月初排计划的时候,不少经营者会陷进同一句话里:
人不够,钱不够,时间也不够。
这三句,说十年都不会变。
因为它们本来就不够,永远不会够。
书里有一句话,我第一次读到的时候停了几秒:「任何一个企业或者个人的资源都永远是不足的,比如时间,比如注意力。」
资源永远缺,这是常态。真正分出高下的,不是谁资源多,是谁会分。
一、缺的从来不是资源
梁宁在《真需求》第十四章里,把这件事说得更直接:优秀的人都是分配资源的高手。
她的例子很日常——同样是二十四小时,健身人设的人把时间分给健身,工作狂人设的人把时间分给工作,社交达人把时间分给社交。
人还是那个人,时间还是那些时间,结果完全不同。
因为分配不一样。
一个组织也是这样。书里写过:每个组织都是一个小王国,王国里所有的政治,都围绕资源分配展开。
这话有点重,落在公司里就是另一句——谁拿预算、谁拿客户、谁拿机会、谁先被看见。
不缺资源,缺的是分配。

二、分配权才是真权力
书里还有一句更狠的:「分配权是权力的核心,分配能力也是能力的核心。」
为什么敢这么说?
因为分配决定了一个人能在这里变现什么。
书里的链条很清楚:企业的竞争力来自它的人才生态,而人才生态来自分配机制。
所以分配不是财务问题,是组织问题。
老板把分配当成年底算账,员工把它当成一年里唯一一次被看见的机会。两边的时间点都不一样。
你可能会想:我们公司就七八个人,谈分配是不是太早?
不早。恰恰是人少的时候,分配更值钱——因为你没那么多钱去补,只能靠分得准。
三、同一个岗位,两种命
书里有一组对比,很扎人。
2019 年,吉野家北京一个店长的月薪不到六千元;同样是 2019 年,海底捞店长的月薪能到十万至十二万元。
岗位名字一样,收入差了一个数量级。
不是海底捞更善良。
书里给了原因:吉野家是流量变现模型,店长能撬动的收入变化很小;海底捞的客户价值,很大一块来自店长带着店员做出的服务创新。
换句话说,客户为什么掏钱,钱就该往那个环节倾斜。
海底捞的服务员也是同一个逻辑:行业平均月薪三千左右,它开到四千五,还有五险一金、住宿、一日五餐。
书里管这叫超级分配。
用超级分配,换超级付出。
这不是慈善,是算过的账。你想要员工的哪一部分,就得在哪一部分上给出超出行情的价钱。
四、想让员工干什么,就把钱挂在哪
海底捞还有一套师徒分配,我觉得最值得小公司抄。
新员工入职,店长做师父,带训一周。徒弟确认师父后不再更换。徒弟以后带徒,师父升成师爷。
关键在这条:徒弟开新店成功后,师父不光提自己店的业绩,还能在徒弟管的门店里拿一定比例的提成。
于是对店长来说,守好自己的店重要,带出更多徒弟可能更重要。
书里写,店长必须三年内教出徒弟、让徒弟开新店。
想让员工干什么,就把钱挂在哪。
这话听着功利,其实是最省沟通成本的管理。
规则摆在那里,人就不用猜老板的心思。
五、最高一档的分配,不是钱
书里还写了三家给顶尖人才的做法,都不是加钱。
新荣记给店长和主厨的预算是:每两周自己订一家餐厅去体验,预算没有上限。让他们去吃别人的优点,见贤思齐。
苹果的文化是「帮助工程师成功」——一个新入职的工程师,可能第一个月就直接面对最高管理层,接下最硬核的挑战。领导的优势不在技术比他强,而在能调动资源支持他成事。
特斯拉给的更反常:给「失败」。
SpaceX 第一次成功发射火箭时,公司规模是五百人;波音承担类似任务的部门有上万人。多出来的那些人在做什么?做流程、管风险、避免失败。
书里的意思是:炸掉一堆钢,换回数据和优化方案,跟养上万人反复开会论证,哪个成本更高,其实不难算。
顶尖人才要的不是多给钱,是更大的战场。
这话对文山的小公司也有用——你没有大钱,但你可以给一个人一件真正由他做主的事。
六、小公司能分的,不止钱
回到小公司,能分的东西其实有六样:钱、时间、客户、信息、机会、名分。
钱你比不过大厂,但后面五样,很多小公司是空着的——客户名单只在自己手上,信息只在自己脑子里,机会只给熟人,名分从来不给。
小公司没有大钱,但有小机会。
实操三步:
第一步,把这六样列出来,写清现在分别握在谁手里。
第二步,圈出你最想让某个人多做的那一个动作——带新人、盯回款,还是跑客户。
第三步,给这个动作配一条分配:可以是提成,也可以是让他独立跟一个客户、参加一次谈判、名字挂在项目上。
先小范围试一条,别一上来全院推。

七、今天就能做的一件事
分配这件事,最容易拖。
一拖就到年底,又变成一次算账。
说白了,今天下班前拿一张纸,写六行:钱、时间、客户、信息、机会、名分,后面各写一个现在握着它的人。
然后问自己一句:这六样,是不是都分给了最该拿的人?
哪一行空着,哪一行就是你明年的增长点。
本文素材:《真需求》梁宁著 第十四章 分配机制(拆书稿库原文,章节全文可核);文中数额为书中 2019 年前后口径,不作本地承诺。
一潭水放久了会臭,公司也怕这个
AI用不起来,缺的不是工具
装了一堆AI,人还是照老办法干