數據時代的企業算法治理思維

劉杰

網絡公司運用算法對用戶以往在線的活動和行為數據加以分析后，就可以使人們打開手機App時總能收到自己感興趣的內容，或者在推薦欄很快就看到自己想要的商品，算法系統影響甚至控制著用戶的操作行為和結果。隨著5G以及物聯網、大數據、云計算、區塊鏈和人工智能等互聯網技術應用的普及與深入，社會進入到了數據時代，數據成為生產資料，產業互聯網成為傳統企業轉型升級的戰略選擇，在消費互聯網企業已經得到成功應用的算法模式開始進入到產業互聯網領域。

企業能否抓住產業互聯網機遇，關鍵在于是否具備數據資源應用的能力。因此，算法治理成為數據時代企業發展的一個重要思維。那么，企業如何理解算法治理的內容？算法治理思維的關鍵有哪些？企業如何才能夠將正確的算法治理思維落實到企業的運營過程中？

算法治理思維的基礎

算法時代的到來

提及算法（algorithm），計算機科學、社會學、法學、傳媒和哲學等不同學科理解的側重點有所不同，對企業而言，人們常常想到的就是指使用數字符號、圖表等數學工具來解決某一管理問題的數學模型，或者是基于特定的計算將輸入數據轉換為決策所需的輸出的編碼程序，這是對算法的基本的認識。比如，上個世紀50年代興起的庫存管理EQQ模型就是針對最優庫存這個環節而建立的一種算法，同時以MRP（物料需求計劃）軟件在計算機中加以實現和運行。隨著互聯網及其應用的發展，算法概念的范圍也拓展到了指解決某一問題或處理事務應該遵循的規則及其具體的操作程序，該程序可以應用軟件加以實現和運行，用來增強甚至取代人們分析、決策和執行的活動。比如，上個世紀90年代以來一直很受企業關注的供應鏈管理（SCM）不僅關注某個企業相關環節的庫存管理問題，還延伸到了市場、生產和供應等上下游各個環節，基于互聯網的SCM軟件不僅可以為供應鏈中各個環節倉儲人員提供透明的信息，而且還可以代替采購人員自動給供應商下單，代替財務人員支付或收取貨款等。

算法不僅已經逐步成為企業解決具體問題的一種方法和開展業務運行的技術程序，也已經滲透到社會結構和人們生活中，社會、企業、消費者等與算法之間的關系日益緊密。政府層面應用算法進行稅收、國防、貨幣發行、基礎設施建設和教育資源布局等規劃與執行，在COVID-19疫情期間，各國各級政府都希望及時掌握人口活動的數據，使用算法進行分析和控制。企業應用算法開展投資、定價、獲取客戶以及執行操作等活動，比如，滴滴、美團、今日頭條等平臺型企業以數字為主要生產要素，采用各種算法幫助企業運營，在運營過程中還通過不斷更新的數據對算法進行優化，大量的交易處理工作都交由算法自動完成，企業規模的擴大就不再依賴于人力資源的增長來實現了。例如，深圳洪堡智慧餐飲科技有限公司是一家利用互聯網從事小龍蝦供應鏈管理與市場銷售的企業，在做到1億人民幣銷售規模的時候，員工有近300人，而做到3億銷售的時候，由于其開發的大量算法已經成熟并投入應用，員工只有90多人了。當然，眾多消費者個人也使用算法開展投資理財、保險選擇和消費安排等。

算法的應用成為數字經濟高質量發展的一種必不可少的手段，經濟發展也進入到了算法時代，算法獲得了前所未有的地位。

企業算法治理的提出

其實，僅有算法在絕大多數情況下是不足以幫助企業解決問題的，算法的應用與不斷優化還需要背后的數據和算力的支持，物聯網的普及讓企業可以獲得大量數據，云計算的普遍應用使得算力得到增強，算法、數據和算力就是組成人工智能（AI）的三大基石。由此也可以理解為什么已經出現半個多世紀的AI概念在近年來得到廣泛重視的原因，也是因為AI的應用，算法常常又被稱為智能算法，智能算法讓計算機系統擁有了自己的“思想”，并且可以在算法規則確立的流程下運用算力和數據進行問題求解與決策、參與企業業務活動的操作與執行，智能算法的開發與應用也同樣推動著AI的不斷進步。

不過不是說只有AI應用才需要算法，算法本身也并非一開始就運用于計算機科學的，作為人工思考和處理的一種方法，算法一直存在于人類社會、經濟和生活之中。例如，人們通過查看印制的地圖尋找目標路線，企業通過計算各種成本確定商品的市場價格，政府等機構通過投票等方式開展選舉、立法等活動，這些工作中都存在著一定的算法。隨著計算機的誕生和應用普及，尤其是移動互聯網的發展帶動社會進入到數字時代，因為算法具有可抽象化和可程序化的特點，就逐漸成為了數據時代基本的思想方法和工作方式。互聯網以及大數據、人工智能、區塊鏈等技術與應用都需要以算法作為底層原理和技術，基于這些底層原理和技術的應用更加依賴各種算法設計，沒有算法的支撐，再多的數據和再強的算力供給以及各種技術的愿景都只是空中樓閣。

數據收集、數據、算法、算力與應用（即“人”）等五要素共同構成了算法應用系統的框架，其關系如圖1所示。在各種算力資源的基礎上，應用不同的軟件和設備收集到各種數據，然后運用算法處理這些數據，最終不僅可以得到有用的信息和知識，增強管理者的洞察力，而且還可以直接按照一定的規則有效率地代替人甚至代替組織做出決策和執行任務。因此，算法應用系統亦已成為企業的一種核心競爭力。

然而，圖1中的每個部分都不是看到的那么簡單，都需要有一個開始、設計、構建、實施、使用和不斷優化等過程，每一個過程都會涉及到技術、經濟和社會等問題。

圖1中與數據相關的內容屬于數據治理的范疇，比如：數據收集方式和手段的選擇、數據的項目和類型的確定、處置和應用數據的方法等，尤其是涉及個人隱私和公共安全的數據收集與應用，更是全社會所關注的數據治理問題。針對數據治理的各個方面，世界上主要經濟體與國家都在不斷完善相關的法律法規，一些企業也逐步建立了相關的管理制度。

算法不僅代表了數字時代企業的競爭力，而且也體現了企業的價值觀和具體的應用規范。在圖1中，一方面，算法及其應用關聯著企業內外的“人”，包括：員工、客戶、供應商和市場監管者以及算法的所有者、主導者和開發者等，但是算法本身大多以“黑匣子（Black Boxes）”形式的程序提供給人們的，使用者和其他利益相關者并不了解算法的原理，而且企業在算法應用過程中大多存在著多方利益沖突的現象。比如，眾多包含算法運行的App雖然在使用之前會提供一個說明并讓使用者確認后才運行，但是大多數人既沒有耐心閱讀，也缺乏讀懂的能力，算法就可能會在用戶不知情的情況下，攫取用戶的隱私信息并被商業化使用。另一方面，在算法的開發、應用及算力的使用過程中，企業自身也需要關注經濟性問題和數據安全性問題等。

這兩個方面的問題是影響企業算法應用成效的關鍵，可以通過算法治理來應對，算法治理成為數據時代企業的頂層策略和思維。

企業算法治理的內涵

按2009年諾貝爾經濟學獎獲得者埃莉諾·奧斯特羅姆（Elinor Ostrom）及其丈夫文森特·奧斯特羅姆（Vincent A. Ostrom）為代表的多中心主義觀點，治理（Governance）從概念上可以理解為：涉及到或公或私的不同個人及組織在一定范圍內通過相互調和、聯合等行為，制定、實施和實現某項計劃的過程。

因此，治理的概念屬于管理的范疇，是管理中的一項特殊工作，其主要任務就是當有相互沖突或不同利益的個人及組織存在時，確定與運用能夠使得他們協調一致的原則、規范、規則和決策程序，從而共同開展行動以持續低成本地實現目標的過程。

例如，近年來越來越多的外賣業務鏈中，平臺企業為了滿足消費者對服務速度的要求，追求收益的最大化，系統運用大量的算法來控制外賣騎手接單后的行為，甚至還特別關注騎手的上下樓時間，專門研究騎手去某一棟樓的低樓層和高樓層時的時間速度；而外賣騎手一方面要追求更高的收入，另一方面也需要安全和從容的工作狀態；同時，交通管理部門以及道路交通的其他參與者都希望有一個井然有序的交通環境。實踐證明，外賣業務鏈中算法的運用確實為平臺企業增加了每單的收入和節省了每單的成本，但同時也帶來了多方利益的沖突，尤其是外賣騎手在其中處于弱勢地位，因此，社會上就出現了對外賣平臺嚴酷算法的指責和善待外賣騎手的呼吁。

消費互聯網平臺企業已經受到了嚴峻的算法應用挑戰，隨著產業互聯網的發展、數據時代的到來，各類企業與算法應用之間的關系都將日益緊密，算法成為企業利益創造和分配中的一個重要角色，算法治理成為企業的核心理念。

圖1 算法應用的五要素概念架構

算法治理（Algorithmic Governance）是企業的一種新型技術治理形態，首先就是企業在經營管理過程中能夠主動并充分地運用算法；其次，在算法應用過程中需要有用于指導和支配企業算法構建與執行等各種應用活動的規則集合，這些規則集合明確了企業算法應用中涉及到的相關角色、工作責任和執行流程，算法的規則集合雖然是由企業依據自我需求的目標而設計的，但是為了能夠持續地實現自身的目標，就必須確保算法所涉及到的多方利益之間的協調；最后，算法也可以作為一種手段和工具，監督和保障算法對規則集合的遵守。

企業算法治理的思維組成

思維是行動的先導。十多年前隨著移動互聯網的建設與發展，互聯網成為社會與經濟的基礎設施，一些學者和企業家先后提出了互聯網思維，海爾、小米、美團等許多傳統與新生企業適時運用互聯網思維，取得了有目共睹的成果。近年來，隨著物聯網、大數據、云計算和人工智能等技術應用的普及和深入，社會和經濟進入到了數字時代，企業也從信息化階段進入到了數字化階段，尤其是國家以5G為核心的新基建戰略的實施，產業互聯網成為企業發展的方向。在此背景下，中共中央、國務院在2020年上半年發布了《關于構建更加完善的要素市場化配置體制機制的意見》，首次將數據定義為新型生產要素，與土地、勞動力、資本和技術等并列為五大要素，并強調要加快培育數據要素市場，數據成為企業參與國內外競爭的重要戰略資源。

然而，從圖1中可以看出，數據的價值需要通過算法的建設與應用才能夠實現，數據應用的本質其實是算法，算法是應用數據的大腦，算法治理成為繼互聯網思維之后企業轉型發展的又一個引領性思維。

圖2 企業業務算法化的三個層次

企業算法治理思維由業務算法化和算法業務化兩個部分組成。

企業業務算法化

互聯網雖然帶來了企業經營管理思維的變革，但是企業管理的主體還是企業各個崗位上的管理者，而算法治理思維帶來的是經營管理的主體的轉變，算法可以根據應用場景的不同，自主生成管理決策方案，并且可以自動執行，這就使得原本居于主體地位的管理者變成了參與者，甚至是聽命于算法的執行者。在業務算法化后，企業就可以打破原有的規模經濟遞減效應，也會自然突破企業原有的業務邊界，真正地實現跨界經營，因為大量的工作交由算法承擔了，這些工作從簡單到復雜可以分為如圖2所示的三個層次。

第一層次：日常運營與事務處理工作算法化

企業日常運營中，組織的精力大多被消耗在了常規的經營管理工作上，從基層管理者到高層都特別忙，尤其是主要領導人，忙著開各種各樣的協調會議，聽取各個條線的工作匯報并考核其工作情況，進而做出決定和指示，還要處理不同層級的下屬提出的各種各樣的要求與問題，與此同時，下屬也因缺乏發揮自主性工作的機會而嚴重影響積極性。

其實，現實中大量的工作是常規性的管理與決策。1911年，科學管理之父弗雷德里克·溫斯洛·泰勒（F. W. Taylor）在他的《科學管理原理》一書中提出，要達到最高的工作效率的重要手段就是用科學化的、標準化的管理方法代替經驗管理。泰勒雖然是從“車床前的工人”開始研究企業內部工作效率的，但是泰勒由此而建立的科學管理理論明確認為，管理學是一門建立在明確的法規、條文和原則之上的科學，適用于人類從最簡單的個人行為到大企業組織安排的各種業務等活動。泰勒證明了管理有科學的一面，然而，100多年來，泰勒的科學管理大多成為學術殿堂的擺設，難以在企業實踐中開花結果，在企業中也常常是由不同水平的管理者所運用。因此，在企業中科學管理的優化與繼承就成為一個難題。

進入數字化時代，泰勒的科學管理就可以采用持續優化的算法加以工程化實現了。借助于智能算法管理工具系統就可以自動完成大量的常規性管理與決策工作，可以極大地減輕各層級人員在日常管理中的工作與協調負擔。

例如，在烘培店的加工間管理中，每一個工作人員都有規定的著裝和行為要求，系統可以通過攝像頭畫面并運用算法識別工作人員是否正確地佩戴口罩、動作是否規范、產品制作各個環節用時是否標準等，一旦發現不符合要求，系統通過算法加以判定違規的嚴重程度，并可以選擇立即自動提醒員工改正或報告不同層級的經理人員等，同時，還可以自動計入考核系統。

同樣，這一套算法系統也可以應用在各類交通工具駕駛員甚至辦公室工作人員等的管理中，針對人們的工作狀態畫面等數據，運用算法系統就可以判斷其身體疲勞度、精力集中度以及對待客戶的熱情度等。

于是，企業日常運營與事務處理的許多工作可以由算法系統加以接管，算法代替了管理者，這將會使得一部分管理崗位的重要性降低甚至消失。值得一提的是，隨著這類算法系統運用的普及，將會有越來越多的職業、崗位會被認為“困在算法系統中”。正像印刷技術、汽車、電視和互聯網等出現的初期遇到很多非議一樣，算法系統的應用改變了人們生活、學習和工作的習慣，正如馬歇爾·麥克盧漢（Marshall McLuhan）所說：“我們塑造工具，此后工具又塑造我們”，加之算法系統本身的“黑箱（Black Box）”特點，社會對算法系統的爭議也難以停歇。

其實，算法系統雖然體現了主導者的價值觀，但其本身還屬于一種工具，任何工具都是雙刃劍，具有兩面性：一方面，算法系統可以切實提高企業的管理效率，降低成本，增強競爭力；另一方面，一些商家可能會濫用算法系統以壓榨員工、欺騙消費者。因此，一定程度的質疑、爭議和批評也是算法治理的一個組成部分，對算法治理的正常發展是有益的。但是，“倒洗澡水不能把孩子一起倒掉”，數據時代的算法系統應用是一個不可阻擋的趨勢，社會與企業都需要在思維、政策、法規以及架構和文化上的轉型。

第二層次：管理流程算法化

企業的戰略需要落實到業務流程才能夠得到真正地執行，客戶價值的創造和實現不是企業的哪個崗位或者哪個部門完成的，是在企業一個完整的業務流程完成后實現的，企業業務流程中的各個環節也越來越多地被外包給效率和成本更有優勢的其他組織。因此，企業業務流程的完成方式成為企業取得成功的關鍵。

長期以來，為了保證業務流程順暢地完成，并實現效率的大幅度提高，企業通過分工發展出了擁有各種職能崗位和部門的模式。在這種模式下，每個部門和崗位都專注于完成自己的工作，當然，也一定會與另外的部門或同事的不同目標產生交叉影響，因此，就可能會出現影響企業生存和發展的“大企業病”等現象。

其實，這種普遍存在的企業工作方式源自工業革命，在這種方式下，為客戶傳送價值的業務流程是跨部門、跨層級的，“豎井”式職能部門在實際工作中割裂了業務流程。而在一個企業中，本質上只有為數不多的端到端的關鍵流程創造了企業為客戶提供的幾乎所有價值，如訂單獲取、產品開發、生產與供應鏈管理等，在數字化的今天，這些以客戶為中心的關鍵流程在運用算法系統后就可以成為一個端到端的連續體，不再是一系列分散的步驟。

在諸如今日頭條、美團外賣和滴滴出行等網絡企業，算法系統已經使得企業部分流程的自我治理成為現實，這些企業的實踐證明，通過算法實施的管理流程更高效精準，也能夠降低管理成本。而近年來一些傳統企業亦已進入到產業互聯網領域，應用漸廣的海爾卡奧斯、美的美云智數、三一樹根互聯以及德國西門子的MindSphere等產業（工業）互聯網平臺，不僅可以讓用戶直接參與到企業的全流程，而且以用戶為中心的算法系統實現了對業務流程的部分替代，打通了產業之間、企業之間的界限。隨著應用場景的不斷拓展，以及區塊鏈共識算法達成的智能合約等技術與應用的推行，算法治理在用戶需求識別、解決方案生成和整體績效評估等全流程中發揮作用，算法系統運營的流程體系也將會促進全產業鏈生態的形成。

值得一提的是，歷史上汽車甚至是電熨斗等眾多新技術和新產品的出現，并沒有減少對勞動力的需求，近年來，互聯網對零售、出租車、媒體、旅游和餐飲等行業產生了摧毀性的沖擊，但是麥肯錫全球研究所的一項研究發現，互聯網每摧毀一個就業崗位，就會創造出2.6個新的崗位。可以預期，算法治理不僅難以完全取代人，而且還會產生更多的算法設計、維護等新的崗位需求。

第三層次：管理決策算法化

信息化時代企業開發應用的是決策支持系統（Decision Support Systems - DSS），DSS是人們運用數字分析開展決策的支持（Support）手段，最終的決策是由人而非系統所制定的，主要是因為特定的決策人以及決策的問題能夠獲取的數據有限，即小樣本數據決定的因果關系和決策者的經驗成為決策的主要依據。比如沃爾瑪通過有限的銷售數據分析發現啤酒與尿布的銷量正相關，但是只有收銀員將他們觀察到的場景告訴經理，即因為母親大多在家照顧孩子，父親外出買尿布，而父親同時也會買一些啤酒，這時經理才可能會決策在尿布的貨架邊上放上啤酒。

大數據時代的出現，嵌入到業務流程中的算法系統就可以把視頻、語音、圖片和數字等各種大樣本數據甚至是全樣本數據作為基礎，做出及時決策并直接執行。例如，前面提及的深圳洪堡智慧餐飲科技有限公司在網絡上開展廣告推廣，需要決策客戶的每一次點擊應該出價多少，因為要與競爭對手競價，出價過高就是浪費，出價低于競爭對手就會失去流量即訂單的機會。這項工作原本由每個店面的人工單獨操作，一般在前一天晚上憑經驗決策一個價格，第二天視訂單的增減情況，再決策后一天的價格。而現在由于可以獲得全網數據，他們開發了一個智能算法，視訂單變化情況和競爭對手的出價，15分鐘步進式加、減價一次，使得自己的競價自動成為一個動態的最優決策，而且全國1000多個門店都基本不再需要人工操作，決策的科學性和效率都得以顯著提升。

算法替代原來DSS直接做出決策并執行后，釋放了管理者大量的時間和精力，瑞·達利歐在《原則》一書中提到：像算法一樣決策可以培養真正的創意擇優。亞馬遜在這個方面就是一個典范，長期作為CEO的貝佐斯不僅要思考企業長期發展的方向，而且也要對企業正在發生的事情作決策。為此，他打造了一個強大的數字和算法系統。比如，亞馬遜數據中心的選址決策活動就有超過280個標準，包括了地震、空氣、地形和土地規劃條件等因素，全部自動計算達標后才可通過。再比如，亞馬遜制定的企業年度業績目標近500個，對每個目標都明確了責任人及成果要求和完成時間，算法系統實時分析追蹤，快速發現問題，自動完成常規決策，持續推進組織管理能力的提升。

大數據環境下的算法決策相對人工決策而言，不僅規避了現實中存在的決策噪音，而且具有準確性、高效性以及穩定性等優勢。盡管如此，也要認識到，無論多么優秀的智能算法都是人研發的，算法系統不可能完全取代人的決策，當然，算法系統也給人們帶來了“算法黑箱（Algorithmic Black-box）”的憂慮。

企業算法業務化

“算法黑箱”的說法之所以存在，是因為算法的設計、開發和運行都是在在封閉的計算機網絡系統中完成的，人們難以了解算法的設計原則、應用原理和運行過程，而且不同于實體空間具有明顯的地域界標，各地政府部門也難以對網絡空間開展及時的、有效的監管。即算法存在著透明性、可解釋性及責任明確性不足等問題。實際上，長期以來許多未應用算法的傳統企業也存在著同樣問題的，只是大數據背景下企業業務算法化的潮流會帶來整個社會的變化以及關注。

其實，雖然算法是網絡空間程序化指令的集合，實質體現的是設計開發者的價值偏好和利益訴求，這與企業在實體空間開展業務活動是一致的。大數據時代的到來，萬物以數據化的方式呈現，利用數據的算法成為企業業務活動中一個組成部分的趨勢凸顯。因此，企業在業務算法化的同時，還需要樹立算法業務化的思維，將算法治理也作為企業的一項業務活動。作為一項業務活動，算法治理具有以下三個特點：

首先，技術理性與價值理性的有機統一。企業算法系統看似黑匣子，本質是將原本與企業內、外部各個利益相關者之間面對面的直接關系轉化為了代碼系統，其目標是提高效率、降低成本、增強企業競爭力，并沒有改變企業的本質，算法并沒有去價值化。因此，控制算法設計和運行環節的核心仍然是企業的目的，即持續地創造用戶，當然，算法要實現這個目的，就必須能夠為員工、供應商、渠道商等業務相關者都能帶來福祉。

其次，短期效益與長期價值的有機統一。人們當下常常詬病的一些互聯網企業收集和濫用用戶數據的現象，其實就是企業追求短期效益的行為。雖然說網絡數據的收集與跟蹤是21世紀的普遍活動，且算法的價值也是以應用數據才能實現的。然而，如果企業以人性的弱點為切入點收集和利用數據，短期內可能會迅速為企業帶來流量與收益，但是長期而言，大多數用戶最終一定會厭惡這類算法的結果而遠離這些企業的。作為一種組織，企業追求的是基業長青，算法逐步成為企業業務活動的組成部分，那么算法本身就需要將短期收益與長期發展結合起來，能夠長期發展的業務一定具有合情合理、合規合法并能夠不斷改善人們生活的特點的。

最后，控制風險與抓住機遇的有機統一。數據和算法是算法治理的兩大基石，共同推動著算法治理應用場景的不斷拓展和持續深化，然而，盡管人類進入了大數據時代，但是數據還是存在著有限性的問題，人們設計的算法也存在著不完備性，尤其是社會對算法的認知以及取得利益相關者對算法的共同認可也需要時日。因此，算法業務化進程的初期存在著一定的技術、經濟、社會和政策風險，企業需要建立相應的風險控制機制和應對措施。此外，借鑒十多年前一些企業不信任的云計算業務在今天已經得到普及的經驗，傳統企業要消除對算法不信任的觀點。企業領導人要認清大數據背景下存在于企業之間的“數字鴻溝”將會演變為“算法鴻溝”，運用算法將組織的精力從日常管理中釋放出來，抓住機遇、布局長遠、持續提升。

企業算法治理思維的實施

互聯網及其各類應用的普及和發展，使得算法已經滲透到人類社會的結構中，雖然到目前為止，人們對算法的理解還很有限，甚至還加以抵制，但是并不能阻止人們依賴算法開展各種活動了。比如，人們大多不了解智能手機中各種導航軟件的具體算法，但是還是依靠著導航軟件的判斷和建議前行，導航軟件運用的動態規劃等算法，讓普通人也擁有了超越當地專業司機才具備的認路能力。當然，算法也可能會讓人們更少觀察、思考和質疑，人們在只需接受導航軟件建議的場景下，也就少有機會在一整張地圖上規劃自己需求的路線，同時也失去通過整張地圖來了解整座城市布局的機會了。從企業的視角來觀察這些現象就可以發現，雖然算法的應用存在著負面的因素，但是人們還是越來越依賴于算法，甚至離不開算法，企業的業務算法化和算法業務化已經初見端倪并且不可逆轉。

算法治理思維的實施對企業傳統的經營管理是一場變革，不僅需要戰略層面的頂層設計，也需要以變革管理為主線，重構企業的組織與流程、績效與文化和數據治理與IT系統等。

企業戰略

大數據時代，企業所處環境的不確定性復雜程度和市場要求的反應速度，都超出了企業管理者大腦的處理能力，企業的戰略制定過程也從低頻、耗時轉變為持續、快速，而算法治理具有高級分析以及自動化處理的能力，就為企業提供了戰略決策的手段和工具，企業戰略的一個關鍵轉變為核心算法的迭代，核心算法則聚焦于業務算法化和算法業務化。

業務算法化需要企業“從大處著眼、小處著手”，在做好全面規劃和頂層設計的前提下，針對業務中出現頻率高、影響面大、規范性強和預期價值顯著的場景，逐步推進業務算法化。切忌“大而全”的做法，對那些一年甚至幾年才可能會出現的低頻次場景，可以暫緩開展算法的建設與應用。

算法業務化意味著企業不要將算法僅僅視為一種技術或應用，而是要將算法視為企業重要的資產，特別是可以開展的一種業務，即沉淀出可復用的算法能力，通過云計算的SaaS（將軟件作為服務）開展算法共享服務業務AaaS（將算法作為服務），提供“按需算法”服務業務，開拓新的業態。

組織與流程

圣經中有一句名言：太陽底下沒有新鮮事。今天互聯網技術及其應用也猶如十九世紀電力技術的推廣過程，當時的企業家們也在思考著如何實現“電力+”。實際上從蒸汽機到電力的轉換，企業需要在戰略等各個方面進行變革，為了促進企業內部相關職能部門充分考慮電力的應用，很多企業還設立了首席電力官或電力副總裁崗位。進入到信息時代，同樣很多企業設立了CTO（首席技術官）、CIO（首席信息官）以及CDO（首席數據官）等崗位，領導了企業信息化的進程。

進入到數字化時代，數據成為生產要素，企業所需要的不再僅僅是軟硬件所提供的功能，而是在數據基礎上面向業務場景需求的洞察，即算法治理思維的應用，算法成為企業的重要資產和核心競爭力，數據科學家被稱為是21世紀最性感的工作，算法工程師/算法研究員也成為一種新的職業。然而，對大多數企業而言，算法思維的推行在近年還是一項沒有成熟經驗可鑒的工作，不僅需要各個部門的配合，還需要得到利益相關方的認可，是一項復雜的工程。因此，企業需要設立數據資產和算法資產管理職能，另外，除了一把手掛帥外，還要設立首席算法官（CAO–Chief Algorithmic Officer）崗位以領導和協調企業算法思維的規劃和實施工作。

因為算法本質上就是在連續性基礎上運行的，所以在業務算法化的過程中，原本需要占用管理者大量時間和精力的面對面、電話、會議、郵件等傳統溝通與談判活動，都將會被算法取代，實現端到端的業務流程。因此，相比于傳統的科層式組織和“互聯網+”組織，算法治理下的組織架構將更加扁平和精煉，業務流程更加平滑流暢。

然而，由于算法黑箱的特點，企業應該借鑒讓數據透明、流程透明的經驗，確保不因算法黑箱而帶來的新的“大企業病”的出現。

績效與文化

算法治理帶來算法組織、算法經濟、算法政治、算法法律和算法社會等各種新常態，企業算法的投資、研發和應用成為新的業務種類和增長點。然而，算法存在優劣之分，優秀的算法常常是迭代實現的，因此，企業算法治理需要績效體系的引領與規范。

因為有些算法可以獨立處理事務，有些算法用于配合人們的工作，還有些算法是控制人的行為的，等等，而算法的運行相比人的工作是缺乏柔性的。因此，算法治理績效體系的建立不僅僅是CEO或高層管理人員的任務，需要與算法利益相關者尤其是被算法所控制的執行任務的一線員工共商、共建、共享。瑞·達利歐在《原則》一書中還提到：當所有人都能看到算法使用的標準并參與其制定時，他們就都會一致認同，認為這個系統是公正的，并放心地讓計算機考察證據，正確地對人作出評估，給他們分配合理的職權。

當然，人們對算法治理及其績效體系的認知度是其認同度和參與度的基礎，而算法治理的文化又會影響和限制人們的相關認知。因此，營造企業以及全社會算法治理的文化，尤其是提高對數據是生產要素的認識，不僅是企業正常開展算法治理的前提，也可減少人們把企業正常經營看做是“算法殺熟”的現象。此外，算法治理的透明度、規范性和責任認定等問題不僅是人們接受算法治理的關鍵，也是算法治理績效體系的組成部分。

數據治理與IT系統

一方面，數據作為企業生產要素，能否真正發揮出作用，關鍵還在于算法治理；另一方面，數據治理是算法治理的基礎，算法系統離開數據大多就無用武之地。企業數據治理的核心就是打通“數據孤島”，并通過數據質量和數據安全這兩個關鍵的保證，在一定程度上保障最終算法治理的質量。

因此，企業算法治理思維下的IT系統需要承擔三項任務，一是收集、存儲、打通與企業業務相關的數據，二是建立、運行和保護算法的系統，三是提供算法運行的計算能力。為了保證這三項任務的完成，企業需要建立相應的數據和算法管理制度、標準和規范。

隨著數據資源的豐富、算法治理的創新和計算能力需求的增加，無論是云計算公司，還是企業自建系統，提供企業IT服務的業務本身也需要算法化。

變革管理

眾多經歷過實施信息化的企業都會體會到整個過程的復雜性，認識到信息化實際上是一場變革，盡管任何組織的變革都會有風險，而不變革則會有更大的風險。

企業算法治理思維的實施的復雜度不亞于企業的信息化，也存在巨大的風險，除了開發和優化算法需要長期、大量投入的風險外，人們對算法的角色及其運作方式的認知度和認可度還不高，這種缺乏理解不僅涉及算法的生產者和使用者，而且還涉及很多其他受影響者（例如，政府、股東、經理人員和員工等）。

因此，企業需要把實施算法治理看做是一場徹底的變革，對于這場變革要做好系統的計劃、組織、控制和協調等管理工作。

結束語

互聯網具有的低成本數據資源和數據傳輸功能，已經徹底改變了人們之間聯系溝通和商業交易的方式，以5G為核心的新基建正在引領萬物互聯的數據時代的到來，數據成為經濟增長、產業變革和企業發展的核心要素。近二十多年來，一批消費互聯網企業的成功實踐證明了數據蘊含著巨大的商業價值和社會價值，而數據效用的發揮依賴于算法，數據和算法成為企業的優質資產和核心競爭力。

Web 2.0概念的提出者蒂姆·奧萊利（Tim OReilly）曾經說過：“要理解未來，就需要我們摒棄關于現在的思維模式，放棄那些看起來順理成章甚至習以為常的思想觀念”。迎接數據時代的到來，任何一家企業都需要建立算法治理的思維，通過對企業戰略的調整以及組織與流程、績效與文化和數據治理與IT系統等方面的管理變革，以業務算法化和算法業務化為指導思想，創新提升企業的管理能力，轉型升級企業的業務模式。