第三章 大数据认知模式及管理理论的挑战

第一节 大数据认知模式

在逐渐被赋予实际“生产力”的大数据加持下，管理理念的变革已成必然。早期的管理理念可以追溯到20世纪初到30年代的科学管理阶段，以泰勒、法约尔等人为标志性人物，此阶段的管理思想侧重于将人看作“机器”，具有浓重的“产品中心”色彩。20世纪30年代到60年代，随着生产规模的扩大以及忽略人的管理方法效果欠佳，促使管理学家们从人类行为角度进行研究，行为科学理论应运而生，诞生了梅奥的人际关系理论、马斯洛的需求层次理论、赫茨伯格的双因素理论等一系列理论，此阶段的管理理念强调通过研究人的心理活动去掌握行为规律，为管理学研究提供了新的视角，自此，人本管理逐步代替物本管理思想。此后20世纪60年代至80年代初的以战略管理为主的企业组织理论发展阶段、80年代至90年代初的企业再造理论与企业文化管理理论、90年代后的全球化及知识经济时代的组织管理理论都围绕“人”这一主体在管理领域中发挥着核心的作用。到了21世纪，伴随着互联网尤其是移动互联网的发展，数据源源不断地产生和流转，数据生成设备的激增以及数据存储能力和处理能力的扩展更是推动了社会世界的变革（Kores，2013）。在大数据等新兴技术蓬勃发展的短短几年间，我们创造出的数据已经超过了人类历史以往的数据总量，研究者从多源异构且呈指数级增长的大数据中洞悉社会世界的映像，挖掘出隐藏的价值，从此，大数据时代拉开序幕，大数据被称为亟待喷薄的数字石油。有学者认为大数据环境下，管理对象开始发生变化，由传统人的管理变成或正在变成数据的管理（冯芷艳等，2013），也有人呼吁“得数据者得天下”。那么，这是否意味着管理对象已从人转向数据呢？答案是否定的。正如Gandomi和Haider（2015）指出大数据独立存在是没有价值的，它的价值在推动决策制定并实现解决问题的过程中得以释放，也就是说，大数据价值释放得借助于人类的认知，即理解、推理和解释能力。因此，本章认为，大数据的管理对象正在由人转向人—数的协同管理，即在人类认知疆界的根本性延展中推进大数据大放异彩。

规模（volume）、速度（velocity）、差异（variety）是大数据定义中被广泛认可和引用的属性（Chen，Chiang & Storey，2012；Kwon，Lee & Shin，2014；Boyd & Crawford，2012）。为了适应不断进化的大数据现实和大数据应用领域扩展，研究者引入其他属性丰富和发展大数据内涵。面对快速增长且波动不稳定的数据流，IBM的客户开始质疑大数据来源和质量（Zikopoulos et al.，2012），为了提高客户对数据的信任度，IBM增加真实性（veracity），将3Vs扩展到4Vs。与此同时，维克托·迈尔—舍恩伯格认为大数据的真实价值就像漂浮在海洋中的冰山，而目前我们所能揭示的仅是价值一角，更多价值隐藏在冰面之下，因此在《大数据时代》中提出大数据的属性由规模（volume）、速度（velocity）、差异（variety）、价值（value）构成。也有学者在IBM提出的4Vs基础上引入价值（value）属性，构成5Vs（Demchenko et al.，2014；Bello，2016）。商业巨头微软公司为了业务价值最大化，增加variability（易变性）、veracity（真实性）和visibility（可见性）属性，将3Vs扩展到6Vs。然而寻找成就大数据的“关键节点”并未止步，目前大数据的定义属性已增加到11Vs之多（Venkatraman，2019）。令人遗憾的是，这样的提炼和发展固然有其意义，但囿于表层而忽略了数字痕迹背后的主体，已不再适用于专业环境（Lugmayr et al.，2017）。

不可否认，大数据作为一个技术术语在技术领域发挥了重要的作用（朱扬勇、熊赟，2015），然而大数据这一概念不仅仅是一个复杂的信息技术系统，而且是一个对社会结构、经济发展和组织管理等具有显著影响的社会—技术系统，因此需要引导大数据纳入社会世界的阐述，即与政治、社会、文化和生活等诸方面的融合，进而全面把握它的内涵。因此，本书引入“认知”构建“认知大数据”概念。“认知”包含了两个含义：①心理活动（或操作）；②心理结构（或表征）。管理学研究主要集中于“认知”的第二种含义，关注认知主体获取知识以及理解的心智活动，其中包括知觉、构想、推理、记忆、判断和评价等（Helfat & Peteraf，2015）。认知大数据提出了一种不同于传统大数据的认识维度，提高人这一主体在利用大数据支持决策过程中的核心地位。