爱华网系列专题：大数据营销
大数据开启了一次重大的时代转型。大数据时代生产者和消费者的界限正在消弭，企业边界变得愈加模糊，数据成为核心资产，组织的管理方式也随之改变。 大数据对组织管理的影响 首先，大数据对组织管理的影响来自其生产力特征。这种特征主要包括四个方面：第一，掌握大数据的劳动者是智力工作者，他兼具劳动和资本于一身，是知本家，因此组织的数据管理，将从以管理者为主，转向一线员工掌握数据。第二，管理对象从管物、管钱，转向管理数据，大数据的特征一是大量化（Volume），一般在10TB规模左右，多用户把多个数据集放在一起，形成PB级的数据量；二是多样化（Variety），它包括结构化数据与非结构化数据，这些数据来自多种数据源，以实时、迭代的方式来实现；三是这些数据不仅是资源，而且是财富。因此组织管理中资源管理与财富管理将一体化。第三，劳动资源包括语义网等公共基础设施上分享的开源软件、Hadoop、NoSQL、数据分析与挖掘、数据仓库、商业智能（BI）等技术条件。管理资源可能是分享的，这不同于以专用性资源为组织边界的管理。第四，从劳动目的看，从事大数据是为了“从中获得知识和洞见以提升能力”，进一步说，要洞见的是意义，要获得的能力是智慧；有意义的数据是智慧的，没有意义的数据是垃圾；大数据要完成从客体的数据向主体的智慧的转换，忘记这一点就会陷入为数据而数据。 其次，大数据对组织管理的影响来自其生产关系特征。表现在生产、交换、分配和消费四个环节上。第一，在生产上，分布式计算的大数据，推动生产组织向去中心、扁平化转变，向自组织、自协调方向演化，智能化的大数据将促进劳动与资本的一体化，推动决策前移，并且可以提供平台支持创造性的自主劳动（如DIY+3D打印的“创客”）。第二，在交换中，具有语义功能的智能网络成为与现有市场互补的新组织形式，商品交换与包括情感在内的信息交流在新的市场结构中相互融合，用户体验和意义满足成为定价的重要因素，情境定价成为可能，依托数据分析可以实现一对一精准营销和“人单合一”。第三，在分配上，在数据财富归属与利用的平衡中，形成以“使用所有权”（access over ownership）为特征的分享型经济（Sharing Economy），在物质财富极大丰富的基础上，逐步实现以自由看待发展。第四，在消费上，在大数据引导下，出现产消逆转（C2B）和产消合一趋势，人们在满足生存发展需求基础上，日益产生通过自主劳动满足的自我实现需求。
第三，大数据对组织管理的影响来自其生产方式特征。不同时代，人相对于劳动对象的作用方式不同，生产的社会目的也不同，形成农业生产方式、工业生产方式与信息生产方式。大数据推动着信息生产方式的形成。农业时代的生产力以土地为中介，分散地从对象中解析出有助于满足人的温饱需求的功能；工业时代的生产力以货币为中介，集中地从对象中解析出有助于满足人的社会发展需求的价值；信息时代的生产力以数据为中介，集中与分散结合地从对象中解析出有助于实现生产目的的意义。功能、价值与意义的关系，在于前者为后者的基础，后者有条件地决定前者。对人均收入5000美元以上的社会来说，大数据有助于企业专业化地提高以意义满足（所谓“满意”）为核心的智慧水平，推动企业从因大而美向因小而美转变，实现小批量多品种、差异化、多样化的生产。推动企业在业态上从产品、服务向体验升级，在提高GDP水平（功能与价值水平）的同时，提高社会幸福水平（意义水平）。 大数据时代，组织决策的挑战和机遇 大数据时代组织决策会遇到以下三个方面的挑战，这些挑战又构成了组织发展的主要机遇。 企业化解风险的方式发生变化 在大数据时代之前，人们更多的是利用数据从历史中总结规律，例如按以往的需求分布来组织生产，以此来消除市场的不确定性。大数据时代决策最主要的功能是预测未来，也就是把握那些只存在于未来，从以往历史中难以推导出的需求，以此化解企业的市场风险。反过来说，这对于企业决策带来新的挑战，如果竞争企业可以预测未来，而自己的企业不能，企业就会失去未来。 巴拉巴西的《爆发》认为，人类行为93%是可以预测的。在日趋精密的数字技术条件下，有了从四处搜集来的信息，我们不会再把人类的行为视为互不相关、随意偶然的独立事件。相反，它们应该是相互依存的奇妙大网的一部分，是相互串联的故事集中的一个片段。它们会在不经意时显示次序，在意想不到之处偶然出现。人类行为遵循着一套简单并可重复的模型，而这些模型受制于更加广泛的规律。 如果说，企业生存的一般风险是德鲁克所说的企业系统不能适应环境变化的风险，在大数据时代，这种风险更多地体现在日常决策中，体现在组织决策要面向最终客户的需求变化，进行组织神经末梢上的随时随地的响应。 企业权力转移带来“无组织的组织力量” 大数据的特点在于意义主导价值，它将引起组织结构的变革。对于组织来说，价值体现在结构之中，意义也体现在结构之中。原有的组织形式是为价值而建立的，其结构是价值的结构。未来的组织形式，是为意义而建立的，其结构是意义结构。组织的价值结构与意义结构非常不同，最核心的不同在于，价值结构是机械结构；意义结构是生态结构。具体表现在：第一，机械结构是自上而下控制的，生态结构是自下而生涌现的；第二，价值结构是以集中方式控制的，意义结构是以去中心的方式自组织自协调的。大数据所赖以存在的语义网，就是一个自下而上涌现生成意义，在分散的节点间自适应与他适应的网络。 随着具有语义网特征的数据基础设施和数据资源发展起来，组织的变革就越来越显得不可避免。大数据将推动网络结构产生无组织的组织力量。最先反映这种结构特点的，是各种各样去中心化的WEB2.0应用，如RSS、维基、博客等。这些变化，一开始不易为人们理解。例如，人们经常不明白碎片化是怎么回事。事实上，碎片化是意义存在的状态。意义只有呆在适合自己的结构中，才得以呈现。人们容易忽略这是一种让组织变得更加智慧的力量。例如，面向WEB2.0化的客户关系，如果处理不好，是一种极大的挑战。因为一个能量极大的未知节点可以给组织带来拉登、郭美美一级的毁灭性打击，《公众风潮》就是对这种挑战的描述。相反，如果象同一作者所写《创新推动者》那样，使关于客户关系的组织决策碎片化，会使企业低成本地响应分散化的风险，避开网上客户无组织的组织力量的打击。因为大数据可以建立一条意义通道，使生产者与赋予企业意义的消费者建立一种多元化的联系，使产消双方产生一种象鱼水关系那样的无间隔的互动，从而从源头上获得更多的智慧。 大数据通过追随意义而获得智慧，这是它可以摆脱因追随价值带来的被动的根本原因。因为价值是组织化的，意义是无组织的，无组织的组织力量本质上就是利用意义来控制价值的力量。 企业价值生成方式发生变化 大数据将带来的另一个始料未及的变革性影响，是将使数据业务成为各行各业的主营业务，从而改变各行各业的业态。换句话来说，决策本身会发展成为一种主营业务。各行各业数据业务的主营化，有一些共同的规律，与大数据内在相关。它们都伴随着业务转型，从因大为美，转向因小而美：从集中但赢利越来越薄的大企业服务，转向分散但高价值的最终消费者服务。大数据的优势，正在这个方面。通过大数据，可以实现以往做不到的低成本洞察高差异的客户，在去中心的互动中贴近2.0化的客户。 电信业、金融业、流通业是数据业务主营化最先成形的产业。例如电信业原有主营业务是语音业务，但腾讯的数据业务占到76%以上，只用几年就以500亿美元市值超过了联通和中国电信，带动了行业的主营业务重心的从语音向数据的转移。未来各行各业几乎无一例外，都会冒出本行业各种各样的“腾讯”来；而原有的巨头都将成为各行各业的“联通”和“中国电信”。这种挑战从另一面看，就是完全的机遇，这种机遇一般属于12岁至22岁的未婚青年，一不靠老子，二不靠刀子，三不靠裙子，只靠大数据，10年赚100亿，而且阳光致富。 大数据时代的组织决策 一是决策从后台向前端转移，要把握后端决策与前端决策的平衡。大数据时代的组织决策朝向的方向是人单合一，即生产者与消费者的融合（钱皮又称之为“合工”，与分工相对）。由于要对分散的、需求多变的消费者进行随时随地的响应，过多依赖后台决策，难以即时响应市场变化，为此就要把决策从后台向前端转移，例如向位于“人单合一”前沿的客户关系人员充分授权。海尔采取的组织决策就鲜明的具有这种特点。 当然，决策前移后，要把握后端决策与前端决策的平衡。一般来说，一线员工对当面市场的响应灵敏是优势，但一线员工对市场全局和未来趋势未必能很好判断，这就需要后台决策，包括研发部门，提供服务。这种服务甚至需要社会化、外包，形成分析即服务（AaaS）产业。例如数据挖掘、数据分析、数据咨询等产业，以及一切以大数据为基础的高附加值的创造性服务。 二是决策从集中向分散转移，要把握集中决策与分散决策的平衡。人们对大数据决策容易有一种误解，以为就是数据大集中的决策。这是传统集中控制思维方式运用到分布式计算条件下常有的惯性。海尔的决策模式强调“群龙无首”。因为如果调动起每个自主经营体的主动性，使人人成为自己的CEO，这些一线员工就会进行分散CEO式的决策，没必要事无巨细非得通过龙首来决策。为此海尔用战略损益表等制度，进行战略性的价值管理，使每个员工在决策时，可以按企业的战略利益来权衡当前的形势，达到比集中式决策更优越的决策效果，其最高境界，就是企业无为而治。 事实上，大数据决策应是集中决策与分散决策的结合。共性的问题适合集中决策，个性的问题适合分散决策。而且二者不一定是对立的关系。例如，一线员工的分散决策，也需要并且可以调用数据中心的分析资源和计算能力；数据中心的决策，也需要与员工的本地数据，甚至客户的本地数据进行锚定和关联。按美国最新的情境定价理论，在一对一的营销中，产品和服务定价这种最关键的决策，可能要依靠用户本地数据（如手机中的数据）的参与，通过与数据中心数据的即时匹配来完成。用户数据参与决策将成为分散化决策的一个趋势。 三是决策从价值向意义转移，要把握理性选择与感性选择的平衡。受传统思维定式干扰产生的另一个误解，就是以为大数据决策就是事事用数据说话，排斥直觉判断和感性判断。固然大数据会使理性选择在决策中更为专业，并形成产业化的空前发展，但这只是大数据发展初级阶段的特征。当大数据发展到高级阶段后，它将回到自己的本性，也就是图灵当年指出的人工智能的理性与感性平衡的更高阶段发展。在大数据发展的初级阶段，人们通常沿袭理性派的思维，通过数据大来把握人的个性。理论上典型的代表人物就是巴拉巴西。认为人的随意之举也可以被完全预测，人的行为93%都可预测。 但是，人的自由意志哪怕只占7%，仍是数学算法无法穷举的。从意义分析观点看，人的潜意识、梦想、情感等高价值的数据，靠机器算法本身是难以全面把握的，这既不是数据量不够大，也不是算法不够优化，恰恰在于理性算法的盲区上。例如，Facebook倚重的人际算法（人看人，看对了眼，计算量并不大，但却可能是精准的），就补在理性大数据的盲区上。在大数据的高级发展阶段，直觉判断和感性选择，将成为比理性计算更高级的计算模式。因此，企业在借助大数据进行决策时，从长远观点看，要定位于体验——也就是意义决策——充分发挥大数据在面向高附加值的艺术、情感等体验领域的决策支持作用。在IT业，科学的赚小钱，而科学与艺术平衡的乔布斯赚大钱，就是现世的证明。 四是把握精英决策与草根决策的平衡。传统决策模式是精英决策，大数据不仅可以支持精英决策，它最独特之处，在于可以支持草根决策。精英决策的基础是优化，但以优化为核心的决策有两大盲区，一是无法对策“人算不如天算”型的问题，如复杂系统问题，非常规的问题等等；二是难以应对效率不经济类型的问题，如个性化问题。生物进化的历史告诉我们，对上述两类问题最有效的决策方式，就是生物多样性决策。草根决策由于不依赖优化，排斥“英雄所见略同”，恰恰保持了精英决策过滤掉的核心竞争力，也就是解决方案多样性。大数据靠分布式计算模式，可以把分散在各个节点上的草根的智慧汇集起来，形成臭皮匠反而胜过诸葛亮的决策效果。 大数据发展起来后，决策将形成精英与草根决策的互补：简单系统问题归精英决策，例如通过简化，可以找到规律的问题，由精英进行数据分析来决策；复杂系统问题归草根决策，例如无法简化，也找不到规律的问题，可以采用众包方式来解决。 用好大数据，需要培养“大数据思维” 大数据思维如果聚焦到一个点上，我把它归结为意义导向型的思维。培养这种思维的关键，是要把思维方式从价值导向，转型为意义导向。我在《新文明论概略》中，用上下卷70万字讨论的核心，就是这种思维方式的原理。 对于不想从哲学（或“道”）上弄明白的组织领导者和管理者来说，我们可以把“大数据思维”简化地理解为基业常青式思维。基业常青讲的是坚持企业核心价值观不变，其它一切禀赋都可随时随地因环境而变。前者是目的，后者是手段。传统的企业思维方式是价值导向的，就是一切围绕手段，整天想的是如何实现价值，难以避免的错误经常是为了价值而牺牲了意义，因企业核心价值观（做事的宗旨）不正，因而最终伤及企业价值；“大数据思维”相当于围绕企业核心价值观的思维，通过将意义专业化，让企业的一切价值活动，都专业化地聚焦于是否有意义，从而保证企业的基础性价值活动不偏离做事的宗旨。 “大数据思维”的养成，需要修炼。与一般企业家的修炼不同，它不是停留在企业家个人的头脑中，而且要变成一种企业文化，甚至变成利益相关者的共识。为此，它不可能是小生产个人化的，而是一种思维工程，按网络智慧的方式来培育。
