作者|王、谢晨颖来源|洞见学堂（ID:Dongjian-Insights)

单位：清华经管学院中国企业发展与并购重组研究中心

导读

习近平总书记在中共中央政治局就实施国家大数据战略第二次集体学习时指出，要构建以数据为关键要素的数字经济，推动实体经济和数字经济融合发展，推动互联网、大数据、人工智能同实体经济深度融合，数据是最重要的生产要素。刚刚颁布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也用专章阐明要“加快数字化发展 建设数字中国”，强调要迎接数字时代，激活数据要素潜能，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革。由此可见大数据已成为推动社会治理变革、企业效率提升、管理方式变革的核心力量。在数据成为核心生产要素，以数据驱动成长的背景下，传统的企业管理理念、管理模式到管理方法等都会受到巨大而深远的影响，需要重新审视原有的管理理论、方法，探索新的管理范式。

一

大数据对企业管理的影响

“传统”的企业管理理论，是基于劳动、实物、资金生产要素，以企业自我为中心，是封闭的管理过程；在数据成为重要的生产要素之后，对企业管理的影响是全方位的，企业管理也改变为以客户为中心，是一个开放的过程。在大数据的加持下，运营管理、营销管理、人力资源管理、财务管理等各个管理环节，以及企业的商业模式、组织架构、内部工作模式等都发生了一些重要变化。

（一）运营管理

产品研发：从内部研发驱动到用户需求驱动

在过去大数据与共享经济时代下的人力资源管理，市场需求较为同质，产品研发模式是封闭式的，企业按自己的理解的“创新”而创新，产品设计并不一定能被消费者认可。在消费者需求逐渐多样化背景下，不确定性进一步增加，传统的研发模式已不能适应实际。而大数据技术可对消费者行为数据进行收集、分析，预测消费者需求，从而对产品进行更有针对性的创新。同时，根据消费者评价、复购等实时数据反馈，产品研发人员可以动态地调整产品设计。大数据技术显著增加了研发团队的市场敏感度，降低研发失败的风险，缩短研发周期。

生产制造：从标准化生产到个性化定制

工业经济时代，管理的目标是追求高效率、低成本，是“以生产为导向”的大规模、标准化生产方式。随着消费者需求不断升级，产品的个性化需求已成为趋势，大数据使得大规模、个性化定制的生产方式成为可能。可以结合订单情况对生产资源进行合理配置、对生产流程进行动态优化，有效降低了柔性生产线的运作成本，降低客制订单的价格，实现产品的大批量、高度个性化定制。

质量管理：从被动解决到主动预防

过去的质量管理经以被动解决问题为立足点，实行结果管理，是一种消极被动的管理方法，难以发现问题的根本原因。而基于大数据的质量管理可以变被动为主动，通过大数据分析可以预测出在什么样的参数组合下出现次品的可能性最大，并且由系统自动做出预警或者调整，从根源上预防次品的产出。

供应链管理：从低效沟通到高效协同

在传统管理模式下，供应链各个环节企业存在严重的沟通壁垒，沟通方式老旧（EDI、电话、e-mail等）导致效率低下。供应链层级较多，结构松散，节点企业分别制定各自的运作计划，造成供应链中的数据散落在各个组织内部，形成信息孤岛，削弱了供应链中不同组织间的有效协作。如果建设数字化协同平台，供应链合作企业之间可以实现实时数据共享、信息交换，打通供应链上下游，实现端到端的可视化，各项决策更多依赖上下游企业的数据做出，促进供应链成员之间从战略到战术的协作与规划，共同感知客户需求，提升供应链的协同管理能力，降低了供应链总成本。

（二）营销管理

营销行为从单向推销转变为双向互动。传统营销由企业主导，消费者“被动”接受，消费者真实需求与产品之间存在一定的差异，需求无法得到有效满足。大数据分析可以看到各类消费群体在不同时间段对产品的反馈，及时调整，促进企业与消费者之间的双向互动。

营销模式从粗放营销到精准营销。工业化时代“广而告之”的粗放式营销无法满足消费者个性化需求，也无法精准衡量营销效果。大数据可以深入到营销的各个环节，大数据分析技术可以将非结构化的数据进行处理，对消费者的消费行为、消费心理进行分析，从而精准获取每位消费者的消费需求，进而指导企业进行精准化营销、差异化推荐。

营销范式从交易营销、关系营销演进到科学营销。传统的市场营销理论（如4C、4P、STP等），以经济利益最大化为目的，注重营销的交易性。之后的营销管理从交易营销转向关系营销，注重与顾客建立和维持长期合作关系。大数据时代，关系营销开始转向以行为、情绪等数据为核心的科学营销，依赖于数据分析而不是经验判断做出科学的营销决策。

（三）人力资源管理

传统的人力资源管理中，对员工招聘、离职倾向的预测更多依赖于HR的经验与主观判断大数据与共享经济时代下的人力资源管理，为员工设计的培训、薪酬、绩效管理等方案也是一揽子计划。大数据技术一方面通过可对员工过往工作经历、工作表现等数据的分析，预测员工的工作表现和离职倾向，排除主观判断的干扰，实现精准的“人岗匹配”。另一方面，大数据技术通过对员工工作表现、个人经历、情绪数据的分析，可以为员工制定个性化的培训计划和薪酬体系，并且可以为管理者提供科学、个性化的考核决策。

（四）风险管理

可以将大数据技术贯穿风险管理的全过程，比如，在风险评估环节，可以将不同来源之间的数据进行交叉索引，通过查询、挖掘，对风险的形成有更清晰的认知，使得风险评估更有针对性，改变了传统固定式的风险评估方法。在风险预警环节，企业可以通过数据分析，识别重点关注的风险因素，对其进行重点监测。大数据分析可以使预设的阈值体系更加客观、细致，对不同的业务环节设置不同的预警临界值，实施分级预警，适合不同的风险主体，克服传统的风险预警阈值相对固定的不足。在风险应对阶段，利用大数据分析的结果做出风险应对决策，并持续采集风险信息，对风险事项动态跟踪，调整应对措施，优化风险管理决策。另外，还可以利用大数据分析技术，基于历史数据，洞察潜在的风险因素，从而可以提前预测、及时预警。由此可见，大数据使得企业的风险管理具有全面性和前瞻性。

（五）财务管理

利用大数据技术，可以快速对数据进行分析，便于及时发现内部存在的问题，降低财务风险，使得财务管理更加稳健。通过大数据挖掘技术，可以提炼出更多有价值的财务及行业其他信息，判断市场形势和未来行业走向，为财务决策提供数据支持。此外，大数据技术可以进行跨系统的复杂运算，让预算更加快速、准确。大数据提高了财务管理效率和质量，降低了财务风险。

（六）战略管理

大数据帮助企业制定出更加科学的战略决策。传统的战略管理范式以机械、静止的视角看待事物，通过经验分析历史，预测未来。借助大数据可以分析宏观环境，剖析行业发展，全面对比分析竞争对手，借助于大数据和人工智能可以更为科学地预测行业发展，挖掘出自身的核心竞争力，突破个人和组织的认知局限，从而制定出更加科学合理的发展战略。

从以上可以看出，在大数据成为重要的生产要素，驱动经济发展的背景下，传统的管理理论和方法受到了重大挑战。

二

传统管理理论的挑战及管理新范式

（一）传统管理理论的挑战

传统的经济理论起源于工业社会的经济活动，而以数据为重要生产要素的数字经济将对传统的经济理论带来较大的冲击，如大数据生产要素对传统成本理论的颠覆，共享经济对传统产权理论的颠覆，跨界竞争对传统市场竞争理论的颠覆等。

在传统工业经济时代，20世纪初产生了众多管理学经典理论，如泰勒的科学管理理论、韦伯的组织理论、法约尔的一般管理理论。第二次世界大战后，管理理论不断发展和演进，先后出现了决策理论、系统理论、权变理论、战略管理等理论体系，在指导企业的管理活动中发挥了重要作用。然而，从工业经济时代转向数字经济时代，生产方式与组织方式在技术的推动下持续演变，不断催生出新的管理模式，基于工业经济时代的管理理论已经不能对大数据时代下企业的管理实践进行有效的解释和指导。

因此，经典的经济学理论、管理学理论亟待更新和修正。传统管理理论指导下的管理范式也受到极大挑战，需要创新现有的管理理论，构建基于大数据的管理新范式。

（二）大数据时代管理范式的变革

从大数据对企业管理的冲击和影响可以发现，企业管理的范式已经发生了深刻的变革。

管理的对象从过去对产品、生产流程等实物的管理转变为对数据、信息流的管理；

管理的重心从以产品为中心转向以用户为中心；

管理的流程从过去线性、分阶段的管理转向非线性、跨阶段的管理；

管理的决策从过去基于管理者的个人经验、直觉进行判断逐渐转向以数据为中心、以人工智能为手段的决策分析；

管理的目标从提升效率转变为提升价值；

一些管理学的经典理论、假设需要被改变甚至是重构。

因此，企业需要通过转变管理思维、创新管理模式、加强数据治理等方式应对大数据时代管理范式的变革。

我国在数字经济发展大潮中独立潮头，中国企业在创新发展数字经济，或进行数字化转型的过程中，大胆创新，勇于实践，取得明显优势。在新时代的企业管理实践中，对数字化背景下企业管理新范式、新方法的实践和研究，将成为中国企业界和学术界的重要特色和贡献。我们将持续进行研究，“从学术上讲好中国企业成长故事”，贡献中国经济发展。敬请关注。