文之类 系列文章
关于大数据：⑩ 啥过程？
商业时尚落地后会显得很普通，因此无论大数据被说的多么好听，最后的样子一定与现在所设想和想像的不同。20 年前，人们想像中的办公自动化十分高大上，现在没人会觉得办公自动化有什么了不起，而且也远不如当初想像的那般秩序井然，各机构都只是根据自己的需要选择了办公自动化的部分设想，然后就那样用着了。大数据运动的构想虽然逻辑层次分明，但现实中的大数据却在混乱中按最便宜的方式逐渐具现化。
关于大数据：⑨ 注意啥？
经过多年经管科班训练和学术研究后，我对商业理念和经济思想的态度从崇敬变为到跟随，再到现在的慎重。学术领域内的竞争产生了很多含义相似却名称不同的概念，这些理论概念从范式、逻辑、视角上来看似乎确有差异，但其目的和实效却有颇多值得玩味之处。我不敢说理论没有意义，毕竟哈耶克、凯恩斯、马克思的理论都对人类社会产生了深远的影响，但我始终想不明白现今学术文献中摆置的各种繁复的概念框和连线到底有何意义，变量间零点零几的相关到底能说明什么问题？一边是学术研究花着国帑自娱自乐，一边是经管实践摸着石头自给自足。相信做过学术研究的人都曾经有为了熟悉某个概念连续阅读数月相关文献的经历。我在这种大强度阅读中收获的叹息和愤怒远多于喜悦和激动：那些概念和逻辑上的细微差异，在现实面前其实真的无关紧要。能影响生活和现实的在宏观层面是思想所启迪的群体方向，在微观层面是研究过程中摸索出来的实施指导和操作细节。
关于大数据：⑧ 做啥事？
尽管听起来大数据实施不易，分析变革要求的人才难得，但事在人为。Davenport 在 2005 年调查的 32 家公司，其中 11 家已将分析作为其关键战略之一，而且已将分析纳入企业层级的活动并组织了多项涉及复杂数学和统计的分析项目。我自己也听到和见到不少国内创业公司已在借助大数据博取竞争优势，广告业的先驱也在试水大数据分析，虽然大多是在考虑如何精确打击到客户群，但也确实将大数据概念落到了实处。此外还有惠普这样的传统企业，通过多年积累建立起了基于分析模型的库存管理制度。只不过这些企业没有将分析放在企业层面，而只是在业务层面利用分析获取优势。
关于大数据：⑦ 啥要点？
IT 领域的每一次商业运动都伴随着一定程度的自动化。从早期的行政工作（办公自动化）到后来的工程设计（CAD）、工程制造（CAM）、物料管理（ERP）、客户管理（CRM）、消费活动（电子商务），再到现在的商业决策（大数据）。每次商业运动也都会或多或少地留下一堆名企沉浮的案例和英才发家的故事，就像现今活跃在各大媒体头版头条、在电子商务运动中崛起的明星企业家们。
关于大数据：⑥ 啥目的？
我得承认我提 Davenport 提的有些多，一方面是因为教授是领域的权威，另一方面是因为我看到教授的文章时很有挫败感。我看到大数据概念时立刻想到其关键是“分析变革”，还来不及得意就发现 Davenport 许多年前就已经讨论了分析作为企业核心能力的昨天、今天和明天。2005 年，Davenport 在 Babson 组织了一个调查项目，分析“分析”在企业中的应用情况，调查的主要结论以 Competing on Analytics 之名发表在次年一月的 HBR 上，同年 Davenport 又与埃森哲研究总监 Harris 合著出版了同名著作。虽然当时讨论企业从数据分析中获利的文章和专著也不少，但将“分析”变成商业时尚却与 Davenport 的这些工作分不开。
关于大数据：⑤ 啥人做？
就大数据概念目前的流行状况来看，完全够格称为“商业时尚（business fashion）”。商业时尚是一种商界的集体信仰，认为某种商业技术是商业发展前沿。根据商业时尚理论，任何一场时尚都会经历创造、加工、推广和实用等阶段。对于正处于推广期的“大数据”概念而言，想像的内容存在脱离实际的情况不可避免，比如 Davenport 描述的数据科学家。
关于大数据：④ 要啥人？
组织变革通常需要围绕某类人群展开，比如 80 年代的质量管理（QC）运动以一线经理为焦点，90 年代的战略性人力资源管理（SHRM）运动以 HR 部门为核心。HBR 大数据专题的第三篇文章提出分析变革的灵魂人物是“数据科学家（data scientist）”。这个新职业名被挖坑无数的 Davenport 教授这般高调的刊出后，LinkedIn 上众多分析员立刻欢欣雀跃地将名字下的描述从 Analyst 改为了 Data Scientist。我觉得这样直接改太张扬，于是两个描述都保留了。不过数据科学家究竟是些啥人？
关于大数据：③ 做些啥？
IT业是个话题不断，热点大旗频繁变换的领域。一个又一个名词，一浪一浪地拍过来，想不湿身都难。在其他行业也开始沾染这种品质的同时，IT 业开始给每个还没弄明白怎么做的时髦名词谨慎地贴上“炒作”标签。“大数据”虽然可以让每个人立刻有直观的理解，但 McAfee 等的调查发现虽然采用大数据和分析的公司，生产率和盈利率都比竞争对手高出 5% 左右，但大部分公司不晓得如何让“大数据”概念落地。
关于大数据：② 啥特点？
谈及大数据的特点，目前的共识是 3V，即更高（volume）、更快（velocity）、更多（variety）。事实上这三个特点对传统数据和大数据的区分只能看作定性描述。因为细论起来，很难说清楚数据量多大才算大？数据类型多多才算多？数据更新多快才算快？说简单点，3V 的意思就是传统数据和大数据的区别如同缓缓流淌的溪水和迸流而下的山洪。这能描述两者的差异，却无助于把握本质。
关于大数据：① 这是啥？
大数据（Big Data）是个我很不喜欢的词，因为常让我不知所措。这个词很简洁，每个人第一次看到时都能生出某种联想，概念直观有力；这个词也很简陋，每个人产生的联想又都不同，想和他人聊聊想法，得先讨论半天概念内涵，结果是讨论地精疲力尽，却还在确认对方的理解。
