论文部分内容阅读
依靠数据不能保证所有的努力都会成功，但这一过程会将风险降到最低。
管理大师德鲁克认为，优秀管理的前提是拿出被量化的指标。但事实上，很多时候那些被量化的指标并不一定符合事实，而另一些领域被认为根本无法量化。
这在大数据时代得以解决。因为大数据就是全数据，是与某个现象相关的所有数据。这意味着，能够改变这个现象的所有常量和变量都已被囊括其中，无论发生何种变化，一定都能得出一个最优结论。
而让这一切得以实现的前提是：足够完整的数据，足够科学的算法。如此，成功就能像“1+1=2”那样被推演出来。
为优秀员工画像
去年夏天，26岁的杰德·多明格斯收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。那时，多明格斯住在一间出租屋里，靠信用卡赊账度日，正在自学编程。他在高中读了一半时放弃学业，后来也没有上大学。
但是，在云端的某处有那么一个人，他认为多明格斯有可能是个天才，再不济也是块未经打磨的原石。那个人是邦马萨——美国Gild公司创始人，他通过一种算法发现了多明格斯。
“招人时使用的传统指标可能有错”，Gild公司首席科学家薇薇安指出：“那些用来筛选人才的公认标准，比如在哪里上学、之前在哪里工作，同样也会遗漏人才，并最终造成雇主的损失。”Gild的思路是，通过机器来尽可能地消除人为偏见，加上更复杂的参数予以均衡。
这种算法也是Gild公司的一个产品，分析一个人时要处理300个主要变量：常逛的网站；描述各种技术时使用的语言类型，积极还是消极；在LinkedIn上的技能自述；参与过哪些项目，都干了多久。
Gild开始招人时，它假定旧金山和硅谷地区的人才都已经被挑拣干净了。于是，公司让其算法跑了一遍南加州的信息，得出了一系列的程序员，排在头一个就是多明格斯。
多明格斯写的一个代码在建网站时会被用到，被1267位其他网站开发人员使用了它。他的语言和习惯显示出对产品研发的热情和对多种编程工具的酷爱。他的博客和Twitter上的发言表明他固执己见，正是Gild公司希望其初创成员所具备的一点。
因此Gild公司的招聘人员给他发出了电子邮件，让他来旧金山面试。公司的两位创始人见到了一个富有魅力、充满自信的年轻人——举止从容、善于表达、有想法、笑容很亲切，比其他来面试的应聘者多些棱角。双方互相问了一些或尖锐或温和的问题后，公司当场签下了多明格斯，而他得到了一份年薪在11.5万美元左右的工作。
后来的故事是，多明格斯证明自己是位才华横溢的程序员，仅用了8个月的时间。
效率优化
在任何一天中，快递司机都有许多条快递路线可以选择。对于美国快递公司UPS，他们的快递员每天要送120～175次货。在任何两个目的地之间，可以选择的路线显然不计其数。对于司机和UPS，他们都想找到其中最有效率的那条。
但这并不容易，UPS利用组合数学的算法得出，以上所述的情景中所有可能的线路的总数，是一个199位的数字。这一数字甚至大过了换算成纳秒单位的地球年龄。
UPS的流程管理高级总监杰克·里维斯表示：“这数字太大了，令人难以想象。你只能从分析学上得出一个概念。”
对UPS而言，这是一项庞大的挑战。不过他们有强烈的动力去实现路线最优化：如果每位司机每天少开一英里，公司便能省下5000万美元。
这家位于亚特兰大的公司是如何做的？他们研发了一个名为Orion的系统，这是“道路优化与导航集成系统”的缩写，也是希腊神话中猎户座的名字。如果说现在有什么大数据分析学上的成就，那就是它了。Orion的算法诞生于21世纪初，并于2009年开始试运行。该系统的代码长达1000页，可以分析每种实时路线的20万种可能性，并能在大约3秒内找出最佳路线。
而当初，里维斯表示：“数学家们认为可能需要15分钟才能算出结果。”
UPS正在公司全部的5.5万条北美快递线路上装配这一系统。到2013年底，Orion已经在大约1万条线路上得到使用，这让公司节省了150万吨燃料，少排放了1.4万立方米的二氧化碳。
智能决策
在去年的用户大会上，星巴克战略经理介绍了他们研发的一个应用程序——Atlas。利用这个应用程序，他向与会者展示了一幅中国南宁地图。这是一座拥有200万人口的城市，星巴克在此开设了8家门店。
这位战略经理在地图上列举被划分为不同“层级”的元素如何影响门店选址，这些元素通过可视化的图形图标被标识出来，例如是否接近贸易区、邻居人口统计信息、每天的交通流量、公共交通便利性等。
他放大了南宁的某个区域，这个区域在未来两个月内将有三处新写字楼开放，Atlas认为这代表了一个潜在的门店位置。一旦一个新门店被确定，相关工作流程会自动从屏幕上弹出，从而指导如何获得相关审批流程、确保许可证，然后正式开启门店。
在过去，人们要搞清楚何处是开设一处新商场的最佳选址时，采用的方法是测量街道每小时交通流量、行人量，或者仅仅只是看看目标地区的其他企业是如何做的。然而，仅仅因为某处选址看起来将可能是一个很好的位置，并不意味着它就一定是。
这就是为什么星巴克会研发Atlas，其实质是一个依靠大数据分析指导市场规划和门店发展的算法。这个算法被置于地图软件分层之上，基于GIS（地理信息）系统，将结果以可视化的方式在地图上展示出来。无疑，Atlas大大有助于星巴克现有门店的成功，然后在类似领域为新店铺选址。
但星巴克没有止步于此。利用Atlas，它还可以将与新门店选址相似的算法，应用于饮品研发上。当下，面对美国已经饱和的咖啡馆市场，星巴克正试图在Atlas的帮助下，在某些门店销售啤酒和葡萄酒。
在上述的那场用户大会上，星巴克一位相关负责人打开洛杉矶地图，解释影响门店被纳入这个试点项目的变量因素：“这张地图显示了相关门店的位置，以及提供葡萄酒外卖模式的门店。我们开始在越来越多的门店推出星巴克夜间菜单，我们可以在现有的某些门店推出高消费的模式。”
虽然依靠数据并不能保证所有的努力都会成功，但这一过程将大大降低推出一家新门店的相关风险，有利于星巴克的业务推广。
管理大师德鲁克认为，优秀管理的前提是拿出被量化的指标。但事实上，很多时候那些被量化的指标并不一定符合事实，而另一些领域被认为根本无法量化。
这在大数据时代得以解决。因为大数据就是全数据，是与某个现象相关的所有数据。这意味着，能够改变这个现象的所有常量和变量都已被囊括其中，无论发生何种变化，一定都能得出一个最优结论。
而让这一切得以实现的前提是：足够完整的数据，足够科学的算法。如此，成功就能像“1+1=2”那样被推演出来。
为优秀员工画像
去年夏天，26岁的杰德·多明格斯收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。那时，多明格斯住在一间出租屋里，靠信用卡赊账度日，正在自学编程。他在高中读了一半时放弃学业，后来也没有上大学。
但是，在云端的某处有那么一个人，他认为多明格斯有可能是个天才，再不济也是块未经打磨的原石。那个人是邦马萨——美国Gild公司创始人，他通过一种算法发现了多明格斯。
“招人时使用的传统指标可能有错”，Gild公司首席科学家薇薇安指出：“那些用来筛选人才的公认标准，比如在哪里上学、之前在哪里工作，同样也会遗漏人才，并最终造成雇主的损失。”Gild的思路是，通过机器来尽可能地消除人为偏见，加上更复杂的参数予以均衡。
这种算法也是Gild公司的一个产品，分析一个人时要处理300个主要变量：常逛的网站；描述各种技术时使用的语言类型，积极还是消极；在LinkedIn上的技能自述；参与过哪些项目，都干了多久。
Gild开始招人时，它假定旧金山和硅谷地区的人才都已经被挑拣干净了。于是，公司让其算法跑了一遍南加州的信息，得出了一系列的程序员，排在头一个就是多明格斯。
多明格斯写的一个代码在建网站时会被用到，被1267位其他网站开发人员使用了它。他的语言和习惯显示出对产品研发的热情和对多种编程工具的酷爱。他的博客和Twitter上的发言表明他固执己见，正是Gild公司希望其初创成员所具备的一点。
因此Gild公司的招聘人员给他发出了电子邮件，让他来旧金山面试。公司的两位创始人见到了一个富有魅力、充满自信的年轻人——举止从容、善于表达、有想法、笑容很亲切，比其他来面试的应聘者多些棱角。双方互相问了一些或尖锐或温和的问题后，公司当场签下了多明格斯，而他得到了一份年薪在11.5万美元左右的工作。
后来的故事是，多明格斯证明自己是位才华横溢的程序员，仅用了8个月的时间。
效率优化
在任何一天中，快递司机都有许多条快递路线可以选择。对于美国快递公司UPS，他们的快递员每天要送120～175次货。在任何两个目的地之间，可以选择的路线显然不计其数。对于司机和UPS，他们都想找到其中最有效率的那条。
但这并不容易，UPS利用组合数学的算法得出，以上所述的情景中所有可能的线路的总数，是一个199位的数字。这一数字甚至大过了换算成纳秒单位的地球年龄。
UPS的流程管理高级总监杰克·里维斯表示：“这数字太大了，令人难以想象。你只能从分析学上得出一个概念。”
对UPS而言，这是一项庞大的挑战。不过他们有强烈的动力去实现路线最优化：如果每位司机每天少开一英里，公司便能省下5000万美元。
这家位于亚特兰大的公司是如何做的？他们研发了一个名为Orion的系统，这是“道路优化与导航集成系统”的缩写，也是希腊神话中猎户座的名字。如果说现在有什么大数据分析学上的成就，那就是它了。Orion的算法诞生于21世纪初，并于2009年开始试运行。该系统的代码长达1000页，可以分析每种实时路线的20万种可能性，并能在大约3秒内找出最佳路线。
而当初，里维斯表示：“数学家们认为可能需要15分钟才能算出结果。”
UPS正在公司全部的5.5万条北美快递线路上装配这一系统。到2013年底，Orion已经在大约1万条线路上得到使用，这让公司节省了150万吨燃料，少排放了1.4万立方米的二氧化碳。
智能决策
在去年的用户大会上，星巴克战略经理介绍了他们研发的一个应用程序——Atlas。利用这个应用程序，他向与会者展示了一幅中国南宁地图。这是一座拥有200万人口的城市，星巴克在此开设了8家门店。
这位战略经理在地图上列举被划分为不同“层级”的元素如何影响门店选址，这些元素通过可视化的图形图标被标识出来，例如是否接近贸易区、邻居人口统计信息、每天的交通流量、公共交通便利性等。
他放大了南宁的某个区域，这个区域在未来两个月内将有三处新写字楼开放，Atlas认为这代表了一个潜在的门店位置。一旦一个新门店被确定，相关工作流程会自动从屏幕上弹出，从而指导如何获得相关审批流程、确保许可证，然后正式开启门店。
在过去，人们要搞清楚何处是开设一处新商场的最佳选址时，采用的方法是测量街道每小时交通流量、行人量，或者仅仅只是看看目标地区的其他企业是如何做的。然而，仅仅因为某处选址看起来将可能是一个很好的位置，并不意味着它就一定是。
这就是为什么星巴克会研发Atlas，其实质是一个依靠大数据分析指导市场规划和门店发展的算法。这个算法被置于地图软件分层之上，基于GIS（地理信息）系统，将结果以可视化的方式在地图上展示出来。无疑，Atlas大大有助于星巴克现有门店的成功，然后在类似领域为新店铺选址。
但星巴克没有止步于此。利用Atlas，它还可以将与新门店选址相似的算法，应用于饮品研发上。当下，面对美国已经饱和的咖啡馆市场，星巴克正试图在Atlas的帮助下，在某些门店销售啤酒和葡萄酒。
在上述的那场用户大会上，星巴克一位相关负责人打开洛杉矶地图，解释影响门店被纳入这个试点项目的变量因素：“这张地图显示了相关门店的位置，以及提供葡萄酒外卖模式的门店。我们开始在越来越多的门店推出星巴克夜间菜单，我们可以在现有的某些门店推出高消费的模式。”
虽然依靠数据并不能保证所有的努力都会成功，但这一过程将大大降低推出一家新门店的相关风险，有利于星巴克的业务推广。