摘要
基于数据分析对管理的重要性，在《孙子兵法》中已有深刻的认识：“夫未战而庙算胜者，得算多也。”数据始终贯穿在管理的计划、组织、领导、控制和创新中。在进入大数据时代后，如何更好地利用信息爆炸时代产生的海量数据为管理服务，和利用数据创造财富是不可回避的命题。管理决策日益基于数据和分析而作出，而并非基于经验和直觉，对企业正确的制定发展计划与合理安排企业资源有重要的意义。其中预测在企业中有重要的意义，在大数据时代，预测的准确度或许能够更上一个台阶，将促进企业健康发展。
关键字：大数据；管理；预测
一、大数据时代的特点
从古至今，从未有一个时代出现过如此大规模的数据爆炸。信息技术的发展，互联网的普及，随之而产生的数据也呈现爆发性增长。
（1）到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB，而过去两年产生的数据占人类历史数据总量的90%。
（2）到2006年，全世界的电子数据存储量为18万排字节，如今这个数字已达到180万拍字节，短短时间内已经增长了一个数量级。根据预测，2015年这个数字甚至会达到800万拍字节的规模。
大数据时代的典型特点就是预测变得更为精确。Albert-László Barabási 提出：人类93%的行为是可以预测的。目前人类的数据处理能力在庞大的数据量面前还是太渺小，当数据处理能力的提升足以克服这一切后，混沌理论是否会黯然失色呢，一切都将变得清晰起来，偶然性也将因为盖然性变得不那么模糊？或许人类处理能力提升的速度远远都无法赶上数据的增长速度，混沌理论也将一直伴随着人类的发展。但不可否认的是，即使是现在的处理能力，大数据也能极大地提升预测的精准度。
二、大数据视角下的预测
预测对企业的各项职能活动包括采购原材料、扩充机器设备、补充人员等需要依据市场进行调整的活动有重要意义。预测是整个企业系统的重要输入和依据，具体地将，其重要性可以从以下几个方面来考虑：
（1）对于战略部门而言，预测可以提供决策的依据；
（2）对于销售部门而言，为补充销售人员提供依据；
（3）对于成本会计而言，预测可以为预算和成本控制提供依据；
（4）对于采购部门而言，便于采购部门制定制定准确的采购计划，以降低总的生产成本；
（5）对于生产计划和控制部门而言，预测是企业编制生产计划的基础，是生产计划编制的主要输入；
（6）对于研发部门而言，新产品的预测可以为设计提供参考，根据对市场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力；
……
其中，概率论在预测中有不可替代的作用，当中的泊松分布P(λ)是在概率论中常用的一种离散型概率分布，由于其适合于描述单位时间（或空间）内随机事件发生的次数，因此泊松分布在管理科学，运筹学以及自然科学的某些问题中都占有重要的地位。例如，在企业战略制定以及物料需求分析等方面有极大的应用空间。当然，泊松分布在处理自然科学领域内的问题有更突出的成果，如某放射性物质发射出的粒子、显微镜下单位分区内的细菌分布数等。
(k=0,1,2,…)
但在大数据时代，泊松分布对人类社会的预测有极大的提升空间。在数据不够充沛的情况下，泊松分布在预测人类社会的事件时，事件的可预测性与偶然性是等同而视的。人具有主观能动性，从表面上看增大了预测了难度，但是在大数据的视角下，人的活动其实有极大的可预测空间，偶然性对人活动的影响是相对来说小得多的影响因素。我们不能忽视的一点是：每个人都是习惯的奴隶。在泊松分布的应用中，对某电话交换机收到的呼叫，来到某公交汽车站的乘客，是假设以固定的平均瞬时速率λ随机且独立的出现，这其实是值得商榷的，因为按照这样的假设就出现上班高峰等现象的概率是极低的，但高峰每天按时按点地出现。上班高峰只要经过一天的观察我们便可以准确的得出，也就是一天的数据量足以成为常量。而大数据的意义就在于在经过整理处理大量数据后，那些本难以察觉的现象规律可以为我们所发现，使它从一个变量成为常量。《爆发》中指出：“偏离了随机性通常意味着某种基本规律有待人类发现”是深刻的概括，说明预测的不准确性往往说明事件并非是随意性的。因为在预测时，将各种无法一时明了的因素都作为随机变量，而结果的不准确也恰恰说明了其中的一些“变量”自有其韵律。大数据的典型特点就是区分可预测性与偶然性的事件，提升预测与管理水平。
合理而充分地运用大数据来提升预测水平、管理水平是在进入大数据时代后所必须面对的。信息时代的竞争，不是劳动生产率的竞争，而是知识生产率的竞争。数据是信息的载体，是知识的源泉。基于知识的竞争，将集中表现为基于数据的竞争，而这种数据的竞争将成为经济发展的必然。这种竞争要求公司制定流线型的商业过程，各个过程之间必须无缝隙、无摩擦地对接，保证每一个商业决策明智、正确，在竞争的过程中不犯错误。一家企业要做到这些，必须广泛地推行以事实为基础的决策方法。在战略层面，大量使用数据分析来预测制定企业发展计划；在运营层面，通过数据分析来优化企业的各个环节，激发每一分潜在的价值，从而节约成本，战胜竞争对手。
三、大数据与战略趋同
现在，各种战略分析模型以及深入到企业的战略制定中，包括：战略框架、基准化分析法、SWOT分析法、波士顿（BCG）矩阵法、GE矩阵法、价值导向模型等等。随着各种模型不断地被应用，虽然这些看似差异的模型，却都指向合理地制定计划，这不可避免地出现了一个现象：战略趋同。产生的原因不外这些：
其一，表现为领导层的“从众“心态和追求“不会错”的心理。在产业鼎盛时期，战略趋同自然无可非议——谁能抵挡市场良机的诱惑呢？而在产业低潮时期，战略受挫也也很好找到理由——大家都错了！
其二，参与和影响战略制定的经理人和咨询顾问体系和思维模式的同一化。我们现在的管理理论和教育正日益成为一种参与市场交换的商品，而在形式差异化的外衣下该商品的核心正不断被标准化。
其次，战略趋同是企业间竞争的结果——成功的模式广泛学习和标杆管理的使用。成功案例所产生的强大感召力自然吸引其他企业的广泛学习。“案例驱动”知识体系下的咨询公司又把“成功模式的复制”推上了顶峰。
最后，稳定性和确定性更加脆弱的经营环境也是促成战略趋同的因素之一。中小企业更是“机会导向型”战略的崇拜者，他们的目标很简单，就是抓住短期机遇，实现成长。对于短期机会的追逐便是多变市场环境下促成战略趋同的一个重要原因。
总的来说，战略趋同必将由于丧失差异化而使竞争激烈化，从而削弱行业平均收益率，随之而来的就是优胜劣汰。但胜败的结果有很大不确定性，多因素同时影响着最终胜利者的产生，“先发优势”和“铺路石效应”所带来的大量截然相反的案例使战略的倡导者和跟随者都没有十足的把握。倡导者凭借先发优势，抢先在目标市场和用户心目中建立差异化的现象，以期在进入者到来前形成足够的壁垒和竞争优势。另一方面，战略的学习者在牺牲了先机和主动的情况下也减少了判断错误和迷路的风险，并且能在先行者的结果中学习经验和修正错误。一旦战略创新有误，先行者敲响了警钟并了大部分学习成本，而后来者也容易抽身而出。即便先行者实现局部成功，跟随者也有机会从中取长补短，展开更有力的挑战。
在种关键的情节下，不论是先行者还是跟随者谁能快速地响应需求谁才能从中胜出，此时此刻的每一决策都直接影响企业的发展：作为先行者，稍有迟钝，先行优势将不复存在，并将为此支付巨大的研发成本和新产品推出时的宣传费用；作为跟随者，能够敏捷地发现新的契机并分得一杯羹将实现企业的跨越式发展。两者是利益相互对立的双方，高度信息化的现代商业社会，他们的竞争将更加激烈。
但大数据时代是两面的，加剧竞争的同时，透过大数据也使决策更加精确，能以从前无法想象的速度快速响应需求。利用大数据，先行者的战略决策能够极大地接近实际，在第一波就推出符合市场需求的产品而非仅仅作为先行者为其他企业开拓新的领域自己却倒下了。跟随者在这样的时代拥有极大的优势，充分利用信息能快速发现商机，但在众多的跟随者中，如何快速判断新产品的是否拥有前景，是否跟进到新产品的生产中去，企业能够凭借大数据能在极短的时间内做出正确判断。
在对外部环境进行的分析和判断以确定战略决策时，有效的市场分析和预测是科学决策的前提。企业战略决策所需要的主要外部信息包括：主要产品市场容量及未来增长、竞争对手市场占有率和竞争力、消费者群体及消费力、进出口情况；投资情况、技术革新、政策及经济社会环境信息等等。企业做决策必须要做市场调研。但市场调研也好，统计数据也好，都有人为因素。只有大数据，加上分析技术，才可能是接近市场真实信息。大数据和市场调研相互印证，更能提高决策的正确概率。
此时企业内部的数据量是远远不够的，如何借助外界力量显得十分重要。比如百度已初步形成一个海量知识数据汇集、互动与共享体系，为知识提供、搜索、分享、利用创造了高效率平台，通过海量离散知识提供者和海量知识需求者相匹配，改变了学习活动的时空限制，大大降低了成本。利用百度大数据，或可解决决策信息的部分问题。但是，如何充分利用这些数据也是一个严峻的考验，企业扔掉的数据比收集使用的数据多得多。据国外报告显示，多数企业只用到了收集到数据总量的0.5%来进行决策。但对数据的低效率利用反而带来了巨大的商业机会，“目前有些公司已经开始重新回收数据进行分析，然后再卖给其他企业。”国内已经出现了一些以提供专业数据服务为主的智库，解决企业决策所需的外部数据服务问题，像中经网、万德资讯、新华08等。
四、大数据在企业管理中的具体应用
1、真正实时的了解客户
在过去，企业普遍通过采用小组和调查问卷的方式找出我们的客户在哪里。而当调查结果总结出来时，结果往往已经是过时的了。而利用大数据，这种状况将不再发生。大数据能够帮助企业完全勾勒出其客户的DNA。充分了解客户是有效的与客户达成生意合作的关键。当然，企业要确保客户的隐私不受威胁，大数据可以为企业提供针对个体客户的十分个性化的见解。使用互连的社交媒体数据、移动数据、网络分析和其他数据分析，企业可以充分了解每一位客户，实时的知道他们想要什么，以及何时想要。
真正了解客户，意味着可以结合客户的个性化特点，给出有针对性的建议或显示广告。亚马逊已然将这一点做到了极致，他们为客户推荐的产品绝不是一个巧合。亚马逊的推荐引擎完全是基于客户在过去一段时间的购买行为所做的：客户的购物车中所收藏的商品、客户喜欢的商品、其它用户浏览或购买的商品。亚马逊使用的该算法，为每位客户定制了专属的个人主页。利用该策略是：该公司在其第三财政季度期间销售增长27%，达到了131.8亿美元，而去年同期的销售额则为96亿美元。
2、企业共同创建、实时改进和创新产品
大数据分析可以帮助企业更好地了解客户所想要的产品。通过从社会媒体和博客上收集人们如何评价某款产品，能够为企业提供比传统的问卷调查更多的信息。特别是当这些信息是实时收集到的，企业可以立即有针对性的对可能存在的问题做出改进。这样不仅可以很好的评估您的产品，同时还能够收集到不同人口群体或不同的地方的人对于某款产品的评价。
大数据还可以帮助企业运行同时进行数以千计的实时模拟，测试新产品或改进的数字化产品。利用可扩展的计算机电源，结合仿真算法，可以在同一时间运行和测试成千上万的不同的变化。每个设计只需一点点的调整，仿真程序可以结合所有的小改动，显示一款产品的改进。
互联网线下产品，如果知道如何操作和执行的责任，也可以利用大数据进行改进和创新，如汽车。福特公司便在硅谷开设了一件实验室进行汽车产品的改进研发。为了提高汽车的质量、减少燃油消耗、提升安全性能、减少排放，福特公司收集了超过400万辆汽车的数据，包括汽车传感器和远程应用程序管理软件。所有的数据都是实时的，允许工程师实时分析问题，了解并掌握汽车在不同的道路和天气状况、以及任何其他因素影响下的行驶状况。
3、确定企业面临的风险有多大
确定企业所面临的风险是今天企业业务的一个重要方面。为了确定一个潜在的客户或者供应商的风险，需要对客户或供应商进行特定的归类，每位客户或供应商都有自己的风险水平。更多的时候，如果客户或供应商被归类到一个错误的类别，无疑将导致错误的风险。一个风险太高的配置文件没有所带来的害处反倒不是很大了，除了让您的企业失去营收收入;但过低的风险，有时可能使您的企业遭受严重的损害。利用大数据可以针对每位客户或供应商过去和现在的实时数据有针对性的确定风险类别。
特别是在保险业，预测分析可以用来确定一个客户在未来可能花费多少钱。可以帮助保险公司以最为正确的价格在最为恰当的时间、地点为客户提供最为恰当的保险产品，以确保降低索赔成本和避免顾客欺诈骗保行为。利用大数据技术，如模式识别、回归分析、文本分析、社会数据聚集和情感分析(通过自然语言处理或监控社会媒体)360度无死角的考察一位潜在的客户。这种整体的分析可以显著的降低风险。这样一个360度的分析，当然也可以被用来确定一个新的或现有的供应商的潜在风险。这项任务对于许多金融机构来说，可谓是未来几年工作的当务之急。
4、个性化网站、并针对个人客户提供实时的定价
企业曾经采用劈裂试验(split-test)和A/B测试以确定客户的最佳布局。利用大数据，将永远改变这一过程。网络数据可以实时地分析。这将使企业有一个流体系统的外观，感觉和布局变化，反映多种影响因素。可以收集每位客人所希望的网站需求，进而为其专门定制一个网站。客户一个星期或一个月后再次访问，可能会看到一个根据其之前的人性化要求所专门定制的完全不同的网站。
大的数据也会对价格产生影响。其可能会为电子商务中的收益管理带来全新的意义。Orbitz尝试利用大数据，向苹果用户显示的酒店价格比PC用户更昂贵。Orbitz发现，较之PC用户，Mac用户平均一晚的酒店花费要贵20美元到30美元。
使用算法，还可以帮助企业针对市场上竞争对手的市场策略进行实时的反应并调整价格。企业已经开始使用大数据来提供个性化的在线服务，满足个性化的需求，同时也享受到了销售和利润的增长。
5、改善服务支持客户
利用大数据，可以远程监控机器，查看机器的运行情况。使用远程信息处理，能够对机器的各个不同部分进行实时监测。数据将被发送给制造商，进行实时的存储分析。每个振动、噪声或错误均会自动检测，当算法检测到正常运行的偏差，服务支持将发出警告。机器甚至可以安排在机器不使用时自动维护。当工程师来维修机器时，他可以利用所有可获得的信息准确的知道应该进行哪些维修工作。一个很好的例子便是已经使用远程信息处理，提高运算效率。
6、通过利用自己企业的数据和公共数据寻找新的市场和新的商业机会
政府部门越来越多的利用各种政策来刺激企业利用和收集大量开放数据。在2011年，欧洲联盟举办的公开数据挑战。这是欧洲最大的开放式数据竞争，激发创业者利用政府部门的大量的开放式数据做出创新的解决方案。荷兰政府将重点放在积极促进文化数据的再利用和企业编程马拉松(hackathon)来创造新的解决方案。
此外，企业可以使用大数据发现顾客尚未提出的需求。通过分析企业已经掌握的数据模式和/或回归分析，会发现客户尚不知道他们自己的需求和愿望。大数据也可以帮助企业发现在哪个市场推出首款产品，或哪里放置产品。丹麦的一家能源公司维斯塔斯风力系统使用大数据和分析，找到了世界上最好的使用风力涡轮机的地方。
7、更好地了解竞争对手，更重要的是，行动在对手之前
所谓知己知彼，百战不殆。充分了解竞争对手，分析竞争对手当下的状况，将帮助提供一个有价值的开端。使用大数据分析算法能够找出竞争对手产品价格的变化，从而自动改变自己的价格以及保持竞争力。也可以监测竞争对手的其他行为：如自动跟踪对手的新产品或促销活动(市场如何反应)。这么多的数据对于企业和竞争对手来说都是开放的数据，因此竞争对手自然也可以跟踪到自己企业的数据。
8、更有效地组织企业以节省资金
通过分析企业所掌握的所有的数据，可以发现其实能更好地组织企业各个部门。特别是使用新的大数据源，可以使供应链中的物流业可以变得更高效。卡车内的电子车载录像机可以告诉我们他们在哪里、如何快速驱动传感器和射频标签等，拖车和分销的帮助负载的卡车更有效地结合道路状况、交通信息和天气条件以及客户的位置，进行运送，可以大大节省您的时间和金钱。
上述用例仅仅只是大数据的巨大潜能的一小部分。这些例子也同时表明了利用大数据有无穷的机会。“大数据存在着巨大的商业价值，但目前大多数数据都被浪费了。” 每家企业都有不同的需求，并且需要采用不同的大数据分析方法。
五、大数据时代的先行者
需要指出的是，中国在大数据领域已经相对落后，当国内还在热衷于云计算的时候，全球领先的IT企业们已经开始把注意力转向云计算背后的大数据。“大数据比云计算更重要”的判断也许有点夸张，但是可以肯定的是：云计算不单是提供云存储等IT基础架构服务，大数据的处理更是其核心与关键。