大数据@@@@：一场管理革命@@

 

　　管理大师戴明@@（W.Edwards Deming）与德鲁克@@（Peter Drucker）在@@诸多思想上都持对立观点@@@@，但@@“不会量化就无法管理@@”的@@理念却是两人智慧的@@共识@@。这一共识足以@@解释近年@@来的@@数字大爆炸为何无比@@重要@@。简而@@言之@@，有了大数据@@@@@@，管理者可以@@将一切量化@@，从而@@对公司@@业务尽在@@掌握@@，进而@@提升决策质量和业绩表现@@。

 

　　看看零售业吧@@。实体店的@@书商们也能追踪图书销路@@，哪些卖掉了哪些还没有@@。如果他们设计了@@“客户忠诚计划@@”，还能将某些图书的@@销售与消费者个人联系起来@@。但@@仅此而@@已@@。而@@一旦购物行为移至线上@@，店主们对顾客的@@了解会相当惊人@@：卖家不仅能追踪顾客买了什么产品@@，还知道他们查看@@了其他哪些产品@@，他们如何浏览网站@@，他们在@@多大程度上被促销活动@@、其他买家对产品的@@评论与页面@@布局所影响@@；卖家还可以@@交叉对比@@个体消费者之间与群体消费者之间的@@相似性等等@@@@。在@@此之前@@，卖家已经开发了一套运算方法@@，推测哪些书目是哪些用户乐意阅读的@@@@—每@@当用户忽略一个图书推荐@@，这种算法就会更优化一步@@。传统零售商是没法轻而@@易举获得这些信息的@@@@，他们的@@销售行为既孤立又盲目@@。所以@@@@，亚马逊把那么@@多实体店踢出局一点也不意外@@。

 

　　关于@@亚马逊那些耳熟能详的@@故事遮蔽了它的@@真正实力@@—这些先天带有数字基因的@@公司@@所能做到的@@事@@，是上一代商业领袖梦寐以@@求的@@@@。但@@实际上@@，大数据@@@@的@@潜力也可以@@帮助传统企业实现转型@@，甚至帮它们获得更好的@@机会提升其竞争优势@@（线上企业一直都知道其核心竞争力来自于@@对数据@@的@@理解力@@）。我们随后的@@讨论会有更多@@细节证明@@，这场大数据@@@@的@@革命远比@@之前的@@@@“数据@@分析@@”要强大得多@@。企业因此可以@@做精准地量化和管理@@，可以@@做更可靠的@@预测和更明智的@@决策@@，可以@@在@@行动时更有目标更有效率@@；而@@且这些都可以@@在@@一直以@@来由直觉而@@不是@@数据@@和理性主宰的@@领域实现@@。

 

　　随着大数据@@@@之工具与理念的@@不断传播@@，许多深入人心的@@观点@@将被撼动@@，比@@如@@经验的@@价值@@、专业性与管理实践@@。各个行业的@@商业领袖都会看清运用大数据@@@@究竟意味着什么@@：一场管理革命@@。

 

　　但@@是@@，伴随商业世界其他一些深刻的@@变革@@，公司@@向@@“大数据@@@@驱动@@”转型必将遭遇巨大的@@挑战@@，它需要公司@@领导层拥有一手的@@数字化能力@@（或者@@，在@@其他一些情况下@@，需要的@@可能是会放手的@@领导@@）。

 

　　有什么新鲜的@@@@？

 

　　企业高管们有时会问@@：“‘大数据@@@@’不就是@@‘数据@@分析@@’的@@另一种说@@法吗@@？”

 

　　二者确实相关@@：和之前的@@@@“数据@@分析@@”一样@@，大数据@@@@运动也力图从数据@@中收集智慧@@，并将其转化为企业的@@优势@@。但@@二者有三个显著差别@@：

 

　　规模性@@：仅就@@2012年@@而@@论@@，每@@天大约@@产生@@2.5艾字节@@（exabytes）的@@数据@@@@，而@@且这个数据@@量每@@@@40个月就翻一倍@@@@。现在@@互联网@@每@@秒钟产生的@@数据@@@@量@@，比@@20年@@前整个互联网@@储存的@@数据@@@@还要多@@。企业因此需要处理单个数据@@集就包含大量拍字节@@@@（petabytes）的@@信息@@，而@@且这些信息还不仅来自互联网@@@@。比@@如@@，沃尔玛每@@小时从其顾客交易中获得的@@数据@@@@量超过@@2.5拍字节@@—1个拍字节@@就是@@1000的@@5次@@方的@@字节@@，等同于@@@@2000万个文件柜所包含的@@文档信息@@。1个艾字节@@是这个量级的@@@@1000倍@@，也就是@@10亿的@@吉字节@@（一个吉字节等于@@千兆字节@@，即@@1GB=1000MB）。

 

　　高速性@@：对于@@很多应用程序来说@@@@，数据@@生成的@@速度比@@数据@@规模更重要@@。实时或者@@近乎实时的@@信息@@@@，能让一家公司@@比@@竞争对手更为灵活敏锐@@。举个例子@@，我的@@同事@@—麻省理工学院媒体实验室的@@阿莱士@@?朋特兰德@@（Alex “Sandy”Pentland）和他的@@团队曾经使用@@来自手机@@的@@位置数据@@推测@@，“黑色星期五@@”那一天有多少人在@@梅西百货公司@@@@（Macy's）的@@停车场停车@@。“黑色星期五@@”是美国圣诞节购物季的@@开始@@，阿莱士团队使用@@的@@数据@@@@让他们提前推算出这关键一天的@@销售量@@—远早于@@梅西百货自己统计出的@@销售记录@@。无论是华尔街的@@分析师或者@@传统产业的@@高管@@，都会因这种敏锐的@@洞察力获得极大的@@竞争优势@@。

 

　　多样性@@：大数据@@@@形式多样@@，社交网站上发布的@@信息@@@@、更新@@、图片@@；传感器上显示的@@内容@@；手机@@上的@@@@GPS信号等等@@@@。大数据@@@@几种最主要的@@来源@@大都是全新的@@@@，比@@如@@来自社交媒体的@@海量信息@@，都跟那些社交网站本身一样@@新@@：Facebook上线于@@@@2004年@@，Twitter于@@2006年@@。同样的@@例子是智能手机@@和其他移动设备@@，它们提供了基于@@人@@、活动与地点的@@海量数据@@流@@。由于@@这些手机@@装置如今无处不在@@@@，人们几乎想不起@@iPhone发布才五年@@时间@@，iPad不过两年@@@@。然而@@@@，公司@@数据@@库虽然存储着海量信息@@，却直到最近还难以@@加工处理大数据@@@@@@。与此同时@@@@，用来计算数据@@的@@所有相关设备@@—存储器@@、内存@@、处理器@@、宽带等等@@的@@成本在@@持续降低@@，这意味着@@，从前昂贵的@@数据@@@@密集型处理手段正迅速地变得经济实惠@@。

 

　　越来越多的@@商业行为正在@@数字化@@，加之全新的@@信息@@源与更便宜的@@设备@@，我们将被这一切带入一个新纪元@@：一个海量数据@@在@@商业世界无孔不入的@@时代@@。手机@@、网上购物@@、社交网络@@、电子通讯设备@@、卫星定位系统@@，以@@及@@在@@这些设备上做最普通的@@操作时附带生成的@@井喷般的@@数据@@@@量@@。我们每@@个人都是一个随时随地的@@数字生成器@@。这些闲置的@@数据@@@@大都是非结构化的@@@@，没有被整理过@@—胡乱丢弃在@@数据@@库中无法使用@@@@。但@@是@@，在@@这些杂乱无章的@@混乱中埋藏着大量的@@信号@@，孤单地等待被解读@@。曾经的@@@@“数据@@分析@@”将严谨的@@技术引入了决策制定@@，而@@“大数据@@@@”让这种严谨决策变得更加简单而@@强大@@。正如谷歌研究主管彼得@@?诺尔维格@@（Peter Norvig）所说@@的@@那样@@：“我们并没有更好的@@算法@@，我们只是有更多@@的@@数据@@@@@@。”

 

 

　　怀疑论者的@@第二个疑问是@@：“有何证据显示@@，明智地运用大数据@@@@能提升公司@@业绩@@？”商业媒体上充斥着各种轶事案例@@，似乎在@@证明大数据@@@@驱动@@带来的@@价值@@。但@@我们最近发现的@@事实是@@，根本没人真正拿出严谨有力的@@证据@@。为了弥合这种尴尬的@@缺失@@，我们在@@麻省理工学院的@@数字商业中心@@（MIT Center for Digital Business）组织了一个团队@@，与麦肯锡的@@商业技术部@@、沃顿商学院的@@同事洛林@@?希特@@（Lorin Hitt）以@@及@@麻省理工学院的@@博士生西克扬@@?金@@（Heekyung Kim）一起合作@@，考察大数据@@@@驱动@@的@@公司@@是否业绩更佳@@。我们对北美@@330家上市公司@@的@@高管进行了结构性访谈@@（structured interview，这是一种对访谈过程高度控制的@@访问@@。访问的@@过程高度标准化@@，即@@对所有被访者提出的@@问题@@，提问的@@次@@序和方式@@，以@@及@@对被访者回答的@@记录方式等是完全统一的@@@@。—译者注@@），调研其组织与技术管理实践@@，然后从年@@报和其他一些独立信息源那里收集它们的@@业绩数据@@@@。

 

　　很显然@@，不是@@每@@家公司@@都喜欢数据@@驱动型的@@决策制定过程@@。事实上@@，我们发现@@，各行各业对大数据@@@@的@@态度和应用方法五花八门@@。但@@是@@，透过所有的@@分析@@，我们发现@@一种显著的@@关联性@@：越是那些自定义为数据@@驱动型的@@公司@@@@，越会客观地衡量公司@@的@@财务与运营结果@@。尤其是@@，运用大数据@@@@做决策@@的@@那些行业前三名企业@@，比@@其竞争对手在@@产能上高@@5%，利润上高@@6%。如果把劳动力@@、资金@@@@、购买服务和投资传统技术的@@投入都纳入计算@@，这些企业的@@表现依然卓越@@。它不仅有统计学上的@@显著性和经济上的@@重要性@@，而@@且也反映在@@其股票估价的@@增值上@@。

 

　　那么@@，高管们是如何运用大数据@@@@的@@呢@@？让我们深入硅谷的@@两家新贵企业去一探究竟吧@@：一家用大数据@@@@开创了新业务@@；另一家用大数据@@@@促进了销售@@。

 

 

　　航空业分秒必争@@。尤其是@@航班抵达的@@准确时间@@：如果一班飞机提前到达@@，地勤人员还没准备好@@，乘客和乘务员就会被困在@@飞机上白白耽搁时间@@；如果一班飞机延误@@，地勤人员就只能坐着干等@@，白白消耗成本@@。当美国一家大航空公司@@从其内部报告中发现@@，大约@@10%的@@航班的@@实际到达时间与预计到达时间相差@@10分钟以@@上@@，30%的@@航班相差@@5分钟以@@上@@的@@时候@@，这家公司@@决定采取措施了@@。

 

　　其时@@，这家公司@@依照航空业的@@惯例@@—由飞行员提供航班的@@预计抵达时间@@（即@@ETAs）。飞行员总是在@@临近机场的@@那段时间内预测何时到港@@，而@@这个过程中还有其他很多事情占用他们的@@时间和注意力@@，干扰其判断@@。为了寻求更好的@@解决方案@@，这家航空公司@@找到了@@PASSUR Aerospace，这是一家专为航空业提供决策支持的@@技术公司@@@@，它从@@2001年@@开始提供一项名为@@RightETA的@@服务@@（意为@@：准确预测航班时间@@），通过搜集天气@@、航班日程表等公开数据@@@@，结合自己独立收集的@@其他影响航班因素的@@非公开数据@@@@—比@@如@@通过自建的@@无源雷达站收集某区域领空内的@@飞机数据@@@@—综合预测航班到港时间@@。

 

　　PASSUR公司@@最初@@只有几处无源雷达接收站@@，但@@是@@时至@@2012年@@，它们已经拥有超过@@155处这样的@@接收站@@。每@@4.6秒它就收集一次@@雷达眼看到的@@每@@架飞机的@@一系列信息@@，这会持续地带来海量数据@@@@。不仅如此@@，公司@@将长期以@@来收集的@@数据@@@@都保存着@@，这样它就拥有了一个超过十年@@的@@巨大的@@多维信息载体@@，为透彻的@@分析和恰当的@@数据@@@@模型提供了可能@@。RightETA的@@核心工作就是回答两个问题@@：“一架飞机在@@抵达机场之前都发生了什么@@？它究竟几点着陆的@@@@？”

 

　　使用@@RightETA服务后@@，这家航空公司@@大大缩短了预测和实际抵达之间的@@时间差@@。PASSUR公司@@相信@@，航空公司@@依据它们提供的@@航班到达时间做计划@@，能为每@@个机场每@@年@@节省数百万美元@@。这是一个相当简单的@@公式@@：大数据@@@@带来更准的@@预测@@，更准的@@预测带来更佳的@@决策@@。

 

 

　　几年@@以@@前@@，美国零售业巨头之一@@—西尔斯控股公司@@@@（Sears Holdings）决定收集其专售的@@三个品牌@@—Sears、Craftsman、Lands’ End的@@顾客@@、产品以@@及@@销售数据@@@@，从这些海量信息中挖掘价值@@。显而@@易见@@，如果能集合并运用这些数据@@定制推销方案给消费者@@，并将地区差别加以@@利用的@@话@@，将给公司@@带来巨大价值@@。价值巨大@@，困难也巨大@@：西尔斯公司@@需要八周@@时间才能制定出个性化的@@销售方案@@，但@@往往做出来的@@时候@@，它已不再是最佳方案了@@。之所以@@@@如此@@，主要在@@于@@这些数据@@需要超大规模的@@分析@@，它们分散在@@不同品牌的@@数据@@@@库与数据@@仓库中@@，不仅数量庞大而@@且支离破碎@@。

 

　　西尔斯集团开始使用@@群集@@（cluster）收集来自不同品牌的@@数据@@@@@@，并在@@群集上直接分析数据@@@@，而@@不是@@像以@@前那样先存入数据@@仓库@@，避免了浪费时间先把来自各处的@@数据@@@@合并之后再做分析@@。这种调整让公司@@的@@推销方案更快@@、更精准@@。

 

　　据西尔斯公司@@的@@首席技术官菲里@@?谢利@@（Phil Shelley）说@@，他们制定一系列复杂推销方案的@@时间从@@8周@@缩短到@@1周@@，甚至还会更短@@。而@@且这些销售方案质量更高@@，因为它们更及时@@、更细致@@、更个性@@化@@。西尔斯使用@@的@@@@Hadoop群集能收集和处理好几个拍字节@@的@@数据@@@@@@，成本却只是普通数据@@库的@@一小部分@@。

 

　　谢利@@说@@@@，他惊讶于@@公司@@能如此轻松地实现这个转型@@—从传统方式升级为数字管理与高效分析@@。西尔斯在@@@@2010年@@开始这一转型的@@时候@@，数据@@管理的@@技术与知识还很少@@，因此与一家叫做@@Cloudera的@@公司@@签订了合同@@。但@@是@@很快@@，公司@@IT部的@@保守派和分析专家们就对新工具和新流程得心应手了@@。

 

　　PASSUR公司@@和西尔斯控股的@@例子展示了大数据@@@@的@@威力@@—它带来更准确的@@预测@@、更高明的@@决策@@、更恰当的@@操作@@，而@@且让这些事情达到一个无边的@@规模@@。当大数据@@@@应用于@@供应链管理的@@时候@@，它让我们了解为什么一家汽车制造商的@@故障率突然飙升@@；在@@客服方面@@，它可以@@持续详细调查和处理几百万人的@@医保状况@@；它还可以@@基于@@产品特性的@@数据@@@@集@@，为在@@线销售作出更好的@@预测和规划@@，等等@@。大数据@@@@在@@其他行业的@@应用也同样成效显著@@，无论金@@融业@@、旅游博彩业还是机械维修@@；在@@市场推广@@、人力资源管理方面也有极大的@@功用@@。

 

　　我们的@@数据@@@@分析@@显示@@，上述所见绝不是@@星星点点的@@个案@@，而@@是一次@@根本性的@@经济转型@@。我们确信@@，大数据@@@@运用带来的@@这一转型已经触及了商业活动的@@方方面面@@，没有谁能置身其外@@。

 

 

　　大数据@@@@的@@技术挑战显而@@易见@@@@。但@@其带来的@@管理挑战更为艰巨@@—这要从高管团队的@@角色转变开始@@。

 

　　高价智囊请闭嘴大数据@@@@最至关重要的@@方面@@，就是它会直接影响企业怎样做决策@@@@、谁来做决策@@@@。在@@信息有限@@、获取成本高昂@@、且没有被数字化的@@时代@@，让身居高位的@@人做决策@@是情有可原的@@@@。因为他们拥有多年@@累积的@@经验@@，并将观察到的@@商业模式和组织内部关系内化到了自己的@@思维与行为中@@。我们可以@@给这种决策者和决策过程贴个标签@@@@：直觉主义@@。这些人描绘的@@未来蓝图@@—会发生什么事情@@、事情该怎样解决@@、因此该如何做规划等@@—全部基于@@他们的@@个人观点@@@@。（请参见本期文章@@《你的@@成功可以@@测量@@》。）

 

　　尤其那些做重大决策的@@人@@，都是组织内典型的@@位高权重的@@人@@，要不然就是高价请来的@@拥有专业技能和显赫履历的@@外部智囊@@。大数据@@@@领域的@@人认为很多公司@@仍然维持着这种方式@@—依赖@@“HiPPO”做决策@@。所谓@@HiPPO，就是那些高薪人士的@@观点@@@@（the highest-paid person's opinion）。

 

　　的@@确有一些资深高管忠实于@@数据@@@@，一旦数据@@否定了他们的@@直觉@@，他们会抛弃个人观点@@@@。但@@是@@我们相信@@，在@@今天的@@整个商业世界中@@，人们仍然更多@@依赖@@个人经验和直觉做决策@@@@，而@@不是@@基于@@数据@@@@。我们在@@研究中设计了一个@@“五点复合标尺@@”，用来测量一家企业究竟在@@多大程度上是数据@@驱动型的@@@@。32%的@@回应者认为他们的@@公司@@只具备其中的@@一两点或两三点@@。

 

　　让数据@@做主有志于@@引领企业实现大数据@@@@转型的@@高管们@@，可以@@从两个最简单的@@技巧开始@@。首先@@，要养成习惯问@@：“数据@@怎么说@@@@？”每@@当遇到重大决策的@@时候@@，要紧跟着这个问题进一步问@@：“这些数据@@从哪儿来的@@@@？”“这些数据@@能得出什么分析@@？”“我们对结果有多大信心@@？”（员工能从高管的@@这种行为中迅速接收到信息@@。）其次@@@@，他们要允许数据@@做主@@；当员工看到一位资深高管听任数据@@推翻了他的@@直觉判断@@—这将是改变一家公司@@决策文化的@@最大力量@@。

 

　　在@@确认哪些问题需要解决的@@阶段@@，毫无疑问@@，专业技能仍然至关重要@@。传统领域的@@专家@@，因为对所在@@行业的@@深刻理解@@，可以@@清楚地识别机遇与挑战@@。比@@如@@PASSUR公司@@一直极力从全美主要的@@航空公司@@挖人@@，越多越好@@。因为拥有丰富的@@航空业运营知识@@，在@@PASSUR寻找下一个市场机会的@@时候@@，这些人的@@价值不可估量@@。

 

　　随着大数据@@@@运动的@@推进@@，这些传统领域的@@专家@@也会转变角色@@。他们的@@价值不在@@于@@提供类似那些高薪人士的@@@@“直觉主义@@”的@@答案@@，而@@在@@于@@他们善于@@发现真问题@@。“电脑有什么用呢@@？它们只知道给答案@@。”当天才画家毕加索这么说@@的@@时候@@，他一定很怀念那些传统领域的@@专家@@@@。

 

 

　　大数据@@@@转型并不是@@万能的@@@@，除非企业能成功应对转型过程中的@@管理挑战@@。以@@下五个方面在@@这一过程中尤为重要@@。

 

　　领导力那些在@@大数据@@@@时代获得成功的@@企业@@，并不是@@简单地拥有更多@@或者@@更好的@@数据@@@@@@，而@@是因为他们的@@领导层懂得设计清晰的@@目标@@，知道自己定义的@@成功究竟是什么@@，并且找对了问题@@。大数据@@@@的@@力量并不会抹杀对远见与人性化洞察的@@需求@@。相反@@，我们仍然需要这种领导者@@—他们能抓住某个绝好的@@机会@@、懂得如何开拓市场@@、用自己的@@创意提供那些相当新奇的@@产品和服务@@，并且巧舌如簧地勾勒出一幅激动人心的@@前景@@，说@@服下属们激情澎湃地为此拼命工作@@，最终成功赢得顾客@@。未来十年@@获得成功的@@企业@@，其领导者必然具备以@@上特质@@，与此同时@@@@推进了公司@@决策机制的@@转型@@。

 

　　人才随着数据@@越来越廉价@@，实现大数据@@@@应用的@@相关技术和人才也变得越来越昂贵@@。其中最紧迫的@@就是对数据@@科学家和相关专业人士的@@需求@@，因为需要他们处理海量的@@信息@@@@。统计学很重要@@，但@@是@@传统的@@统计学课程几乎不传授如何运用大数据@@@@的@@技能@@。尤其需要的@@能力是将海量数据@@集清理并系统化@@，因为各种类型的@@数据@@@@很少是以@@规整的@@形态出现的@@@@。视觉化工具和技术的@@价值也将因此突显@@。随着数据@@科学家的@@涌现@@，新一代的@@电脑工程师必须能够处理海量数据@@集@@。而@@设计数据@@试验的@@技能@@，则会非常有助于@@弥补数据@@呈现的@@复杂关系与因果之间的@@鸿沟@@。除此之外@@，那些最优秀的@@数据@@@@科学家还需要掌握商业语言@@，帮助高管把公司@@面临的@@挑战变为大数据@@@@可以@@解决的@@形式@@。毫无疑问@@，这类人才炙手可热@@，很难找到@@。

 

　　技术处理海量@@、高速率@@、多样化的@@大数据@@@@工具@@，近年@@来获得了长足的@@改进@@。整体而@@言@@，这些技术已经不再贵得离谱@@，而@@且大部分软件都是开源的@@@@。Hadoop，这个目前最通用的@@平台@@@@，就整合了实体硬件和开源软件@@。它接收涌入的@@数据@@@@流并将其分配至很便宜的@@存储盘@@，同时@@它也提供分析数据@@的@@工具@@。尽管如此@@，这些技术需要的@@一整套技能对大部分企业的@@@@IT部门来说@@都是全新的@@@@，他们需要努力将公司@@内外所有相关的@@数据@@@@都整合起来@@。只有技术远远不够@@，但@@技术是整个大数据@@@@战略中不可或缺的@@部分@@。

 

　　决策一家高效的@@公司@@通常把信息和相关的@@决策权统一在@@一起@@。而@@在@@大数据@@@@时代@@，信息的@@产生与流通@@，以@@及@@所需人才都不再是以@@往那样了@@。精明的@@领导者会创造一种更灵活的@@组织形式@@，尽量避免@@“自主研发综合症@@”，同时@@强化跨部门合作@@：收集信息的@@人要提供正确的@@数据@@@@给分析数据@@和理解问题的@@人@@，同时@@，他们要和掌握相关技术@@、能够有效解决问题的@@人并肩工作@@。

 

　　文化大数据@@@@驱动@@的@@公司@@要问自己的@@第一个问题@@，不是@@“我们怎么想@@？”而@@应该是@@“我们知道什么@@？”这要求企业不能再跟着感觉走@@。很多企业还必须改掉一个坏习惯@@：名不副实的@@大数据@@@@驱动@@@@。我们发现@@很多这样的@@企业@@，最常见的@@表现是@@，高管们明明还是按传统方式做决定@@—以@@HiPPO，那些高薪人士的@@意见为主@@，却拿出一份香艳的@@数据@@@@报告支撑自己的@@决定是多么英明@@。其实那不过是分配下属四处寻找的@@专为这个决定做辩护的@@一堆数字@@。

 

　　毫无疑问@@，成功的@@路上荆棘密布@@。数据@@科学家不够多@@；技术不只新@@，甚至新奇@@；把各种关联当作因果关系@@，由数据@@得到误导性的@@模式@@；文化转型的@@挑战更是艰巨@@，比@@如@@，对隐私的@@关切已经越来越突出@@。但@@是@@，大数据@@@@在@@技术和商业领域的@@卓越表现势不可挡@@。

 

　　证据一目了然@@：大数据@@@@驱动@@下的@@决策更高明@@。高管们要么拥抱这一现实@@，要么卷铺盖走人@@。在@@各个领域中@@，企业只有找到将数据@@科学与传统技能完美结合的@@方式@@，才能打败对手@@。我们不能说@@@@，所有的@@赢家都会将大数据@@@@用于@@其决策制定@@。但@@数据@@告诉我们@@，这样确实胜算最大@@。

 

　　（来源@@/哈佛商业评论@@ 作者@@/安德鲁@@·麦卡菲@@、埃里克@@·布林约尔松@@）