管理大師戴明（W.Edwards Deming）與德魯克（Peter Drucker）在諸多思想上都持對立觀點，但“不會量化就無法管理”的理念卻是兩人智慧的共識。這一共識足以解釋近年來的數(shù)字大爆炸為何無比重要。簡而言之，有了大數(shù)據(jù)，管理者可以將一切量化，從而對公司業(yè)務(wù)盡在掌握，進而提升決策質(zhì)量和業(yè)績表現(xiàn)。

 

看看零售業(yè)吧。實體店的書商們也能追蹤圖書銷路，哪些賣掉了哪些還沒有。如果他們設(shè)計了“客戶忠誠計劃”，還能將某些圖書的銷售與消費者個人聯(lián)系起來。但僅此而已。而一旦購物行為移至線上，店主們對顧客的了解會相當(dāng)驚人：賣家不僅能追蹤顧客買了什么產(chǎn)品，還知道他們查看了其他哪些產(chǎn)品，他們?nèi)绾螢g覽網(wǎng)站，他們在多大程度上被促銷活動、其他買家對產(chǎn)品的評論與頁面布局所影響；賣家還可以交叉對比個體消費者之間與群體消費者之間的相似性等等。在此之前，賣家已經(jīng)開發(fā)了一套運算方法，推測哪些書目是哪些用戶樂意閱讀的—每當(dāng)用戶忽略一個圖書推薦，這種算法就會更優(yōu)化一步。傳統(tǒng)零售商是沒法輕而易舉獲得這些信息的，他們的銷售行為既孤立又盲目。所以，亞馬遜把那么多實體店踢出局一點也不意外。

 

關(guān)于亞馬遜那些耳熟能詳?shù)墓适抡诒瘟怂恼嬲龑嵙?mdash;這些先天帶有數(shù)字基因的公司所能做到的事，是上一代商業(yè)領(lǐng)袖夢寐以求的。但實際上，大數(shù)據(jù)的潛力也可以幫助傳統(tǒng)企業(yè)實現(xiàn)轉(zhuǎn)型，甚至幫它們獲得更好的機會提升其競爭優(yōu)勢（線上企業(yè)一直都知道其核心競爭力來自于對數(shù)據(jù)的理解力）。我們隨后的討論會有更多細節(jié)證明，這場大數(shù)據(jù)的革命遠比之前的“數(shù)據(jù)分析”要強大得多。企業(yè)因此可以做精準(zhǔn)地量化和管理，可以做更可靠的預(yù)測和更明智的決策，可以在行動時更有目標(biāo)更有效率；而且這些都可以在一直以來由直覺而不是數(shù)據(jù)和理性主宰的領(lǐng)域?qū)崿F(xiàn)。

 

隨著大數(shù)據(jù)之工具與理念的不斷傳播，許多深入人心的觀點將被撼動，比如經(jīng)驗的價值、專業(yè)性與管理實踐。各個行業(yè)的商業(yè)領(lǐng)袖都會看清運用大數(shù)據(jù)究竟意味著什么：一場管理革命。

 

但是，伴隨商業(yè)世界其他一些深刻的變革，公司向“大數(shù)據(jù)驅(qū)動”轉(zhuǎn)型必將遭遇巨大的挑戰(zhàn)，它需要公司領(lǐng)導(dǎo)層擁有一手的數(shù)字化能力（或者，在其他一些情況下，需要的可能是會放手的領(lǐng)導(dǎo)）。

 

有什么新鮮的？

 

企業(yè)高管們有時會問：“‘大數(shù)據(jù)’不就是‘數(shù)據(jù)分析’的另一種說法嗎？”

 

二者確實相關(guān)：和之前的“數(shù)據(jù)分析”一樣，大數(shù)據(jù)運動也力圖從數(shù)據(jù)中收集智慧，并將其轉(zhuǎn)化為企業(yè)的優(yōu)勢。但二者有三個顯著差別：

 

規(guī)模性：僅就2012年而論，每天大約產(chǎn)生2.5艾字節(jié)（exabytes）的數(shù)據(jù)，而且這個數(shù)據(jù)量每40個月就翻一倍。現(xiàn)在互聯(lián)網(wǎng)每秒鐘產(chǎn)生的數(shù)據(jù)量，比20年前整個互聯(lián)網(wǎng)儲存的數(shù)據(jù)還要多。企業(yè)因此需要處理單個數(shù)據(jù)集就包含大量拍字節(jié)（petabytes）的信息，而且這些信息還不僅來自互聯(lián)網(wǎng)。比如，沃爾瑪每小時從其顧客交易中獲得的數(shù)據(jù)量超過2.5拍字節(jié)—1個拍字節(jié)就是1000的5次方的字節(jié)，等同于2000萬個文件柜所包含的文檔信息。1個艾字節(jié)是這個量級的1000倍，也就是10億的吉字節(jié)（一個吉字節(jié)等于千兆字節(jié)，即1GB=1000MB）。

 

高速性：對于很多應(yīng)用程序來說，數(shù)據(jù)生成的速度比數(shù)據(jù)規(guī)模更重要。實時或者近乎實時的信息，能讓一家公司比競爭對手更為靈活敏銳。舉個例子，我的同事—麻省理工學(xué)院媒體實驗室的阿萊士?朋特蘭德（Alex “Sandy”Pentland）和他的團隊曾經(jīng)使用來自手機的位置數(shù)據(jù)推測，“黑色星期五”那一天有多少人在梅西百貨公司（Macy's）的停車場停車。“黑色星期五”是美國圣誕節(jié)購物季的開始，阿萊士團隊使用的數(shù)據(jù)讓他們提前推算出這關(guān)鍵一天的銷售量—遠早于梅西百貨自己統(tǒng)計出的銷售記錄。無論是華爾街的分析師或者傳統(tǒng)產(chǎn)業(yè)的高管，都會因這種敏銳的洞察力獲得極大的競爭優(yōu)勢。

 

多樣性：大數(shù)據(jù)形式多樣，社交網(wǎng)站上發(fā)布的信息、更新、圖片；傳感器上顯示的內(nèi)容；手機上的GPS信號等等。大數(shù)據(jù)幾種最主要的來源大都是全新的，比如來自社交媒體的海量信息，都跟那些社交網(wǎng)站本身一樣新：Facebook上線于2004年，Twitter于2006年。同樣的例子是智能手機和其他移動設(shè)備，它們提供了基于人、活動與地點的海量數(shù)據(jù)流。由于這些手機裝置如今無處不在，人們幾乎想不起iPhone發(fā)布才五年時間，iPad不過兩年。然而，公司數(shù)據(jù)庫雖然存儲著海量信息，卻直到最近還難以加工處理大數(shù)據(jù)。與此同時，用來計算數(shù)據(jù)的所有相關(guān)設(shè)備—存儲器、內(nèi)存、處理器、寬帶等等的成本在持續(xù)降低，這意味著，從前昂貴的數(shù)據(jù)密集型處理手段正迅速地變得經(jīng)濟實惠。

 

越來越多的商業(yè)行為正在數(shù)字化，加之全新的信息源與更便宜的設(shè)備，我們將被這一切帶入一個新紀元：一個海量數(shù)據(jù)在商業(yè)世界無孔不入的時代。手機、網(wǎng)上購物、社交網(wǎng)絡(luò)、電子通訊設(shè)備、衛(wèi)星定位系統(tǒng)，以及在這些設(shè)備上做最普通的操作時附帶生成的井噴般的數(shù)據(jù)量。我們每個人都是一個隨時隨地的數(shù)字生成器。這些閑置的數(shù)據(jù)大都是非結(jié)構(gòu)化的，沒有被整理過—胡亂丟棄在數(shù)據(jù)庫中無法使用。但是，在這些雜亂無章的混亂中埋藏著大量的信號，孤單地等待被解讀。曾經(jīng)的“數(shù)據(jù)分析”將嚴謹?shù)募夹g(shù)引入了決策制定，而“大數(shù)據(jù)”讓這種嚴謹決策變得更加簡單而強大。正如谷歌研究主管彼得?諾爾維格（Peter Norvig）所說的那樣：“我們并沒有更好的算法，我們只是有更多的數(shù)據(jù)。”

 

數(shù)據(jù)決定業(yè)績

 

懷疑論者的第二個疑問是：“有何證據(jù)顯示，明智地運用大數(shù)據(jù)能提升公司業(yè)績？”商業(yè)媒體上充斥著各種軼事案例，似乎在證明大數(shù)據(jù)驅(qū)動帶來的價值。但我們最近發(fā)現(xiàn)的事實是，根本沒人真正拿出嚴謹有力的證據(jù)。為了彌合這種尷尬的缺失，我們在麻省理工學(xué)院的數(shù)字商業(yè)中心（MIT Center for Digital Business）組織了一個團隊，與麥肯錫的商業(yè)技術(shù)部、沃頓商學(xué)院的同事洛林?希特（Lorin Hitt）以及麻省理工學(xué)院的博士生西克揚?金（Heekyung Kim）一起合作，考察大數(shù)據(jù)驅(qū)動的公司是否業(yè)績更佳。我們對北美330家上市公司的高管進行了結(jié)構(gòu)性訪談（structured interview，這是一種對訪談過程高度控制的訪問。訪問的過程高度標(biāo)準(zhǔn)化，即對所有被訪者提出的問題，提問的次序和方式，以及對被訪者回答的記錄方式等是完全統(tǒng)一的。—譯者注），調(diào)研其組織與技術(shù)管理實踐，然后從年報和其他一些獨立信息源那里收集它們的業(yè)績數(shù)據(jù)。

 

很顯然，不是每家公司都喜歡數(shù)據(jù)驅(qū)動型的決策制定過程。事實上，我們發(fā)現(xiàn)，各行各業(yè)對大數(shù)據(jù)的態(tài)度和應(yīng)用方法五花八門。但是，透過所有的分析，我們發(fā)現(xiàn)一種顯著的關(guān)聯(lián)性：越是那些自定義為數(shù)據(jù)驅(qū)動型的公司，越會客觀地衡量公司的財務(wù)與運營結(jié)果。尤其是，運用大數(shù)據(jù)做決策的那些行業(yè)前三名企業(yè)，比其競爭對手在產(chǎn)能上高5%，利潤上高6%。如果把勞動力、資金、購買服務(wù)和投資傳統(tǒng)技術(shù)的投入都納入計算，這些企業(yè)的表現(xiàn)依然卓越。它不僅有統(tǒng)計學(xué)上的顯著性和經(jīng)濟上的重要性，而且也反映在其股票估價的增值上。

 

那么，高管們是如何運用大數(shù)據(jù)的呢？讓我們深入硅谷的兩家新貴企業(yè)去一探究竟吧：一家用大數(shù)據(jù)開創(chuàng)了新業(yè)務(wù)；另一家用大數(shù)據(jù)促進了銷售。

 

航班更準(zhǔn)

 

航空業(yè)分秒必爭。尤其是航班抵達的準(zhǔn)確時間：如果一班飛機提前到達，地勤人員還沒準(zhǔn)備好，乘客和乘務(wù)員就會被困在飛機上白白耽擱時間；如果一班飛機延誤，地勤人員就只能坐著干等，白白消耗成本。當(dāng)美國一家大航空公司從其內(nèi)部報告中發(fā)現(xiàn)，大約10%的航班的實際到達時間與預(yù)計到達時間相差10分鐘以上，30%的航班相差5分鐘以上的時候，這家公司決定采取措施了。

 

其時，這家公司依照航空業(yè)的慣例—由飛行員提供航班的預(yù)計抵達時間（即ETAs）。飛行員總是在臨近機場的那段時間內(nèi)預(yù)測何時到港，而這個過程中還有其他很多事情占用他們的時間和注意力，干擾其判斷。為了尋求更好的解決方案，這家航空公司找到了PASSUR Aerospace，這是一家專為航空業(yè)提供決策支持的技術(shù)公司，它從2001年開始提供一項名為RightETA的服務(wù)（意為：準(zhǔn)確預(yù)測航班時間），通過搜集天氣、航班日程表等公開數(shù)據(jù)，結(jié)合自己獨立收集的其他影響航班因素的非公開數(shù)據(jù)—比如通過自建的無源雷達站收集某區(qū)域領(lǐng)空內(nèi)的飛機數(shù)據(jù)—綜合預(yù)測航班到港時間。

 

PASSUR公司最初只有幾處無源雷達接收站，但是時至2012年，它們已經(jīng)擁有超過155處這樣的接收站。每4.6秒它就收集一次雷達眼看到的每架飛機的一系列信息，這會持續(xù)地帶來海量數(shù)據(jù)。不僅如此，公司將長期以來收集的數(shù)據(jù)都保存著，這樣它就擁有了一個超過十年的巨大的多維信息載體，為透徹的分析和恰當(dāng)?shù)臄?shù)據(jù)模型提供了可能。RightETA的核心工作就是回答兩個問題：“一架飛機在抵達機場之前都發(fā)生了什么？它究竟幾點著陸的？”

 

使用RightETA服務(wù)后，這家航空公司大大縮短了預(yù)測和實際抵達之間的時間差。PASSUR公司相信，航空公司依據(jù)它們提供的航班到達時間做計劃，能為每個機場每年節(jié)省數(shù)百萬美元。這是一個相當(dāng)簡單的公式：大數(shù)據(jù)帶來更準(zhǔn)的預(yù)測，更準(zhǔn)的預(yù)測帶來更佳的決策。

 

推銷更快、更個性

 

幾年以前，美國零售業(yè)巨頭之一—西爾斯控股公司（Sears Holdings）決定收集其專售的三個品牌—Sears、Craftsman、Lands’ End的顧客、產(chǎn)品以及銷售數(shù)據(jù)，從這些海量信息中挖掘價值。顯而易見，如果能集合并運用這些數(shù)據(jù)定制推銷方案給消費者，并將地區(qū)差別加以利用的話，將給公司帶來巨大價值。價值巨大，困難也巨大：西爾斯公司需要八周時間才能制定出個性化的銷售方案，但往往做出來的時候，它已不再是最佳方案了。之所以如此，主要在于這些數(shù)據(jù)需要超大規(guī)模的分析，它們分散在不同品牌的數(shù)據(jù)庫與數(shù)據(jù)倉庫中，不僅數(shù)量龐大而且支離破碎。

 

西爾斯集團開始使用群集（cluster）收集來自不同品牌的數(shù)據(jù)，并在群集上直接分析數(shù)據(jù)，而不是像以前那樣先存入數(shù)據(jù)倉庫，避免了浪費時間先把來自各處的數(shù)據(jù)合并之后再做分析。這種調(diào)整讓公司的推銷方案更快、更精準(zhǔn)。

 

據(jù)西爾斯公司的首席技術(shù)官菲里?謝利（Phil Shelley）說，他們制定一系列復(fù)雜推銷方案的時間從8周縮短到1周，甚至還會更短。而且這些銷售方案質(zhì)量更高，因為它們更及時、更細致、更個性化。西爾斯使用的Hadoop群集能收集和處理好幾個拍字節(jié)的數(shù)據(jù)，成本卻只是普通數(shù)據(jù)庫的一小部分。

 

謝利說，他驚訝于公司能如此輕松地實現(xiàn)這個轉(zhuǎn)型—從傳統(tǒng)方式升級為數(shù)字管理與高效分析。西爾斯在2010年開始這一轉(zhuǎn)型的時候，數(shù)據(jù)管理的技術(shù)與知識還很少，因此與一家叫做Cloudera的公司簽訂了合同。但是很快，公司IT部的保守派和分析專家們就對新工具和新流程得心應(yīng)手了。

 

PASSUR公司和西爾斯控股的例子展示了大數(shù)據(jù)的威力—它帶來更準(zhǔn)確的預(yù)測、更高明的決策、更恰當(dāng)?shù)牟僮鳎易屵@些事情達到一個無邊的規(guī)模。當(dāng)大數(shù)據(jù)應(yīng)用于供應(yīng)鏈管理的時候，它讓我們了解為什么一家汽車制造商的故障率突然飆升；在客服方面，它可以持續(xù)詳細調(diào)查和處理幾百萬人的醫(yī)保狀況；它還可以基于產(chǎn)品特性的數(shù)據(jù)集，為在線銷售作出更好的預(yù)測和規(guī)劃，等等。大數(shù)據(jù)在其他行業(yè)的應(yīng)用也同樣成效顯著，無論金融業(yè)、旅游博彩業(yè)還是機械維修；在市場推廣、人力資源管理方面也有極大的功用。

 

我們的數(shù)據(jù)分析顯示，上述所見絕不是星星點點的個案，而是一次根本性的經(jīng)濟轉(zhuǎn)型。我們確信，大數(shù)據(jù)運用帶來的這一轉(zhuǎn)型已經(jīng)觸及了商業(yè)活動的方方面面，沒有誰能置身其外。

 

決策文化變革

 

大數(shù)據(jù)的技術(shù)挑戰(zhàn)顯而易見。但其帶來的管理挑戰(zhàn)更為艱巨—這要從高管團隊的角色轉(zhuǎn)變開始。

 

高價智囊請閉嘴大數(shù)據(jù)最至關(guān)重要的方面，就是它會直接影響企業(yè)怎樣做決策、誰來做決策。在信息有限、獲取成本高昂、且沒有被數(shù)字化的時代，讓身居高位的人做決策是情有可原的。因為他們擁有多年累積的經(jīng)驗，并將觀察到的商業(yè)模式和組織內(nèi)部關(guān)系內(nèi)化到了自己的思維與行為中。我們可以給這種決策者和決策過程貼個標(biāo)簽：直覺主義。這些人描繪的未來藍圖—會發(fā)生什么事情、事情該怎樣解決、因此該如何做規(guī)劃等—全部基于他們的個人觀點。（請參見本期文章《你的成功可以測量》。）

 

尤其那些做重大決策的人，都是組織內(nèi)典型的位高權(quán)重的人，要不然就是高價請來的擁有專業(yè)技能和顯赫履歷的外部智囊。大數(shù)據(jù)領(lǐng)域的人認為很多公司仍然維持著這種方式—依賴“HiPPO”做決策。所謂HiPPO，就是那些高薪人士的觀點（the highest-paid person's opinion）。

 

的確有一些資深高管忠實于數(shù)據(jù)，一旦數(shù)據(jù)否定了他們的直覺，他們會拋棄個人觀點。但是我們相信，在今天的整個商業(yè)世界中，人們?nèi)匀桓嘁蕾噦€人經(jīng)驗和直覺做決策，而不是基于數(shù)據(jù)。我們在研究中設(shè)計了一個“五點復(fù)合標(biāo)尺”，用來測量一家企業(yè)究竟在多大程度上是數(shù)據(jù)驅(qū)動型的。32%的回應(yīng)者認為他們的公司只具備其中的一兩點或兩三點。

 

讓數(shù)據(jù)做主有志于引領(lǐng)企業(yè)實現(xiàn)大數(shù)據(jù)轉(zhuǎn)型的高管們，可以從兩個最簡單的技巧開始。首先，要養(yǎng)成習(xí)慣問：“數(shù)據(jù)怎么說？”每當(dāng)遇到重大決策的時候，要緊跟著這個問題進一步問：“這些數(shù)據(jù)從哪兒來的？”“這些數(shù)據(jù)能得出什么分析？”“我們對結(jié)果有多大信心？”（員工能從高管的這種行為中迅速接收到信息。）其次，他們要允許數(shù)據(jù)做主；當(dāng)員工看到一位資深高管聽任數(shù)據(jù)推翻了他的直覺判斷—這將是改變一家公司決策文化的最大力量。

 

在確認哪些問題需要解決的階段，毫無疑問，專業(yè)技能仍然至關(guān)重要。傳統(tǒng)領(lǐng)域的專家，因為對所在行業(yè)的深刻理解，可以清楚地識別機遇與挑戰(zhàn)。比如PASSUR公司一直極力從全美主要的航空公司挖人，越多越好。因為擁有豐富的航空業(yè)運營知識，在PASSUR尋找下一個市場機會的時候，這些人的價值不可估量。

 

隨著大數(shù)據(jù)運動的推進，這些傳統(tǒng)領(lǐng)域的專家也會轉(zhuǎn)變角色。他們的價值不在于提供類似那些高薪人士的“直覺主義”的答案，而在于他們善于發(fā)現(xiàn)真問題。“電腦有什么用呢？它們只知道給答案。”當(dāng)天才畫家畢加索這么說的時候，他一定很懷念那些傳統(tǒng)領(lǐng)域的專家。

 

五大管理挑戰(zhàn)

 

大數(shù)據(jù)轉(zhuǎn)型并不是萬能的，除非企業(yè)能成功應(yīng)對轉(zhuǎn)型過程中的管理挑戰(zhàn)。以下五個方面在這一過程中尤為重要。

 

領(lǐng)導(dǎo)力那些在大數(shù)據(jù)時代獲得成功的企業(yè)，并不是簡單地擁有更多或者更好的數(shù)據(jù)，而是因為他們的領(lǐng)導(dǎo)層懂得設(shè)計清晰的目標(biāo)，知道自己定義的成功究竟是什么，并且找對了問題。大數(shù)據(jù)的力量并不會抹殺對遠見與人性化洞察的需求。相反，我們?nèi)匀恍枰@種領(lǐng)導(dǎo)者—他們能抓住某個絕好的機會、懂得如何開拓市場、用自己的創(chuàng)意提供那些相當(dāng)新奇的產(chǎn)品和服務(wù)，并且巧舌如簧地勾勒出一幅激動人心的前景，說服下屬們激情澎湃地為此拼命工作，最終成功贏得顧客。未來十年獲得成功的企業(yè)，其領(lǐng)導(dǎo)者必然具備以上特質(zhì)，與此同時推進了公司決策機制的轉(zhuǎn)型。

 

人才隨著數(shù)據(jù)越來越廉價，實現(xiàn)大數(shù)據(jù)應(yīng)用的相關(guān)技術(shù)和人才也變得越來越昂貴。其中最緊迫的就是對數(shù)據(jù)科學(xué)家和相關(guān)專業(yè)人士的需求，因為需要他們處理海量的信息。統(tǒng)計學(xué)很重要，但是傳統(tǒng)的統(tǒng)計學(xué)課程幾乎不傳授如何運用大數(shù)據(jù)的技能。尤其需要的能力是將海量數(shù)據(jù)集清理并系統(tǒng)化，因為各種類型的數(shù)據(jù)很少是以規(guī)整的形態(tài)出現(xiàn)的。視覺化工具和技術(shù)的價值也將因此突顯。隨著數(shù)據(jù)科學(xué)家的涌現(xiàn)，新一代的電腦工程師必須能夠處理海量數(shù)據(jù)集。而設(shè)計數(shù)據(jù)試驗的技能，則會非常有助于彌補數(shù)據(jù)呈現(xiàn)的復(fù)雜關(guān)系與因果之間的鴻溝。除此之外，那些最優(yōu)秀的數(shù)據(jù)科學(xué)家還需要掌握商業(yè)語言，幫助高管把公司面臨的挑戰(zhàn)變?yōu)榇髷?shù)據(jù)可以解決的形式。毫無疑問，這類人才炙手可熱，很難找到。

 

技術(shù)處理海量、高速率、多樣化的大數(shù)據(jù)工具，近年來獲得了長足的改進。整體而言，這些技術(shù)已經(jīng)不再貴得離譜，而且大部分軟件都是開源的。Hadoop，這個目前最通用的平臺，就整合了實體硬件和開源軟件。它接收涌入的數(shù)據(jù)流并將其分配至很便宜的存儲盤，同時它也提供分析數(shù)據(jù)的工具。盡管如此，這些技術(shù)需要的一整套技能對大部分企業(yè)的IT部門來說都是全新的，他們需要努力將公司內(nèi)外所有相關(guān)的數(shù)據(jù)都整合起來。只有技術(shù)遠遠不夠，但技術(shù)是整個大數(shù)據(jù)戰(zhàn)略中不可或缺的部分。

 

決策一家高效的公司通常把信息和相關(guān)的決策權(quán)統(tǒng)一在一起。而在大數(shù)據(jù)時代，信息的產(chǎn)生與流通，以及所需人才都不再是以往那樣了。精明的領(lǐng)導(dǎo)者會創(chuàng)造一種更靈活的組織形式，盡量避免“自主研發(fā)綜合癥”，同時強化跨部門合作：收集信息的人要提供正確的數(shù)據(jù)給分析數(shù)據(jù)和理解問題的人，同時，他們要和掌握相關(guān)技術(shù)、能夠有效解決問題的人并肩工作。

 

文化大數(shù)據(jù)驅(qū)動的公司要問自己的第一個問題，不是“我們怎么想？”而應(yīng)該是“我們知道什么？”這要求企業(yè)不能再跟著感覺走。很多企業(yè)還必須改掉一個壞習(xí)慣：名不副實的大數(shù)據(jù)驅(qū)動。我們發(fā)現(xiàn)很多這樣的企業(yè)，最常見的表現(xiàn)是，高管們明明還是按傳統(tǒng)方式做決定—以HiPPO，那些高薪人士的意見為主，卻拿出一份香艷的數(shù)據(jù)報告支撐自己的決定是多么英明。其實那不過是分配下屬四處尋找的專為這個決定做辯護的一堆數(shù)字。

 

毫無疑問，成功的路上荊棘密布。數(shù)據(jù)科學(xué)家不夠多；技術(shù)不只新，甚至新奇；把各種關(guān)聯(lián)當(dāng)作因果關(guān)系，由數(shù)據(jù)得到誤導(dǎo)性的模式；文化轉(zhuǎn)型的挑戰(zhàn)更是艱巨，比如，對隱私的關(guān)切已經(jīng)越來越突出。但是，大數(shù)據(jù)在技術(shù)和商業(yè)領(lǐng)域的卓越表現(xiàn)勢不可擋。

 

證據(jù)一目了然：大數(shù)據(jù)驅(qū)動下的決策更高明。高管們要么擁抱這一現(xiàn)實，要么卷鋪蓋走人。在各個領(lǐng)域中，企業(yè)只有找到將數(shù)據(jù)科學(xué)與傳統(tǒng)技能完美結(jié)合的方式，才能打敗對手。我們不能說，所有的贏家都會將大數(shù)據(jù)用于其決策制定。但數(shù)據(jù)告訴我們，這樣確實勝算最大。

 

（來源/哈佛商業(yè)評論 作者/安德魯·麥卡菲、埃里克·布林約爾松）