京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的企业管理挑战
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12