大數(shù)據(jù)：一場管理革命

2013-11-08正和島《決策參考》中國寬帶產(chǎn)業(yè)基金董事長

管理大師戴明（W.Edwards Deming）與德魯克（Peter Drucker）在諸多思想上都持對立觀點，但“不會量化就無法管理”的理念卻是兩人智慧的共識。這一共識足以解釋近年來的數(shù)字大爆炸為何無比重要。簡而言之，有了大數(shù)據(jù)，管理者可以將一切量化，從而對公司業(yè)務(wù)盡在掌握，進而提升決策質(zhì)量和業(yè)績表現(xiàn)。

簡而言之，有了大數(shù)據(jù)，管理者可以將一切量化，從而對公司業(yè)務(wù)盡在掌握，進而提升決策質(zhì)量和業(yè)績表現(xiàn)。

那些天生帶有數(shù)字基因的企業(yè)，比如谷歌和亞馬遜，已然是大數(shù)據(jù)巨擎。但是，對于傳統(tǒng)企業(yè)而言，運用大數(shù)據(jù)獲得競爭優(yōu)勢的潛力可能更大。企業(yè)因此可以做精準的量化和管理，可以做更可靠的預(yù)測和更明智的決策，可以在行動時更有目標更有效率；而且這些都可以在一直以來由直覺而不是數(shù)據(jù)和理性主宰的領(lǐng)域?qū)崿F(xiàn)。

田溯寧批注1:大數(shù)據(jù)帶來的革新是全面的，不僅僅局限于傳統(tǒng)的IT領(lǐng)域，而是將會延伸到社會生活的諸多層面。

隨著大數(shù)據(jù)之工具與理念的不斷傳播，許多深入人心的觀點將被撼動，比如經(jīng)驗的價值、專業(yè)性與管理實踐。各個行業(yè)的商業(yè)領(lǐng)袖都會看清運用大數(shù)據(jù)究竟意味著什么：一場管理革命。

田溯寧批注2:大數(shù)據(jù)為公司業(yè)績提升帶來無限可能，但實現(xiàn)這些可能的前提是基于大數(shù)據(jù)的管理方式的革新。

但是，伴隨商業(yè)世界其他一些深刻的變革，公司向“大數(shù)據(jù)驅(qū)動”轉(zhuǎn)型必將遭遇巨大挑戰(zhàn)，它需要公司領(lǐng)導(dǎo)層擁有一手的數(shù)字化能力?；蛘撸谄渌恍┣闆r下，需要的是會放手的領(lǐng)導(dǎo)。

有什么新鮮的？

企業(yè)高管們有時會問：“‘大數(shù)據(jù)’不就是‘數(shù)據(jù)分析’的另一種說法嗎？”

二者確實相關(guān)：和之前的“數(shù)據(jù)分析”一樣，大數(shù)據(jù)運動也力圖從數(shù)據(jù)中收集智慧，并將其轉(zhuǎn)化為企業(yè)的優(yōu)勢。但二者有三個顯著差別：

規(guī)模性。僅就2012年而論，每天大約產(chǎn)生2.5艾字節(jié)（exabytes）的數(shù)據(jù)，而且這個數(shù)據(jù)量每40個月就翻一倍?，F(xiàn)在互聯(lián)網(wǎng)每秒鐘產(chǎn)生的數(shù)據(jù)量，比20年前整個互聯(lián)網(wǎng)儲存的數(shù)據(jù)還要多。

田溯寧批注3:如今，一天之內(nèi)人們上傳的照片數(shù)量，就相當于柯達發(fā)明膠卷之后拍攝的圖像總和。

高速性。對于很多應(yīng)用程序來說，數(shù)據(jù)生成的速度比數(shù)據(jù)規(guī)模更重要。實時或者近乎實時的信息，能讓一家公司比競爭對手更為靈活敏銳。舉個例子，有團隊曾經(jīng)使用來自手機的位置數(shù)據(jù)推測，美國圣誕節(jié)購物季開始那一天有多少人在梅西百貨公司（Macy's）的停車場停車，這遠早于梅西百貨自己統(tǒng)計出的銷售記錄。無論是華爾街的分析師或者傳統(tǒng)產(chǎn)業(yè)的高管，都會因這種敏銳的洞察力獲得極大的競爭優(yōu)勢。

多樣性。大數(shù)據(jù)形式多樣，社交網(wǎng)站上發(fā)布的信息、更新、圖片；傳感器上顯示的內(nèi)容；手機上的GPS信號等等。我們將被這一切帶入一個新紀元：一個海量數(shù)據(jù)在商業(yè)世界無孔不入的時代。在這些雜亂無章的混亂中埋藏著大量的信號，孤單地等待被解讀。

田溯寧批注4:大數(shù)據(jù)和傳統(tǒng)IT架構(gòu)要處理的數(shù)據(jù)不一樣，我們傳統(tǒng)的IT架構(gòu)處理結(jié)構(gòu)性數(shù)據(jù)，而云計算要解決大量非常結(jié)構(gòu)的數(shù)據(jù)、天氣數(shù)據(jù)、圖片數(shù)據(jù)，這些數(shù)據(jù)沒有太多邏輯性，非常像量子力學(xué)。

數(shù)據(jù)決定業(yè)績

懷疑論者的第二個疑問是：“有何證據(jù)顯示，明智地運用大數(shù)據(jù)能提升公司業(yè)績？”

很顯然，不是每家公司都喜歡數(shù)據(jù)驅(qū)動型的決策制定過程。事實上，我們發(fā)現(xiàn)，各行各業(yè)對大數(shù)據(jù)的態(tài)度和應(yīng)用方法五花八門。但是，透過所有的分析，我們發(fā)現(xiàn)一種顯著的關(guān)聯(lián)性：越是那些自定義為數(shù)據(jù)驅(qū)動型的公司，越會客觀地衡量公司的財務(wù)與運營結(jié)果。

田溯寧批注5:中國有著龐大的人群和應(yīng)用市場，復(fù)雜性高、充滿變化。如此龐大的用戶群體，使中國成為世界上最大數(shù)據(jù)量的國家。解決這種由大規(guī)模數(shù)據(jù)引起的問題、探索以大數(shù)據(jù)為基礎(chǔ)的解決方案，是中國產(chǎn)業(yè)升級、企業(yè)效率提高的重要手段。

航空業(yè)分秒必爭，尤其是航班抵達的準確時間。如果一班飛機提前到達，地勤人員還沒準備好，乘客和乘務(wù)員就會被困在飛機上白白耽擱時間；如果一班飛機延誤，地勤人員就只能坐著干等，白白消耗成本。當美國一家大航空公司從其內(nèi)部報告中發(fā)現(xiàn)，大約10%的航班的實際到達時間與預(yù)計到達時間相差10分鐘以上，30%的航班相差5分鐘以上的時候，這家公司決定采取措施了。

這家航空公司找到了Passur Aerospace，一家專為航空業(yè)提供決策支持的技術(shù)公司，通過搜集天氣、航班日程表等公開數(shù)據(jù)，結(jié)合自己獨立收集的其他影響航班因素的非公開數(shù)據(jù)，綜合預(yù)測航班到港時間。時至2012年，Passur公司已經(jīng)擁有超過155處無源雷達接收站，每4.6秒它就收集一次雷達眼看到的每架飛機的一系列信息，這會持續(xù)地帶來海量數(shù)據(jù)。不僅如此，公司將長期以來收集的數(shù)據(jù)都保存著，這樣它就擁有了一個超過十年的巨大的多維信息載體，為透徹的分析和恰當?shù)臄?shù)據(jù)模型提供了可能。

使用Passur公司服務(wù)后，這家航空公司大大縮短了預(yù)測和實際抵達之間的時間差。Passur公司相信，航空公司依據(jù)它們提供的航班到達時間做計劃，能為每個機場每年節(jié)省數(shù)百萬美元。

這是一個相當簡單的公式：大數(shù)據(jù)帶來更準的預(yù)測，更準的預(yù)測帶來更佳的決策。

幾年以前，美國零售巨頭西爾斯控股公司（Sears Holdings）決定收集其專售的三個品牌——Sears、Craftsman、Lands’End的顧客、產(chǎn)品以及銷售數(shù)據(jù)，從這些海量信息中挖掘價值。價值巨大，困難也巨大：這些數(shù)據(jù)需要超大規(guī)模分析，且分散在不同品牌的數(shù)據(jù)庫與數(shù)據(jù)倉庫中，不僅數(shù)量龐大而且支離破碎。西爾斯公司需要八周時間才能制定出個性化的銷售方案，但往往做出來的時候，它已不再是最佳方案了。

西爾斯集團開始使用群集（cluster）收集來自不同品牌的數(shù)據(jù)，并在群集上直接分析數(shù)據(jù)，而不是像以前那樣先存入數(shù)據(jù)倉庫，避免了浪費時間先把來自各處的數(shù)據(jù)合并之后再做分析。這種調(diào)整讓公司的推銷方案更快、更精準。

據(jù)西爾斯公司首席技術(shù)官菲里·謝利（Phil Shelley）說，他們制定一系列復(fù)雜推薦方案的時間從8周縮短到1周，甚至還會更短。而且這些銷售方案質(zhì)量更高，因為它們更及時、更細致、更個性化。西爾斯使用的Hadoop群集能收集和處理好幾個拍字節(jié)的數(shù)據(jù)，成本卻只是普通數(shù)據(jù)庫的一小部分。

田溯寧批注6:Cloudera公司和Hortonworks公司出售企業(yè)信息化系統(tǒng)和商務(wù)智能系統(tǒng)等產(chǎn)品，將Hadoop開源平臺商品化，大大降低了公司數(shù)據(jù)操作的難度。Factual公司則是個數(shù)據(jù)超市，F(xiàn)acebook、AT&T乃至美國《新聞周刊》都是其客戶。

Passur公司和西爾斯控股的例子展示了大數(shù)據(jù)的威力——它帶來更準確的預(yù)測、更高明的決策、更恰當?shù)牟僮?，而且讓這些事情達到一個無邊的規(guī)模。當大數(shù)據(jù)應(yīng)用于供應(yīng)鏈管理的時候，它讓我們了解為什么一家汽車制造商的故障率突然飆升；在客服方面，它可以持續(xù)詳細調(diào)查和處理幾百萬人的醫(yī)保狀況；它還可以基于產(chǎn)品特性的數(shù)據(jù)集，為在線銷售作出更好的預(yù)測和規(guī)劃，等等。大數(shù)據(jù)在其他行業(yè)的應(yīng)用也同樣成效顯著，無論金融業(yè)、旅游博彩業(yè)還是機械維修,在市場推廣、人力資源管理方面也都有極大的功用。

我們的數(shù)據(jù)分析顯示，上述所見絕不是星星點點的個案，而是一次根本性的經(jīng)濟轉(zhuǎn)型。我們確信，大數(shù)據(jù)運用帶來的這一轉(zhuǎn)型已經(jīng)觸及了商業(yè)活動的方方面面，沒有誰能置身其外。西爾斯使用的Hadoop群集能收集和處理好幾個拍字節(jié)的數(shù)據(jù)，成本卻只是普通數(shù)據(jù)庫的一小部分。

田溯寧批注7:投資者應(yīng)該用獨特的手段促進產(chǎn)業(yè)發(fā)展。我覺得投資者在這里既有社會變革的責任，又有成為偉大公司的機會。

決策文化變革：讓數(shù)據(jù)做主

大數(shù)據(jù)的技術(shù)挑戰(zhàn)顯而易見，但其帶來的管理挑戰(zhàn)更為艱巨——這要從高管團隊的角色轉(zhuǎn)變開始。

大數(shù)據(jù)最至關(guān)重要的方面，就是它會直接影響企業(yè)怎樣做決策、誰來做決策。在今天的整個商業(yè)世界中，人們?nèi)匀桓嘁蕾噦€人經(jīng)驗和直覺做決策，而不是基于數(shù)據(jù)。在信息有限、獲取成本高昂且沒有被數(shù)字化的時代，讓身居高位的人做決策是情有可原的。我們可以給這種決策者和決策過程貼個標簽：直覺主義。

田溯寧批注8:沒有數(shù)據(jù)分析支撐的決定將越來越不可靠。

有志于引領(lǐng)企業(yè)實現(xiàn)大數(shù)據(jù)轉(zhuǎn)型的高管們，可以從兩個最簡單的技巧開始。首先，要養(yǎng)成習(xí)慣問：“數(shù)據(jù)怎么說？”每當遇到重大決策的時候，要緊跟著這個問題進一步問：“這些數(shù)據(jù)從哪兒來的？”“這些數(shù)據(jù)能得出什么分析？”“我們對結(jié)果有多大信心？”員工能從高管的這種行為中迅速接收到信息。其次，他們要允許數(shù)據(jù)做主。當員工看到一位資深高管聽任數(shù)據(jù)推翻了他的直覺判斷——這將是改變一家公司決策文化的最大力量。

田溯寧批注9:大數(shù)據(jù)帶來的挑戰(zhàn)，也是跨行業(yè)、跨領(lǐng)域、全方位的。在公司內(nèi)部，從管理層到董事會，都應(yīng)該認識到大數(shù)據(jù)即將帶來的轉(zhuǎn)型。將公司和行業(yè)之外的數(shù)據(jù)納入分析并作為決策依據(jù)，是公司董事會、高管們都必須重新認識的內(nèi)容。

開始行動吧！你不需要在技術(shù)上進行前期投資就可以使用大數(shù)據(jù)，這與前幾次技術(shù)革新完全不同。以下是從零開始建立數(shù)據(jù)能力的步驟：

首先：選擇一個業(yè)務(wù)部門作為試點。這個團隊最好有一個喜愛數(shù)量分析的領(lǐng)隊和一群數(shù)據(jù)科學(xué)家。

其次：在每個核心功能上，依據(jù)大數(shù)據(jù)找出五個商業(yè)機會，要求五個人以內(nèi)的團隊在五周內(nèi)找到每個商業(yè)機會的數(shù)據(jù)原型。

然后：要執(zhí)行這一程序?qū)崿F(xiàn)創(chuàng)新，通常包括四步：實驗——評估——分享——復(fù)制。

最后：記住著名的喬伊法則：“那些最聰明的人都在給別人打工。”所以，開放你的數(shù)據(jù)集給所有感興趣的群體吧，來自互聯(lián)網(wǎng)和全世界的，讓他們也一起參與分析！

五大管理挑戰(zhàn)

大數(shù)據(jù)轉(zhuǎn)型并不是萬能的，除非企業(yè)能成功應(yīng)對轉(zhuǎn)型過程中的管理挑戰(zhàn)。以下五個方面在這一過程中尤為重要。

領(lǐng)導(dǎo)力。那些在大數(shù)據(jù)時代獲得成功的企業(yè)，并不是簡單地擁有更多或者更好的數(shù)據(jù)，而是因為他們的領(lǐng)導(dǎo)層懂得設(shè)計清晰的目標，知道自己定義的成功究竟是什么，并且找對了問題。大數(shù)據(jù)的力量并不會抹殺對遠見與人性化洞察的需求。

人才。隨著數(shù)據(jù)越來越廉價，實現(xiàn)大數(shù)據(jù)應(yīng)用的相關(guān)技術(shù)和人才也變得越來越昂貴。其中最緊迫的就是對數(shù)據(jù)科學(xué)家和相關(guān)專業(yè)人士的需求，因為需要他們處理海量的信息。統(tǒng)計學(xué)很重要，但是傳統(tǒng)的統(tǒng)計學(xué)課程幾乎不傳授如何運用大數(shù)據(jù)的技能。尤其需要的能力是將海量數(shù)據(jù)集清理并系統(tǒng)化，因為各種類型的數(shù)據(jù)很少是以規(guī)整的形態(tài)出現(xiàn)的。視覺化工具和技術(shù)的價值也將因此突顯。

田溯寧批注10:
現(xiàn)階段是要用解決問題的視角，尋找數(shù)據(jù)分析和懂得商業(yè)操作的人才，把數(shù)據(jù)分析產(chǎn)品化。

技術(shù)。處理海量、高速率、多樣化的大數(shù)據(jù)工具，近年來獲得了長足的改進。整體而言，這些技術(shù)已經(jīng)不再貴得離譜，而且大部分軟件都是開源的。Hadoop，這個目前最通用的平臺，就整合了實體硬件和開源軟件。

決策。精明的領(lǐng)導(dǎo)者會創(chuàng)造一種更靈活的組織形式，盡量避免“自主研發(fā)綜合癥”，同時強化跨部門合作：收集信息的人要提供正確的數(shù)據(jù)給分析數(shù)據(jù)和理解問題的人，同時，他們要和掌握相關(guān)技術(shù)、能夠有效解決問題的人并肩工作。

文化。大數(shù)據(jù)驅(qū)動的公司要問自己的第一個問題，不是“我們怎么想？”而應(yīng)該是“我們知道什么？”這要求企業(yè)不能再跟著感覺走。

毫無疑問，成功的路上荊棘密布。數(shù)據(jù)科學(xué)家不夠多；技術(shù)不只新，甚至新奇；把各種關(guān)聯(lián)當作因果關(guān)系，由數(shù)據(jù)得到誤導(dǎo)性的模式；文化轉(zhuǎn)型的挑戰(zhàn)更是艱巨，比如對隱私的關(guān)切已經(jīng)越來越突出。但是，大數(shù)據(jù)在技術(shù)和商業(yè)領(lǐng)域的卓越表現(xiàn)勢不可擋。

田溯寧批注11:
大數(shù)據(jù)發(fā)展的最大障礙，在于數(shù)據(jù)的“流動性”和“可獲取性”。2009年，美國政府創(chuàng)建了Data.gov網(wǎng)站，為大數(shù)據(jù)敞開了大門，公眾能夠通過這個網(wǎng)站獲得各種政府數(shù)據(jù)。現(xiàn)在，在印度也有“數(shù)據(jù)公開”運動。中國要趕上這樣一場大數(shù)據(jù)變革，政府應(yīng)該首先公開數(shù)據(jù)，其次是企業(yè)，最后在個人。開放的、流通的數(shù)據(jù)是時代趨勢的要求，閉關(guān)鎖國最終拒絕的將是財富創(chuàng)造。

證據(jù)一目了然：大數(shù)據(jù)驅(qū)動下的決策更高明。高管們要么擁抱這一現(xiàn)實，要么卷鋪蓋走人。在各個領(lǐng)域中，企業(yè)只有找到將數(shù)據(jù)科學(xué)與傳統(tǒng)技能完美結(jié)合的方式，才能打敗對手。我們不能說，所有的贏家都會將大數(shù)據(jù)用于其決策制定，但數(shù)據(jù)告訴我們，這樣確實勝算最大。

本文節(jié)選自2012年10月號《哈佛商業(yè)評論》中文版，作者安德魯·麥卡菲（Andrew McAfee）（麻省理工學(xué)院數(shù)字商業(yè)中心首席科學(xué)家）、埃里克·布林約爾松（Erik Brynjolfsson）（麻省理工學(xué)院斯隆商學(xué)院“許塞爾家族”教授兼數(shù)字商業(yè)中心院長）程明霞譯