“1980年,未来学家阿尔文·托夫勒便在《第三次浪潮》一书中,将大数据热情地赞颂为‘第三次浪潮的华彩乐章’，大约从2009年开始,‘大数据’成为互联网信息技术行业的流行词汇……大数据引起了全球关注，几乎所有领域都在和大数据关联，一方面凸显了其价值、普适性，另一方面也被认为是否也是昙花一现的管理‘Fashion’。”商学院林润辉教授基于多年来对于信息技术管理的研究和关注，对于大数据的出现及其引发的影响却并未感到过于惊奇，面对大数据的不同声音。在南开大学“学者沙龙”之青年学者论坛第二期活动上，林润辉教授回顾了大数据产生、发展和应用现象。剖析它对于管理的意义。

• 大“数据”反映了社会、产业数据采集、信息爆炸的过程和结果……有媒体称之为继黄金、石油以后，一个国家最重要的资源……大数据的发展展示了数据积累从量变到让更大范围内人们对于数据重新认识、对于数据背后模式和规律重新认识的质变的过程。

• 对于企业，基于数据和大数据可以知道组织的运行效率、成本结构、价值贡献结构……可以给“文化”赋值，可以让“精神”数字化……艺术一步步从实践到理论进而到科学。

• 大数据5V特征（Volume海量 、Velocity速度 、Variety多样 、Veracity 真实和Value价值）……“大”是大数据的精髓，它在力图追求全样本，大数据的使用也存在网络效用，用户愈多增值越快，通过基于全样本的检索与推断，能够完成精准的个体推荐，让整个生产效率极大提高。

大数据是什么？

对于个体、企业、组织和国家等用户而言，“大数据”是一项数据收集、存储、分析技术的突破，是数据管理发展到一个新阶段的结果和状态；是在数据库、数据仓库、数据挖掘、知识发现等数据管理技术基础上的进一步升级，受益于内存计算、大容量存储、Hadoop和宽带、无线网络等信息技术的支撑；和其他技术发展一样，大数据发展符合技术生命周期的规律。

大“数据”反映了社会、产业数据采集、信息爆炸的过程和结果，随着大数据发展，企业数据、信息资源成为企业重要的战略资源，CCTV2称之为继黄金、石油以后，一个国家最重要的资源，也是距离人的分析、决策、创造等行为模式最近的资源。大数据的发展展示了数据积累从量变到让更大范围内人们对于数据重新认识、对于数据背后模式和规律重新认识的质变的过程。

对于“大”数据的供应方来讲，大数据是一系列研究对象、产品、服务和解决方案，从数据的收集、存储到清洗，再到脱敏、归类、标签化、结构化，以及最后的建模分析、挖掘利用，都属于技术范畴。需要服务器集群、数据利用模型和数据处理算法来保障，然后是挖掘出来的结果的包装、变现。高校、研究机构、企业研究大数据相关的科学、技术，企业研发大数据技术、专利和产品，提供大数据的应用咨询、服务和解决方案，进而一起推动社会对于大数据的认识、认知和认可；这可以从大数据被咨询公司Gartner提出，被SCIENCE等学术期刊定性，被Google、Amazon、IBM、HP、百度、阿里巴巴等企业自身应用及推向市场的过程清晰辨识。这符合知识创新、技术创新和产品、服务创新模式的规律，也是大数据技术的营销、扩散以及接受模型的体现。

对于社会来说，“大数据”是又一个例子，反应了企业作为市场主体对于新的技术市场机会的敏感，科学界对于具有科学潜质概念的精确界定和发布，用户对于新技术的不同反应和最终决定力量，以及媒体把一个概念变成风潮的推动、引爆和放大效应，反应了技术的发展和社会互动的过程。

回归大数据本质

大数据有两层内涵，一个是“大”，另一个是“数据”。

首先是“数据”的意义，数据是人类发明的最精确和跨文化、跨国家、跨民族边界的语言，数据揭示现实，数据验证模式、模型，数据和模型、情景增加我们对于问题的认识，促进我们领域知识的积累；德鲁克也认为，没有衡量就不可以管理。

对于每个个体，数据或者大数据可以帮助回答“时间去哪儿了？”，使得这样的提问不再只是一个艺术表达、人生慨叹的问题，借助手机App，腾讯、阿里、移动运营商、信用卡公司可以精确捕捉我们每一个人每一天每一时刻的地理坐标、社会坐标、朋友网络坐标以及生理状态（iWatch的预期杀手级应用），这些公司可以精确回答上面的问题；

对于企业，基于数据和大数据可以知道组织的运行效率、成本结构、价值贡献结构，和上面的个人问题一样，可以给“文化”赋值，可以让“精神”数字化（ERP等企业计算结构），可以推动在领导“艺术”中凸显Leadership Science，如同Marketing Science，Management Science，Decision Science，Behavior science，Network science（我们有时称为“关系艺术”）一样，艺术一步步从实践到理论进而到科学；尤其是会让我们进一步面对具有中国“特色”的“把握尺度”、“掌握火候”、“微妙平衡”的建言时，以及屡屡被告知“道可道，非常道”，“意会不可言传”、“悟”这样的“文化精髓”时，减少神秘感，引发反思和提供新视角。数据或者大数据或许能够提升我们用“数据说话”理念和实证主义的论证体系，进而提升数据的“观念水位”。

同样，基于大数据的电子商务，包括亚马逊和阿里巴巴等，可以了解每一个客户或用户，他或她的特征，让企业可以比你自己更了解你的行为。然后评估企业的每一项活动是否强化了客户对企业的忠诚，是向粉丝转化，还是不断离你而去。进而为每一个顾客建立行为模型和针对性的定制产品和服务模型；当然这并不意味着，在企业和管理领域，需要和可以数字化一切、科学化一些，而是将企业运营、管理的艺术面上升到一个更高的层次，一个更广阔的空间。大数据帮助包括管理在内的科学和艺术空间都得到进一步的拓展。最重要的是科学化、数字化成为前提，大数据正在成为基础设施，大数据的有效运用可以让聪明人更聪明，让智慧企业更具有智慧。数据和大数据让管理艺术和管理科学更具对话的基础。

第二个是内涵是“大”，这决定了大数据5V特征（Volume海量 、Velocity速度 、Variety多样 、Veracity 真实和Value价值）,这些特征是产业的机会，再次推动了信息技术产业的高速发展，从硬件到软件、解决方案，催生着大数据服务产业进一步爆发，使得大数据的产业链不断延伸和加厚，也使得亚马逊等电子商务企业、零售企业加入了大数据服务的阵营；对于传统企业而言，大数据带来的是挑战和机会，大数据、云计算和移动互联网模式，会渗透到一切行业中，是商业模式创新的推动力，这是又一个具有突破性创新能力的后发企业的发展良机和赶超窗口，也是无法持续自我变革的“传统”行业和企业的极大挑战。和其他新技术一样，远离大数据，无法应对社会、环境和竞争对手的冲击，直面大数据，购买技术和推动基于新技术的变革需要各方面的投入，企业和员工需要变革，思维需要转型，风险自知；但是一旦匹配，实现蜕变，都可以形成竞争优势；

所以一个人，一个企业解决了“数据”的认识，才可以更好发挥“大数据”带来的机遇。

大数据与分类

管理就是分类，因为管理的原则之一是“视情况而定（It depends.）”，根据不同情况或者标准就可以把管理对象分类。对于顾客也经历了一个从一个产品适应所有顾客（T型车），到市场细分，以及大规模定制，和满足每一个顾客个性化需求的追求过程。顾客中心论一直在追求每一个顾客的独特需求，实现一对一的服务，但受限于顾客影响因素太多和复杂，甚至连顾客自己也无法清晰定义需求；所以这一直是一个可望不可即的追求。无可否认的是技术进步一直是接近这一目标的驱动力，从CRM、数据挖掘，到顾客在线定制，以至于顾客参与设计、参与创新，直接反馈产品和服务，不断推动着这一进程；今天，基于大数据，整合顾客消费、行为、生活数据，企业组织可以更好地提取顾客模式，提供个性产品和精益服务，提高顾客忠诚度；针对潜在顾客，可以进行精准营销，进行消费倾向管理，使其转化为企业真实客户；基于长尾效应，企业可以服务个性化小众市场，拓展市场空间。最重要是顾客和市场是一个时刻变化的过程，每个人需求不尽相同，而且时刻在变化。每一个人在追求与众不同的同时，文化和社会结构又让大家寻求一致化，比如，一个强调客户个性化的企业是否要求员工统一服装？大数据在无时无刻进行着市场分类、客户分类和管理对象的多维度分类；大数据使得组织得以考虑这种个性化、社群化及其动态变化共同决定的顾客、产品市场、员工市场、经理人市场、资本市场变化，并支持做出与之匹配的决策。眼前的一个例子是，世界杯小组赛第一场支持阿根廷的球迷，如何在下一场荷兰和英格兰之间选择他们的立场？

大数据使得在企业组织在更多维度，根据不同场景和状态实施分类成为可能，使得描述、识别和回答上述问题成为可能和得以实施。

大数据与优化决策

管理就是决策，管理就是为了实现管理目标，优化资源配置的过程。根据西蒙的决策模型，管理是由一系列的决策组成的，决策需要依靠准确、完整、及时的信息和数据，在此基础上寻找优化方案，或者满意解（参考时间、机会成本以后的“优化”方案）。大数据从支持决策，再进一步到在某些领域产生决策；因为大数的5V特征，使得数据来源维度拓展，包括领域决策的模型和数据，也包括决策主体的行为模型和数据，以及决策环境的模型和数据。大数据使得决策过程得以在更多维度空间下优化，不仅包括领域的、微观和技术的过程，也包括了主体的、行为的和偏好的特征，还考虑了环境的、宏观的和系统的因素。大数据相关技术对于数据维度的扩张，数据处理能力的提升，数据层次的提升的同时，也扩大了数据的收益，或者说在拓展优化空间的情况下，提升了数据收益。同时，大数据开始面对问题，只要提出问题，大数据可以帮助我们在更大的检索空间和优化空间内寻求案例匹配、相关结果以及优化方案，或者基于类比和归纳，寻找答案。新的人机分工的变为人提出问题，大数据系统基于检索和优化能力，提供答案。最近的打车软件竞赛，推动的不仅是乘客和车辆的匹配优化，人、车、路等交通资源的配置优化，还包括监管机构在内的出租车产业治理的优化。

“大”是大数据的精髓，它在力图追求全样本，大数据的使用也存在网络效用，用户愈多增值越快，通过基于全样本的检索与推断，能够完成精准的个体推荐，让整个生产效率极大提高。大数据系统与人的配合使得可以更好提供答案，大数据支持模型化，支持决策的优化，也在支持问题、方法和答案匹配的优化。因为问题稀缺而答案就在那里。

大数据与预测

预测是在时间序列和周期运行基础上识别模式进而在相似情景下外推、应用模式的过程。MIT研究的显示，人们93%行为可以预测。我知道我两个月后的周六上午10：00，在点评“网络的效应”，或者“跨国分层网络模型如何建立”的研讨班主题的概率超过90%。而人是一个很强大的模式识别机器，大数据集成5V数据，可以帮助寻找、分析和发现模式；这是ICT技术对于人脑的高级模仿，因为人脑就是一个典型的大数据处理装置，IBM Watson以其在“危险边缘”节目的出色表现，再次提供了人类与机器模型相互模仿、相互学习、相互协同的典型案例。发现模式是预测的基础，大数据加上人工智能算法可以强化“类人”的模式识别能力；二十年前，有了数据库和数据挖掘，人们对于啤酒与尿布的例子津津乐道，而今年有了大数据，或许它会帮助我们厘清“教授、啤酒炸鸡、韩剧、世界杯”之间的关系，可以洞察球迷的行为，以及辨别真球迷和假球迷、伪球迷的区别。

大数据，理解了它，帮你更好的分类，归类；更好地优化资源，更好地识别和预测行为；在上述基础上，大数据也日益和分类、决策、预测等我们的行为相互渗透，以致我们自己也嵌入到大数据中，难以分离。短文结束，我们的问题是：谁会是2014世界杯的冠军呢？你可以看看章鱼“保罗”们的答案、贝利的答案、霍金的答案、麦肯锡的答案、百度的答案、Siri以及Contana的答案，你如何产生你的答案呢？2018年呢？

简介：林润辉，南开大学商学院现代管理研究所教授、博士生导师，研究方向为网络组织与治理、跨国公司治理；信息技术与创新管理；复杂管理系统分析。

对南开大学商学院“教授声音”栏目中“观点”等感兴趣的研究者或媒体，欢迎发邮件至nksxydean@nankai.edu.cn。