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
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Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
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
127 0
|
1月前
|
存储 供应链 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在企业供应链风险预警与决策支持中的应用(204)
本篇文章探讨了基于 Java 的大数据可视化技术在企业供应链风险预警与决策支持中的深度应用。文章系统介绍了从数据采集、存储、处理到可视化呈现的完整技术方案,结合供应链风险预警与决策支持的实际案例,展示了 Java 大数据技术如何助力企业实现高效、智能的供应链管理。
|
4月前
|
数据采集 人工智能 大数据
大数据+商业智能=精准决策,企业的秘密武器
大数据+商业智能=精准决策,企业的秘密武器
161 27
|
5月前
|
机器学习/深度学习 人工智能 搜索推荐
用大数据重塑客户关系管理:聪明企业的秘密武器
用大数据重塑客户关系管理:聪明企业的秘密武器
110 9
|
5月前
|
机器学习/深度学习 人工智能 算法
解锁政策红利:大数据时代的企业与个人发展新契机
在大数据与机器学习时代,政策解读、预测分析和个性化匹配成为挖掘发展新动能的重要工具。无论是企业还是个人,都能借助先进技术轻松理解复杂政策,把握趋势先机。文章探讨了自由职业者、创业者及企业员工如何通过政策支持实现协同发展,并介绍了“政策宝”这一智慧助手,助力用户发现和利用政策红利,抓住机遇实现目标。探索政策宝库,开启发展新征程!
|
10月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
532 2
|
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。
258 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
11月前
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
185 0
|
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
598 7
|
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
899 0

热门文章

最新文章