【中國智能制造網 市場分析】在大數據的驅動下，管理者可以將一切量化，從而對公司業務盡在掌握，進而提升決策質量和業績表現。
　　　　管理大師戴明（W.EdwardsDeming）與德魯克（PeterDrucker）在諸多思想上都持對立觀點，但“不會量化就無法管理”的理念卻是兩人智慧的共識。這一共識足以解釋近年來的數字大爆炸為何無比重要。
　　
　　簡而言之，有了大數據，管理者可以將一切量化，從而對公司業務盡在掌握，進而提升決策質量和業績表現。
　　
　　關于亞馬遜那些耳熟能詳的故事遮蔽了它的真正實力。這些先天帶有數字基因的公司所能做到的事，是上一代商業夢寐以求的。但實際上，大數據的潛力也可以幫助傳統企業實現轉型，甚至幫它們獲得更好的機會提升其競爭優勢（線上企業一直都知道其核心競爭力來自于對數據的理解力）。
　　
　　這場大數據的革命遠比之前的“數據分析”要強大得多。企業因此可以做地量化和管理，可以做更可靠的預測和更明智的決策，可以在行動時更有目標更有效率；而且這些都可以在一直以來由直覺而不是數據和理性主宰的領域實現。
　　
　　隨著大數據之工具與理念的不斷傳播，許多深入人心的觀點將被撼動，比如經驗的價值、專業性與管理實踐。各個行業的商業都會看清運用大數據究竟意味著什么：一場管理革命。
　　
　　數據決定業績
　　
　　懷疑論者會問：“有何證據顯示，明智地運用大數據能提升公司業績？”商業媒體上充斥著各種軼事案例，似乎在證明大數據驅動帶來的價值。但我們近發現的事實是，根本沒人真正拿出嚴謹有力的證據。
　　
　　為了彌合這種尷尬的缺失，我們在麻省理工學院的數字商業中心（MITCenterforDigitalBusiness）組織了一個團隊，與麥肯錫的商業技術部、沃頓商學院的同事洛林·希特（LorinHitt）以及麻省理工學院的博士生西克揚·金（HeekyungKim）一起合作，考察大數據驅動的公司是否業績更佳。我們對北美330家上市公司的高管進行了結構性訪談（structuredinterview，這是一種對訪談過程高度控制的訪問。訪問的過程高度標準化，即對所有被訪者提出的問題，提問的次序和方式，以及對被訪者回答的記錄方式等是完全統一的。—譯者注），調研其組織與技術管理實踐，然后從年報和其他一些獨立信息源那里收集它們的業績數據。
　　
　　很顯然，不是每家公司都喜歡數據驅動型的決策制定過程。事實上，我們發現，各行各業對大數據的態度和應用方法五花八門。但是，透過所有的分析，我們發現一種顯著的關聯性：越是那些自定義為數據驅動型的公司，越會客觀地衡量公司的財務與運營結果。尤其是，運用大數據做決策的那些名企業，比其競爭對手在產能上高5%，利潤上高6%。如果把勞動力、資金、購買服務和投資傳統技術的投入都納入計算，這些企業的表現依然。它不僅有統計學上的顯著性和經濟上的重要性，而且也反映在其股票估價的增值上。
　　
　　五大管理挑戰
　　
　　大數據轉型并不是的，除非企業能成功應對轉型過程中的管理挑戰。以下五個方面在這一過程中尤為重要。
　　
　　領導力
　　
　　那些在大數據時代獲得成功的企業，并不是簡單地擁有更多或者更好的數據，而是因為他們的領導層懂得設計清晰的目標，知道自己定義的成功究竟是什么，并且找對了問題。
　　
　　大數據的力量并不會抹殺對遠見與人性化洞察的需求。相反，我們仍然需要這種—他們能抓住某個絕好的機會、懂得如何開拓市場、用自己的創意提供那些相當新奇的產品和服務，并且巧舌如簧地勾勒出一幅激動人心的前景，說服下屬們激情澎湃地為此拼命工作，終成功贏得顧客。未來十年獲得成功的企業，其必然具備以上特質，與此同時推進了公司決策機制的轉型。
　　
　　人才
　　
　　隨著數據越來越廉價，實現大數據應用的相關技術和人才也變得越來越昂貴。其中緊迫的就是對數據科學家和相關專業人士的需求，因為需要他們處理海量的信息。
　　
　　統計學很重要，但是傳統的統計學課程幾乎不傳授如何運用大數據的技能。尤其需要的能力是將海量數據集清理并系統化，因為各種類型的數據很少是以規整的形態出現的。
　　
　　視覺化工具和技術的價值也將因此突顯。隨著數據科學家的涌現，新一代的電腦工程師必須能夠處理海量數據集。而設計數據試驗的技能，則會非常有助于彌補數據呈現的復雜關系與因果之間的鴻溝。除此之外，那些的數據科學家還需要掌握商業語言，幫助高管把公司面臨的挑戰變為大數據可以解決的形式。毫無疑問，這類人才炙手可熱，很難找到。
　　
　　技術
　　
　　處理海量、高速率、多樣化的大數據工具，近年來獲得了長足的改進。整體而言，這些技術已經不再貴得離譜，而且大部分軟件都是開源的。Hadoop，這個目前通用的平臺，就整合了實體硬件和開源軟件。它接收涌入的數據流并將其分配至很便宜的存儲盤，同時它也提供分析數據的工具。
　　
　　盡管如此，這些技術需要的一整套技能對大部分企業的IT部門來說都是全新的，他們需要努力將公司內外所有相關的數據都整合起來。只有技術遠遠不夠，但技術是整個大數據戰略中不可或缺的部分。
　　
　　決策
　　
　　一家的公司通常把信息和相關的決策權統一在一起。而在大數據時代，信息的產生與流通，以及所需人才都不再是以往那樣了。精明的會創造一種更靈活的組織形式，盡量避免“自主研發綜合癥”，同時強化跨部門合作：收集信息的人要提供正確的數據給分析數據和理解問題的人，同時，他們要和掌握相關技術、能夠有效解決問題的人并肩工作。
　　
　　文化
　　
　　大數據驅動的公司要問自己的個問題，不是“我們怎么想？”而應該是“我們知道什么？”這要求企業不能再跟著感覺走。
　　
　　很多企業還必須改掉一個壞習慣：名不副實的大數據驅動。我們發現很多這樣的企業，常見的表現是，高管們明明還是按傳統方式做決定—以些高薪人士的意見為主，卻拿出一份香艷的數據報告支撐自己的決定是多么英明。其實那不過是分配下屬四處尋找的專為這個決定做辯護的一堆數字。
　　
　　證據一目了然：大數據驅動下的決策更高明。高管們要么擁抱這一現實，要么卷鋪蓋走人。在各個領域中，企業只有找到將數據科學與傳統技能結合的方式，才能打敗對手。我們不能說，所有的贏家都會將大數據用于其決策制定。但數據告訴我們，這樣確實勝算大。