兩岸微商網路創業平台

最初，人們以為大資料只是谷歌、百度、阿里等個別公司的一項新的技術；後來，大資料發展成為一個快速增長的新興產業；再後來，跟著美國政府大資料發展戰略的正式發佈，以及G8政府紛繁施行資料開放戰略，大資料正式上升為國家戰略。但咱們判斷，大資料帶來的變革意義還不止於此，對於企業而言，大資料將掀起一場管理革命；對於國家而言，大資料象徵著國家治理體系的重構、變革與進級。

管理專家戴明（W.Edwards Deming）與德魯克（Peter Drucker）在諸多思維上都持對於立觀點，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些年來的數字大爆炸為什麼無比主要。簡而言之，有了大資料，管理者可以將一切量化，從而對於公司業務盡在掌握，進而晉陞決策質量以及事跡表現。

看看零售業吧。實體店的書商們也能追蹤圖書銷路，哪些賣掉了哪些尚無。若果他們設計了「客戶忠厚計劃」，還能將某些圖書的銷售與消費者個人聯絡起來。但僅此而已。而一旦購物行為移至線上，店主們對於顧客的瞭解會至關驚人：賣家不僅能追蹤顧客買了什麼產品，還曉得他們檢視了其他哪些產品，他們如何閱讀網站，他們在多大程度上被促銷流動、其他買家對於產品的評論與頁面佈局所影響；賣家還可以交叉對照個體消費者之間與群體消費者之間的相似性等等。在此以前，賣家已開發了一套運算法子，推測哪些書目是哪些使用者樂意瀏覽的—每當使用者忽略一個圖書舉薦，這種算法就會更改善一步。傳統零售商是無法易如反掌獲取這些資訊的，他們的銷售行為既孤立又盲目。所以，亞馬遜把那末多實體店踢出局一點也不意外。

關於亞馬遜那些耳熟能詳的故事遮蔽了它的真正實力—這些先天帶有數字基因的公司所能做到的事，是上一代商業領袖夢寐以求的。但實際上，大資料的潛力也可以說明傳統企業實現轉型，甚至幫它們獲取更好的機會晉陞其競爭優勢（線上企業一直都曉得其核心競爭力來自於對於資料的理解力）。咱們隨後的討論會有更多細節證明，這場大資料的革命遠比以前的「資料分析」要強大得多。企業因而可以做精準地量化以及管理，可以做更可靠的預測以及更明智的決策，可以在行徑時更有目的更有效力；而且這些均可以在一直以來由直覺而不是資料以及理性主宰的領功能變數實現。

跟著大資料之工具與理念的不斷傳佈，許多深刻人心的觀點將被撼動，譬如經驗的價值、專業性與管理實踐。各個行業的商業領袖都會看清應用大資料究竟象徵著什麼：一場管理革命。

然而，伴同商業世界其他一些深刻的變革，公司向「大資料驅動」轉型勢必遭遇巨大的挑戰，它需要公司領導層擁有一手的數字化能力（或是，在其他一些情況下，需要的可能是會撒手的領導）。

有什麼新鮮的？

企業高管們有時會問：「『大資料』不就是『資料分析』的另一種說法嗎？」

兩者確鑿關聯：以及以前的「資料分析」同樣，大資料運動也力圖從資料中採集智慧，並將其轉化為企業的優勢。但兩者有三個顯著差別：

規模性：僅就2012年而論，天天大約發生2.5艾位元組（exabytes）的資料，而且這個資料量每40個月就翻一倍。現在網際網路每秒鐘發生的資料量，比20年前整個網際網路貯存的資料還要多。企業因而需要處理單個資料集就蘊含大量拍位元組（petabytes）的資訊，而且這些資訊還不僅來自網際網路。譬如，沃爾瑪每小時從其顧客交易中獲取的資料量超過2.5拍位元組—1個拍位元組就是1000的5次方的位元組，等同於2000萬￥個檔案櫃所蘊含的文件資訊。1個艾位元組是這個量級的1000倍，也就是10億的吉位元組（一個吉位元組等於千兆位元組，即1GB=1000MB）。

高速性：對于不少套用程式來講，資料生成的速度比資料規模更主要。實時或是近乎實時的資訊，能讓一家公司比競爭對於手更為靈便敏銳。舉個例子，我的同事—麻省理工學院媒體試驗室的阿萊士?朋特蘭德（Alex 「Sandy」Pentland）以及他的團隊曾經經使用來自手機的位置資料推測，「黑色禮拜五」那一天有多少人在梅西百貨公司（Macy's）的泊車場泊車。「黑色禮拜五」是美國聖誕節購物季的開始，阿萊士團隊使用的資料讓他們提前推算出這癥結一天的銷售量—遠早於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是傳統產業的高管，都會因這種敏銳的洞察力獲取極大的競爭優勢。

多樣性：大資料形式多樣，社交網站上發佈的資訊、更新、圖片；感知器上顯示的內容；手機上的GPS信號等等。大資料幾種最主要的來源大都是全新的，譬如來自社交媒體的海量資訊，都跟那些社交網站本身同樣新：Facebook上線於2004年，Twitter於2006年。同樣的例子是智慧手機以及其他搬移裝置，它們提供了基於人、流動與地點的海量資料流。因為這些手機裝置如今無處不在，人們幾乎想不起iPhone發佈才五年時間，iPad無非兩年。然而，公司資料庫儘管存儲著海量資訊，卻直到最近還難以加工處理大資料。與此同時，用來計算資料的所有關聯裝置—存儲器、記憶體、處理器、寬頻等等的成本在持續降低，這象徵著，從前昂貴的資料密集型處理手腕正迅速地變得經濟實惠。

愈來愈多的商業行為正在數字化，加之全新的資訊源與更廉價的裝置，咱們將被這一切帶入一個新紀元￥：一個海量資料在商業世界無孔不入的時代。手機、網上購物、社交網路、電子通信裝置、衛星定位系統，以及在這些裝置上做最普通的動作時附帶生成的井噴般的資料量。咱們每一個人都是一個隨時隨地的數字生成器。這些閑置的資料大都是非結構化的，沒有被整頓過—胡亂丟棄在資料庫中無法使用。然而，在這些橫七豎八的凌亂中埋藏著大量的信號，寂寞地等待被解讀。曾經經的「資料分析」將嚴謹的技術引入了決策制訂，而「大資料」讓這種嚴謹決策變得更為簡單而強大。正如谷歌鑽研主管彼得?諾爾維格（Peter Norvig）所說的那樣：「咱們並無更好的算法，咱們只是有更多的資料。」

資料抉擇事跡

懷疑論者的第二個疑惑是：「有何證據顯示，明智地應用大資料能晉陞公司事跡？」商業媒體上充斥著各種軼事案例，似乎在證明大資料驅動帶來的價值。但咱們最近發現的事實是，根本沒人真正拿出嚴謹有力的證據。為了彌合這種尷尬的缺失，咱們在麻省理工學院的數字商業中心（MIT Center for Digital Business）組織了一個團隊，與麥肯錫的商業技術部、沃頓商學院的同事洛林?希特（Lorin Hitt）以及麻省理工學院的博士生西克揚?金（Heekyung Kim）一塊兒合作，考察大資料驅動的公司是否事跡更佳。咱們對於北美330家上市公司的高管進行了結構性訪談（structured interview，這是一種對於訪談過程高度節制的走訪。走訪的過程高度標準化，即對於所有被訪者提出的問題，發問的秩序序以及模式，以及對於被訪者回答的記錄模式等是徹底統一的。—譯者注），調研其組織與技術管理實踐，然後從年報以及其他一些獨立資訊源那裡採集它們的事跡資料。

很顯然，不是每家公司都喜歡資料驅動型的決策制訂過程。事實上，咱們發現，各行各業對於大資料的態度以及套用法子形形色色。然而，透過所有的分析，咱們發現一種顯著的關聯性：越是那些自訂為資料驅動型的公司，越會客觀地衡量公司的財務與運營結果。尤為是，應用大資料做決策的那些行業前三名企業，比其競爭對於手在產能上高5%，利潤上高6%。若果把勞動力、資金、購買服務以及投資傳統技術的投入都納入計算，這些企業的表現仍然卓著。它不僅有統計學上的顯著性以及經濟上的主要性，而且也反映在其股票估價的增值上。

那末，高管們是如何應用大資料的呢？讓咱們深刻矽谷的兩家新貴企業去一探究竟吧：一家用大資料創始了新業務；另一家用大資料促成了銷售。

航班更准

航空業分秒必爭。尤為是航班抵達的準確時間：若果一班飛機提前達到，地勤人員還沒籌備好，乘客以及乘務員就會被困在飛機上白白擔擱時間；若果一班飛機延誤，地勤人員就只能坐著乾等，白白損耗成本。當美國一家大航空公司從其內定講演中發現，大約10%的航班的實際達到時間與預計達到時間相差10分鐘以上，30%的航班相差5分鐘以上的時候，這家公司抉擇採用措施了。

其時，這家公司按照航空業的慣例—由飛行員提供航班的預計抵達時間（即ETAs）。飛行員老是在臨近機場的那段時間內預測何時到港，而這個過程中還有其他不少事情佔用他們的時間以及注意力，干擾其判斷。為了追求更好的解決專案，這家航空公司找到了PASSUR Aerospace，這是一家專為航空業提供決策支撐的技術公司，它從2001年開始提供一項名為RightETA的服務（意為：準確預測航班時間），通過收集天氣、航班日程表等公開資料，結合自己獨立採集的其他影響航班因素的非公開資料—譬如通過自建的無源雷達站採集某區功能變數領空內的飛機資料—綜合預測航班到港時間。

PASSUR公司最初只有幾處無源雷達接管站，然而時至2012年，它們已擁有超過155處這樣的接管站。每4.6秒它就採集一次雷達眼看到的每架飛機的一系列資訊，這會持續地帶來海量資料。不僅這樣，公司將長期以來採集的資料都儲存著，這樣它就擁有了一個超過十年的巨大的多維資訊載體，為透闢的分析以及恰當的資料模型提供了可能。RightETA的核心工作就是回答兩個問題：「一架飛機在抵達機場以前都發生了什麼？它究竟幾點著陸的？」

使用RightETA服務後，這家航空公司大大縮短了預測以及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達到時間做計劃，能為每一個機場每年節省數百萬￥美元￥。這是一個至關簡單的公式：大資料帶來更準的預測，更準的預測帶來更佳的決策。

推銷更快、更個性

幾年以前，美國零售業巨頭之一—西爾斯控股公司（Sears Holdings）抉擇採集其專售的三個品牌—Sears、Craftsman、Lands』 End的顧客、產品以及銷售資料，從這些海量資訊中挖掘價值。顯而易見，若果能聚攏併應用這些資料定製推銷專案給消費者，並將地區差別加以應用的話，將給公司帶來巨大價值。價值巨大，難題也巨大：西爾斯公司需要八周時間才能制訂出個性化的銷售專案，但往往做出來的時候，它已再也不是最佳專案了。之所以這樣，主要在於這些資料需要超大規模的分析，它們擴散在不同品牌的資料庫與資料倉庫中，不僅數量龐大而且四分五裂。

西爾斯集團開始使用群集（cluster）採集來自不同品牌的資料，並在群集上直接分析資料，而不是像以前那樣先存入資料倉庫，防止了鋪張時間先把來自各處的資料合併之後再做分析。這種調整讓公司的推銷專案更快、更精準。

據西爾斯公司的首席技術官菲裡?謝利（Phil Shelley）說，他們制訂一系列繁雜推銷專案的時間從8周縮短到1周，甚至還會更短。而且這些銷售專案質量更高，因為它們更及時、更細緻、更個性化。西爾斯使用的Hadoop群集能採集以及處理好幾個拍位元組的資料，成本卻只是普通資料庫的一小部份。

謝利說，他詫異於公司能這樣輕鬆地實現這個轉型—從傳統模式進級為數字管理與高效分析。西爾斯在2010年開始這一轉型的時候，資料管理的技術與知識還很少，因而與一家叫做Cloudera的公司簽訂了合同。然而很快，公司IT部的保守派以及分析專家們就對於新工具以及新流程得心應手了。

PASSUR公司以及西爾斯控股的例子展示了大資料的威力—它帶來更準確的預測、更高明的決策、更恰當的動作，而且讓這些事情達到一個無邊的規模。當大資料套用於供應鏈管理的時候，它讓咱們瞭解為何一家汽車製造商的故障率驟然飆升；在客服方面，它可以持續詳細調查以及處理幾百萬￥人的醫保狀況；它還可以基於產品特性的資料集，為線上銷售作出更好的預測以及規劃，等等。大資料在其他行業的套用也也成效顯著，無論金融業、遊覽博彩業仍然是機械維修；在市場推廣、人力資源管理方面也有極大的功用。

咱們的資料分析顯示，上述所見毫不是星星點點的個案，而是一次根本性的經濟轉型。咱們確信，大資料應用帶來的這一轉型已涉及了商業流動的方方面面，沒有誰能置身其外。

決策文化變革

大資料的技術挑戰顯而易見。但其帶來的管理挑戰更為艱難—這要從高管團隊的角色轉變開始。

高價智囊請閉嘴大資料最至關主要的方面，就是它會直接影響企業怎麼樣做決策、誰來做決策。在資訊有限、取得成本昂揚、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。因為他們擁有多年累積的經驗，並將察看到的商業模式以及組織內定關系內化到了自己的思惟與行為中。咱們可以給這種決策者以及決策過程貼個標籤：直覺主義。這些人描繪的未來藍圖—會發生什麼事情、事情該怎麼樣解決、因而該如何做規劃等—整個基於他們的個人觀點。（請參見本期文章《你的勝利可以測量》。）

尤為那些做重大決策的人，都是組織內典型的位高權重的人，要不然就是高價請來的擁有專業技巧以及?赫履歷的外部智囊。大資料領功能變數的人認為不少公司依然維持著這種模式—依賴「HiPPO」做決策。所謂HiPPO，就是那些高薪人士的觀點（the highest-paid person's opinion）。

的確有一些資深高管忠誠於資料，一旦資料否定了他們的直覺，他們會遺棄個人觀點。然而咱們相信，在今天的整個商業世界中，人們依然更多依賴個人經驗以及直覺做決策，而不是基於資料。咱們在鑽研中設計了一個「五點複合尺規」，用來測量一家企業究竟在多大程度上是資料驅動型的。32%的回應者認為他們的公司只具備其中的一兩點或兩三點。

讓資料做主有志於引領企業實現大資料轉型的高管們，可以從兩個最簡單的技巧開始。首先，要養成習氣問：「資料怎麼說？」每當遇到重大決策的時候，要緊跟著這個問題進一步問：「這些資料從哪兒來的？」「這些資料能得出什麼分析？」「咱們對於結果有多大信念？」（員工能從高管的這種行為中迅速接管到資訊。）其次，他們要容許資料做主；當員工看到一名資深高管聽任資料推翻了他的直覺判斷—這將是扭轉一家公司決策文化的最鼎力量。

在確認哪些問題需要解決的階段，毫無疑惑，專業技巧依然至關主要。傳統領功能變數的專家，因為對於所在行業的深刻理解，可以清楚地識別機遇與挑戰。譬如PASSUR公司一直竭力從全美主要的航空公司挖人，越多越好。因為擁有豐厚的航空業運營知識，在PASSUR尋找下一個市場機會的時候，這些人的價值不可估量。

跟著大資料運動的推進，這些傳統領功能變數的專家也會轉變角色。他們的價值不在於提供相似那些高薪人士的「直覺主義」的謎底，而在於他們擅長發現真問題。「電腦有什麼用呢？它們只曉得給謎底。」當天才畫家畢加索這麼說的時候，他必定很懷念那些傳統領功能變數的專家。

五大管理挑戰

大資料轉型並非萬￥能的，除了非企業能勝利應答轉型過程中的管理挑戰。下列五個方面在這一過程中尤為主要。

領導力那些在大資料時代獲取勝利的企業，並非簡單地擁有更多或是更好的資料，而是因為他們的領導層懂得設計清晰的目的，曉得自己定義的勝利到底是什麼，並且找對於了問題。大資料的力量並不會扼殺對於遠見與人道化洞察的需求。相反，咱們依然需要這種領導者—他們能抓住某個絕好的機會、懂得如何開拓市場、用自己的創意提供那些至關新奇的產品以及服務，並且巧舌如簧地勾勒出一幅激動人心的前景，說服下屬們激情澎湃地為此拚命工作，最終勝利博得顧客。未來十年獲取勝利的企業，其領導者必然具備以上特質，與此同時推進了公司決策機制的轉型。

人材跟著資料愈來愈廉價，實現大資料套用的關聯技術以及人材也變得愈來愈昂貴。其中最緊迫的就是對於資料科學家以及關聯專業人士的需求，因為需要他們處理海量的資訊。統計學很主要，然而傳統的統計學課程幾乎不傳授如何應用大資料的技巧。尤為需要的能力是將海量資料集清理並系統化，因為各種類型的資料很少是以規整的形態泛起的。視覺化工具以及技術的價值也將因而突顯。跟著資料科學家的湧現，新一代的電腦專案師必需能夠處理海量資料集。而設計資料試驗的技巧，則會很有助於填補資料呈現的繁雜關系與因果之間的鴻溝。除了此以外，那些最優良的資料科學家還需要掌握商業語言，說明高管把公司面臨的挑戰變為大資料可以解決的形式。毫無疑惑，這種人材炙手可熱，很難找到。

技術處理海量、高速率、多樣化的大資料工具，近些年來獲取了長足的改良。總體而言，這些技術已再也不貴得離譜，而且大部份軟體都是開源的。Hadoop，這個目前最通用的平台，就整合了實體硬體以及開源軟體。它接管湧入的資料流並將其配置至很廉價的存儲盤，同時它也提供分析資料的工具。儘管這樣，這些技術需要的一整套技巧對於大部份企業的IT部門來講都是全新的，他們需要努力將公司內外所有關聯的資料都整合起來。只有技術遠遠不夠，但技術是整個大資料戰略中不可或缺的部份。

決策一家高效的公司通常把資訊以及關聯的決策權統一在一塊兒。而在大資料時代，資訊的發生與流通，以及所需人材都再也不是以往那樣了。精明的領導者會創造一種更靈便的組織形式，盡可能防止「自主研發綜合症」，同時強化跨部門合作：採集資訊的人要提供正確的資料給分析資料以及理解問題的人，同時，他們要以及掌握關聯技術、能夠有效解決問題的人並肩工作。

文化大資料驅動的公司要問自己的第一個問題，不是「咱們怎麼想？」而應該是「咱們曉得什麼？」這請求企業不能再跟著感覺走。不少企業還必需改掉一個壞習氣：徒有虛名的大資料驅動。咱們發現不少這樣的企業，最常見的表現是，高管們明明仍然是按傳統模式做抉擇—以HiPPO，那些高薪人士的意見為主，卻拿出一份香艷的資料講演支撐自己的抉擇是多麼英明。其實那無非是配置下屬四處尋找的專為這個抉擇做辯護的一堆數字。

毫無疑惑，勝利的路上荊棘密佈。資料科學家不夠多；技術不只新，甚至新奇；把各種關聯當做因果關系，由資料獲得誤導性的模式；文化轉型的挑戰更是艱難，譬如，對於隱私的關切已愈來愈凸起。然而，大資料在技術以及商業領功能變數的卓著表現勢不可擋。

證據一目瞭然：大資料驅動下的決策更高明。高管們要末擁抱這一現實，要末捲鋪蓋走人。在各個領功能變數中，企業只有找到將資料科學與傳統技巧完美結合的模式，才能打敗對於手。咱們不能說，所有的贏家都會將大資料用於其決策制訂。但資料奉告咱們，這樣確鑿勝算最大。

文章來自網際網路週刊。

=======================分割線=======================

歡迎關注錢大人微信：qdrgfwx

↓↓點擊下面萌頭像可定閱↓↓