文|中外管理杂志 朱冬

责任编辑|李靖

每年10月，都被称为“诺奖季”，其实同时也是诺奖“赔率榜”大行其道的时节。

2019年度诺贝尔奖得主名单，自10月7日起开始在瑞典皇家科学院陆续公布。而比这更早，世界各地对各奖项“赔率榜”名单的猜测更是掀起热议。而且一时间，大数据推算关于谁最有可能获奖的分析甚嚣尘上：“哪些年龄阶段的人群最易获诺奖”“获得诺奖的人群具备哪些特征”“哪些国籍、族裔的获奖概率更高”……

可以看出，“章鱼帝”的时代已经过去，大数据的时代刚过门槛。

不仅在诺奖圈里，大数据分析异常活跃，投资圈也少不了大数据分析的掺合——“另类数据”早已能通过特斯拉工厂内的手机使用频次，判断特斯拉下一季度财报的好坏；对大量卫星图片细节的分析和统计，也早能解读出一个资本事件可能的走向，以及一家全球性企业的业务态势……

“大数据参与预测和决策的应用领域日见增多，背后是大数据决策的客观性和真实性”。北京创数纪信息技术公司董事长、CEO刘彤对《中外管理》说。

那么，未来大数据分析会走多远？现在离每一家企业又有多近？本期《中外管理》专访了有着近20年大数据行业经验的刘彤先生，尤其就企业管理中如何纳入大数据分析辅助战略决策进行了探讨。

传统决策模式的硬伤

《中外管理》：用大数据来决策并不稀有。谷歌自创立之初在公司内就有一条不成文的规则：任何决策不能拍脑袋，必须有数据依据。那么，传统的企业管理决策方式有哪些弊端？

刘彤：传统的决策体系，绝大多数场景是基于经验的决策，也叫专业经验决策系统。

是由一个专业的人（一般是企业一把手或高管）来判断这件事情是怎么样的。这种决策不能代表每个人的意见，但代表了大多数人的意见。很多企业存在这样的决策模式，甚至还有大家常见的开会时领导拍板的“一言堂”模式。

专业经验决策体系有一个弊端：对同一件事情A和B会做不同决策，因为每个人的专业经验不可能一样。这带来的问题就是决策结果不可控——有可能是对的，也有可能是错的。而直接影响的就是企业的发展路径。

数据决策着眼于“概率”，尤其避免低级错误

《中外管理》：在决策过程中使用大数据分析，会得到更准确的结论吗？

刘彤：很多人误解了大数据的作用。其实，大数据的核心逻辑是着眼于解决概率问题，大数据永远不是为了解决精准性问题。着眼于解决精准性问题就背离了大数据的逻辑。

大数据是收集了一件事情很多次的过程和结果，以及很多人对这件事情的判断，然后综合性地给出一个概率更大的结论。所以它解决的是概率性问题。找到了更大概率成功的点，然后给出更大概率成功的方法和决策。

管理最怕不确定，但不确定是始终存在的状态。可如果决策成功概率大，那么企业一定是朝着增长的方向走。反之，如果管理层“脑子一热，开始冲动”，那么做出成功概率小的决定就多，企业一定走下坡路。大数据方法着眼于提升成功的概率，能解决经验和主观决策的带来的弊端问题，让企业沿着成功概率更大的路径成长。

从企业管理角度来说，数据科学体系就是尽量避免纯粹的用管理者个体的经验来做判断，防止陷入到动辄“我做这件事情已经20年了”的专家思维，提升了成功的可能性，尤其是降低了犯愚蠢、低级错误的可能性。

企业管理者运用数据决策思维会比别人效率更高，成功几率更大，这带来企业管理的巨大差异。

做“数据决策”的中国企业，最多5%

《中外管理》：利用大数据进行决策和管理，是否已经成为企业共识？

刘彤：大数据已经非常热了，但问题是虽然大多数企业表示关注，并积累了一定量的数据，但并没有把数据真正利用起来。

相较于互联网企业，传统公司的问题更为典型：内部并没有真正形成数据分析的逻辑和意识，也没有把数据分析当成改善当下企业管理和营销的方法。比如：有的企业报表里有销量、收入、利润等数据，但并不会进行数据背后的下一部分解，这是只看结果，不看过程。

而数据决策服务，需要专业的数据分析能力，对分析师的水平，对数据的理解，对数据的算法，模型的搭建等要求较高，还需要把流程打通，并明确怎样用数据进行迭代，持续性地优化企业管理的步骤。这是一个复杂的、复合型的专业工作。

另外，专业数据公司提供的数据，可能是企业并不具备或者收集不到的。可以帮助企业更清晰地了解事情的来龙去脉，或者更有针对性设计解决问题的方法。

面对残酷的市场竞争，到管理者若只是用传统的“野路子”打法，或凭个人主观判断能力决策，则企业只能遭遇瓶颈。中国传统企业基数规模非常大，但有数据决策意识，把数据分析已经纳入决算体系，并产生实际效果的企业，比例非常低，也就1%，不到5%。

《中外管理》：这1%能利用数据分析决策的企业，具体在怎样利用数据价值？有没有好的案例？

刘彤：电动车行业属于典型的传统制造业，竞争惨烈，全行业有大大小小500多个品牌。有一家国内知名的电动车企业前几年遇到了增长瓶颈，为寻求突破，该企业通过不断增加产品品类和种类，来满足消费者的差异化需求。然而，大量新品上市后，销量却无法达到预期，企业整体利润出现下滑。

其实哥伦比亚大学教授Sheena S.lyengar和斯坦福大学Mark R. Lepper著名的果酱实验早就证明——可供选择的同品类产品过多，消费者购买率反而下降。

我们通过数据采集和分析，发现整个2017年该企业市面上的产品款数是542款，而90%的销售车型聚集在前91款上，也就是说542款车型里，剩下的451款产品（92-542）销售量仅占10%。而且，不少同价位产品存在功能相似，但实际销量差异巨大现象。

这意味着什么？如果单车毛利只有一两百元，那它的研发成本可能就是百万元级别，过多的低利润甚至负利润产品，严重拉低了企业整体利润，造成企业不必要的资源消耗。

于是我们给了新的决策建议：通过数据分析持续不断优化产品管理，通过多维对比、综合分析，精准识别出问题产品，进而做针对性优化。

在2018年淘汰了434款产品后，该企业总销量不仅没下降，还提升了25%。其中最好的一款车销量达四五十万辆，而在过去将近20年的时间里，该企业只有一款车能够实现年销售10万辆。

对于一个头部电动车企业来说，当有大量消费者选择同一款产品时，会发现满大街随处可见这一“爆款”。这意味着在市场上形成了头部的羊群效应，对于建立品牌烙印、维护品牌忠诚度能起到关键的作用。

经验决策+数据决策，二者叠加才是正道！

《中外管理》：大数据决策在如今向产业互联网转型和升级时期，会发挥怎样的作用？

刘彤：大数据决策可帮助一个传统企业进行真正的数字化升级。

数字化升级的逻辑，不在于你有没有数据，而取决于你的决策思维逻辑是不是与数据相关，是不是基于理性和客观的大数据，来帮助企业做更好的决策，这点是变革的核心。

数据决策对企业管理的意义是：帮助企业把原来的决策方式从语文式决策转型为数学式决策。语文式决策是描述性的，数学式决策则是以数据为依据的。仅从这一点来看，大数据决策对很多传统企业，将会产生巨大影响，因为它更客观、更理性了。它并没有改变原来专业经验决策，但是会更理性地判断出专业经验决策的成功概率。

《中外管理》：依靠数据决策是不是一把双刃剑？如何避免陷入“唯数据论”？或者导致管理者主观能动性的弱化？

刘彤：数据决策是对原来的一种优化，是真正的决策方式升级。但千万不要认为数据决策是代替经验决策的，它们不是代替关系，而是叠加关系。如果定位成代替关系，认为它是对管理者原有经验和专业性的替代，那就走偏了。

数据决策不仅不是对经验决策的替代，反而是让管理者更好地用经验来决策，有依据地进行决策管理。把两者结合在一起后，形成一个新的基于数据的专业经验。这样就会避免陷入“唯数据论”。

在数据安全面前，要专业和“克制”

《中外管理》：随着大数据行业的蓬勃发展，数据的安全问题越来越受业界重视。企业数据化过程里，如何保障数据安全和个人隐私？

刘彤：数据分析的强大能力的确有诱惑力，但大数据公司也要学会“克制”，守住红线。

2016年11月7日发布的《中华人民共和国网络安全法》（以下简称《网络安全法》）规定了“网络运营者收集、使用个人信息，应当遵循合法、正当、必要的原则，公开收集、使用规则，明示收集、使用信息的目的、方式和范围，并经被收集者同意。”

并且，“网络运营者不得收集与其提供服务无关的个人信息，不得违反法律、行政法规的规定和双方的约定收集、使用个人信息，并应当依照法律、行政法规的规定和与用户的约定，处理其保存的个人信息。”

不久前，中国信息通信研究院发表了《大数据安全白皮书》，指出了当前大数据发展面临的安全问题，并提出促进大数据安全技术发展的具体建议。

同时，《网络安全法》非常清晰地定义了在整个数据领域里，什么叫做红线？什么真正叫敏感的信息？诸如个人的姓名、身份证号、家庭住址、银行账号等就是敏感信息。必须得到用户授权。

但反过来讲，若用户即使不提供某些信息，数据公司也一样能实现目标，此时却强行让用户提供，那就是霸王条款，属于“恶意收集用户信息”。

数据公司，一定要考虑到和数据相关的未来的风险点，大数据的采集和信息处理，一定不要触碰红线，在合理的范围内执行。

现在身边的很多网络服务都需要用户授权才能进入“下一步”，这样做就是保证数据源是带有用户授权的。事实上，现在网民和受众对数据安全也从过度紧张和恐慌走向理性了。从数据获取阶段，公司所用数据就要保证有正规合同，属于合规业务。并且获取用户的个人敏感信息后都要进行“脱敏”，脱敏之后才能被用于定性、定量分析。