顛覆傳統研發

Michael Schrage

很快，迭代的“虛擬研究中心”將邊緣化乃至替代傳統的研發方式。不管公司選擇哪一種實驗方法，盡早且高頻地投身實驗，充分利用實驗結果及其給出的結論，這是企業在當今社會長遠發展的必由之路

互聯網浪潮驅動App（第三方應用程序）顛覆了整個軟件包行業的商業模式，Intuit（財捷集團）創始人斯科特·庫克（Scott Cook）也不得不帶領年營業額數十億美元的集團，再造有利于推動設計實驗的企業文化。這一過程十分艱難，但很成功；庫克本人也變成了“規模化實驗法”的傳道者。

Intuit是一家老牌的硅谷頂級科技企業，成立于1983年，主要向中小企業、金融機構以及個人提供商業和財務管理解決方案以及各種財務管理軟件，其重要產品QuickBooks和TurboTax軟件，幾乎壟斷著美國市場，連微軟都曾在其面前敗下陣來。

庫克說，他一直想知道為什么谷歌在搜索領域打敗了雅虎，直到“一名雅虎的高管告訴我，谷歌的成功在于建立起一套分散決策的系統與文化，并將其進一步演化為實驗決策法”。據悉，幾年前谷歌方面曾透露，其一年同時進行3000-5000個研究實驗——當你使用谷歌時，往往也會成為這些實驗的一部分；而今，這個數字至少是當初的十倍。

庫克認為，實驗文化必須與合理授權聯系起來，任何大型的業務實驗或商業計劃都離不開激發高層管理者的熱情與投入度。不同的是，現在不再是用實驗來印證已經存在的方案與分析，而是把實驗本身作為一種尋找創新思維和訊息的手段。據了解，谷歌工程師一旦突發奇想，他們根本不必去申請批準，就可以直接展開實驗，然后用實驗結果來做決定。谷歌很清楚，創新人才都希望能夠實驗、實現自己的想法，并最終看到它們“開花結果”、投入使用。

在如今實時開放的網絡環境里，好點子不再是關鍵，能否去驗證假設才更重要。可以預言，未來的創新與戰略將逐步變成實時實驗的產物以及副產品。事實上，自2001年互聯網泡沫破滅以來，數字網絡成功地進化為企業家們的虛擬實驗中心、實驗室和設計工作室，用來現場試驗各種需要復合團隊與復雜設備的假設。這一趨勢最終導致強調研究與開發（R&D）的傳統創新投資范式式微，基于實踐的實驗與規模（E&S）范式走向主導。

領軍企業首選

合作、開放的平臺大幅降低了企業進行各類實驗的成本、風險與時間。至關重要的是，基于網絡平臺的實驗能快速轉化為新產品、新服務以及更佳的用戶體驗。這種高效的轉化，讓創新從長期的固定成本投資變成了可變投資或邊際成本投資。上述過程被稱為“網絡經濟的指數性”。

這一新經濟學模型凸顯了數字化領域的實驗價值，讓主流公司也不得不關注起這一新概念。目前，實驗法已越來越受到認可，一直推崇數據驅動原則的最高管理層也是時候反思公司面臨的創新機遇與當前的風險投資戰略，嘗試模仿這些數字科技企業的做法了。

研究發現，實驗與規模（E&S）已是從事復雜數字化業務的公司之首選，并且成為這些公司的核心能力與文化價值。

亞馬遜、谷歌、微軟、Netflix、臉譜、Intuit和第一資本（Capital One）等知名度極高的市場領軍企業只是其中的一小部分，他們都公開承認自身創新的高歌猛進受益于不斷致力于數字化實驗。這些公司鼓勵創新者們經常且自由地開展各類實驗。實驗的數量與質量幾乎一樣重要。正如亞馬遜創始人杰夫·貝索斯的著名評論，“如果每年實驗的數量能翻番，公司的創造力也會加倍。”而且，對網絡公司來說，它們只需要花費可變成本，就能開展兩倍、甚至更多的實驗。

亞馬遜推薦引擎就是快速、靈活的規模化實驗的副產品，與有組織有計劃的商業策劃完全無關，如今，這一技術顛覆了整個網購世界。前亞馬遜內部創業家格雷格·林登（Greg Linden）曾回憶道，快速、低成本、迭代化的實驗對現實世界的影響，正成為“征服”頂層管理者的最有說服力的證據。

克服管理阻礙

不過，實驗化的創新與發展也意味著一個難以避免的痛苦前景，其中最大的挑戰不在于技術或資金，而在于文化和組織。大多數公司里，管理層都毫無疑問地更加青睞計劃、項目、程序和試點等創新安排，而不屑實驗性的知識和觀點。他們中的大部分人都不明白，實驗法的指數經濟性完全能支撐公司在創新領域進行分散的投資配置組合。

高管們頻頻拒絕能提高成本效率的實驗法，因為他們害怕自己來之不易的專業直覺與權威遭到質疑。數據驅動的數字實驗會削弱專業假設或商業前景分析的作用。但是，留下這些功能部門、保持相關人員的地位，其成本很可能比采用規模化實驗法更高。

當然，實驗項目也會存在區別。一些機構把實驗定義為A/B形式，譬如藍色是不是比紅色更好？另一些機構則把實驗作為多元變量設計來開展，以嚴格謹慎的商業策劃為基礎，逐步推進。不管公司選擇哪一種實驗方法，盡早且高頻地投身實驗，充分利用實驗結果及其給出的結論，這是企業在當今社會長遠發展的必由之路。

“云”中創新

如今，云架構日益成熟并形成主導優勢，這為全球企業提供了更佳的實驗環境，能進一步放大實驗機遇與效果。成功的云服務架構往往簡單易用可擴展。以DevOps（該單詞為Development和Operations的組合）為例，其主要用于連接軟件開發與技術運營，一切設計都指向鼓勵軟件開發與網絡調配能無縫迭代，能有效促進產品開發以及技術運營之間的溝通協作。此外，大數據與實時管理太字節（terabyte）與拍字節（petabyte）技術的發展，進一步拓展了實驗法可以應用的領域。

也許，在分析/實驗生態系統內，人工智能是最深刻的顛覆性變革。頂尖的數據科學家們已經開始制造機器學習系統，為實驗提供各種有趣假設。

這意味著，機器系統本身可以為市場營銷人員、管理者和創新者提供足夠多的基于數據的商業假設，后者只需要直接進行試驗即可，不再需要基礎調研、前期分析、設定假設等。在不遠的將來，最重要的實驗，如提升用戶體驗、辨識領先使用者或提議新功能等，都可以直接通過相應領域的訓練有素的機器學習系統獲得。

關鍵的啟示

在機器學習系統普及前，建議企業家們不妨搶先開展規模化的實驗法，推動創新與決策，以下八點建議可資借鑒。

少分析、多實驗：強調通過實驗來獲取新的認知，而非預測性分析，尤其是在創造性地拓展新領域的時候。

可以試驗的假設優于好點子：好的想法值得推崇，但更重要的是要提供當前可驗證的假設，用于實驗和分析。

贊美創造性約束：約束可以成為企業創造力的源泉。當資源有限或者受到種種條件制約的時候，人們會更多依賴精巧的思考與設計，激發出非常態的想象力；而如果沒有任何約束，卻因為可能性無限而喪失方向。

實驗應該社交分享化：數據科學家們不應該只承擔實驗任務，而要讓他們參與到企業層面的對話與創新交流中，提出建議與批評。社交分享能讓公司上下乃至各個部門（有時候甚至包括供應商、渠道和客戶）持續關注各類研究成果。

排定優先次序：應合理安排公司資源投向，平衡直接面對市場的銷售經理與技術部門之間的緊張情緒，確保最重要的事項優先獲取實驗機會與結果。

洞察實驗解決方案：在推行規模化實驗法的過程中，要強調實驗方法，杜絕完美主義或一步到位的思想，當斷則斷，更多追求迅速、迭代創新。

關注實驗假設：不可只關注最終結果，也要關注實驗假設與公司業務的契合度。如，大部分的實驗假設是不是有關客戶或者供應商最關心的內容？渠道和合伙人的需求有關注到嗎？這些假設依循了什么價值路徑和軌跡？是偏向于戰術還是戰略呢？等等。

人不是實驗室小白鼠：公司開展的各類實驗不能忽視倫理思考。譬如臉譜設計了防火墻，杜絕負面報道、操縱新聞推送，在使用者并不知情的情況下，扭曲了使用者的信息知情權；臉譜還利用這一防火墻開展管理網絡情緒蔓延的實驗，這種行為并不恰當。尊重消費者/使用者是最高原則。

來源：斯隆管理學院