大数据与公司决策
2012年秋天，全球广告巨头WPP集团首席执行官苏铭天爵士约访谷歌首席执行官拉里•佩奇时，佩奇派出无人驾驶汽车去接他。这是一辆集大量高科技设备、自动驾驶的雷克萨斯SUV汽车，车上配有雷达、传感器和每秒可测量超过150万次的激光扫描仪。它自助行进了20分钟，驶过280号州际公里和繁忙的85号州公路。汽车通过自动驾驶仪进行自动巡航，自行校正路线，在前方出现车辆和行人时减速，然后又加速驶出临近车辆的盲区，最后来到距谷歌公司约32公里外的瑰丽酒店。（根据《财富》中文版2013年3月号整理）
这是谷歌正在研发的一种未来交通工具。这种无人驾驶汽车不仅借助对路况历史和实时的计算智能地制动、并线和超车，而且做到了节约能源（因为它使交通的运行更畅通）、提高生产力（可以减少数小时通勤时间用于其他事务）。在你到达目的地之后，汽车甚至可以自动驶向通过大数据导航的停车位。如果你还需要出行，只需借助手机等移动终端就能指挥汽车达到预定地点。
这就是大数据的神奇之处。通过对过去和现在的数据进行分析，它能够精确预测未来；通过对组织内部的和外部的数据整合，它能够洞察事物之间的相关关系；通过对海量数据的挖掘，它能够代替人脑，承担起社会管理的职责。
一、社会化决策的智慧宝藏
2007年，诺贝尔奖获得者吉姆•格雷提到，数据密集型科学正在从计算科学中分离出来，成为科学研究的第四范式。而此时，一切跨国企业已经关注到数据密集型科学的到来。比如，微软研究院出版了《第四范式：数据密集型科学发现》一书，并延伸出“用海量数据重新定义生态科学”、“让我们更接近太空：海量数据中的发现”、“地球科学的研究工具：下一代传感器网络和环境科学”等相关科研课题。
像经典力学、量子力学和计算科学一样，数据密集型科学必将影响到社会科学研究方式。《大数据时代：生活、工作与思维的大变革》提出了相关关系的大数据思维。即人们可以驾驭所有数据，而不是仅仅抽取小样本；人们可以挖掘更具混杂性的数据，而不用苛求数据的精准性；人们只需知道“知其然”的相关关系，而不需深究“知其所以然”的因果关系。
科研范式的转变最终反馈到人们思维模式和决策模式的转变。谷歌的无人驾驶汽车就是基于大数据的分析，借助计算技术和人工智能实现了交通引导和控制功能。通过无处不在的计算和传感器，大数据能够解析存在于现实世界、虚拟世界以及虚实融合世界的复杂网络关系，并适时做出判断和决策。这种决策模式遵循数据转变为信息、信息转变为知识、知识涌现出智慧的流程。区别于此前专家、精英、权威主导的战略决策，大数据决策让行业专家和技术专家的光芒因为统计学家和数据分析家的出现而变暗淡，一个非线性的、去中心化的、自下而上的、发现群体智慧的决策模式逐步成型。
大数据所具有的在区域之间、行业之间和企业部门之间的穿透性，正在颠覆传统的、线性的、自上而下的精英决策模型，正在形成非线性的、面向不确定性的、自下而上的决策基础。
二、非竞争性生产要素
在人们热炒大数据的时候，合作型消费或分享型经济正在兴起。分享型经济是社交网络、移动互联网和节约型社会建设等共同作用的结果，也是大数据在现实生活中、分布式共享中的典型应用。分享型经济和大数据应用的交互关系，揭示出大数据的三个属性。
一是生产要素属性。对于谷歌、亚马逊这样的大数据掌控公司而言，数据已经被视为一种新的生产要素，不仅决定着其销量和个性化服务，也反馈到生产和研发环节，形成更加精准的供应链管理机制。作为大数据技术公司，IBM将大数据的生产要素功能概括为留住客户、IT与业务融合、财务流程转型、风险预测与规避等四个方面。
二是数据的恒温性。尽管IBM将真实性和准确性（Veracity）视为大数据的第4个V，微软、Oracle等大数据技术公司都将数据清洗作为大数据分析的重要一步，甚至Teradata推出了多温度的数据管理技术，但是借助过去和现在的数据来预测未来的特性，让大数据的取舍甚是艰难。
三是价值潜在性。不同于物质性资源，大数据的价值不会随着它的被使用而减少，而是可以不断被处理，不断被发现新的价值。这就产生的新的问题，数据所有者可能借助传统的数据挖掘方法，实现了大数据的第一次价值释放，而价值链上诸多非所有者，可能通过重组数据和扩展数据，挖掘出二次乃至多次价值。
总之，以分布式、交互性为特征的大数据呈现出明显的“非竞争性”资源的特征，更多的数据整合方式、更开放的数据共享平台，才有利于数据潜在价值的发掘。
三、企业如何使用大数据进行决策
我们所处的是一个快速变化的大数据时代，在业务价值链关键环节的科学的数据分析，能够帮助传统企业提升洞察力，建立差异化的竞争优势。
赛智时代的大数据应用研究表明，72%的企业首选大数据应用需求是基于客户行为分析的大数据营销，其次产品创新、风险预测、供应链管理、客户服务等也是企业优先考虑的大数据应用。优先度较高的8个企业大数据应用领域。
（一）基于客户行为分析的产品推荐
产品推荐的一个重要方面是基于客户交易行为分析的交叉销售。根据客户信息、客户交易历史、客户购买过程的行为轨迹等客户行为数据，以及同一商品其他访问或成交客户的客户行为数据，进行客户行为的相似性分析，为客户推荐产品，包括浏览这一产品的客户还浏览了哪些产品、购买这一产品的客户还购买了哪些产品、预测客户还喜欢哪些产品等。产品推荐是Amazon的发明，它为Amazon等电子商务公司赢得了近1/3的新增商品交易。
产品推荐的另一个重要方面是基于客户社交行为分析的社区营销。通过分析客户在微博、微信、社区里的兴趣、关注、爱好和观点等数据，投其所好，为客户推荐他本人喜欢的、或者是他的圈子流行的、或推荐给他朋友的相关产品。
通过对客户行为数据的分析，产品推荐将更加精准、个性化。传统企业既可以依赖大型电子商务公司和社区网络的产品推荐系统提升销售量，也可以依靠企业内部的客户交易数据、公司自有的电子商务网站等直销渠道、企业社区等进行客户行为数据的采集和分析，实现企业直销渠道的产品推荐。
（二）基于客户评价的产品设计
客户评价数据具有非常大的潜在价值，它是企业改进产品设计、产品定价、运营效率、客户服务等方面的一个很好的数据渠道，也是实现产品创新的重要方式之一。客户的评价既有对产品满意度、物流效率、客户服务质量等方面的建设性改进意见，也有客户对产品的外观、功能、性能等方面的体验和期望，有效采集和分析客户评价数据，将有助于企业改进产品、运营和服务，有助于企业建立以客户为中心的产品创新。
（三）基于数据分析的广告投放
DSP为广告主提供数据分析服务，包括广告投放试验、时段分析和效果分析。例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。
（四）基于社区热点的趋势预测和病毒式营销
社区中热点和热门是大数据分析的结果。在社区中热门话题、在搜索引擎中热点分析，通常具有先兆性的特征，能够成为一种流行趋势的预测。比如，苹果的土豪金让土豪色成为一种流行。同时由于社区传播的广泛、快捷性，也能够帮助企业通过病毒式营销获得更多关注，比如小米的病毒式营销的策划。
（五）基于数据分析的产品定价
产品定价的合理性需要进行数据试验和分析，主要研究客户对产品定价的敏感度，将客户按照敏感度进行分类，测量不同价格敏感度的客户群对产品价格变化的直接反应和容忍度。通过这些数据试验，为产品定价提供决策参考。
（六）基于客户异常行为的客户流失预测
客户数据分析中发现客户的投诉增多，客户评价出现负面情绪，客户购买量明显减少等现象，根据客户行为模型，预测客户流失的可能性，并采取针对性措施。
（七）基于环境数据的外部形势分析
从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气（如雾霾）、重大节日（如双十一）、国家大事（十八大）、热门话题（如中国好声音）、社交媒体上人们的情绪（快乐）等中找到对外部形势演变的先导性的预测，帮助企业应对环境变化。
（八）基于物联网数据分析的产品生命周期管理
条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。
企业大数据应用远不止此，理论上看，业务价值链的各个环节都有数据分析的必要性，随着大数据应用的进一步深化，会有越来越多的应用场景，最大程度发挥大数据应用的价值。
四、对公司的启发
我们公司是专门致力于教育市场的企业，因此，我们所需要的大数据应该包括以下几个方面。
（一）家长的行为规律
通过数据研究，找出学员家长的行为规律和思维方式，按照其规律，改善项目核心竞争要素，寻找出相应的销售方式和市场推广方式。
（二）教育市场发展规律
通过数据研究，探寻出我们所从事项目在市场上的发展规律，便于把握教育市场的发展方向和资金投向。
（三）企业管理发展规律
公司管理的主要对象是人力资源，同时，人力资源又是公司发展的重要推动力，随着社会的发展和经济的发展，对于公司管理而言也是在不断变化的，需要纵向和横向的数据对比，不断发展公司管理手段和机制，充分发挥现有人力资源的作用，吸引更多的优秀人才加入。
（文章部分内容来自于：赛迪网 作者：张建设 ；作者：赵刚）
人力资源管理部供稿