最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

[知识进阶] HR技能:神奇的模块化思维

[复制链接]
跳转到指定楼层
楼主
发表于 2014-12-15 20:24:19 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
模块化思维是职场人必备的思维模式,合理应用,能够大幅提高我们的工作效率。

每个人在工作中会养成自己的工作方法,这些方法可以提高工作效率,节省时间。很多省时省力的思维模式在职场中被人广泛使用,如果你还不了解模块化思维,学习一下这个“高效工作大法”吧!

什么是模块化思维

模块化思维是指我们需要把工作分门别类,根据自己的工作职责和内容的特点,把工作内容切成相对独立的一些模块,然后根据模块的特点和重要性来采用不同的处理方式,高效地把工作做好,同时节约出宝贵时间。

模块化思维的好处非常多,主要有以下几个方面:

1.帮助我们把复杂的工作分解,分而做之,降低难度;

2.帮助我们更好地把握工作中的重点和主次,合理分配时间和精力。

怎样把工作模块化?

这里给大家介绍两种方法把工作模块化:

1、要素法:指工作由一些相对独立的要素单元组成。

这个方法尤其对工作内容比较多,同时比较散,没有统一流程把这些工作内容串起来的工作。比如,秘书和行政等工作,特别适合用要素法来模块化。通过把“工作内容相似的部分进行合并同类项”,我们就能把工作内容模块化。
2、流程法:指工作内容由一个工作流程串起来。

这个方法尤其对工作内容流程分明、内容清晰地工作比较适用。比如,研发或生产等工作,特别适合用流程法来模块化。通过把工作内容按照“能不能产生相对独立的阶段性成果进行分类”,我们就能把工作内容模块化。
如何利用模块化思维提高工作效率?

当我们把工作模块化之后,就可以采用一些方法对工作模块进行高效处理了,这时我们需要如下的思路:

1、分类思路:把工作模块进行分类,不同分类的工作模块采用不同的处理方式。我们一般分类的标准有2条。

a. 工作模块“重要”还是“一般”;

b. 工作是需要“协作”还是“独立完成”。

利用这两个标准,我们就可以形成一个“2*2”分类矩阵:

2、四种策略:上面的“2*2”矩阵已经把四种策略讲出来了,接下来给大家详细地讲讲。

策略1-整块时间:

对于“重要-独立”型模块,由于很重要而且需要独立完成,这时往往需要你拿出整块的时间才能完成,所以你千万不能用零散时间来做这部分工作。

策略2-互动并行:

对于“重要-协作”型模块,由于很重要而且需要和别人协作,所以你还是要拿出来相当的时间和精力来做。如果你能和对方并行协作,也就是你们在互动过程中尽量进行分工,然后同时推进,这样可以节省你的大量时间。

策略3-外包并行:

对于“一般-协作”型模块,由于不是很重要而且需要和别人协作,这时你的首选是外包,即看看对方能否帮助你完成这部分内容,或者尽快完成你需要完成的部分把剩下的交给对方。这样你的工作和对方的工作可以同时并行,会给你节省大量的时间。

举例:你是总监秘书,总监让你收集一下各部门的报告。这时你就可以尽快发邮件和短信通知各部门尽快准备报告资料,相当于你把这个事情外包出去了。这样你发完邮件,就可以并行处理很多其他事情了。

策略4-零散时间:

对于“一般-独立型模块,你完全可以利用零散的时间完成,千万别让这些细碎零散的工作占用你的整块时间。

举例:每天设定几个回复邮件的时间点,比如:上午9点-9点半,中午11点半-12点,这样你可以腾出至少2个小时的整块时间来处理重要的事物。

万物皆有道,总结工作方法、提高工作效率很重要。总结工作方法从小事做起,每天早晨列出一天的工作计划,每件任务列出清晰的时间节点,下班前检查是否有未完成的工作,周期整理电脑中的文件。这些都是点滴小事,养成良好的工作习惯和高效的思维模式,工作起来会顺畅很多。来吧,拿起你手上的笔,照着这个方式学会模块化思维,相信会把你从非常累的状态中解脱出来!



楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-7-3 07:10

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表