第二节 企业管理行为逐渐趋于智能化

一、数字化改变企业的管理基础，重塑企业开展业务的方式

数据被定义为企业的新资源，企业现有业务流程的数据化和各类可得的外部数据会对企业决策产生影响。企业能够利用动态能力最大化地开发、加工和内化企业研发、生产、采购、营销等运营过程中产生的数据资源，实现组织流程与数据资源的高度契合，提高自身经营效率。因此，在对企业的日常经营活动进行决策时，管理者决策的依据从企业经营积累的有限信息和经验转变为大量数据资源与管理经验的结合，管理者拥有几乎无限量的详细数据可供使用。

海量数据不仅减少了管理者由于信息不足和决策经验惯性产生的选择偏误，也重构了管理者的数字化思维。同时，消费者以及其他决策相关者的信息开始被纳入考虑，特别是消费者作为数据资源贡献者的潜力已被手机、可穿戴设备等数字化设备，以及大数据分析、图像识别、机器学习和人工智能等数字技术极大释放。

企业利用大数据技术将普通消费者的行为转化为可供企业获取和分析的可视化数据，一方面通过用户社群、营销活动、线上交易等方式不断积累和细化普通消费者需求；另一方面将不同设计理念与消费者需求相匹配，进而通过决策算法优化影响企业产品研发流程，实现了普通消费者数据化参与企业的研发创新（肖静华等，2018）。

二、企业管理模式从模糊管理转向算法驱动的智能管理

伴随着数字技术的迅速发展，算法越来越多地参与到企业的管理过程之中。企业管理模式从依靠管理者经验和直觉的模糊管理，逐步转变为算法驱动的智能管理。算法驱动的智能管理以算法技术为基础，对企业多源海量数据资源进行集成、处理和分析，从中提取有价值的信息以协助管理者处理复杂管理问题。

算法模型基于数据模拟人脑的推理过程进行学习和搜寻，自动寻找数据背后的规律从而运用于管理（Wilson和Daugherty，2018）。Verganti等（2020）认为，人工智能可以在产品、服务和运营流程方面实现自动化学习和设计，从而创建和测试新颖的商业解决方案。算法驱动的智能管理在一定程度上更具实时性、全局性和动态性。

（1）在摩尔定律的作用下，算法的处理能力呈指数级上升，使得基于算法的管理效率远高于人工管理的效率，实时管理成为可能。

（2）算法驱动的智能管理可以进行高复杂性的全局决策。一方面，对于多维因素的关联模式和因果关系的揭示，算法能够帮助管理者获得对决策场景的横向全局视图，从运营、用户及外部宏观环境等不同来源的数据中发现有价值的关联；另一方面，算法可以将历史数据与当前数据进行多期比较，揭示数据背后蕴藏的特定行为模式，帮助管理者获得对决策场景的纵向全局视图。

（3）算法驱动的智能管理可以实现动态决策。动态决策意味着算法能够考虑到有关决策要素随时间的变化，体现出数据、业务或市场的动态演化情况。在此基础上，对相关事件进行不确定性动态建模，实现事件的模拟、推断和预测。