何建華

摘 要 管理環(huán)境的日益復(fù)雜性迫使企業(yè)管理者要制定快速的、正確的戰(zhàn)略決策。新興的“大數(shù)據(jù)”的產(chǎn)生給企業(yè)戰(zhàn)略決策提供了新的思路與方法。文章分析了大數(shù)據(jù)的概念內(nèi)涵及其發(fā)展，并結(jié)合實(shí)例剖析了大數(shù)據(jù)如何提供企業(yè)戰(zhàn)略決策的豐富數(shù)據(jù)源、大數(shù)據(jù)如何提高企業(yè)戰(zhàn)略決策的質(zhì)量，以及大數(shù)據(jù)對(duì)于提升戰(zhàn)略決策者洞察力的支持作用，最后提出了大數(shù)據(jù)在其發(fā)展與應(yīng)用過(guò)程中注意的一些問(wèn)題并給出了相應(yīng)建議。

關(guān)鍵詞 大數(shù)據(jù)；企業(yè)；戰(zhàn)略決策；影響

[中圖分類號(hào)]F272.3 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0461（2014）10-0013-05

一、引 言

中國(guó)正在加速融入經(jīng)濟(jì)全球化的進(jìn)程，國(guó)際、國(guó)內(nèi)市場(chǎng)環(huán)境日趨變幻莫測(cè)，需求不確定性大大增強(qiáng)，產(chǎn)品壽命周期縮短，企業(yè)之間的競(jìng)爭(zhēng)進(jìn)一步加劇。這種管理環(huán)境的變化迫使企業(yè)高層管理者要制定正確的戰(zhàn)略決策，以應(yīng)對(duì)當(dāng)前商業(yè)環(huán)境的日益復(fù)雜性。戰(zhàn)略決策是戰(zhàn)略管理中極為重要的環(huán)節(jié)，它決定著企業(yè)的經(jīng)營(yíng)成敗，關(guān)系到企業(yè)的生存和發(fā)展。在動(dòng)態(tài)、不確定的環(huán)境下快速制定正確的戰(zhàn)略決策，確保企業(yè)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)，僅憑決策者的學(xué)識(shí)、經(jīng)驗(yàn)、直覺(jué)、判斷力、個(gè)人偏好等主觀行為進(jìn)行決策是遠(yuǎn)遠(yuǎn)不夠的，還要依賴大量來(lái)自于企業(yè)外部的數(shù)據(jù)資源。數(shù)據(jù)是所有管理決策的基礎(chǔ)，基于數(shù)據(jù)的決策分析能實(shí)現(xiàn)對(duì)客戶的深入了解和企業(yè)競(jìng)爭(zhēng)力的提升。正如杜拉克所言，當(dāng)今世界已經(jīng)進(jìn)入全面知識(shí)管理時(shí)代，信息量的急劇增加，使得企業(yè)戰(zhàn)略過(guò)程日益復(fù)雜，不確定性環(huán)境下的戰(zhàn)略決策成為企業(yè)必須關(guān)注的問(wèn)題。在此背景下，傳統(tǒng)的戰(zhàn)略決策依據(jù)的方法和手段，已不能完全適應(yīng)當(dāng)前知識(shí)經(jīng)濟(jì)時(shí)代的挑戰(zhàn)和要求，而新興的“大數(shù)據(jù)”（Big Data）的產(chǎn)生為企業(yè)戰(zhàn)略決策提供了新的選擇。

二、大數(shù)據(jù)的內(nèi)涵與發(fā)展

大數(shù)據(jù)是一個(gè)比較抽象的概念，關(guān)于大數(shù)據(jù)的概念目前還尚無(wú)統(tǒng)一的定義。被譽(yù)為“大數(shù)據(jù)商業(yè)應(yīng)用第一人”的舍恩伯格（Sch？觟nberger）指出，大數(shù)據(jù)的“大”，并不是指數(shù)據(jù)本身絕對(duì)數(shù)量大，而是指處理數(shù)據(jù)所使用的模式“大”：盡可能地收集全面數(shù)據(jù)、完整數(shù)據(jù)和綜合數(shù)據(jù)，同時(shí)使用數(shù)學(xué)方法對(duì)其進(jìn)行分析和建模，挖掘背后的關(guān)系，從而預(yù)測(cè)事件背后發(fā)生的概率[1]。我國(guó)知名信息管理專家涂子沛在其《大數(shù)據(jù)》一書中論述了摩爾定律、云計(jì)算、數(shù)據(jù)挖據(jù)、普適計(jì)算和社交媒體是如何共同作用促成大數(shù)據(jù)出現(xiàn)的，他認(rèn)為，大數(shù)據(jù)中的“大”是虛指，指的是人類有能力發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)藏的大價(jià)值[2]。大數(shù)據(jù)概念常常被等同于“海量數(shù)據(jù)”、“超大規(guī)模數(shù)據(jù)”術(shù)語(yǔ)進(jìn)行表述，然而其內(nèi)涵大大超出了傳統(tǒng)的數(shù)據(jù)形態(tài)，也超出了現(xiàn)有技術(shù)手段的處理能力。著名研究機(jī)構(gòu)高德納咨詢公司（Gartner）對(duì)大數(shù)據(jù)的定義為：大數(shù)據(jù)是指需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)[3]。全球著名管理咨詢公司麥肯錫（McKinsey）將大數(shù)據(jù)定義為“無(wú)法在一定時(shí)間內(nèi)使用傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具對(duì)其內(nèi)容進(jìn)行獲取、管理和處理的數(shù)據(jù)集合”[4]。百度百科對(duì)大數(shù)據(jù)的定義是：大數(shù)據(jù)或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊[5]。在諸多大數(shù)據(jù)的定義中最具代表性的是3V定義：即大數(shù)據(jù)需滿足三個(gè)特點(diǎn)：一是規(guī)模性（volume），即數(shù)據(jù)體量巨大；二是多樣性（variety），即數(shù)據(jù)類型繁多，如文本、圖片、音頻、視頻等；三是高速性（velocity），即更新、處理速度快。此外，國(guó)際數(shù)據(jù)公司（IDC）認(rèn)為大數(shù)據(jù)還應(yīng)具有價(jià)值性（value），即具有很高的商業(yè)價(jià)值。IBM 公司則認(rèn)為大數(shù)據(jù)必須具有真實(shí)性（veracity）等?？傊?，對(duì)大數(shù)據(jù)概念的界定與認(rèn)知，可以3V為基礎(chǔ)，并可適當(dāng)考慮4V或5V特性[6]。

“大數(shù)據(jù)”一詞最早出現(xiàn)在20世紀(jì)80年代，當(dāng)時(shí)美國(guó)著名的未來(lái)學(xué)家阿爾溫·托夫勒曾預(yù)言：“如果說(shuō)IBM的主機(jī)拉開(kāi)了信息化革命的大幕，那么大數(shù)據(jù)則是第三次浪潮的華彩樂(lè)章?！盵7]但隨后的幾十年里，并未形成具有影響力和代表意義的突出研究成果。近些年來(lái)，隨著博客、微博、微信、社交網(wǎng)絡(luò)、云計(jì)算以及物聯(lián)網(wǎng)等技術(shù)的興起，大量文本信息、圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)的出現(xiàn)，使得數(shù)據(jù)以前所未有的速度劇增，而且數(shù)據(jù)的內(nèi)容及性質(zhì)也發(fā)生了根本性的變化，這預(yù)示著大數(shù)據(jù)時(shí)代的來(lái)臨[6]。咨詢公司McKinsey是最早提出“大數(shù)據(jù)時(shí)代”到來(lái)的機(jī)構(gòu)，它認(rèn)為，數(shù)據(jù)已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素，人們對(duì)于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)。2008年，《Nature》雜志出版了專刊《Big Data》，系統(tǒng)地介紹了大數(shù)據(jù)所蘊(yùn)含的潛在價(jià)值與挑戰(zhàn)[8]，自此，大數(shù)據(jù)正式登上科學(xué)研究的大舞臺(tái)，并成為各個(gè)學(xué)科中的研究熱點(diǎn)問(wèn)題。2011年，《Science》雜志出版了?？禗ealing with Data》[9]，強(qiáng)調(diào)了科學(xué)研究中大數(shù)據(jù)的重要性。同年，美國(guó)一些知名的數(shù)據(jù)管理領(lǐng)域的專家學(xué)者聯(lián)合發(fā)布了白皮書《Challenges and Opportunities with Big Data》[10]，從學(xué)術(shù)視角介紹和分析了大數(shù)據(jù)的產(chǎn)生與大數(shù)據(jù)的處理流程，并提出了大數(shù)據(jù)所面臨的諸多機(jī)會(huì)和挑戰(zhàn)。2012年，對(duì)于大數(shù)據(jù)的關(guān)注更是與日俱增，3月份，美國(guó)政府發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》（ Big Data Research and Development Initiative），宣布投資2億美元正式啟動(dòng)“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，將“大數(shù)據(jù)”上升為國(guó)家意志，視為“未來(lái)的新石油”，加速大數(shù)據(jù)在教育、科學(xué)、工程等領(lǐng)域的高速發(fā)展，并將與企業(yè)界緊密合作，以增強(qiáng)收集海量數(shù)據(jù)、分析提取有效信息和洞察力的能力，這是繼1993年美國(guó)政府宣布 “信息高速公路計(jì)劃”之后在信息科學(xué)領(lǐng)域的又一重大舉措。2012年4月，美國(guó)、英國(guó)、德國(guó)、芬蘭和澳大利亞研究者聯(lián)合推出“世界大數(shù)據(jù)周”活動(dòng)，意在促使政府制定戰(zhàn)略性的大數(shù)據(jù)措施[11]。2012 年7 月，日本推出“新ICT 戰(zhàn)略研究計(jì)劃”，其中重點(diǎn)關(guān)注“大數(shù)據(jù)應(yīng)用”領(lǐng)域[12]。在經(jīng)濟(jì)領(lǐng)域，2012年1月，達(dá)沃斯世界經(jīng)濟(jì)論壇將大數(shù)據(jù)作為會(huì)議主題之一，發(fā)布了“Big Data，Big Impact：New Possibilities for International Development”的主題報(bào)告，探索和研究如何讓大數(shù)據(jù)釋放潛能、跨越鴻溝，為低收入人群及國(guó)家的發(fā)展服務(wù)。2013年，“大數(shù)據(jù)”已成為熱度最高的技術(shù)詞匯，這一年大數(shù)據(jù)市場(chǎng)也實(shí)現(xiàn)了高速增長(zhǎng)，越來(lái)越多的企業(yè)開(kāi)始擁抱大數(shù)據(jù)解決方案，從中發(fā)掘大數(shù)據(jù)的商業(yè)價(jià)值。根據(jù)IDC最新發(fā)布的預(yù)測(cè)報(bào)告稱，2017年大數(shù)據(jù)市場(chǎng)規(guī)模將達(dá)324億美元，年復(fù)合增長(zhǎng)率為27%[13]。2013年12月5日到6日，國(guó)內(nèi)最具影響、規(guī)模最大的大數(shù)據(jù)領(lǐng)域盛會(huì)“中國(guó)大數(shù)據(jù)技術(shù)大會(huì)”（Big Data Technology Conference，BDTC）在北京召開(kāi)，本次大會(huì)為政府部門與科技界、產(chǎn)業(yè)界密切合作提供了新的大數(shù)據(jù)交流平臺(tái)，推動(dòng)了我國(guó)大數(shù)據(jù)產(chǎn)學(xué)研的進(jìn)一步發(fā)展。2014年3月6日，中國(guó)央視《新聞聯(lián)播》“兩會(huì)”報(bào)道中引用了百度新聞關(guān)于“政府工作報(bào)告”前十名的熱搜詞，用大數(shù)據(jù)清晰呈現(xiàn)出了民眾對(duì)政府工作報(bào)告的關(guān)注點(diǎn)。“兩會(huì)”已將大數(shù)據(jù)列入了我國(guó)國(guó)家戰(zhàn)略。另外，在企業(yè)界，Google、Amazon、HP、IBM、Software、Wal-mart、百度和阿里巴巴等國(guó)內(nèi)外企業(yè)正在積極搶占大數(shù)據(jù)技術(shù)市場(chǎng)，以發(fā)掘其中蘊(yùn)藏的巨大商機(jī)。時(shí)至今日，大數(shù)據(jù)已成為政府部門、科技界和企業(yè)界關(guān)注的熱點(diǎn)問(wèn)題。endprint

三、大數(shù)據(jù)對(duì)企業(yè)戰(zhàn)略決策的影響

決策理論學(xué)派認(rèn)為，決策是管理的核心，它貫穿于管理的全過(guò)程。企業(yè)決策是企業(yè)為達(dá)到一定目的而進(jìn)行的有意識(shí)、有選擇的活動(dòng)。在一定的人、財(cái)、物和時(shí)間因素的制約下，企業(yè)為了實(shí)現(xiàn)特定目標(biāo)，可從多種可供選擇的策略中作出決斷，以求得最優(yōu)或較好效果的過(guò)程就是決策過(guò)程。決策科學(xué)先驅(qū)西蒙（Simon）教授認(rèn)為，決策問(wèn)題的類型有結(jié)構(gòu)化決策、非結(jié)構(gòu)化決策和半結(jié)構(gòu)決策。結(jié)構(gòu)化決策問(wèn)題相對(duì)比較簡(jiǎn)單、直接，其決策過(guò)程和決策方法有固定的規(guī)律可以遵循，能用明確的語(yǔ)言和模型加以描述，并可依據(jù)一定的通用模型和決策規(guī)則實(shí)現(xiàn)其決策過(guò)程的基本自動(dòng)化，這類決策問(wèn)題一般面向基層管理者。非結(jié)構(gòu)化決策問(wèn)題是指那些決策過(guò)程復(fù)雜，其決策過(guò)程和決策方法沒(méi)有固定的規(guī)律可以遵循，沒(méi)有固定的決策規(guī)則和通用模型可依，決策者的主觀行為（見(jiàn)識(shí)、經(jīng)驗(yàn)、判斷力、心智模式等）對(duì)各階段的決策效果有相當(dāng)影響，往往是決策者根據(jù)掌握的情況和數(shù)據(jù)臨時(shí)作出決定。半結(jié)構(gòu)化決策問(wèn)題介于上述兩者之間。而戰(zhàn)略決策問(wèn)題大多是解決非結(jié)構(gòu)化決策問(wèn)題，主要面向高層管理者。

（一）大數(shù)據(jù)能提供企業(yè)戰(zhàn)略決策的豐富數(shù)據(jù)源

企業(yè)戰(zhàn)略管理層的決策內(nèi)容是確定和調(diào)整企業(yè)目標(biāo)以及制定關(guān)于獲取、使用各種資源的政策等。這些非結(jié)構(gòu)化決策問(wèn)題不僅數(shù)量多，而且復(fù)雜程度高、難度大，直接影響到企業(yè)的興衰成敗，這就要求戰(zhàn)略決策者必須擁有大量的來(lái)自于企業(yè)外部的數(shù)據(jù)資源。因此，在企業(yè)決策目標(biāo)的制定過(guò)程中，決策者自始至終都需要進(jìn)行數(shù)據(jù)、信息的收集工作。而“大數(shù)據(jù)”為戰(zhàn)略決策者提供了海量和超大規(guī)模數(shù)據(jù)。傳統(tǒng)的決策因?yàn)閿?shù)據(jù)稀缺，依賴于決策者的經(jīng)驗(yàn)，而大數(shù)據(jù)可以保證從問(wèn)題出發(fā)而不用擔(dān)心數(shù)據(jù)缺失或者數(shù)據(jù)獲取困難。進(jìn)入21世紀(jì)以來(lái)，隨著互聯(lián)網(wǎng)技術(shù)和通信技術(shù)的發(fā)展，一些傳感設(shè)備、移動(dòng)終端等接入到互聯(lián)網(wǎng)絡(luò)中，各種傳感數(shù)據(jù)、物聯(lián)數(shù)據(jù)、統(tǒng)計(jì)數(shù)據(jù)、交易數(shù)據(jù)從各行各業(yè)源源不斷地快速生成[1]。網(wǎng)絡(luò)中傳輸?shù)母鞣N圖片、聲音、文字以及這背后用戶的習(xí)慣和軌跡形成了互聯(lián)網(wǎng)上的海量數(shù)據(jù)資源，這為管理者進(jìn)行決策分析和制定決策方案提供了豐富的數(shù)據(jù)來(lái)源。據(jù)統(tǒng)計(jì)，2013年，中國(guó)產(chǎn)生的數(shù)據(jù)總量超過(guò)0.8ZB①，2倍于2012年，相當(dāng)于2009 年全球的數(shù)據(jù)總量，預(yù)計(jì)到2020年，中國(guó)產(chǎn)生的數(shù)據(jù)總量將是2013年的10倍，超過(guò)8.5ZB[14]。IDC的研究表明，到2020年，全球以電子形式存儲(chǔ)的數(shù)據(jù)量將達(dá)到35ZB，是2009年全球存儲(chǔ)量的40倍，而這其中，企業(yè)數(shù)據(jù)正在以55%的速度逐年增長(zhǎng)。有數(shù)據(jù)顯示，中文優(yōu)秀搜索引擎百度2013年擁有數(shù)據(jù)量接近EB級(jí)別，阿里巴巴和騰訊聲明自己存儲(chǔ)的數(shù)據(jù)總量都達(dá)到了百PB以上，另外，電信、交通、醫(yī)療、氣象、公共安全等各個(gè)方面保存的數(shù)據(jù)量也都達(dá)到了數(shù)十或者上百PB級(jí)別。數(shù)據(jù)為王的大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，企業(yè)的戰(zhàn)略需求也發(fā)生了重大轉(zhuǎn)變，關(guān)注的重點(diǎn)轉(zhuǎn)向數(shù)據(jù)及基于數(shù)據(jù)的價(jià)值分析。如今，隨著云計(jì)算、物聯(lián)網(wǎng)迅速普及，各企業(yè)增強(qiáng)了對(duì)于數(shù)據(jù)資產(chǎn)保存和利用意識(shí)，以及通過(guò)物聯(lián)網(wǎng)、大數(shù)據(jù)對(duì)產(chǎn)業(yè)進(jìn)行變革的意愿，未來(lái)兩到三年一定會(huì)有越來(lái)越多的行業(yè)、大企業(yè)步入到PB、百PB、甚至EB級(jí)別數(shù)據(jù)俱樂(lè)部[15]。2014年3月15日到來(lái)之際，百度大數(shù)據(jù)“網(wǎng)絡(luò)消費(fèi)安全圖譜”首次亮相，這是繼“百度遷徙”后，又一次大規(guī)模的大數(shù)據(jù)集成分析與利用，其數(shù)據(jù)來(lái)源總共調(diào)用高達(dá)400TB的網(wǎng)絡(luò)真實(shí)檢索數(shù)據(jù)，進(jìn)行多維度挖掘和分析，以可視化大數(shù)據(jù)的形式直觀展現(xiàn)網(wǎng)絡(luò)消費(fèi)十大陷阱行業(yè)及風(fēng)險(xiǎn)品類、地域指數(shù)，為消費(fèi)者提供了切實(shí)的網(wǎng)絡(luò)消費(fèi)預(yù)警及風(fēng)險(xiǎn)參考，而這400TB海量的搜索數(shù)據(jù)相當(dāng)于1億2百萬(wàn)冊(cè)圖書，6個(gè)中國(guó)國(guó)家圖書館的藏書量[16]。在大數(shù)據(jù)時(shí)代，企業(yè)通過(guò)收集、分析大量?jī)?nèi)部和外部的數(shù)據(jù)，獲取有價(jià)值的信息，通過(guò)挖掘這些信息，企業(yè)可以預(yù)測(cè)市場(chǎng)需求，進(jìn)行智能化決策分析，從而制定更加行之有效的戰(zhàn)略。

（二）大數(shù)據(jù)能提高企業(yè)戰(zhàn)略決策的質(zhì)量

企業(yè)經(jīng)營(yíng)的成敗首先取決于戰(zhàn)略決策的正確與否，而決策的正確與否則取決于數(shù)據(jù)和信息的質(zhì)量。正確的數(shù)據(jù)與信息能減少?zèng)Q策的很多不確定性因素。傳統(tǒng)的決策依靠決策者個(gè)人經(jīng)驗(yàn)、學(xué)識(shí)，心智模式，憑直覺(jué)判斷。進(jìn)入21世紀(jì)以來(lái)，企業(yè)管理的性質(zhì)和外在環(huán)境都發(fā)生了巨大的變化，企業(yè)組織機(jī)構(gòu)更加龐大，管理功能更加復(fù)雜。企業(yè)之間的聯(lián)系越來(lái)越緊密，企業(yè)間的邊界越加模糊，企業(yè)的人、財(cái)、物資源須在全球范圍內(nèi)重新組合和優(yōu)化配置。另外，消費(fèi)者需求個(gè)性化、差異化、異質(zhì)化特征變化明顯，影響決策的因素更加復(fù)雜和多樣化。決策者經(jīng)常需要根據(jù)多個(gè)影響因素和相互間的關(guān)系進(jìn)行決策，其難度越來(lái)越大，單憑其洞察力、智慧、知識(shí)和經(jīng)驗(yàn)等為基礎(chǔ)的傳統(tǒng)決策方法已遠(yuǎn)遠(yuǎn)不能滿足日益復(fù)雜的管理決策的需要，這將導(dǎo)致戰(zhàn)略定位不準(zhǔn)，存在很大風(fēng)險(xiǎn)。因此，現(xiàn)實(shí)管理的實(shí)踐要求決策要走向科學(xué)化，要將定性決策與定量決策相結(jié)合，而大數(shù)據(jù)技術(shù)的發(fā)展為它提供了實(shí)現(xiàn)的可能性。“大數(shù)據(jù)”可以認(rèn)為是“分析”的另一種表述，它是尋求從數(shù)據(jù)中萃取知識(shí)，并將其轉(zhuǎn)化為商業(yè)優(yōu)勢(shì)的智能化活動(dòng)[4]，而不是僅停留在數(shù)據(jù)和信息的簡(jiǎn)單匯總層面。大數(shù)據(jù)時(shí)代的來(lái)臨，企業(yè)界對(duì)數(shù)據(jù)的依賴性有增無(wú)減，以數(shù)據(jù)為基礎(chǔ)的定量分析方法逐漸取代以經(jīng)驗(yàn)、直覺(jué)等為基礎(chǔ)的定性分析方法?！皵?shù)據(jù)驅(qū)動(dòng)決策”是大數(shù)據(jù)下決策的顯著特點(diǎn)，研究表明，越是以數(shù)據(jù)驅(qū)動(dòng)決策的企業(yè)，其財(cái)務(wù)和運(yùn)營(yíng)業(yè)績(jī)?cè)胶?。大?shù)據(jù)改變了長(zhǎng)期以來(lái)依靠經(jīng)驗(yàn)、理論和思想的決策方式，直覺(jué)判斷讓位于精準(zhǔn)的數(shù)據(jù)分析，讓決策重心回到了所要解決的問(wèn)題本身。

大數(shù)據(jù)不僅包括大規(guī)模的體量、多樣化種類的數(shù)據(jù)集，還包括對(duì)這種數(shù)據(jù)集進(jìn)行高速采集、處理與分析以提取價(jià)值的技術(shù)架構(gòu)與技術(shù)過(guò)程，因此，基于大數(shù)據(jù)的分析需要多種技術(shù)的協(xié)同，如云計(jì)算、可視化、物聯(lián)網(wǎng)、數(shù)據(jù)挖掘、Hadoop等技術(shù)進(jìn)行處理。如在2012年5月18日，也是Facebook上市當(dāng)天，社交媒體監(jiān)測(cè)平臺(tái)DataSift通過(guò)分析Twitter上的情感傾向，成功地預(yù)測(cè)了Facebook的股價(jià)波動(dòng)，延遲情況只有幾分鐘到20多分鐘[17]。再如eBay通過(guò)數(shù)據(jù)挖掘技術(shù)精確的計(jì)算出廣告中的每一個(gè)關(guān)鍵字為公司帶來(lái)的回報(bào)，通過(guò)對(duì)廣告投放的優(yōu)化，2007年以來(lái)eBay產(chǎn)品銷售的廣告費(fèi)降低了90%。因此，大數(shù)據(jù)的真正優(yōu)勢(shì)是對(duì)海量數(shù)據(jù)的自動(dòng)化的、智能化的收集、統(tǒng)計(jì)和分析，基于大數(shù)據(jù)的分析報(bào)告更加全局、客觀和直觀，大數(shù)據(jù)也正在成為一種新的調(diào)研方式，以輔助管理者進(jìn)行企業(yè)戰(zhàn)略決策。endprint

（三）大數(shù)據(jù)能提升戰(zhàn)略決策者的洞察力

大數(shù)據(jù)時(shí)代，數(shù)據(jù)逐漸成為企業(yè)最重要的資產(chǎn)之一。企業(yè)決策越來(lái)越依賴于數(shù)據(jù)分析作出，而不憑借經(jīng)驗(yàn)和直覺(jué)，企業(yè)亟須快速?gòu)姆e累的業(yè)務(wù)數(shù)據(jù)以及無(wú)處不在的網(wǎng)絡(luò)信息中獲得洞察市場(chǎng)和客戶的能力。如著名電子商務(wù)公司亞馬遜（Amazon）就是基于對(duì)大量的客戶數(shù)據(jù)挖掘分析的基礎(chǔ)上來(lái)制定營(yíng)銷策略的。當(dāng)客戶在亞馬遜網(wǎng)上書店購(gòu)買圖書以后，其銷售系統(tǒng)會(huì)自動(dòng)記錄下該客戶購(gòu)買和瀏覽過(guò)的書目。當(dāng)該客戶再次進(jìn)入該書店、系統(tǒng)識(shí)別出他的身份后，就會(huì)查詢?cè)摽蛻糍?gòu)買和瀏覽的記錄、分析其經(jīng)常購(gòu)買的書的類別、推測(cè)該客戶的圖書喜好，最后在該客戶打開(kāi)的網(wǎng)頁(yè)界面推薦目前該店可以滿足客戶喜好的圖書。當(dāng)客戶購(gòu)買行為發(fā)生后，該系統(tǒng)再次記錄該客戶的購(gòu)買書的類別，以指導(dǎo)下次推薦書目，如此循環(huán)往復(fù)。這樣，客戶去亞馬遜網(wǎng)上書店的次數(shù)越多，系統(tǒng)對(duì)該客戶的了解也就越多，也就能更好地為該客戶服務(wù)。再如，2010 年上半年，著名網(wǎng)絡(luò)交易平臺(tái)淘寶網(wǎng)（taobao）開(kāi)始推出“數(shù)據(jù)魔方”服務(wù)，“數(shù)據(jù)魔方”是由淘寶平臺(tái)的交易、用戶、商品三大體系數(shù)據(jù)形成的，強(qiáng)調(diào)按照買家習(xí)慣去研究數(shù)據(jù)，并形成分析報(bào)告。從“數(shù)據(jù)魔方”服務(wù)頁(yè)面上可以看到，淘寶網(wǎng)上億用戶產(chǎn)生的交易原始數(shù)據(jù)可以對(duì)某項(xiàng)產(chǎn)品的交易趨勢(shì)、賣家和買家的信用情況、交易時(shí)段、重復(fù)購(gòu)買率、關(guān)聯(lián)銷售、銷售品類占比等具體交易數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，而淘寶賣家也開(kāi)始通過(guò)數(shù)據(jù)魔方進(jìn)行參考決策：對(duì)于中小賣家來(lái)說(shuō)，可以用魔方來(lái)優(yōu)化流量，對(duì)于高端賣家主要是研究數(shù)據(jù)來(lái)優(yōu)化品牌定位，優(yōu)化產(chǎn)品對(duì)買家的柔性化策略。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）最新統(tǒng)計(jì)稱，截至2013年12月底，中國(guó)網(wǎng)民規(guī)模達(dá)6.18億，其中，手機(jī)網(wǎng)民規(guī)模達(dá)5億，占比提升至81%。越來(lái)越多的企業(yè)開(kāi)通官方微博或在其網(wǎng)站第一時(shí)間發(fā)布產(chǎn)品信息、人事信息等主要信息，而普通用戶則隨時(shí)隨地通過(guò)智能手機(jī)、電腦、照相機(jī)等終端進(jìn)行網(wǎng)絡(luò)購(gòu)物、上傳圖片、音頻、視頻等，或是發(fā)表自己的見(jiàn)解、觀點(diǎn)和態(tài)度。企業(yè)可以通過(guò)分析這些積累的超大規(guī)模數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)精準(zhǔn)地掌握每位消費(fèi)者不同的興趣、偏好，從而設(shè)計(jì)出高度精準(zhǔn)、績(jī)效可高度定量化的營(yíng)銷策略，并提供其個(gè)性化、差異化的產(chǎn)品或服務(wù)。這將極大地提高戰(zhàn)略決策者對(duì)顧客的洞察力和對(duì)市場(chǎng)的快速反應(yīng)能力。

四、總結(jié)與建議

基于上述分析，我們可以看出，大數(shù)據(jù)為企業(yè)戰(zhàn)略決策提供了新的思路與途徑，它不再是霧里看花，紙上談兵。然而，大數(shù)據(jù)在發(fā)展與應(yīng)用方面還應(yīng)注意以下問(wèn)題：一是企業(yè)現(xiàn)有的數(shù)據(jù)處理方法大多數(shù)適用于結(jié)構(gòu)化數(shù)據(jù)處理，但企業(yè)現(xiàn)有數(shù)據(jù)中有85%以非結(jié)構(gòu)化或半結(jié)構(gòu)化的形式存在，大量的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的處理對(duì)企業(yè)本身技術(shù)方面是個(gè)巨大挑戰(zhàn)，企業(yè)需要有效地搜集、處理和分析這些數(shù)據(jù)的能力，才能將這些數(shù)據(jù)“據(jù)為己有”，為“我”所用，因此，后期還需投入精力進(jìn)行大數(shù)據(jù)技術(shù)的研發(fā)工作；二是大多數(shù)中小企業(yè)認(rèn)為大數(shù)據(jù)是Amazon、Facebook、Google、Sofeware、百度、阿里巴巴、聯(lián)想等大公司或是網(wǎng)絡(luò)公司才關(guān)心的技術(shù)。對(duì)于大數(shù)據(jù)認(rèn)識(shí)的不足，忽視或者反應(yīng)遲鈍的企業(yè)將會(huì)失去提高其競(jìng)爭(zhēng)力的機(jī)會(huì)或是處于落后被動(dòng)的地位，中小企業(yè)應(yīng)該認(rèn)識(shí)到大數(shù)據(jù)不只是巨頭們的游戲，中小企業(yè)也應(yīng)該抓住機(jī)遇，探索大數(shù)據(jù)應(yīng)用新模式，創(chuàng)造新價(jià)值；三是大量決策活動(dòng)的實(shí)踐也表明，盡管定量的數(shù)學(xué)方法和智能化技術(shù)能夠進(jìn)行比人腦更高速的進(jìn)行邏輯推理、分析、歸納、綜合和論證，但是它決不能代替人的創(chuàng)造性思維。正如有些學(xué)者所言，決策者在決策時(shí)承受著更加復(fù)雜任務(wù)所帶來(lái)的壓力，單純依靠決策者主觀行為決策無(wú)法應(yīng)對(duì)復(fù)雜的環(huán)境，但單純依靠數(shù)據(jù)決策也會(huì)偏離實(shí)際[18]。因此，大數(shù)據(jù)下的決策應(yīng)將基于數(shù)據(jù)的決策和基于經(jīng)驗(yàn)與直覺(jué)的決策結(jié)合起來(lái)，以避免“唯數(shù)據(jù)論”；另外，企業(yè)的海量數(shù)據(jù)中包括有客戶數(shù)據(jù)、內(nèi)部數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、經(jīng)營(yíng)狀況數(shù)據(jù)及個(gè)人信息等，在網(wǎng)絡(luò)化環(huán)境下，企業(yè)基于大數(shù)據(jù)的分析如何保證系統(tǒng)中數(shù)據(jù)不被竊取或破壞，消費(fèi)者個(gè)人隱私、企業(yè)商業(yè)秘密等安全問(wèn)題對(duì)于企業(yè)來(lái)說(shuō)也是一道技術(shù)和管理難題，因其影響巨大，企業(yè)管理者必須尋求解決方案。

總之，大數(shù)據(jù)下的企業(yè)戰(zhàn)略決策不僅是一門技術(shù)，更是一種全新的商業(yè)模式。當(dāng)前，關(guān)于大數(shù)據(jù)的研究和應(yīng)用才剛剛起步，大數(shù)據(jù)的充分利用還有很長(zhǎng)的路要走。只有認(rèn)識(shí)到大數(shù)據(jù)對(duì)企業(yè)戰(zhàn)略決策的影響和重要性，并順勢(shì)而為，才能提高企業(yè)在大數(shù)據(jù)下的數(shù)據(jù)搜集、處理和利用能力，并挖掘大數(shù)據(jù)蘊(yùn)含的知識(shí)與潛在商業(yè)價(jià)值，進(jìn)而提升企業(yè)戰(zhàn)略決策能力和組織績(jī)效，在激烈的市場(chǎng)競(jìng)爭(zhēng)環(huán)境中獲得舉足的進(jìn)步和長(zhǎng)遠(yuǎn)的發(fā)展。

[1] 邁爾·舍恩伯格.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[2] 涂子沛.大數(shù)據(jù)：正在到來(lái)的數(shù)據(jù)革命[M].桂林： 廣西師范大學(xué)出版社，2012.

[3] 陶雪嬌，胡曉峰，劉洋.大數(shù)據(jù)研究綜述[J].系統(tǒng)仿真學(xué)報(bào)，2013，（8）：142-146.

[4] 朱東華，張嶷，等，大數(shù)據(jù)環(huán)境下技術(shù)創(chuàng)新管理方法研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2013，34（4）：172-180.

[5] 大數(shù)據(jù)[EB/OL].[2014-3-12].http：//baike.baidu.com/link？url.

[6] 林志剛，彭波.大數(shù)據(jù)管理的現(xiàn)實(shí)匹配、多重挑戰(zhàn)及趨勢(shì)判斷[J].改革，2013，（8）：15-23.

[7] （美）阿爾溫·托夫勒.第三次浪潮[M].上海：三聯(lián)書店，1984.

[8] Nature.BigData[EB/OL].[2012-10-02].http：//www.nature.com/news/specials/bigdata/index.html.

[9] Science. Special Online Collection： Dealing with Data [EB/OL]. [2012-10-02].http：//www.sciencemag.org/site/special/data/. 2011，2.endprint

[10] D. Agrawal，P. Bernstein， E. Bertino，et al. Challenges and Oppor-tunities with Big Data-A Community White Paper Developed by Leading Researchers across the United States[R]. [2012-10-02]， http：//cra.org/ccc/docs/init/bigdatawhitepaper.pdf.

[11] Lavalle S，Lesser E，Shockley R，et al. Big DataAnalytics and the Path from Insights to Value[J].MIT Sloan Management Review，2011，52（2）： 21-31.

[12] World Economic Forum.Personal Data： The Emergence of a New Asset Class[M/OL]. http： / /www. weforum. org，2011.

[13] IDC調(diào)低大數(shù)據(jù)市場(chǎng)增速預(yù)測(cè)[EB/OL].http：//www.ctocio.com/ccnews/14321.html，2013-12-20.

[14] 大數(shù)據(jù)史記2013：盤點(diǎn)中國(guó)2013行業(yè)數(shù)據(jù)量[EB/OL].http：//www.the big data.cn/YeJieDongTai/8431.html，2014-02-24.

[15] 拍磚閑話大數(shù)據(jù)——中國(guó)數(shù)據(jù)量有多大？[EB/OL].[2014-02-19].http：//www.chinacloud.cn/show.aspx？id=14620&cid=22.

[16] 百度400TB大數(shù)據(jù)揭秘網(wǎng)絡(luò)消費(fèi)十大陷阱行業(yè)[EB/OL].http：//tech.sina.com.cn/i/2014-03-15/16329244146.shtml.

[17] 吳金紅，張飛，鞠秀芳.大數(shù)據(jù)： 企業(yè)競(jìng)爭(zhēng)情報(bào)的機(jī)遇、挑戰(zhàn)及對(duì)策研究[J].情報(bào)雜志，2013，32（1）：5-9.

[18] 何軍.大數(shù)據(jù)對(duì)企業(yè)管理決策的影響分析[J].科技進(jìn)步與對(duì)策，2014，31（4）：65-68.

An Analysis on the Influence of Big Data on Enterprise Strategic Decisions

He Jianhua1，2

（1. School of Economics and Management，Anhui Normal University，Wuhu 241003，China；

2. Management School，University of Science and Technology of China，Hefei 230026，China）

Abstract： Enterprise managers must formulate correct strategic decisions rapidly because of the increasing complexity of management environment. The article analyzed the concept connotation and the development of big data. Integrating real cases， the article also analyzed how big data provide rich data sources for enterprises'strategic decisions， and how it can improve the quality strategic decision making. It also demonstrated the support function of big data in upgrading strategic decision makers'insights. Finally，the article proposed some notable problems and relevant suggestions of big data during its developing process.

Key words： big data；enterprise；strategic decision；influence

（責(zé)任編輯：張丹郁）endprint