如何成為“大數據企業”

郭迅華

一家中等規模的百貨商場，通過視頻監控記錄下商場各個區域的客流人數，從而評估每天各個時段客流的在店時長，進而結合銷售記錄數據估算出客流中帶有明確購買目標的“搜索型”顧客和無明確購買目標的“瀏覽型”顧客的比例，從而為之設計針對性的營銷手段和服務措施。

這一實踐中所涉及的數據量，從技術視角上看并不算龐大，但該商場對多源數據的整合和開發，不失為基于大數據管理的一種典型體現。

大數據企業巨大的體量凸顯的是技術需求。而對于管理者而言，刻意追求巨大體量的數據并不具有多少現實意義，大數據更重要的特征在于其多樣化的來源和形態、持續快速的產生和演變，以及對深度分析能力的高度依賴。因此，企業對大數據的駕馭和掌控，其核心并不在于擁有多大規模的數據，而在于是否能夠對來自于企業內外部多樣化信息源的涌流數據進行敏捷持續的捕捉和整合，并通過深度分析開發其商務價值。

在管理視角上，大數據既不是一種技術，也不是一種應用系統，而更應該是一種立足于企業內外部數據融合以提升管理效率、開拓價值創造模式的管理思維。

駕馭企業內部大數據

企業內部數據有兩個主要維度：

一是與業務功能及流程緊密相關的數據，如庫存信息、物料需求信息、生產計劃信息、采購信息等，可統稱為業務流程信息；

二是企業內員工及各種管理系統在其日常工作及活動中所創造、記錄、交換和積累的信息，例如員工間的交流記錄、工作心得、經驗分享、活動新聞等，可統稱為知識及溝通信息。

這兩個數據維度的發展和融合，催生出了企業內部大數據。

在集成化企業系統、內部社交媒體以及深度數據分析技術的共同支撐下，杰克·韋爾奇所暢想的“無邊界組織”在新興環境下成為可能，并被賦予了新的內涵。部門邊界、層級邊界被緊密的業務聯系和廣泛的社交聯系所弱化，結構化的業務流程信息與非結構化的知識及管理活動信息被多維度融合的深度數據分析能力連接在一起，從而使企業真正具有駕馭內部大數據的能力。

駕馭企業外部大數據

在企業外部的視角上，數據資源也包括兩個維度：

一是與上下游交易直接相關的供應鏈信息，如交易報價信息、訂單信息、上下游企業庫存及生產能力信息等；

二是市場及社會環境信息，如原材料價格走勢、市場需求及消費者偏好信息、顧客服務及滿意度信息等。

企業外部大數據的基本特征，也正是在這兩個維度的發展之中呈現出來的。

供應鏈信息集成與社會化商務信息的融合，構成企業外部大數據的核心特征。來自于社交媒體信息源的市場環境信息與來自于組織間信息系統的供應鏈信息相結合，借助于深度數據分析技術實現面向企業商務網絡的預測與優化，并支撐起實時化、精確化、個性化的消費者洞察與敏捷響應，在此基礎上為基于網絡協同及社會化商務的模式創新提供了豐富的可能性。從而，對外部大數據的管理和駕馭，也將成為現代企業在網絡化的商務生態系統中占據主導地位并獲取經營優勢的關鍵途徑。

成為“大數據企業”

基于以上分析，企業內部大數據的焦點，在于業務流程信息與知識及溝通信息的融合；企業外部大數據的焦點，在于供應鏈信息與市場及社會環境信息的融合。進而，大數據時代企業組織的基本內涵，在于內部大數據與外部大數據的全方位融合。如圖4所示，大數據企業立足于內外部業務與社交媒體數據的集成交匯。

在這四大類型的數據之間，致力于大數據管理的企業可以有兩種不同的發展策略。其一是以社交媒體與業務數據的融合為主導，以期通過敏捷響應快速發現并應對內外部環境中的變化和機遇。在這種策略下，面向高速數據流的實時數據采集和分析方法，將成為大數據管理的主要支撐手段。

第二種策略是以內外部數據融合為主導，以期通過全面匯集內外部信息，對中長期發展趨勢作出準確的預判，從而實現高度優化的業務決策，并通過對信息環境的掌控，獲取企業網絡生態系統中的領導地位。在這種策略下，大規模多源異構數據的采集、清洗和整合方法，將成為大數據管理的核心支撐。

如何挖掘企業大數據的價值

企業大數據的價值開發高度依賴于深度數據分析能力。從內外部融合的視角上看來，企業大數據分析包括三個基本維度，即內容、關系和時空。

內容維度指的是數據本身所承載的信息內容。例如，G公司是一家大型電信服務商，其內部建設實施了一套“班組博客”系統。在這個內部社交媒體平臺上，公司中的3000多個工作團隊都開設了自己的博客，用于發布和交流工作經驗、生活體驗等方面的內容。經過數年的發展，整個博客系統中積累了博文700多萬篇，評論超過1500萬條，并保持著每月15萬篇以上的博文發表數量，年閱讀量超過1000萬篇次。對于這一平臺所積累的大量數據的價值開發，首先體現在對其信息內容的提煉上。平臺上與工作相關的博文內容，如客服案例、經驗分享等，經自動篩選分類、主題識別、關鍵詞索引之后，被構建成企業知識庫，為業務及管理工作提供快速有效的知識支撐，同時成為員工培訓和自學的有力工具。而大量與工作無關的博文和評論內容，包括生活常識、娛樂信息、心情表達、心靈雞湯等，在智能化的分類整理之后，也成為了該公司的一個獨特的文化情景，支撐著企業中活躍的氛圍，強化了員工的文化認同。

關系維度指的是數據及其所指代的對象之間的聯系。在G公司的班組博客中，員工的發表、閱讀、評論、回復、關注等行為詳盡地反映了其相互之間密集而持續的聯系，而這些聯系毫無遺漏地被記錄在平臺的數據庫之中。通過對這些關系結構的深度分析和挖掘，G公司獲得了對員工及團隊的影響力、凝聚力、創造力的更為準確而深入的評估手段。進一步而言，博客平臺的行為記錄數據與業務系統中的事務處理記錄數據，以及員工及團隊的績效表現數據，也能夠被有效地關聯起來，從而使得管理者擁有強有力的工具，幫助其發現和理解員工的行為特質、工作表現、業務能力之間的潛在關聯，進而實現良性優化的人員配置和人才培養。

時空維度指的是數據生成及傳播的位置以及數據隨時間演變的模式。對G公司而言，其數以千計的業務場所分散在眾多城市的不同地點，因此，數據中的位置信息對于虛擬化的團隊協同而言具有直接的意義。此外，位置信息也包括了數據在組織功能結構和層級結構中所處的位置。同時，在G公司的班組博客中，對特點話題時間演變規律的分析，也為管理者提供了有效的參考。其中對企業重要活動、運營理念相關信息在班組博客中的傳播演變模式的跟蹤，有效地揭示了員工對管理理念的認知、態度和接受過程。

更深入的價值開發來自于上述三個維度的交叉綜合。例如，內容維度與關系維度的結合，使得G公司能夠識別員工的興趣偏好、社交特質、工作性質以及工作表現之間的匹配關系，也能夠更為準確地發現那些分散在不同的員工手中、但具有重要潛在影響力的經驗、創意以及機遇信號。內容維度、關系維度與時空維度的結合，使得企業能夠更為深入地理解不同的員工特質、知識技能、團隊特性、熱點偏好在整個組織中的分布，以及這些結構隨時間演變的過程和趨勢，從而更為有效地調度和配置這些資源。

這些維度上的分析需求，主要需要三方面的數據分析技術予以支撐。第一類是全局視圖技術。對于管理者而言，對大數據內容全局狀況的把握，往往是開發大數據價值的一個基本需求。然而大數據的體量和結構復雜性往往遠遠超出人類認知的信息承載能力。因此，有效的技術應當能夠在大量數據中提取出一個足夠小的集合以呈現給管理者，并使得這個小集合能夠充分地代表數據全局。例如，在G公司的博客平臺上，一種“代表性博文提取”技術能夠在每天所出現的數以千計的博文中自動選擇出10篇。這10篇博文在很大程度上全面代表了當天所出現的數千篇文章，既充分反映熱點，也不能忽略冷門信號，從而使得管理者能夠通過閱讀這些文章來了解全局。第二類支撐技術是關聯發現技術，其目標在于敏銳識別數據間的聯系。例如，當G公司試圖整合博客平臺、業務系統、人力資源系統中的數據以全方位分析員工、團隊特質以及績效信息時，大量的數據屬性之間所構成的復雜潛在關聯網絡，就需要強有力的關聯發現技術來加以處理。第三類支撐技術是動態跟蹤技術，即實時化的流數據分析處理、快速增量數據分析。三方面技術都處于快速發展之中，但尚未全面成熟，有待于學界和業界的持續努力和探索。

從一定意義上說來，業務資源集成與社交媒體相融合的過程，是一個“信息去中心化”的過程。信息資源的創造和管理，從以往以經營和運作為核心的中心化模式，轉化為以分散創造、自由傳播、靈活匯聚為特征的眾創模式。另一方面，內外部數據融合的過程，是一個“信息去邊界化”的過程。企業部門之間的信息交換、企業之間的信息交換以及企業與市場環境的信息，以日益多樣化、實時化的方式實現。

這樣的轉變對于企業組織及其員工而言，其影響將會是多方面的。正面的影響可能包括創新意識與創新行為的出現、員工能力和技能的發展、溝通滿意度的提升、員工關系資本的建立和積累、員工對組織的認同和歸屬感的增加；而負面的影響則可能包括員工注意力分散、過度爭論，以及負面情緒的傳播等。所以，建設“大數據企業”的過程，也將會是一個伴隨著困難與風險的過程。在此過程中，需要管理者有效地把握創新發展的長期收益與短期業績之間的平衡，在推進大數據融合的同時防范和控制其中的組織風險，并審慎地思考和重新定義組織內外部邊界。

換言之，對企業而言，大數據實質上是一種管理思維，其支點在于業務信息資源與社交媒體的融合，以及內外部數據的融合，在這樣的支點上反思企業的組織形態、運作范式和價值創造模式，是“大數據企業”的真正內涵所在。