第一章 大数据时代的企业战略目标
1.1 知识、价值创造和商务模式
在企业大数据目标的设定中,最重要的必然是通过合理的分析获取新的知识,这种新知识应该服务于企业的长期目标,在此条件下实现企业的基本目标。在这个抽象层面上,大数据无疑可以适应其他战略主题。但是人们可以深入其中一个层面,关注“市场”“销售”或者“产品和创新”各个领域,以此来区分对于大数据不同的要求或期望,同时也弄清这个主题下企业的潜力。
在此,我们需要说到“完整性”,大数据创新必定会有信息技术的参与;我们将在之后的章节中研究商业和信息技术之间必不可少的相互协调关系,特别是在大数据背景与新的特定框架条件下。在此,一个彻底的程序性观点必须置于首位。
现在,有特殊意义的重要知识方面的数据转变正进行着这样一个过程,其结构在商业智能领域是众所周知的,但是为了适应不断变化的框架条件,必须在几个大数据的特定领域普及这个过程。最后所有的活动会产生一个循环,但是所有的活动应当不断优化,并且随着时间产生增值,因为单个措施的成果会一并回到出发点并且在新的活动中引起人们的重视。
现在在大数据背景下——就像我们将在第八章中讨论的那样——数据和分析成果解读将会接踵而至。相比于商业智能,在这些不起眼的词背后,还隐藏着大数据一系列新的层面。在所有活动的目的之上当然一直存在着一个终极目标,即从数据信息中产生新的、具有重要意义的知识,并最终产生新创造的价值和商务模式,甚至产生新的社会。在这个过程中,其问题和目标以及由此产生的能用于一定数据储量的分析模式,会由于专业领域的不同、需求者的层次不同以及时间的不同而发生变化,这是必经之路。
提示:
分析模式的定义和成果阐释以及行动建议固然是商业智能的重要组成部分,但在大数据背景下,创造力在分析模式的定义和解读分析成果中具有广泛而深远的意义。
1.2 分析型市场竞争者
在大数据时代,企业的目标必然是使自己成为一个分析型市场的竞争者。那么,这意味着什么?
具备通过数据分析产生竞争优势的能力将是一个企业成功的重要因素,这一点在一些行业中已然成为事实,特别是在一些商务模式几乎仅仅以数据处理为基础的企业,上述能力将完全关乎企业的命运。为了产生与商务相关的、有效的增值,这些企业在有效数据分析上进行竞争。
未来的市场将由这些企业主宰,他们可以通过有效的数据分析支撑企业策略,设计新的价值创造方式、商务模式以及市场策略,并使其在大数据循环中适用于企业策略。换句话说,商务将会不断加速,并向企业的适应能力提出更高要求。在这样的情况下,为了跟上发展的步伐,企业必须成为有分析能力的市场竞争者。
但如果能够为每一个关键时刻提供必要的数据,短时间内产生新的市场分析并将其引导和转化为新的措施,企业必须及时作出每一个调整。这些分析并非那些人们轻点鼠标就可以获得的传统的、静态的报告,而是针对一个动态的过程,在这个过程中,跨学科的团队为了获得新的知识而进行“轻松的研究”,因为这些新的知识是不能通过传统的方法引导出来的。
在这个过程中,为了能发掘潜能,参与者的创造性和能够进行试验的自由空间显得尤为重要。企业文化也必须兼收并蓄,与所有参与者的意愿相结合,给予他们私人空间,使参与者们敢于接受新的行为和思想模式,并且敢于对现有的组织架构提出质疑。
换言之,想要成为具有分析能力的市场竞争者的企业,必须有接受持续改变的意愿。如果企业一味遵循原有的模式,不对其进行任何改变,那么想要实现大数据的相关目标,想要成为有分析能力的市场竞争者是根本不可能的。只有像那些大型的美国企业,通过数据分析产生新的商务模式,才是唯一出路。企业要想成为具有分析能力的市场竞争者,必须进行自我批判,关注企业内部的条件是否有利于企业成功。那种“希望一切都越来越好,但是一切都保持不变”的要求在大数据背景下早就已经是天方夜谭了。
企业在走向具有分析能力的市场竞争者转变道路的同时也卷入了一场竞争,只有已经在一定范围内做好了接受新的思维出发点和新的合作模式的企业才能在这场竞争中获胜,这是一场人才的竞争。上面提及的跨学科团队需要各个领域的专家,例如编程人员,数学家和统计学家,这些人最好是敢于创新的人,特别是能够将个人特质带入这个团队的人,因为他们能够联系企业的宏观考虑并且能够在团队讨论时提出新的看法。
此外,团队还需要积极创新的人,对于积极创新的人来说,用原来已经用过一次的方法来解决新出现的问题,显得十分过时。
他们迫切地希望用自己的知识、创造性和热情解决下一个问题,并且希望在一个相互影响的团队中创造出新的可能性。他们善于交际,能将复杂的问题清晰合理地表达出来。“大数据科学家们”必须将自己的工作视为一种尽情享受自己专业能力和个人天赋的方式,而且不应该被现有的控制程序和规则所阻碍,他们永远可以使用最先进的设备。虽然“大数据科学家”具备很强的社会竞争力,但他们绝不会表现出明星做派,只是主动地成为时代变化
的主角。
对这些“大数据分析专家”“大数据科学家”的形象描述当然是有意夸大的,通过这种方式至少是想表达对于大数据团队与其成员的一个基本要求。对于企业来说,这些工作者的寻求方式和领导方式是比较特殊的,这种方式在如今的许多企业中都是不符合标准的。
基于上述观点,我们强烈推荐托马斯·H. 达文波特 (Thomas H.Davenport) 和帕蒂尔的《数据科学家:21 世纪最性感的工作》一文,两位作家在文章中都特别提到,企业决策者必须先在企业内部进行说服教育工作,改变企业内部反对引入大数据专家的情况。例如网络平台领英(LinkedIn):乔森纳·高盛(Jonathan Goldman)在 2006 年进入领英工作时就提出了这个意见【参见:达文波特(Davenport)、帕蒂尔(Patil 2012)】,很快领英的管理层就批准将高盛的观点通过例外处理来实现,而非普遍应用于软件发布周期,这一点非常重要。 高盛的方法被采用之后,领英才发展成为我们今天所熟知的社交媒体。我们应当以平常心对待上文提到的“大数据科学家”的特殊地位,和其他团队一样,大数据团队也是成果导向性的。值得关注的是,由于被给予了很大的自由空间和舒适的条件,大数据团队所承受的交付压力也是巨大的。如果经过一段特定的时间仍然没有任何成果,大数据团队很快就会解散,消息也会很快在行业内流传。因此绝不能放任大数据团队自生自灭,至少应该根据当时的需求使现有的专家关心生产,以此达到管理大数据团队的目的。
这对于一个有丰富经历,习惯自由,有高超敏锐的鉴别力、通感力、鉴定力和执行力的人来说是一个巨大的挑战。与此同时,团队中的每个人还需要不断地坚实中期和长期目标,以保证在遇到短期的成本效益方面的问题时没有后顾之忧。
关于大数据中的变革和沟通管理,我们将在第三章中论及。
至于企业在运作和组织过程中如何与大数据相关联,我们将在第七章和第八章中详述。
1.3 制信息权和解释权
那些已经成为具有分析能力的竞争者的企业在这个层面上又进入了一个新的竞赛,首先是“制信息权”,然后下一步是与数据、信息和话题相关的“解释权”,最后是寻找一个可信赖的、可提供分析和预测服务的供应商,为公司的内外决策提供基础。
企业之间的竞争,可以通过以下几个问题来区分企业成为具有分析能力的竞争者的成熟程度:
提示:
此处提到的“解释权”竞争是指企业之前的解释权竞争。
关于企业内部的解释权竞争我们将在第八章中详述。
1. 哪些企业在某一特定领域拥有绝对的相关数据占有量?
2. 哪些企业具备将数据转化为正确的信息和知识,并将这些知识正确的表达出来的能力?
3. 哪些企业具备支撑决策(比如国家范围的决策)的能力?
接下来,我们要举一个例子,虽然,这个例子只适用在公共领域业已举足轻重的大公司,但是这个例子也适合梳理出企业内部的相互关系,这个相互关系也涉及对由专业部门传输给特定团队的信息的内部分析。
例子:
一家大型搜索引擎企业确定(其他大型搜索企业也同样如此)德国某个特定区域对于流感症状和流感药物的搜索数量高于全国平均水平,并且这个数量持续快速增长。这可能是一场流感开始的信号。
根据搜索数据,企业自然掌握了信息并且推断出,也许一场流感即将爆发,流感的初发地也被清楚掌握。这里的“可能”意味着人们暂时只停留在数据和信息层面。
从理论上讲,上面例子里的公司在得到数据后,应该在相关区域进行一场区域性保险公司的宣传活动,以此来提醒人们作出预防。接下来,应该以大数据科学家提出的这个问题确实和流感相关的论断为出发点,在全国大范围内采取措施之前,向有关人员转达消息并基于数据分析证实这个观点。
企业必须自己承担上述费用,但是在保证企业利益的同时也要保证不能有过高的错误率。为此统计学家会计算企业的错误率,因为错误率能够反映企业分析结果的真实性以及所做预测还有哪些不可确定性。这些错误率是最终分析结果的组成部分,分析结果中还会包含对结果可能性的预测,严格来说,单纯的分析是远远不够的。
……
展开