组织如何打造好的大数据应用体系

张靖笙

     我们说，要释放大数据的价值，唯有靠创新和变革，新创互联网企业没有历史包袱，为革命而生，而传统企业之所以传统，就是其创新的基础不是白纸一张，传统积累下来的家底不是说舍就可以舍的，在传承的基础上实现创新，其难度有些像把一幢砖木混合结构的房子在不搬走住户的前提下改造成钢筋混凝土结构一样困难，牵一发而动全身是必然的，在这种情况下，生搬硬套互联网企业的经验是根本行不通的，必须根据本企业实际发展阶段因地制宜地发展大数据应用体系。

      笔者这个所谓的“大数据专家”其实也是从传统的企业信息化转型过来的，我二十多年的工作经历绝大部分也是在传统企业，即使IBM这样的信息技术领导组织，虽然诞生以来一百多年里已经成功转型了许多次，与新创互联网公司相比，其组织基因也还是非常传统的，虽然我没有搞过互联网公司的大数据项目，不过从上世纪九十年代末，我就开始从事以针对领导的经营分析和决策支持需求的数据仓库与商业智能方面的项目，在数据分析与应用方面还是有很大渊源的。

       而谈到大数据应用，我觉得很多人还是有一个极大的误会，就是直接等同理解为大数据分析和让数据说话，而组织为什么要用大数据? 用什么大数据？什么人用？怎么用？解决什么问题？创造什么机会？这一连串问题，大数据分析论者往往无法给出有针对性和令人信服的回答，而我认为数据分析只是其中一种数据应用场景而已，如果说很多组织连一开始为什么要用大数据的动机都没搞清楚，又能提出什么好的大数据应用需求呢？所以很多大数据项目往往目标都很宽泛和高远，可惜大多数是为大数据而分析，虽然能给出一些貌似很高深的数据分析模型和算法，也能罗列出一些技术上的新鲜亮点，我们可以看到各式各样很花销的数据可视化展现界面，可是连解决什么具体问题，具体怎么解决问题，怎么验证效果都无法自圆其说，这些让大数据说话的应用能不能产生落地效果，产生多大价值，是有很大疑问的。

       有些人可能会列举一些快速成长为独角兽的互联网企业为大数据应用的成功榜样，没错，这些互联网企业肯定是用互联网大数据的，而且的确通过互联网聚合的用户粉丝社群和大数据资源，通过一些羊毛出在狗身上驴埋单的盈利模式创新掌控了大量的资金和市场资源，然而从整体数量上，这样的互联网企业还是只占市场产业版图很少的比例，当前中国市场生产者主体占绝大部分的还是传统实体经济企业，特别是中小微企业，为数达到几千万，提供了大量的就业岗位，所以这些企业的发展前途、生死存亡直接关系到我们的国计民生，如何帮助这些占大多数的传统实体经济企业在这场大数据革命中完成脱胎换骨的转型，具有很迫切的现实意义。

       既然传统企业的创新是在继承上的创新，所以按照工业大数据的思路，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术加以应用。以产品数据为核心，在完成两化融合任务的基础上，通过互联网+逐步延展传统工业数据范围，用数据需求来推动产业转型升级，同时推动大数据相关技术和应用的发展，这是一条比较适合传统企业的大数据应用发展的道路。

       从组织的角度，大数据应用是围绕组织所掌握的大数据资源来建构的，要把大数据中所蕴含的价值得以挖掘和展现需要运用一系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。而在现实中，做这些工作投入是不菲的，对大数据的投资不但成本大，往往还不能立竿见影带来经济回报，所以我们要先搞清楚组织到底为什么要用大数据？这个原因有两方面：

      一方面是精益的要求，智能制造的模式就是在不确定的情况下，争取用最少的物质成本完成生产目标，信息是哪些被浪费的物质的替代品，我们更多使用信息，就能减少物质的损耗，有数据的支撑，数据驱动取代传统组织的行政主导，持续的优化通过数据才能在组织内建立普遍的共识，精益生产的理念落地才有一个可以度量的准则。

       另外一方面是创新的要求，创新需要有新的知识和信息，大数据应用本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息，从而促进传统企业的产品创新、提升经营水平和生产运作效率以及拓展新型商业模式。

      新工业革命中产品的生产过程既要精益，又要创新，而两者都离不开组织对大数据资源的积累和运用，为什么要用大数据？解决什么问题？创造什么机会？从精益和创新两个方面都能给出很明确的回答。

接下来要解决的是用什么大数据的问题。从这个角度，传统企业的主要数据来源不可能都从互联网来，参考工业大数据定义的主要来源有三类：

第一类是生产经营相关业务数据。主要来自传统企业信息化范围，被收集存储在企业信息系统内部，包括传统工业设计和制造类软件、企业资源计划（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）、客户关系管理（CRM）和环境管理系统（EMS）等。通过这些企业信息系统已累计大量的产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据。作为实体企业，这些数据资产必然是传统大工业领域在物理空间的生产活动过程中积累起来的，在移动互联网等新技术应用环境下正在逐步扩大范围。

第二类是运用各种传感器和物联网技术，在各项生产设备实时采集回来的物联数据，生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此类数据是工业大数据新的、增长最快的来源。

第三类是指与工业企业生产活动和产品相关的企业互联网来源的外部数据，随着跨界融合的商业模式创新越来越普遍，越来越多外部数据的企业生产的影响越来越大，而这些数据和前两类数据最大的区别在于，企业并不能有效控制这些数据的质量，给应用效果带来很大的不确定性。

     所以用什么大数据这个问题，对于传统企业来说，必须结合什么人用和怎么用来统筹考虑。什么人用什么大数据，用这些大数据做什么事情，这就构成了大数据应用的具体场景，唯有把这些具体的场景弄清楚了，大数据应用的价值也才能被看的清清楚楚，才能得到一些切实可以落地的有价值的成果。

      如何建构这些具体的大数据应用场景呢？笔者在实战经验中逐步探索了一套在商言数的方法体系，为什么要在商言数呢？笔者就是为了针对当前很多大数据应用项目从单纯技术的角度出发，为大数据而大数据的错误倾向提出的。唯技术论的人，过渡迷信数据和算法，认为大数据无所不能，但往往数据挖掘的算法又成了一个很难对外解释清楚的技术黑匣子，除了在一些很特定的条件下能展露一些玄妙功效之外，并不能雪中送炭地解决当前大多数传统企业转型的难题。而从商业模式分析中，根据企业的实际发展水平和发展问题瓶颈，以实现精益和创新的目标建构各种大数据应用场景，这样的大数据应用才能对上承接企业创新与变革的目标，向下推动生产效率的提升，从而有持续的生命力。

      笔者从业二十多年以来一直实战于各种类型的信息化项目，特别是近十年做组织信息化战略规划和项目管理咨询工作，每年参与评审和论证大量的各种类型的组织信息化项目，接触大量的一线需求文档，但我发现有一个很大的通病，就是大量的需求陈述很像处方中各种药品的功效说明，这种药哪种药治什么的、用法和用量，但是对于需求的源头，疾病的成因和病情分析恰恰表达得很含糊，所以很多需求的陈述并不能完整和准确地体现项目的建设目标。

      回到大数据应用的建设项目，虽然人工智能的身影越来越多，而目前组织绝大部分工作，还是要靠人来完成的，所以大部分的大数据应用场景，还是支撑人完成组织内的各项工作，人在工作中使用数据的根本目的还是为了解决问题做出决策，数据的需求是和决策的类型和场景相关的，

我们必须先分析数据的用户是怎么做决策的。菲尔.罗森维在《哈佛商业评论》发表的《四型决策，战略蓝图》，指出任何决策的区分主要表现在两方面。

一是可控性，即决策者能否改变选择的内容与结果。例如，在面临选择时，我们是只能被动挑选，还是可以改变选择内容？我们做出的判断是一次性的且无法控制后果，还是在做出决策后能在一定程度上影响结果？

二是决策结果的衡量标准，即决策的成功是否与竞争对手有关。例如，我们的目标是出色完成任务，还是需要比他人更胜一筹？换言之，结果是相对还是绝对的？

组织的决策的区分还涉及很多方面。一些是个人决策，一些是由组织领导者做出的决策；一些是一次性判断，一些是连续性决策——当下的判断将影响未来的决策。但是区分决策的最关键因素仍然是可控性和决策结果。结合两者，我们可以把决策分为四种类型：

 第一型，判断和选择型决策：从候选行动方案中选择一个，执行决策后就无法再控制后果，就像考试做判断题或者选择题，决策后的结果要么对，要么错；而且行动后果与他人无关。

第二型，生产型决策：做出决策在于设定行动目标而不是被动选择一个不可控的后果，决策后还需要经过努力的行动才能得到最后的结果，努力的程度能在一定程度上影响后果。而且这类型决策的行动后果与他人无关。

 第三型，竞争性决策：为了获得比他们更好的结果而对候选行动方案做出判断或者选择，因此在决策前要推算对手的行动，但是做出选择后也无法再控制，结果要么比对手好，要么比对手差，就像下棋等博弈类游戏。

 第四型，开拓型决策：为了获得比对手更好的结果而做出决策后，还需要积极推动结果胜过对手。

    既然人类决策还是组织管理行为的核心，目前任何一个大数据应用的场景，无非就是如何有效支撑上面四种决策类型中的一种或者多种而已，从这个角度，再来比对当前各种数据技术的应用形态，下面笔者给出一个不同层次数据应用和相关技术。

    我们先要了解数据、信息、知识、决策这四个互相交织但却并不相同的概念，这里我们给一个直观的小例子，例如1.85是一个数据，而赋予了有价值的含义解释，例如奥巴马身高1.85，这个数据才能成为被人理解的信息；从大量的个别信息中提炼出一些规律性的信息，例如“大部分黑人的身高在一米八五左右”，那么这个规律性的信息描述可以看成一种知识陈述；如果正好有组织需要用到这个知识来做出相关的决策，例如一个以北美男性黑人服装消费者为目标市场的生产企业，决定服装的中码尺寸的时候就要以这个知识作为决策的依据，运用知识做出正确的决策是一种智慧的体现。

     顺着这个思路，我们可以和前文罗森维提出的决策类型做一个直接的映射。

 第一型，判断和选择型决策：与决策相关的数据和预设的判断标准自动比对，是什么就决定怎么做，数据决定行动。

第二型，生产型决策：行动过程中决策者需要根据从数据中获得的信息不断调整下一步行动，以争取最好的结果。

 第三型，竞争性决策：需要同时了解企业自身和竞争对手的信息，还要在规律的掌握基础上做出胜过竞争对手的决策。

 第四型，开拓型决策：开拓型决策属于战略层面的思考，需要整合数据、信息、知识而成情报供决策者参考，决策者也需要有选出可能最好行动方向的智慧。

     大家对这个逻辑很清晰的情况下，我们就可以把大数据应用的需求回归到组织问题的本身，就是到底什么人负责做出什么决策这个问题上，其实不管有没有数据的支撑，只要有组织，这个问题就一直是管理的一个巨大困扰，所谓一统就死一放就乱是这个问题的两个极端表现，组织是人组成的，有组织的生产关系还是组织内人和人之间的关系，生产关系说白了就是在商言商的关系，所谓的在商言商其实就是说生产关系要兼顾各参与方各自的利益诉求，产品在商业模式中是一种价值主张，理想的生产关系是利益相关方对于这种价值主张建立共识之后所形成和维系的人际关系，就是产消融合，需求生产和消费一体化的关系，这样的生产是没有浪费的生产，是满足各方需求的生产。

      互联网之前的稀缺经济学年代，共识其实是不明显的，毕竟生产力还不能满足消费者的物质需求，资本主义所建立的大规模生产方式强调的是效率，通过规模降低成本，挣取更大的利润空间，传统大工业时代是以交易为目标的生产关系，决定生产决策的是资本对利润的追逐，而非各方参与者的共识，消费侧的物欲和供给侧的利润欲其实带来很多供需关系的扭曲，相互视为博弈的对手，由于信任和技术的不足，信息不对称的市场造成了很多物质资源和劳动时间的浪费，当然也造成了财富分配的不公平，不公平也造成了人性上的割裂和扭曲，为了实现和维护我们在组织生产关系中的私人利益，我们常常在工作中遇到的种种遗憾，往往是所愿非所为，所能非所愿或者所做非所能这样一种错位带来的心理不平衡，这种心理不平衡造成的痛苦其实远远超过对物质稀缺的不满。

      互联网经济是丰饶经济学和共享经济，所谓的丰饶我认为也不是非要生产多么多的物质产品，而是刚刚好的生产，一种“够了”的生产，互联网共享经济的产消融合生产关系，不用再追求更高、更快、更强这种资本主义唯增长不经济的价值方向，而是追求刚刚好，就是生产的利益各方达到某种程度上，会说“够了”这样一种共识，在这种情况下，人的创造力才能得到无穷的自由释放，才能做他或她能力范围内而且喜欢的工作，新的生产关系不再是追逐财富的单边增长，而是追求生产关系中共同的快感，共同的快乐。

       第四次工业革命是把消费者加入到生产关系的一次巨大产业变革，表面上，通过互联网，新工业革命形成的产消融合的生产方式让生产组织要处理的各种关系越来越广泛和复杂，互联网能流转的只有数据，所以这种生产关系也肯定是要围绕数据的传递和处理来维持了，表面上当然也是用互联网大数据为代表的新信息技术让各种内外部生产要素、能力与资源通过互联网实现业务一体化运作这个技术层面的问题。如果我们从生产关系的角度想深一层，其实这是建构一个更伟大人类社会的巨大时代变革的前奏，今天互联网大数据加上区块链已经让我们极其接近这个社会底层的构造，用大数据技术的手段确保所有陌生人一次就建立信任，数据成为价值共识最有力的保证和载体，也因此把人类经济社会从实体+金融带入价值网络+数融，每一个人都可以参与其中，都可以适当地在价值交流、互换、流动的过程中，享受到价值创造的当下快乐的这样一种氛围。

       从这个角度来诠释笔者提出的在商言数就非常恰当了，实现网络经济商业模式的本质就是在商言数，数据不仅仅是生产活动中一种生产要素资源，还是新生产关系中体现价值共识的载体，必须从生产力和生产关系两个方面都考虑到数据的地位才能建构出合适的商业模式，再反过来勾勒出各种具体的生产和商业活动中的大数据应用场景。这好像有些绕，但新的商业逻辑的确如此。

     好，对应商业模式产品、客户、业务平台、盈利模式四个方面商业动机要素，我们可以给出对应的数据支撑的要求，以我来指称一个生产组织法人：

ü  对于业务平台来说，我希望能自动化运作，哪些日常事务判断和选择型决策最好不要靠自然人了，该怎么办就怎么办，数据驱动让机器取代人的岗位；

ü  对于产品来说，我要让消费者（用户）完全明白和认同我产品的价值主张，我也要根据实际需求来决定要生产多少就“够了”，数据建立共识，信息驱动生产决策；

ü  对于客户来说，我为了要赢得消费者，让消费者选择我的产品，需要运用知识做出比竞争者更符合用户体验需求的决策；

ü  对于盈利模式，我要琢磨怎么才能把生意价值网络的范围扩得更大，让生意创造更多的财富。

因此，组织打造大数据应用体系，必须结合不同层次的商业动机来创设应用场景和对应技术解决方案，构成了下面这样一个高度匹配商业模式设计的组织大数据应用金字塔模型。

      如笔者前面的文章中提到的，商业模式是任何一种经济组织都应该做的战略性思考，这和组织规模大小是没关系的，笔者有朋友是经营实体店的，他觉得我张口闭口商业模式太理论化了，认为他的小店用不上这种大道道，而正是这种战略意识的缺失，用战术上的勤奋掩盖战略的懒惰，他虽然也曾一度经历过突然而来的门店生意井喷的好风光，但由于缺乏把经验萃取形成可复制的商业模式加以推广的策略，管理水平也没跟上，不但生意没能乘势而上，现在又陷入了艰难维持的被动局面，所以制约生意的，其实不是资金资本资源这样一些外部要素，反而是决策者的思维方式和习惯这样一些内在的格局，我们学会商业模式的思维，其实就是一种生意格局的修炼方法。对于技术人员来说，学会从商业的角度建构大数据具体的应用场景，才能真正认识和释放大数据的价值。

      当然，即使商业模式具有可复制性，可是所有组织都有其独特的成长经历，其发展也都会有一些独特不可复制的基础条件和环境要素，虽然商业模式的思考是上接战略的，而落地商业模式到具体生产经营活动的各种数据支撑和应用场景则需要解决具体的业务问题和推动生产力效率的提升，所以商业模式分析的粒度是远远不能支撑数据用户使用场景和详细设计的粒度的，例如用建一幢摩天大楼做比喻，商业模式分析所代表的是大楼的建设理念和顶层架构，包括什么组成部分和组成部分之间的关系这样一个顶层逻辑，可以看成是建筑蓝图。而要把这幢大楼建设出来，则还需要有各种详细的工程设计、施工预算和计划等工作，这些都是要结合每个组织的实际情况进行具体的需求分析的，这明显已经超出了本文所论述的范围。

     最后，从目标层面，结合笔者最近的评审工作经验，笔者提出几个关于好的大数据应用项目的评价标准供大家参考：

一是场景能说清楚，什么人用什么数据和怎么用的，这个要交代清楚，涉及到的数据模型也不能搞成一个让人无法理解的技术黑匣子，起码把原理要交代清楚；

二是目标有新价值，既然是做大数据应用，目标就要指向推动组织的创新与变革，这是和传统企业信息化很不一样的目标定位；

三是思维有新启发，大数据首先是一种新的思维方式，然后才带来新的商业模式和战略考量，再接下来才到具体技术手段的运用；

四是落地有新成果，再好的概念还是要能够落地的，能够让人看到实实在在的成果，让组织看到实实在在的改变。

     当然，今天我们还处于大数据时代的起步期，我们当然呼吁有更多革命性的大数据应用场景可以涌现出来，不过如果能推动大用数据的项目也是值得鼓励和肯定的。

（本稿完成与2018年9月29日，如需要引用，请注明出处）