1704272339
1704272340
大数据这个概念的表述还是太模糊，涵盖了许多不同的产品和应用实例，在战略和实操决策层面都引起了一定程度的困惑。没有人能说清楚，在未来的5~10年，我们在企业经营中会用到哪些大数据分析方法。我们也不知道，到那时，我们使用哪些被大肆宣传的“秘密武器”时，会让我们不止一次地回想起“大数据”这个名词。此处有两个原因，一是大数据这个概念中的“大”不能用数量来衡量，二是对于多少数据量是容易或者不容易被运用的，判断过于主观。对有些企业来说，几Pb（10的15次方字节）的数据量就大得不可想象了，对另一些企业来说，处理Eb级的数据量（10的18次方字节）都很轻松。从我们在大数据的大部分商业应用领域的经验来看，企业能够处理的数据量的多寡，在决定某个企业能否达到“实际生产高峰期”阶段方面，是最不关键的因素。后续我们会对此进行更详细的分析，此时，我们大胆预测，在一段或长或短的时间之后，大数据这个概念在企业中将不仅仅作为一个高高在上的抽象化概念存在。
1704272341
1704272342
没有“大爆炸”的大数据
1704272343
1704272344
去年，我们从大企业和较大的中小企业的数据项目中获得了一些经验，在整合这些经验时，我们发现，在对大数据的认识和态度方面，存在如下自相矛盾的现象：
1704272345
1704272346
决策层越高，就越会涉及大数据这一概念，同时对大数据的期望值也越高。如果此时，首席执行官、董事或者战略决策部门还没有深入了解在他们的业务领域面临的最重要的数字化挑战是什么，他们对大数据的期望值还会更高。简而言之就是：
1704272347
1704272348
越是没有大数据应用经验，对大数据应用于企业管理的期望值就会越高，越会希望通过大数据的应用获得“多快好省”的收益。
1704272349
1704272350
这些期望主要是集中在能够借助大数据发掘出企业尚未涉足过的、全新的商业模式上。这种期望会在各种媒体报道的影响下越发强烈。比如媒体会报道：
1704272351
1704272352
1.早在客户意识到他们自己是多么迫切需要某样商品前，亚马逊就已经开始出售这些日常商品了。
1704272353
1704272354
2.由于有一定的大数据意识，在线影片租赁提供商网飞（Netflix）对那些观看连续剧成瘾的用户的欣赏偏好非常了解，网飞自己制作电视剧并且进行恰当的销售，例如凯文·史派西主演的《纸牌屋》。
1704272355
1704272356
3.未来汽车保险公司借助于全球定位系统数据，在“按里程付费模型”框架内核算出了保费收费标准，从而可以提供极具市场竞争力的优惠保险产品。
1704272357
1704272358
具体的表象往往还没有形成，例如这些基础性的经济领域技术创新在个别企业内是如何呈现的，等等。但是对大数据的基本态度已有定论，即数据为我们指明了方向。这不仅仅是效率的问题，还有实惠，因为现在信息技术的使用成本极低。这一点在去年与大数据相关的演讲中可以看出来。
1704272359
1704272360
另一方面，我们认识到，决策层级越低，大数据带来的失望情绪就越大，但是这种情绪多多少少都有所隐藏。这种情绪上的对立有多种原因。一方面，IT部门往往已经制定了工作方案，使企业可以更加有效地使用数据，但是方案在企业内部并未得到响应和贯彻。另一方面，如果公司将信息技术问题作为基础性工作来抓，那么原本相安无事的技术部门将陡然变为众矢之的，对于这一点，公司信息技术操作层面的负责人原则上是十分清楚的。随着信息技术的进步，IT部门意外地发现自己变成了影响公司决策的强有力的“刹车器”。在这方面，IT部门常用的话术是：“我们的系统不支持这个功能。”从IT部门的角度看，他们（这样说了以后）往往会是幸运的，不用再去为了公司的数字化快速发展做更多辛苦的努力，因为上层决策者往往会关注大数据应用所需的短期的、实际的、可预期的投入，有时对投入关注得越多，继续投入资源的热情便会有所减弱。当上层决策者们慢慢意识到，在他们的企业内必须进行哪些深入的改变，才可以借助数字化长效地发掘公司真正的市场潜力时，决策者们才会慢慢改变内心的抵触情绪，逐渐厘清认识。这里指的当然是，发掘自己公司的市场潜力，而不是别人的。
1704272361
1704272362
在一些大数据概念相对模糊的公司，常出现如下问题：决策层认识到了大数据分析是发掘新商业模式的一种可尝试的途径，同时他们对此寄予厚望。在项目中，他们很快意识到，数据确实是一种资源，可以在短期内，沿着企业本身的价值链——从组织生产、供应商管理、后勤保障、销售运营直到客户售后服务——去优化企业的核心业务。而后，人们不可避免地会将大数据的应用潜力与商业模式的持续优化联系起来。在排除其他并行的商业模式优化因素的情况下，人们尝试着去预估数据带来纯增量的潜力，结果是，在节省资源和增加销售额或者利润方面，大数据带来的纯贡献值是低于预期的。故而人们对没有带来惊喜的大数据就不再有兴趣了。
1704272363
1704272364
一次对企业影响深远的、致力于寻求数据驱动下优化解决方案的尝试，迅速将各种有经验的、熟悉企业文化的“反对者”引向了“雷区”：
1704272365
1704272366
1.必须开放数据库。通过利用运营数据，企业的业绩可能提升，但也可能降低。但遗憾的是，部门主管们对此持有很矛盾的心态，他们遵循的行为原则是，如果我从数据中获益则没问题，但是如果我没有获益，则无法接受。
1704272367
1704272368
2.数据技术的“恶魔”通常存在于细节中。小问题总是能演变成大问题，进而导致IT投入（尽管有IT行业的各种美好承诺）经常一路飙高，就如同柏林机场和易北河音乐厅在筹建时不断增加的预算一样。哪些处于职业上升期的领导会去冒这种风险？此外，让事情变得更困难的是，因为从商业角度出发数据应用似乎是值得期待的，故而数据库的经营管理人员的职权越来越大。在一个公司里，如果想投产一个创新性的客户数据应用，就需要对SQL（结构化查询语言）代码进行修改。谁能够估计出为此修改5000行SQL代码究竟有多复杂？肯定是实际操作修改的人。
1704272369
1704272370
3.内外部的数据保护者喜欢证明他们的存在权利。评估法律风险和突破法律方面的障碍不会给企业管理者带来任何乐趣，即便是在数据驱动下也一样。
1704272371
1704272372
4.应用分析工具所做出的预测并没有像软件销售商和咨询顾问宣称的那样令人信服。同时，在很多基于数据分析的优化项目中，在项目投产前往往有很好的预期，但是投产之后带来的短期实惠较少，项目投资收益少（沿着企业原本的价值链）导致公司资产收益率下降。
1704272373
1704272374
5.要更好地使用数据所面临的最大障碍不是机器设备，而是人员。更准确地说，是人力资源。智能的数据分析需要聪明的脑力。企业内部经常不具备这种人力资源或者这些人的工作量已经饱和，只能高薪从外部聘请，这时就会遇到普遍存在的困难，即控制预算。
1704272375
1704272376
总体而言，项目负责人和（或）财务预算人员如果想要推动项目进展，而项目本身需要应用大数据分析手段，那么他们最好还是马上做好与不断飞涨的预算做长期斗争的打算，预算飙升是很有可能发生的。短期内获得的分析结果是很有限的，可能远未达到预期，如果此时项目负责人想凭借这些分析结果将项目立项，这样的可能性微乎其微。企业首席执行官和董事们认为，企业战略规划的实施需要时间，企业在经历深刻的变革后，成为一个数据驱动下的市场竞争领先者——就像美国商业分析先驱托马斯·达文波特（Thomas Davenport）所说的“分析型竞争者”（Analytical Competitor）那样，至少需要5年的时间，也很有可能是10年。几乎没有首席执行官和董事们可以确定，到那时他们还是不是在担任现在的职务。与此同时，所有的有数字化发展战略的企业当然也都清楚，他们必须要做些什么。
1704272377
1704272378
处于矛盾纠结中的企业目前面临的这种情况，在国际象棋中被称为“Lavieren”，即以守为攻战术。
1704272379
1704272380
1704272381
1704272382
1704272383
以守为攻战术
1704272384
1704272385
在棋牌类游戏里有一种情况，在这种情况下采用“Lavieren”战术特别有用。参与游戏的人中，没人有稳操胜券的取胜之道。大家都采用与之周旋的招数，并给自己留出尽可能多的转圜空间。在这种情况下，“Lavieren”战术就有可能派上用场：如果对手犯了错误，进而失去了空间优势，那么就为对方提供了进攻“王”的机会。反过来说就是，防守是最好的进攻。自己并不主动做什么，而是以守为攻，等待并期待对手犯错，进而为自己赢得一个机遇。
1704272386
1704272387
完全没接触过象棋的人，可能不能理解我们在说什么，不理解什么是企业所谓的数字化战略，那么请回忆一下那些无关紧要的中场传球。一个在本质上被动的、以守为攻的行为，会被机会主义行为或者会议上大肆宣扬大数据应用的行为所掩盖。
1704272388