大数据时代决策理论在企业管理中的应用

马学忠　李世强

大数据时代，数据成为企业生存和发展的基石。互联网技术的快速发展，人、机、物三元世界的高度融合引发了数据的爆炸式增长，世界已经进入了大数据时代。麦肯锡公司将大数据定义为无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。大数据引起了政府和企业界的高度关注。2012年3月22日，奥巴马宣布美国政府投资2亿美元启动“大数据研究和发展计划”，可见其对大数据的重视。

一、大数据时代的特点

大数据时代，数据成为企业生存与发展的基石，任何受众在接触媒体时都会留下痕迹，其行为都可以被监测，这些数据都与该媒体的受众息息相关，这些数据也是大数据时代企业获得竞争优势的基础。

维克托·迈尔—舍恩伯格在他的著作《大数据时代》中提到，大数据的精髓在于我们分析信息时的三个转变：第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度。第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。

大数据时代的上述特征恰好符合决策理论“管理就是决策”的基本思想，本文基于这些特征，对决策理论在企业管理中的应用进行分析，进而提出大数据时代企业管理面临的挑战。

二、决策理论与大数据时代企业管理

1.决策理论。决策是人类的固有行为。有管理，就有决策。现代决策理论在20世纪40年代以后由美国卡内基——梅隆大学的H.A·西蒙和斯坦福大学的J.G·马奇等人倡导并发展起来的。西蒙等人研究了决策思维的信息输入、加工及输出过程，并将这些研究成果扩展到计算机科学的研究范围，用计算机程序来模拟人的决策过程，产生了人工智能的新科学，为现代决策理论奠定了坚实的理论基础。

现代决策理论认为，组织的全部管理活动的中心过程就是决策。决策贯彻于管理的全过程，管理就是决策。西蒙的以“理性有限论”为基础的“满意决策理论”是现代管理学派的典型代表。

影响领导者制定决策的因素是多方面的，有外部的环境、政策、法律等因素，同时也涉及决策者自身的性格特征。Rowe提出了影响决策的四力模型，他认为决策的制订及决策的执行过程中，决策者会受到四种力量的影响，分别为外部环境、内部组织、任务要求及个人需求。

2.决策理论在企业管理中的应用。大数据的核心就是预测，是把数学算法运用到海量的数据上来预测事情发生的可能性。对事情的准确预测是决策的基础。

（1）大数据下的企业外部环境。大数据的主要特点之一是“复杂多变”，“变”已经成为企业面临的一种常态化的环境。数据的多样性（多源、异构、多模态、不连贯语法或语义等） 、低价值密度（大量不相关信息、知识“提纯”难度高）、实时性（数据需实时生成、存储、处理和分析）等复杂特征日益显著。

数据来源极其广泛，数据类型极为繁杂 。这些复杂的数据和社会网络应用的发展使当今的网络环境成为了一个巨大的、精准映射并持续记录人类行为特征的数字世界。这一数字世界所蕴藏并不断积累的大量数据已成为深刻理解人在社会和商务活动中的行为规律的必要依托。企业最常用的是交易数据和交互数据（如社区网络数据、新闻媒体数据、微博数据、微信数据），把交易数据和交互数据糅合起来进行大数据处理，就有机会开展业务创新，促进整个业务的转型。大数据时代，企业处在社会媒体、在线用户群体、上下游企业合作和竞争对手构成的“网络生态系统”中。在这种环境下，企业的运作需要趋于动态化和网络化，与多个方面的利益相关者建立动态的“虚拟社区”或者“企业联盟”。有效实现资源优化和信息共享，形成协同共生机制，以应对激烈的市场竞争。

（2）大数据下的决策者个人需求。长期以来，管理者依靠经验、理论和思想做决策。在大数据时代，直觉判断要让位于精准的数据分析。企业高管需要关注的是发现和提出正确的问题，而不用担心解决问题需要的数据缺失或者无法获取。也就是说，大数据让决策重心重回问题本身。

大数据背景下，产品和服务的提供以及价值创造逐步走向社会化。主动引导用户参与产品的创意、设计、质量保证、市场推广、销售和客户关系管理等环节，根据与用户的互动改进产品和服务，以实现企业的快速发展。在这过程中，一线员工和基层管理者的作用空前重要，他们是企业获得决策所需信息的基础。

（3）大数据下的企业任务要求。任务要求是指企业执行任务所需的不同技能、知识和技术。大数据时代的重要特征是针对全部数据而非样本数据进行分析，寻求相关关系而不是因果关系。因此超大规模的数据分析是大数据应用需要解决的核心问题。云计算是一个管理和处理大数据的有效工具和基础平台，为数据处理、管理和分析提供支撑。云计算主要解决两个问题，一是将大量异构和本质不同数据源结构化；二是对这些数据进行管理、处理和转换，为商业智能（BI）和企业决策服务。另一个重要技术是数据挖掘，数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。

（4）大数据下的内部组织。大数据下员工广泛参与导致决策权的重新分配，进而影响企业决策组织结构和决策文化。企业决策组织结构重要的两项因素就是集中决策、分散决策的选择和决策权分配问题。随着信息技术的发展，以“金字塔”型为代表的传统组织结构被企业管理网络化、权力分散化和体现人本管理的扁平化组织结构所替代。大数据时代，企业决策需要全员参与，扁平化组织结构的趋势更加明显，决策权也应该做出相应的调整。

三、大数据时代企业管理面临的挑战

1.大公司数据垄断。大数据时代，数据是企业获取竞争优势的基础。Google、Facebook、亚马逊、阿里巴巴、腾讯和百度等国内外互联网巨头可以很容易获得海量的用户互动数据和交易数据，但是对于广大中小企业而言，获取数据则相对比较困难。互联网巨头可以获得类似于上个世纪能源巨头企业的垄断地位，并且数据是有累积效果的，数据的累积可以让数据的边际价值上升，从而进一步增强大企业的垄断。

2.大数据管理成本的挑战。大数据分析需要企业在软硬件设备上的大量投入。企业面临海量非结构化的数据，快速有效的对数据进行分析，需要一个复杂的数据分析系统，而现阶段数据分析系统价格相当昂贵。这些数据分析系统的运行对硬件的要求近乎苛刻，高配置的硬件设备也价值不菲。这对于广大中小型企业来说是一个很大的负担。

大数据管理能耗成本也不容小觑。在能源价格上涨、数据中心存储规模不断扩大的今天，高能耗已逐渐成为制约大数据快速发展的一个瓶颈，从小型集群到大规模数据中心都面临着降低能耗的问题。针对这个问题，《纽约时报》和麦肯锡经过一年的联合调查，最终在《纽约时报》上发表文章“Power， pollution and the Internet”调查显示Google数据中心年耗电量约为300万瓦，而Facebook则在60万瓦左右。

3.信息安全的挑战。大数据给企业核心信息的保存带来了技术上的难题。交易数据和交互数据的产生和传输都是在互联网中进行。这个过程中存在很多客户终端和节点，给数据安全带来了很大的风险。企业为降低成本通常把企业数据存储在云端，云服务商可以看到企业管理和决策的全部数据，商业秘密泄露的风险非常大。另一方面，企业的数据涉及大量用户的隐私信息，包括客户位置、交易历史、个人偏好等信息。这些信息使用不当或者泄露很可能使企业陷入法律纠纷，为企业带来灾难式的不良影响。

4.大数据人才稀缺的挑战。从大数据中获取价值，至少需要三类关键人才队伍：一是进行大数据分析的资深分析型人才；二是精通如何申请、使用大数据分析的管理者和分析家；三是实现大数据的技术支持人才。但是，目前大数据从业人员面临巨大的缺口。据麦肯锡全球研究所的一项调查预测，美国在未来六年内，拥有扎实分析技能的人才有14万至19万的人员缺口，而懂得使用相应工具分析大数据、作出合理决策的管理和分析人员预计有100万的人员缺口。

大数据时代的到来意味着“人类将可以通过对这些大数据的交换，整合和分析来发现新的知识，创造新的价值，带来大知识、大科技、大利润和大发展 （Aral S， 2011）”。对企业来说，这是机遇也是挑战。以史为鉴，站在前人管理思想的基础上，创造性的把经典管理学理论运用到企业管理中，已经成为大数据时代管理学发展的一个重要趋势。

（作者单位：中央财经大学商学院）