大數(shù)據(jù)：一場(chǎng)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(duì)立觀點(diǎn)，但“不會(huì)量化就無法管理”的理念卻是兩人智慧的共識(shí)。這一共識(shí)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(duì)公司業(yè)務(wù)盡在掌握，進(jìn)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(duì)公司業(yè)務(wù)盡在掌握，進(jìn)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(duì)于傳統(tǒng)企業(yè)而言，運(yùn)用大數(shù)據(jù)獲得競(jìng)爭優(yōu)勢(shì)的潛力可能更大。企業(yè)因此可以做精準(zhǔn)的量化和管理，可以做更可靠的預(yù)測(cè)和更明智的決策，可以在行動(dòng)時(shí)更有目標(biāo)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(huì)延伸到社會(huì)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(diǎn)將被撼動(dòng)，比如經(jīng)驗(yàn)的價(jià)值、專業(yè)性與管理實(shí)踐。各個(gè)行業(yè)的商業(yè)領(lǐng)袖都會(huì)看清運(yùn)用大數(shù)據(jù)究竟意味著什么：一場(chǎng)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(shí)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(dòng)”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?，在其他一些情況下，需要的是會(huì)放手的領(lǐng)導(dǎo)。

有什么新鮮的？

企業(yè)高管們有時(shí)會(huì)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(shí)相關(guān)：和之前的“數(shù)據(jù)分析”一樣，大數(shù)據(jù)運(yùn)動(dòng)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(shì)。但二者有三個(gè)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(gè)數(shù)據(jù)量每40個(gè)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(gè)互聯(lián)網(wǎng)儲(chǔ)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(dāng)于柯達(dá)發(fā)明膠卷之后拍攝的圖像總和。

高速性。對(duì)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(shí)時(shí)或者近乎實(shí)時(shí)的信息，能讓一家公司比競(jìng)爭對(duì)手更為靈活敏銳。舉個(gè)例子，有團(tuán)隊(duì)曾經(jīng)使用來自手機(jī)的位置數(shù)據(jù)推測(cè)，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(chǎng)停車，這遠(yuǎn)早于梅西百貨自己統(tǒng)計(jì)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(huì)因這種敏銳的洞察力獲得極大的競(jìng)爭優(yōu)勢(shì)。

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(jī)上的GPS信號(hào)等等。我們將被這一切帶入一個(gè)新紀(jì)元：一個(gè)海量數(shù)據(jù)在商業(yè)世界無孔不入的時(shí)代。在這些雜亂無章的混亂中埋藏著大量的信號(hào)，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(jì)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(gè)疑問是：“有何證據(jù)顯示，明智地運(yùn)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(dòng)型的決策制定過程。事實(shí)上，我們發(fā)現(xiàn)，各行各業(yè)對(duì)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(dòng)型的公司，越會(huì)客觀地衡量公司的財(cái)務(wù)與運(yùn)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(chǎng)，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(jí)、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(dá)的準(zhǔn)確時(shí)間。如果一班飛機(jī)提前到達(dá)，地勤人員還沒準(zhǔn)備好，乘客和乘務(wù)員就會(huì)被困在飛機(jī)上白白耽擱時(shí)間；如果一班飛機(jī)延誤，地勤人員就只能坐著干等，白白消耗成本。當(dāng)美國一家大航空公司從其內(nèi)部報(bào)告中發(fā)現(xiàn)，大約10%的航班的實(shí)際到達(dá)時(shí)間與預(yù)計(jì)到達(dá)時(shí)間相差10分鐘以上，30%的航班相差5分鐘以上的時(shí)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(dú)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(cè)航班到港時(shí)間。時(shí)至2012年，Passur公司已經(jīng)擁有超過155處無源雷達(dá)接收站，每4.6秒它就收集一次雷達(dá)眼看到的每架飛機(jī)的一系列信息，這會(huì)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(gè)超過十年的巨大的多維信息載體，為透徹的分析和恰當(dāng)?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(cè)和實(shí)際抵達(dá)之間的時(shí)間差。Passur公司相信，航空公司依據(jù)它們提供的航班到達(dá)時(shí)間做計(jì)劃，能為每個(gè)機(jī)場(chǎng)每年節(jié)省數(shù)百萬美元。

這是一個(gè)相當(dāng)簡單的公式：大數(shù)據(jù)帶來更準(zhǔn)的預(yù)測(cè)，更準(zhǔn)的預(yù)測(cè)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(gè)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(jià)值。價(jià)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(shí)間才能制定出個(gè)性化的銷售方案，但往往做出來的時(shí)候，它已不再是最佳方案了。

西爾斯集團(tuán)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(fèi)時(shí)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(zhǔn)。

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(shí)間從8周縮短到1周，甚至還會(huì)更短。而且這些銷售方案質(zhì)量更高，因?yàn)樗鼈兏皶r(shí)、更細(xì)致、更個(gè)性化。西爾斯使用的Hadoop群集能收集和處理好幾個(gè)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(tái)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(gè)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(zhǔn)確的預(yù)測(cè)、更高明的決策、更恰當(dāng)?shù)牟僮?，而且讓這些事情達(dá)到一個(gè)無邊的規(guī)模。當(dāng)大數(shù)據(jù)應(yīng)用于供應(yīng)鏈管理的時(shí)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(xì)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(cè)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(jī)械維修,在市場(chǎng)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(diǎn)點(diǎn)的個(gè)案，而是一次根本性的經(jīng)濟(jì)轉(zhuǎn)型。我們確信，大數(shù)據(jù)運(yùn)用帶來的這一轉(zhuǎn)型已經(jīng)觸及了商業(yè)活動(dòng)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(gè)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(dú)特的手段促進(jìn)產(chǎn)業(yè)發(fā)展。我覺得投資者在這里既有社會(huì)變革的責(zé)任，又有成為偉大公司的機(jī)會(huì)。

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(tuán)隊(duì)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(huì)直接影響企業(yè)怎樣做決策、誰來做決策。在今天的整個(gè)商業(yè)世界中，人們?nèi)匀桓嘁蕾噦€(gè)人經(jīng)驗(yàn)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(shí)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(gè)標(biāo)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(shí)現(xiàn)大數(shù)據(jù)轉(zhuǎn)型的高管們，可以從兩個(gè)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(dāng)遇到重大決策的時(shí)候，要緊跟著這個(gè)問題進(jìn)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(duì)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(dāng)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(huì)，都應(yīng)該認(rèn)識(shí)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(huì)、高管們都必須重新認(rèn)識(shí)的內(nèi)容。

開始行動(dòng)吧！你不需要在技術(shù)上進(jìn)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(gè)業(yè)務(wù)部門作為試點(diǎn)。這個(gè)團(tuán)隊(duì)最好有一個(gè)喜愛數(shù)量分析的領(lǐng)隊(duì)和一群數(shù)據(jù)科學(xué)家。

其次：在每個(gè)核心功能上，依據(jù)大數(shù)據(jù)找出五個(gè)商業(yè)機(jī)會(huì)，要求五個(gè)人以內(nèi)的團(tuán)隊(duì)在五周內(nèi)找到每個(gè)商業(yè)機(jī)會(huì)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(shí)驗(yàn)——評(píng)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(duì)轉(zhuǎn)型過程中的管理挑戰(zhàn)。以下五個(gè)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(shí)代獲得成功的企業(yè)，并不是簡單地?fù)碛懈嗷蛘吒玫臄?shù)據(jù)，而是因?yàn)樗麄兊念I(lǐng)導(dǎo)層懂得設(shè)計(jì)清晰的目標(biāo)，知道自己定義的成功究竟是什么，并且找對(duì)了問題。大數(shù)據(jù)的力量并不會(huì)抹殺對(duì)遠(yuǎn)見與人性化洞察的需求。

人才。隨著數(shù)據(jù)越來越廉價(jià)，實(shí)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(duì)數(shù)據(jù)科學(xué)家和相關(guān)專業(yè)人士的需求，因?yàn)樾枰麄兲幚砗Ａ康男畔?。統(tǒng)計(jì)學(xué)很重要，但是傳統(tǒng)的統(tǒng)計(jì)學(xué)課程幾乎不傳授如何運(yùn)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?yàn)楦鞣N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(jià)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(jìn)。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(gè)目前最通用的平臺(tái)，就整合了實(shí)體硬件和開源軟件。

決策。精明的領(lǐng)導(dǎo)者會(huì)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(shí)強(qiáng)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(shí)，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(dòng)的公司要問自己的第一個(gè)問題，不是“我們?cè)趺聪耄?/span>”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(dāng)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(duì)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(shì)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(dòng)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(gè)網(wǎng)站獲得各種政府?dāng)?shù)據(jù)?，F(xiàn)在，在印度也有“數(shù)據(jù)公開”運(yùn)動(dòng)。中國要趕上這樣一場(chǎng)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(gè)人。開放的、流通的數(shù)據(jù)是時(shí)代趨勢(shì)的要求，閉關(guān)鎖國最終拒絕的將是財(cái)富創(chuàng)造。

證據(jù)一目了然：大數(shù)據(jù)驅(qū)動(dòng)下的決策更高明。高管們要么擁抱這一現(xiàn)實(shí)，要么卷鋪蓋走人。在各個(gè)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(duì)手。我們不能說，所有的贏家都會(huì)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(shí)勝算最大。

本文節(jié)選自2012年10月號(hào)《哈佛商業(yè)評(píng)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