Netflix留住優秀人才的背後：淘汰不適任者、不作員工的職涯導師|數位時代 BusinessNext

一份由 Netflix 創辦人里德．海斯汀（Reed Hastings）釋出的內容，截至今年 6 月已超過 1,800 萬點閱人次，這是名為「網飛文化集」（Netflix Culture Deck）的內部文件──解釋 Netflix 欲建立的公司文化，以及團隊的行為準則，被譽為「矽谷有史以來最重要文件」。

這份文件的推手，是替 Netflix 建立文化基礎的前人才長珮蒂．麥寇德（Patty McCord）。她指出強調高薪、完整福利與績效獎金等激勵手法效果有限，因此她重新打造一套更能鼓勵創新的管理系統，也奠定他們能與 Google 等大型科技企業競爭頂尖人才的關鍵。

留住人才的關鍵：確保他的同事一樣優秀

幫助 Netflix 領悟到招募人才的關鍵，是 2001 年一個解雇高達 40% 員工的決定。《NETFLIX》指出，海斯汀估計公司燒錢的速度，無法達成他們首次公開募股 IPO 的目標，而前財務長貝瑞．麥卡錫（Barry McCarthy）當時認為營運現金足夠，重點是降低成本，並說服華爾街他們是足夠靈巧的小公司，可以擊敗百視達這樣的大公司。

過去由另一位共同創辦人馬克．倫道夫（Marc Randolph）帶領的元老團隊，多是由創意人組成，確實能幫助一間企業從 0 到 1，然而進入籌措資金以及得不斷改善服務的 Netflix來說，需要更有制度的組織、更仰賴工程與數據的決策方法，偏向藝術家性格的創始團隊已經不再適任。

儘管人事大幅異動，麥寇德發現剩下的員工並未陷入低潮。她回憶當時與一位工程師主管通電話，詢問人員短缺、是否需要幫忙，對方卻回答沒有很忙，反而過去要管理不適任的部屬，得花更多時間與心力。

而這正是 Netflix 人力管理的首要法則：

組織能替員工做的最棒的事情，就是只招募高績效者與他們共事。

這樣的高密度人才，才是員工願意留下來的原因，他們希望和一群自己欣賞且信賴的人共事，會比起添購休閒設備、提供免費食物更有吸引力。

何時該讓員工走？

找到高績效人才固然重要，但怎麼決定解雇不適任，或優秀但不符需求的員工更是一大難事，而 Netflix 通常會採取兩種思考方式，並和前員工保持良好關係：

繁文縟節只會拖累速度，夠自由才能產出更好結果

打造出一支優異團隊，除了不斷替他們尋找同類，組織與管理者也應該思考要營造出什麼樣的環境，這些高績效員工才能發揮 100% 的實力。

Netflix 做的第一件事情，便是給予足夠的自由。過去的組織架構經常會規範每一件事情的流程，但在市場變動快速的情況下，制式的規則只會拖累腳步。

麥寇德決定鬆綁這些成規，讓每位團隊成員都能以自己判斷最短時間內，產出最佳成果的方法做事。因此像是廣為人知的「年假隨你休」政策，或廢除費用報銷、差旅政策等，都是從這樣的信念出發。

然而自由不代表放任，員工也得負起產出高品質成果的責任，如同《給力》提到：「公司就像一支球隊，不是大家庭。」重點是球賽中的表現，一旦不再符合目前球隊戰術，儘管對方曾是明星球員，公司仍然會解雇他並招募新人才。

像是年資長達 18 年的前產品長尼爾．杭特（Neil Hunt），也可能因為自身能力無法再滿足 Netflix 擴張海外的需求，2017 年由當時國際開發長格雷格．彼德斯（Greg Peters）接任。麥寇德強調，公司唯一要承諾的是，提供顧客傑出產品，沒有義務替員工創造他們能力不符、無法勝任的職位，更不應該期待經理人成為他人職涯規畫師，「別期待目前的團隊未來也能適用。」他說。

鼓勵跨層級坦率提問，共同找出組織盲點

為了要讓手上這支球隊打出更精采的比賽，Netflix 還鼓吹完全透明、雙向的溝通，他們希望各層級、職務的員工，都應該了解公司業務，更重要的是任何層級的成員，都要能隨時跨部門、跨層級拋出問題。

舉例來說，一次釋出影集全部集數的概念，是內容長泰德．薩蘭多斯（Ted Sarandos）在一次新人課程時，介紹傳統電影從戲院到發行 DVD 的過程，一位工程師問：「為什麼要採取這樣的方式？看起來很蠢。」這個問題讓他當場愣住，也促使他們開始思考放映型態的可能性。像這樣質疑不同意、不了解的觀點，是 Netflix 團隊中經常能遇到的場景。

不過麥寇德也提醒，儘管 Netflix 看似是一間科技公司，員工要坦率討論不同觀點，必須建立在「事實」而非全然「資料」導向。尤其當今數據經常被奉為圭臬，但太容易因此被局限，忽略更廣闊的商業脈絡，甚至成為事後推卸責任的擋箭牌。

《給力》舉了一個例子，指出 Netflix 內容不試播，就是避免試播時反應會誤導決策。其王牌影集之一《勁爆女子監獄》的構想也不只來自數據分析，因為觀眾「人數多寡」對訂閱平台的重要性不如以往，這齣以女性受刑人為主角的影集，當初甚至只有構想就拍板定案，因為它能吸引特定觀眾，滿足多元需求以提高續訂率。

以責任換來自由，並隨時接受各方尖銳且直接的挑戰，在這樣的環境之中，每位員工才能知道為了什麼努力，並以適合自己的方式，貼緊目標產出優異的成果。

參考資料／《給力》，大塊文化出版；Netflix Jobs 官方網站

責任編輯：蕭閔云

本文授權轉載自：經理人月刊；作者：陳彥丞

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。