汪春堂
(武汉工程职业技术学院 经贸学院,湖北 武汉 430080)
电子商务、社交媒体、移动互联网、物联网的兴起,改变了人们的生活与工作方式,在给世界带来巨大变化的同时,也促使一个大数据时代真正到来。越来越多的传感设备、移动终端正陆续接入网络,各种统计数据、交易数据、交互数据和传感数据源源不断从各行各业迅速生成,全球数据的增长速度之快前所未有,数据的类型也变得越来越多。种类繁多、数量庞大、产生和更新速度加剧的大数据,日益渗透进每一个行业领域,成为影响企业决策的重大因素。如何根据大数据进行迅速而正确的决策,将直接关系着企业竞争力和经营业绩。
对于大数据,学界并没有一个统一的定义。麦肯锡全球研究院将“大数据”定义为“无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合”。维基百科对大数据的定义是:“大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。”综合各种文献资料,大数据有以下四个特点:
1.数据规模庞大
人类对于数据的计量单位在不断扩充变化,已经从位、字节、千字节、兆字节、太字节走向了泽字节甚至尧字节,并仍在持续爆炸式增长。据市场研究公司IDC的统计,全球数字信息在未来几年将呈现惊人增长,预计到2020年全球数据使用量将达到大约35.2ZB(1ZB=10亿TB)。
2.数据来源广泛,数据类型丰富
大数据来自多种数据源,数据种类和格式日渐丰富,除了常用的结构化数据范畴,还囊括了半结构化和非结构化数据。随着云计算、移动互联网和物联网等新一代信息技术的创新和应用普及,社会化网络逐渐成熟,相对于以往便于存储的以文本为主的结构化数据而言,目前非结构化数据越来越多,包括网络日志、音频、视频、图片、地理位置信息等,目前全世界的数据大约75%都是非结构化数据。这些类型的数据需要进行清洗,整理,筛选等操作,变为结构化数据,因而对数据的处理能力提出了更高要求。
3.商业价值高,价值密度低
根据麦肯锡研究院的测算,美国的个人位置大数据服务能产生8000亿美元的市场规模;在零售业领域大数据将使企业增加60%的利润;在制造业部门,大数据的广泛渗透应用能够降低50%的产品开发、制造和装配成本。但是价值密度的高低与数据总量的大小成反比。以视频为例,连续不间断监控所产生的海量数据中,可能仅有一两秒数据有用。众多科研机构和企业都在着手研发更强大的机器算法以期迅速地完成对数据的价值“提纯”,毕竟如果不能把拥有的数据转化为价值,那么拥有再多的数据也是毫无意义的。
4.处理速度快
以储存1PB的数据为例,即使带宽(网速)能达到1G/s,电脑的容量足够且能连续运行24小时,要将1PB的数据存入电脑也需要12天,而大数据通过云计算可以在20分钟内完成。
1.决策思维更注重“相关性”而不是“因果性”
大数据在给人类带来“数据财富”的同时,也引发了企业的思维变革、商业变革和管理变革。维克托·迈尔·舍恩伯格在《大数据时代》一书中指出,大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的思维革命。我国学者周涛也指出大数据处理要有三大理念转变:要全体不要抽样、要效率不要绝对精确、要相关不要因果。
在浩如烟海的大数据海洋中,我们不可能迅速弄清各种数据间的逻辑关联和前因后果,为提高对数据的反应速度,抓紧稍纵即逝的市场机会,只要能确认不同事件、现象的反复伴随出现,就可以进行决策——这也就是我们主张的认识大数据的本质在于发现相关数据,而大数据管理的本质则在于建立数据相关。在经营实践或商业行为中,凡事要更多地看数据所呈现出来的结果,而没有必要等所有原因都弄清楚后再做决策。也就是说,经营决策在很多情况下,就是一种“黑箱”行为(依据黑箱理论,即使我们不清楚“黑箱”的内部结构,仅注意到它对于信息刺激作出如何的反应,注意到它的输入—输出关系,就可对它进行研究并做出决策)。企业管理者通过对大数据的相关分析,可以直接明了得出结论,跳跃性地做出判断和决策。大数据思维可以让企业管理者的决策行为超越传统思维的僵化和死板,而趋向更加灵活、务实。
2.决策方式从“业务驱动”向“数据驱动”转型
传统决策主要依靠业务经营状况和主观经验对市场进行预判,这种决策存在很大风险。现在,在大数据影响下,企业可以通过利用分布式数据库及云数据系统的支持,构建以大数据为基础的数据分析平台,把来自于不同行业、不同时段的数据指标化、时间化和序列化,然后再做各种各样的分析(比如同比分析、对比分析、异常分析等等),利用分析结果来驱动企业的决策,指导企业发展。
同时,决策的依据正从结构化数据,更多地转向非结构化、半结构化和混合结构化的大数据。而大数据技术和处理手段可以使看似杂乱无章、关联性不强的数据也变成服务决策的有效信息。现在通过大数据管理,不仅是宏观数据,企业的微观数据也能在企业决策中发挥更多的实用价值。
最后,在大数据时代,只要企业建立了后台强大的数据采集和分析系统,除了事关整个企业重大战略转型及经营定位的决策外,其他大量的日常决策就可以授权由一线员工来完成,而他们决策的依据也就是数据分析系统给他们提供的以统计概率表示的具体建议。通过这样的决策体制和决策流程的变革,就可以大大加快企业决策对市场的反应速度,也可以更好地支撑“倒三角”的管理体制。
3.决策过程从“被动式”向“预判式”演变
在电子商务时代,原材料、生产设备、顾客和市场等因素变得越来越没有固定范式和属性,使得传统的“被动式反馈”的决策过程难以适应这一变化。如何利用大数据技术构建内外部数据采集、筛选、存储、分析和决策系统,支撑预判、服务决策,成为电子商务时代企业塑造核心竞争力的关键。现代科技正走向更大的跨领域融合,产业界限也越来越模糊,充斥其间的则是大量非结构化数据。与此同时,现代化企业管理越来越流程化和规范化,严格执行各种规章流程成为竞争乏力的直接原因之一,也造成了决策层的经验判断和预测难以奏效。因此,在大数据中挖掘员工和社会公众的创造性日益成为企业决策的基本前提,并推动企业决策从“被动式”向“预判式”演变。
大数据处理不是靠一台高级计算机,而是靠无数台计算机用函数式编程这样的数据工具将其分解,再慢慢合并运算出结果来。这样的结果就是大数据时代给了人们一个相当简单的公式:大数据带来更准确的预测,更准确的预测带来更佳的决策和管理,而更佳的决策和管理带来更好的管理效益和经济效益。
1.制定企业大数据战略,建立统一的数据资产管理策略,推动企业向依靠数据决策转变
数据为企业各层次的决策提供了依据。数据对决策者的意义主要表现在三个方面,一是早期预警,二是实时感知,三是实时反馈,数据越及时越丰富就越有助于企业决策的实时性和有效性。但是目前仍有部分企业尤其是国企经营决策机制还停留在以往的工业制造时代,对企业内外产生的数据的重视和把控程度较低,各种数据的相关性程度也很低,存在大量的信息孤岛。因此企业要告别过去单一闭塞的决策环境,面对开放的大数据发展趋势,评估大数据对企业管理、运营与决策所带来的革命性影响,制定未来五年或更长时间的企业大数据发展战略,建立统一的数据资产管理策略,明确企业大数据发展的主要目标、重点任务、行动计划和保障措施,实现向数据驱动的决策管理体系转变,做到所有的经营决策都有相关联的系列数据支撑,做到“无数据不决策,无数据不研发,无数据不生产,无数据不营销”(这里所说的数据都是指有足够数量的数据集)。
2.构建基于大数据的决策数据信息池,为企业有效决策提供数据保障
面对大数据给企业决策带来的诸多影响,企业面临的首要问题便是要从不同渠道获取大量数据,构建基于大数据的决策信息池,并对这些数据进行有效管理和分析。
一是要充分利用外部海量数据资源,包括发展与数据相关企业、政府机构的深度合作。比如淘宝网上的电商就购买淘宝网后台收集的海量数据中与自身运营相关的部分,用于自身业务发展决策。企业必须充分利用和借助相关的数据平台和商业信息,包括世界和中国的经济社会发展趋势,中外企业和政府的报告和资料,同行业及相关行业的流转数据等。
二是要借助企业电子商务平台开展大数据管理。很多企业有自己的电子商务平台,通过设置电子采购、在线交易、服务中心和网上超市板块,不仅可以密切关注产品的交易情况,还可以收集用户浏览网页的信息。此外,还可以通过微信、微博等平台收集用户评论数据,从而为决策或营销提供精确服务。企业要利用B2B平台开展数据获取、分析及应用的实际操作,不断形成数据累积和应用的“雪球效应”,然后再依靠数据挖掘和分析获得宝贵的信息和资源,从而为线上线下的交易提供精准服务。
3.与大数据分析和挖掘公司合作,充分挖掘数据商业价值,为企业决策提供深度指导
目前,许多传统企业没有分析海量数据的能力,但是可以与目前市场上已有的一批提供大数据分析和挖掘服务的公司合作,这是传统企业进行大数据分析可以借助的力量。如果与相关数据分析和挖掘公司合作,合作内容和形式可以多种多样,包括共同研究探讨建立大数据应用的统计标准,包括指标定义、口径、范围、分类、计算方法、代码等;共同研究确定统计数据的内容、形式及实施步骤,包括数据采集、处理、分析、挖掘、发布等;也可在其他方面开展合作。合作可以由简单到复杂,分层次逐步渐进式推进。
4.引进和培养大数据管理与分析的技术人才,为企业高质量决策提供人才保障
大数据时代高层管理者的任务主要是发现和提出正确的问题,而问题的解决需要依靠大数据分析,就需要拥有相应技能的数据分析人才和数据挖掘人才。认定和选拔这样的人才,必须注重其有无高超的创新能力、逻辑思维能力、项目研发能力和系统整合能力。这类人才,包括但不限于系统管理员、系统开发人员、数据专员、数据分析员和专家。除了可以从外部引进之外,也可以从企业内部加速培养。
大数据人才是多学科交叉型人才,其培养需要多学科共同参与。这需要相关部门遴选此类人才,进行多种学科知识的培训,必要时可送到高校或国外学习。同时由于大数据人才是应用型人才、复合型人才,必须优化其成长的实践环节,所以可以在工作或者项目实践中边干边学,解决实际问题。这就需要企业为正在从事和未来有志于从事大数据领域的专业人员搭建一个提高技术水平和商业实战的平台,并制定相应的激励措施和薪酬政策。
5.加强商业数据的安全保护,为企业决策提供安全的法律和技术环境
大数据的一个负面作用,就是容易导致商业秘密外泄。为加强商业数据的安全保护,企业要全面增强相关的法律包括国际法保护能力,进一步规范和强化与商业秘密接触人员的合同保护、竞业限制保护、不侵犯他人商业秘密保证书等一系列保护制度,建立健全企业和个人的信用体系。此外,在技术措施上,还必须在信息防火墙、网络安全、访问权限、文件加密等技术层面加强管理。只要综合运用以上措施加以严防死守,必能最大限度地堵塞企业商业秘密外泄的漏洞。
参考文献:
[1]维克托.迈尔-舍恩伯格肯,尼思.库克耶.大数据时代[M].杭州:浙江人民出版社,2013.
[2]李莹.大数据背景下联盟企业的知识转移路径初探[J].中国管理信息化,2017(9):81-83.
[3]刘银山.董效弟.大数据技术在钢铁企业运营中的应用分析—酒钢集团大数据初探[J].甘肃科技纵横,2015(7):30-31.
[4]郭小莉.基于大数据环境的企业管理决策分析[J].现代营销,2017(6):42.
[5]史丹.大数据引领能源领域新变革[J].中国国情国力,2014(11):12-14.
[6]顾芳.刘旭峰.左超.大数据背景下运营商移动互联网发展策略研究[J].邮电设计技术,2012(8):21-24.