業務線與數據：數字變革的陷阱
導言
數據大眾化開闢了新的競爭領域，這既對企業造成了威脅，又為其提供了巨大的創新機會。然而，未將新的信息通信技術納入核心業務的企業必須大刀闊斧進行改革，這樣才能利用自身數據獲得競爭優勢。多年來，科學管理中心（Scientific Management Center）通過與各行業夥伴的合作，首先使用數據和人工智慧確定了決定變革結果的關鍵因素（反覆出現的問題、阻礙、風險等），其次提供了通過人工智慧進行變革的方法論，以及整合、普及預測模型發展流程的方法。本文將大數據浪潮置於歷史背景之下，與數字變革相關聯，文章還將解釋許多企業遇到困難的原因並提出潛在解決方案。
埃金·卡扎其 ／ 巴黎文理研究大學國立巴黎高等礦業學校管理科學中心，副教授
大數據的海嘯席捲了各行各業。雖然這一概念（以及其他相關概念，如新人工智慧、數據科學和預測分析等）一直讓人又愛又怕，但越來越多的專家（以及非專業人士）篤定地認為，任何企業都無法避開這一場數據革命。
在這一點上，他們也許是對的，但這些預言家卻說不出這場革命將會如何展開。就我所知，我們還沒有任何關於企業在利用人工智慧和數據進行變革過程中遇到的困難的優秀研究。讓我們以近期引人關注的熱門話題「預測性維護」為例。讓我們想像一下，你手下工作表現平平的維護經理要應對這一數字變革。通常，他的工作職責包括制定維護計劃、監管計劃執行、管理干預與風險管控團隊等。在眾多行業與企業中，這確實是個費力不討好的苦差，因為維護經理面對的是緊急事件與危險、人手不足、資源有限等挑戰，使用的工具（如CMMS）早已過時，被簡單的Excel表格或紙質解決方案取代了。
現在，這些經理髮現自己身處變革浪潮的風口浪尖。他們參與各數據項目，諮詢公司與初創企業對他們呼來喚去，他們每天都聽到外來辭彙「deeplearning」（深度學習），感到了失控的危險，他們因他人不了解自己的工作而困惑，又因自己都不知道未來將使用怎樣的技術而沮喪。我們能指望他們高效、成功地推動這次變革嗎？
實不相瞞，在近幾年我參加的24個大數據項目中，失敗率非常高。這些項目的主題各異，從行業維護到供應鏈，從保險到法律，從航空航天到交通再到流動性，但遭遇的困難都一樣，並且與數據科學無關。既然所有這些項目唯一的共同點就是我，我想我們也許可以揣測，是我導致了這些失敗。但接下來，我將試著提出另一種假設。
問題從何而來？
要探尋問題的本質，我們首先必須將大數據浪潮置於其歷史背景中。
首先我們要明確，這並不是我們第一次遭遇這樣的浪潮。
自上世紀五十年代至八十年代末期，人們目睹了以統計學和運營研究為基礎的第一輪合理化浪潮，其後果與我們現在所看到的情況類似。因此，在《八十年代的管理》（Management inthe 80s）中，萊維特與惠斯勒（Leavitt and Whisler）就已經描述了管理的發展，即更進一步地採用「能處理大量信息的技術」，使用「統計學和數學方法」，以「利用計算機程序進行更高階地思考」。這樣的文字竟是在1959年寫成的，真是令人驚嘆！早在上世紀五十年代，他們就描繪了我們今天的理想：獲取信息以改善運營決策，從而創造更好的管理方法。
當然，我們大可說今日已經時過境遷。現在，我們能更便捷地獲得更多的數據，而優化的系統和演算法也逐漸將局面提升到戰略層面。例如，競爭必定會迫使管理人員全副武裝應對挑戰。然而，這些都只停留在表層。雖然這一現象的規模大幅增長，其本質卻基本沒有改變。因此，我們有必要回顧一下這些公司在多大程度上利用了這第一輪浪潮來提高自己的競爭力。
回顧歷史我們看到，學術界開展了規模巨大的研究項目，企業則迅速成立了內部的數據與運營研究部，招聘當時最優秀的專業人才。然而，雖然科學技術整體有了長足進展，我們卻清楚地看到，在過去的30年中，大多數運營研究項目並沒有獲得預期成效。在1979年的一份文本中（尚未等到可以檢驗萊維特與惠斯勒關於八十年代管理理想的時期），阿科夫（Ackoff）就宣稱「運營研究已死，只是還沒來得及埋葬」。同樣研究八十年代運營研究危機的文章還有許多。在他的論文中，阿科夫列舉了幾大根本原因。其中最重要的一點在今天的大數據項目中清晰可見：OR（演算法、技術性能標準等）的技術實質和這些工具的融入、組織化使用的背景之間的深刻矛盾。在阿科夫的年代，就像現在一樣，大數據專家雖然受雇於企業，也干預其行為，卻往往不了解企業的情況，而企業也缺乏必要的知識，無法讓這些工具融入到日常運營中。
這樣的矛盾往往導致雙方在溝通時白費口舌——他們既不明白對方的話語，也不了解對方的關切與目標。
關於企業更新的問題
傳統行業里，數據產生於企業運營過程。
企業如果想確定與利用數據相關的因素，就必須先了解企業價值主張與能產生的數據之間關聯的本質。事實上，對於谷歌、蘋果、臉書、亞馬遜這樣的企業，數據佔據了價值定位的核心：公司的之所以存在，正是由於他們有能力開發出利用數據的技術與方法。與其說這些企業被捲入數字變革，不如說他們從誕生之初就帶著數字的本質。而另外的企業——傳統的、本質上不具有信息技術元素的企業——則在價值主張中更側重實體要素（產品、基礎設施等）。具體而言，這意味著數據和數據處理並非他們的產品或關鍵技術的核心。數據至多是存在於他們的支線而非主線產品中，因而通常沒有加以利用。對他們而言，數據是雞肋一般的副產品，判斷企業價值與競爭力時，也不會將其納入考慮。
數據被遺棄，這意味著數據專家無法獨立於該企業開展即刻有效的工作。他們並不具備判斷這些數據價值（即數據帶來的預測結果與收益）的知識技能。在這個過程中，他們頂多扮演配角，不會是主角。要想知道誰佔據主導地位，我們只需提一個問題：誰擁有產生數據的過程？
答案顯而易見又毫無疑問：企業。
「工作工具」與「運營過程」的雙重性
為了越過這個人們五十多年來早已熟知的陷阱繼續前進，我們首先要擴大由「大數據」這一概念帶來的限制性框架，轉而以「數字革命」作為關鍵概念。
從有著最複雜基礎架構和演算法的大數據到最簡單的紙質資源的電子化，需求都是一樣的，而且70年來都未改變：更新並管理信息系統，同時考慮「工具」與「工作」的根本雙重性。根本上而言，沒有工具就無法工作，工作的重組需要重新設計工具。要想對企業（流程、績效指標、方法等）進行反思與改革，就必須先對其基本工具進行反思與改革。這一雙重性在管理學科領域早為人熟知，現卻在當下變得尤為根本，因為大數據使得創新的焦點逐漸從產品轉向流程。
在利用數據構思自身變革的任務面前，業務線無能為力，束手無策。
只有企業線能夠掌控工作流程與工作工具的緊密雙重性，也只有企業線能構思自身的變革。這是一個超越了數據和人工智慧問題的觀點。但是，正如我們所見，在幾十年時間裡，我們已經掌握合理化的形式模型（人工智慧、運營研究等），以及從更廣的意義上來說，我們已經掌握新的信息通訊技術了。我們也許可以期待，企業已經習慣了這一切，並且已經掌握了變革的關鍵（方式方法、經驗、最佳實踐、文化等）。
現實中，正是企業線對此無能為力。它越來越不了解自己數據的價值，越來越無法實施策略來設計合適的、能夠獲得價值的工具與系統，越來越無法管理客戶-供應商關係以使用這些工具。這是因為它既不能制定，也不能設計這些工具的使用規則。總而言之，企業已經輸在了起跑線上，因為他們根本無法設想自身工作流程與工具的變革。
（文中圖片來自網路，版權歸原作者所有）
埃金·卡扎其
埃金·卡扎其在巴黎文理研究大學國立巴黎高等礦業學校管理科學中心任副教授，研究重點為創新及技術管理，且在設計理論和人工智慧領域都有較深的技術造詣。他的早期研究關注設計理論的邏輯和數學基礎，近期，他的研究主題為深度學習模型和設計論證與創新的計算機模擬的生產潛力。自2013年起，他與行業合作開展了一項調查研究，關注人工智慧給企業帶來的變革以及對企業數據進行估值的科學方法論。
版權：創瞰巴黎 2017
本機構原創內容版權遵循 Creative Commons 協議。
可免費拷貝、分享、散發，但須註明作者與來源，不得改寫，不得用於商業用途。
本文圖片來源於網路，版權歸原作者所有。
感知現今，觸摸未來，請與我同步！
TAG:創瞰巴黎 |