大數據時代的管理變革

暨南大學管理學院 王勁

隨著信息技術特別是信息通訊技術的發展，互聯網、社交網絡、移動互聯網、云計算等相繼進入人們的日常工作和生活中，全球數據信息量指數式爆炸增長。根據國際數據公司IDC的數據顯示，在2006年全世界的電子數據存儲量為18萬PB，而如今這個數字已經達到180萬PB，預計全球數據仍將以每年超過50%的速度高速增長，2015年全球的數據信息量會達到如天文數字般的800萬PB。每時每刻都有海量的數據產生，永不停息，無數的數據被收集、交換、分析和整合，如洪流一般注入世界經濟，成為全球各個經濟領域的重要組成部分，數據將和企業的固定資產、人力資源一樣，成為企業生產經營的基本要素。大數據所積蓄的價值將掀起一場商業模式和決策制定的管理變革。通過大數據對用戶行為進行分析，有助于企業在創新經營模式和技術時更加貼近消費者、深刻理解需求、高效分析信息并作出預判，從而改善企業自身經營水平、提升經營效率，這將是當今企業核心競爭力所在。面對“大數據”的挑戰，企業必須順勢而為，抓住時代發展的商業機會，在激烈的競爭中脫穎而出。

1 大數據的起源與定義

大數據的概念于近兩年興起并逐漸為人所熟知，但事實上這一概念早在20世紀60年代便已出現。上世紀60年代到80年代早期，企業在大型機上部署財務、銀行等關鍵應用系統，存儲介質包括磁盤、磁帶、光盤等。盡管當時人們稱其為大數據，但以今日的數據量來看，這些數據無疑是非常有限的。隨著PC的出現和應用增多，企業內部出現了很多以公文檔為主要形式的數據，包括Word、Excel文檔，以及后來出現的圖片、圖像、影像和音頻等。此時企業內部生產數據的已不僅是企業的財務人員，還包括大量的辦公人員，這極大地促進了數據量的增長。互聯網的興起則促成了數據量的第三次大規模增長，在互聯網的時代，幾乎全民都在制造數據。而與此同時，數據的形式也極其豐富，既有社交網絡、多媒體等應用所主動產生的數據，也有搜索引擎、網頁瀏覽等被動行為過程中被記錄、搜集的數據。時至今日，隨著移動互聯網、物聯網、云計算應用的進一步豐富，數據已呈指數級的增長，企業所處理的數據已經達到PB級，而全球每年所產生的數據量更是到了驚人的ZB級。

雖然大數據的概念在近兩年被熱炒，但業界仍未對其定義形成同一意見。Wiki對大數據的定義為：所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。研究咨詢機構Gartner給出的定義則是：“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。IBM公司把大數據概括為規模Volume快速Velocity和多樣Variety，即3V，而4V則是3V的基礎上多一個Value價值。具體來講，Volume指數據量極大并仍在持續增大；Velocity指所需的處理速度快，響應時間短；Variety指數據類型繁多，包括結構化數據、半結構化數據甚至是非結構化數據（以此區分大數據與海量數據兩個概念）；Value指價值密度低，以視頻為例，不間斷的監控錄像中，有用的數據長度可能僅有一兩秒。

2 大數據時代企業面臨的挑戰

2.1 數據：企業的核心競爭力

隨著全球性競爭的不斷深化，企業的地理優勢將淡化，各種國家和地區性的保護措施也在逐步取消，一項專利會很快地被模仿、復制、推廣，創新將越來越難。除去這些要素，企業還可以以“低成本、高效率”的方式來開展公司的業務，構建企業競爭的基礎，這種競爭，要求公司制定流線型的商務過程，各個過程之間實現無縫對接，并保證決策明智、正確，在競爭的過程中少犯錯誤，這要求企業廣泛推行以事實為基礎的決策方法，使用數據分析來優化運營，通過基于數據的優化和對接，挖掘業務流程和決策過程中的潛在價值，節約成本，在激烈的市場競爭中贏得一席之地。企業要依靠靠數據來驅動增長，因此數據顯然已經成為企業的核心競爭力。

2.2 大數據帶來的挑戰

在信息時代，面對不同來源數據交叉形成的大數據及其爆炸性的增長速度，企業管理者應充分挖掘其潛在的巨大商業價值，為企業帶來強大的競爭力。如何充分有效地利用大數據是企業面對的巨大挑戰。

2.2.1 整合多種類型的數據

隨著信息技術的迅猛發展，企業中的數據類型充斥著廣泛存在于社交網絡、物聯網、電子商務中的音頻、視頻、圖片、網絡日志等非結構化數據。統計數據顯示，企業中 85% 的數據都屬于非結構化數據。但是企業現有的數據處理方法往往僅適用于文本等結構化數據，無法將大量的半結構化數據、非結構化數據與結構化數據進行有效整合。

2.2.2 大數據信息孤島

IT在企業中的應用不斷深入，由于缺少規劃，企業中容易形成信息孤島：不同業務模塊的數據往往分布在不同的信息系統，而這些信息系統又搭載于不同的業務平臺，導致數據被割裂于單一業務平臺，無法得到有效利用；不同業務模塊間無法共享數據；僅對關鍵業務的數據進行收集、整合和利用，而忽視非關鍵業務的數據。孤島現象使不同業務模塊的數據無法進行交叉，繼而數據的外部性難以得到實現。

2.2.3 實時數據分析

經濟全球化的條件下，企業所處的環境也日新月異，企業需要快速處理海量的數據并有效進行實時分析，掌握運營狀態，迅速應對不斷變化的市場形勢。企業數據在無限量的增長，這些不斷變化的數據有待企業進行深入、全面地實時分析與挖掘。

2.2.4 數據驅動的決策制定

企業決策越來越受大數據的影響，基于數據分析的決策相比基于經驗和直覺的決策要更有助于企業管控風險。未來，大數據可能使決策制定過程發生根本性的改變。

IDC 發布的《中國大數據技術與服務市場2012-2016 年預測與分析》報告表明，該市場規模將會從2011年的7760 萬美元增長到2016 年的6.17 億美元，未來5 年的復合增長率達51.4%, 市場規模增長近7 倍。可見，大數據的影響力正急速蔓延，企業能否應對大數據帶來的挑戰，加強核心競爭力，是決定其未來發展成敗的關鍵因素。

3 企業管理的變革

大數據所蘊藏的巨大價值勢必將掀起一場商業模式和管理決策上的深刻變革，其影響力將滲入企業的每個細節，企業管理者應轉變思維，變革企業管理模式。大數據時代下的企業不僅要掌握更多更優質的數據，還要有足夠的領導力，先進的管理體系，才能在競爭中游刃有余。大數據對企業管理的變革將體現在以下方面。

3.1 清晰定義數據需求

有人認為大數據時代下，管理者的經驗、直覺和視野所起到的決定作用將日益減小，但恰恰相反的是，大數據時代所需要的商業領袖是那些能夠發現商機、開拓市場、有敏銳創新思維并說服員工投入其全新想法的領導者，能針對企業的眾多管理決策做出變革。

3.2 廣泛的實時用戶定制

大數據實現了用戶定制的質的飛躍，使得實時個性化成為可能。在大數據時代，個性化將顛覆一切傳統商業模式，成為未來商業發展的終極方向和新驅動力。大數據為個性化商業應用提供了充足的養分和可持續發展的沃土，如基于交叉融合后的可流轉性數據、全息可見的消費者個體行為與偏好數據等等，未來的商業可以通過研究分析這些數據精準挖掘每一位消費者不同的興趣與偏好，從而為他們提供專屬的個性化產品和服務。

3.3 數據技術人員的管理

大數據時代下，數據技術人員的價值將極為凸顯，其中最重要的莫過于能夠處理大數據的“數據科學家”。對于數據科學家來說，統計技術是必不可少的，但比統計技術更重要的是清理和組織大型數據的能力，因為大數據時代的數據格式往往是非結構化的。最好的數據科學家要能夠懂得“商業語言”，幫助管理者從數據的角度理解企業所面臨的挑戰。

3.4 數據跨職能跨部門的流動

高效的企業需要把信息和決策分配給不同的部門。大數據時代，企業應具有一個靈活的組織架構，最大化企業跨職能的合作。管理者需要為各部門的決策人員提供合適的數據和懂得相關技術的專家。同時，IT規劃與運維應得到管理者的足夠重視，健全的企業IT架構有助于解決孤島問題。

3.5 基于數據的運營與決策

大數據將催生由信息驅動的的商業模式，在企業的價值鏈中發揮中間作用，通過商業交易創建極具價值的“排出數據”；數據驅動的決策制定，利用可控實驗，企業能夠驗證假設、分析結果以指導投資決策及運作改變；利用大數據進一步提高算法和機器分析的作用，避免成本高昂的人工干預，節約成本，提高效益。

除此之外，大數據還會對企業的營銷、績效、人力等方面有深刻地影響。企業要抓住大數據時代的機遇，除了注重技術與人才的培養，還必須敢于變革，采用更為先進的管理模式，才能在信息時代蓬勃地發展。

4 結語

大數據時代的降臨已是勢不可擋，其中潛在的巨大價值勢必會掀起一場商業模式和管理決策的深刻變革。對于企業來說，大數據既是挑戰也是機遇，數據正日益成為企業的核心競爭力。面對挑戰，企業除了注重技術與人才，還必須轉換管理思維，變革管理模式，充分、有效地利用大數據，挖掘蘊含其中的附加價值，力求抓住機遇，在瞬息萬變的全球化經濟環境中贏得競爭，發展壯大。

[1] 涂子沛.大數據:正在到來的數據革命[J].廣西師范大學出版社,2012.

[2] 陳如明.大數據時代的挑戰、價值與應對策略[J].移動通信,2012.

[3] 孟小峰,慈祥.大數據管理:概念、技術與挑戰[J].計算機研究,2012.

[4] 金燁.Informatica但彬大數據帶來大挑戰[J].中國經濟和信息化,2012(04).

[5] 悠虎.商業智能成功融合大數據的10個步驟[J].網絡與信息,2012(03).

[6] Thomas H. Davenport,Jeanne G.Harris Competing on Analytics:The New Science of Winning.Harvard Business School Press,2007.