第二節 企業管理行為逐漸趨于智能化

一、數字化改變企業的管理基礎，重塑企業開展業務的方式

數據被定義為企業的新資源，企業現有業務流程的數據化和各類可得的外部數據會對企業決策產生影響。企業能夠利用動態能力最大化地開發、加工和內化企業研發、生產、采購、營銷等運營過程中產生的數據資源，實現組織流程與數據資源的高度契合，提高自身經營效率。因此，在對企業的日常經營活動進行決策時，管理者決策的依據從企業經營積累的有限信息和經驗轉變為大量數據資源與管理經驗的結合，管理者擁有幾乎無限量的詳細數據可供使用。

海量數據不僅減少了管理者由于信息不足和決策經驗慣性產生的選擇偏誤，也重構了管理者的數字化思維。同時，消費者以及其他決策相關者的信息開始被納入考慮，特別是消費者作為數據資源貢獻者的潛力已被手機、可穿戴設備等數字化設備，以及大數據分析、圖像識別、機器學習和人工智能等數字技術極大釋放。

企業利用大數據技術將普通消費者的行為轉化為可供企業獲取和分析的可視化數據，一方面通過用戶社群、營銷活動、線上交易等方式不斷積累和細化普通消費者需求；另一方面將不同設計理念與消費者需求相匹配，進而通過決策算法優化影響企業產品研發流程，實現了普通消費者數據化參與企業的研發創新（肖靜華等，2018）。

二、企業管理模式從模糊管理轉向算法驅動的智能管理

伴隨著數字技術的迅速發展，算法越來越多地參與到企業的管理過程之中。企業管理模式從依靠管理者經驗和直覺的模糊管理，逐步轉變為算法驅動的智能管理。算法驅動的智能管理以算法技術為基礎，對企業多源海量數據資源進行集成、處理和分析，從中提取有價值的信息以協助管理者處理復雜管理問題。

算法模型基于數據模擬人腦的推理過程進行學習和搜尋，自動尋找數據背后的規律從而運用于管理（Wilson和Daugherty，2018）。Verganti等（2020）認為，人工智能可以在產品、服務和運營流程方面實現自動化學習和設計，從而創建和測試新穎的商業解決方案。算法驅動的智能管理在一定程度上更具實時性、全局性和動態性。

（1）在摩爾定律的作用下，算法的處理能力呈指數級上升，使得基于算法的管理效率遠高于人工管理的效率，實時管理成為可能。

（2）算法驅動的智能管理可以進行高復雜性的全局決策。一方面，對于多維因素的關聯模式和因果關系的揭示，算法能夠幫助管理者獲得對決策場景的橫向全局視圖，從運營、用戶及外部宏觀環境等不同來源的數據中發現有價值的關聯；另一方面，算法可以將歷史數據與當前數據進行多期比較，揭示數據背后蘊藏的特定行為模式，幫助管理者獲得對決策場景的縱向全局視圖。

（3）算法驅動的智能管理可以實現動態決策。動態決策意味著算法能夠考慮到有關決策要素隨時間的變化，體現出數據、業務或市場的動態演化情況。在此基礎上，對相關事件進行不確定性動態建模，實現事件的模擬、推斷和預測。