[区块链]回归初心——关于DAO的深度再思考
发布日期:2021-06-30 17:33:03 浏览次数:2 分类:技术文章

本文共 1160 字,大约阅读时间需要 3 分钟。

写在前面

作为创业经验相对丰富和多个公司合伙人经验的我来说,创建并经营一个公司已经不再是无头苍蝇。但是乐扣老师想做一个相对较大的试验,就是希望通过用DAO的思维来对公司治理进行变革。通过一个超大型的生态构建和治理过程来证明DAO哲学思维的社会实践性是可靠的。通俗点就是乐扣老师希望用DAO来做一番事业,然后还能成功。

正文部分

先回答几个问题:

DAO是什么?

DAO 作为一个去中心化的自治组织,是区块链技术在众多颠覆概念中成功落地的案例。它是通过智能合约保持运转的组织形式,并将其金融交易和规则编码在区块链上,有效地避免了对于中央权威机构的依赖——因此称之为“去中心化”和“自治”。
此类组织可以扩展为‘去中心化公司’或者‘无中心化公司’的概念。这种类型的公司由顾客和员工共同拥有并经营,没有单一的高高在上的老板,就像比特币,没有中心极权的机构充当董事会的角色,对于一些人的忙碌生活来说,这是通往自由自主道路上的巨大进步,并减少腐败,在当今以公司管理为主流的社会中,它的出现能够减少资本家剥削员工,它也能避免公司的上下等级制度对其中的工作人员的肆意影响。

eonDAO是什么?

eonDAO是一个去中心化自治组织,组织成立的初衷是为了解决创业公司中股权和利益所有人之间的弊端,能够最大程度发挥组织成员的力量进行有助于实体经济发展的社会经济的实体组织。告别老板式思维的组织管理,带来的是革命性质的去公司化,去中心化。利用前沿的区块链哲学思维来创业,推动社会进步。

为什么希望通过eonDAO来做一个职业人不敢想的事业?

一个拥有创业之心的人不会满足于过去的成就而是总会试图去体验那些新风口或者还未到来的未来。

组织结构如何设计?

对于一个没有先例的集团级组织治理模型,是很难给出标准的。唯一可以用来定义的是组织结构是否成功的标志就是能够持续稳健的向着好的方向发展。因此我们从分考虑了组织的资金闭环、自组织、人员尤其是董事会(局)人员的流动不影响整个组织的流程和稳定性。这些都是参考标准。

组织成员是如何筛选的?

对于现在的商业体来说,除了如微软IBM这类庞然大物之外,中小型组织最重要的肯定是人才了。其实类似于创业,一开始找的人我们希望是十全十美的。虽然最终结果不能十全十美,但是我们尽可能选定的人员能够补充整个组织的空白和短板。我们不希望出现木桶效应,我们更希望每个精英能够有发挥各自能力的组织而且该组织的激励机制能够自发的调动这些精英为组织自身效力。

如何理解DAO和区块链的关系?

你两方面的资料多看看。

最后一个问题,如何加入你这个社会试验?

微信号搜索:eonDAOclub ,点击‘关注‘,欢迎加入我们。

结束语

觉得好的朋友可以给我大赏一杯咖啡钱缓解通宵梳理环境的疲乏〜!

方式一:支付宝
这里写图片描述
方式二:以太坊
这里写图片描述

转载地址:https://lekkoliu.blog.csdn.net/article/details/80570350 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:[区块链]6/6今天中午以太坊公链Parity客户端存在严重bug及解决方案
下一篇:[区块链]关于区块链虚拟货币世界中‘稳定货币’的历史、机理、种类及展望

发表评论

最新留言

逛到本站,mark一下
[***.202.152.39]2024年05月03日 06时19分40秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章

路径规划(一) —— 环境描述(Grid Map & Feature Map) & 全局路径规划(最优路径规划(Dijkstra&A*star) & 概率路径规划(PRM&RRT)) 2019-04-30
神经网络调参实战(四)—— 加深网络层次 & 批归一化 batch normalization 2019-04-30
数据挖掘与数据分析(三)—— 探索性数据分析EDA(多因子与复合分析) & 可视化(1)—— 假设检验(μ&卡方检验&方差检验(F检验))&相关系数(皮尔逊&斯皮尔曼) 2019-04-30
RRT算法(快速拓展随机树)的Python实现 2019-04-30
路径规划(二) —— 轨迹优化(样条法) & 局部规划(人工势能场法) & 智能路径规划(生物启发(蚁群&RVO) & 强化学习) 2019-04-30
D*算法 2019-04-30
强化学习(四) —— Actor-Critic演员评论家 & code 2019-04-30
RESTful API 2019-04-30
优化算法(四)——粒子群优化算法(PSO) 2019-04-30
数据挖掘与数据分析(三)—— 探索性数据分析EDA(多因子与复合分析) & 可视化(2)——回归分析(最小二乘法&决定系数&残差不相关)&主成分分析&奇异值分解 2019-04-30
数据在Oracle中的存储 2019-04-30
优化算法(五)—人工蜂群算法Artificial Bee Colony Algorithm(ABC) 2019-04-30
轨迹规划 trajectory planning 2019-04-30
AGV自动导引运输车 2019-04-30
Trie树(字典树) 2019-04-30
COMP7404 Machine Learing——Logistic Regression 2019-04-30
COMP7404 Machine Learing——Regularization(参数C) 2019-04-30
COMP7404 Machine Learing——KNN 2019-04-30
COMP7404 Machine Learing——SVM 2019-04-30
COMP7404 Machine Learing——Decision Tree & Random Forests 2019-04-30