《管理學(xué)家》 2013年3月25日 作者：鄭毅

   歷史的車(chē)輪已將人類(lèi)帶入大數據時(shí)代。大數據時(shí)代的到來(lái)，標志著(zhù)人類(lèi)的理性進(jìn)入了一個(gè)新的階段。在大數據時(shí)代，數據與機器將在人類(lèi)的日常決策中占有重要的地位。未來(lái)，人類(lèi)必須學(xué)會(huì )如何和海量的數據相處。從個(gè)體角度而言，人類(lèi)需要學(xué)會(huì )如何平衡個(gè)人直覺(jué)與數字證據之間的關(guān)系；從企業(yè)與組織角度而言，人類(lèi)需要探索企業(yè)組織架構和決策流程與數據之間的關(guān)系；從創(chuàng )新角度而言，人類(lèi)需要探索如何打造合適的產(chǎn)業(yè)環(huán)境，促進(jìn)更多的創(chuàng )新的大數據應用的誕生。大數據時(shí)代，海量數據處理與挖掘的技術(shù)固然十分重要，但是，更為重要的因素仍然是人。只有人，才能利用新技術(shù)與新方法創(chuàng )造性地搜集與探索數據中隱含的意義；只有人，才能最大限度地發(fā)揮數據的作用，在機器與數據的支持下更有效地決策。

   為了適應大數據時(shí)代的來(lái)臨，企業(yè)需要從管理者的思維方式、企業(yè)的組織架構和信息環(huán)境等多方面進(jìn)行改變以與之相適應。

   決策者思維方式發(fā)生變化

   大數據是“一把手”工程，需要企業(yè)高層的高度重視。托馬斯•達文波特（Thomas Davenport）在他的著(zhù)作《分析工作》（Analytics at Work）一書(shū)中提到了大數據成功所需的數據（Data）、企業(yè)組織(Enterprise)、領(lǐng)導(Leadership)、目標(Target)、分析師(Analyst)五個(gè)要素，他將其總結為DELTA模型（本書(shū)將于近期由湛廬文化組織翻譯出版，書(shū)名待定），并且認為“領(lǐng)導”是其中最為關(guān)鍵的要素。只有企業(yè)高層的高度重視才能更好地應用大數據，才可能自上而下去推進(jìn)相應的工作。沒(méi)有企業(yè)領(lǐng)導的真正重視，就不會(huì )有技術(shù)與組織支持對企業(yè)決策所需的數據進(jìn)行搜集與處理。即使存在數據，數據也有可能會(huì )淪為粉飾決策、支撐既有觀(guān)點(diǎn)的工具。這種重視不能光表現在口頭上，而是應該落實(shí)到實(shí)際行動(dòng)上。

   企業(yè)高層應該認識到數據將成為企業(yè)的核心競爭力。沃爾瑪并沒(méi)有獨占某種資源，賣(mài)的也都是人們日常使用的東西，它的銷(xiāo)售渠道也并不特別，但為什么它能做成全世界最大呢？是因為它從運營(yíng)管理到供應鏈管理到銷(xiāo)售管理都以數字為依據，這使得其管理能夠日趨精細化。數據能夠幫助企業(yè)提升決策效率，并且這些決策效率的提升能夠得到沉淀，日積月累形成企業(yè)核心競爭力。以數字為基礎的規范化的、有據可依的決策，是下一階段逐步改善的基礎，哪怕每次只有1%或者0.1%的改善，但一次次的演化和累積就能夠最終形成企業(yè)的核心競爭力。

   數據有可能挑戰企業(yè)決策中的常識。數據能對決策的過(guò)程與決策的結果之間的關(guān)系進(jìn)行更全面客觀(guān)的分析，有些結論能夠支持企業(yè)決策中既有的常識，有些則可能與之相悖。當結論與常識不符時(shí)，數據說(shuō)了算還是常識說(shuō)了算，這將對數據在企業(yè)中的地位形成考驗。如果決策者不愿意根據數據調整自己的常識，進(jìn)而修訂自己的決策，那么決策者只能有選擇地“看到”那些和自己常識相一致的數據，從而形成“證實(shí)偏差”。如果存在“證實(shí)偏差”，那么無(wú)論企業(yè)搜集了多么海量的數據，無(wú)論企業(yè)引入了何種高深的算法，這些數據與算法都只是為了支持與粉飾決策者既有的決定，不能帶來(lái)新的知識與價(jià)值，進(jìn)而也不能有效地發(fā)揮企業(yè)在大數據領(lǐng)域大量投資的價(jià)值。所以，決策者對于數據與客觀(guān)證據的尊重將是大數據投資發(fā)揮價(jià)值的重要保證。

   企業(yè)組織形態(tài)發(fā)生變化

   績(jì)效考核方式發(fā)生變化。大數據關(guān)系著(zhù)企業(yè)的核心競爭力。在大數據時(shí)代，不管你分析不分析，數據都在那里。如果競爭對手能夠更好地利用數據，則企業(yè)很可能被其趕超。大數據時(shí)代之前，決策更傾向于依靠人的直覺(jué)，更寄希望于“超人”的存在，希望他們通過(guò)直覺(jué)做出明智的決策，把企業(yè)帶向光明的未來(lái)。這些“超人”可能是企業(yè)管理者，可能是咨詢(xún)顧問(wèn)，也可能是企業(yè)的“超級員工”。然而，企業(yè)的成功是否真的是這些“超人”的功勞不能完全確定。企業(yè)是否取得成功，這是人們通常會(huì )關(guān)注的結果指標。然而，在結果指標之外，我們還需關(guān)注過(guò)程指標，就是做什么樣的事情，導致了最后的成功，什么事情導致了失敗。在大數據時(shí)代之前，缺乏對過(guò)程的監控與數據搜集，沒(méi)有足夠的數據用來(lái)分析過(guò)程與結果之間的因果關(guān)系，進(jìn)而沒(méi)有足夠的數據去指導人們應該如何進(jìn)行決策。大數據時(shí)代，我們可以對更多的決策進(jìn)行監控與記錄，隨著(zhù)過(guò)程數據與結果數據的日益豐富，原因和結果間的關(guān)聯(lián)關(guān)系更明確。企業(yè)的KPI考核也可能從只是對結果的考核，變成對決策過(guò)程的考核。從而，數據能夠成為幫助員工改善決策的助力工具，而不只是員工所抵觸的獎懲的鞭子。

   企業(yè)決策權力重新分配。大數據時(shí)代的決策過(guò)程中，機器將占有越來(lái)越重要的位置，決策制度化、流程化的程度會(huì )日益增加，決策會(huì )變得更加公開(kāi)、透明、可追溯。決策的精細化程度也日益增加。比如，銀行貸款規定統一的利率，但是對于借款人信用的好壞，因為缺乏足夠的數據，銀行無(wú)法進(jìn)行有效的辨識和區分。但是，在大數據時(shí)代，對借款人的背景與行為有著(zhù)更為豐富的記錄，進(jìn)而能夠從借款人的工作穩定情況、社會(huì )關(guān)系、家庭情況對借款人的信用進(jìn)行評估，從而對不同借款人提供不同的貸款利率。信用良好的借款人能以較低的利率貸款，而信用不好的貸款人，也不至于貸不到款而去求助高利貸。從這個(gè)例子可以看出，大數據能夠為企業(yè)決策服務(wù)，使企業(yè)決策更精細、更有效，進(jìn)而為企業(yè)創(chuàng )造更多的價(jià)值。同時(shí)，大數據也能為更多的借款人提供更符合其實(shí)際情況的借款，從而增加整個(gè)社會(huì )的福祉。但是，在這個(gè)過(guò)程中，貸款專(zhuān)員對借款人判斷過(guò)程中的直覺(jué)將讓位于流程與制度，決策中的灰色空間將逐步減小，貸款專(zhuān)員的權力與利益也將受到相應的影響，大數據引入企業(yè)將受到抵觸。如何有效地克服來(lái)自既得利益者的抵觸，也將是大數據時(shí)代所需面臨的一個(gè)重要問(wèn)題。

   企業(yè)從組織架構到業(yè)務(wù)流程的全面變革。數字化證據能夠為更優(yōu)化的決策指明方向，而決策的優(yōu)化可能需要組織架構甚至業(yè)務(wù)流程層面的全面變革。比如國外某品牌零售店，它原先認為現在銷(xiāo)售不好是因為營(yíng)銷(xiāo)力度不夠，因此加強廣告業(yè)務(wù)投入。但通過(guò)數據分析發(fā)現，銷(xiāo)售不好是因為客流量不足，客流量不足是因為店內人員安排不合理，休息日顧客多，但是很多店員休息，工作日店員上班，但顧客很少，造成顧客體驗很差，形成顧客留存率和回頭率相對都很低的局面。此時(shí)，根據數據分析結果，該品牌零售店對下一階段工作重點(diǎn)以及資源分配方式進(jìn)行了全面的調整。因此，企業(yè)有必要從足夠的高度進(jìn)行思考，如何建立靈活的組織架構與業(yè)務(wù)流程，以使得當企業(yè)通過(guò)數據分析發(fā)現更優(yōu)的決策方式時(shí)，能夠靈活應對，做出相應的調整。

    企業(yè)信息環(huán)境發(fā)生變化

   企業(yè)應有意識地從全局的角度促進(jìn)數據整合。在意識到數據是重要的資產(chǎn)之后，企業(yè)在數據搜集、管理、分析與挖掘等領(lǐng)域都對技術(shù)與系統提出了更高的要求，使得數據能夠為企業(yè)所用。以前數據都是分散在各個(gè)生產(chǎn)系統，人們對其關(guān)注程度不高，一個(gè)企業(yè)有數個(gè)甚至數十個(gè)由不同部門(mén)掌握的生產(chǎn)系統來(lái)支撐日常運營(yíng)。在大數據時(shí)代，企業(yè)需要考慮如何打破系統的邊界，把不同來(lái)源的數據整合在一起，這涉及到企業(yè)內部數據源的抽取、管理與整合。很多企業(yè)利用傳統的數據倉庫技術(shù)解決這些問(wèn)題。另外，企業(yè)也應該關(guān)注外部數據源對企業(yè)的價(jià)值。例如，企業(yè)需要關(guān)注消費者的情緒如何、對企業(yè)的評價(jià)如何，互聯(lián)網(wǎng)、微博等就是很好的信息獲取渠道，這些外部數據源對企業(yè)也具有十分重要的意義。為此企業(yè)管理者需要預先進(jìn)行投資，以發(fā)展技術(shù)應對非結構化的數據處理問(wèn)題，并引入起源于互聯(lián)網(wǎng)企業(yè)的新興技術(shù)以盡可能低的成本進(jìn)行數據存儲與處理。同時(shí)，更為關(guān)鍵的是數據對企業(yè)而言意味著(zhù)權力，企業(yè)高層應能以有效的機制設計打破部門(mén)壁壘，促進(jìn)各種來(lái)源的數據的融合。

   企業(yè)應促進(jìn)數據為中層管理者與一線(xiàn)員工的決策提供服務(wù)。另外，企業(yè)要讓中層管理者甚至生產(chǎn)一線(xiàn)的業(yè)務(wù)人員能夠獲得決策所需的數據與工具，甚至讓他們直接成為關(guān)注數據的分析師?，F在的情況是他們沒(méi)有技術(shù)能力去獲得相關(guān)的數據，也沒(méi)有制度保障他們能夠獲得相關(guān)數據?，F在，很多技術(shù)人員對大數據在企業(yè)中的應用很感興趣，但是沒(méi)有感覺(jué)，不知道數據和技術(shù)該怎么去發(fā)揮作用，所以，管理者、業(yè)務(wù)人員和數據工程師之間如何有效溝通和配合，共同發(fā)揮數據的作用也是企業(yè)應該從整體角度解決的一個(gè)問(wèn)題。

   企業(yè)需激發(fā)創(chuàng )新型人才的潛能，發(fā)掘大數據的潛在價(jià)值。包括麥肯錫公司在內的諸多研究機構的研究結果表明，大數據時(shí)代最為短缺的是“數據科學(xué)家”。這些數據科學(xué)家應該兼具數學(xué)知識、IT技能、業(yè)務(wù)知識。目前包括中國企業(yè)在內的很多企業(yè)的現狀是，企業(yè)擁有很多高價(jià)值數據，且業(yè)務(wù)發(fā)展也亟需大量人才挖掘數據中蘊含的價(jià)值。但是，企業(yè)自身的人才在數學(xué)技能上還存在很大的欠缺，沒(méi)有足夠的“數據科學(xué)家”。另一方面，高校擁有大量具有深厚數學(xué)功底的人才，但是他們沒(méi)有條件接觸到高價(jià)值的數據，且對數據分析所解決的業(yè)務(wù)問(wèn)題知之甚少。因此，有必要通過(guò)合理的機制設計，將企業(yè)的數據、業(yè)務(wù)、需求與高校的人才相結合，使得更多的“數據科學(xué)家”有機會(huì )接觸到企業(yè)的數據，并且能夠以更多的精力研究現實(shí)世界的問(wèn)題。對數據科學(xué)家的管理和對傳統IT人才的管理有所不同。數據分析是一個(gè)探索性過(guò)程，數據科學(xué)家們在接觸數據之前很難確定在數據中能夠發(fā)現何種結論，并且前期的數據分析結果將是后續的數據分析的基礎，因而，很難以類(lèi)似于“功能需求”的方式向數據科學(xué)家提出數據分析的需求。這也需要合理的機制設計對數據科學(xué)家進(jìn)行考核與激勵。