智能商业新范式

叶帅先生，中国欣胜资本集团董事局主席，欣胜商业集团董事长，麒麟会、麒麟大脑、麒麟智库创始人，德国海德堡大学哲学博士。

中国互联网上半场已经接近尾声，流量封顶、下层触底，经济放缓，已知市场大部分已经瓜分殆尽；互联网下半场（物联网）彻底爆发，还需要不断的攻破技术壁垒、环境因素以及引导意识形态的转变。下半场将以产业互联网，即物联网为基础，将以智能商业为呈现方式。智能商业，成为新的商业范式。

智能商业时代，数据成为核心的战略性资源。过去社会的发展，是以消耗地球资源为代价；未来，数据将成为优化全球资源配置的工具。过去的300多年，电力成为城市发展以及人们生活的核心驱动；未来，算力将取代电力，成为引领社会发展以及带领人们走向智能时代的驱动。

过去的五十多年，全球科学家以及互联网从业者，为互联网的基础建设以及社会应用做出巨大贡献。信息网络的普及，提升了人们的沟通交流效率，加快了全球贸易的步伐，给曾经由于区域限制、地域限制的人们带去了全新的信息与对世界的认知。

互联网从来没有“+”的概念和解释，信息网络是个不断扩张且无限容量的空间，我一直认为网络只有乘法或指数法的演化方式。而一切是以数据作为基础以及衡量标准。至于数据的定义：“大数据”亦或“小数据”，我一直是以谨慎的态度进行对待。并非由社会或商业场景中所宣导的那样，张口就来大数据。何谓大数据？这是个值得我们思考的问题。谷歌、亚马逊以及中国的阿里巴巴，它们的数据是否够大？但于整个网络来说，也是冰山一角，更无法去衡量一个初创公司以及创业公司所说的大数据概念。这是个有待定义的事情。

那么，不论大数据亦或小数据，我们可以明确一点，即对数据的态度，目前是绝对正向的。但对于数据所能产生的价值，我不能确定大家的认知。是不是什么数据都具备价值？正如我们现在在信息网络中，每天产生数以亿级的信息资料，有多少于我们生产、生活有真正的价值，乃至当下能够为我们带来某些价值？数据于商业，亦是如此。

认知决定一切。认知是商业的源泉。充分的认知才能让我们看清更多的世物以及未来的趋势，让我们在环境以及时代变化中，不至于措手不及。

数据这种新资源的出现。使我们不得不应用颠覆性的商业新思维。大数据不仅改变了技术和管理流程。也改变了组织的基本发展方向和文化。

组织必须要做的一个改变就是，要朝着能用数据获得更多发现和进行更多实验的方向发展。迄今为止，企业和技术组织的一个重点是稳定的实现流程自动化。如市场营销，销售和服务流程的自动化。数据分析已被用来了解和调整过程。确保管理者掌握详情，并提醒他们注意异常情况，了解异常情况，成为智能商业的一个重要方向。业务和技术、价格往往反映这一流程。既从交易操作和推进到数据分析和得出见解，起码人们希望如此。公司审查业绩，规划完善措施，并通过长达数月甚至数年的技术项目将之付诸实践。

大数据彻底颠覆了这种方式，其基本特征是世界以及描述他的数据都处在不断地变化和流动中，而那些能够意识到这一变化并迅速做出明智反应的组织就占上风，发现能力和敏捷性，才是弥足珍贵的业务和组织能力，而非稳定性。利用大数据工具和技术的数据科学家将能够以前所未有的规模和速度，远远不断地挖掘出新的数源，已发现新的模式、事件和机遇。

这种新的方向对于小型初创企业来说相对简单，但是对于大型组织来说，他需要在IT态度和行为上做出巨大改变。通常的情况是，数据分析师把75%至80%的时间都花在寻源、清理和准备用来分析的数据上，企业和政府机构也是如此。凯里施瓦茨是五角大楼“数据到决策”计划的带头人，他相信在数据分析师的分析能力没有显著提升的情况下，从下一代传感器和复杂集成系统处获得的数据量将远远超出他们的分析能力。

大数据的新结构关乎发现和分析，这是企业的头等大事，数据科学家以及普通的商业数据分析师需要持续的访问一个分析平台或沙箱。你注意随时洞察企业内部和外部的数据，该平台需要即时查询和可视化，以加速我们的认知。随着从这个平台涌现出来更多的宝贵建议，生产系统和流程就需要做出改变。

企业还需要为洞察力和基于数据的产品开发采取新办法，传统的高度结构化的瀑布模型，只有在经过一个漫长的过程之后才会产生结果。因此，已经有越来越多的此类传统方法被迫退出系统开发流程。代之以更快、更灵活且更敏捷，敏捷方法在提前指定一个系统上花较少的时间，重点更多的放在快速创建小成果上，这种方法也可以应用于数据分析和大数据，为新型分析系统或流程所做的不精确的，缓慢的需求已被反复实验、洞察力和验证所代替。

当然，并不是所有的数据都关乎发现。通常情况下，只有被应用于生产过程和系统中才能发挥最大价值。一旦数据中提取出一个建议，就需要做出判别，是与业务无关的建议，还是很有意思但没有用的建议，抑或能支持采取行动的建议。同样的，如果大数据分析催生了新产品或新功能。就需要考虑是采纳还是放弃，或者晚些时候再采纳。

大数据带来的另一个影响是，现有的管理方法需要改变。大数据的一个重要方面是他常常处于组织的外部。无论你是处理互联网数据，人类基因组数据，社交媒体数据，还是物联网或其他数据，十有八九的数据不是来自公司的内部交易系统，例外情况最有可能出现在电信和金融行业，因为这些行业拥有大量内部生成的数据可供分析。然而即使在这些领域，内部数据通常也是通过外部数据进行补充。这标志着公司的发展方向发生了重大变化。1998年彼得德鲁克发表评论说：大部分信息系统都专注于内部会计数据，这加剧了一直以来管理的退化趋势，尤其是在大企业中，其关注点向内不向外专注于内部的成本和成就，而非外部机遇变化和威胁。高层管理者获得内部兴趣越多，就越需要更多的外部信息来一直达成平衡，但是这种外部信息暂时还不存在。

如今因为大数据企业开始关注外部信息。要能外部数据嵌入组织的决策产品和服务当中。许多管理者将不得不改变他们的思维方式和习惯，他们必须定期查看外部数据源，以了解哪些数据可用，以及他们可能会组织带来什么样的支持，他们必须把目光转投外部，看向供应商和供应商的供应商，看向客户和客户的客户，看向商业和政治风险。而且企业还必须制定系统化的标准，再出现重要的外部信息，需是帮助企业做出决策和采取行动。

大数据若想大举挺进企业内部，就必须为之带来一些新机遇。Facebook或阿里巴巴上有多少数据或者人类的一个基因组成含多少千兆字节的数据？并不能帮助管理者确定他们能从大数据的利用中获得多少价值。管理者可能获得的价值体现在三个方面：成本降低，决策优化以及产品和服务的完善。在决策方面，大数据的主要价值来源于通过添加新的数据源来解释和预测模型。“没有更好的算法，只有更多的数据”。更多的数据帮助机器可以越来越智能。

在现实组织中也一样，通过添加大数据可以完善各种类型的决策。如果你用客户从你这里购买服务的数据来预测客户流失率，那你可以通过添加这些客户的交易历史数据，完善预测结果。如果你有一个模型，他根据个体客户的购买历史记录和人口统计数据预测客户可能会购买的下一个最优产品。那你可以通过分析这些客户在社交网站的一些点赞和评论，优化这一预测。可能你利用的有些额外数据量将是很大的，因为它的大体量或非结构化，但有些会是小的或结构的。关键是要寻找广泛的新数据，以帮助企业制定决策。

大数据带来的另一个重大新机遇是创造吸引客户的产品和服务。这些好处在讨论常规的智能商业和数据分析的时候并不常见。总体来说，大数据的发展还处于早期，由于是对以大数据为基础的产品和服务来说，更是如此。不过大数据已经为我们带来了许多理想的产品和服务。

许多高管可能会承认大数据可以为线上业务带来巨大价值。但还不太确定其对线下业务的贡献。通用电气公司作为世界上最大最成功的公司之一，作为大数据最坚定的拥护者之一。在工业领域，其行动和方案也可能会让这些高管信服，数据资源与线下业务息息相关。通用电气公司已在旧金山湾区设立一个软件和大数据的问题解决中心。并雇佣了大量的数据科学家，他们将致力于通用电气公司传统的数据密集型业务，如金融服务和医疗保健。通用电气公司在工业应用中，如在公司的机车、喷气发动机和燃气涡轮机业务的应用中发现的大数据的潜在价值。通用电气公司将工业领域的这些设备称为“旋转的事物”，并且预计就算不是全部。大部分设备也很快能捕获和传达有关其旋转的数据，为此为通用电气公司所节约的成本与创造的竞争优势与价值是非常巨大的。

我们目前还不清楚，像通用电气公司一样的巨头公司是不是大数据的主要受益者，其他公司又对此会作何反应？我们也不知道，当通用电气公司和其竞争对手有了大数据驱动的工业产品和服务时，这个行业和其竞争态势会如何发展？大数据还有诸多不确定因素，这种不确定性会持续一段时间，不过在当下这些问题值得好好考虑，因为你想对此作出的回应是有计划的，而非偶然的。

虽然我们不知道大数据将如何影响组织结构。但是我们有理由相信，对于那些激动自己的能力和捕捉和分析数据的组织来说，掌握了运营员工、客户和商业风险方面的大数据将大受裨益。很多组织已经开始建立集中协调的数据分析战略和团队。如果大数据分散在组织内部和独立数据库里，要将所有数据整合在一起挖掘商机，并依此采取行动将会非常困难。然而由于大数据是新生事物，伴随它会出现怎样的组织变革，我们确实不得而知。来自一些大公司的早期实验结果表明，大数据将与现有的数据和数据分析团队结合，但这可能会在未来几年内改变。

我们也不知道大数据会如何影响客户关系，但其能够实现的总体方向是：更了解客户的行为，以及他们喜欢什么和不喜欢什么，并基于此更有针对性的投放广告、产品和服务。

我们也不知道大数据将如何改变管理方式，但是大数据让我们有机会实现更大程度的由数据驱动的决策，企业和组织将对自身所处的商业环境越来越了解，他们将能够利用自动化的用于支持人类检测和数据分析来制定决策和采取行动。我们目前还不清楚管理层会以什么样的进度，采纳这些新方法。但历史会表明，以上这种情况不太可能完全实现及变小，数据分析已经存在几十年了，但许多管理者仍然会依靠直觉制定决策，而且权利和政治影响也不可能很快的在组织内消失。

未来会出现更多有数据驱动的管理行为，这也许没错，但在管理过程中采纳大数据的具体轨迹会如何？答案尚不明确，更何况不同组织间的采纳轨距会大有不同。

我们还需要不断的探索与实践，以寻找到最适合我们的发展路径。