atitit.细节决定成败的适合情形与缺点

1. 在理论界有两种观点:一种是“细节决定成败”,另一种是“战略决定成败”。1

1.1. 格局决定成败,方向决定成败 战略决定成败”1

1.2.   战略用的是望远镜,细节用的是显微镜。1

2. 只有战略正确,细节才会有意义。2

2.1. 只见树木,不见森林2

2.2. 对于一艘驶错了方向的航船来说,任何来风都是逆风,2

2.3. 南辕北辙的故事2

2.4. 大失误是战略,小失误是细节,战略错了回天无力,细节错了还有改进的余地。 2

2.5.      细节主义会像鸦片一样麻痹整个企业上上下下的战略神经,使企业在不知不觉中倒掉,抓大放小2

3. 细节主义的的问题 细节决定成败的观点是错误的。2

3.1. 坐井观天,鼠目寸光,保守僵化3

3.2. 严格谨慎,错失良机,德国日本在信息化方面的反面案例3

3.3. 迷失在细节中,才会出现德国日本的法西斯主义3

4. 以战略为主,细节为辅3

5. 参考资料3

1. 在理论界有两种观点:一种是“细节决定成败”,另一种是“战略决定成败”。

1.1. 格局决定成败,方向决定成败 战略决定成败”

1.2.   战略用的是望远镜,细节用的是显微镜。

2. 只有战略正确,细节才会有意义。

2.1. 只见树木,不见森林

如果只顾细节,忽 视战略,不管方向,那就是只见树木,不见森林;如果战略错误,细节再完美也无济于事,细节越完美,执行力度越大,在细节上下的功夫越大,越是背道而驰,在错误的道路上走得越远,浪费的人力物力财力即社会资源越多,危害越大。因此,正确的观点应该是“战略决 定成败”。

2.2. 对于一艘驶错了方向的航船来说,任何来风都是逆风,

同样道理,对于一个犯了战略性错误的企业和个人来说,任何细节上的改进都没有意义

2.3. 南辕北辙的故事

2.4. 大失误是战略,小失误是细节,战略错了回天无力,细节错了还有改进的余地。 

2.5.      细节主义会像鸦片一样麻痹整个企业上上下下的战略神经,使企业在不知不觉中倒掉,抓大放小

还在细节上找原因。我们一定要清醒地认识这一点,抓住问题的主要矛盾,制定好的战略,使企业在正确的轨道上发展壮大

3. 细节主义的的问题 细节决定成败的观点是错误的。

3.1. 坐井观天,鼠目寸光,保守僵化 

3.2. 严格谨慎,错失良机,德国日本在信息化方面的反面案例

德国日本在电子机械很强大,但是迷失于细节中,信息化才是未来趋势。

3.3. 迷失在细节中,才会出现德国日本的法西斯主义

4. 以战略为主,细节为辅

战略是规划未来的发展方向,是确定长远的目标,是宏观的把握。细节是实施战略过程中的各个环节,是把每个环节做精做细,是微观的控制。战略用的是望远镜,细节用的是显微镜。战略和细节相辅相成,缺一不可。细节固然重要,但是若没有正确的战略做指引,一切都是空谈,因为方向错了,南辕北辙,永远不可能到达目的地。当然,如果,战略对了,细节上不能贯彻到位,同样会“千里之堤,毁于蚁穴”。

我们要全面系统地分析问题,任何片面的观点都是不正确的。单单依靠细节,单单依靠战略,都只能决定“败”的一面,而不能决定“成”的一面。原因很简单,单单依靠细节和战略都不能保证企业的成功。企业的成功是个系统工程,任何一方面的“脱节”都会最终导致企业的失败!

作者:: 绰号:老哇的爪子 ( 全名::Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 )

汉字名:艾提拉(艾龙),   EMAIL:[email protected]

转载请注明来源: http://www.cnblogs.com/attilax/

5. 参考资料

什么决定成败_百度文库.html

为什么日本的IT行业远远落后于其他发达国家?.html

为什么日本德国没有一流互联网企业?难道是没有“-搜狐.html

Atiend

时间: 2024-07-30 20:28:17

atitit.细节决定成败的适合情形与缺点的相关文章

细节决定成败-mysql中的时间存储(datetime,timestamp,int)

在mysql中存储时间,我们可以用datetime 格式,timestamp格式,也可以用int格式.那么我们设计的时候该如何考虑呢? 首先,我觉得应该明白这几个格式究竟是如何的,然后看看他们的区别,这样我们才能思考何时使用正确的格式. DATETIME格式,默认是"YYYY-MM-DD HH:MM:SS",这19个字符表示的,从1000-01-01 00:00:00-9999-12-31 23:59:59 . TIMESTAMP格式也是'YYYY-MM-DD HH:MM:SS'这样的

记一次AngularJs 路由 $stateChangeStart不起作用(细节决定成败)

var app= angular .module('app', [ 'ngAnimate', 'ngCookies', 'ngResource', 'ngSanitize', 'ngTouch', 'ui.router', 'ui.bootstrap', 'datatablesDirectives', 'ngTable', 'ncy-angular-breadcrumb', 'ngFileUpload', 'MessageCenterModule', 'angular-loading-bar',

彻底填平Static坑(细节决定成败)

static 学习的过程就是填坑的过程,可不要偷懒想着跳过去,你现在跳过去,就相当于给自己挖了一个坑,你迟早会掉进去的,为了避免不掉坑,所以,努力填坑吧! 一.如果没有static会怎样? 需求: 1:定义Student类 1:姓名.国籍,说话行为 2:多个构造,重载形式体现 2:学生的国籍都是确定的 1:国籍可以进行显示初始化 public class Student { String name;//姓名 String country;//国籍 public Student(String na

细节决定成败--记初学Power Query之分组汇总问题解决

在今天用手头资料联系PQ时,出现含税金额项完全是数字格式的,分组汇总求和提示有错误值,错误提示:DataFormat.Error.无法转换为Number.详细信息q.各种百度居然搜不到类似PQ的解决方法.碰巧加入曾老师的"Excel Power Query交流群"受到启发,居然是添加条件列之前的那一列的格式没统一导致汇总依据列的连贯错误.还好最后测试解决.强烈建议以后的各位PQ处理数据前先确认各列数据的属性,再进行相关的运算汇总. 原文地址:https://blog.51cto.com

工作第八年

2014年6月8日写完"工作七年",小学毕业典礼庆祝还未开始,初中一年级结束已经到了. 上初中没有转校,继续在sonoscape,继续记录成长与收获. 1. 收获2014.06 ~ 2015.06 这一年,在团队建设.规范化开发方面投入了主要精力,常规代码被迫搁下了. 1.1 部门SVN库 从2014年3月开始,建立了部门SVN库.管理部门常规资料:入职,培训PPT,产品线.部门会议记录,日常文档模块,项目管理,新人指导,工作计划和总结,考核记录,个人工作目录等. 主要目的是,在共享部

“码”上学起来

                                                         “码”上学起来 ----读<构建之法—现代软件工程>有感 作为一名学习关于软件工程方面的学生,在老师的推荐下有幸接触到邹欣老师的<构建之法—现代软件工程>,实属荣欣. 对于我来说,计算机类的知识本身它比较枯燥无味,深奥难懂.如果你对于计算机也是这般无奈,那我们的感受一定会一拍即合.现实有时也是像童话一样,剧情一百八十度转折.邹老师的<构建之法—现代软件工程>

《开讲啦》 20160910 颜宁:女科学家去哪儿了?

视频地址: <开讲啦> 20160910 颜宁:女科学家去哪儿了? 果然是女神科学家,讲了一些我很感兴趣的东西,让我也体会到了女神的气质,有点感触,这个节目不错,可以追. 颜宁教授于2016年5月中旬应央视之邀,在<开讲啦>节目中为我们描述了从结构生物学角度看到的世界,分享了她的科研经历和科研心得,讲述了作为一名女性应该怎样不惧世俗,遵从内心,追求性别平等,勇敢成就自己.以下是新鲜出炉的完整视频: 说起女科学家,大家首先可能会想到居里夫人.诺贝尔医学奖获得者屠呦呦.白大褂,厚厚的演

高性能网站架构的思考 (转)

今天看到了一篇关于网站架构的文章,写的很好,改了改,添加了一些自己的想法: 对于大流量高并发的网站,首先考虑的都是如何用最少的资源处理最多的业务.一般来说,网站架构最初需要考虑三个方面:数据库瓶颈.代码执行效率和服务器端的配置.下面结合项目开发中经验总结一下.        1. 合理设计与使用数据库        对于数据库的瓶颈可以归纳为两点:如何设计高性能的数据库?如何使用设计出来的高性能数据库?        首先,设计数据库之初就应该预估可能产生的数据量和所能承受的压力:该分表的分表,

【机器学习基础】Logistic回归基础

soft binary classification Logistics回归模型要解决的是分类问题,在之前的二元分类问题中,我们将数据分成正例和负例,但是像PLA算法一样,用单位阶跃函数来处理的这种瞬间跳跃的过程有时很难处理.于是,我们希望能得到正例的概率值是多少. logistic regression的假设 我们在PLA和线性回归算法中都用数据的加权来计算一个分数s,在logistic回归中,我们用sigmoid函数来将这个分数s转化成0到1的概率值. 所以,用下面的h(x)来表示一个假设,