大数据时代的企业变革

　　历史的车轮已将人类带入大数据时代。大数据时代的到来，标志着人类的理性进入了一个新的阶段。在大数据时代，数据与机器将在人类的日常决策中占有重要的地位。未来，人类必须学会如何和海量的数据相处。从个体角度而言，人类需要学会如何平衡个人直觉与数字证据之间的关系；从企业与组织角度而言，人类需要探索企业组织架构和决策流程与数据之间的关系；从创新角度而言，人类需要探索如何打造合适的产业环境，促进更多的创新的大数据应用的诞生。大数据时代，海量数据处理与挖掘的技术固然十分重要，但是，更为重要的因素仍然是人。只有人，才能利用新技术与新方法创造性地搜集与探索数据中隐含的意义；只有人，才能最大限度地发挥数据的作用，在机器与数据的支持下更有效地决策。

　　为了适应大数据时代的来临，企业需要从管理者的思维方式、企业的组织架构和信息环境等多方面进行改变以与之相适应。

　　 决策者思维方式发生变化

　　 大数据是“一把手”工程，需要企业高层的高度重视。托马斯•达文波特（Thomas Davenport）在他的著作《分析工作》（Analytics at Work）一书中提到了大数据成功所需的数据（Data）、企业组织(Enterprise)、领导(Leadership)、目标(Target)、分析师(Analyst)五个要素，他将其总结为DELTA模型（本书将于近期由湛庐文化组织翻译出版，书名待定），并且认为“领导”是其中最为关键的要素。只有企业高层的高度重视才能更好地应用大数据，才可能自上而下去推进相应的工作。没有企业领导的真正重视，就不会有技术与组织支持对企业决策所需的数据进行搜集与处理。即使存在数据，数据也有可能会沦为粉饰决策、支撑既有观点的工具。这种重视不能光表现在口头上，而是应该落实到实际行动上。

　　 企业高层应该认识到数据将成为企业的核心竞争力。沃尔玛并没有独占某种资源，卖的也都是人们日常使用的东西，它的销售渠道也并不特别，但为什么它能做成全世界最大呢？是因为它从运营管理到供应链管理到销售管理都以数字为依据，这使得其管理能够日趋精细化。数据能够帮助企业提升决策效率，并且这些决策效率的提升能够得到沉淀，日积月累形成企业核心竞争力。以数字为基础的规范化的、有据可依的决策，是下一阶段逐步改善的基础，哪怕每次只有1%或者0.1%的改善，但一次次的演化和累积就能够最终形成企业的核心竞争力。

　　 数据有可能挑战企业决策中的常识。数据能对决策的过程与决策的结果之间的关系进行更全面客观的分析，有些结论能够支持企业决策中既有的常识，有些则可能与之相悖。当结论与常识不符时，数据说了算还是常识说了算，这将对数据在企业中的地位形成考验。如果决策者不愿意根据数据调整自己的常识，进而修订自己的决策，那么决策者只能有选择地“看到”那些和自己常识相一致的数据，从而形成“证实偏差”。如果存在“证实偏差”，那么无论企业搜集了多么海量的数据，无论企业引入了何种高深的算法，这些数据与算法都只是为了支持与粉饰决策者既有的决定，不能带来新的知识与价值，进而也不能有效地发挥企业在大数据领域大量投资的价值。所以，决策者对于数据与客观证据的尊重将是大数据投资发挥价值的重要保证。

　　 企业组织形态发生变化

　　 绩效考核方式发生变化。大数据关系着企业的核心竞争力。在大数据时代，不管你分析不分析，数据都在那里。如果竞争对手能够更好地利用数据，则企业很可能被其赶超。大数据时代之前，决策更倾向于依靠人的直觉，更寄希望于“超人”的存在，希望他们通过直觉做出明智的决策，把企业带向光明的未来。这些“超人”可能是企业管理者，可能是咨询顾问，也可能是企业的“超级员工”。然而，企业的成功是否真的是这些“超人”的功劳不能完全确定。企业是否取得成功，这是人们通常会关注的结果指标。然而，在结果指标之外，我们还需关注过程指标，就是做什么样的事情，导致了最后的成功，什么事情导致了失败。在大数据时代之前，缺乏对过程的监控与数据搜集，没有足够的数据用来分析过程与结果之间的因果关系，进而没有足够的数据去指导人们应该如何进行决策。大数据时代，我们可以对更多的决策进行监控与记录，随着过程数据与结果数据的日益丰富，原因和结果间的关联关系更明确。企业的KPI考核也可能从只是对结果的考核，变成对决策过程的考核。从而，数据能够成为帮助员工改善决策的助力工具，而不只是员工所抵触的奖惩的鞭子。

　　 企业决策权力重新分配。大数据时代的决策过程中，机器将占有越来越重要的位置，决策制度化、流程化的程度会日益增加，决策会变得更加公开、透明、可追溯。决策的精细化程度也日益增加。比如，银行贷款规定统一的利率，但是对于借款人信用的好坏，因为缺乏足够的数据，银行无法进行有效的辨识和区分。但是，在大数据时代，对借款人的背景与行为有着更为丰富的记录，进而能够从借款人的工作稳定情况、社会关系、家庭情况对借款人的信用进行评估，从而对不同借款人提供不同的贷款利率。信用良好的借款人能以较低的利率贷款，而信用不好的贷款人，也不至于贷不到款而去求助高利贷。从这个例子可以看出，大数据能够为企业决策服务，使企业决策更精细、更有效，进而为企业创造更多的价值。同时，大数据也能为更多的借款人提供更符合其实际情况的借款，从而增加整个社会的福祉。但是，在这个过程中，贷款专员对借款人判断过程中的直觉将让位于流程与制度，决策中的灰色空间将逐步减小，贷款专员的权力与利益也将受到相应的影响，大数据引入企业将受到抵触。如何有效地克服来自既得利益者的抵触，也将是大数据时代所需面临的一个重要问题。

　　 企业从组织架构到业务流程的全面变革。数字化证据能够为更优化的决策指明方向，而决策的优化可能需要组织架构甚至业务流程层面的全面变革。比如国外某品牌零售店，它原先认为现在销售不好是因为营销力度不够，因此加强广告业务投入。但通过数据分析发现，销售不好是因为客流量不足，客流量不足是因为店内人员安排不合理，休息日顾客多，但是很多店员休息，工作日店员上班，但顾客很少，造成顾客体验很差，形成顾客留存率和回头率相对都很低的局面。此时，根据数据分析结果，该品牌零售店对下一阶段工作重点以及资源分配方式进行了全面的调整。因此，企业有必要从足够的高度进行思考，如何建立灵活的组织架构与业务流程，以使得当企业通过数据分析发现更优的决策方式时，能够灵活应对，做出相应的调整。

　　 企业信息环境发生变化

　　 企业应有意识地从全局的角度促进数据整合。在意识到数据是重要的资产之后，企业在数据搜集、管理、分析与挖掘等领域都对技术与系统提出了更高的要求，使得数据能够为企业所用。以前数据都是分散在各个生产系统，人们对其关注程度不高，一个企业有数个甚至数十个由不同部门掌握的生产系统来支撑日常运营。在大数据时代，企业需要考虑如何打破系统的边界，把不同来源的数据整合在一起，这涉及到企业内部数据源的抽取、管理与整合。很多企业利用传统的数据仓库技术解决这些问题。另外，企业也应该关注外部数据源对企业的价值。例如，企业需要关注消费者的情绪如何、对企业的评价如何，互联网、微博等就是很好的信息获取渠道，这些外部数据源对企业也具有十分重要的意义。为此企业管理者需要预先进行投资，以发展技术应对非结构化的数据处理问题，并引入起源于互联网企业的新兴技术以尽可能低的成本进行数据存储与处理。同时，更为关键的是数据对企业而言意味着权力，企业高层应能以有效的机制设计打破部门壁垒，促进各种来源的数据的融合。

　　 企业应促进数据为中层管理者与一线员工的决策提供服务。另外，企业要让中层管理者甚至生产一线的业务人员能够获得决策所需的数据与工具，甚至让他们直接成为关注数据的分析师。现在的情况是他们没有技术能力去获得相关的数据，也没有制度保障他们能够获得相关数据。现在，很多技术人员对大数据在企业中的应用很感兴趣，但是没有感觉，不知道数据和技术该怎么去发挥作用，所以，管理者、业务人员和数据工程师之间如何有效沟通和配合，共同发挥数据的作用也是企业应该从整体角度解决的一个问题。

　　企业需激发创新型人才的潜能，发掘大数据的潜在价值。包括麦肯锡公司在内的诸多研究机构的研究结果表明，大数据时代最为短缺的是“数据科学家”。这些数据科学家应该兼具数学知识、IT技能、业务知识。目前包括中国企业在内的很多企业的现状是，企业拥有很多高价值数据，且业务发展也亟需大量人才挖掘数据中蕴含的价值。但是，企业自身的人才在数学技能上还存在很大的欠缺，没有足够的“数据科学家”。另一方面，高校拥有大量具有深厚数学功底的人才，但是他们没有条件接触到高价值的数据，且对数据分析所解决的业务问题知之甚少。因此，有必要通过合理的机制设计，将企业的数据、业务、需求与高校的人才相结合，使得更多的“数据科学家”有机会接触到企业的数据，并且能够以更多的精力研究现实世界的问题。对数据科学家的管理和对传统IT人才的管理有所不同。数据分析是一个探索性过程，数据科学家们在接触数据之前很难确定在数据中能够发现何种结论，并且前期的数据分析结果将是后续的数据分析的基础，因而，很难以类似于“功能需求”的方式向数据科学家提出数据分析的需求。这也需要合理的机制设计对数据科学家进行考核与激励。