大數據：一場管理革命

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字大爆炸為何無比重要。簡而言之，有了大數據，管理者可以將一切量化，從而對公司業務盡在掌握，進而提升決策質量和業績表現。

簡而言之，有了大數據，管理者可以將一切量化，從而對公司業務盡在掌握，進而提升決策質量和業績表現。

那些天生帶有數字基因的企業，比如谷歌和亞馬遜，已然是大數據巨擎。但是，對于傳統企業而言，運用大數據獲得競爭優勢的潛力可能更大。企業因此可以做精準的量化和管理，可以做更可靠的預測和更明智的決策，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據和理性主宰的領域實現。田溯寧 批注1:
大數據帶來的革新是全面的，不僅僅局限于傳統的IT領域，而是將會延伸到社會生活的諸多層面。

隨著大數據之工具與理念的不斷傳播，許多深入人心的觀點將被撼動，比如經驗的價值、專業性與管理實踐。各個行業的商業領袖都會看清運用大數據究竟意味著什么：一場管理革命。田溯寧 批注2:
大數據為公司業績提升帶來無限可能，但實現這些可能的前提是基于大數據的管理方式的革新。

但是，伴隨商業世界其他一些深刻的變革，公司向“大數據驅動”轉型必將遭遇巨大挑戰，它需要公司領導層擁有一手的數字化能力。或者，在其他一些情況下，需要的是會放手的領導。

有什么新鮮的？

企業高管們有時會問：“‘大數據’不就是‘數據分析’的另一種說法嗎？”

二者確實相關：和之前的“數據分析”一樣，大數據運動也力圖從數據中收集智慧，并將其轉化為企業的優勢。但二者有三個顯著差別：

規模性。僅就2012年而論，每天大約產生2.5艾字節（exabytes）的數據，而且這個數據量每40個月就翻一倍。現在互聯網每秒鐘產生的數據量，比20年前整個互聯網儲存的數據還要多。田溯寧 批注3:
如今，一天之內人們上傳的照片數量，就相當于柯達發明膠卷之后拍攝的圖像總和。

高速性。對于很多應用程序來說，數據生成的速度比數據規模更重要。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，有團隊曾經使用來自手機的位置數據推測，美國圣誕節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計出的銷售記錄。無論是華爾街的分析師或者傳統產業的高管，都會因這種敏銳的洞察力獲得極大的競爭優勢。

多樣性。大數據形式多樣，社交網站上發布的信息、更新、圖片；傳感器上顯示的內容；手機上的GPS信號等等。我們將被這一切帶入一個新紀元：一個海量數據在商業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:
大數據和傳統IT架構要處理的數據不一樣，我們傳統的IT架構處理結構性數據，而云計算要解決大量非常結構的數據、天氣數據、圖片數據，這些數據沒有太多邏輯性，非常像量子力學。

數據決定業績

懷疑論者的第二個疑問是：“有何證據顯示，明智地運用大數據能提升公司業績？”

很顯然，不是每家公司都喜歡數據驅動型的決策制定過程。事實上，我們發現，各行各業對大數據的態度和應用方法五花八門。但是，透過所有的分析，我們發現一種顯著的關聯性：越是那些自定義為數據驅動型的公司，越會客觀地衡量公司的財務與運營結果。田溯寧 批注5:
中國有著龐大的人群和應用市場，復雜性高、充滿變化。如此龐大的用戶群體，使中國成為世界上最大數據量的國家。解決這種由大規模數據引起的問題、探索以大數據為基礎的解決方案，是中國產業升級、企業效率提高的重要手段。

航空業分秒必爭，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部報告中發現，大約10%的航班的實際到達時間與預計到達時間相差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，一家專為航空業提供決策支持的技術公司，通過搜集天氣、航班日程表等公開數據，結合自己獨立收集的其他影響航班因素的非公開數據，綜合預測航班到港時間。時至2012年，Passur公司已經擁有超過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，這會持續地帶來海量數據。不僅如此，公司將長期以來收集的數據都保存著，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的數據模型提供了可能。

使用Passur公司服務后，這家航空公司大大縮短了預測和實際抵達之間的時間差。Passur公司相信，航空公司依據它們提供的航班到達時間做計劃，能為每個機場每年節省數百萬美元。

這是一個相當簡單的公式：大數據帶來更準的預測，更準的預測帶來更佳的決策。

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、產品以及銷售數據，從這些海量信息中挖掘價值。價值巨大，困難也巨大：這些數據需要超大規模分析，且分散在不同品牌的數據庫與數據倉庫中，不僅數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據，并在群集上直接分析數據，而不是像以前那樣先存入數據倉庫，避免了浪費時間先把來自各處的數據合并之后再做分析。這種調整讓公司的推銷方案更快、更精準。

據西爾斯公司首席技術官菲里·謝利（Phil Shelley）說，他們制定一系列復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的數據，成本卻只是普通數據庫的一小部分。田溯寧 批注6:
Cloudera公司和Hortonworks公司出售企業信息化系統和商務智能系統等產品，將Hadoop開源平臺商品化，大大降低了公司數據操作的難度。Factual公司則是個數據超市，Facebook、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據的威力——它帶來更準確的預測、更高明的決策、更恰當的操作，而且讓這些事情達到一個無邊的規模。當大數據應用于供應鏈管理的時候，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，它可以持續詳細調查和處理幾百萬人的醫保狀況；它還可以基于產品特性的數據集，為在線銷售作出更好的預測和規劃，等等。大數據在其他行業的應用也同樣成效顯著，無論金融業、旅游博彩業還是機械維修,在市場推廣、人力資源管理方面也都有極大的功用。

我們的數據分析顯示，上述所見絕不是星星點點的個案，而是一次根本性的經濟轉型。我們確信，大數據運用帶來的這一轉型已經觸及了商業活動的方方面面，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的數據，成本卻只是普通數據庫的一小部分。田溯寧 批注7:
投資者應該用獨特的手段促進產業發展。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：讓數據做主

大數據的技術挑戰顯而易見，但其帶來的管理挑戰更為艱巨——這要從高管團隊的角色轉變開始。

大數據最至關重要的方面，就是它會直接影響企業怎樣做決策、誰來做決策。在今天的整個商業世界中，人們仍然更多依賴個人經驗和直覺做決策，而不是基于數據。在信息有限、獲取成本高昂且沒有被數字化的時代，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:
沒有數據分析支撐的決定將越來越不可靠。

有志于引領企業實現大數據轉型的高管們，可以從兩個最簡單的技巧開始。首先，要養成習慣問：“數據怎么說？”每當遇到重大決策的時候，要緊跟著這個問題進一步問：“這些數據從哪兒來的？”“這些數據能得出什么分析？”“我們對結果有多大信心？”員工能從高管的這種行為中迅速接收到信息。其次，他們要允許數據做主。當員工看到一位資深高管聽任數據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:
大數據帶來的挑戰，也是跨行業、跨領域、全方位的。在公司內部，從管理層到董事會，都應該認識到大數據即將帶來的轉型。將公司和行業之外的數據納入分析并作為決策依據，是公司董事會、高管們都必須重新認識的內容。

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

首先：選擇一個業務部門作為試點。這個團隊最好有一個喜愛數量分析的領隊和一群數據科學家。

其次：在每個核心功能上，依據大數據找出五個商業機會，要求五個人以內的團隊在五周內找到每個商業機會的數據原型。

然后：要執行這一程序實現創新，通常包括四步：實驗——評估——分享——復制。

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，開放你的數據集給所有感興趣的群體吧，來自互聯網和全世界的，讓他們也一起參與分析！

五大管理挑戰

大數據轉型并不是萬能的，除非企業能成功應對轉型過程中的管理挑戰。以下五個方面在這一過程中尤為重要。

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

人才。隨著數據越來越廉價，實現大數據應用的相關技術和人才也變得越來越昂貴。其中最緊迫的就是對數據科學家和相關專業人士的需求，因為需要他們處理海量的信息。統計學很重要，但是傳統的統計學課程幾乎不傳授如何運用大數據的技能。尤其需要的能力是將海量數據集清理并系統化，因為各種類型的數據很少是以規整的形態出現的。視覺化工具和技術的價值也將因此突顯。田溯寧 批注10:
現階段是要用解決問題的視角，尋找數據分析和懂得商業操作的人才，把數據分析產品化。

技術。處理海量、高速率、多樣化的大數據工具，近年來獲得了長足的改進。整體而言，這些技術已經不再貴得離譜，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。精明的領導者會創造一種更靈活的組織形式，盡量避免“自主研發綜合癥”，同時強化跨部門合作：收集信息的人要提供正確的數據給分析數據和理解問題的人，同時，他們要和掌握相關技術、能夠有效解決問題的人并肩工作。

文化。大數據驅動的公司要問自己的第一個問題，不是“我們怎么想？”而應該是“我們知道什么？”這要求企業不能再跟著感覺走。

毫無疑問，成功的路上荊棘密布。數據科學家不夠多；技術不只新，甚至新奇；把各種關聯當作因果關系，由數據得到誤導性的模式；文化轉型的挑戰更是艱巨，比如對隱私的關切已經越來越突出。但是，大數據在技術和商業領域的卓越表現勢不可擋。田溯寧 批注11:
大數據發展的最大障礙，在于數據的“流動性”和“可獲取性”。2009年，美國政府創建了Data.gov網站，為大數據敞開了大門，公眾能夠通過這個網站獲得各種政府數據。現在，在印度也有“數據公開”運動。中國要趕上這樣一場大數據變革，政府應該首先公開數據，其次是企業，最后在個人。開放的、流通的數據是時代趨勢的要求，閉關鎖國最終拒絕的將是財富創造。

證據一目了然：大數據驅動下的決策更高明。高管們要么擁抱這一現實，要么卷鋪蓋走人。在各個領域中，企業只有找到將數據科學與傳統技能完美結合的方式，才能打敗對手。我們不能說，所有的贏家都會將大數據用于其決策制定，但數據告訴我們，這樣確實勝算最大。

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