吕本富：数据驱动——传统产业转型核心
吕本富，中国科学院研究生院企业创新研究中心副主任，教授 去年年底，我国网民数量达到6.32亿，接入智能终端有7亿台，微博用户有12亿，微信用户有4～6个亿，支付宝用户3个亿，网易+搜狐新闻客户端1个亿，电商零售交易额达到30005美元，网络经济占GDP的份额4.4%。还有一些数据，比如百度每天有50亿搜索量……这些数据，支撑我们做两化深度融合，它不仅仅在消费者这一端，还向生产领域转移，这些数据驱动了数据平台的产生。 我们老说互联网+，互联网+到底是怎么个加法？对我们的来讲，互联网+或者互联网冲击有三个阶段： 第一阶段是网络化，是连接人和物，连入互联网，这个连接产生了网络效应改变了信息不对称； 第二是数字化，这些设备和这些人在数据空间中，在网络空间中会产生大量的数据，我们把数据变成信息，可以带来精准的预测； 第三，当我们对这些数据的规律掌握以后，就可以把这些规律和各种各样的智能设备，我们称之为赋予数据处理能力，这就到了智能化阶段。最高级的智能化是人脑和机器连接，可以提高知识生产和传递效率。这三个阶段是互联网+什么，就是这些工具加到所有的经营环节中。 连接有什么效果？连接有两个，就是把人和物连进去。第一个效果现在叫360行变成3600行。现在互联网+连接完成以后，就会把行业进行分解。像过去一个出租车行业，现在就是分成了顺风车、快车、出租车等等。互联网连接还有第二个效应，它会聚合，它把过去一些分散的市场聚合成一个市场，使得这个市场能够存在。举一个小的例子，比如说世界上有一群人专门喜欢手机上下载的铃声是放屁的铃声，一个匈牙利的小朋友用声音和软件制作了20种放屁铃声的APP，一个月可以获得一万多美元，这种奇葩的人分布在世界各地。现在通过互联网的聚合成为一个市场，过去这个市场是不存在的，所以连接是两个效应，一个是分解，一个是聚合，使得我们现在的行业诞生出过去所没有的市场。 互联网+的第二个阶段是大数据，就是数据化。这个数据化来源于两个动力，一个动力是智能设备，两化融合就产生工业大数据。工业大数据从哪来的？就是各种各样的智能工具。数据化还有第二个动力，来自于社会交往平台，就是各种各样的社交网络，比如说各种各样的碎片数据、分享数据。例如，中国人爱分享几类数据，一个是谁家有娃了，娃的生长日记，第二是分享风景，第三就是吃饭的数据，据说中国每天分享吃饭照片是7600万张，分享所产生的信息也是大量的。新摩尔定律说，过去18个月产生的数据等于计算机有史以来的总和，或者说网络空间的数据90%都是近两年产生的。这个数据经济的意义在哪里？它们实际上就成为跨界和颠覆的基础。 我们说什么被颠覆了，就是因为他掌握了这个行业的用户行为数据。如果没有掌握用户的行为数据就不好跨界，比如说小米原来不是做手机的，是做杀毒软件的，一转身就可以做手机，因为他知道了用户行为。还有一个导演是郭敬明，过去是作家，现在一转身变成导演，而且票房都是5个亿左右，就是因为他知道他粉丝的行为。所以跨界和颠覆的基础就是大数据。据统计，现在全球数据量从2003年5个EB到2020年可以有40个ZB。第三，是智能化，比如，现在我们的电子购物都是人类作主的，有人预测到2020年左右可能在电子商务的订单有10%左右是由家电自主下单，比如你们家冰箱可以帮助你自动买牛奶，一开冰箱就知道你家牛奶的消耗量，根据网上促销的价格，再加上牛奶的保质期，自动就可以下订单，这就是智能化，现在家居智能化也越来越多。这是互联网+的三个阶段。 互联网+三个阶段还不是目的，在企业经营的过程中，最重要的是决策，它能不能提升管理的水平，或者促进整个行业向高端迈进？核心是和决策有关系的，所以第二个问题说一下数据与决策。 不同的学派和实践者对于管理的本质可能有完全迥异的理解，但是都认可决策是管理的本质，而管理最核心的要素是信息的收集与传递。哈佛大学刚成立的一个计量社会科学学院，说大数据将掀起一场管理革命，无论是企业界、学术界、还是政府都会受到重大影响。决策产生价值，决策的精确性来自于信息对称的程度，而信息的对称程度来自于数据的挖掘和数据的梳理。 不管你是来自于机器设备、自然界的数据，还是来自于社交网络的数据，如果真能够做互联网+的话，就能够在实践中产生影响。数据处理第一个过程是梳理成信息，就是这个原始数据或者是粗数据是需要清洗的，也有人称之为脏数据。脏数据要变成信息，所以有很多公司设计一个职位是手机信息官，专门做的事情就是把大型的数据通过清理变成可用可视的，建立数据模型，能够在实践中提供预测，提供决策。 数据和信息梳理完之后就要形成大数据的平台。要决策的情况下，仅仅局部数据没有用，一定是企业内部数据和企业外部的数据二者联合起来。我们企业过去做的ERP数据在整个大数据平台当中分量大概是15%，另外85%的数据是企业外的数据环境的数据。举个例子来说，比如说可口可乐做仓储分配的时候，它现在用的不仅仅是企业内部ERP的数据，它要把欧洲国家去年气象数据全部做起来。因为可乐的消费跟天气的温度是有关系的，在欧洲做存储之后要做了大量欧洲天气的数据和今年有什么变化，然后再做仓储。所以大数据平台的形成或者两化融合的深度融合，现在已经由内部向企业外部蔓延，正在突破企业边界。 第二是数据的开放性和公共性，因为数据难以由一家公司或者机构、政府部门所获得，所以必须要产生一个开放的、公共的网络环境，由第三方机构来决定你的数据是不是要开放。 第三是数据的动态性和及时性，65%的数据在你放一天之后是没有价值的。比如，为了防止恐怖分子，这个数据最多就是30秒内就要判断出来，如果三天之后判断出来早就把事干完了，所以数据的动态性非常重要。 有了数据平台以后，前期的研发、流程、渠道品牌都是通过数据驱动的基础上进行运营。 产品的研发、流程的运营、品牌的传播等等都牵扯到决策问题，开发这个产品是不是一定要上网，在哪个区域投放传播媒介，最后在哪一群人中作为重点的客户，这些都是决策问题。 数据支持的决策是什么样的？首先我们要把决策研究清楚，决策的区分有两个方面，一个是可控性，就是做完这个决策以后你是不是对最后的结果还有影响，这是可控性，就是决策者是否可以改变选择内容和结果。第二是决策结果的衡量标准，即决策的成功是否与竞争对手有关。换句话说你决策的结果要的是相对性还是绝对性，比如我们的目标是完成任务，还是比他人更胜一筹。 按照这两个指标，我们就把决策分成四个类型，第一叫判断型决策，结果是绝对的，和别人没有关系。第二是生产型决策，结果也和自己有关，和别人没有关系，对最后你做完这个决策之后是不是影响结果中间是可控的。第三是竞争型决策，结果是相对性的，过程也是不可控的。第四是开拓型决策，结果是相对性的，是要有比较的，你在这个过程中可以施加影响。 有一个有名的管理学家叫菲尔罗森维总结的四个类型决策理论： 第一是日常的选择和判断。一般情况下这种决策可控性很低，并且决策的表现是绝对的，决策的结果与竞争对手无关。比如日常你买东西回家就是判断性决策，我买的东西好不好和我自己有关，但是一旦这个东西买完付完钱以后，这个东西是不是原厂的货，是不是高保真的，你就不能控制了。牛奶好不好，只有买回家就是牛奶本身的事情了，所以这是结果不可控。 第二是可以改变结果的决策，这是一种可控的决策，通过个人的学习、通过个人的努力可以改变结果，可以做最好的自己。比如我今天做一个决定，我要考博士，或者我要干一个什么事，但是成功不成功与自己有关，最重要的是跟我努力的过程有关，这样的决策是生产型决策，做完这个决定以后还要持续的努力，努力的过程是可控的。 第三是需要胜过他人的决策。比如两个人竞争一个岗位，这个是竞争型决策。 第四需要积极推动结果并需要胜过对手的对策，这是最高级的决策，称之为开拓性决策。做这样的决策一般都是高层管理团队，高官需要卓越的领导力、沟通力和影响力，这种领导力、沟通力和影响力可以直接影响决策结果的。高层管理人员要保证所在的组织具备竞争力，能够胜过对手，就是和战略选择密切有关系。比如说我们是否进入这个新市场，是否研发一个新产品，是不是深入一家公司，都是属于四型决策。开发新产品都是和你的努力程度有关系的，企业的并购成不成是你的沟通到不到位，所以开拓型决策是专门考察高管团队的领导力。 那么，数据平台怎么来支撑？它需要不同的数据类型，不同的数据平台支撑。比如对于判断型决策，判断这个东西好坏，这个时候结果一定形成了，在你买东西的时候结果就出来了，牛奶的品质好不好买之前就已经定了，所以这个时候是搜索数据和比价算法是最重要的。对于生产型决策，叫做结果尚未形成，中间是可以需要调整，所以这时候是监控数据和激励算法最重要。我怎么把生产过程或者是学习过程监控的数据能够全盘的取得。激励算法，怎么激励下属能够完成，这个变得最重要。第三是竞争型决策，叫规则已经形成，比如我们提拔一个处长，谁能够当这个处长基本规则早就定了，这个时候也是监控数据最重要，什么时候先发制人，什么时候后发制人，先发制人也是有条件的，后发制人也是有条件的，根据双方的实力不断调整自己的决策。第四是开拓型决策，目标已经确定，但是确定完之后战略布局没有完成，所以这时候就需要战略布局，怎么做一个更好的战略布局才能达到一个目标。最重要的是需要搜索数据和监控数据，我要把信息尽量搜索全，同时把过程尽量描述的比较清晰，这时候是需要复杂模型，不是单一的模型，也不是单一的算法，因为它是需要你的沟通能力，需要你的交际等等，所以它是一个负责模型。因此我们从互联网+到最后形成大数据平台，最后这个数据平台能够在决策中发挥作用，就必须要理解决策的类型。对不同的类型寻找不同的支撑的数据。 数据驱动改变竞争。在大数据时代，组织通过挖掘大量内部和外部数据中所蕴含的信息，可以预测客户需求，进行智能化决策分析，从而制定更加行之有效的战略。组织战略将从业务驱动转向数据驱动。智能化决策是组织未来发展的方向。过去很多机构对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。过去企业管理中也有一些数据，最多做一个图，在我们看来是描述层的分析，并没有抓到规律。 因此新的数据改变我们企业的战略，企业的竞争有一个五类模型。上是你的供应商，下游是你的客户，上面是新进入者，底下是替代品，中间是这个行业的竞争程度。我们分析一个企业的竞争力主要是从这五类来分析。 现在在大数据，过去静态的五类模型分析已经不太适应的，所以有人总结了新的五类模型。第一是你有没有信号优势，这个企业能够察觉捕捉破解预示变化的信号并及时应变。第二是试错优势或者是迭代优势，现在做互联网都说迭代式开发，通过持续、大量、低成本的试验和创新的机制，来寻找适合自己的路。第三是组织优势，领导力、组织框架、人才储备的弹性和活力，现在企业的组织结构是不是适应现在互联网+时代。比如很多企业做互联网转型的时候，提倡内部创业，提倡小微团队，提倡及时相应等等，一系列的组织变革都在进行。第四是系统优势，管理并塑造多元业务系统形成生态、并保持其活力，也有人称之为平台优势，诺基亚的CEO在回忆诺基亚为什么失败，他有一个很有名的反思，他说：我们和苹果相比，我们是以我们个体向苹果的生态系统挑战，注定我们是失败的。第五是社会优势，企业发展的目标与社会发展方向和社会责任相结合，好事不出门，坏事出千里，任何一个企业如果你的价值观和整个社会发展方向不一致，都不会成功。现在已经到了口水可以淹死人的时代。第一它是有利于做口碑传播，现在很多企业做广告、做口碑就可以做的很好。反过来如果你的价值观有问题，企业的行为和大的社会方向不一致，口水也能够淹死，所以这是新的五类模型，反过来通过这五个优势决定了你的社会地位。 如果我们数据能够支撑决策，企业改变了新的竞争战略，这个信息化就迈向了数据化的时代，由IT迈向DT，实现由追求效率向追求结果转变。 信息化仅为管理决策提供参考价值，而数据化能够直接决定企业的行动。信息化只是简单的使用IT技术和数据提高企业运营效率，而数据化阶段要求数据成为产品生产和运营的核心原材料，实现产品和供应链增值。 传统企业在转型的时候，在互联网+的时代，特别是大数据建立完以后有什么样的机遇或者有什么新的规则，我们总结有这些规则：第一是整合资源、降低成本、圈人、直销、社交、要从刚需入手，砍掉房租与中间环节，让利消费者，生成个性化价值。第二是用高性价比形成圈子：人群就是渠道，产品和服务就是传播，积累的数据就是成长的空间。第三是依托“场景”开发，注重用户的瞬时心态，分辨从小白与极客的客户图谱。 数据技术也有一些新的需求，对传统企业要掌握一些DT技术。除了现在的云计算技术、移动技术、物联网技术等以外，要把脏数据变成可用的，要有数据的连接技术。企业内部的ERP只能提供大数据平台15%的数据，85%需要在外部环境中寻找。还有数据的特征值提取技术，还有情绪分析技术、结果有效性判断技术等。 驱动机制的升级，有领导的决策过去靠决策者的远见，传统的时候是靠领导拍板。第二个阶段企业到了战略驱动，怎么把企业的战略指标分解成KPI，最好的工具是平衡计分卡的工具。第三个阶段是流程驱动，通过流程的改革形成一个闭环来驱动业务运行。现在企业已经到了第四阶段，就是数据驱动，通过内外部数据形成数据分轮来提供企业的运营。 （本文根据吕本富在2015中国两化融合大会的发言整理，未经本人审阅） |
