Bezos 2016股東信：Day 1的四件裝備

羅賓小弟：「如果你只有時間看幾篇Bezos致股東信，那2016年這篇千萬不能錯過，2016年這篇講到了，今天所有商業人士都口耳相傳的Day1和Day2，不忘初心，保持創新，繼續前行。」 #Bezos致股東信2016年 It’s All About The Long Term. 致我們的股東： “Jeff，Day2看起來是什麼樣的？” 這是一個我在最近的會議上被問到的問題。這幾十年來我一直在告訴人們這是Day1。我在Amazon一座叫Day1的大樓裡辦公，當我搬到別的大樓的時候我會把這個名字帶走放到新的大樓上。我花了一些時間思考這個問題。 “Day2是停滯，然後是無關，然後是煎熬，然後是死亡。這就是為什麼我們永遠在Day1。” 當然了，這個轉變會慢慢發生，一個公司可能在Day2呆了特別長的時間，但最終的命運永遠會到來。 我感興趣這個問題：如何拒絕Day2？有什麼技巧和方法？如何持續保持Day1的活力，即使在一個很大的組織。 這些問題沒有一個簡單的答案，會有很多元素、路徑和陷阱。我不知道全部答案，但我知道一些。這些就是守住Day1的新手裝備：使用者至上，警惕“代理化”（proxy)，飢渴的採用外在的趨勢和高速決策。 /使用者至上/ 一個業務可以有很多種中心，可以是競爭對手至上，可以是產品至上，可以是技術至上，也可以商業模式至上，還有很多其他的種種。但是在我心中，使用者至上是保有Day1活力最有效的。 為什麼？以使用者為中心有太多好處了，但是這是最大的一個好處：使用者永遠不滿足（customers are always beautifully, wonderfully dissatisfied)，即便在他們說他們很高興你們做的真棒的時候。甚至在他們自己都不知道的情況下，他們始終需要更好的服務，而以取悅使用者為己任的你會站在他們的角度替他們創新。沒有任何使用者高速Amazon他們需要Prime，但是有了之後他們發現這正式他們需要的，這種例子我數不勝數。 待在Day1要求你耐心嘗試、接受失敗、種下種子、保護小苗、然後在發現使用者高興了之後加倍。一個使用者至上的文化能夠提供讓以上事情發生的最好土壤。 /抵禦代理化/ 隨著公司變得越來越大、越來越複雜，就需要處理“代理化”的情況。它會以各種形式和大小出現，並且它非常危險、微妙，而且非常Day2。 一個非常常見的例子就是流程的“代理化”。好的流程能服務於你也能服務於使用者。但是如果你不夠小心，流程就成了問題。這在大型組織裡可以輕易發生。流程成為你追求的結果的“代理”。你不再看真實的結果，而是僅僅關注與流程是否合規。 你常常會聽到一個年輕領導為一個壞結果這樣辯護：“Well，我遵守流程了”一個更有經驗的領導會抓住機會調查並改善流程。流程不是真正的問題，我們要始終問自己，是我們控制流程還是流程控制我們？在一個Day2的公司，你可能會看到後者。 另一個例子：市場營銷和使用者調研很可能成為你真正接觸使用者的“代理”——這在你創新和設計產品時極為危險！“55%的Beta測試人員反映滿意。這比第一次測試的47%有所提高”這種結果很難詮釋而可能導致無意的誤解。 好的創新者和設計師深入的瞭解使用者。他們用非常多的精力來修煉自己的直覺。他們學習和理解各種奇聞異事，而不是盯著那幾個調查裡的數字。他們活在自己的設計裡。 我不反對Beta測試或者調查研究。但是你，產品和服務的擁有者，你必須理解使用者，有視野，並且熱愛給予。然後，Beta測試和調查才能幫你找到盲點。一個可圈可點的使用者體驗流程是從心、直覺、好奇心、玩性、膽識和口味出發的。這些你不可能在任何調查裡找到。 /擁抱外在趨勢/ 如果你不能接納最新的潮流，外在的趨勢就會把你推到Day2。如果你和它們抗爭，那你就是在和未來抗爭。擁抱他們，你就能搭上順風車。 這些大趨勢並不是那麼難發現（人們到處都在討論)，但是很奇怪的是大公司很難真正擁抱它們。我們正處在顯而易見的大趨勢之中：機器學習和人工智慧。 在過去幾十年，計算機廣泛的自動化了各種程式設計師可以用邏輯和演算法表述清楚的工作。流行的機器學習技術能讓我們自動化那些很難把規則講清楚的任務。 在Amazon，我們已經連續多年進行機器學習的應用研究了。有些用到的地方顯而易見：我們的Prime送貨無人機，Amazon Go無人免排隊商店，和Alexa基於雲端計算的AI助手｡ 但是更多的機器學習應用是在表層之下。我們用機器學習演算法來預測訂單量，做商品搜尋排序，產品推薦，貨物存放，詐騙檢測，翻譯等等。儘管不是那麼可見，但是大部分的機器學習帶來的影響都是這樣——潛移默化改變了我們核心的運作方式。 在AWS裡，我們通過機器學習和AI大幅降低了成本，所以大大小小各種公司都能受益於我們的服務。 使用我們預先打包好的具有深度學習框架在P2上進行計算，使用者可以做各種各樣厲害的事情，從疾病檢測到提升玉米產量。我們還使得Amazon更上層的服務變得更方便使用。Amazon Lex（Alexa的核心)，Amazon Polly和Amazon Rekognition抬走了壓在自然語言處理、語言生成和圖片分析上的大山。他們可以使用API輕鬆呼叫，不需要任何機器學習的背景知識。好好看著這個領域，還會有更多的事情發生。 /高速決策/ Day2的公司會做出高質量的決策，但是他們做出這樣的決策非常慢。為了保持Day1的能量和活力，你必須做出高質量又高速的決策。這對初創公司很容易，但對大型組織很困難。Amazon的資深管理人員在儘量確保我們做出快速的決策。速度在商業世界很重要，而且快速的決策環境也更有意思。我們不知道所有的答案，但是有幾個想法如下。 首先，絕對不要用一刀切的決策流程。很多決策都是有回頭路的，這些決策的過程可以更輕量化。對於那些會問如果我們錯了怎麼辦的人，請參考Bezos致股東信2015年。 其次，大多數決策在你差不多掌握了70%的資訊之後就應該做出了。如果你想等到收集到90%的資訊之後再做決定，就太慢了。除此之外，不管怎樣你必須能夠快速發現並糾正錯誤。如果你善於調整道路，做錯了比你想象付出的代價要小，可是做的慢一定會讓你付出高昂的代價。 第三，多使用“不同意，但執行（Disagree and commit）”。這句話會省下很多時間。如果你對一個方向有信心但是團隊並不能夠達成共識，說這句話就很有用：“好吧，我知道我們在這上面想法不一致，可是你們願不願意跟我賭一把？不同意，但執行？”在這個時候沒有人能夠知道確切的答案，你很有可能得到一個乾脆的yes。 這不是單向的，如果你是老闆，你也要這樣做。 我就總是不同意但執行。 我們最近開拍了一個Amazon Studios原創劇集。我告訴了團隊我的想法：至於這部劇到底是不是有意思，是不是過於難拍攝，從商業角度來看是不樂觀的，而且我們還有很多其他機會。他們卻有完全不同的想法，想要繼續幹。我立刻回覆他們：“我保留意見但是同意你們幹，並且希望它能成為我們做過最受歡迎的劇。”想像一下如果他們必須來說服我而不是我直接放行的話， 我們會慢多久。 要注意這個例子裡我不是對自己說：“這些傢伙完全搞不清狀況，我也沒空追著他們說。”這是一個單純的觀點上的分歧，一個我自己想法的真實表述，給團隊一個機會去考慮一下我的意見，以及一個快速的真摯的放行證，讓他們決定最後怎麼做。鑑於這個團隊已經抱回家11個艾美獎，6個金球獎和3個奧斯卡，他們能讓我進他們的屋子我就已經很高興啦！ 第四，迅速辨不協調的地方然後升級處理。有的時候不同的團隊有不同的目標和觀點。他們不協調。無論多少討論多少會議都沒辦法解決。沒有升級處理，預設的衝突解決機制只會讓兩方精力殆盡。最後誰挺得過誰，誰就贏。 在這些年我看過很多真摯的意見不統一。當我們決定引入第三方商家的時候，很多抱有好意的員工都和領導層意見不一致。這個大決定包含幾百個小決定，很多都需要上升到高層管理團隊來協調。 “我真是耗不過你”是一個可怕的決策過程，這很漫長而且浪費精力。快速上報問題，這樣更好。 所以，你現在還是只關心決策質量嗎？還是也會注意決策速度？世界的趨勢有沒有讓你也搭便車呢？你有沒有代理人化一些重要的東西呢？還有最最重要的，你有麼有取悅使用者？我們可以擁有大公司的能力和小公司的精神，但這必須要我們主動做出選擇。 一如既往，我附了1997年的信，依舊Day1！ Jeffrey P. Bezos (Vinchent翻譯)