爱华网管理大师戴明(W. Edwards Deming) 与德鲁克在诸多思想上都持对立观点，但“不会量化就无法管理”的理念却是两人智慧的共识。这一共识足以解释近年来的数字大爆炸为何无比重要。简而言之，有了大数据，管理者可以将一切量化，从而对公司业务尽在掌握，进而提升决策质量和业绩表现。 Q：有什么证据显示运用大数据能提升公司业绩? A：大数据的怀疑论者们总是提出这样的疑问：“商业媒体上充斥着各种轶事案例，似乎在证明大数据驱动带来的价值。但我们最近发现的事实是，根本没人真正拿出严谨有力的证据。”为了弥合这种尴尬的缺失，我们在麻省理工学院的数字商业中心(MIT Center for Digital Business)组织了一个团队，考察大数据驱动的公司是否业绩更佳。 我们对北美330家上市公司的高管进行了结构性访谈(structured interview，一种对访谈过程高度控制的访问。访问的过程高度标准化，即对所有被访者提出的问题，提问的次序和方式，以及对被访者回答的记录方式等是完全统一的。)，调研其组织与技术管理实践，然后从年报和其他一些独立信息源那里收集它们的业绩数据。很显然，不是每家公司都喜欢数据驱动型的决策制定过程。事实上，我们发现，各行各业对大数据的态度和应用方法五花八门。但是，透过所有的分析，我们发现一种显著的关联性：越是那些自定义为数据驱动型的公司，越会客观地衡量公司的财务与运营结果。尤其是，运用大数据做决策的那些行业前三名企业，比其竞争对手在产能上高5%，利润上高6%。如果把劳动力、资金、购买服务和投资传统技术的投入都纳入计算，这些企业的表现依然卓越。它不仅有统计学上的显著性和经济上的重要性，而且也反映在其股票估价的增值上。 Q：实现业绩提升的前提是什么? A：大数据最至关重要的方面，就是它会直接影响企业怎样做决策、谁来做决策。在信息有 限、获取成本高昂、且没有被数字化的时代，让身居高位的人做决策是情有可原的。因为 他们拥有多年累积的经验，并将观察到的商业模式和组织内部关系内化到了自己的思维与 行为中。我们可以给这种决策者和决策过程贴个标签：直觉主义。这些人描绘的未来蓝图——会发生什么事情、事情该怎样解决、因此该如何做规划等——全部基于他们的个人 观点。尤其那些做重大决策的人，都是组织内典型的位高权重的人，要不然就是高价请来的拥有专业技能和显赫履历的外部智囊。大数据领域的人认为很多公司仍然维持着这种方式——依赖“HiPPO” 做决策。所谓HiPPO，就是那些高薪人士的观点(the highest-paid person‘s opinion)。的确有一些资深高管忠实于数据，一旦数据否定了他们的直觉，他们会抛弃个人观点。但是我们相信，在今天的整个商业世界中，人们仍然更多依赖个人经验和直觉做决策，而不是基于数据。我们在研究中设计了一个“五点复合标尺”，用来测量一家企业究竟在多大程度上是数据驱动型的。32% 的回应者认为，他们的公司只具备其中的一两点或两三点。 所以，要挖掘全新的海量信息流来提升公司业绩，前提就是要改变企业制定决策的文化。 Q：让数据做主，管理者应该怎么做? A：可以从两个最简单的技巧开始。首先，要养成习惯问： “数据怎么说?”每当遇到重大决策的时候，要紧跟着这个问题进一步问：“这些数据从哪儿来的?”“这些数据能得出什么分析?”“我们对结果有多大信心?”(员工能从高管的这种行为中迅速接收到信息。)其次，他们要允许数据做主;当员工看到一位资深高管听任数据推翻了他的直觉判断——这将是改变一家公司决策文化的最大力量。在确认哪些问题需要解决的阶段，毫无疑问，专业技能仍然至关重要。传统领域的专家，因为对所在行业的深刻理解， 可以清楚地识别机遇与挑战。比如PASSUR 公司一直极力从全美主要的航空公司挖人，越多越好。因为拥有丰富的航空业运营知识，在PASSUR 寻找下一个市场机会的时候，这些人的价值不可估量。 随着大数据运动的推进，这些传统领域的专家也会转变角色。他们的价值不在于提供类似那些高薪人士的“直觉主义”的答案，而在于他们善于发现真问题。“电脑有什么用呢?它们只知道给答案。”当天才画家毕加索这么说的时候，他一定很怀念那些传统领域的专家。 大数据采用阶段及支持变化模式 在IBM开展的大数据工作研究中，为了更好地理解大数据环境，受访者描述了其组织中当前的大数据活动级别。结果表明四个主要的大数据采用和推进领域形成了一个连续的体系，这四个领域被分别标记为“培训”、“探索”、“参与”和“执行”(见图1)。 培训: 打造知识库。在培训阶段，主要关注点在于意识和知识开发。处于这个阶段的大多数组织均在研究大数据技术与分析的潜在优势，并尝试更好地理解大数据如何帮助其把握其各自行业或市场内的重要机会。在这些组织中，负责收集知识的主要是个人而非正规工作组，其学习成果尚未得到组织的采用。
探索: 定义业务用例和路线图。探索阶段的重点是制定组织的大数据开发路线图。这项战略和路线图将考虑现有数据、技术和技能，随后列明应从何处入手、如何制定与组织的业务战略协调一致的计划。 参与: 采用大数据。在参与阶段，组织开始证明大数据的业务价值，同时对其技术和技能开展评估。此类组织正在一个确定的、有限的范围内致力于理解和测试必要的技术与技能，以利用新的数据源。 执行: 大规模实施大数据。在执行阶段，组织内将更广泛地运用和实施大数据和分析能力。然而，仅有6%的受访者表示，其组织已经大规模实施了两个或更多大数据解决方案——这也是表明进入此阶段的阈值。重要的是，这些领先组织在利用大数据改造其业务，从而发挥信息资产的最大价值。 审视大数据采用展示出一种值得关注的支持变化模式(见图2)。受访者表示有超过三分之一的大数据工作由CIO主持。但是，大部分由CIO主持的工作均处于早期采用阶段，组织正在投资于技术，刚刚开始确认业务机会和需求。 随着组织逐渐推进到后续阶段，支持者将转变为业务高管，可能是特定职能部门的高管，如CMO或CFO等，甚至也可能是CEO。值得注意的是，这种采用业务高管单一关注点的支持模型被视为大数据取得成功的关键所在。
