俯瞰大數據與組織決策

大數據開啟了一次重大的時代轉型。大數據時代生產者和消費者的界限正在消弭，企業邊界變得愈加模糊，數據成為核心資產，組織的管理方式也隨之改變。

大數據對組織管理的影響

首先，大數據對組織管理的影響來自其生產力特征。這種特征主要包括四個方面：第一，掌握大數據的勞動者是智力工作者，他兼具勞動和資本于一身，是知本家，因此組織的數據管理，將從以管理者為主，轉向一線員工掌握數據。第二，管理對象從管物、管錢，轉向管理數據，大數據的特征一是大量化（Volume），一般在10TB規模左右，多用戶把多個數據集放在一起，形成PB級的數據量；二是多樣化（Variety），它包括結構化數據與非結構化數據，這些數據來自多種數據源，以實時、迭代的方式來實現；三是這些數據不僅是資源，而且是財富。因此組織管理中資源管理與財富管理將一體化。第三，勞動資源包括語義網等公共基礎設施上分享的開源軟件、Hadoop、NoSQL、數據分析與挖掘、數據倉庫、商業智能（BI）等技術條件。管理資源可能是分享的，這不同于以專用性資源為組織邊界的管理。第四，從勞動目的看，從事大數據是為了“從中獲得知識和洞見以提升能力”，進一步說，要洞見的是意義，要獲得的能力是智慧；有意義的數據是智慧的，沒有意義的數據是垃圾；大數據要完成從客體的數據向主體的智慧的轉換，忘記這一點就會陷入為數據而數據。

其次，大數據對組織管理的影響來自其生產關系特征。表現在生產、交換、分配和消費四個環節上。第一，在生產上，分布式計算的大數據，推動生產組織向去中心、扁平化轉變，向自組織、自協調方向演化，智能化的大數據將促進勞動與資本的一體化，推動決策前移，并且可以提供平臺支持創造性的自主勞動（如DIY+3D打印的“創客”）。第二，在交換中，具有語義功能的智能網絡成為與現有市場互補的新組織形式，商品交換與包括情感在內的信息交流在新的市場結構中相互融合，用戶體驗和意義滿足成為定價的重要因素，情境定價成為可能，依托數據分析可以實現一對一精準營銷和“人單合一”。第三，在分配上，在數據財富歸屬與利用的平衡中，形成以“使用所有權”（access over ownership）為特征的分享型經濟（Sharing Economy），在物質財富極大豐富的基礎上，逐步實現以自由看待發展。第四，在消費上，在大數據引導下，出現產消逆轉（C2B）和產消合一趨勢，人們在滿足生存發展需求基礎上，日益產生通過自主勞動滿足的自我實現需求。

第三，大數據對組織管理的影響來自其生產方式特征。不同時代，人相對于勞動對象的作用方式不同，生產的社會目的也不同，形成農業生產方式、工業生產方式與信息生產方式。大數據推動著信息生產方式的形成。農業時代的生產力以土地為中介，分散地從對象中解析出有助于滿足人的溫飽需求的功能；工業時代的生產力以貨幣為中介，集中地從對象中解析出有助于滿足人的社會發展需求的價值；信息時代的生產力以數據為中介，集中與分散結合地從對象中解析出有助于實現生產目的的意義。功能、價值與意義的關系，在于前者為后者的基礎，后者有條件地決定前者。對人均收入5000美元以上的社會來說，大數據有助于企業專業化地提高以意義滿足（所謂“滿意”）為核心的智慧水平，推動企業從因大而美向因小而美轉變，實現小批量多品種、差異化、多樣化的生產。推動企業在業態上從產品、服務向體驗升級，在提高GDP水平（功能與價值水平）的同時，提高社會幸福水平（意義水平）。

大數據時代，組織決策的挑戰和機遇

大數據時代組織決策會遇到以下三個方面的挑戰，這些挑戰又構成了組織發展的主要機遇。

企業化解風險的方式發生變化

在大數據時代之前，人們更多的是利用數據從歷史中總結規律，例如按以往的需求分布來組織生產，以此來消除市場的不確定性。大數據時代決策最主要的功能是預測未來，也就是把握那些只存在于未來，從以往歷史中難以推導出的需求，以此化解企業的市場風險。反過來說，這對于企業決策帶來新的挑戰，如果競爭企業可以預測未來，而自己的企業不能，企業就會失去未來。

巴拉巴西的《爆發》認為，人類行為93%是可以預測的。在日趨精密的數字技術條件下，有了從四處搜集來的信息，我們不會再把人類的行為視為互不相關、隨意偶然的獨立事件。相反，它們應該是相互依存的奇妙大網的一部分，是相互串聯的故事集中的一個片段。它們會在不經意時顯示次序，在意想不到之處偶然出現。人類行為遵循著一套簡單并可重復的模型，而這些模型受制于更加廣泛的規律。

如果說，企業生存的一般風險是德魯克所說的企業系統不能適應環境變化的風險，在大數據時代，這種風險更多地體現在日常決策中，體現在組織決策要面向最終客戶的需求變化，進行組織神經末梢上的隨時隨地的響應。

企業權力轉移帶來“無組織的組織力量”

大數據的特點在于意義主導價值，它將引起組織結構的變革。對于組織來說，價值體現在結構之中，意義也體現在結構之中。原有的組織形式是為價值而建立的，其結構是價值的結構。未來的組織形式，是為意義而建立的，其結構是意義結構。組織的價值結構與意義結構非常不同，最核心的不同在于，價值結構是機械結構；意義結構是生態結構。具體表現在：第一，機械結構是自上而下控制的，生態結構是自下而生涌現的；第二，價值結構是以集中方式控制的，意義結構是以去中心的方式自組織自協調的。大數據所賴以存在的語義網，就是一個自下而上涌現生成意義，在分散的節點間自適應與他適應的網絡。

隨著具有語義網特征的數據基礎設施和數據資源發展起來，組織的變革就越來越顯得不可避免。大數據將推動網絡結構產生無組織的組織力量。最先反映這種結構特點的，是各種各樣去中心化的WEB2.0應用，如RSS、維基、博客等。這些變化，一開始不易為人們理解。例如，人們經常不明白碎片化是怎么回事。事實上，碎片化是意義存在的狀態。意義只有呆在適合自己的結構中，才得以呈現。人們容易忽略這是一種讓組織變得更加智慧的力量。例如，面向WEB2.0化的客戶關系，如果處理不好，是一種極大的挑戰。因為一個能量極大的未知節點可以給組織帶來拉登、郭美美一級的毀滅性打擊，《公眾風潮》就是對這種挑戰的描述。相反，如果象同一作者所寫《創新推動者》那樣，使關于客戶關系的組織決策碎片化，會使企業低成本地響應分散化的風險，避開網上客戶無組織的組織力量的打擊。因為大數據可以建立一條意義通道，使生產者與賦予企業意義的消費者建立一種多元化的聯系，使產消雙方產生一種象魚水關系那樣的無間隔的互動，從而從源頭上獲得更多的智慧。

大數據通過追隨意義而獲得智慧，這是它可以擺脫因追隨價值帶來的被動的根本原因。因為價值是組織化的，意義是無組織的，無組織的組織力量本質上就是利用意義來控制價值的力量。

企業價值生成方式發生變化

大數據將帶來的另一個始料未及的變革性影響，是將使數據業務成為各行各業的主營業務，從而改變各行各業的業態。換句話來說，決策本身會發展成為一種主營業務。各行各業數據業務的主營化，有一些共同的規律，與大數據內在相關。它們都伴隨著業務轉型，從因大為美，轉向因小而美：從集中但贏利越來越薄的大企業服務，轉向分散但高價值的最終消費者服務。大數據的優勢，正在這個方面。通過大數據，可以實現以往做不到的低成本洞察高差異的客戶，在去中心的互動中貼近2.0化的客戶。

電信業、金融業、流通業是數據業務主營化最先成形的產業。例如電信業原有主營業務是語音業務，但騰訊的數據業務占到76%以上，只用幾年就以500億美元市值超過了聯通和中國電信，帶動了行業的主營業務重心的從語音向數據的轉移。未來各行各業幾乎無一例外，都會冒出本行業各種各樣的“騰訊”來；而原有的巨頭都將成為各行各業的“聯通”和“中國電信”。這種挑戰從另一面看，就是完全的機遇，這種機遇一般屬于12歲至22歲的未婚青年，一不靠老子，二不靠刀子，三不靠裙子，只靠大數據，10年賺100億，而且陽光致富。

大數據時代的組織決策

一是決策從后臺向前端轉移，要把握后端決策與前端決策的平衡。大數據時代的組織決策朝向的方向是人單合一，即生產者與消費者的融合（錢皮又稱之為“合工”，與分工相對）。由于要對分散的、需求多變的消費者進行隨時隨地的響應，過多依賴后臺決策，難以即時響應市場變化，為此就要把決策從后臺向前端轉移，例如向位于“人單合一”前沿的客戶關系人員充分授權。海爾采取的組織決策就鮮明的具有這種特點。

當然，決策前移后，要把握后端決策與前端決策的平衡。一般來說，一線員工對當面市場的響應靈敏是優勢，但一線員工對市場全局和未來趨勢未必能很好判斷，這就需要后臺決策，包括研發部門，提供服務。這種服務甚至需要社會化、外包，形成分析即服務（AaaS）產業。例如數據挖掘、數據分析、數據咨詢等產業，以及一切以大數據為基礎的高附加值的創造性服務。

二是決策從集中向分散轉移，要把握集中決策與分散決策的平衡。人們對大數據決策容易有一種誤解，以為就是數據大集中的決策。這是傳統集中控制思維方式運用到分布式計算條件下常有的慣性。海爾的決策模式強調“群龍無首”。因為如果調動起每個自主經營體的主動性，使人人成為自己的CEO，這些一線員工就會進行分散CEO式的決策，沒必要事無巨細非得通過龍首來決策。為此海爾用戰略損益表等制度，進行戰略性的價值管理，使每個員工在決策時，可以按企業的戰略利益來權衡當前的形勢，達到比集中式決策更優越的決策效果，其最高境界，就是企業無為而治。

事實上，大數據決策應是集中決策與分散決策的結合。共性的問題適合集中決策，個性的問題適合分散決策。而且二者不一定是對立的關系。例如，一線員工的分散決策，也需要并且可以調用數據中心的分析資源和計算能力；數據中心的決策，也需要與員工的本地數據，甚至客戶的本地數據進行錨定和關聯。按美國最新的情境定價理論，在一對一的營銷中，產品和服務定價這種最關鍵的決策，可能要依靠用戶本地數據（如手機中的數據）的參與，通過與數據中心數據的即時匹配來完成。用戶數據參與決策將成為分散化決策的一個趨勢。

三是決策從價值向意義轉移，要把握理性選擇與感性選擇的平衡。受傳統思維定式干擾產生的另一個誤解，就是以為大數據決策就是事事用數據說話，排斥直覺判斷和感性判斷。固然大數據會使理性選擇在決策中更為專業，并形成產業化的空前發展，但這只是大數據發展初級階段的特征。當大數據發展到高級階段后，它將回到自己的本性，也就是圖靈當年指出的人工智能的理性與感性平衡的更高階段發展。在大數據發展的初級階段，人們通常沿襲理性派的思維，通過數據大來把握人的個性。理論上典型的代表人物就是巴拉巴西。認為人的隨意之舉也可以被完全預測，人的行為93%都可預測。

但是，人的自由意志哪怕只占7%，仍是數學算法無法窮舉的。從意義分析觀點看，人的潛意識、夢想、情感等高價值的數據，靠機器算法本身是難以全面把握的，這既不是數據量不夠大，也不是算法不夠優化，恰恰在于理性算法的盲區上。例如，Facebook倚重的人際算法（人看人，看對了眼，計算量并不大，但卻可能是精準的），就補在理性大數據的盲區上。在大數據的高級發展階段，直覺判斷和感性選擇，將成為比理性計算更高級的計算模式。因此，企業在借助大數據進行決策時，從長遠觀點看，要定位于體驗——也就是意義決策——充分發揮大數據在面向高附加值的藝術、情感等體驗領域的決策支持作用。在IT業，科學的賺小錢，而科學與藝術平衡的喬布斯賺大錢，就是現世的證明。

四是把握精英決策與草根決策的平衡。傳統決策模式是精英決策，大數據不僅可以支持精英決策，它最獨特之處，在于可以支持草根決策。精英決策的基礎是優化，但以優化為核心的決策有兩大盲區，一是無法對策“人算不如天算”型的問題，如復雜系統問題，非常規的問題等等；二是難以應對效率不經濟類型的問題，如個性化問題。生物進化的歷史告訴我們，對上述兩類問題最有效的決策方式，就是生物多樣性決策。草根決策由于不依賴優化，排斥“英雄所見略同”，恰恰保持了精英決策過濾掉的核心競爭力，也就是解決方案多樣性。大數據靠分布式計算模式，可以把分散在各個節點上的草根的智慧匯集起來，形成臭皮匠反而勝過諸葛亮的決策效果。

大數據發展起來后，決策將形成精英與草根決策的互補：簡單系統問題歸精英決策，例如通過簡化，可以找到規律的問題，由精英進行數據分析來決策；復雜系統問題歸草根決策，例如無法簡化，也找不到規律的問題，可以采用眾包方式來解決。

用好大數據，需要培養“大數據思維”

大數據思維如果聚焦到一個點上，我把它歸結為意義導向型的思維。培養這種思維的關鍵，是要把思維方式從價值導向，轉型為意義導向。我在《新文明論概略》中，用上下卷70萬字討論的核心，就是這種思維方式的原理。

對于不想從哲學（或“道”）上弄明白的組織領導者和管理者來說，我們可以把“大數據思維”簡化地理解為基業常青式思維?；鶚I常青講的是堅持企業核心價值觀不變，其它一切稟賦都可隨時隨地因環境而變。前者是目的，后者是手段。傳統的企業思維方式是價值導向的，就是一切圍繞手段，整天想的是如何實現價值，難以避免的錯誤經常是為了價值而犧牲了意義，因企業核心價值觀（做事的宗旨）不正，因而最終傷及企業價值；“大數據思維”相當于圍繞企業核心價值觀的思維，通過將意義專業化，讓企業的一切價值活動，都專業化地聚焦于是否有意義，從而保證企業的基礎性價值活動不偏離做事的宗旨。

“大數據思維”的養成，需要修煉。與一般企業家的修煉不同，它不是停留在企業家個人的頭腦中，而且要變成一種企業文化，甚至變成利益相關者的共識。為此，它不可能是小生產個人化的，而是一種思維工程，按網絡智慧的方式來培育。