未來的智能商業時代充滿變化和不確定性，以線性規劃和條線化管理的企業越來越難以適應當今的挑戰。新時代的企業需要快速且彈性十足地應對變化中的各種狀況，不應當再以效率為追求目標，而是應該讓自己獲得持續應對變化和不確定性的能力。

1 響應力應對企業發展過程中的變化

在未來的智能商業時代，新技術應用層出不窮，根據加速回歸定律，人類出現以來所有技術發展都是以指數增長。我們花了90年的時間，才把計算機的計算能力發展到第一個MIPS/千美元，而現在我們增加1個MIPS/千美元只需要5個小時；19世紀末的電話從發明到普及，大約用了半個世紀，20世紀末的手機從發明到廣泛應用大約用了10年的時間，而1991年互聯網的發明到其廣泛普及僅用了7年的時間。

在未來的智能商業時代，產業環境日趨動蕩。21世紀初期，諾基亞在全球手持設備市場中有著壓倒性的優勢，2007年，諾基亞是全球第一的智能手機供應商，它的市場份額接近50%。到2013年第二季度的時候，它的市場份額卻急劇縮水到3.1%。短短的6年時間，諾基亞就從行業龍頭掉出行業前五。類似的情況，在柯達身上再次上演。2001年，全球膠片的銷量達到了頂峰，之后市場開始緩慢地萎縮，然后不斷加速，最后以每年20%或30%的速度暴跌。2010年，全球對攝影膠片的需求下降到不到十年前的十分之一。面臨著市場的快速萎縮，柯達一直沒有找到很好的應對辦法，最終不得不在2012年申請破產。

1.1 企業的響應力

一個企業響應變化的能力，我們稱之為企業的“響應力”。
“響應力”越大的企業，意味著能更靈活地適應市場、業務和客戶需求的變化，更充分利用新興技術，更快速抓住商業機遇，在變化中調整戰略，形成持續性的競爭優勢和生態優勢。
因此，"響應力"是企業的必要能力之一，組織的敏捷轉型、業務和技術的變革創新和跨部門的協同合作，是提高企業“響應力”的有效途徑。
我們可以從敏捷性、創新性和協同性衡量企業的“響應力”。

1.2 響應力的來源在于敏捷性

敏捷性，是指企業在變化中靈活快速適應和自我引導的能力。敏捷性越高的企業，團隊生產率和員工滿意度越高，顧客參與度和滿意度越高，最有價值的產品和功能問市更迅速、更可預測，并降低風險。

最初使用敏捷的是公司的IT部門，現在已經傳播到各行各業和諸多職能部門。ING是一家植根于荷蘭的全球化金融機構，擁有員工113,000人，在全球50個國家為6千多萬客戶提供銀行、保險及資產管理服務。從2014年底，ING開始部署敏捷轉型戰略，通過敏捷變革實現了管理層級扁平化，將原有 6 個層級、30 多個獨立部門、近 3500 名員工縮減到了 3 個層級、13 個敏捷部落和 2500 名員工。在新的敏捷組織和工作機制下，ING實現了四個“快”：發現機會“快”，決策速度“快”，開發上線“快”，團隊執行“快”。產品和服務推出市場的速度提高了50%，新功能從概念的產生到最終的交付只需要短短的5周，上線周期也從每年 2~3 次縮短到2~3周一次，員工效率提高30%，客戶凈推薦值（NPS）大幅提升。

敏捷不僅給ING的發展帶來了正向的促進作用，還幫助美國全國公共廣播電臺（NPR）創造新節目，幫助約翰迪爾（Jonh Deere）開發新機器，助力薩博（Saab）生產新戰斗機；從造酒、倉儲到高管層的運營，Mission Bell酒莊將敏捷方法用到了各個方面。通用電氣也是依靠敏捷方法，才得以加速實現“從20世紀集團到21世紀數字行業公司”的著名轉型。

根據大量的成功案例統計，組織敏捷性和經營業績間存在著明顯的正向關系，麥肯錫組織健康調研結果指出，組織敏捷性與經營業績之間存在明顯的正向關系，70%“最健康”的企業屬于敏捷型組織，并有2倍的可能性取得優于同業的經營績效。

1.3 響應力的體現在于創新性

企業的響應力體現在創新性，創新性越強，企業就越容易運用創新方法來解決現有問題，運用新方法來應對市場的挑戰和變化，促進企業的發展。

金融機構或涉及大量復雜法規和信息系統的大型企業每天都面臨著大量風險，風險管理一直以來都是澳洲德勤的主要業務之一。2010年，澳洲德勤面臨重大挑戰，因為大家逐漸發現，風險管理主要與遵守規章制度和技術的完善性相關，風險管理越來越標準化和普通商品化。德勤的大多數競爭對手都在低端市場重新定位，通過創造更符合成本效益的解決方案來控制風險。與此相反，德勤選擇了新的方向：把“風險”從需要擔心的問題來源轉變為價值來源，推出了創新的風險服務系列，將風險的意義從負面轉變為正面，擺脫了與競爭對手在低端市場的普通商品化的競爭。在3年內，澳洲德勤的風險服務收入增長了30%，而且由于提供了更高的價值，在市場中的大多數競爭對手都縮減規模時，其利潤率卻上升了80%。

1.4 響應力的發揮在于協同性

協同性，是指協調兩個或兩個以上的不同資源、個體或組織，共同一致地完成某一目標的能力。

企業的響應力不僅需要創新性和敏捷性，還需要通過團隊和部門之間的高效協同，達到“1+1>2”的協同效應，才能發揮出響應力的最大價值，促進企業發展。

中信集團是一家跨國企業集團，也是國內最大的綜合性企業集團，業務涵蓋金融、資源能源、制造業、工程承包和房地產以及信息產業等多個方面，2018年位居美國《財富》雜志“世界500強”企業排行榜第156位。在30多年的經營發展過程中，中信集團圍繞集團總體發展目標，打造符合中信特點的多元化協同戰略、管控體系和協同機制，有效配置、整合與共享集團各類資源，從而提升各家子公司的市場競爭力，降低市場拓展的成本和風險，更為廣泛快速地捕捉市場機遇和開拓新市場，并能更容易提供創新產品和增值服務，有效增強客戶的忠誠度。

2010年9月，中信集團設立業務協同部，至今已經與31家大型企業集團和15家省市地方政府及部委機構建立戰略合作關系，在集團層面統籌合作，借助強大的整體優勢，為集團各家子公司獲取合作商機。2015年，中信銀行杭州分行發揮中信“商行+投行”以及“金融+實業”的協同優勢和快速的響應力，迅速推進包括梳理主營業務板塊、健全公司治理制度、引入外部評級機構等方面的工作措施，幫助柯橋區國有資產投資經營集團有限公司實現大規模和低成本的融資，發行的中長期債券平均成本不到4.5%，降低融資成本2%。

2 數據力消除企業發展過程中的不確定性

信息論用信息熵來描述一個信息系統的不確定性。信息量與不確定性有關，想消除不確定性，就要引入信息或數據。20世紀中葉的以數字技術為代表的新一輪科技和產業變革，意味著增強人類思維能力的“第二次機器革命”時代來臨。數字化信息的爆炸式增長是“第二次機器革命”時代的的特征之一。

全球數據正以指數級的速度在增長，而且隨著無線寬帶、快速網絡和云存儲的普及，這些海量的數據不再是靜靜地駐留在存儲設備里面的“死”數據，而是可以通過互聯網頻繁流動，任意終端都可以訪問的“活”數據。Cisco預測全球IP流量到2022年將增長到2017年的3倍，達到396 EB/月。

隨著數據的規模和活躍度不斷增加，企業獲取和運用數據的能力也變得越來越重要。

在線影片租賃服務商Netflix就是非常善于獲取和運用數據的例子。在Netflix的早期10年，用戶增長和活躍度都不高，主要是由于缺乏對用戶需求的了解，只能推薦最熱門或者評價最高的電影，導致個性化推薦不夠精準。每個用戶的口味相差都很大，根據熱門好評價的推薦并不能有效的吸引用戶。隨著數據量的積累，尤其是對于每一位用戶相關的各種維度的數據積累，Netflix的個性化推薦開始越來越準確。據Netflix宣稱，其用戶所觀看的節目有80%都是來自于推薦的。精準的個性化推薦不僅提高了用戶的活躍度，還幫助Netflix獲得成功。2014年，Netflix的流量占美國峰值流量的34.89%；2017年，Netflix用戶數量超過美國有線電視用戶總數；2018年，Netflix市值首度超越迪士尼，成為成為全球最具價值媒體巨頭。

2.1 企業的數據力

一個企業獲取和運用數據的能力，我們稱之為企業的“數據力”。

“數據力”越大的企業，意味著能獲取更多的數據去優化生產和運營，能利用更多數據去分析洞察市場和客戶的變化，能向更多的領域開放數據，擁有更大的生態影響力，從而獲得更大的競爭優勢和生態優勢。因此，“數據力”是企業的必要能力之一，廣泛的數據獲取，高效的數據處理和便捷的數據應用是提高企業“數據力”的有效途徑。

我們可以從廣泛性，高效性和便捷性衡量企業的“數據力”。

2.2 數據力的基礎在于廣泛性

企業數據獲取的廣泛性，是企業數據力的基礎。數據獲取越廣泛，那么企業的數據規模越大、數據類型越多、數據來源渠道越多，因此數據也就越全面，越高質量。

據Gartner的報告顯示：企業中80%的數據都是非結構化數據，而且還在快速增長。目前，國內的企業在進行大數據分析時，仍以分析結構化數據為主，而在美國，很多企業已經開始分析非結構化數據。有統計稱，在商業數據庫中，約有2％的客戶信息會在一個月內變得陳舊，即是說，在2年內，會有近50％的記錄因為過時而使其可用性受到影響。劣質數據每年給美國造成的經濟損失高達6000億美元。如果企業使用的是陳舊的數據，那么有很高的概率會做出錯誤的決策。

因此，企業需要時刻關注內外部的結構化、半結構化和非結構化數據的獲取，同時還要不斷擴大獲取數據的時間范圍，以保證數據的精準度和時效性。

2.3 數據力的保障在于高效性

企業數據處理的高效性，是企業數據力的保障。企業數據處理越高效，那么企業可以存儲和處理數據的效率越高、實時性越強，也就越能發揮數據的價值。

無論是云計算、大數據還是企業的各種應用，其基礎都是低成本、高性能、可擴展、易用的存儲系統。隨著企業數據獲取能力的不斷提高，數據規模也越來越大，傳統的單機存儲已經無法滿足數據存儲和處理的需求，必須采用集群化的分布式儲存方案。Google、亞馬遜、阿里巴巴、百度和騰訊等國內外的企業都在重點研發自己的分布式儲存系統，例如Google分布式文件系統GFS、分布式表格系統Bigtable，亞馬遜的分布式鍵值系統Dynamo以及阿里巴巴的開發分布式數據庫OceanBase。

企業存儲的數據，幾乎都需要經過計算才能發揮其價值，所以數據計算能力對于企業的數據處理能力有著至關重要的影響。以大型機為主導的集中式計算，雖然單機性能卓越和穩定性好，但是擴容價格高昂，一臺大型機一旦出現問題，將導致整體系統的不可用，而分布式計算在價格成本、自主研發、靈活兼容、伸縮擴展方面有比較顯著的優勢。

因此，企業需要根據自身的需要，發展分布式存儲系統和分布式計算系統，提升數據的存儲能力和計算能力，以應對未來日漸增長的存儲和計算需求，以保證數據處理的高效性。

2.4 數據力的價值在于便捷性

企業的數據應用的便捷性，是企業數據力的價值所在。數據應用是數據產生價值的出口，數據獲取及處理都為數據價值輸出做準備。企業數據應用的便捷性越高，那么企業的數據應用場景越多，數據化和智能化程度越高，從而獲取的洞察越多，內部決策越高效和準確，數據生態的構建也越容易。

MIT數字商業中心聯合麥肯錫商業技術部、沃頓商學院對北美330家上市公司高管進行大數據與業績的研究表明，“運用大數據做決策的那些行業前三名企業，比其競爭對手在產能上高5%，利潤上高6%”。Google基于存儲的海量的頁面數據和用戶行為數據，通過分析和建模，優化廣告排序，制定廣告的投放策略，實現廣告的精準投放，將搜索流量轉化為盈利模式。據2018財年第三季度財報顯示，其中廣告業務占總收入的85.8%，達到289.5億美元，總比增長20%。

因此，企業需要根據自身的需要，發展數據分析、數據挖掘、機器學習等技術，提高數據應用效率和降低數據應用的難度，以保證數據應用的便捷性。

3 響應力和數據力共同形成企業發展的動力

響應力和數據力都是對企業發展有作用的力。根據平行四邊形定則，以響應力和數據力為鄰邊做平行四邊形，這個平行四邊形的對角線就是表示了企業動力的大小和方向，企業發展動力是響應力和數據力的合力。

根據企業發展動力的公式可以得出推論：

4 高響應力和高數據力的企業架構

4.1 基礎設施——云

根據美國標準與技術研究院 (National Institute of Standards and Technology, NIST)的定義，云計算是一種通過普遍、便捷和靈活的網絡訪問可配置的計算資源池（資源包括網絡、服務器、存儲、應用軟件和服務）的模式。這些資源可以通過很少的管理操作或與服務供應商進行很少的交互就能夠被快速分配和釋放。這種模式具有五種關鍵特征：按需獲取自助式服務、廣闊的互聯網訪問、資源池、快速伸縮和可度量的服務。

荷蘭ING銀行為了進一步加快創新步伐，并構建自己快速開發，測試，部署和推出新的在線服務的能力，對其整個基礎設施進行了全面改造，將其系統轉移到私有云。經過為期12個月的“Zero Touch”項目，ING簡化了生產環境，提供了新的計算，網絡和存儲基礎設施，這也意味著ING成為澳大利亞第一家全面采用云計算銀行，實現了無停機地測試和發布新應用，讓客戶享受到持續無中斷的銀行服務；簡化了復雜的IT流程和減少內部平臺的數量，大大地降低管理IT的成本；按需擴展或縮小基礎設施的規模，提高銀行的敏捷度。

4.2 運維交付平臺——DevOps平臺

DevOps是一組結合了軟件開發（Dev）和IT運維（Ops）的軟件開發實踐。它通過與業務目標緊密保持一致和更頻繁的發布、修復和更新，縮短系統開發生命周期。目前DevOps做得比較超前主要是一些科技公司，例如國外的Google、Netflix、Oracle、Cisco和國內的騰訊、阿里。隨著DevOps的理念和效益逐漸被認可，各行各業的企業也開始采用DevOps平臺。Capital One（美國第一資本投資國際集團）是全美前十大銀行，在全球范圍內建立起30多個分支機構、上百家合資及獨資企業。從2014年開始，Capital One開始思考DevOps策略，經過兩年的時間，取得了重大的進步：代碼提交頻率從不固定到每天100多次，集成頻率從每月1次到每15分鐘一次，部署流程從手工變成自動化，發布到生產環境的頻率從每月或者每季度一次到每天至少1次，測試覆蓋率從沒有到90%。通過DevOps平臺，Capital One提高了產品質量，降低研發成本，增強團隊協同，減少發布風險，加快產品和服務的上市速度。

4.3 以服務為中心的系統架構——微服務

微服務，是一種架構風格，它以業務能力為導向，將單體應用構建為一組松耦合、易測試維護和相互獨立部署的服務。微服務架構使應用系統更易于理解、開發、測試和富有彈性，使開發團隊能夠獨立開發、部署和拓展各自的服務，實現團隊開發的并行化，提高效率。

Netflix作為一家視頻點播公司，每天為190個國家的約9800萬付費用戶提供大約2.5億小時的視頻。面對這樣的龐大規模，需要建立一流的架構和基礎設施。大約在10年前，Netflix開始重寫運行整個服務的應用程序以適應微服務架構。到目前為止，整個Netflix大約運行著700個微服務，面對這么多服務，Netflix工程師也可以對服務的任何部分進行更改，并可以快速引入新的更改，同時確保其他服務不會發生故障。由于Netflix等硅谷的科技公司在微服務架構上的成功應用，微服務架構已經逐漸被眾多企業所采用。丹麥最大的銀行——丹麥銀行使用微服務重構其外匯交易的核心系統（FX Core system)，以增強系統的可擴展性；英國的數字移動銀行——Monzo在其成立之初，就開始采用微服務架構來構建整個銀行的核心業務系統，以保證其在數字時代的競爭力。

4.4 以價值為導向的數據管理——數據資產管理

數據資產，是指由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子的方式記錄的數據資源，如文件資料、電子數據等。而數據資產管理，是指規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。

在企業中，并非所有的數據都構成數據資產，數據資產是能夠為企業產生價值的數據資源，所以數據資產管理是需要充分融合業務、 技術和管理，貫穿數據獲取、應用和價值實現等整個生命周期，提高數據資產質量，確保數據資產的保值增值，促進數據的價值變現。例如2017年，阿里巴巴集團發布消費者數據資產管理中心——品牌數據銀行（Brand Databank），通過阿里巴巴在消費者數據的積累，幫助品牌建立全面的消費者數據資產管理。西班牙對外銀行（BBVA）在2014年2月份成立了一家名為BBVA DATA & ANALYTICS（D&A）的大數據公司，截止于2017年，D&A進行了40個數據項目，其中27個已經開始有財務回報；開發了商業化旗艦版數據產品Commerce360，并推向西班牙、墨西哥和哥倫比亞市場；獲得多個學術界獎項，得到媒體和大眾的認同。

5 結論

變化和不確定性伴隨著企業的成長，在云、DevOps平臺、微服務架構和數據資產管理構建的企業基座之上，通過業務服務化發展響應力以應對變化，通過數據資產化形成數據力以消除不確定性，是保證企業基業長青的關鍵舉措。

（吳俊宏原創，轉載請留言）

參考資料

[1] Ray Kurzweil. 奇點臨近[M]. 機械工業出版社. 2011年
[2] 埃里克·布萊恩, 約弗森. 第二次機器革命[M]. 中信出版社. 2014
[3] 格奧爾格·凡爾梅特, 伊馮娜·賽爾. 破譯黑天鵝：如何應對未來15年的商業巨變[M]. 中國友誼出版社. 2014
[4] 斯坦利·麥克里斯特爾, 坦吐姆·科林斯, 戴維·西爾弗曼, 克里斯·富塞爾. 賦能：打造應對不確定性的敏捷團隊[M]. 中信出版社. 2017
[5] 杰夫·薩瑟蘭. 敏捷革命：提升個人創造力與企業效率的全新協作模式[M]. 中信出版社. 2017
[6] 羅伯托·維甘提. 意義創新：另辟蹊徑，創造爆款產品[M]. 人民郵電出版社. 2018
[7] Mark van Rijmenam. 企業的大數據戰略[M]. 浙江人民出版社. 2017
[8] 吳軍. 智能時代[M]. 中信出版社. 2016
[9] 車品覺. 決戰大數據：駕馭未來商業的利器[M]. 浙江人民出版社. 2014-4
[10] 呂兆星, 鄭傳峰, 宋天龍, 楊曉鵬. 企業大數據系統構建實戰：技術、架構、實施與應用[M]. 機械工業出版社. 2017
[11] 楊傳輝. 大規模分布式存儲系統：原理解析與架構實戰[M]. 機械工業出版社. 2013
[12] 朱蒂斯·赫爾維茨, 瑪莎·考夫曼, 范恩·哈珀, 羅賓·布魯爾. 云計算商業應用：從入門到精通實戰指南[M]. 人民郵電出版社. 2015
[13] 達瑞爾·里格比, 杰夫·薩瑟蘭和竹內弘高. 擁抱敏捷[J]. 哈佛商業評論. 2016-05
[14] 李劍. 富士膠片：核心業務消失，核心技術永存[J]. 哈佛商業評論. 2016-03
[15] 李全偉, 馬雪梅, 廖琦菁. 中信“大協同”戰略[J]. 哈佛商業評論.2017-05
[16] 李默涵, 李建中, 高宏. 數據時效性判定問題的求解算法[J]. 計算機學報. 2012-11
[17] 安德魯·麥卡菲, 埃里克·布林約爾松. 大數據：一場管理革命[J]. 哈佛商業評論. 2012-10
[18] Ray Kurzweil. The Law of Accelerating Returns[OL]
[19] Statistics. Global market share held by Nokia smartphones from 1st quarter 2007 to 2nd quarter 2013[OL]
[20] Oliver Kmia. Why Kodak Died and Fujifilm Thrived: A Tale of Two Film Companies[OL]
[21] FUJIFILM. FUJIFILM Annual Report 2014[OL]
[22] FUJIFILM. FUJIFILM Integrated Report 2017[OL]
[23] George Nott. Sharing the stories of the CIO50: #24 Ani Paul, ING Australia[OL]
[24] 麥肯錫. 大象起舞正當時: 中國銀行業踏上敏捷轉型之路[OL]
[25] David Reinsel, John Gantz, John Rydning. 數據時代 2025[OL]. IDC. 2017-03
[26] Cisco. Cisco Visual Networking Index: Forecast and Trends[OL]
[27] Carlos A. Gomez-Uribe, Neil Hunt. The Netflix Recommender System: Algorithms, Business Value, and Innovation[OL]
[28] sandvine. Global Internet Phenomena Report 2H 2014[OL]
[29] Product Habits. How Netflix Became a $100 Billion Company in 20 Years[OL]
[30] Ashley Rodriguez. While Disney and Comcast fight over Fox, Netflix is now bigger than them all[OL]
[31] Darin Stewart. Big Content: The Unstructured Side of Big Data[OL]
[32] Alphabet. Alphabet Announces Third Quarter 2018 Results[OL]
[33] 吳俊宏. 智能商業時代的挑戰[OL]
[34] Peter Mell, Timothy Grance. The NIST Definition of Cloud Computing[OL]
[35] ING DIRECT. Zero Touch project puts ING DIRECT in a private cloud[OL]
[36] Topo Pal. DevOps at Capital One[R]. DOES SFO 2016
[37] Mayukh Nair. How Netflix works: the (hugely simplified) complex stuff that happens every time you hit Play[OL]
[38]Elena Alfaro, Juan Murillo, Fabien Girardin, Barbara H. Wixom, Ida Asadi Someh. BBVA Fuels Digital Transformation Progress with a Data Science Center of Excellence[OL]
[39] Archana Venkatraman. Monzo: Building a Mobile-First U.K. Digital Bank Using Cloud and Microservices Architectures[OL]. IDC
[40] 中國信息通信研究院云計算與大數據研究所. 數據資產管理實踐白皮書 （2.0版）[OL]