数据时代的企业算法治理思维

刘杰

网络公司运用算法对用户以往在线的活动和行为数据加以分析后，就可以使人们打开手机App时总能收到自己感兴趣的内容，或者在推荐栏很快就看到自己想要的商品，算法系统影响甚至控制着用户的操作行为和结果。随着5G以及物联网、大数据、云计算、区块链和人工智能等互联网技术应用的普及与深入，社会进入到了数据时代，数据成为生产资料，产业互联网成为传统企业转型升级的战略选择，在消费互联网企业已经得到成功应用的算法模式开始进入到产业互联网领域。

企业能否抓住产业互联网机遇，关键在于是否具备数据资源应用的能力。因此，算法治理成为数据时代企业发展的一个重要思维。那么，企业如何理解算法治理的内容？算法治理思维的关键有哪些？企业如何才能够将正确的算法治理思维落实到企业的运营过程中？

算法治理思维的基础

算法时代的到来

提及算法（algorithm），计算机科学、社会学、法学、传媒和哲学等不同学科理解的侧重点有所不同，对企业而言，人们常常想到的就是指使用数字符号、图表等数学工具来解决某一管理问题的数学模型，或者是基于特定的计算将输入数据转换为决策所需的输出的编码程序，这是对算法的基本的认识。比如，上个世纪50年代興起的库存管理EQQ模型就是针对最优库存这个环节而建立的一种算法，同时以MRP（物料需求计划）软件在计算机中加以实现和运行。随着互联网及其应用的发展，算法概念的范围也拓展到了指解决某一问题或处理事务应该遵循的规则及其具体的操作程序，该程序可以应用软件加以实现和运行，用来增强甚至取代人们分析、决策和执行的活动。比如，上个世纪90年代以来一直很受企业关注的供应链管理（SCM）不仅关注某个企业相关环节的库存管理问题，还延伸到了市场、生产和供应等上下游各个环节，基于互联网的SCM软件不仅可以为供应链中各个环节仓储人员提供透明的信息，而且还可以代替采购人员自动给供应商下单，代替财务人员支付或收取货款等。

算法不仅已经逐步成为企业解决具体问题的一种方法和开展业务运行的技术程序，也已经渗透到社会结构和人们生活中，社会、企业、消费者等与算法之间的关系日益紧密。政府层面应用算法进行税收、国防、货币发行、基础设施建设和教育资源布局等规划与执行，在COVID-19疫情期间，各国各级政府都希望及时掌握人口活动的数据，使用算法进行分析和控制。企业应用算法开展投资、定价、获取客户以及执行操作等活动，比如，滴滴、美团、今日头条等平台型企业以数字为主要生产要素，采用各种算法帮助企业运营，在运营过程中还通过不断更新的数据对算法进行优化，大量的交易处理工作都交由算法自动完成，企业规模的扩大就不再依赖于人力资源的增长来实现了。例如，深圳洪堡智慧餐饮科技有限公司是一家利用互联网从事小龙虾供应链管理与市场销售的企业，在做到1亿人民币销售规模的时候，员工有近300人，而做到3亿销售的时候，由于其开发的大量算法已经成熟并投入应用，员工只有90多人了。当然，众多消费者个人也使用算法开展投资理财、保险选择和消费安排等。

算法的应用成为数字经济高质量发展的一种必不可少的手段，经济发展也进入到了算法时代，算法获得了前所未有的地位。

企业算法治理的提出

其实，仅有算法在绝大多数情况下是不足以帮助企业解决问题的，算法的应用与不断优化还需要背后的数据和算力的支持，物联网的普及让企业可以获得大量数据，云计算的普遍应用使得算力得到增强，算法、数据和算力就是组成人工智能（AI）的三大基石。由此也可以理解为什么已经出现半个多世纪的AI概念在近年来得到广泛重视的原因，也是因为AI的应用，算法常常又被称为智能算法，智能算法让计算机系统拥有了自己的“思想”，并且可以在算法规则确立的流程下运用算力和数据进行问题求解与决策、参与企业业务活动的操作与执行，智能算法的开发与应用也同样推动着AI的不断进步。

不过不是说只有AI应用才需要算法，算法本身也并非一开始就运用于计算机科学的，作为人工思考和处理的一种方法，算法一直存在于人类社会、经济和生活之中。例如，人们通过查看印制的地图寻找目标路线，企业通过计算各种成本确定商品的市场价格，政府等机构通过投票等方式开展选举、立法等活动，这些工作中都存在着一定的算法。随着计算机的诞生和应用普及，尤其是移动互联网的发展带动社会进入到数字时代，因为算法具有可抽象化和可程序化的特点，就逐渐成为了数据时代基本的思想方法和工作方式。互联网以及大数据、人工智能、区块链等技术与应用都需要以算法作为底层原理和技术，基于这些底层原理和技术的应用更加依赖各种算法设计，没有算法的支撑，再多的数据和再强的算力供给以及各种技术的愿景都只是空中楼阁。

数据收集、数据、算法、算力与应用（即“人”）等五要素共同构成了算法应用系统的框架，其关系如图1所示。在各种算力资源的基础上，应用不同的软件和设备收集到各种数据，然后运用算法处理这些数据，最终不仅可以得到有用的信息和知识，增强管理者的洞察力，而且还可以直接按照一定的规则有效率地代替人甚至代替组织做出决策和执行任务。因此，算法应用系统亦已成为企业的一种核心竞争力。

然而，图1中的每个部分都不是看到的那么简单，都需要有一个开始、设计、构建、实施、使用和不断优化等过程，每一个过程都会涉及到技术、经济和社会等问题。

图1中与数据相关的内容属于数据治理的范畴，比如：数据收集方式和手段的选择、数据的项目和类型的确定、处置和应用数据的方法等，尤其是涉及个人隐私和公共安全的数据收集与应用，更是全社会所关注的数据治理问题。针对数据治理的各个方面，世界上主要经济体与国家都在不断完善相关的法律法规，一些企业也逐步建立了相关的管理制度。

算法不仅代表了数字时代企业的竞争力，而且也体现了企业的价值观和具体的应用规范。在图1中，一方面，算法及其应用关联着企业内外的“人”，包括：员工、客户、供应商和市场监管者以及算法的所有者、主导者和开发者等，但是算法本身大多以“黑匣子（Black Boxes）”形式的程序提供给人们的，使用者和其他利益相关者并不了解算法的原理，而且企业在算法应用过程中大多存在着多方利益冲突的现象。比如，众多包含算法运行的App虽然在使用之前会提供一个说明并让使用者确认后才运行，但是大多数人既没有耐心阅读，也缺乏读懂的能力，算法就可能会在用户不知情的情况下，攫取用户的隐私信息并被商业化使用。另一方面，在算法的开发、应用及算力的使用过程中，企业自身也需要关注经济性问题和数据安全性问题等。

这两个方面的问题是影响企业算法应用成效的关键，可以通过算法治理来应对，算法治理成为数据时代企业的顶层策略和思维。

企业算法治理的内涵

按2009年诺贝尔经济学奖获得者埃莉诺·奥斯特罗姆（Elinor Ostrom）及其丈夫文森特·奥斯特罗姆（Vincent A. Ostrom）为代表的多中心主义观点，治理（Governance）从概念上可以理解为：涉及到或公或私的不同个人及组织在一定范围内通过相互调和、联合等行为，制定、实施和实现某项计划的过程。

因此，治理的概念属于管理的范畴，是管理中的一项特殊工作，其主要任务就是当有相互冲突或不同利益的个人及组织存在时，确定与运用能够使得他们协调一致的原则、规范、规则和决策程序，从而共同开展行动以持续低成本地实现目标的过程。

例如，近年来越来越多的外卖业务链中，平台企业为了满足消费者对服务速度的要求，追求收益的最大化，系统运用大量的算法来控制外卖骑手接单后的行为，甚至还特别关注骑手的上下楼时间，专门研究骑手去某一栋楼的低楼层和高楼层时的时间速度；而外卖骑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状态；同时，交通管理部门以及道路交通的其他参与者都希望有一个井然有序的交通环境。实践证明，外卖业务链中算法的运用确实为平台企业增加了每单的收入和节省了每单的成本，但同时也带来了多方利益的冲突，尤其是外卖骑手在其中处于弱势地位，因此，社会上就出现了对外卖平台严酷算法的指责和善待外卖骑手的呼吁。

消费互联网平台企业已经受到了严峻的算法应用挑战，随着产业互联网的发展、数据时代的到来，各类企业与算法应用之间的关系都将日益紧密，算法成为企业利益创造和分配中的一个重要角色，算法治理成为企业的核心理念。

图1 算法应用的五要素概念架构

算法治理（Algorithmic Governance）是企业的一种新型技术治理形态，首先就是企业在经营管理过程中能够主动并充分地运用算法；其次，在算法应用过程中需要有用于指导和支配企业算法构建与执行等各种应用活动的规则集合，这些规则集合明确了企业算法应用中涉及到的相关角色、工作责任和执行流程，算法的规则集合虽然是由企业依据自我需求的目标而设计的，但是为了能够持续地实现自身的目标，就必须确保算法所涉及到的多方利益之间的协调；最后，算法也可以作为一种手段和工具，监督和保障算法对规则集合的遵守。

企业算法治理的思维组成

思维是行动的先导。十多年前随着移动互联网的建设与发展，互联网成为社会与经济的基础设施，一些学者和企业家先后提出了互联网思维，海尔、小米、美团等许多传统与新生企业适时运用互联网思维，取得了有目共睹的成果。近年来，随着物联网、大数据、云计算和人工智能等技术应用的普及和深入，社会和经济进入到了数字时代，企业也从信息化阶段进入到了数字化阶段，尤其是国家以5G为核心的新基建战略的实施，产业互联网成为企业发展的方向。在此背景下，中共中央、国务院在2020年上半年发布了《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据定义为新型生产要素，与土地、劳动力、资本和技术等并列为五大要素，并强调要加快培育数据要素市场，数据成为企业参与国内外竞争的重要战略资源。

然而，从图1中可以看出，数据的价值需要通过算法的建设与应用才能够实现，数据应用的本质其实是算法，算法是应用数据的大脑，算法治理成为继互联网思维之后企业转型发展的又一个引领性思维。

图2 企业业务算法化的三个层次

企业算法治理思维由业务算法化和算法业务化两个部分组成。

企业业务算法化

互联网虽然带来了企业经营管理思维的变革，但是企业管理的主体还是企业各个岗位上的管理者，而算法治理思维带来的是经营管理的主体的转变，算法可以根据应用场景的不同，自主生成管理决策方案，并且可以自动执行，这就使得原本居于主体地位的管理者变成了参与者，甚至是听命于算法的执行者。在业务算法化后，企业就可以打破原有的规模经济递减效应，也会自然突破企业原有的业务边界，真正地实现跨界经营，因为大量的工作交由算法承担了，这些工作从简单到复杂可以分为如图2所示的三个层次。

第一层次：日常运营与事务处理工作算法化

企业日常运营中，组织的精力大多被消耗在了常规的经营管理工作上，从基层管理者到高层都特别忙，尤其是主要领导人，忙着开各种各样的协调会议，听取各个条线的工作汇报并考核其工作情况，进而做出决定和指示，还要处理不同层级的下属提出的各种各样的要求与问题，与此同时，下属也因缺乏发挥自主性工作的机会而严重影响积极性。

其实，现实中大量的工作是常规性的管理与决策。1911年，科学管理之父弗雷德里克·温斯洛·泰勒（F. W. Taylor）在他的《科学管理原理》一书中提出，要达到最高的工作效率的重要手段就是用科学化的、标准化的管理方法代替经验管理。泰勒虽然是从“车床前的工人”开始研究企业内部工作效率的，但是泰勒由此而建立的科学管理理论明确认为，管理学是一门建立在明确的法规、条文和原则之上的科学，适用于人类从最简单的个人行为到大企业组织安排的各种业务等活动。泰勒证明了管理有科学的一面，然而，100多年来，泰勒的科学管理大多成为学术殿堂的摆设，难以在企业实践中开花结果，在企业中也常常是由不同水平的管理者所运用。因此，在企业中科学管理的优化与继承就成为一个难题。

进入数字化时代，泰勒的科学管理就可以采用持续优化的算法加以工程化实现了。借助于智能算法管理工具系统就可以自动完成大量的常规性管理与决策工作，可以極大地减轻各层级人员在日常管理中的工作与协调负担。

例如，在烘培店的加工间管理中，每一个工作人员都有规定的着装和行为要求，系统可以通过摄像头画面并运用算法识别工作人员是否正确地佩戴口罩、动作是否规范、产品制作各个环节用时是否标准等，一旦发现不符合要求，系统通过算法加以判定违规的严重程度，并可以选择立即自动提醒员工改正或报告不同层级的经理人员等，同时，还可以自动计入考核系统。

同样，这一套算法系统也可以应用在各类交通工具驾驶员甚至办公室工作人员等的管理中，针对人们的工作状态画面等数据，运用算法系统就可以判断其身体疲劳度、精力集中度以及对待客户的热情度等。

于是，企业日常运营与事务处理的许多工作可以由算法系统加以接管，算法代替了管理者，这将会使得一部分管理岗位的重要性降低甚至消失。值得一提的是，随着这类算法系统运用的普及，将会有越来越多的职业、岗位会被认为“困在算法系统中”。正像印刷技术、汽车、电视和互联网等出现的初期遇到很多非议一样，算法系统的应用改变了人们生活、学习和工作的习惯，正如马歇尔·麦克卢汉（Marshall McLuhan）所说：“我们塑造工具，此后工具又塑造我们”，加之算法系统本身的“黑箱（Black Box）”特点，社会对算法系统的争议也难以停歇。

其实，算法系统虽然体现了主导者的价值观，但其本身还属于一种工具，任何工具都是双刃剑，具有两面性：一方面，算法系统可以切实提高企业的管理效率，降低成本，增强竞争力；另一方面，一些商家可能会滥用算法系统以压榨员工、欺骗消费者。因此，一定程度的质疑、争议和批评也是算法治理的一个组成部分，对算法治理的正常发展是有益的。但是，“倒洗澡水不能把孩子一起倒掉”，数据时代的算法系统应用是一个不可阻挡的趋势，社会与企业都需要在思维、政策、法规以及架构和文化上的转型。

第二层次：管理流程算法化

企业的战略需要落实到业务流程才能够得到真正地执行，客户价值的创造和实现不是企业的哪个岗位或者哪个部门完成的，是在企业一个完整的业务流程完成后实现的，企业业务流程中的各个环节也越来越多地被外包给效率和成本更有优势的其他组织。因此，企业业务流程的完成方式成为企业取得成功的关键。

长期以来，为了保证业务流程顺畅地完成，并实现效率的大幅度提高，企业通过分工发展出了拥有各种职能岗位和部门的模式。在这种模式下，每个部门和岗位都专注于完成自己的工作，当然，也一定会与另外的部门或同事的不同目标产生交叉影响，因此，就可能会出现影响企业生存和发展的“大企业病”等现象。

其实，这种普遍存在的企业工作方式源自工业革命，在这种方式下，为客户传送价值的业务流程是跨部门、跨层级的，“竖井”式职能部门在实际工作中割裂了业务流程。而在一个企业中，本质上只有为数不多的端到端的关键流程创造了企业为客户提供的几乎所有价值，如订单获取、产品开发、生产与供应链管理等，在数字化的今天，这些以客户为中心的关键流程在运用算法系统后就可以成为一个端到端的连续体，不再是一系列分散的步骤。

在诸如今日头条、美团外卖和滴滴出行等网络企业，算法系统已经使得企业部分流程的自我治理成为现实，这些企业的实践证明，通过算法实施的管理流程更高效精准，也能够降低管理成本。而近年来一些传统企业亦已进入到产业互联网领域，应用渐广的海尔卡奥斯、美的美云智数、三一树根互联以及德国西门子的MindSphere等产业（工业）互联网平台，不仅可以让用户直接参与到企业的全流程，而且以用户为中心的算法系统实现了对业务流程的部分替代，打通了产业之间、企业之间的界限。随着应用场景的不断拓展，以及区块链共识算法达成的智能合约等技术与应用的推行，算法治理在用户需求识别、解决方案生成和整体绩效评估等全流程中发挥作用，算法系统运营的流程体系也将会促进全产业链生态的形成。

值得一提的是，历史上汽车甚至是电熨斗等众多新技术和新产品的出现，并没有减少对劳动力的需求，近年来，互联网对零售、出租车、媒体、旅游和餐饮等行业产生了摧毁性的冲击，但是麦肯锡全球研究所的一项研究发现，互联网每摧毁一个就业岗位，就会创造出2.6个新的岗位。可以预期，算法治理不仅难以完全取代人，而且还会产生更多的算法设计、维护等新的岗位需求。

第三层次：管理决策算法化

信息化时代企业开发应用的是决策支持系统（Decision Support Systems - DSS），DSS是人们运用数字分析开展决策的支持（Support）手段，最终的决策是由人而非系统所制定的，主要是因为特定的决策人以及决策的问题能够获取的数据有限，即小样本数据决定的因果关系和决策者的经验成为决策的主要依据。比如沃尔玛通过有限的销售数据分析发现啤酒与尿布的销量正相关，但是只有收银员将他们观察到的场景告诉经理，即因为母亲大多在家照顾孩子，父亲外出买尿布，而父亲同时也会买一些啤酒，这时经理才可能会决策在尿布的货架边上放上啤酒。

大数据时代的出现，嵌入到业务流程中的算法系统就可以把视频、语音、图片和数字等各种大样本数据甚至是全样本数据作为基础，做出及时决策并直接执行。例如，前面提及的深圳洪堡智慧餐饮科技有限公司在网络上开展广告推广，需要决策客户的每一次点击应该出价多少，因为要与竞争对手竞价，出价过高就是浪费，出价低于竞争对手就会失去流量即订单的机会。这项工作原本由每个店面的人工单独操作，一般在前一天晚上凭经验决策一个价格，第二天视订单的增减情况，再决策后一天的价格。而现在由于可以获得全网数据，他们开发了一个智能算法，视订单变化情况和竞争对手的出价，15分钟步进式加、减价一次，使得自己的竞价自动成为一个动态的最优决策，而且全国1000多个门店都基本不再需要人工操作，决策的科学性和效率都得以显著提升。

算法替代原来DSS直接做出决策并执行后，释放了管理者大量的时间和精力，瑞·达利欧在《原则》一书中提到：像算法一样决策可以培养真正的创意择优。亞马逊在这个方面就是一个典范，长期作为CEO的贝佐斯不仅要思考企业长期发展的方向，而且也要对企业正在发生的事情作决策。为此，他打造了一个强大的数字和算法系统。比如，亚马逊数据中心的选址决策活动就有超过280个标准，包括了地震、空气、地形和土地规划条件等因素，全部自动计算达标后才可通过。再比如，亚马逊制定的企业年度业绩目标近500个，对每个目标都明确了责任人及成果要求和完成时间，算法系统实时分析追踪，快速发现问题，自动完成常规决策，持续推进组织管理能力的提升。

大数据环境下的算法决策相对人工决策而言，不仅规避了现实中存在的决策噪音，而且具有准确性、高效性以及稳定性等优势。尽管如此，也要认识到，无论多么优秀的智能算法都是人研发的，算法系统不可能完全取代人的决策，当然，算法系统也给人们带来了“算法黑箱（Algorithmic Black-box）”的忧虑。

企业算法业务化

“算法黑箱”的说法之所以存在，是因为算法的设计、开发和运行都是在在封闭的计算机网络系统中完成的，人们难以了解算法的设计原则、应用原理和运行过程，而且不同于实体空间具有明显的地域界标，各地政府部门也难以对网络空间开展及时的、有效的监管。即算法存在着透明性、可解释性及责任明确性不足等问题。实际上，长期以来许多未应用算法的传统企业也存在着同样问题的，只是大数据背景下企业业务算法化的潮流会带来整个社会的变化以及关注。

其实，虽然算法是网络空间程序化指令的集合，实质体现的是设计开发者的价值偏好和利益诉求，这与企业在实体空间开展业务活动是一致的。大数据时代的到来，万物以数据化的方式呈现，利用数据的算法成为企业业务活动中一个组成部分的趋势凸显。因此，企业在业务算法化的同时，还需要树立算法业务化的思维，将算法治理也作为企业的一项业务活动。作为一项业务活动，算法治理具有以下三个特点：

首先，技术理性与价值理性的有机统一。企业算法系统看似黑匣子，本质是将原本与企业内、外部各个利益相关者之间面对面的直接关系转化为了代码系统，其目标是提高效率、降低成本、增强企业竞争力，并没有改变企业的本质，算法并没有去价值化。因此，控制算法设计和运行环节的核心仍然是企业的目的，即持续地创造用户，当然，算法要实现这个目的，就必须能够为员工、供应商、渠道商等业务相关者都能带来福祉。

其次，短期效益与长期价值的有机统一。人们当下常常诟病的一些互联网企业收集和滥用用户数据的现象，其实就是企业追求短期效益的行为。虽然说网络数据的收集与跟踪是21世纪的普遍活动，且算法的价值也是以应用数据才能实现的。然而，如果企业以人性的弱点为切入点收集和利用数据，短期内可能会迅速为企业带来流量与收益，但是长期而言，大多数用户最终一定会厌恶这类算法的结果而远离这些企业的。作为一种组织，企业追求的是基业长青，算法逐步成为企业业务活动的组成部分，那么算法本身就需要将短期收益与长期发展结合起来，能够长期发展的业务一定具有合情合理、合规合法并能够不断改善人们生活的特点的。

最后，控制风险与抓住机遇的有机统一。数据和算法是算法治理的两大基石，共同推动着算法治理应用场景的不断拓展和持续深化，然而，尽管人类进入了大数据时代，但是数据还是存在着有限性的问题，人们设计的算法也存在着不完备性，尤其是社会对算法的认知以及取得利益相关者对算法的共同认可也需要时日。因此，算法业务化进程的初期存在着一定的技术、经济、社会和政策风险，企业需要建立相应的风险控制机制和应对措施。此外，借鉴十多年前一些企业不信任的云计算业务在今天已经得到普及的经验，传统企业要消除对算法不信任的观点。企业领导人要认清大数据背景下存在于企业之间的“数字鸿沟”将会演变为“算法鸿沟”，运用算法将组织的精力从日常管理中释放出来，抓住机遇、布局长远、持续提升。

企业算法治理思维的实施

互联网及其各类应用的普及和发展，使得算法已经渗透到人类社会的结构中，虽然到目前为止，人们对算法的理解还很有限，甚至还加以抵制，但是并不能阻止人们依赖算法开展各种活动了。比如，人们大多不了解智能手机中各种导航软件的具体算法，但是还是依靠着导航软件的判断和建议前行，导航软件运用的动态规划等算法，让普通人也拥有了超越当地专业司机才具备的认路能力。当然，算法也可能会让人们更少观察、思考和质疑，人们在只需接受导航软件建议的场景下，也就少有机会在一整张地图上规划自己需求的路线，同时也失去通过整张地图来了解整座城市布局的机会了。从企业的视角来观察这些现象就可以发现，虽然算法的应用存在着负面的因素，但是人们还是越来越依赖于算法，甚至离不开算法，企业的业务算法化和算法业务化已经初见端倪并且不可逆转。

算法治理思维的实施对企业传统的经营管理是一场变革，不仅需要战略层面的顶层设计，也需要以变革管理为主线，重构企业的组织与流程、绩效与文化和数据治理与IT系统等。

企业战略

大数据时代，企业所处环境的不确定性复杂程度和市场要求的反应速度，都超出了企业管理者大脑的处理能力，企业的战略制定过程也从低频、耗时转变为持续、快速，而算法治理具有高级分析以及自动化处理的能力，就为企业提供了战略决策的手段和工具，企业战略的一个关键转变为核心算法的迭代，核心算法则聚焦于业务算法化和算法业务化。

业务算法化需要企业“从大处着眼、小处着手”，在做好全面规划和顶层设计的前提下，针对业务中出现频率高、影响面大、规范性强和预期价值显著的场景，逐步推进业务算法化。切忌“大而全”的做法，对那些一年甚至几年才可能会出现的低频次场景，可以暂缓开展算法的建设与应用。

算法业务化意味着企业不要将算法仅仅视为一种技术或应用，而是要将算法视为企业重要的资产，特别是可以开展的一种业务，即沉淀出可复用的算法能力，通过云计算的SaaS（将软件作为服务）开展算法共享服务业务AaaS（将算法作为服务），提供“按需算法”服务业务，开拓新的业态。

组织与流程

圣经中有一句名言：太阳底下没有新鲜事。今天互联网技术及其应用也犹如十九世纪电力技术的推广过程，当时的企业家们也在思考着如何实现“电力+”。实际上从蒸汽机到电力的转换，企业需要在战略等各个方面进行变革，为了促进企业内部相关职能部门充分考虑电力的应用，很多企业还设立了首席电力官或电力副总裁岗位。进入到信息时代，同样很多企业设立了CTO（首席技术官）、CIO（首席信息官）以及CDO（首席数据官）等岗位，领导了企业信息化的进程。

进入到数字化时代，数据成为生产要素，企业所需要的不再仅仅是软硬件所提供的功能，而是在数据基础上面向业务场景需求的洞察，即算法治理思维的应用，算法成为企业的重要资产和核心竞争力，数据科学家被称为是21世纪最性感的工作，算法工程师/算法研究员也成为一种新的职业。然而，对大多数企业而言，算法思维的推行在近年还是一项没有成熟经验可鉴的工作，不仅需要各个部门的配合，还需要得到利益相关方的认可，是一项复杂的工程。因此，企业需要设立数据资产和算法资产管理职能，另外，除了一把手挂帅外，还要设立首席算法官（CAO–Chief Algorithmic Officer）岗位以领导和协调企业算法思维的规划和实施工作。

因为算法本质上就是在连续性基础上运行的，所以在业务算法化的过程中，原本需要占用管理者大量时间和精力的面对面、电话、会议、邮件等传统沟通与谈判活动，都将会被算法取代，实现端到端的业务流程。因此，相比于传统的科层式组织和“互联网+”组织，算法治理下的组织架构将更加扁平和精炼，业务流程更加平滑流畅。

然而，由于算法黑箱的特点，企业应该借鉴让数据透明、流程透明的经验，确保不因算法黑箱而带来的新的“大企业病”的出现。

绩效与文化

算法治理带来算法组织、算法经济、算法政治、算法法律和算法社会等各种新常态，企业算法的投资、研发和应用成为新的业务种類和增长点。然而，算法存在优劣之分，优秀的算法常常是迭代实现的，因此，企业算法治理需要绩效体系的引领与规范。

因为有些算法可以独立处理事务，有些算法用于配合人们的工作，还有些算法是控制人的行为的，等等，而算法的运行相比人的工作是缺乏柔性的。因此，算法治理绩效体系的建立不仅仅是CEO或高层管理人员的任务，需要与算法利益相关者尤其是被算法所控制的执行任务的一线员工共商、共建、共享。瑞·达利欧在《原则》一书中还提到：当所有人都能看到算法使用的标准并参与其制定时，他们就都会一致认同，认为这个系统是公正的，并放心地让计算机考察证据，正确地对人作出评估，给他们分配合理的职权。

当然，人们对算法治理及其绩效体系的认知度是其认同度和参与度的基础，而算法治理的文化又会影响和限制人们的相关认知。因此，营造企业以及全社会算法治理的文化，尤其是提高对数据是生产要素的认识，不仅是企业正常开展算法治理的前提，也可减少人们把企业正常经营看做是“算法杀熟”的现象。此外，算法治理的透明度、规范性和责任认定等问题不仅是人们接受算法治理的关键，也是算法治理绩效体系的组成部分。

数据治理与IT系统

一方面，数据作为企业生产要素，能否真正发挥出作用，关键还在于算法治理；另一方面，数据治理是算法治理的基础，算法系统离开数据大多就无用武之地。企业数据治理的核心就是打通“数据孤岛”，并通过数据质量和数据安全这两个关键的保证，在一定程度上保障最终算法治理的质量。

因此，企业算法治理思维下的IT系统需要承担三项任务，一是收集、存储、打通与企业业务相关的数据，二是建立、运行和保护算法的系统，三是提供算法运行的计算能力。为了保证这三项任务的完成，企业需要建立相应的数据和算法管理制度、标准和规范。

随着数据资源的丰富、算法治理的创新和计算能力需求的增加，无论是云计算公司，还是企业自建系统，提供企业IT服务的业务本身也需要算法化。

变革管理

众多经历过实施信息化的企业都会体会到整个过程的复杂性，认识到信息化实际上是一场变革，尽管任何组织的变革都会有风险，而不变革则会有更大的风险。

企业算法治理思维的实施的复杂度不亚于企业的信息化，也存在巨大的风险，除了开发和优化算法需要长期、大量投入的风险外，人们对算法的角色及其运作方式的认知度和认可度还不高，这种缺乏理解不仅涉及算法的生产者和使用者，而且还涉及很多其他受影响者（例如，政府、股东、经理人员和员工等）。

因此，企业需要把实施算法治理看做是一场彻底的变革，对于这场变革要做好系统的计划、组织、控制和协调等管理工作。

结束语

互联网具有的低成本数据资源和数据传输功能，已经彻底改变了人们之间联系沟通和商业交易的方式，以5G为核心的新基建正在引领万物互联的数据时代的到来，数据成为经济增长、产业变革和企业发展的核心要素。近二十多年来，一批消费互联网企业的成功实践证明了数据蕴含着巨大的商业价值和社会价值，而数据效用的发挥依赖于算法，数据和算法成为企业的优质资产和核心竞争力。

Web 2.0概念的提出者蒂姆·奥莱利（Tim OReilly）曾经说过：“要理解未来，就需要我们摒弃关于现在的思维模式，放弃那些看起来顺理成章甚至习以为常的思想观念”。迎接数据时代的到来，任何一家企业都需要建立算法治理的思维，通过对企业战略的调整以及组织与流程、绩效与文化和数据治理与IT系统等方面的管理变革，以业务算法化和算法业务化为指导思想，创新提升企业的管理能力，转型升级企业的业务模式。