郭为:大数据时代的企业管理挑战

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

互联网时代,创新使得财富积累的速度前所未有的快,贫富不均也前所未有地分化。这个时代,世界的竞争变成人与人的竞争,人与人的竞争就是智慧的竞争,就是人的创新能力的竞争。如何才能提高人的竞争力,是管理科学面临的新课题,是管理者必须要思考的难题。

笔者认为,基于互联网大数据发展产生的以下管理挑战,值得关注:

第一个挑战是大数据对人性假设的挑战。

管理学自诞生开始,就以人为对象,以人性假设为前提不断演化出各种理论。第一个提出科学管理理论的泰勒假设人是“经济人”,后来梅奥假设人是“社会人”,西蒙则构造了“决策人假设”。自西蒙之后,又有了各种各样新的理论:战略管理、营销管理、人力资源管理等,基本都是以西蒙的假设为预设。

社交媒体的诞生,意味着人不再是抽象的假设,而是一种基于大数据的画像。可以认为,大数据令管理科学真正进入到了可量化的科学发展阶段,通过大数据对人进行定量化描述,必然会引发管理科学的飞跃。

第二个挑战是数字化虚拟世界里,如何进行管理实践。

由于量子力学的发明,人类进入了电子时代;计算机的发明,让人类又进入了数据时代。通过计算,我们可以用拓扑的方式去重构现实世界,这种方法可以使人在现实与虚拟中间通过一个旋转门,进而优化现实世界。比如交通中的一些难以解决的问题,通过大数据不断优化方案,反复再现结果,最终解决现实中的难题。

最近热炒的人工智能(AI),预示着人类新的文明历程。阿尔法狗打败柯洁后,聂卫平评价说人类的围棋选手最高是9段,阿尔法狗是20段。阿尔法狗强大的地方是它的计算速度比人反应快。但今天的AI并没有像很多媒体所描述的那样功能强大,它只是能在一个特定的、复杂的、可重复的工作环境里比人做得更好。

计算机的算法不是今天才有的,上世纪90年代就已经发明了,为什么那个时候计算机没有自我学习能力呢?因为在当时的条件下,计算机的速度还不够快,数据量也不够多。计算机高速运转之后,所生成的数据量是前所未有的,甚至每天产生的数据量都是以前的总和。大数据时代要求计算能力越来越快,存储能力越来越强。今天我们任何一台智能手机都比当年的英特尔“奔腾”速度快上千倍。我们现在使用的神经网络计算方式,也更具有自学习的能力。

在这样一个自学习、数字化虚拟世界里,管理实践者该如何去做管理?

第三个挑战是大数据对营销学的挑战。

营销学是管理学的一个重要分支,包括四个基本策略的组合,即大家经常说的产品、价格、渠道、促销4P理论,但在今天以客户为中心的、定制化的生产方式下,4P理论还有效吗?

例如小米手机,它通过互联网征求客户意见——客户需要一个什么样的手机,什么样的外观,什么样的性能,什么样的价钱,用什么样渠道传递给客户?在这样的环境下,4P理论是否需要进行修正?

再例如医药领域现在有精准医疗、靶向治疗。每个人得感冒的时候,感染的细菌或病毒都不是完全一样的,过去使用广谱抗生素,抗菌谱比较宽。现在出现的靶向药,通过培养患者感染的细菌或病毒,反向制出一种新的抗生素,非常精准地进行针对性的治疗。

今天,一位肿瘤患者会请老医生诊治,请大专家会诊,但今后,阿尔法狗将会取代老医生,因为再老的医生最多就是“9段”,但是阿尔法狗可以是“20段”,这就是大数据在治疗中的优势。很多肿瘤的治疗方法是化疗和放疗,化放疗的方案设计是和医生的判断有很大关系的,阿尔法狗的方案优化能力比人类更强。

当然,我们现在对阿尔法狗不放心,就像我们一开始不信任电子账单一样,在手工账单和电子账单并行一段时间后,大家不再怀疑计算机的计算能力。可以想象一下,如果从诊断到治疗都是由大数据来完成的时候,它的运算能力一定会极大提高医疗的水平。将来,我们在社区或者任何地方,都可以享受到顶级的治疗。届时,传统的营销学将面临巨大挑战。

第四个挑战是工业4.0生产要素社会化后,管理模型该如何变化。

工业4.0,我理解它包含三件事:智能工厂、智能生产、智能物流。传统的数据管理,数据还是要落地的,未来数据是不能够落地的,直接的、无缝连接的,整个车间管理是自动化的,企业管理是网络化的,生产要素的组合是社会化的。

为什么会出现工业4.0?这其实是工业自身发展变化后寻找的出路。传统的制造业方式、营销方式、研发系统,显然不再适合。生产成本也不仅仅考虑材料、科研、制造成本、资金成本这些数据,而是要和社会的应用环境相结合,即生产要素的社会化。

生产要素社会化之后,组织生产管理必然是一个大的网络环节,一定是用计算机的方式,用互联网的方式来进行传输,一直到最终的加工设备上全部实现智能化,这是未来制造业的发展方向。我们的管理模型随之该如何变化?

第五个挑战是大数据时代新的安全观。

早些年有一本书《现代战争》,它提出未来的战争不是无限的,而是有限度的战争。现在,社会安全的重点是反恐。这是一种新的安全观,从战争模式、国防模式,进入到民生和社会的模式上来。现在再发动战争的话,不能靠传统的武器去打了,而是要依靠网络安全、信息安全。

在安全领域里,视频监控产业发展非常快。新加坡的车辆有电子车牌,大数据实时监控,一旦人员密集,就会形成电子围栏,车辆再进入就会自动收费。甚至边境线也可以使用电子围栏技术,代替界碑。正在发展中的人脸识别技术,今后也可以用于安全技术,这些都是新的安全防范措施。

随之而来的整个社会的公共管理和相应的产业、企业管理将会进入到一个新的课题,这些都是大数据时代所带来的变化。

(此文首发于秦朔朋友圈,作者为神州数码控股有限公司董事局主席)

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
SQL 存储 监控
大数据Flume企业开发实战
大数据Flume企业开发实战
60 0
|
3月前
|
存储 机器学习/深度学习 大数据
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
Apache Flink 诚邀您参加 7 月 27 日在杭州举办的阿里云开源大数据 Workshop,了解流式湖仓、湖仓一体架构的最近演进方向,共探企业云上湖仓实践案例。
164 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
3月前
|
存储 监控 数据挖掘
云上大数据分析平台:赋能企业决策,挖掘数据金矿
5.3 场景化 针对不同行业和领域的需求特点,云上大数据分析平台将推出更多场景化的解决方案。这些解决方案将结合行业特点和业务场景进行
81 7
|
3月前
|
存储 分布式计算 数据可视化
ERP系统中的大数据分析与处理:驱动企业智能决策
【7月更文挑战第29天】 ERP系统中的大数据分析与处理:驱动企业智能决策
238 0
|
4月前
|
机器学习/深度学习 数据采集 大数据
大数据技术下的企业智能决策支持系统
大数据技术下的企业智能决策支持系统
152 0
|
5月前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。
|
5月前
|
存储 人工智能 安全
AI大数据分析对企业安全隐私的保护非常重要
AI大数据分析在提供企业发展和决策支持的同时,也涉及到大量的企业数据和用户隐私信息。因此,保护企业安全隐私是非常重要的。
|
5月前
|
分布式计算 大数据 数据处理
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
55 0
|
存储 Cloud Native 大数据
浅谈传统企业的大数据平台如何上云
浅谈传统企业的大数据平台如何上云
|
SQL 存储 运维
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(中)
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(中)
139 0

热门文章

最新文章