฎระเบียบ วัฒนธรรมองค์กร สิ่งแวดล้อมในองค์กร ฯลฯ ตัวอย่างเช่น ถ้าที่ทำงานอยู่ในดงรถติด และผู้บริหารไม่ซีเรียสเรื่องเวลาทำงาน คนในองค์กรก็มีแนวโน้มว่าจะมาสายหลบรถติด หรือ ถ้าแถวๆ ที่ทำงานไม่ค่อยมีข้าวกิน คนมักจะขับรถออกไปกินข้างนอก ทำให้กลับเข้ามาทำงานช้า เป็นต้น
วิธีการทำงานแบบนี้มักเกินขึ้นโดยไม่รู้ตัว ถ้าใช้ศัพท์จิตวิทยาก็คือ เป็นจิตใต้สำนึก (sub-conscious) ถ้ามันออกมาดีก็ไม่มีอะไร แต่ถ้ามันเกิดเป็นผลเสีย มันจะแก้ยากกว่าปัญหาที่เห็นกันจะจะ (เช่น ตัดสินใจผิดจากข้อมูลที่เห็นตรงหน้า ซึ่งแก้ง่ายกว่าก็คือเปลี่ยนวิธีตัดสินใจ) เพราะมองไม่เห็นปัญหา

หน้าที่สำคัญของผู้บริหาร ก็คือมองหาโปรเซสที่เป็น sub-conscious นี้ให้เจอ (เป็นการมองปัญหาแบบ conscious คือรู้เท่าทันสาเหตุ) แล้ว "เปลี่ยนทิศ" ของโปรเซสนั้นให้เป็นไปตามที่ตัวเองต้องการ (โปรเซสการทำงานนั้นจะยังเป็น sub-conscious เหมือนเดิม แค่ว่ามี outcome ออกมาเป็นคนละแบบกับของเก่า) เช่นว่า ถ้าคนนิยมมาสายกัน ผู้บริหารอาจตั้งรางวัลให้กับคนมาเช้า ถ้าสำเร็จอาจสร้างค่านิยมให้คนมาเช้าขึ้นได้ เป็นต้น (ตัวอย่างมั่วๆ มา)

ประเด็นที่ควรคิดต่อ
  • การจัดการกับ sub-conscious นี้ควรเป็นการ "เปลี่ยนทิศ" มากกว่า "หยุด" หรือ "ขวาง" เพราะโมเมนตัมของคนในองค์กรค่อนข้างแรง การหยุดแบบฉับพลันอาจเกิดการต่อต้านได้ วิธีที่เหมาะสมน่าจะเป็นหลอกๆ ตะล่อมๆ ไปเรื่อยๆ ให้ไปในทิศทางที่ผู้บริหารต้องการมากกว่า
  • คำถาม: คนในองค์กรควรรู้เท่ากับที่ผู้บริหารรู้หรือไม่? ผลจะออกมาต่างกันแค่ไหน ระหว่างผู้บริหารชี้แจงกับไม่ชี้แจงจุดประสงค์ที่แท้จริงให้ทราบ? ถ้าลูกน้องเกิดรู้เท่าทันขึ้นมา (มี conscious) จะทำให้เกิดผลที่ต่างไปหรือเปล่า หรือว่าแปรตามสถานการณ์?
  • ทำอย่างไรผู้บริหารจึงจะมองเห็น sub-conscious process เหล่านั้น โดยเฉพาะอย่างยิ่งถ้าผู้บริหารเอง มีภาระกิจหลักคือ daily routine decision (อยู่ใน sub-conscious เหมือนกัน คือวันๆ ทำแต่งานประจำ จนทำให้มองไม่เห็นสาเหตุ) การปล่อยให้ผู้บริหารมีเวลามานั่งคิดตรึกตรอง หรือการใช้คนนอกเข้ามาช่วย จะมีผลแค่ไหน?
ทฤษฎีนี้คิดเองครับ ไม่มีอ้างอิง

[Practical] Information Management

อ่านหนังสือพวก Information Management อยู่ รู้สึกว่าทั้งทฤษฎีและโซลูชันสำหรับ IM (และ KM ถ้าเราถือว่า KM เป็นซับเซ็ตของ IM) มันเยอะและซับซ้อนจนไม่น่าสนใจ

ทุกวันนี้ในองค์กรขนาดใหญ่ เราพูดถึง data warehouse, data mining, business intelligence, CRM, ERP ฯลฯ ซึ่งถ้าจะอิมพลีเมนต์ทั้งระบบจะต้องลงทุนและลงแรงเยอะมาก จนสุดท้ายแล้วความซับซ้อนของระบบ Information System เหล่านี้ มันจะทำให้ ROI นั้นไม่คุ้มกับผลที่ได้รับมา ทั้งในแง่ความล่าช้าในการพัฒนาระบบใหม่ๆ, conflict กับระบบเก่าๆ และที่สำคัญคือ ระบบพวกนี้มันซับซ้อนจนคนในองค์กรไม่อยากใช้งาน

ผมกำลังรู้สึกว่า บรรดา catchphrase เหล่านี้ มันเป็นโฆษณาหลอกกินตังของพวก Oracle, SAP อะไรพวกนั้นหรือเปล่า?

เป็นไปได้ไหมว่า เราจะสร้างระบบ IS แบบง่ายๆ โง่ๆ แต่ให้คนในองค์กรเข้าถึงได้สะดวก แล้วชดเชยการประมวลผลของข้อมูลที่ซับซ้อน ด้วยเทคโนโลยีใหม่ๆ ที่เลือกแล้วว่า practical มากๆ แทน

เช่น แทนที่เราจะสร้างระบบ KM ที่ซับซ้อน มีการจัดสรรหมวดหมู่ของความรู้อย่างเป็นระเบียบ เราสนับสนุนให้พนักงานเขียนบล็อกอะไรก็ได้ แยกประเภทด้วย tag (ถ้าเป็นภาษาอังกฤษ ก็อาจจะใช้ระบบ automatic content classification ทำแทนก็ยังได้) แล้วใช้ระบบค้นหาเลิศๆ แบบ Google ที่นึกปุ๊บก็ออกมาเห็นภาพปั๊บตามต้องการ เป็นต้น

ประเด็นที่ต้องคิดต่อ
  • แนวคิดนี้สามารถใช้ได้กับระบบไอทีทุกแบบ (in general) หรือไม่? เพราะระบบแต่ละตัวก็แตกต่างกันไป อย่างกรณีของ KM นั้นไม่มีกฎเกณฑ์หรือกฎระเบียบตายตัว อาจเป็นไปได้ แต่ถ้าไปเจอระบบการเงิน-บัญชี ที่ถูกบังคับด้วย regulation ของภาครัฐ (คือไม่ว่าจะ implement อย่างไรก็ต้องได้ตามมาตรฐานนี้) เราจะสามารถ simplify ระบบได้แค่ไหนกัน? หรือว่าสุดท้ายแล้วจะออกมาซับซ้อนพอๆ กันอยู่ดี
  • เราจะเลือกเทคโนโลยีที่ practical ได้อย่างไร อะไรคือนิยามของ practical? อันนี้เคยอ่านหนังสือของคุณ fringer คุ้นๆ ว่าเคยพูดถึงเทคโนโลยีที่ยั่งยืน ราคาถูกหาซื้อได้ง่าย และให้ผลได้ดี เผอิญไม่มีหนังสืออยู่กับตัวเลยคิดต่อไม่ออก
  • เราจะวัดผลลัพธ์ของระบบใหม่-เก่า อย่างไร? วัดเป็น price/performance? แต่การวัดผลระบบไอทีก็ทำได้ยากอยู่แล้ว มีวิธีอะไรง่ายๆ แต่ชัดเจนรึเปล่า? หรือว่าถ้าผลมันต่างกันมากจนรู้สึกได้ ก็ไม่ต้องวัดเลย?
  • สิ่งที่ไม่ควรมองข้ามคือการศึกษาด้าน psychology ของคน (ว่าสามารถใช้งานระบบซับซ้อนได้อย่างมีประสิทธิภาพแค่ไหน) ซึ่งการออกแบบระบบไอทีมักจะมองข้ามไป