靠專家，還是靠機(jī)器？讓我們先看一下回答。
耶魯大學(xué)法學(xué)院和管理學(xué)院教授Ian Ayres "在紐約時(shí)報(bào)評(píng)選最佳商業(yè)暢銷書《Super Crunchers》中明確提出："不是讓統(tǒng)計(jì)機(jī)器服務(wù)于專家的選擇，而是讓專家服務(wù)于統(tǒng)計(jì)機(jī)器。(Instead of having the statistics as servant to expert choice, the expert becomes a servant of the statistical machine.)" 。他還提到，"It's best to have the man and machine in dialogue with each other, but, when the two disagree, it's usually better to give the ultimate decision to the statistical prediction. 最好是由人與機(jī)器互相對(duì)話，但是，如果雙方不一致的話，通常還是讓統(tǒng)計(jì)預(yù)測(cè)來(lái)做最終決定會(huì)更好。"
社會(huì)學(xué)家克里斯·斯尼德斯（Chris Snijders）基于他的研究說(shuō)道：“你通常會(huì)以為，專家有了數(shù)據(jù)和分析作輔助，這種情況介于算法模型和專家個(gè)人判斷之間，所以專家得到模型的支持會(huì)得到更好的結(jié)果。但其實(shí)，這樣還是不如單獨(dú)用數(shù)據(jù)模型做出的判斷。"What you usually see is the judgment of the aided experts is somewhere in between the model and the unaided expert," he said. "So the experts get better if you give them the model.But still the model by itself performs better."
從以上的研究結(jié)果，我們看到這樣的決策效果排序，即，專家輔助數(shù)據(jù)模型/統(tǒng)計(jì)機(jī)器決策 > 數(shù)據(jù)模型/統(tǒng)計(jì)機(jī)器決策 > 數(shù)據(jù)/統(tǒng)計(jì)機(jī)器輔助專家決策 > 專家（直覺(jué)）決策。
不得不說(shuō)， 這真是一個(gè)讓無(wú)數(shù)職業(yè)經(jīng)理人悲傷的論斷。。。
那是時(shí)候來(lái)描述一下“數(shù)據(jù)驅(qū)動(dòng)的決策(Data Driven Decision-making, DDD)”的這個(gè)概念了。
當(dāng)前，隨著大數(shù)據(jù)以及數(shù)據(jù)采集、存儲(chǔ)、分析等技術(shù)的快速發(fā)展，幾乎所有公司都在盡可能充分利用數(shù)據(jù)來(lái)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)。這個(gè)進(jìn)程中，大數(shù)據(jù)也帶來(lái)了公司商務(wù)管理和決策的根本轉(zhuǎn)變，這個(gè)轉(zhuǎn)變被定義為數(shù)據(jù)驅(qū)動(dòng)的決策，其概念表現(xiàn)為公司的管理決策盡可能基于數(shù)據(jù)和數(shù)據(jù)分析，而非是更多的依賴于管理決策人員的直覺(jué)和經(jīng)驗(yàn)。比如，在以前，公司市場(chǎng)管理人員會(huì)憑借其多年的專業(yè)經(jīng)驗(yàn)和眼光選擇廣告創(chuàng)意，而現(xiàn)今，他們會(huì)越來(lái)越多的會(huì)根據(jù)消費(fèi)者對(duì)不同廣告的反響進(jìn)行數(shù)據(jù)分析和推薦來(lái)確定最后的廣告選擇。
公司轉(zhuǎn)變到數(shù)據(jù)驅(qū)動(dòng)的決策模式本質(zhì)是由于當(dāng)前先進(jìn)的數(shù)據(jù)處理技術(shù)而產(chǎn)生的大數(shù)據(jù)，大數(shù)據(jù)特點(diǎn)包括大規(guī)模全記錄樣本(volume)；快速實(shí)時(shí)產(chǎn)生和收集(Velocity)；來(lái)自不同來(lái)源、形式和結(jié)構(gòu)多樣(Variety)；真實(shí)準(zhǔn)確可信且能有效去除噪音(Veracity)；進(jìn)而給社會(huì)和組織產(chǎn)生價(jià)值(Value)。拿以上所舉場(chǎng)景為例，大數(shù)據(jù)系統(tǒng)采集由不同廣告創(chuàng)意引發(fā)，來(lái)自社交媒體廣告管理系統(tǒng)或其他來(lái)源的包括瀏覽、轉(zhuǎn)化率等在內(nèi)客戶反饋的所有的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行時(shí)間序列和實(shí)時(shí)的分析處理，并提供如可視化結(jié)果在內(nèi)的信息和方案而做出決策。整個(gè)過(guò)程中，我們可以看到大數(shù)據(jù)驅(qū)動(dòng)的管理決策包括三個(gè)重要組成部分：大數(shù)據(jù)處理分析系統(tǒng)、大數(shù)據(jù)以及決策場(chǎng)景。（另，按照業(yè)界已有不成文約定，一般的我們也將大數(shù)據(jù)處理部分定義為大數(shù)據(jù)工程，大數(shù)據(jù)分析部分定義為大數(shù)據(jù)科學(xué)。）
上述大數(shù)據(jù)的特點(diǎn)使得數(shù)據(jù)驅(qū)動(dòng)的管理和決策相對(duì)于傳統(tǒng)決策有著很大的不同，基于已有研究和實(shí)踐，我們發(fā)現(xiàn)公司在大數(shù)據(jù)驅(qū)動(dòng)的決策有著以下特征：
§大數(shù)據(jù)驅(qū)動(dòng)的管理和決策在設(shè)定問(wèn)題目標(biāo)和范圍時(shí)往往會(huì)依據(jù)情境具有一定的靈活性，相應(yīng)的，給到的決策答案并不像小數(shù)據(jù)給予的答案那樣僅僅針對(duì)特定問(wèn)題。
比如傳統(tǒng)的小數(shù)據(jù)利用產(chǎn)品入庫(kù)和出庫(kù)數(shù)據(jù)對(duì)庫(kù)存控制進(jìn)行決策，而大數(shù)據(jù)則不僅僅利用公司內(nèi)部生產(chǎn)、庫(kù)存和銷售數(shù)據(jù)，更多的還會(huì)采集和分析公司外部如客戶和供應(yīng)商數(shù)據(jù)、市場(chǎng)銷售歷史與趨勢(shì)、物流與大宗商品指數(shù)等等大數(shù)據(jù)對(duì)公司產(chǎn)品庫(kù)存進(jìn)行動(dòng)態(tài)的、更長(zhǎng)周期的決策判斷。也可以說(shuō)，大數(shù)據(jù)驅(qū)動(dòng)的管理和決策更適用于不斷變化的決策情境和更為復(fù)雜、不能在早期進(jìn)行明確定義的決策問(wèn)題。
§決策所需數(shù)據(jù)范圍取舍、數(shù)據(jù)的完備性和顆粒度將相對(duì)于傳統(tǒng)決策對(duì)決策質(zhì)量影響更大
大數(shù)據(jù)驅(qū)動(dòng)的管理和決策先要確定決策所需的數(shù)據(jù)范圍，然后進(jìn)行數(shù)據(jù)處理和算法分析。因而，數(shù)據(jù)分析或者說(shuō)決策結(jié)果的質(zhì)量很大程度上取決于數(shù)據(jù)范圍、顆粒度等因素（而在傳統(tǒng)決策中，決策者的直覺(jué)和經(jīng)驗(yàn)而非數(shù)據(jù)也許對(duì)決策質(zhì)量影響更大），大數(shù)據(jù)驅(qū)動(dòng)的管理和決策過(guò)程的重點(diǎn)將落在對(duì)決策所需數(shù)據(jù)的范圍的定義、識(shí)別，而非是決策計(jì)算過(guò)程。這也就要求公司需要在大數(shù)據(jù)準(zhǔn)備上投入更多的努力以保證決策質(zhì)量。
§大數(shù)據(jù)驅(qū)動(dòng)的管理和決策是一個(gè)迭代和遞進(jìn)的過(guò)程
公司利用大數(shù)據(jù)進(jìn)行管理和決策時(shí)，因?yàn)榇髷?shù)據(jù)的高顆粒度和實(shí)時(shí)時(shí)效等特性，將呈現(xiàn)出更為簡(jiǎn)短的決策周期。也就是說(shuō)一方面大數(shù)據(jù)提供了快速乃至實(shí)時(shí)做出決策的基礎(chǔ)和能力，另一方面，持續(xù)大量的數(shù)據(jù)存儲(chǔ)和處理讓公司的決策行為轉(zhuǎn)變成更為頻繁的做出決策。這些決策之間也體現(xiàn)出遞進(jìn)關(guān)系，也即大數(shù)據(jù)驅(qū)動(dòng)的前序管理決策也將作為后序管理決策數(shù)據(jù)來(lái)源之一。典型的場(chǎng)景比如在線商品推薦系統(tǒng)，大數(shù)據(jù)基于消費(fèi)者購(gòu)買和點(diǎn)擊歷史等數(shù)據(jù)快速給予該消費(fèi)者推薦產(chǎn)品，隨即根據(jù)該消費(fèi)者接下來(lái)的點(diǎn)擊、購(gòu)買等數(shù)據(jù)再次推薦可能更為精準(zhǔn)符合該消費(fèi)者需求的產(chǎn)品。同樣的，企業(yè)內(nèi)部的決策也基于大數(shù)據(jù)迭代做出，研究數(shù)據(jù)表明，基于大數(shù)據(jù)驅(qū)動(dòng)決策的公司，產(chǎn)品開(kāi)發(fā)和交付周期明顯縮短，而后再基于客戶或者市場(chǎng)等運(yùn)營(yíng)數(shù)據(jù)進(jìn)行持續(xù)優(yōu)化。（注1：? 我的進(jìn)一步觀點(diǎn)是，大數(shù)據(jù)提供了精益企業(yè)的物質(zhì)基礎(chǔ)，這在以后文章會(huì)探討。）
§公司的管理決策將更為客觀
大數(shù)據(jù)驅(qū)動(dòng)的管理決策過(guò)程中，數(shù)據(jù)更為充分，且可以通過(guò)更為深層次的挖掘大數(shù)據(jù)的內(nèi)涵，提取出更為深入和準(zhǔn)確的洞察信息，以及對(duì)不同決策進(jìn)行比較選擇，降低了個(gè)體在決策過(guò)程中的介入和參與，從而減少個(gè)體因?yàn)榻?jīng)驗(yàn)、情緒以及信息不足而導(dǎo)致的偏差，使得決策更為客觀。此外，可以推想，更為客觀透明的決策也可能將得到更多人員的信任和支持，從而提升決策的效力和執(zhí)行效果。
§公司決策結(jié)構(gòu)將更為扁平
基于上述大數(shù)據(jù)驅(qū)動(dòng)的決策將表現(xiàn)出更為客觀的屬性，公司對(duì)決策的評(píng)估和監(jiān)控也因此可以在組織結(jié)構(gòu)中更低的層次達(dá)成。事實(shí)上，在這個(gè)背景下，公司傾向授權(quán)與具體行動(dòng)更為接近的一線人員，進(jìn)行決策以提升運(yùn)營(yíng)效率、降低成本。也就是說(shuō)相對(duì)于以往，大數(shù)據(jù)驅(qū)動(dòng)的管理和決策將更多的在組織架構(gòu)中較低的層次做出，或者在組織中更為恰當(dāng)?shù)膷徫蛔龀觯虼耍疽矊⒏嗟捏w現(xiàn)出至下而上的決策模型。
§領(lǐng)域?qū)＜?/b>(domain expert)在決策中的價(jià)值發(fā)生變化
盡管大數(shù)據(jù)驅(qū)動(dòng)的管理決策對(duì)大數(shù)據(jù)極大的依賴，但并不能削弱領(lǐng)域?qū)＜以跊Q策中的價(jià)值。事實(shí)上，大數(shù)據(jù)的不斷開(kāi)發(fā)利用，領(lǐng)域?qū)虻拇髷?shù)據(jù)對(duì)管理決策的價(jià)值愈發(fā)明顯，領(lǐng)域?qū)＜依闷漕I(lǐng)域知識(shí)，在這個(gè)過(guò)程中的角色和作用將更多發(fā)揮在他們知道“尋找和發(fā)現(xiàn)什么”，也即能提出正確的問(wèn)題；以及“哪里去尋找”，也即識(shí)別和定義恰當(dāng)?shù)臄?shù)據(jù)源和數(shù)據(jù)變量。
§大數(shù)據(jù)、大數(shù)據(jù)處理分析系統(tǒng)以及與決策問(wèn)題情境之間的不可分割
一方面，大數(shù)據(jù)以不同形式分布式存在于不同來(lái)源，并實(shí)時(shí)不間斷的大量產(chǎn)生，離開(kāi)強(qiáng)大的大數(shù)據(jù)處理分析進(jìn)行采集、存儲(chǔ)、處理和分析，這些數(shù)據(jù)對(duì)于管理決策將毫無(wú)意義。數(shù)據(jù)卻動(dòng)的管理和決策所需的大數(shù)據(jù)不僅是指數(shù)據(jù)，而包括數(shù)據(jù)的洞察和智能。而呈現(xiàn)這樣的洞察和智能必須將大數(shù)據(jù)和對(duì)應(yīng)的大數(shù)據(jù)處理分析系統(tǒng)整合起來(lái)，大數(shù)據(jù)處理分析系統(tǒng)是大數(shù)據(jù)系統(tǒng)的一部分。另一方面，基于上述特征，大數(shù)據(jù)驅(qū)動(dòng)的管理決策結(jié)果還將不斷的與決策問(wèn)題情境進(jìn)行交互和持續(xù)分析，問(wèn)題和方案都將會(huì)不斷被更新或調(diào)整。所有這些，都要求大數(shù)據(jù)、大數(shù)據(jù)處理分析系統(tǒng)乃至決策問(wèn)題情境之間相對(duì)于傳統(tǒng)決策支持系統(tǒng)提出了更高的整合要求。
隨著大數(shù)據(jù)逐漸成為公司的最重要戰(zhàn)略資產(chǎn)，公司的決策和競(jìng)爭(zhēng)能力的要素也將變化，每個(gè)公司都需要定義并建立新型的競(jìng)爭(zhēng)資源和能力。
大數(shù)據(jù)時(shí)代的商業(yè)競(jìng)爭(zhēng)對(duì)公司提出了投入并建立所有這些資產(chǎn)能力的急迫需求。比如，最基本的，公司需要定義并收集大數(shù)據(jù)，其中有些數(shù)據(jù)可能公司已有，只需加以清洗、整理，但更多的大量的其他數(shù)據(jù)需要投入資金、設(shè)備（如物聯(lián)網(wǎng)設(shè)備）、人力等成本進(jìn)行收集。以阿里巴巴公司發(fā)展科技金融業(yè)務(wù)（螞蟻金服）為例，該公司通過(guò)消費(fèi)補(bǔ)貼、人力推廣等巨額投入，不僅僅是獲取了更多的客戶量，更重要的是從不同數(shù)據(jù)來(lái)源采集到了用戶的個(gè)人特征、通信聯(lián)絡(luò)方式、消費(fèi)記錄、信用相關(guān)數(shù)據(jù)、地理位置相關(guān)數(shù)據(jù)以及社交數(shù)據(jù)等等海量數(shù)據(jù)，結(jié)合公司不斷發(fā)展的強(qiáng)大的數(shù)據(jù)處理（如阿里云）以及數(shù)據(jù)分析能力（如招聘大量的數(shù)據(jù)科學(xué)家）以構(gòu)建持續(xù)的核心能力和競(jìng)爭(zhēng)壁壘。事實(shí)上，擁有更強(qiáng)數(shù)據(jù)和數(shù)據(jù)處理分析能力資產(chǎn)的公司相對(duì)于競(jìng)爭(zhēng)公司已展現(xiàn)出顯著的戰(zhàn)略優(yōu)勢(shì)，并且這些優(yōu)勢(shì)進(jìn)一步的反饋到產(chǎn)品開(kāi)發(fā)、業(yè)務(wù)運(yùn)營(yíng)、客戶吸引等各環(huán)節(jié)，競(jìng)爭(zhēng)優(yōu)勢(shì)又得到持續(xù)增強(qiáng)而呈現(xiàn)馬太效應(yīng)。（注2：之后我會(huì)專門撰文討論大數(shù)據(jù)時(shí)代的公司估值問(wèn)題）
