邱國棟,王 易

(東北財經(jīng)大學(xué) 工商管理學(xué)院，遼寧 大連 116025)

一、引言

在DT (Digital Technology, 數(shù)字技術(shù)) 時代，數(shù)據(jù)正在以指數(shù)級增長，這些數(shù)據(jù)的計量單位已經(jīng)遠(yuǎn)遠(yuǎn)超過 GB和 TB，開始以 PB、EB 甚至 ZB 來衡量，數(shù)據(jù)的來源有物聯(lián)網(wǎng)、傳感器、社交媒體網(wǎng)絡(luò)、采購交易等,數(shù)據(jù)增長的速度已經(jīng)超過了摩爾定律[1]。據(jù)IBM報道，90%的數(shù)據(jù)在過去兩年內(nèi)產(chǎn)生，每天超過2.67億的交易記錄數(shù)據(jù)在全球沃爾瑪門店產(chǎn)生；在中國，百度每天準(zhǔn)備10PB的數(shù)據(jù)供用戶查詢，阿里巴巴超過8.8億的網(wǎng)上交易產(chǎn)生近20TB的數(shù)據(jù)[2]。通過以上的現(xiàn)象發(fā)現(xiàn)如下問題：大量數(shù)據(jù)的產(chǎn)生，這些數(shù)據(jù)全部來源于系統(tǒng)活動的真實記錄，盡管新技術(shù)范式的快速發(fā)展使這些復(fù)雜類型的數(shù)據(jù)可以容易地被采集和存儲，但是在實際決策過程中卻缺乏對這部分?jǐn)?shù)據(jù)的有效分析、處理和評價, 無法將這些數(shù)據(jù)轉(zhuǎn)變?yōu)閷ζ髽I(yè)和決策機構(gòu)有價值的信息, 從而為決策組織提供參考和依據(jù)?；诖?，本文的研究問題如下：(1)如何將積累的大量數(shù)據(jù)用于決策洞察，讓數(shù)據(jù)產(chǎn)生更大價值？(2)面對決策問題的復(fù)雜性[注]本文對現(xiàn)實決策問題的復(fù)雜性界定在三個方面:(1)決策問題的非線性結(jié)構(gòu),在大數(shù)據(jù)時代，數(shù)據(jù)結(jié)構(gòu)75%呈現(xiàn)非結(jié)構(gòu)化，傳統(tǒng)的線性化數(shù)據(jù)處理已經(jīng)不適用。(2)決策問題的不確定性，系統(tǒng)活動的動態(tài)性和開放性導(dǎo)致復(fù)雜決策問題在結(jié)構(gòu)、參數(shù)、特征以及環(huán)境變化等方面的不確定性。(3)決策問題計算的復(fù)雜性，計算的復(fù)雜性是指海量數(shù)據(jù)和多類型引起的問題規(guī)模、計算時長的問題，也就是在有限的時間內(nèi)如何解決“算的多”和“算的快”的問題。，如何降低決策有限理性的局限，保障決策結(jié)果的理性合理？基于以上兩個問題，傳統(tǒng)的決策模型對海量數(shù)據(jù)的獲取、分析、處理能力有限，在面對非線性、變結(jié)構(gòu)、變參數(shù)等開放性復(fù)雜決策問題時，已有的定性定量模型無法有效應(yīng)對并且難以擴展。而大數(shù)據(jù)的集成智慧具備解決復(fù)雜問題的能力[3]，基于大數(shù)據(jù)構(gòu)建的決策模型不僅可以顯著地降低決策復(fù)雜度，減少決策過程中的不確定性，還能洞察隱藏在復(fù)雜性之下的潛在規(guī)律，從而在微觀、中觀、宏觀層面為決策者提供支持。

二、研究背景

(一)“小數(shù)據(jù)”時代決策模型的研究發(fā)展

縱觀決策模型發(fā)展歷程，人類獲取和分析數(shù)據(jù)的能力是決策模式演進(jìn)的重要驅(qū)動力。從數(shù)據(jù)獲取和分析能力的視角來分類，決策模型可以分為：(1)“經(jīng)驗型”決策。20世紀(jì)之前，人類處于經(jīng)驗管理時代，其決策屬于經(jīng)驗決策范疇。由于人類獲取、分析數(shù)據(jù)的能力有限，決策過程只能依靠決策者的直覺、經(jīng)驗以及“記憶數(shù)據(jù)”進(jìn)行，并受到?jīng)Q策環(huán)境、決策者主觀偏好等因素的影響，最終決策結(jié)果更多情況下呈現(xiàn)低理性；(2)“科學(xué)型”決策。泰勒在1911年最早提出科學(xué)決策概念，其主要觀點是通過實地調(diào)研以獲得的科學(xué)知識來代替?zhèn)€人的經(jīng)驗判斷，從經(jīng)驗決策向科學(xué)決策轉(zhuǎn)變，科學(xué)決策以信息處理系統(tǒng)為主體并融入了專家智慧，運用數(shù)理統(tǒng)計、檢索查詢等現(xiàn)代科學(xué)技術(shù)處理手段克服了經(jīng)驗決策對信息處理的限制，但是由于獲取的數(shù)據(jù)以描述性統(tǒng)計以及報表為主，并帶有少量預(yù)測性分析數(shù)據(jù)，由這些數(shù)據(jù)構(gòu)成的“小數(shù)據(jù)”樣本在單個決策的效能問題上發(fā)揮了重要作用，但是很難從整體上解決決策效能問題[4]；(3)Gartner公司在1996年提出商務(wù)智能的概念，商務(wù)智能是從人工決策向“人-機”智能決策進(jìn)化的第一步，人-機智能決策系統(tǒng)是依據(jù)早期的決策支持系統(tǒng)(Decision Support System,DSS)發(fā)展而來，商務(wù)智能包括數(shù)據(jù)倉庫(Data Warehouse,DW)、在線分析處理(On-Line Analytical Processing,OLAP)、數(shù)據(jù)挖掘(Data Mining,DM)三部分，從信息系統(tǒng)視角看，商務(wù)智能是通過信息技術(shù)將分散的、不同類型的、多維的數(shù)據(jù)加以整合，根據(jù)企業(yè)關(guān)鍵指標(biāo)(KPI)將數(shù)據(jù)分類匯總，更加全面地為決策者提供在線數(shù)據(jù)分析，以預(yù)測趨勢與輔助決策[5]。早期發(fā)展的商務(wù)智能僅限于分析、處理結(jié)構(gòu)化數(shù)據(jù)，而大數(shù)據(jù)時代75%的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)，這給基于商務(wù)智能的決策帶來巨大挑戰(zhàn)。以上三種模式的缺陷表現(xiàn)在，一是決策者自身理解能力和判斷能力的局限性。二是在數(shù)據(jù)獲取、分析能力的局限，即無法在短時間內(nèi)獲取足夠多和正確的數(shù)據(jù)，無法對數(shù)據(jù)(非結(jié)構(gòu)化數(shù)據(jù))進(jìn)行即時分析、處理從而導(dǎo)致決策過程中缺乏合理、智慧的決策依據(jù)，在這種情況下，上述三種決策模型的決策方式、決策信息依然屬于“有限理性”的范疇。

(二)“大數(shù)據(jù)”時代決策模型的研究發(fā)展

為了克服以上決策模型“有限理性”的局限，尤其是“信息有限”在決策時的束縛，人們開始對大規(guī)模數(shù)據(jù)進(jìn)行分析，期望從數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律或價值，在決策時賦予管理者智慧[4]。于是以大數(shù)據(jù)為主導(dǎo)的決策模式引發(fā)了學(xué)術(shù)界和實踐界的研究熱潮。從2008年大數(shù)據(jù)(Big Data)的概念在《Nature》[6]?？媳惶岢鲆詠?，關(guān)于大數(shù)據(jù)研究的熱度就一直未曾消減，本研究通過綜述大數(shù)據(jù)在決策領(lǐng)域的研究發(fā)現(xiàn)，由“數(shù)據(jù)驅(qū)動決策”的研究范式主要集中在三個層次：一是決策思維轉(zhuǎn)變的視角，研究認(rèn)為從傳統(tǒng)的基于直覺、經(jīng)驗、行為決策范式轉(zhuǎn)變?yōu)榛跀?shù)據(jù)決策的演進(jìn)趨勢，并揭示了大數(shù)據(jù)驅(qū)動管理與決策的重要性與必要性[7-10]。二是上升到“能力”的視角。在數(shù)據(jù)驅(qū)動決策過程中，數(shù)據(jù)挖掘、智能分析以及預(yù)測能力是企業(yè)大數(shù)據(jù)核心能力[11-13]，大數(shù)據(jù)核心能力與管理學(xué)的動態(tài)能力相結(jié)合形成大數(shù)據(jù)為中心的動態(tài)能力[14-16]。本研究認(rèn)為對大數(shù)據(jù)的研究上升到能力的角度是從管理的角度對大數(shù)據(jù)更深層次的應(yīng)用，是大數(shù)據(jù)驅(qū)動決策能力提升的表現(xiàn)。三是實踐應(yīng)用的視角。大數(shù)據(jù)驅(qū)動的決策范式正在從“弱”應(yīng)用轉(zhuǎn)變?yōu)椤皬姟睉?yīng)用，正在商業(yè)、金融、醫(yī)療、教育、社交、科研等領(lǐng)域被廣泛應(yīng)用[17]，并產(chǎn)生了創(chuàng)新性的產(chǎn)業(yè)空間和一定的社會價值。綜上所述，“數(shù)據(jù)驅(qū)動決策”的研究范式主要集中于以上三個視角，不同的學(xué)者們只是從各自的研究學(xué)科或行業(yè)出發(fā)，各有側(cè)重，存在不同程度的局限性和片面性。然而關(guān)于大數(shù)據(jù)的研究只有融合、集成各方數(shù)據(jù)和觀點，才能充分發(fā)揮大數(shù)據(jù)的優(yōu)勢，才能反映事物的全貌，發(fā)現(xiàn)事物的本質(zhì)規(guī)律和相關(guān)關(guān)系，這也給本文的研究提供了契機。

三、基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策模型的理論構(gòu)建

本文融合已有研究視角，結(jié)合人工智能的背景，充分發(fā)揮大數(shù)據(jù)的集成智慧，而這與“協(xié)同創(chuàng)新-綜合集成-大成智慧”[18-19]的思想一脈相承，因為在大數(shù)據(jù)時代，數(shù)據(jù)之間相互關(guān)聯(lián)、相互作用，經(jīng)過大規(guī)模綜合集成處理后，會呈現(xiàn)出“驚人智慧”，展現(xiàn)了從“大數(shù)據(jù)”到“大智慧”的數(shù)據(jù)價值轉(zhuǎn)換過程。本文以西蒙、羅賓斯等認(rèn)為“信息有限”[注]西蒙(《管理行為：行政組織決策過程研究》1947)認(rèn)為決策者因自身能力問題無法獲取與決策相關(guān)的所有信息，并且處理信息的能力也有限，西蒙從信息決策論角度將決策“有限理性”的原因歸結(jié)在信息收集、分析、處理等方面的局限，即“信息有限”。羅賓斯(《管理學(xué)》2012)從現(xiàn)實決策的角度認(rèn)識有限理性，決策者通常會理性的制定決策，但是這種理性受到信息處理能力的限制，無法分析全部方案信息，其理性程度是在其處理信息的“有限”能力范圍內(nèi)保持理性。導(dǎo)致決策過程有限理性的觀點為研究的邏輯起點，以大數(shù)據(jù)的集成智慧來破解“信息有限”帶來的決策困境，探索適應(yīng)大數(shù)據(jù)時代的管理決策模式，進(jìn)而構(gòu)建“數(shù)據(jù)-智慧”決策模型。通過構(gòu)建的“數(shù)據(jù)-智慧”決策模型試圖解決現(xiàn)代決策的復(fù)雜問題，降低決策過程中有限理性的局限性，提高決策結(jié)果的理性合理程度。

(一)“數(shù)據(jù)-智慧”的內(nèi)涵、概念辨析

Ackoff(1989)[20]提出了“數(shù)據(jù)-信息-知識-智慧”(Data-Information-Knowledge-Wisdom，DIKW)的金字塔模型，數(shù)據(jù)是處于最基礎(chǔ)層次的、不相關(guān)的數(shù)字或符號，信息是對數(shù)據(jù)進(jìn)行篩選、系統(tǒng)化整理分析得到的資料，知識是對沉淀信息結(jié)構(gòu)化后形成的產(chǎn)物，智慧是依據(jù)相關(guān)知識進(jìn)行決策或準(zhǔn)確評估采取最佳行動的能力。DIKW 模型闡述了早期“數(shù)據(jù)驅(qū)動決策”的理念，由于在20世紀(jì)80年代，數(shù)據(jù)規(guī)模、數(shù)據(jù)分析處理工具等都與DT時代有較大差距，所以DIKW模型更適合于“小數(shù)據(jù)”時代。DIKW模型典型的應(yīng)用是1998年發(fā)表在《哈佛商業(yè)評論》上著名的“啤酒與尿布”案例，“啤酒與尿布”的案例背后技術(shù)支持是利用關(guān)聯(lián)規(guī)則算法，分析客戶的購物籃商品集合數(shù)據(jù)，發(fā)現(xiàn)客戶的購買行為，這是從數(shù)據(jù)中挖掘智慧，產(chǎn)生價值的經(jīng)典案例。在DIKW模型的啟發(fā)下，與數(shù)據(jù)智慧相近的概念有數(shù)字智慧，“數(shù)字智慧”有兩層含義:一是利用數(shù)字技術(shù)直接獲取認(rèn)知能力的智慧；二是使用先進(jìn)的技術(shù)從數(shù)字中挖掘知識獲取智慧，是一個間接的過程[21]。王萍(2015)[22]認(rèn)為數(shù)字智慧和數(shù)據(jù)智慧都側(cè)重于決策能力，不同在于數(shù)字智慧注重的是數(shù)字技術(shù)本身，而數(shù)據(jù)智慧注重的是數(shù)據(jù)，數(shù)據(jù)智慧為了更好地掌控和分析數(shù)據(jù)，需要數(shù)字智慧的技術(shù)支持。Girard等(2015)[23]認(rèn)為，數(shù)據(jù)的處理要基于“DIKW模型”得以實現(xiàn)，即數(shù)據(jù)要經(jīng)過加工為信息，提煉出體系化知識，升華為智慧的過程。

在大數(shù)據(jù)時代，人類有了更好的從數(shù)據(jù)中提取知識發(fā)掘智慧的工具，牛正光和奉公(2016)[4]提出基于“Data-Wisdom神經(jīng)系統(tǒng)”模型，并認(rèn)為“DIKW模型”會向“DW神經(jīng)系統(tǒng)”模型轉(zhuǎn)變。“Data-Wisdom神經(jīng)系統(tǒng)”模型以神經(jīng)網(wǎng)絡(luò)為構(gòu)建原理，由于神經(jīng)網(wǎng)絡(luò)的“輸入-輸出”層中間包含一個或多個隱藏層，其工作過程也被稱為復(fù)雜的“黑盒”作業(yè)，人類目前的認(rèn)知能力尚難以由結(jié)果回溯分析過程而了解結(jié)果產(chǎn)生的來龍去脈，因此此類神經(jīng)網(wǎng)絡(luò)模型的可解釋能力有待提高[5]。而決策樹作為機器學(xué)習(xí)中一種預(yù)測模型能有效地解決神經(jīng)網(wǎng)絡(luò)模型可解釋能力低的問題，并能直觀地解釋決策的整個過程[24]，也稱為多階段“白盒”作業(yè)，于是有研究提出“決策樹-神經(jīng)網(wǎng)絡(luò)”的組合決策模式，利用決策樹“白盒”作業(yè)分類清晰、原理簡單的優(yōu)勢彌補“黑盒”作業(yè)神經(jīng)網(wǎng)絡(luò)模型可解釋性不強的弱勢，從而打開神經(jīng)網(wǎng)絡(luò)決策的“黑箱”，研究發(fā)現(xiàn)，基于“決策樹-神經(jīng)網(wǎng)絡(luò)”組合模型比單一的神經(jīng)網(wǎng)絡(luò)有更好的分類和預(yù)測準(zhǔn)確率[25]。以上研究關(guān)于“數(shù)據(jù)-智慧”決策模型的解釋更多的是局限在一種或兩種技術(shù)和算法的組合，唯“技術(shù)論”，存在一定的局限性。

綜上研究，本研究擬構(gòu)建基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策范式框架，其內(nèi)涵是以大數(shù)據(jù)為中心，以計算(算法)為手段，以平臺為支撐，以最優(yōu)決策為目標(biāo)，建立在信息相對對稱基礎(chǔ)上的開放的、動態(tài)的新型智慧決策模型，一方面，在大數(shù)據(jù)驅(qū)動下以機器智能決策機制為原理，通過機器智能(Machine Intelligence)[注]德勤(2017)發(fā)布技術(shù)趨勢，對機器智能(Machine Intelligence)的定義為相對于人工智能是一個更加廣泛、更加重要的領(lǐng)域，主要分支包括：機器學(xué)習(xí)、深度學(xué)習(xí)、認(rèn)知分析、機器人過程自動化等，這些技術(shù)和其他工具共同構(gòu)成了機器智能”，機器智能的背后支撐是數(shù)據(jù)能力、計算能力、算法能力，這些能力能夠?qū)⑷找鎻?fù)雜的工作自動化和智能化?！暗虑?機器智能技術(shù)模仿人類認(rèn)知創(chuàng)造價值”，《機器人產(chǎn)業(yè)》，2017(3)：97-104。強大數(shù)據(jù)分析能力、計算能力，對復(fù)雜決策問題進(jìn)行分解、計算，從而實現(xiàn)機器的復(fù)雜決策和決策的自動化，另一方面，由決策者、數(shù)據(jù)分析師、領(lǐng)域?qū)＜乙黄饦?gòu)成的決策主體與機器智能通過人機智能接口進(jìn)行協(xié)同決策，完成從數(shù)據(jù)到智慧的決策過程，幫助決策者最大限度地實現(xiàn)數(shù)據(jù)驅(qū)動的科學(xué)決策。

(二)“數(shù)據(jù)-智慧”決策模型的構(gòu)成要素

“數(shù)據(jù)-智慧”決策模型的核心要素是數(shù)據(jù)、計算、算法、平臺的有機融合，在大規(guī)模數(shù)據(jù)收集的基礎(chǔ)上，發(fā)揮大數(shù)據(jù)集成智慧，以解決復(fù)雜決策問題。

1.以數(shù)據(jù)為核心，重構(gòu)大數(shù)據(jù)能力?！皵?shù)據(jù)-智慧”決策模型的核心是數(shù)據(jù)，突出的是數(shù)據(jù)采集、分析挖掘，基于大數(shù)據(jù)分析的工具有效地解決了多源異構(gòu)的數(shù)據(jù)采集問題和非結(jié)構(gòu)化數(shù)據(jù)處理問題。在從IT時代轉(zhuǎn)變?yōu)镈T時代的過程中，以大數(shù)據(jù)為代表的數(shù)據(jù)科學(xué)(Data Science)[注]數(shù)據(jù)科學(xué)(Data Science)最早由Peter Naur(1974)在《Concise Survey of Computer Methods》書中正式提出，其內(nèi)涵是“處理數(shù)據(jù)的科學(xué)”。之后發(fā)展緩慢，直到2007年Jim Gray把數(shù)據(jù)科學(xué)喻為“數(shù)據(jù)密集型科學(xué)研究的第四范式”，并認(rèn)為未來無論什么科學(xué)問題都將由數(shù)據(jù)所驅(qū)動，此觀點引起各領(lǐng)域廣泛關(guān)注。2012年隨著大數(shù)據(jù)的快速崛起，以大數(shù)據(jù)為代表的數(shù)據(jù)科學(xué)迎來爆發(fā)式發(fā)展，迅速成為各領(lǐng)域研究熱點。與技術(shù)開始受到空前關(guān)注，人類的科學(xué)發(fā)展正在經(jīng)歷第四種范式即密集型數(shù)據(jù)科學(xué)[26]，以數(shù)據(jù)為中心的研究方法與技術(shù)理念在工業(yè)、商業(yè)、學(xué)術(shù)界等不同的學(xué)科領(lǐng)域都得到了廣泛應(yīng)用與認(rèn)可，并促進(jìn)了大量科研成果的產(chǎn)生。從表現(xiàn)形式來分析大數(shù)據(jù)具有海量(Volume)、高速(Velocity)、多源(Variety)、價值(Value)的特征，從實踐形式上來分析大數(shù)據(jù)具有易變性(Variable)、真實性(Veracity)、波動性(Volatility)、可視化(Visualization)的特征(見圖1)[27]。然而對大數(shù)據(jù)的研究不能只停留在內(nèi)涵、特征以及作為一種數(shù)據(jù)資源等方面的基礎(chǔ)研究，更應(yīng)該上升到“能力”的角度，與企業(yè)的動態(tài)能力相結(jié)合，使企業(yè)具備獨特的大數(shù)據(jù)能力，從而提高企業(yè)的競爭優(yōu)勢。謝衛(wèi)紅等(2016)[16]對大數(shù)據(jù)能力有所研究，并將大數(shù)據(jù)能力維度分為“資源整合、深度分析、實時預(yù)測與洞察”三種能力。本文結(jié)合大數(shù)據(jù)最新發(fā)展趨勢以及新工業(yè)革命的智能化屬性，在已有的基礎(chǔ)上對以大數(shù)據(jù)為中心的“動態(tài)”能力進(jìn)行重構(gòu)，認(rèn)為大數(shù)據(jù)能力除了上述三種能力外還具有重要的機器學(xué)習(xí)能力，機器學(xué)習(xí)能力是指以機器學(xué)習(xí)為基礎(chǔ)，利用計算機模擬或?qū)崿F(xiàn)人類學(xué)習(xí)的行為，表現(xiàn)出一種自學(xué)習(xí)、自驅(qū)動、自適應(yīng)的能力。在大數(shù)據(jù)時代，海量數(shù)據(jù)使機器學(xué)習(xí)相關(guān)算法能得到充分訓(xùn)練，機器學(xué)習(xí)表現(xiàn)出更強的學(xué)習(xí)能力,也在眾多領(lǐng)域發(fā)揮越來越重要的作用，諸如“微博熱搜”、“自動駕駛”、“AlphaGo戰(zhàn)勝人類圍棋冠軍”等都充分證明機器學(xué)習(xí)能力的重要性，這些以大數(shù)據(jù)為中心產(chǎn)生的動態(tài)能力(圖1)在“數(shù)據(jù)-智慧”模型中將對未來事件進(jìn)行分析、預(yù)測和發(fā)現(xiàn)，在商業(yè)領(lǐng)域的作用將體現(xiàn)在商業(yè)決策、實時分析、精準(zhǔn)營銷、自動化運營、商業(yè)價值實現(xiàn)等方面。

圖1 大數(shù)據(jù)為中心的“動態(tài)”能力

2.分布式實時計算能力。由于大數(shù)據(jù)的“8V”特征，在做大數(shù)據(jù)分析挖掘時，需要重新審視它的計算復(fù)雜性，大數(shù)據(jù)計算體量巨大，內(nèi)在聯(lián)系密切而復(fù)雜，數(shù)據(jù)價值密度分布不均，這些都對大數(shù)據(jù)計算范式提出新的要求[3]，而云計算(Cloud Computer)[28]的出現(xiàn)，有效地解決了這個問題。在“數(shù)據(jù)-智慧”的決策模型中，云計算作為“計算”的核心，突出的是數(shù)據(jù)分布式存儲、數(shù)據(jù)分析、IT解決方案，面對傳統(tǒng)數(shù)據(jù)挖掘在計算能力方面的不足，云計算作為一種可擴展性強、高彈性化、虛擬化的計算模式，有效解決了傳統(tǒng)數(shù)據(jù)挖掘算力不足的問題，主要表現(xiàn)在：(1)在“數(shù)據(jù)-智慧”模型的整個決策過程中，面對海量的數(shù)據(jù)無法用單機進(jìn)行處理,必須采用分布式計算架構(gòu)，而這與云計算“分布式、按需分配算力”的設(shè)計思想完美契合[29]；(2)云計算的強大計算能力，可以更快速地處理大規(guī)模的數(shù)據(jù)信息，為即時決策提供有效的支持服務(wù)。例如2017年阿里巴巴的“雙十一”網(wǎng)絡(luò)營銷活動，交易峰值達(dá)到每秒32.5萬筆，支付峰值達(dá)到每秒25.6萬筆，實時處理數(shù)據(jù)峰值每秒4.72億條[注]數(shù)據(jù)來源:依據(jù)阿里云網(wǎng)站(http://www.aliyun.com/)資料整理。，理論上可以做到每秒百萬級的交易支付能力，而且要求計算達(dá)到高精確、零誤差，這背后是大數(shù)據(jù)平臺上的云計算架構(gòu)，是一個適應(yīng)數(shù)據(jù)開放、互聯(lián)、全球化的架構(gòu)，具備實時計算大規(guī)模復(fù)雜性決策問題的能力。

3.算法的自動化決策能力。一方面，算法作為引擎是大數(shù)據(jù)處理、分析的核心，數(shù)據(jù)加工的每個步驟都有算法參與，從開始輸入數(shù)據(jù)，通過引擎轉(zhuǎn)換，到輸出數(shù)據(jù)中的能量，然后提供給更上層的用于決策服務(wù)或數(shù)據(jù)產(chǎn)品開發(fā)，從而產(chǎn)生商業(yè)價值。另一方面，在大數(shù)據(jù)的支持下，神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、機器學(xué)習(xí)、高級認(rèn)知分析、機器人流程自動化等算法的迅速發(fā)展，這些多類型算法結(jié)合起來可以形成算力更強的算法，更好地分析數(shù)據(jù)，充分挖掘數(shù)據(jù)中的價值，讓決策變得自動化和智能化，能模擬人類的思維活動和擴展人類的認(rèn)知范圍。相比人類的決策，算法的自動化決策具有相對客觀、公正、高效等特點，因此其應(yīng)用逐漸在社會各個領(lǐng)域發(fā)揮作用[30]。例如Hinton(2006)[31]提出的大數(shù)據(jù)結(jié)合深度學(xué)習(xí)算法顯著提升了語音識別、圖像識別、自動駕駛等應(yīng)用的準(zhǔn)確率和效率，并使“智慧+”等產(chǎn)業(yè)體現(xiàn)出巨大潛力，引發(fā)了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的研究和應(yīng)用浪潮。

4.大數(shù)據(jù)平臺的支撐能力。一是大數(shù)據(jù)硬件平臺的支撐，包括高速存儲服務(wù)器、計算服務(wù)器等高性能硬件資源，這些是實施大數(shù)據(jù)驅(qū)動機器智能決策所必需的基礎(chǔ)設(shè)施。二是大數(shù)據(jù)軟件平臺的支撐，包括大數(shù)據(jù)管理平臺、大數(shù)據(jù)技術(shù)平臺、大數(shù)據(jù)應(yīng)用平臺，具體功能是：(1)大數(shù)據(jù)管理平臺。以DMM[注]2014年美國卡耐基梅隆大學(xué)軟件工程研究所發(fā)布的數(shù)據(jù)能力成熟度模型(DMM)，包含初始級、已定義級、已量化級、管理級、已優(yōu)化級五個級別，級別越高數(shù)據(jù)能力成熟度越強。(Data Management Maturity，數(shù)據(jù)能力成熟度模型)為基準(zhǔn)，用于規(guī)范管理數(shù)據(jù)生命周期的整個過程，其基礎(chǔ)目標(biāo)是管理大數(shù)據(jù)“臟”、“亂”、“雜”的問題，數(shù)據(jù)分析師根據(jù)實際需求對數(shù)據(jù)進(jìn)行清洗、分析、管理，從而提煉有價值的決策信息，最后在應(yīng)用中才會產(chǎn)生實際效益[32]。(2)大數(shù)據(jù)技術(shù)平臺。大數(shù)據(jù)分析是技術(shù)平臺的核心，同時也是“數(shù)據(jù)-智慧”決策模型價值創(chuàng)造的核心環(huán)節(jié)，通過諸多經(jīng)典的數(shù)據(jù)挖掘方法進(jìn)行預(yù)測、關(guān)聯(lián)、分組，在數(shù)據(jù)分析技術(shù)方面，形成了成熟

的分布式文件系統(tǒng)(GFS)、批處理框架(MapReduce)、開源實現(xiàn)平臺(Hadoop)等,這些技術(shù)平臺是對大數(shù)據(jù)進(jìn)行非結(jié)構(gòu)化分析、處理非常有效的手段[33]。(3)大數(shù)據(jù)應(yīng)用平臺。通過大數(shù)據(jù)應(yīng)用平臺能夠洞悉客戶、產(chǎn)品、渠道在各個維度的信息情報和知識洞見，從而對創(chuàng)新應(yīng)用模式和商業(yè)模式的設(shè)計提供線索和技術(shù)基礎(chǔ)，以形成對未來事件的預(yù)測和發(fā)現(xiàn)。以上從大數(shù)據(jù)管理、分析、應(yīng)用三個維度體現(xiàn)企業(yè)應(yīng)用大數(shù)據(jù)的能力，企業(yè)大數(shù)據(jù)能力的提升是建立在先進(jìn)的大數(shù)據(jù)硬件和軟件平臺基礎(chǔ)之上，大數(shù)據(jù)平臺建設(shè)水平是影響企業(yè)大數(shù)據(jù)能力的核心要素。

(三)“數(shù)據(jù)-智慧”決策模型的運行機制

“數(shù)據(jù)-智慧”決策模型給解決現(xiàn)代決策問題提供了路徑，但并不是僅僅有了大量的數(shù)據(jù)就可以實現(xiàn)，而是必須將數(shù)據(jù)轉(zhuǎn)化為可用于決策的證據(jù)。基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策模型的運行程序如圖2所示。

圖2 基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策模型的運行程序[注]“數(shù)據(jù)-智慧”決策程模型內(nèi)部運行機理：一方面，整合商業(yè)智能(BI)、機器學(xué)習(xí)(ML)等模型工具，構(gòu)成機器智能模型(MI)，實現(xiàn)自動化決策；另一方面，通過專家系統(tǒng)進(jìn)行大數(shù)據(jù)建模、大數(shù)據(jù)分析、模型求解(OR)等步驟實現(xiàn)人機協(xié)同決策。最后對自動決策和人機協(xié)同決策的效果進(jìn)行整合，提高決策的質(zhì)量和效率。資料來源：依據(jù)星河互聯(lián)網(wǎng)站(http://www.galaxyinternet.com/)資料總結(jié)整理。

具體的決策組織過程如下：

1.決策問題分類。一類問題是人能做的更好，比如創(chuàng)新、設(shè)計、辯論等需要創(chuàng)造性的事物，這類問題大數(shù)據(jù)的作用非常有限；二類問題是機器可以更好完成，比如重復(fù)性復(fù)雜計算，每年“雙十一”購物、春運網(wǎng)購火車票等，針對這類精準(zhǔn)計算、快速響應(yīng)的問題，大數(shù)據(jù)的優(yōu)勢能最大化發(fā)揮；三類問題是機器和人需要協(xié)作才能更好完成，對于這類問題需要人-機相互協(xié)同共同決策。以上的三類問題涵蓋了決策過程中的所有問題，在決策過程中，確定分類問題的基礎(chǔ)上，將需要決策的問題與商業(yè)問題想結(jié)合，確定決策問題與決策目標(biāo)的范圍，要做到這一點，就必須全面分析企業(yè)的現(xiàn)狀需求、面臨的競爭和風(fēng)險，深入了解待解決問題是取得成功的關(guān)鍵。

2.構(gòu)建“全樣本”數(shù)據(jù)源以輔助決策。一是大數(shù)據(jù)拓展了數(shù)據(jù)采集源。例如人為產(chǎn)生社交網(wǎng)絡(luò)數(shù)據(jù)、電商購物數(shù)據(jù)、以及各種出行數(shù)據(jù)等；機器產(chǎn)生的各類運行數(shù)據(jù)、散落在不同位置的傳感器數(shù)據(jù)、網(wǎng)絡(luò)搜索數(shù)據(jù)等，通過對這些人和機器產(chǎn)生的數(shù)據(jù)進(jìn)行全面采集，精準(zhǔn)畫像。以此拓展數(shù)據(jù)采集源，為生成“全樣本”數(shù)據(jù)提供基礎(chǔ)。二是對全樣本數(shù)據(jù)的整體性分析。本文對“全樣本”數(shù)據(jù)的定義是解決與目標(biāo)問題相關(guān)的、足夠全的數(shù)據(jù)，由結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等不同數(shù)據(jù)類型構(gòu)成的大樣本。大數(shù)據(jù)通過海量規(guī)模的全樣本進(jìn)行分析處理，能在一定程度上克服決策過程中的“信息有限”的困境，使決策結(jié)果更客觀理性。

4.人機協(xié)同與智慧決策。一方面，通過機器智能決策模型的自動化決策。另一方面，將數(shù)據(jù)分析階段的可視化結(jié)果與決策問題以及具體的場景應(yīng)用相結(jié)合，通過數(shù)據(jù)分析師、多領(lǐng)域?qū)＜?、決策者構(gòu)成的多元決策主體進(jìn)行有組織、有邏輯的互動，在“數(shù)據(jù)-智慧”決策模型中，數(shù)據(jù)分析師將承擔(dān)連接數(shù)據(jù)驅(qū)動的機器智慧與專家智慧的連接器，將形成“機器智慧-數(shù)據(jù)分析師-專家智慧”的決策解釋模式，相比較傳統(tǒng)決策模式，數(shù)據(jù)分析師的作用將更加重要，從傳統(tǒng)的后臺走向前臺與多領(lǐng)域?qū)＜摇Q策者形成多元決策主體，以降低決策者因“認(rèn)知有限”而產(chǎn)生的局限，確保決策結(jié)果的客觀性和科學(xué)性，經(jīng)過此過程以形成決策方案。

5.決策效果反饋。決策反饋的目標(biāo)是對本次決策進(jìn)行測量和評估，確定準(zhǔn)確性和一般性，檢測實際環(huán)境中決策模型是否符合要解決的商業(yè)問題，另一項任務(wù)是總結(jié)經(jīng)驗，為下次決策提供更客觀更科學(xué)的依據(jù)。決策反饋的評估方法有三種：一是對決策者信息處理能力的評估。二是對決策過程的評估。數(shù)據(jù)驅(qū)動的決策過程是否在決策前的數(shù)據(jù)采集、決策中的數(shù)據(jù)分析、決策后的數(shù)據(jù)反饋每個環(huán)節(jié)發(fā)揮作用。三是決策績效評價。數(shù)據(jù)驅(qū)動的決策是否在企業(yè)財務(wù)績效、決策速度、運營效率等方面相比其它同行是否具有競爭優(yōu)勢?？傊?，決策反饋過程是一個自調(diào)整、自學(xué)習(xí)、自適應(yīng)的持續(xù)改善過程，每次決策之后都會更新決策模型數(shù)據(jù)庫，為下次決策提供更全面的數(shù)據(jù)樣本。

(四)“數(shù)據(jù)-智慧”決策模型的應(yīng)用性條件

“數(shù)據(jù)-智慧”決策模型適用于具有豐富數(shù)據(jù)資產(chǎn)的行業(yè)或組織，主要適應(yīng)以下幾類[34]：(1)以互聯(lián)網(wǎng)為生存基礎(chǔ)的公司(包含電商、社交媒體、無線通訊)。這些企業(yè)每天通過移動互聯(lián)網(wǎng)能獲取海量的數(shù)據(jù)，在此基礎(chǔ)上利用大數(shù)據(jù)工具對數(shù)據(jù)進(jìn)行分析、處理，就形成以數(shù)據(jù)為依據(jù)進(jìn)行決策和利用大數(shù)據(jù)進(jìn)行創(chuàng)新。這類企業(yè)在中國有阿里巴巴、騰訊、百度等，在美國有Amazon、FaceBook、Google等。(2)以事實和證據(jù)為決策依據(jù)的公司。這些企業(yè)以寶潔、IBM、沃爾瑪為典型代表，寶潔早期就重視實事求是的調(diào)查過程，通過與消費者對話中收集用戶需求，形成翔實的市場調(diào)研數(shù)據(jù)，在此基礎(chǔ)上作出關(guān)鍵決策和重要的產(chǎn)品創(chuàng)新。以上企業(yè)的管理實踐總結(jié)就是循證管理學(xué)(Evidence-Based Management)。(3)具有工程與研究職能的企業(yè)和機構(gòu)。這些企業(yè)利用大數(shù)據(jù)分析作出關(guān)鍵的經(jīng)營決策，例如在石油開采領(lǐng)域，利用物聯(lián)網(wǎng)射頻技術(shù)，實時采集原始地質(zhì)、地貌的數(shù)據(jù)，部署在石油開采現(xiàn)場的感應(yīng)器實時收集到油量觀測數(shù)據(jù)、安全數(shù)據(jù)等，就構(gòu)成了石油開采決策的大數(shù)據(jù)樣本。(4)政府部門。政府部門在推進(jìn)電子政務(wù)、智慧城市、信息消費、市場主體和公民個人交互過程中積淀了豐富的數(shù)據(jù)資源，利用這些數(shù)據(jù)作為公共決策制定的依據(jù)、簡化政府的審批流程、提高辦事效率，進(jìn)行應(yīng)急管理等?？傊?，當(dāng)越來越多的行業(yè)或組織意識到自己可以通過收集、管理、分析大數(shù)據(jù)獲取客觀的價值時，就會有更多行業(yè)或組織加入大數(shù)據(jù)應(yīng)用行列。

四、基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策模式應(yīng)用分析

本文選擇了兩個不同決策類型的案例：阿里金融和寶潔(新品)。阿里金融信貸模式，屬于以“機器決策為主體，無人工參與”的類型，而寶潔基于大數(shù)據(jù)的決策是屬于“人-機”協(xié)同決策類型。但是這兩這種類型決策程序相同，并能從不同維度驗證了大數(shù)據(jù)驅(qū)動的“數(shù)據(jù)-智慧”決策模型的有效性和適用性，有助于提高決策效率和質(zhì)量。

(一)阿里金融“大數(shù)據(jù)驅(qū)動智慧決策”的應(yīng)用

阿里巴巴是國內(nèi)“數(shù)一數(shù)二”的大數(shù)據(jù)企業(yè)，具有豐富的數(shù)據(jù)資產(chǎn)，阿里金融的成功可以說是阿里大數(shù)據(jù)應(yīng)用最典型的代表。阿里金融成立于2010年，在海量數(shù)據(jù)和網(wǎng)絡(luò)平臺的支持下，建構(gòu)了網(wǎng)絡(luò)數(shù)據(jù)模型和征信系統(tǒng)，基于此征信系統(tǒng)，小微企業(yè)可以獲得從500元至100萬元不等的信用貸款。相比需要擔(dān)保和抵押品的傳統(tǒng)金融模式，阿里金融僅依賴信用數(shù)據(jù)，企業(yè)就可以迅速獲取所需貸款。其背后的機理就是大數(shù)據(jù)應(yīng)用和模式創(chuàng)新，小微企業(yè)能否貸款成功，完全由數(shù)據(jù)決定，這種創(chuàng)新的信貸模式甚至推動了整個互聯(lián)網(wǎng)金融行業(yè)的快速發(fā)展。

1.阿里金融“數(shù)據(jù)-智慧”決策模式構(gòu)成要素

基于以上分析，阿里金融的信貸模式是實現(xiàn)“數(shù)據(jù)驅(qū)動智慧決策”的典范，這種基于大數(shù)據(jù)驅(qū)動的“數(shù)據(jù)-智慧”決策模式由以下核心要素構(gòu)成。

(1)廣泛的數(shù)據(jù)來源。阿里巴巴擁有廣泛的多維數(shù)據(jù)來源，包括金融數(shù)據(jù)、電商數(shù)據(jù)、基本信息、公共信息等，對這些數(shù)據(jù)進(jìn)行挖掘分析、交叉驗證，從而保證數(shù)據(jù)的可用性和可信性。經(jīng)過驗證后的多維可信數(shù)據(jù)是阿里金融進(jìn)行智慧決策的基礎(chǔ)。

中介效應(yīng)分析：由于應(yīng)對方式量表中分為指向問題的應(yīng)對和指向情緒的應(yīng)對兩個分量表，所以對中介變量問題的應(yīng)對和情緒的應(yīng)對的中介效應(yīng)進(jìn)行分別分析。自變量X對因變量Y的影響，如果X通過影響變量M來影響Y，則稱M為中介變量。

(2)成熟的技術(shù)體系。阿里巴巴經(jīng)歷了每年“雙十一”購物場景，以及阿里云技術(shù)支持的春運網(wǎng)購火車票場景，極大地鍛煉了對大規(guī)模數(shù)據(jù)實時分布式處理能力和算法的自動化決策能力。具體而言，通過感知層的傳感器、智能終端可以實時連續(xù)地采集數(shù)據(jù)，利用網(wǎng)絡(luò)層的大數(shù)據(jù)和云計算平臺分析和處理數(shù)據(jù)，利用應(yīng)用層的智慧商務(wù)、智能制造等開展智能化、自動化等場景應(yīng)用，從而形成一體化技術(shù)體系。這些成熟的技術(shù)范式有效地提高了阿里金融進(jìn)行智慧決策的效率。

(3)完善的征信系統(tǒng)。阿里巴巴大數(shù)據(jù)平臺上沉淀了10多年的數(shù)據(jù)資產(chǎn)，這使得征信系統(tǒng)極具價值。阿里的征信系統(tǒng)從最初有限數(shù)據(jù)支持下的“誠信通”演變?yōu)槿虼髷?shù)據(jù)支持下的基于云計算和機器學(xué)習(xí)的“云征信系統(tǒng)”，其中阿里巴巴的芝麻信用就是以大數(shù)據(jù)為核心的云征信系統(tǒng)典型代表。相比傳統(tǒng)的征信系統(tǒng)，阿里云征信系統(tǒng)能夠相對全面、客觀、高效完成對客戶的信用評估。趨于完善的征信系統(tǒng)有效地降低了阿里金融智慧決策的風(fēng)險。

(4)多維度的應(yīng)用場景。阿里巴巴有云計算、電商、金融、物流、健康、文娛等多維度的應(yīng)用場景，在金融領(lǐng)域的應(yīng)用場景表現(xiàn)如下：精準(zhǔn)營銷、風(fēng)險控制、智慧決策、效率提升、產(chǎn)品創(chuàng)新等。這些多維度的應(yīng)用場景有利于大數(shù)據(jù)真正落地，產(chǎn)生價值，同時也提升了企業(yè)利用大數(shù)據(jù)的能力。

2.阿里金融“數(shù)據(jù)-智慧”決策運行程序

基于以上分析，阿里金融以大數(shù)據(jù)為基礎(chǔ)，通過引入大數(shù)據(jù)分析和挖掘工具來尋找企業(yè)經(jīng)營狀況、資金流向等關(guān)鍵數(shù)據(jù)，從而形成相關(guān)數(shù)據(jù)模型，經(jīng)過阿里云征信系統(tǒng)將分析結(jié)果轉(zhuǎn)化為提供授信審批的憑證。從而實現(xiàn)阿里金融的“三分鐘申請、一秒鐘放貸、無人工審核”的智慧決策過程。阿里金融“數(shù)據(jù)-智慧”決策程序如圖3所示。

(1)明確用戶需求，做好貸前審查。用戶提出貸款申請，阿里金融平臺通過機器智能對申請人的申請條件和申請資料進(jìn)行全面審查，對客戶的信用水平進(jìn)行評估，這是貸款科學(xué)決策的前提。

(2)大數(shù)據(jù)樣本的標(biāo)準(zhǔn)化處理。阿里巴巴的電商平臺積累了豐富的全域大數(shù)據(jù)資產(chǎn)，在進(jìn)行貸款決策之前，阿里金融平臺需要從數(shù)據(jù)源(電商數(shù)據(jù)、金融數(shù)據(jù)、基礎(chǔ)數(shù)據(jù)、公共數(shù)據(jù)等)中將數(shù)據(jù)導(dǎo)入，同時從外部導(dǎo)入相關(guān)數(shù)據(jù)，這些數(shù)據(jù)經(jīng)過“清洗”后進(jìn)入阿里金融的“數(shù)據(jù)倉庫”備用。在數(shù)據(jù)倉庫中完成對數(shù)據(jù)的標(biāo)準(zhǔn)化加工，加工后的數(shù)據(jù)以參數(shù)的形式傳遞到阿里巴巴集團的信貸通用決策系統(tǒng)(Ali-Generic Decision Service, A-GDS)。

(3)大數(shù)據(jù)驅(qū)動的模型計算及決策。在大數(shù)據(jù)驅(qū)動下阿里信貸通用決策系統(tǒng)(A-GDS)對于阿里電商平臺上需要借貸的小微企業(yè)進(jìn)行動態(tài)分析和管理。一方面，通過機器智能模型(水文模型等)可以非常直觀地統(tǒng)計分析商家的經(jīng)營狀況、資金流向、周期性變化、交易頻率等。把從傳統(tǒng)基于人工的靜態(tài)貸款變成基于數(shù)據(jù)計算的動態(tài)管理，準(zhǔn)確掌控商家動態(tài)和資金需求的趨勢，依據(jù)分析結(jié)果對風(fēng)險可控的小微企業(yè)開放授信業(yè)務(wù)，實現(xiàn)自動化信貸決策服務(wù)，將決策風(fēng)險前置[35]。另一方面，利用專家制定的各種規(guī)則模型(資金需求模型、預(yù)期風(fēng)險模型、違約風(fēng)險模型等)控制決策風(fēng)險。阿里金融為客戶配置相關(guān)專家規(guī)則，對專家規(guī)則及其關(guān)聯(lián)性進(jìn)行整理，形成一定數(shù)量的轉(zhuǎn)化關(guān)系，依據(jù)此可計算出商家的授信模型。以上兩方面的過程是將機器智能模型和專家規(guī)則模型進(jìn)行融合交叉驗證，全面評估商家承受風(fēng)險程度和授信模型的過程。

圖3 阿里金融“數(shù)據(jù)-智慧”決策運行程序

(4)大數(shù)據(jù)實時風(fēng)險管控與預(yù)警。阿里金融利用大數(shù)據(jù)技術(shù)對貸前、貸中、貸后三個環(huán)節(jié)進(jìn)行全面監(jiān)測與控制，及時發(fā)現(xiàn)風(fēng)險提出預(yù)警。具體而言，由于阿里巴巴的客戶主要是其電子商務(wù)平臺上的商家，所有交易訂單的形成、業(yè)務(wù)數(shù)據(jù)的細(xì)節(jié)、退貨情況和評價情況都匯集在阿里巴巴信貸決策系統(tǒng)中，而這些數(shù)據(jù)通過模型的計算，能夠及時地預(yù)測客戶的還款能力，一旦客戶的還款能力下降，系統(tǒng)根據(jù)設(shè)置的閾值就會自動觸發(fā)預(yù)警，使貸款風(fēng)險降到最低[35]。

(5)貸后的評估與反饋。利用大數(shù)據(jù)能追蹤決策的整個流程，獲取各決策階段的反饋數(shù)據(jù)，對反饋結(jié)果進(jìn)一步分析，發(fā)現(xiàn)決策漏洞，不斷完善和修正決策。阿里金融在用戶貸款完成后，利用大數(shù)據(jù)實時監(jiān)測用戶的交易流水變化，利用監(jiān)控評分模型和貸后催收模型來監(jiān)控貸款的用途和運作效率，及時收回貸款[36]。

(二)寶潔“大數(shù)據(jù)驅(qū)動智慧決策”的應(yīng)用

寶潔是全球日用消費品制造巨頭公司，擁有豐富的數(shù)據(jù)資源，是以事實和證據(jù)為決策依據(jù)的典范。早在1920年寶潔就挨家挨戶與用戶對話，深入洞察用戶需求，形成翔實的市場調(diào)研數(shù)據(jù)，以此為基礎(chǔ)，進(jìn)行新產(chǎn)品創(chuàng)新或廣告投放決策。在大數(shù)據(jù)時代，寶潔利用人工智能技術(shù)對社交媒體以及消費者的行為數(shù)據(jù)等進(jìn)行深度分析，將分析結(jié)果以可視化方式呈現(xiàn)給決策者，以此為依據(jù)做出各種類型的決策[34]。目前業(yè)界普遍觀點是大型零售商以及快速消費品在大數(shù)據(jù)的實際應(yīng)用中處于領(lǐng)先地位[37]，而寶潔就是這類企業(yè)的典型代表。

1.寶潔“數(shù)據(jù)-智慧”決策模式構(gòu)成要素

對寶潔“大數(shù)據(jù)驅(qū)動智慧決策”進(jìn)行分析，這種由大數(shù)據(jù)驅(qū)動“數(shù)據(jù)-智慧”決策模型是由以下核心要素構(gòu)成。

(1)多維數(shù)據(jù)來源。寶潔的數(shù)據(jù)來源主要包含線上電商數(shù)據(jù)(銷售數(shù)據(jù)、打分?jǐn)?shù)據(jù)、評價數(shù)據(jù)、物流數(shù)據(jù)等)、線下門店P(guān)OS機實體數(shù)據(jù)、第三方渠道商數(shù)據(jù)等，這些不同區(qū)域的全球化數(shù)據(jù)構(gòu)成了寶潔的大數(shù)據(jù)倉庫。這些海量數(shù)據(jù)是寶潔應(yīng)用數(shù)據(jù)進(jìn)行各類決策的基礎(chǔ)。

(2)智能商業(yè)決策系統(tǒng)。寶潔的商務(wù)智能具有將近30年的歷史，從早期的基于問卷的結(jié)構(gòu)化數(shù)據(jù)分析處理，到大數(shù)據(jù)時代對非結(jié)構(gòu)化數(shù)據(jù)處理的智能商業(yè)系統(tǒng)，寶潔的智能商業(yè)系統(tǒng)是一個全球?qū)崟r數(shù)據(jù)分析與決策支持系統(tǒng)，融合了傳統(tǒng)商務(wù)智能、運籌學(xué)、機器學(xué)習(xí)以及人工智能等，具備閉環(huán)、自動優(yōu)化、自動決策等功能，有助于提高決策效率和質(zhì)量，增強寶潔在數(shù)字經(jīng)濟時代的競爭優(yōu)勢。

(3)數(shù)據(jù)機制和文化。寶潔作為一家非常重視數(shù)據(jù)的公司，所倡導(dǎo)的“基于數(shù)據(jù)的決策”文化[38]，使其成為日化產(chǎn)品巨擎，寶潔的決策者絕不是依靠感覺進(jìn)行決策，而是將西方的實證和數(shù)據(jù)量化決策思想融入寶潔生態(tài)系統(tǒng)的各個維度，寶潔依據(jù)數(shù)據(jù)做產(chǎn)品創(chuàng)新、精準(zhǔn)營銷、供應(yīng)鏈優(yōu)化、管理決策、戰(zhàn)略決策等方面。

(4)數(shù)據(jù)科學(xué)家團隊。寶潔的信息與決策方案部(IDS)聚集了卓越的數(shù)據(jù)科學(xué)家團隊，運用先進(jìn)的技術(shù)工具分析海量數(shù)據(jù)信息，發(fā)現(xiàn)商業(yè)價值，幫助決策者解決復(fù)雜的商業(yè)問題。

2.寶潔“數(shù)據(jù)-智慧”決策運行程序

寶潔作為“基于數(shù)據(jù)決策”理念的先驅(qū)和典范，下面以寶潔的新品研發(fā)為例，來闡述寶潔基于數(shù)據(jù)驅(qū)動“人-機”協(xié)同智慧決策的過程，如圖4所示。

(1)全面采集數(shù)據(jù)，明確用戶需求。寶潔的市場研究部(CMK)，全面收集與決策目標(biāo)相關(guān)的所有數(shù)據(jù)以及歷史積累的數(shù)據(jù)，從而全面洞察用戶需求，以決定給用戶呈現(xiàn)什么樣的產(chǎn)品和服務(wù)。

(2)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。寶潔專家技術(shù)團隊在獲取數(shù)據(jù)后，將各方大數(shù)據(jù)進(jìn)行整合，按照寶潔的數(shù)據(jù)邏輯進(jìn)行校驗、標(biāo)準(zhǔn)化處理，使其符合寶潔全球機器智能分析平臺的數(shù)據(jù)格式要求，并自動生成可視化智能報表[37]，將處理過的標(biāo)準(zhǔn)化數(shù)據(jù)以及報表傳送到寶潔智能商業(yè)決策系統(tǒng)。

圖4 寶潔“數(shù)據(jù)-智慧”決策運行程序

(3)大數(shù)據(jù)驅(qū)動的“人-機”協(xié)同智慧決策。寶潔的智能商業(yè)決策系統(tǒng)就是一個實時數(shù)據(jù)分析決策支持系統(tǒng)，將關(guān)鍵數(shù)據(jù)和可視化的視頻會議整合到一起，分布在全球各地的管理者們在會議室就調(diào)用各種數(shù)據(jù)分析結(jié)果，現(xiàn)場制定決策[39]。整個決策過程是由機器智能分析平臺自動生成數(shù)據(jù)分析報告，數(shù)據(jù)分析師和業(yè)務(wù)部門一起進(jìn)行深入探討，運用各種分析方法，比如對用戶進(jìn)行聚類分析，發(fā)現(xiàn)用戶偏好，進(jìn)一步挖掘用戶的購買行為，從而評估新產(chǎn)品的商業(yè)價值，將數(shù)據(jù)分析視角與商業(yè)實踐進(jìn)行多次討論、迭代，最終生成可執(zhí)行的實踐方案[38]，這是一個“人-機”深度協(xié)同的過程。據(jù)統(tǒng)計，寶潔的中國市場一款新品從決策到上市，只用了4個月時間，且新品成功率高達(dá)90%[注]數(shù)據(jù)來源：依據(jù)品觀網(wǎng)(http://www.pinguan.com/article/content/13596.html)資料整理。，這背后是依據(jù)大數(shù)據(jù)對消費市場的精準(zhǔn)分析，從而洞察消費者的需求，以此作為研發(fā)新品重要的決策依據(jù)。

(4)利用大數(shù)據(jù)的全面風(fēng)險管控與預(yù)警。在方案實施前，利用大數(shù)據(jù)技術(shù)對可能發(fā)生的風(fēng)險和不確定性因素進(jìn)行量化評估；在方案實施中，首先在小范圍內(nèi)進(jìn)行測試，如果通過測試標(biāo)準(zhǔn)，將進(jìn)一步推廣到更大的市場范圍；在方案實施后，由于決策效果需要一定的周期才能顯現(xiàn)，而利用大數(shù)據(jù)技術(shù)進(jìn)行動態(tài)監(jiān)測，更能發(fā)揮大數(shù)據(jù)的優(yōu)勢?？傊?，決策方案的整個實施流程由大數(shù)據(jù)全面管控與預(yù)警，在提高管控效率的同時，能有效降低決策風(fēng)險。

(5)決策效果評價和反饋。寶潔的信息與決策方案部利用大數(shù)據(jù)會追蹤此次決策，結(jié)合決策目標(biāo)對決策效果進(jìn)行全面評估與反饋，這是科學(xué)決策的前提，也是選擇最優(yōu)決策方案的依據(jù)，通過此過程有助提升組織決策能力以及為下次決策提供經(jīng)驗。例如上述案例中，寶潔在獲得新品上市周期大幅縮短并取得很高成功率的反饋后，迅速調(diào)整新品發(fā)布戰(zhàn)略，加快新品上市的速度，根據(jù)市場環(huán)境靈活創(chuàng)新和生產(chǎn)，使創(chuàng)新產(chǎn)品產(chǎn)生更大價值。

五、結(jié)論與啟示

(一)結(jié)論

本研究創(chuàng)新性地提出基于大數(shù)據(jù)的“數(shù)據(jù)-智慧”決策模型，重點討論了決策模型的內(nèi)涵、構(gòu)成要素、決策組織過程、應(yīng)用性條件以及在決策理論上的創(chuàng)新之處，在系統(tǒng)性模型下展示了從數(shù)據(jù)到信息，知識到?jīng)Q策的運行機制和實現(xiàn)路徑。從阿里金融和寶潔的大數(shù)據(jù)應(yīng)用分析發(fā)現(xiàn)，“數(shù)據(jù)-智慧”決策模型提高了決策效率，降低了決策風(fēng)險，使數(shù)據(jù)在決策過程中產(chǎn)生了更大的價值，值得更多的企業(yè)和行業(yè)借鑒。

1.“數(shù)據(jù)-智慧”決策模型提升了組織利用大數(shù)據(jù)的能力。從數(shù)據(jù)到智慧的過程是企業(yè)利用大數(shù)據(jù)能力逐步提升的過程。具體而言，企業(yè)在大數(shù)據(jù)應(yīng)用和管理過程中，所呈現(xiàn)的大數(shù)據(jù)思維、資源整合能力、數(shù)據(jù)挖掘能力、全局洞察與實時預(yù)測能力、機器學(xué)習(xí)能力和傳遞大數(shù)據(jù)的能力逐漸增強，進(jìn)而提升了企業(yè)的創(chuàng)新能力和競爭優(yōu)勢。

2.“數(shù)據(jù)-智慧”決策模型是對“DIKW”模型的轉(zhuǎn)型升級。一方面，“數(shù)據(jù)-智慧”決策模型的核心是數(shù)據(jù)、計算、算法、平臺的有機融合，和小數(shù)據(jù)時代“數(shù)據(jù)-信息-知識-智慧”金字塔模型(DIKW)的應(yīng)用相比，在處理復(fù)雜數(shù)據(jù)、計算能力、算法優(yōu)化、平臺構(gòu)建等方面有全面的提升。另一方面，伴隨著“小數(shù)據(jù)”時代的“隨機樣本”和“因果邏輯”關(guān)系轉(zhuǎn)換為“大數(shù)據(jù)”時代的“全樣本”屬性和“相關(guān)性”關(guān)系，研究問題也從“為什么”轉(zhuǎn)變?yōu)椤笆鞘裁础?，那么“?shù)據(jù)-智慧”決策模型在理論上具備從“大數(shù)據(jù)”中直接獲取“大智慧”的能力，而不再拘泥于“數(shù)據(jù)-信息-知識-智慧”(DIKW)固有的四層研究范式[4]。以上兩方面的提升，為有效處理大數(shù)據(jù)時代的復(fù)雜決策問題提供了路徑，是大數(shù)據(jù)實現(xiàn)價值轉(zhuǎn)化的橋梁。

3.“數(shù)據(jù)-智慧”決策模型有效降低了決策的有限理性。Simon(1947)[40]認(rèn)為在決策過程中由于人的“認(rèn)知有限”和“信息處理能力有限”，從而提出決策“有限理性”的假設(shè)，決策結(jié)果只能追求“滿意解”而不能實現(xiàn)“最優(yōu)解”。但是，在大數(shù)據(jù)時代，能有效地降低決策的有限理性。一方面，面對復(fù)雜的決策環(huán)境和決策信息，人類在沒有更多“認(rèn)知資源”可以依賴的情況下，會越來越依靠機器的智慧決策，因為機器的決策效果更好，機器拓展了人類的認(rèn)知范圍。另一方面，“數(shù)據(jù)-智慧”決策模型能容易完成對數(shù)據(jù)的采集、分析以及處理，有效降低“信息處理能力有限”的困境?；诖?，利用大數(shù)據(jù)驅(qū)動決策的理念，人類的認(rèn)知范圍將會擴大，信息處理能力增強，決策過程將更加合乎理性，甚至接近“全面理性”，決策結(jié)果將趨近“最優(yōu)解”，這在一定程度上克服了“有限理性”的基本假設(shè)[41]，從而提高了決策質(zhì)量。

(二)啟示

大數(shù)據(jù)已經(jīng)上升到國家戰(zhàn)略層面，作為一種創(chuàng)新工具和社會公共資源越來越廣泛地被應(yīng)用在各種公共管理和服務(wù)項目中。為了促進(jìn)大數(shù)據(jù)的戰(zhàn)略發(fā)展，2015年國務(wù)院發(fā)布的《促進(jìn)大數(shù)據(jù)發(fā)展的行動綱要》為指導(dǎo)建立大數(shù)據(jù)中心，更有效地收集、處理、管理數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)潛在價值，全面提升應(yīng)用決策水平。2016年人工智能機器阿爾法(AlphaGo)引發(fā)的人機圍棋大戰(zhàn)受到全世界矚目，將“數(shù)據(jù)驅(qū)動的智慧決策”推上巔峰，人工智能重新崛起。我們國家也在2017年發(fā)布《新一代人工智能發(fā)展規(guī)劃》，在各領(lǐng)域積極部署，將人工智能的地位上升到國家戰(zhàn)略高度。那么在這種背景下，基于大數(shù)據(jù)和人工智能的“智慧決策”將是一個重大的研究課題，這種適應(yīng)時代發(fā)展的決策模式對微觀的企業(yè)決策、中觀的智慧城市建設(shè)、宏觀的政府公共決策具有重要的實踐意義。

1.構(gòu)建大數(shù)據(jù)生態(tài)系統(tǒng)，全面提升企業(yè)智慧決策能力。對于企業(yè)而言，數(shù)據(jù)將是所有企業(yè)創(chuàng)新的源泉，大數(shù)據(jù)作為重要資產(chǎn)和特殊的管理決策支持工具，其價值和重要性已經(jīng)過實踐檢驗，要正確運用大數(shù)據(jù)，一是要重視一線數(shù)據(jù)的積累；二是需要專門的數(shù)據(jù)技術(shù)部門，注重數(shù)據(jù)管理和分析人才的培養(yǎng)，三是根據(jù)業(yè)務(wù)目標(biāo)從海量數(shù)據(jù)中發(fā)現(xiàn)模式和知識，提升業(yè)務(wù)效率，創(chuàng)造新的客戶價值，逐漸形成“數(shù)據(jù)積累-技術(shù)成熟-業(yè)務(wù)應(yīng)用-數(shù)據(jù)積累”的良性大數(shù)據(jù)應(yīng)用循環(huán)結(jié)構(gòu)，最終構(gòu)建適應(yīng)自身企業(yè)發(fā)展的大數(shù)據(jù)生態(tài)系統(tǒng)。在此基礎(chǔ)上，以大數(shù)據(jù)生態(tài)系統(tǒng)為支撐平臺，使用人工智能的機器學(xué)習(xí)方法，進(jìn)行深度分析和實時預(yù)測，從而輔助企業(yè)進(jìn)行生產(chǎn)決策、營銷決策、管理決策、戰(zhàn)略決策等活動，全面提升企業(yè)的智慧決策能力。

2.大數(shù)據(jù)為中心的智慧城市建設(shè)。在智慧城市的數(shù)字化建設(shè)中，大數(shù)據(jù)驅(qū)動是智慧城市建設(shè)的核心，扮演著城市智慧大腦的角色。2017年阿里巴巴提出的城市智慧大腦[注]阿里城市智慧大腦(2017)來源于ET大腦，ET大腦是阿里云研發(fā)的超級智能，具有“認(rèn)知、判斷、決策、學(xué)習(xí)”的智慧能力，其目標(biāo)是在“即時、全量、全網(wǎng)”數(shù)據(jù)支持下實現(xiàn)“最優(yōu)”決策。ET大腦廣泛應(yīng)用在城市、工業(yè)、農(nóng)業(yè)、環(huán)境、航空等垂直領(lǐng)域，針對這些領(lǐng)域阿里巴巴構(gòu)建了ET城市大腦、ET工業(yè)大腦、ET農(nóng)業(yè)大腦、ET環(huán)境大腦、ET航空大腦，從而形成ET大腦生態(tài)系統(tǒng)(資料來源：依據(jù)阿里云網(wǎng)站資料總結(jié)整理)。，將大數(shù)據(jù)能力、人工智能技術(shù)、云計算與行業(yè)相結(jié)合，實現(xiàn)從單體智能到多體智能的技術(shù)跨越，實現(xiàn)“多維感知、全局洞察、實時決策、持續(xù)優(yōu)化”的目標(biāo)，從而在復(fù)雜環(huán)境下快速做出最優(yōu)決定。其背后的原理是以阿里巴巴全域大數(shù)據(jù)為基礎(chǔ)建立起來的高度可依賴的人機智能決策系統(tǒng)。本文結(jié)合阿里巴巴在智慧城市大腦建設(shè)方面的實踐經(jīng)驗以及Gu(2013)[42]在理論層面提出用系統(tǒng)方法思考智慧城市建設(shè)的思路，為進(jìn)一步系統(tǒng)化建設(shè)智慧城市提出如下建議：一是注重與諸如阿里巴巴這種具有大數(shù)據(jù)能力的公司合作構(gòu)建大數(shù)據(jù)綜合平臺，因為現(xiàn)代數(shù)字化智慧城市建設(shè)的重心已由傳統(tǒng)相對封閉的IT系統(tǒng)和信息共享中心建設(shè)，轉(zhuǎn)變?yōu)閷?shù)據(jù)資產(chǎn)的整合、流通、共享以及深度挖掘。二是在著力構(gòu)建大數(shù)據(jù)綜合平臺的同時，需要按照復(fù)雜系統(tǒng)工程的思路，兼顧城市“物理-信息-社會系統(tǒng)”的整體智能建設(shè)[43]。三是各大城市應(yīng)設(shè)立首席信息官統(tǒng)一部署規(guī)劃城市大數(shù)據(jù)建設(shè)，采用綜合集成的系統(tǒng)方法，積極推動跨行業(yè)、跨區(qū)域、跨部門協(xié)作，整合分散數(shù)據(jù)資源，探索“智慧城市大腦”等數(shù)字化城市治理模式。通過以上系統(tǒng)化的改善措施，有望打破信息孤島，實現(xiàn)大數(shù)據(jù)環(huán)境下的智慧決策，大幅提升數(shù)字化城市決策的智慧度。

3.構(gòu)建政府智慧公共決策機制。智慧公共決策是“以大數(shù)據(jù)驅(qū)動為核心，以新一代技術(shù)范式為支撐，以公共利益最大化為目標(biāo)，具有全面感知、客觀透明、實時預(yù)測、自主預(yù)置和多元共治等特征的一種新型的公共決策模式”[29]。結(jié)合目前政府公共決策現(xiàn)狀，在實際的智慧公共決策機制建設(shè)中應(yīng)注重在以下方面改善，一是技術(shù)保障體系層面，充分認(rèn)識包括大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、云計算、區(qū)塊鏈、機器學(xué)習(xí)等新技術(shù)在智慧公共決策中的作用和地位，這些新技術(shù)為決策模型的建構(gòu)與動態(tài)擴展提供了技術(shù)支撐。二是方法論層面，在數(shù)據(jù)科學(xué)的引導(dǎo)下，以大數(shù)據(jù)為核心的第四研究范式給已有的社會科學(xué)研究提供更高的數(shù)據(jù)起點和全新的理論視角[17]，在這種新的方法論面前，要改善傳統(tǒng)公共決策思維、決策過程、決策方式，以適應(yīng)大數(shù)據(jù)時代的決策環(huán)境。三是在實踐層面，加強大數(shù)據(jù)在輿情監(jiān)測、精準(zhǔn)扶貧、醫(yī)療衛(wèi)生、教育文化、社會保障、環(huán)境保護、公共安全、應(yīng)急管理等公共領(lǐng)域的應(yīng)用，實現(xiàn)決策前預(yù)測、決策中控制、決策后反饋的持續(xù)優(yōu)化決策流程，用數(shù)據(jù)驅(qū)動科學(xué)決策，降低決策風(fēng)險，提升政府智慧決策能力。