大数据背景下的商务管理：研究现状与视角

从商务管理在大数据背景下所面临的时代挑战出发,给出了社会化的价值创造、网络化的企业运作、实时化的市场洞察三个重要研究视角.同时,描述了社会化网络环境中的行为机理与社会资本结构、企业网络生态系统及其协同共生机制、大数据环境下的顾客洞察与市场营销策略、基于大数据的商业模式创新等研究方向,讨论了若干重要的研究课题. 【作者】冯芷艳； 郭迅华； 曾大军； 陈煜波； 陈国青

作者简介: 郭迅华( 1976—) ，男，福建厦门人，博士，副教授，通讯作． Email: guoxh@sem. tsinghua.edu.cn
本文综述的素材来自国家自然科学基金委管理科学部“大数据背景下的商务管理”系列研讨． 作者由衷感谢来自于不同学科方向的与会专家的真知灼见和思想贡献! 参与研讨的其他主要学者包括( 以姓氏拼音为序) : 陈剑、陈松蹊、陈宇新、符国群、黄丽华、黄敏学、贾建民、李世波、李一军、毛基业、彭泗清、苏萌、王飞跃、王刊良、王锐、徐菁、徐心、肖勇波、杨德礼、叶强、庄贵军等．

在过去的数年中，信息技术在社会、经济、生活等各个领域不断渗透和推陈出新． 在移动计算、物联网、云计算等一系列新兴技术的支持下，社交媒体、协同创造、虚拟服务等新型应用模式持续拓展着人类创造和利用信息的范围和形式． 全面基于信息和网络的生产和创新模式，正在将人类社会带入“第三次工业革命”时代［1］．

新兴信息技术与应用模式的涌现，使得全球数据量呈现出前所未有的爆发式增长态势［2］． 国际数据公司( IDC) 的数字宇宙研究报告称［3］:2011 年全球被创建和被复制的数据总量超过1. 8ZB，且增长趋势遵循新摩尔定律( 全球数据量大约每两年翻一番) ，预计2020 年将达到35ZB．与此同时，数据复杂性也急剧增长，其多样性( 多源、异构、多模态、不连贯语法或语义等) 、低价值密度( 大量不相关信息、知识“提纯”难度高) 、实时性( 数据需实时生成、存储、处理和分析) 等复杂特征日益显著． “大数据”时代已经到来［4］．

对于大数据的概念，企业和学术界目前尚未形成公认的准确定义． 维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”②; 权威IT 研究与顾问咨询公司Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”③; 美国国家科学基金会( NSF) 则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”④． 尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，但其在数据体量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力，并带来了巨大的产业创新的机遇． 在过去的十余年中，数据挖掘的应用在营销、销售、人力资源、电子商务等各个商业领域广泛开展，并取得了引人注目的成效． 从这种意义上说来，大数据标志着面向数据的研究和应用已超越了起步阶段，步入了成熟和深化的新时期．

大数据包含了互联网、医疗设备、视频监控、移动设备、智能设备、非传统IT 设备等渠道产生的海量结构化或非结构化数据，并且时时刻刻都在源源不断地渗入现代企业日常管理和运作的方方面面． 企业从不断生成的交易数据中获取万亿字节的有关消费者、供应商和运营管理方面的信息; 百万台网络传感器被植入手机、智能电表、汽车以及机械等设备来感应、创造并交换数据; 社会媒体中数以亿计的网民群体的实时交流与内容分享也在大数据的指数级增长过程中起到重要作用; 网民上传的每一秒高分辨率视频图像，都会产生超过单页文本存储内容2 000 倍的字节数据．大数据作为继云计算、物联网之后IT 产业又一次颠覆性的技术变革［5］，必将对现代企业的管理运作理念、组织业务流程、市场营销决策以及消费者行为模式等产生巨大影响，使得企业商务管理决策越来越依赖于数据分析而非经验甚至直觉［6，7］．

目前，大数据的开发与利用已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间．以麦肯锡评估西方产业数据为例，大数据的有效利用将能使欧洲发达国家政府节省至少1 000 亿欧元( 约1 490 亿美元) 的运作成本; 使美国医疗保健行业降低8%的成本( 约每年3 000 多亿美元) ; 并使得大多数零售商的营业利润率提高60%以上［5］． 据市场调研机构IDC 预测，大数据技术与服务市场将从2010 年的32 亿美元攀升到2015 年的169 亿美元，实现40%的年增长率( IT与通信产业增长率的7 倍) ［3］．

近两年来，国内外知名企业( 如Ebay、Amazon、Wal-Mart、淘宝、中国移动和凡客等) 相继推出相应的大数据产品和平台，开展了多种深度商务分析和应用． 例如: 通过分析结构化和非结构化数据促进其业务创新和利润增长; 基于机器学习和数据挖掘方法来管理和优化其库存与供应链，并量化评估其定价策略与营销效果; 通过市场分析、竞争分析、客户分析和产品分析以优化经营决策等． 此外，业界和学界共同组织了一系列以大数据为核心的主题峰会，共同探索大数据的发展与创新⑤．

与此同时，从管理学的角度应用大数据技术以支持商业分析和决策，已经成为商学院教育的热点方向，这个趋势已经在欧美商学院中相继展开． 以数据驱动为主导的金融、市场、战略、营销和运作管理研究和实践指导，将成为未来商学院重点发展的核心领域．

2008 年末，三位信息领域资深科学家( 卡内基梅隆大学的R． E． Bryant、加利福尼亚大学伯克利分校的R． H． Katz、华盛顿大学的E． D． Lazowska)联合业界组织“计算社区联盟( ComputingCommunity Consortium) ”发表了非常有影响力的白皮书《大数据计算: 商务、科学和社会领域的革命性突破》［8］，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身． 随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略; 国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用． 2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的EMCWorld 2011 大会中阐述了云计算与大数据的理念和技术趋势⑥． 同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术⑦; 11 月，由CSDN 举办的中国大数据技术大会在北京成功举行． 大数据在产业界逐渐形成燎原之势．

目前，大数据研究和应用已经成为信息科技领域中的热点［9 － 11］． 世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战． 2012 年3 月，美国奥巴马政府投资两亿美元启动“大数据研究和发展计划”，致力于提高从大型复杂数据集中提取知识和观点的能力，并服务于能源、健康、金融和信息技术等领域的高科技企业⑧; 2012 年4 月，英国、美国、德国、芬兰和澳大利亚研究者联合推出“世界大数据周”活动，旨在促使政府制定战略性的大数据措施⑨; 2012 年7 月，日本推出“新ICT 战略研究计划”，其中重点关注“大数据应用”瑏瑠． 同时，大数据也已引起学术界的广泛研究兴趣．2008 年和2011 年，《Nature》与《Science》杂志分别出版专刊《Big Data: Science in the PetabyteEra》瑏瑡和《Dealing with Data》瑏瑢，从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面讨论大数据处理和应用专题．

综观国内外大数据领域的研究和应用发展现状可见: 1) 大数据相关的研究与应用目前仍然处于起步阶段，学术研究大多局限于宏观层面;2) 基于互联网和社会媒体的企业大数据研究与应用亟需进一步的深入开展; 3) 现有的大数据研究大多立足于信息科学，侧重于大数据的获取、存储、处理、挖掘和信息安全等方面，鲜有从管理学的角度探讨大数据对于现代企业生产管理和商务运营决策等方面带来的变革与冲击的研究．

在商务管理领域，随着大数据的日益兴起和全方位的发展，相关实践和研究均日益呈现出一些具有重要意义的变化趋势． 图1 描述了三个突出视角: 社会化的价值创造，网络化的企业运作，以及实时化的市场洞察．

首先，在大数据的背景下，产品的生产和价值的创造日益走向社会化和公众参与． 随着社会信息产生与传播方式的变化，企业与消费者间的关系趋向平等、互动和相互影响． 由互联网用户创造的信息和数据( user-generated content，UGC) 形成了互联网海量数据的重要来源． 同时，以往“闭门造车”的管理模式正在被摒弃，企业通过与网民群体的密切互动，主动引导网民群体参与其业务流程管理中的创意、设计、生产、质量保证、市场推广、销售和客户关系管理的关键环节，并根据网民群体的互动反馈完成产品优化与创新，实现企业与网民群体的协同发展． 近年来新兴的“众包”模式就是企业与网民群体协同发展的典型案例，并涌现出诸如中搜众包社区、创意功夫网、猪八戒威客网等众包类网站． 例如，加拿大矿产公司GoldCorp 为解决RedLake 矿区的矿脉定位问题，在社会媒体上公开了该矿区1948 年至今的全部地质数据，在短短几周内收到大量网民的积极反馈，并在网民建议的全部110 个矿点中准确地发现了80 多处矿藏．

其次，企业的运作及其生态正在日益地走向网络化和动态化． 现代企业的生产管理与商务决策在很大程度上依赖于社会媒体、网民群体、上下游合作企业以及竞争对手所构成的“网络生态系统”，并逐渐呈现出纵向整合和横向联合的两种新发展趋势． 在纵向整合方面，大规模企业群体以供应链为纽带紧密联系起来，分工协作、互利共生，从而实现供应链向价值链、进而向网络生态链的转变; 在横向联合方面，网络化商务模式改变了企业组织之间的竞争模式，使得地理上异地分布、组织上平等独立的多个企业，在谈判协商的基础上能够建立密切合作关系，形成动态的“虚拟企业”或“企业联盟”． 这种新型组织形式能够实现企业资源的优化、动态组合与共享．

第三，企业对市场的理解和洞察需求正在日益地走向实时化和精准化． 快速积累的海量数据使企业难以及时洞察出有用的信息来作出营销决策，但同时也为企业营销带来前所未有的机遇．在网络条件下，企业能够记录或搜集顾客在各个渠道( 比如社会化、移动化的媒体与渠道) 、生命周期各个阶段( 顾客产品感知、品牌参与、产品购买、购买后的口碑和社会互动) 的行为数据，从而设计出高度精准、绩效可高度定量化的营销策略［12］． 另一方面，随着时代的变迁，消费者异质性也在不断增大，这种异质性体现在消费者在购物、交友、阅读等生活方方面面的兴趣偏好的不同． 大数据为个性化商业应用提供了充足的养分和可持续发展的沃土，基于交叉融合后的可流转性数据以及全息可见的消费者个体行为与偏好数据，未来的商业可以精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的个性化产品和服务．

(续) 研究方向与课题：https://www.scmor.com/view/2221