大数据：一场管理革命

管理大师戴明（W.Edwards Deming）与德鲁克（Peter Drucker）在诸多思想上都持对立观点，但“不会量化就无法管理”的理念却是两人智慧的共识。这一共识足以解释近年来的数字大爆炸为何无比重要。简而言之，有了大数据，管理者可以将一切量化，从而对公司业务尽在掌握，进而提升决策质量和业绩表现。

简而言之，有了大数据，管理者可以将一切量化，从而对公司业务尽在掌握，进而提升决策质量和业绩表现。

那些天生带有数字基因的企业，比如谷歌和亚马逊，已然是大数据巨擎。但是，对于传统企业而言，运用大数据获得竞争优势的潜力可能更大。企业因此可以做精准的量化和管理，可以做更可靠的预测和更明智的决策，可以在行动时更有目标更有效率；而且这些都可以在一直以来由直觉而不是数据和理性主宰的领域实现。田溯宁 批注1:
大数据带来的革新是全面的，不仅仅局限于传统的IT领域，而是将会延伸到社会生活的诸多层面。

随着大数据之工具与理念的不断传播，许多深入人心的观点将被撼动，比如经验的价值、专业性与管理实践。各个行业的商业领袖都会看清运用大数据究竟意味着什么：一场管理革命。田溯宁 批注2:
大数据为公司业绩提升带来无限可能，但实现这些可能的前提是基于大数据的管理方式的革新。

但是，伴随商业世界其他一些深刻的变革，公司向“大数据驱动”转型必将遭遇巨大挑战，它需要公司领导层拥有一手的数字化能力。或者，在其他一些情况下，需要的是会放手的领导。

有什么新鲜的？

企业高管们有时会问：“‘大数据’不就是‘数据分析’的另一种说法吗？”

二者确实相关：和之前的“数据分析”一样，大数据运动也力图从数据中收集智慧，并将其转化为企业的优势。但二者有三个显著差别：

规模性。仅就2012年而论，每天大约产生2.5艾字节（exabytes）的数据，而且这个数据量每40个月就翻一倍。现在互联网每秒钟产生的数据量，比20年前整个互联网储存的数据还要多。田溯宁 批注3:
如今，一天之内人们上传的照片数量，就相当于柯达发明胶卷之后拍摄的图像总和。

高速性。对于很多应用程序来说，数据生成的速度比数据规模更重要。实时或者近乎实时的信息，能让一家公司比竞争对手更为灵活敏锐。举个例子，有团队曾经使用来自手机的位置数据推测，美国圣诞节购物季开始那一天有多少人在梅西百货公司（Macy's）的停车场停车，这远早于梅西百货自己统计出的销售记录。无论是华尔街的分析师或者传统产业的高管，都会因这种敏锐的洞察力获得极大的竞争优势。

多样性。大数据形式多样，社交网站上发布的信息、更新、图片；传感器上显示的内容；手机上的GPS信号等等。我们将被这一切带入一个新纪元：一个海量数据在商业世界无孔不入的时代。在这些杂乱无章的混乱中埋藏着大量的信号，孤单地等待被解读。田溯宁 批注4:
大数据和传统IT架构要处理的数据不一样，我们传统的IT架构处理结构性数据，而云计算要解决大量非常结构的数据、天气数据、图片数据，这些数据没有太多逻辑性，非常像量子力学。

数据决定业绩

怀疑论者的第二个疑问是：“有何证据显示，明智地运用大数据能提升公司业绩？”

很显然，不是每家公司都喜欢数据驱动型的决策制定过程。事实上，我们发现，各行各业对大数据的态度和应用方法五花八门。但是，透过所有的分析，我们发现一种显著的关联性：越是那些自定义为数据驱动型的公司，越会客观地衡量公司的财务与运营结果。田溯宁 批注5:
中国有着庞大的人群和应用市场，复杂性高、充满变化。如此庞大的用户群体，使中国成为世界上最大数据量的国家。解决这种由大规模数据引起的问题、探索以大数据为基础的解决方案，是中国产业升级、企业效率提高的重要手段。

航空业分秒必争，尤其是航班抵达的准确时间。如果一班飞机提前到达，地勤人员还没准备好，乘客和乘务员就会被困在飞机上白白耽搁时间；如果一班飞机延误，地勤人员就只能坐着干等，白白消耗成本。当美国一家大航空公司从其内部报告中发现，大约10%的航班的实际到达时间与预计到达时间相差10分钟以上，30%的航班相差5分钟以上的时候，这家公司决定采取措施了。

这家航空公司找到了Passur Aerospace，一家专为航空业提供决策支持的技术公司，通过搜集天气、航班日程表等公开数据，结合自己独立收集的其他影响航班因素的非公开数据，综合预测航班到港时间。时至2012年，Passur公司已经拥有超过155处无源雷达接收站，每4.6秒它就收集一次雷达眼看到的每架飞机的一系列信息，这会持续地带来海量数据。不仅如此，公司将长期以来收集的数据都保存着，这样它就拥有了一个超过十年的巨大的多维信息载体，为透彻的分析和恰当的数据模型提供了可能。

使用Passur公司服务后，这家航空公司大大缩短了预测和实际抵达之间的时间差。Passur公司相信，航空公司依据它们提供的航班到达时间做计划，能为每个机场每年节省数百万美元。

这是一个相当简单的公式：大数据带来更准的预测，更准的预测带来更佳的决策。

几年以前，美国零售巨头西尔斯控股公司（Sears Holdings）决定收集其专售的三个品牌——Sears、Craftsman、Lands’End的顾客、产品以及销售数据，从这些海量信息中挖掘价值。价值巨大，困难也巨大：这些数据需要超大规模分析，且分散在不同品牌的数据库与数据仓库中，不仅数量庞大而且支离破碎。西尔斯公司需要八周时间才能制定出个性化的销售方案，但往往做出来的时候，它已不再是最佳方案了。

西尔斯集团开始使用群集（cluster）收集来自不同品牌的数据，并在群集上直接分析数据，而不是像以前那样先存入数据仓库，避免了浪费时间先把来自各处的数据合并之后再做分析。这种调整让公司的推销方案更快、更精准。

据西尔斯公司首席技术官菲里·谢利（Phil Shelley）说，他们制定一系列复杂推荐方案的时间从8周缩短到1周，甚至还会更短。而且这些销售方案质量更高，因为它们更及时、更细致、更个性化。西尔斯使用的Hadoop群集能收集和处理好几个拍字节的数据，成本却只是普通数据库的一小部分。田溯宁 批注6:
Cloudera公司和Hortonworks公司出售企业信息化系统和商务智能系统等产品，将Hadoop开源平台商品化，大大降低了公司数据操作的难度。Factual公司则是个数据超市，Facebook、AT&T乃至美国《新闻周刊》都是其客户。

Passur公司和西尔斯控股的例子展示了大数据的威力——它带来更准确的预测、更高明的决策、更恰当的操作，而且让这些事情达到一个无边的规模。当大数据应用于供应链管理的时候，它让我们了解为什么一家汽车制造商的故障率突然飙升；在客服方面，它可以持续详细调查和处理几百万人的医保状况；它还可以基于产品特性的数据集，为在线销售作出更好的预测和规划，等等。大数据在其他行业的应用也同样成效显著，无论金融业、旅游博彩业还是机械维修,在市场推广、人力资源管理方面也都有极大的功用。

我们的数据分析显示，上述所见绝不是星星点点的个案，而是一次根本性的经济转型。我们确信，大数据运用带来的这一转型已经触及了商业活动的方方面面，没有谁能置身其外。西尔斯使用的Hadoop群集能收集和处理好几个拍字节的数据，成本却只是普通数据库的一小部分。田溯宁 批注7:
投资者应该用独特的手段促进产业发展。我觉得投资者在这里既有社会变革的责任，又有成为伟大公司的机会。

决策文化变革：让数据做主

大数据的技术挑战显而易见，但其带来的管理挑战更为艰巨——这要从高管团队的角色转变开始。

大数据最至关重要的方面，就是它会直接影响企业怎样做决策、谁来做决策。在今天的整个商业世界中，人们仍然更多依赖个人经验和直觉做决策，而不是基于数据。在信息有限、获取成本高昂且没有被数字化的时代，让身居高位的人做决策是情有可原的。我们可以给这种决策者和决策过程贴个标签：直觉主义。田溯宁 批注8:
没有数据分析支撑的决定将越来越不可靠。

有志于引领企业实现大数据转型的高管们，可以从两个最简单的技巧开始。首先，要养成习惯问：“数据怎么说？”每当遇到重大决策的时候，要紧跟着这个问题进一步问：“这些数据从哪儿来的？”“这些数据能得出什么分析？”“我们对结果有多大信心？”员工能从高管的这种行为中迅速接收到信息。其次，他们要允许数据做主。当员工看到一位资深高管听任数据推翻了他的直觉判断——这将是改变一家公司决策文化的最大力量。田溯宁 批注9:
大数据带来的挑战，也是跨行业、跨领域、全方位的。在公司内部，从管理层到董事会，都应该认识到大数据即将带来的转型。将公司和行业之外的数据纳入分析并作为决策依据，是公司董事会、高管们都必须重新认识的内容。

开始行动吧！你不需要在技术上进行前期投资就可以使用大数据，这与前几次技术革新完全不同。以下是从零开始建立数据能力的步骤：

首先：选择一个业务部门作为试点。这个团队最好有一个喜爱数量分析的领队和一群数据科学家。

其次：在每个核心功能上，依据大数据找出五个商业机会，要求五个人以内的团队在五周内找到每个商业机会的数据原型。

然后：要执行这一程序实现创新，通常包括四步：实验——评估——分享——复制。

最后：记住著名的乔伊法则：“那些最聪明的人都在给别人打工。”所以，开放你的数据集给所有感兴趣的群体吧，来自互联网和全世界的，让他们也一起参与分析！

五大管理挑战

大数据转型并不是万能的，除非企业能成功应对转型过程中的管理挑战。以下五个方面在这一过程中尤为重要。

领导力。那些在大数据时代获得成功的企业，并不是简单地拥有更多或者更好的数据，而是因为他们的领导层懂得设计清晰的目标，知道自己定义的成功究竟是什么，并且找对了问题。大数据的力量并不会抹杀对远见与人性化洞察的需求。

人才。随着数据越来越廉价，实现大数据应用的相关技术和人才也变得越来越昂贵。其中最紧迫的就是对数据科学家和相关专业人士的需求，因为需要他们处理海量的信息。统计学很重要，但是传统的统计学课程几乎不传授如何运用大数据的技能。尤其需要的能力是将海量数据集清理并系统化，因为各种类型的数据很少是以规整的形态出现的。视觉化工具和技术的价值也将因此突显。田溯宁 批注10:
现阶段是要用解决问题的视角，寻找数据分析和懂得商业操作的人才，把数据分析产品化。

技术。处理海量、高速率、多样化的大数据工具，近年来获得了长足的改进。整体而言，这些技术已经不再贵得离谱，而且大部分软件都是开源的。Hadoop，这个目前最通用的平台，就整合了实体硬件和开源软件。

决策。精明的领导者会创造一种更灵活的组织形式，尽量避免“自主研发综合症”，同时强化跨部门合作：收集信息的人要提供正确的数据给分析数据和理解问题的人，同时，他们要和掌握相关技术、能够有效解决问题的人并肩工作。

文化。大数据驱动的公司要问自己的第一个问题，不是“我们怎么想？”而应该是“我们知道什么？”这要求企业不能再跟着感觉走。

毫无疑问，成功的路上荆棘密布。数据科学家不够多；技术不只新，甚至新奇；把各种关联当作因果关系，由数据得到误导性的模式；文化转型的挑战更是艰巨，比如对隐私的关切已经越来越突出。但是，大数据在技术和商业领域的卓越表现势不可挡。田溯宁 批注11:
大数据发展的最大障碍，在于数据的“流动性”和“可获取性”。2009年，美国政府创建了Data.gov网站，为大数据敞开了大门，公众能够通过这个网站获得各种政府数据。现在，在印度也有“数据公开”运动。中国要赶上这样一场大数据变革，政府应该首先公开数据，其次是企业，最后在个人。开放的、流通的数据是时代趋势的要求，闭关锁国最终拒绝的将是财富创造。

证据一目了然：大数据驱动下的决策更高明。高管们要么拥抱这一现实，要么卷铺盖走人。在各个领域中，企业只有找到将数据科学与传统技能完美结合的方式，才能打败对手。我们不能说，所有的赢家都会将大数据用于其决策制定，但数据告诉我们，这样确实胜算最大。

本文节选自2012年10月号《哈佛商业评论》中文版，作者安德鲁·麦卡菲（Andrew McAfee）（麻省理工学院数字商业中心首席科学家）、埃里克·布林约尔松（Erik Brynjolfsson）（麻省理工学院斯隆商学院“许塞尔家族”教授兼 数字商业中心院长）程明霞译