大數(shù)據(jù)已被提升到國家戰(zhàn)略高度。美國啟動了“大數(shù)據(jù)研究和發(fā)展計劃”，動用美國國家科學基金、國家衛(wèi)生研究院、能源部、國防部、國防部高級研究計劃局和美國地質(zhì)勘探局等6個聯(lián)邦政府部門的資源，大力推動大數(shù)據(jù)相關(guān)收集、組織和分析工具及技術(shù)的研發(fā)，致力于開放型、共享型政府建設(shè)。
大數(shù)據(jù)已被定義為科學探索的第四范式。繼幾千年前的實驗科學、數(shù)百年前的理論科學和數(shù)十年前的計算科學之后，當今的數(shù)據(jù)爆炸孕育了數(shù)據(jù)密集型科學，將理論、實驗和計算仿真等范式統(tǒng)一起來。大數(shù)據(jù)已被譽為“非競爭性”生產(chǎn)要素。
大數(shù)據(jù)具有“取之不盡，用之不竭”的特性，在不斷的再利用、重組和擴展中持續(xù)釋放其潛在價值，在廣泛的公開、共享中不斷創(chuàng)造著新的財富。
然而，大數(shù)據(jù)的3V特征也好，4V特征也罷，仍然沒有撇清與海量數(shù)據(jù)、超大規(guī)模數(shù)據(jù)的關(guān)系;為數(shù)不多的應(yīng)用案例，依然難逃傳統(tǒng)數(shù)據(jù)分析和數(shù)據(jù)挖掘的嫌疑;大數(shù)據(jù)的實時分析、產(chǎn)品的關(guān)聯(lián)度分析，很難抹去精準營銷、精益管理的傳統(tǒng)思維定式。這更像是一種“新瓶裝舊酒”的困局，一種“唐·吉訶德式”的悖論——越是強調(diào)大數(shù)據(jù)的實踐應(yīng)用，就越扼殺大數(shù)據(jù)的潛在價值。
為何如此?根源在于，大數(shù)據(jù)的價值在于預(yù)測未知領(lǐng)域、非特定因素的未來趨勢，在于破解長期的、普遍的社會難題。而目前的大數(shù)據(jù)技術(shù)和應(yīng)用，依然局限于歷史和實時數(shù)據(jù)的關(guān)聯(lián)分析，局限于滿足短線的、特定的市場需求。
“解決我，不然我將吞掉你的體系”。正如當年羅素悖論試圖顛覆現(xiàn)代數(shù)據(jù)基礎(chǔ)——集合論一樣，破解社會難題與茍安于市場需求的悖論正在向大數(shù)據(jù)宣戰(zhàn)。解決悖論的過程，恰恰是理論和方法應(yīng)運而生的過程。而人們試圖解決悖論的努力，正好是大數(shù)據(jù)落地生根的推動力。
方法論缺位
大數(shù)據(jù)與海量數(shù)據(jù)、超大規(guī)模數(shù)據(jù)有何不同?如何跨越學術(shù)與產(chǎn)業(yè)、技術(shù)與應(yīng)用的鴻溝?
自2008年《自然》雜志推出“大數(shù)據(jù)”專刊以來，大數(shù)據(jù)概念就從學術(shù)大討論，轉(zhuǎn)向了企業(yè)的數(shù)字化轉(zhuǎn)型，進而上升到“開放政府數(shù)據(jù)”的戰(zhàn)略布局。然而，單純的數(shù)量上的規(guī)模龐大，并不能輕易地將大數(shù)據(jù)與以往的“海量數(shù)據(jù)”、“超大規(guī)模數(shù)據(jù)”等區(qū)別開，因為三者均沒有設(shè)置數(shù)量級等門檻。
概念的模糊，沒有影響到大數(shù)據(jù)概念的炒作，卻著實影響到了大數(shù)據(jù)應(yīng)用的推廣。IBM對全球95個國家和地區(qū)、26個行業(yè)的144名業(yè)務(wù)人員或IT專業(yè)人士做了調(diào)研，該調(diào)研發(fā)現(xiàn)，大多數(shù)企業(yè)已經(jīng)認識到大數(shù)據(jù)的決策價值和業(yè)務(wù)優(yōu)化的潛能，但是他們對布局企業(yè)數(shù)據(jù)戰(zhàn)略卻束手無策，甚至多數(shù)企業(yè)不確定如何推進大數(shù)據(jù)應(yīng)用。這一現(xiàn)象可以歸因于企業(yè)管理者對于大規(guī)模投資大數(shù)據(jù)和高級分析工具，特別是對數(shù)據(jù)科學家等人才的需求，表示懷疑。因為他們還沒有認識到從哪里獲取數(shù)據(jù)，一些企業(yè)還沒有抹去數(shù)據(jù)倉庫與業(yè)務(wù)無法融合的陰影。
老生常談的大數(shù)據(jù)3V或4V特征，更是讓CEO們望而生畏。“大數(shù)據(jù)是指利用廣泛信息源來推動實時決策的做法。”哈佛商學院客座教授托馬斯·達文波特在接受媒體采訪時的闡述可能曾讓企業(yè)家們怦然心動，但他接下來的解釋卻與IT企業(yè)的說辭沒太大區(qū)別。在達文波特看來，大數(shù)據(jù)的特征可以用3個'V'來描述：數(shù)量(Volume，大量數(shù)據(jù))、速度(Velocity，數(shù)據(jù)變化很快)以及多樣性(Variety，數(shù)據(jù)源內(nèi)部的和外部的，系統(tǒng)的和散亂的)。有時還有第4個V：真實性(Veracity，反映數(shù)據(jù)質(zhì)量)。加上IDC和Teradata給出的另一個V——價值性(Value，數(shù)據(jù)的使用價值和潛在價值)，這些概念和定義均沒有回答大數(shù)據(jù)與業(yè)務(wù)融合的問題。
方法論缺位是最大的障礙。大數(shù)據(jù)發(fā)展的核心動力源于人們測量、記錄和分析世界的渴望，滿足這些渴望需要數(shù)據(jù)、技術(shù)和思維三大要素。在計算技術(shù)、通信技術(shù)日益成熟的今天，在廉價的、便捷的數(shù)字化存儲普及的當下，數(shù)據(jù)無處不在，技術(shù)正以標準化、商品化的方式提供，事實上思維和方法論才是決定大數(shù)據(jù)成敗的關(guān)鍵。但目前來看，跨越學術(shù)與產(chǎn)業(yè)、技術(shù)與應(yīng)用之間鴻溝的方法論依然不完善，以至于被大數(shù)據(jù)暢銷書和大數(shù)據(jù)技術(shù)服務(wù)公司反復(fù)借用的大數(shù)據(jù)應(yīng)用案例，均是一些蹩腳的例證。
預(yù)測能力待考
憑什么說大數(shù)據(jù)預(yù)測是準確的?有什么依據(jù)證明數(shù)據(jù)推動型戰(zhàn)略有利于提升企業(yè)業(yè)績?
“運用大數(shù)據(jù)做決策的那些行業(yè)前三名企業(yè)，比其競爭對手在產(chǎn)能上高5%，在利潤上高6%。”這是麻省理工學院的數(shù)字商業(yè)中心最近完成的一個調(diào)查的數(shù)據(jù)。該調(diào)研還發(fā)現(xiàn)：越是自定義為數(shù)據(jù)驅(qū)動型的公司，越會客觀地衡量公司的財務(wù)與運營結(jié)果。
的確，被譽為大數(shù)據(jù)應(yīng)用楷模的谷歌、亞馬遜等數(shù)據(jù)型公司在2013年第一季度確實取得了不俗的業(yè)績。其中谷歌營業(yè)收入增長了31%，亞馬遜增長了22%。但是，一些大數(shù)據(jù)技術(shù)和解決方案服務(wù)的公司并沒有取得如此的業(yè)績。比如IBM第一季度營業(yè)收入下滑5.1%，凈利潤下滑1.1%;微軟第一季度營業(yè)收入下滑8%，凈利潤下滑22%;英特爾營業(yè)收入下滑2%，利潤下滑25%。
“幾家歡樂幾家愁”的業(yè)績表現(xiàn)，與大數(shù)據(jù)有關(guān)還是無關(guān)呢?這與大數(shù)據(jù)預(yù)測是否精準的問題同樣難以回答。學術(shù)界、企業(yè)界都不會質(zhì)疑大數(shù)據(jù)的預(yù)測功能�！洞髷�(shù)據(jù)時代》一書的作者維克托·邁爾-舍恩伯格說，大數(shù)據(jù)的核心就是預(yù)測。它通常被視為人工智能的一部分，或者更確切地說，被視為一種機器學習。他認為，大數(shù)據(jù)大大解放了人們的分析能力。一是可以分析更多的數(shù)據(jù)，甚至是相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機抽樣;二是研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度;三是不必拘泥于對因果關(guān)系的探究，而可以在相關(guān)關(guān)系中發(fā)現(xiàn)大數(shù)據(jù)的潛在價值。因此，當人們可以放棄尋找因果關(guān)系的傳統(tǒng)偏好，開始挖掘相關(guān)關(guān)系的好處時，一個用數(shù)據(jù)預(yù)測的時代才會到來。
遺憾的是，無論是IBM的大數(shù)據(jù)接受程度調(diào)研，還是麻省理工學院的大數(shù)據(jù)戰(zhàn)略效果評估，都是傳統(tǒng)的隨機抽樣，甚至是結(jié)構(gòu)性訪談，而非大數(shù)據(jù)的全體數(shù)據(jù)、模糊數(shù)據(jù)采集。被廣泛引用的谷歌預(yù)測H1N1流感傳播軌跡、沃爾瑪將啤酒和尿布擺放在一起的故事，無非是產(chǎn)品和詞匯的關(guān)聯(lián)性分析。同樣，《少數(shù)派報告》講述的華盛頓特區(qū)警局預(yù)測犯罪的故事，也不過是電影的情節(jié)，而且與“無罪推定”、“犯罪的四個要件(犯罪主體、犯罪的主觀方面、犯罪的客觀方面、犯罪客體)”等常識相悖。
馬克·吐溫說：歷史不會重演，但自有其規(guī)律。技術(shù)的進步讓人類揭示歷史規(guī)律更加便捷和更有可能，大數(shù)據(jù)技術(shù)的進步就是其中之一。因此，與其說大數(shù)據(jù)的核心價值是對未來的預(yù)測，不如說是對過去沉睡的規(guī)律的揭示。在“自證預(yù)言”等復(fù)雜因素的作用下，大數(shù)據(jù)對社會的一些預(yù)測和判斷，很可能到后來只是“事實證明”。
數(shù)據(jù)并非萬能
怎樣做決策?誰來做決策?這樣的問題只能由企業(yè)家回答，大數(shù)據(jù)充其量是“用數(shù)據(jù)說話”的旁證。
數(shù)據(jù)之于信息社會就如燃料之于工業(yè)革命，是人們進行創(chuàng)新的力量源泉。沒有大量鮮活的數(shù)據(jù)和健全的服務(wù)市場，這些創(chuàng)新就實現(xiàn)不了。這是維克托·邁爾-舍恩伯格的觀點。一些學者更進一步，將大數(shù)據(jù)視作第三次工業(yè)革命的戰(zhàn)略資源。
不可否認，大數(shù)據(jù)標志著人類在尋求量化和認識世界的道路上前進了一步。這是計算技術(shù)的進步，是人類決策工具的進步。但正如《哈佛商業(yè)評論》所批評的：“高管們明明還是按照傳統(tǒng)的方式做決定，以那些高薪人士的意見為主，卻拿出一份香艷的數(shù)據(jù)報告證明自己的決定是多么英明。其實那不過是吩咐下屬四處尋找的專為這個決定做辯護的一堆數(shù)字。”這些所謂的“偽大數(shù)據(jù)決策”也許是一種常態(tài)，“高價智囊請閉嘴”、“讓數(shù)據(jù)做主”很可能只是大數(shù)據(jù)倡導(dǎo)者的理想。
《點球成金》的故事經(jīng)常被大數(shù)據(jù)概念的倡導(dǎo)者拿來佐證“專家的消亡和數(shù)據(jù)科學家的崛起”。改編自邁克爾·劉易斯的《魔球：逆境中制勝的智慧》的影片《點球成金》，講述了一個真實的故事，介紹了奧克蘭運動家棒球隊總經(jīng)理比利·比恩的經(jīng)營哲學，描述了他拋棄幾百年延續(xù)的選擇球員的慣常做法，采用了一種依靠電腦程序和數(shù)學模型分析比賽數(shù)據(jù)來選擇球員的方法。比利·比恩的成功稱得上是對球探們經(jīng)驗決策的顛覆，是讓數(shù)據(jù)說話的成功范例。但是，其所分析的數(shù)據(jù)根本稱不上大數(shù)據(jù)，甚至連海量數(shù)據(jù)也夠不上。比利·比恩成功的關(guān)鍵不在于“讓數(shù)據(jù)說話”，而是為“球隊為贏球而建，不是為球星而建”的經(jīng)營常識找到了數(shù)據(jù)注腳。
正如維克托·邁爾-舍恩伯格將大數(shù)據(jù)視為人工智能的一部分，視為機器學習的一種應(yīng)用一樣，數(shù)據(jù)決策和數(shù)據(jù)旁證的博弈其實是人和機器的博弈。熟稔經(jīng)營之道的企業(yè)家們并不情愿輕易將決策權(quán)交給大數(shù)據(jù)、放任服務(wù)器。而且，數(shù)據(jù)有時候也可能是企業(yè)管理的“絆腳石”。
直覺主義讓位于數(shù)據(jù)分析，專家決策讓位于群眾智慧，只能是大數(shù)據(jù)倡導(dǎo)者的一廂情愿。一個折中的辦法是，數(shù)據(jù)做分析，專家做判斷，數(shù)據(jù)給答案，專家做選擇。但對企業(yè)家而言，專家可以找，思想家必須自己做。從數(shù)據(jù)戰(zhàn)略的構(gòu)建，到群體智慧的萃取;從社會關(guān)系網(wǎng)絡(luò)的解析，到復(fù)雜的自組織系統(tǒng)的發(fā)現(xiàn)，均依賴于企業(yè)家的智慧，而不能完全依賴于機器。即便是有一將難求的數(shù)據(jù)科學家的協(xié)助，大數(shù)據(jù)決策依然是輔助系統(tǒng)。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
相關(guān)文章
