組織如何打造好的大數據應用體系

張靖笙

     我們說，要釋放大數據的價值，唯有靠創新和變革，新創互聯網企業沒有歷史包袱，為革命而生，而傳統企業之所以傳統，就是其創新的基礎不是白紙一張，傳統積累下來的家底不是說舍就可以舍的，在傳承的基礎上實現創新，其難度有些像把一幢磚木混合結構的房子在不搬走住戶的前提下改造成鋼筋混凝土結構一樣困難，牽一發而動全身是必然的，在這種情況下，生搬硬套互聯網企業的經驗是根本行不通的，必須根據本企業實際發展階段因地制宜地發展大數據應用體系。

      筆者這個所謂的“大數據專家”其實也是從傳統的企業信息化轉型過來的，我二十多年的工作經歷絕大部分也是在傳統企業，即使IBM這樣的信息技術領導組織，雖然誕生以來一百多年里已經成功轉型了許多次，與新創互聯網公司相比，其組織基因也還是非常傳統的，雖然我沒有搞過互聯網公司的大數據項目，不過從上世紀九十年代末，我就開始從事以針對領導的經營分析和決策支持需求的數據倉庫與商業智能方面的項目，在數據分析與應用方面還是有很大淵源的。

       而談到大數據應用，我覺得很多人還是有一個極大的誤會，就是直接等同理解為大數據分析和讓數據說話，而組織為什么要用大數據? 用什么大數據？什么人用？怎么用？解決什么問題？創造什么機會？這一連串問題，大數據分析論者往往無法給出有針對性和令人信服的回答，而我認為數據分析只是其中一種數據應用場景而已，如果說很多組織連一開始為什么要用大數據的動機都沒搞清楚，又能提出什么好的大數據應用需求呢？所以很多大數據項目往往目標都很寬泛和高遠，可惜大多數是為大數據而分析，雖然能給出一些貌似很高深的數據分析模型和算法，也能羅列出一些技術上的新鮮亮點，我們可以看到各式各樣很花銷的數據可視化展現界面，可是連解決什么具體問題，具體怎么解決問題，怎么驗證效果都無法自圓其說，這些讓大數據說話的應用能不能產生落地效果，產生多大價值，是有很大疑問的。

       有些人可能會列舉一些快速成長為獨角獸的互聯網企業為大數據應用的成功榜樣，沒錯，這些互聯網企業肯定是用互聯網大數據的，而且的確通過互聯網聚合的用戶粉絲社群和大數據資源，通過一些羊毛出在狗身上驢埋單的盈利模式創新掌控了大量的資金和市場資源，然而從整體數量上，這樣的互聯網企業還是只占市場產業版圖很少的比例，當前中國市場生產者主體占絕大部分的還是傳統實體經濟企業，特別是中小微企業，為數達到幾千萬，提供了大量的就業崗位，所以這些企業的發展前途、生死存亡直接關系到我們的國計民生，如何幫助這些占大多數的傳統實體經濟企業在這場大數據革命中完成脫胎換骨的轉型，具有很迫切的現實意義。

       既然傳統企業的創新是在繼承上的創新，所以按照工業大數據的思路，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后服務、運維、報廢或回收再制造等整個產品全生命周期各個環節所產生的各類數據及相關技術加以應用。以產品數據為核心，在完成兩化融合任務的基礎上，通過互聯網+逐步延展傳統工業數據范圍，用數據需求來推動產業轉型升級，同時推動大數據相關技術和應用的發展，這是一條比較適合傳統企業的大數據應用發展的道路。

       從組織的角度，大數據應用是圍繞組織所掌握的大數據資源來建構的，要把大數據中所蘊含的價值得以挖掘和展現需要運用一系列技術與方法，包括數據采集、預處理、存儲、分析挖掘、可視化和智能控制等。而在現實中，做這些工作投入是不菲的，對大數據的投資不但成本大，往往還不能立竿見影帶來經濟回報，所以我們要先搞清楚組織到底為什么要用大數據？這個原因有兩方面：

      一方面是精益的要求，智能制造的模式就是在不確定的情況下，爭取用最少的物質成本完成生產目標，信息是哪些被浪費的物質的替代品，我們更多使用信息，就能減少物質的損耗，有數據的支撐，數據驅動取代傳統組織的行政主導，持續的優化通過數據才能在組織內建立普遍的共識，精益生產的理念落地才有一個可以度量的準則。

       另外一方面是創新的要求，創新需要有新的知識和信息，大數據應用本質目標就是從復雜的數據集中發現新的模式與知識，挖掘得到有價值的新信息，從而促進傳統企業的產品創新、提升經營水平和生產運作效率以及拓展新型商業模式。

      新工業革命中產品的生產過程既要精益，又要創新，而兩者都離不開組織對大數據資源的積累和運用，為什么要用大數據？解決什么問題？創造什么機會？從精益和創新兩個方面都能給出很明確的回答。

接下來要解決的是用什么大數據的問題。從這個角度，傳統企業的主要數據來源不可能都從互聯網來，參考工業大數據定義的主要來源有三類：

第一類是生產經營相關業務數據。主要來自傳統企業信息化范圍，被收集存儲在企業信息系統內部，包括傳統工業設計和制造類軟件、企業資源計劃（ERP）、產品生命周期管理（PLM）、供應鏈管理（SCM）、客戶關系管理（CRM）和環境管理系統（EMS）等。通過這些企業信息系統已累計大量的產品研發數據、生產性數據、經營性數據、客戶信息數據、物流供應數據及環境數據。作為實體企業，這些數據資產必然是傳統大工業領域在物理空間的生產活動過程中積累起來的，在移動互聯網等新技術應用環境下正在逐步擴大范圍。

第二類是運用各種傳感器和物聯網技術，在各項生產設備實時采集回來的物聯數據，生產設備和目標產品在物聯網運行模式下，實時產生收集的涵蓋操作和運行情況、工況狀態、環境參數等體現設備和產品運行狀態的數據。此類數據是工業大數據新的、增長最快的來源。

第三類是指與工業企業生產活動和產品相關的企業互聯網來源的外部數據，隨著跨界融合的商業模式創新越來越普遍，越來越多外部數據的企業生產的影響越來越大，而這些數據和前兩類數據最大的區別在于，企業并不能有效控制這些數據的質量，給應用效果帶來很大的不確定性。

     所以用什么大數據這個問題，對于傳統企業來說，必須結合什么人用和怎么用來統籌考慮。什么人用什么大數據，用這些大數據做什么事情，這就構成了大數據應用的具體場景，唯有把這些具體的場景弄清楚了，大數據應用的價值也才能被看的清清楚楚，才能得到一些切實可以落地的有價值的成果。

      如何建構這些具體的大數據應用場景呢？筆者在實戰經驗中逐步探索了一套在商言數的方法體系，為什么要在商言數呢？筆者就是為了針對當前很多大數據應用項目從單純技術的角度出發，為大數據而大數據的錯誤傾向提出的。唯技術論的人，過渡迷信數據和算法，認為大數據無所不能，但往往數據挖掘的算法又成了一個很難對外解釋清楚的技術黑匣子，除了在一些很特定的條件下能展露一些玄妙功效之外，并不能雪中送炭地解決當前大多數傳統企業轉型的難題。而從商業模式分析中，根據企業的實際發展水平和發展問題瓶頸，以實現精益和創新的目標建構各種大數據應用場景，這樣的大數據應用才能對上承接企業創新與變革的目標，向下推動生產效率的提升，從而有持續的生命力。

      筆者從業二十多年以來一直實戰于各種類型的信息化項目，特別是近十年做組織信息化戰略規劃和項目管理咨詢工作，每年參與評審和論證大量的各種類型的組織信息化項目，接觸大量的一線需求文檔，但我發現有一個很大的通病，就是大量的需求陳述很像處方中各種藥品的功效說明，這種藥哪種藥治什么的、用法和用量，但是對于需求的源頭，疾病的成因和病情分析恰恰表達得很含糊，所以很多需求的陳述并不能完整和準確地體現項目的建設目標。

      回到大數據應用的建設項目，雖然人工智能的身影越來越多，而目前組織絕大部分工作，還是要靠人來完成的，所以大部分的大數據應用場景，還是支撐人完成組織內的各項工作，人在工作中使用數據的根本目的還是為了解決問題做出決策，數據的需求是和決策的類型和場景相關的，

我們必須先分析數據的用戶是怎么做決策的。菲爾.羅森維在《哈佛商業評論》發表的《四型決策，戰略藍圖》，指出任何決策的區分主要表現在兩方面。

一是可控性，即決策者能否改變選擇的內容與結果。例如，在面臨選擇時，我們是只能被動挑選，還是可以改變選擇內容？我們做出的判斷是一次性的且無法控制后果，還是在做出決策后能在一定程度上影響結果？

二是決策結果的衡量標準，即決策的成功是否與競爭對手有關。例如，我們的目標是出色完成任務，還是需要比他人更勝一籌？換言之，結果是相對還是絕對的？

組織的決策的區分還涉及很多方面。一些是個人決策，一些是由組織領導者做出的決策；一些是一次性判斷，一些是連續性決策——當下的判斷將影響未來的決策。但是區分決策的最關鍵因素仍然是可控性和決策結果。結合兩者，我們可以把決策分為四種類型：

 第一型，判斷和選擇型決策：從候選行動方案中選擇一個，執行決策后就無法再控制后果，就像考試做判斷題或者選擇題，決策后的結果要么對，要么錯；而且行動后果與他人無關。

第二型，生產型決策：做出決策在于設定行動目標而不是被動選擇一個不可控的后果，決策后還需要經過努力的行動才能得到最后的結果，努力的程度能在一定程度上影響后果。而且這類型決策的行動后果與他人無關。

 第三型，競爭性決策：為了獲得比他們更好的結果而對候選行動方案做出判斷或者選擇，因此在決策前要推算對手的行動，但是做出選擇后也無法再控制，結果要么比對手好，要么比對手差，就像下棋等博弈類游戲。

 第四型，開拓型決策：為了獲得比對手更好的結果而做出決策后，還需要積極推動結果勝過對手。

    既然人類決策還是組織管理行為的核心，目前任何一個大數據應用的場景，無非就是如何有效支撐上面四種決策類型中的一種或者多種而已，從這個角度，再來比對當前各種數據技術的應用形態，下面筆者給出一個不同層次數據應用和相關技術。

    我們先要了解數據、信息、知識、決策這四個互相交織但卻并不相同的概念，這里我們給一個直觀的小例子，例如1.85是一個數據，而賦予了有價值的含義解釋，例如奧巴馬身高1.85，這個數據才能成為被人理解的信息；從大量的個別信息中提煉出一些規律性的信息，例如“大部分黑人的身高在一米八五左右”，那么這個規律性的信息描述可以看成一種知識陳述；如果正好有組織需要用到這個知識來做出相關的決策，例如一個以北美男性黑人服裝消費者為目標市場的生產企業，決定服裝的中碼尺寸的時候就要以這個知識作為決策的依據，運用知識做出正確的決策是一種智慧的體現。

     順著這個思路，我們可以和前文羅森維提出的決策類型做一個直接的映射。

 第一型，判斷和選擇型決策：與決策相關的數據和預設的判斷標準自動比對，是什么就決定怎么做，數據決定行動。

第二型，生產型決策：行動過程中決策者需要根據從數據中獲得的信息不斷調整下一步行動，以爭取最好的結果。

 第三型，競爭性決策：需要同時了解企業自身和競爭對手的信息，還要在規律的掌握基礎上做出勝過競爭對手的決策。

 第四型，開拓型決策：開拓型決策屬于戰略層面的思考，需要整合數據、信息、知識而成情報供決策者參考，決策者也需要有選出可能最好行動方向的智慧。

     大家對這個邏輯很清晰的情況下，我們就可以把大數據應用的需求回歸到組織問題的本身，就是到底什么人負責做出什么決策這個問題上，其實不管有沒有數據的支撐，只要有組織，這個問題就一直是管理的一個巨大困擾，所謂一統就死一放就亂是這個問題的兩個極端表現，組織是人組成的，有組織的生產關系還是組織內人和人之間的關系，生產關系說白了就是在商言商的關系，所謂的在商言商其實就是說生產關系要兼顧各參與方各自的利益訴求，產品在商業模式中是一種價值主張，理想的生產關系是利益相關方對于這種價值主張建立共識之后所形成和維系的人際關系，就是產消融合，需求生產和消費一體化的關系，這樣的生產是沒有浪費的生產，是滿足各方需求的生產。

      互聯網之前的稀缺經濟學年代，共識其實是不明顯的，畢竟生產力還不能滿足消費者的物質需求，資本主義所建立的大規模生產方式強調的是效率，通過規模降低成本，掙取更大的利潤空間，傳統大工業時代是以交易為目標的生產關系，決定生產決策的是資本對利潤的追逐，而非各方參與者的共識，消費側的物欲和供給側的利潤欲其實帶來很多供需關系的扭曲，相互視為博弈的對手，由于信任和技術的不足，信息不對稱的市場造成了很多物質資源和勞動時間的浪費，當然也造成了財富分配的不公平，不公平也造成了人性上的割裂和扭曲，為了實現和維護我們在組織生產關系中的私人利益，我們常常在工作中遇到的種種遺憾，往往是所愿非所為，所能非所愿或者所做非所能這樣一種錯位帶來的心理不平衡，這種心理不平衡造成的痛苦其實遠遠超過對物質稀缺的不滿。

      互聯網經濟是豐饒經濟學和共享經濟，所謂的豐饒我認為也不是非要生產多么多的物質產品，而是剛剛好的生產，一種“夠了”的生產，互聯網共享經濟的產消融合生產關系，不用再追求更高、更快、更強這種資本主義唯增長不經濟的價值方向，而是追求剛剛好，就是生產的利益各方達到某種程度上，會說“夠了”這樣一種共識，在這種情況下，人的創造力才能得到無窮的自由釋放，才能做他或她能力范圍內而且喜歡的工作，新的生產關系不再是追逐財富的單邊增長，而是追求生產關系中共同的快感，共同的快樂。

       第四次工業革命是把消費者加入到生產關系的一次巨大產業變革，表面上，通過互聯網，新工業革命形成的產消融合的生產方式讓生產組織要處理的各種關系越來越廣泛和復雜，互聯網能流轉的只有數據，所以這種生產關系也肯定是要圍繞數據的傳遞和處理來維持了，表面上當然也是用互聯網大數據為代表的新信息技術讓各種內外部生產要素、能力與資源通過互聯網實現業務一體化運作這個技術層面的問題。如果我們從生產關系的角度想深一層，其實這是建構一個更偉大人類社會的巨大時代變革的前奏，今天互聯網大數據加上區塊鏈已經讓我們極其接近這個社會底層的構造，用大數據技術的手段確保所有陌生人一次就建立信任，數據成為價值共識最有力的保證和載體，也因此把人類經濟社會從實體+金融帶入價值網絡+數融，每一個人都可以參與其中，都可以適當地在價值交流、互換、流動的過程中，享受到價值創造的當下快樂的這樣一種氛圍。

       從這個角度來詮釋筆者提出的在商言數就非常恰當了，實現網絡經濟商業模式的本質就是在商言數，數據不僅僅是生產活動中一種生產要素資源，還是新生產關系中體現價值共識的載體，必須從生產力和生產關系兩個方面都考慮到數據的地位才能建構出合適的商業模式，再反過來勾勒出各種具體的生產和商業活動中的大數據應用場景。這好像有些繞，但新的商業邏輯的確如此。

     好，對應商業模式產品、客戶、業務平臺、盈利模式四個方面商業動機要素，我們可以給出對應的數據支撐的要求，以我來指稱一個生產組織法人：

ü  對于業務平臺來說，我希望能自動化運作，哪些日常事務判斷和選擇型決策最好不要靠自然人了，該怎么辦就怎么辦，數據驅動讓機器取代人的崗位；

ü  對于產品來說，我要讓消費者（用戶）完全明白和認同我產品的價值主張，我也要根據實際需求來決定要生產多少就“夠了”，數據建立共識，信息驅動生產決策；

ü  對于客戶來說，我為了要贏得消費者，讓消費者選擇我的產品，需要運用知識做出比競爭者更符合用戶體驗需求的決策；

ü  對于盈利模式，我要琢磨怎么才能把生意價值網絡的范圍擴得更大，讓生意創造更多的財富。

因此，組織打造大數據應用體系，必須結合不同層次的商業動機來創設應用場景和對應技術解決方案，構成了下面這樣一個高度匹配商業模式設計的組織大數據應用金字塔模型。

      如筆者前面的文章中提到的，商業模式是任何一種經濟組織都應該做的戰略性思考，這和組織規模大小是沒關系的，筆者有朋友是經營實體店的，他覺得我張口閉口商業模式太理論化了，認為他的小店用不上這種大道道，而正是這種戰略意識的缺失，用戰術上的勤奮掩蓋戰略的懶惰，他雖然也曾一度經歷過突然而來的門店生意井噴的好風光，但由于缺乏把經驗萃取形成可復制的商業模式加以推廣的策略，管理水平也沒跟上，不但生意沒能乘勢而上，現在又陷入了艱難維持的被動局面，所以制約生意的，其實不是資金資本資源這樣一些外部要素，反而是決策者的思維方式和習慣這樣一些內在的格局，我們學會商業模式的思維，其實就是一種生意格局的修煉方法。對于技術人員來說，學會從商業的角度建構大數據具體的應用場景，才能真正認識和釋放大數據的價值。

      當然，即使商業模式具有可復制性，可是所有組織都有其獨特的成長經歷，其發展也都會有一些獨特不可復制的基礎條件和環境要素，雖然商業模式的思考是上接戰略的，而落地商業模式到具體生產經營活動的各種數據支撐和應用場景則需要解決具體的業務問題和推動生產力效率的提升，所以商業模式分析的粒度是遠遠不能支撐數據用戶使用場景和詳細設計的粒度的，例如用建一幢摩天大樓做比喻，商業模式分析所代表的是大樓的建設理念和頂層架構，包括什么組成部分和組成部分之間的關系這樣一個頂層邏輯，可以看成是建筑藍圖。而要把這幢大樓建設出來，則還需要有各種詳細的工程設計、施工預算和計劃等工作，這些都是要結合每個組織的實際情況進行具體的需求分析的，這明顯已經超出了本文所論述的范圍。

     最后，從目標層面，結合筆者最近的評審工作經驗，筆者提出幾個關于好的大數據應用項目的評價標準供大家參考：

一是場景能說清楚，什么人用什么數據和怎么用的，這個要交代清楚，涉及到的數據模型也不能搞成一個讓人無法理解的技術黑匣子，起碼把原理要交代清楚；

二是目標有新價值，既然是做大數據應用，目標就要指向推動組織的創新與變革，這是和傳統企業信息化很不一樣的目標定位；

三是思維有新啟發，大數據首先是一種新的思維方式，然后才帶來新的商業模式和戰略考量，再接下來才到具體技術手段的運用；

四是落地有新成果，再好的概念還是要能夠落地的，能夠讓人看到實實在在的成果，讓組織看到實實在在的改變。

     當然，今天我們還處于大數據時代的起步期，我們當然呼吁有更多革命性的大數據應用場景可以涌現出來，不過如果能推動大用數據的項目也是值得鼓勵和肯定的。

（本稿完成與2018年9月29日，如需要引用，請注明出處）