回到绘图板：利用设计过程的潜力，有效地改变组织惯例

许多组织在努力创造有效和持久的战略变革时面临挑战。Vern Glaser博士，艾伯塔大学战略，创业与管理部的副教授，研究组织如何改变他们的惯例来实现战略目标。

在他的论文《设计表现:组织如何通过标记文物改变常规》中，Glaser博士展示了一个案例研究，一个执法机构如何设计一种算法来优化警官的巡逻常规，从而阻止犯罪活动。他的研究揭示了设计过程在促进变化中的重要性——这是一个在理论和实践中经常被忽视的方面。

许多组织使用算法来提高绩效和实现战略目标。算法规定了解决问题所需的精确步骤顺序，而不需要任何人类的直觉或猜测。不管输入是什么，算法总是有效的，并且可能采用软件、程序和/或脚本的形式。例如，亚马逊和Netflix使用机器学习算法为客户生成关于产品或服务的自动推荐;宝洁和其他消费品公司使用文本分析算法来监控消费者在社交媒体上的品牌参与度;而UPS和联邦快递等运输公司则使用优化算法来降低运输成本。

在实施大规模战略变革计划时，组织往往将大部分精力集中在追求“正确”的目标和选择“正确”的算法来实现这些目标上。然而，在艾伯塔大学的副教授Vern Glaser博士，在“设计绩效：组织如何铭刻人工改变常规”的过程中，设计变更计划的过程可能比定义正确的目标或选择正确的算法更重要。他对执法机构的案例研究揭示了最终决定战略变革举措有效性的设计过程的四个方面：确定现有常规的基本组成部分；质疑影响常规执行方式的基本假设；重新分配工作以优化效率；重新思考绩效指标。Glaser博士的发现对日常动态和组织策略具有理论和实践意义。

设计改变组织常规的算法：Metropol案例
在他的研究中，Glaser博士研究了美国西部的一个执法组织（即Metropol，化名）如何设计软件来改变巡逻程序，以阻止犯罪活动，特别是恐怖主义和公共交通上的逃票。组织参与者与Algo Security（一家致力于开发现实世界安全解决方案的研究公司）合作，设计一种工具，使用博弈论算法预测犯罪活动，并根据这些预测自动调整巡逻程序。

项目团队必须识别现有例程的所有组件，并将其转化为可以作为算法参数嵌入的知识。

大都会现有的巡逻程序是由调度人员决定的，他们使用Excel电子表格将警员分配到各个地点，这是一个非常复杂、劳动密集型的过程。例如，为了让恐怖分子更难成功实施袭击，大都会警察局在不同地点部署了巡逻部队、K-9部队和便衣警察等可用资源来应对可疑活动。在他们到达后，警察会观察活动，询问个人或寻找可疑物品，如被丢弃的背包。同样地，为了防止偷税漏税，大都会警察局定期在中转站、火车和公共汽车上部署副警官和安全助理，审查乘客支付车费的情况，并向没有有效车费证明文件的乘客发出警告和传票。

大都会警察局开始对随机的巡逻方式感兴趣，以使犯罪分子更难利用可预测的巡逻模式。然而，产生随机调度被证明是具有挑战性的，因为人工调度人员倾向于遵循可预测的调度习惯。大都会认为博弈论是解决这一问题的潜在方法。博弈论使用正式的数学模型来在涉及高度复杂性的场景中做出最优决策(例如，在特定时间保护目标免遭罪犯攻击)。为了实现这一目标，大都会警察局与Algo-Security合作，后者开发了博弈论算法，为其他几个执法机构创建随机巡逻时间表。设计过程涉及四项核心活动:(a)确定现有程序的主要组成部分;(b)质疑基本假设;(c)重新分配工作;(d)重新考虑绩效指标。

识别现有程序的重要组成部分
To design a tool that used an algorithm to randomize patrolling routines, the project team had to identify all components of the existing routine (e.g., locations protected by Metropol, the types and number of available security resources, activities that those resources could perform, and the amount of time it takes to perform those activities) and translate them into knowledge that could be embedded as parameters in the algorithmic software application. For example, the algorithm needed to consider tacit knowledge, such as travel time to a patrolling destination, and the relative attractiveness of each location to criminals. Similarly, when patrolling a bus or train station, law enforcement officers could take three different actions: question individuals in the station (15 minutes), observe the station without taking any action (10 minutes), pass through the station en route to another one (10 minutes), or move between different levels of a station (1 minute). It was important to comprehensively identify the core components (i.e., resources deployed, location, travel time, action time) of the routine, and translate these essential components into algorithmic parameters.

质疑基本假设
在设计过程中，大都会和ALGO-安全审问内置到现有的例程的关键假设。在博弈论的方法来调度是基于对人的一个基本假设的行为，具体而言，个人（罪犯，在这种情况下）是合理的，并寻求效用最大化。当他们试图定义的潜在目标犯罪分子的价值，认识到这些可能会或可能不符合自己的价值的评估小组成员质疑这种假设。他们还质疑所有罪犯的行为类似的假设。揭露这些假设也影响其行动大都会将采取震慑犯罪活动。最终，这些谈话促使ALGO-Security和大都会开发将纳入有关不同类型的执法对手的了解该软件的新构想。小组成员还询问有关巡逻部队是如何配置和部署的假设。例如，大都会可以在反恐巡逻发K-9单位，也可能配对K-9单元与便衣警察谁可以暗中观察活动。质疑背后的例行巡逻各方面的设想，该项目团队的成员能够考虑如何最有效地使用大都会的资源。

重新分配工作
设计一种可供组织在各种上下文环境下重复使用的调度工具需要项目团队思考哪些人将执行每项任务，以及如何执行。Metropol和Algo Security审查了参与巡逻例行程序的每个人的角色和职责，以及软件重新分配这些角色和职责的能力。必须就算法中规定每一例行巡逻活动的程度作出决定。例如，警察可能通过在火车站周围走动或按特定顺序访问特定站台来监控犯罪活动。最初，项目团队没有嵌入高水平的规范，使官员能够对巡逻特定区域的最佳方式进行判断。有趣的是，证据开始显示，当官员们遵循他们的直觉而不是算法时，发布的引文就更少了。因此，设计团队更改了软件，以指定官员应在每个位置执行哪些任务。团队成员还必须考虑如何将实时信息整合到巡逻程序中。例如，关于他们将如何执行反恐巡逻例行程序以应对炸弹威胁的讨论表明，对算法的作用和覆盖时间表的能力存在分歧。这引发了一场重要的讨论，讨论了决定官员应该遵循软件的指示还是使用自己的判断的参数。

常规的设计过程可以为组织带来各种各样的预期和非预期的好处。

重新思考绩效指标
随着设计过程的进展，团队成员认识到需要构建替代方法来评估算法的性能。显然，新的算法提供了一种更简单的方法来随机化巡逻程序。但是，它是否比简单地使用Excel随机化巡逻日程并根据巡逻人员的意见进行修改更有效呢?为了解决这一争论，研究小组进行了一项为期21天的实验，发现按照该算法制定的时间表执行任务的警官的工作效率在票价验证、警告和传票的数量上翻了一番。此外，大都会警察局意识到，尽管巡逻覆盖指标很重要，但追踪哪些目标没有被覆盖也同样重要。更普遍地说，关于绩效指标背后的哲学的对话，帮助大都会澄清了他们的目标是遏制犯罪活动，而不是彻底消除犯罪活动。这种重心的转移清楚地表明，博弈论的日程安排为社会提供了最好的全面保护。

结论

Metropol案例揭示了算法设计过程在促进组织变革中的重要性。虽然目标和算法选择很重要，但设计过程也不应该被忽视，因为常规的设计过程可以为组织带来各种各样的预期和非预期的好处。如果Metropol和Algo-Security没有在设计过程中投入大量的时间和精力，这个变革倡议可能不会如此成功，甚至可能会失败。为了有效地设计一个新的例行程序，团队成员必须仔细地识别现有例行程序的所有组成部分，质疑潜在的假设，决定如何最好地重新分配工作，并开发反映总体目标的适当性能指标。也许最重要的是，设计师必须在设计过程中登记关键的利益相关者，以确保新的解决方案不会被拒绝。