未来的智能商业时代充满变化和不确定性，以线性规划和条线化管理的企业越来越难以适应当今的挑战。新时代的企业需要快速且弹性十足地应对变化中的各种状况，不应当再以效率为追求目标，而是应该让自己获得持续应对变化和不确定性的能力。

1 响应力应对企业发展过程中的变化

在未来的智能商业时代，新技术应用层出不穷，根据加速回归定律，人类出现以来所有技术发展都是以指数增长。我们花了90年的时间，才把计算机的计算能力发展到第一个MIPS/千美元，而现在我们增加1个MIPS/千美元只需要5个小时；19世纪末的电话从发明到普及，大约用了半个世纪，20世纪末的手机从发明到广泛应用大约用了10年的时间，而1991年互联网的发明到其广泛普及仅用了7年的时间。

在未来的智能商业时代，产业环境日趋动荡。21世纪初期，诺基亚在全球手持设备市场中有着压倒性的优势，2007年，诺基亚是全球第一的智能手机供应商，它的市场份额接近50%。到2013年第二季度的时候，它的市场份额却急剧缩水到3.1%。短短的6年时间，诺基亚就从行业龙头掉出行业前五。类似的情况，在柯达身上再次上演。2001年，全球胶片的销量达到了顶峰，之后市场开始缓慢地萎缩，然后不断加速，最后以每年20%或30%的速度暴跌。2010年，全球对摄影胶片的需求下降到不到十年前的十分之一。面临着市场的快速萎缩，柯达一直没有找到很好的应对办法，最终不得不在2012年申请破产。

1.1 企业的响应力

一个企业响应变化的能力，我们称之为企业的“响应力”。
“响应力”越大的企业，意味着能更灵活地适应市场、业务和客户需求的变化，更充分利用新兴技术，更快速抓住商业机遇，在变化中调整战略，形成持续性的竞争优势和生态优势。
因此，"响应力"是企业的必要能力之一，组织的敏捷转型、业务和技术的变革创新和跨部门的协同合作，是提高企业“响应力”的有效途径。
我们可以从敏捷性、创新性和协同性衡量企业的“响应力”。

1.2 响应力的来源在于敏捷性

敏捷性，是指企业在变化中灵活快速适应和自我引导的能力。敏捷性越高的企业，团队生产率和员工满意度越高，顾客参与度和满意度越高，最有价值的产品和功能问市更迅速、更可预测，并降低风险。

最初使用敏捷的是公司的IT部门，现在已经传播到各行各业和诸多职能部门。ING是一家植根于荷兰的全球化金融机构，拥有员工113,000人，在全球50个国家为6千多万客户提供银行、保险及资产管理服务。从2014年底，ING开始部署敏捷转型战略，通过敏捷变革实现了管理层级扁平化，将原有 6 个层级、30 多个独立部门、近 3500 名员工缩减到了 3 个层级、13 个敏捷部落和 2500 名员工。在新的敏捷组织和工作机制下，ING实现了四个“快”：发现机会“快”，决策速度“快”，开发上线“快”，团队执行“快”。产品和服务推出市场的速度提高了50%，新功能从概念的产生到最终的交付只需要短短的5周，上线周期也从每年 2~3 次缩短到2~3周一次，员工效率提高30%，客户净推荐值（NPS）大幅提升。

敏捷不仅给ING的发展带来了正向的促进作用，还帮助美国全国公共广播电台（NPR）创造新节目，帮助约翰迪尔（Jonh Deere）开发新机器，助力萨博（Saab）生产新战斗机；从造酒、仓储到高管层的运营，Mission Bell酒庄将敏捷方法用到了各个方面。通用电气也是依靠敏捷方法，才得以加速实现“从20世纪集团到21世纪数字行业公司”的著名转型。

根据大量的成功案例统计，组织敏捷性和经营业绩间存在着明显的正向关系，麦肯锡组织健康调研结果指出，组织敏捷性与经营业绩之间存在明显的正向关系，70%“最健康”的企业属于敏捷型组织，并有2倍的可能性取得优于同业的经营绩效。

1.3 响应力的体现在于创新性

企业的响应力体现在创新性，创新性越强，企业就越容易运用创新方法来解决现有问题，运用新方法来应对市场的挑战和变化，促进企业的发展。

金融机构或涉及大量复杂法规和信息系统的大型企业每天都面临着大量风险，风险管理一直以来都是澳洲德勤的主要业务之一。2010年，澳洲德勤面临重大挑战，因为大家逐渐发现，风险管理主要与遵守规章制度和技术的完善性相关，风险管理越来越标准化和普通商品化。德勤的大多数竞争对手都在低端市场重新定位，通过创造更符合成本效益的解决方案来控制风险。与此相反，德勤选择了新的方向：把“风险”从需要担心的问题来源转变为价值来源，推出了创新的风险服务系列，将风险的意义从负面转变为正面，摆脱了与竞争对手在低端市场的普通商品化的竞争。在3年内，澳洲德勤的风险服务收入增长了30%，而且由于提供了更高的价值，在市场中的大多数竞争对手都缩减规模时，其利润率却上升了80%。

1.4 响应力的发挥在于协同性

协同性，是指协调两个或两个以上的不同资源、个体或组织，共同一致地完成某一目标的能力。

企业的响应力不仅需要创新性和敏捷性，还需要通过团队和部门之间的高效协同，达到“1+1>2”的协同效应，才能发挥出响应力的最大价值，促进企业发展。

中信集团是一家跨国企业集团，也是国内最大的综合性企业集团，业务涵盖金融、资源能源、制造业、工程承包和房地产以及信息产业等多个方面，2018年位居美国《财富》杂志“世界500强”企业排行榜第156位。在30多年的经营发展过程中，中信集团围绕集团总体发展目标，打造符合中信特点的多元化协同战略、管控体系和协同机制，有效配置、整合与共享集团各类资源，从而提升各家子公司的市场竞争力，降低市场拓展的成本和风险，更为广泛快速地捕捉市场机遇和开拓新市场，并能更容易提供创新产品和增值服务，有效增强客户的忠诚度。

2010年9月，中信集团设立业务协同部，至今已经与31家大型企业集团和15家省市地方政府及部委机构建立战略合作关系，在集团层面统筹合作，借助强大的整体优势，为集团各家子公司获取合作商机。2015年，中信银行杭州分行发挥中信“商行+投行”以及“金融+实业”的协同优势和快速的响应力，迅速推进包括梳理主营业务板块、健全公司治理制度、引入外部评级机构等方面的工作措施，帮助柯桥区国有资产投资经营集团有限公司实现大规模和低成本的融资，发行的中长期债券平均成本不到4.5%，降低融资成本2%。

2 数据力消除企业发展过程中的不确定性

信息论用信息熵来描述一个信息系统的不确定性。信息量与不确定性有关，想消除不确定性，就要引入信息或数据。20世纪中叶的以数字技术为代表的新一轮科技和产业变革，意味着增强人类思维能力的“第二次机器革命”时代来临。数字化信息的爆炸式增长是“第二次机器革命”时代的的特征之一。

全球数据正以指数级的速度在增长，而且随着无线宽带、快速网络和云存储的普及，这些海量的数据不再是静静地驻留在存储设备里面的“死”数据，而是可以通过互联网频繁流动，任意终端都可以访问的“活”数据。Cisco预测全球IP流量到2022年将增长到2017年的3倍，达到396 EB/月。

随着数据的规模和活跃度不断增加，企业获取和运用数据的能力也变得越来越重要。

在线影片租赁服务商Netflix就是非常善于获取和运用数据的例子。在Netflix的早期10年，用户增长和活跃度都不高，主要是由于缺乏对用户需求的了解，只能推荐最热门或者评价最高的电影，导致个性化推荐不够精准。每个用户的口味相差都很大，根据热门好评价的推荐并不能有效的吸引用户。随着数据量的积累，尤其是对于每一位用户相关的各种维度的数据积累，Netflix的个性化推荐开始越来越准确。据Netflix宣称，其用户所观看的节目有80%都是来自于推荐的。精准的个性化推荐不仅提高了用户的活跃度，还帮助Netflix获得成功。2014年，Netflix的流量占美国峰值流量的34.89%；2017年，Netflix用户数量超过美国有线电视用户总数；2018年，Netflix市值首度超越迪士尼，成为成为全球最具价值媒体巨头。

2.1 企业的数据力

一个企业获取和运用数据的能力，我们称之为企业的“数据力”。

“数据力”越大的企业，意味着能获取更多的数据去优化生产和运营，能利用更多数据去分析洞察市场和客户的变化，能向更多的领域开放数据，拥有更大的生态影响力，从而获得更大的竞争优势和生态优势。因此，“数据力”是企业的必要能力之一，广泛的数据获取，高效的数据处理和便捷的数据应用是提高企业“数据力”的有效途径。

我们可以从广泛性，高效性和便捷性衡量企业的“数据力”。

2.2 数据力的基础在于广泛性

企业数据获取的广泛性，是企业数据力的基础。数据获取越广泛，那么企业的数据规模越大、数据类型越多、数据来源渠道越多，因此数据也就越全面，越高质量。

据Gartner的报告显示：企业中80%的数据都是非结构化数据，而且还在快速增长。目前，国内的企业在进行大数据分析时，仍以分析结构化数据为主，而在美国，很多企业已经开始分析非结构化数据。有统计称，在商业数据库中，约有2％的客户信息会在一个月内变得陈旧，即是说，在2年内，会有近50％的记录因为过时而使其可用性受到影响。劣质数据每年给美国造成的经济损失高达6000亿美元。如果企业使用的是陈旧的数据，那么有很高的概率会做出错误的决策。

因此，企业需要时刻关注内外部的结构化、半结构化和非结构化数据的获取，同时还要不断扩大获取数据的时间范围，以保证数据的精准度和时效性。

2.3 数据力的保障在于高效性

企业数据处理的高效性，是企业数据力的保障。企业数据处理越高效，那么企业可以存储和处理数据的效率越高、实时性越强，也就越能发挥数据的价值。

无论是云计算、大数据还是企业的各种应用，其基础都是低成本、高性能、可扩展、易用的存储系统。随着企业数据获取能力的不断提高，数据规模也越来越大，传统的单机存储已经无法满足数据存储和处理的需求，必须采用集群化的分布式储存方案。Google、亚马逊、阿里巴巴、百度和腾讯等国内外的企业都在重点研发自己的分布式储存系统，例如Google分布式文件系统GFS、分布式表格系统Bigtable，亚马逊的分布式键值系统Dynamo以及阿里巴巴的开发分布式数据库OceanBase。

企业存储的数据，几乎都需要经过计算才能发挥其价值，所以数据计算能力对于企业的数据处理能力有着至关重要的影响。以大型机为主导的集中式计算，虽然单机性能卓越和稳定性好，但是扩容价格高昂，一台大型机一旦出现问题，将导致整体系统的不可用，而分布式计算在价格成本、自主研发、灵活兼容、伸缩扩展方面有比较显著的优势。

因此，企业需要根据自身的需要，发展分布式存储系统和分布式计算系统，提升数据的存储能力和计算能力，以应对未来日渐增长的存储和计算需求，以保证数据处理的高效性。

2.4 数据力的价值在于便捷性

企业的数据应用的便捷性，是企业数据力的价值所在。数据应用是数据产生价值的出口，数据获取及处理都为数据价值输出做准备。企业数据应用的便捷性越高，那么企业的数据应用场景越多，数据化和智能化程度越高，从而获取的洞察越多，内部决策越高效和准确，数据生态的构建也越容易。

MIT数字商业中心联合麦肯锡商业技术部、沃顿商学院对北美330家上市公司高管进行大数据与业绩的研究表明，“运用大数据做决策的那些行业前三名企业，比其竞争对手在产能上高5%，利润上高6%”。Google基于存储的海量的页面数据和用户行为数据，通过分析和建模，优化广告排序，制定广告的投放策略，实现广告的精准投放，将搜索流量转化为盈利模式。据2018财年第三季度财报显示，其中广告业务占总收入的85.8%，达到289.5亿美元，总比增长20%。

因此，企业需要根据自身的需要，发展数据分析、数据挖掘、机器学习等技术，提高数据应用效率和降低数据应用的难度，以保证数据应用的便捷性。

3 响应力和数据力共同形成企业发展的动力

响应力和数据力都是对企业发展有作用的力。根据平行四边形定则，以响应力和数据力为邻边做平行四边形，这个平行四边形的对角线就是表示了企业动力的大小和方向，企业发展动力是响应力和数据力的合力。

根据企业发展动力的公式可以得出推论：

4 高响应力和高数据力的企业架构

4.1 基础设施——云

根据美国标准与技术研究院 (National Institute of Standards and Technology, NIST)的定义，云计算是一种通过普遍、便捷和灵活的网络访问可配置的计算资源池（资源包括网络、服务器、存储、应用软件和服务）的模式。这些资源可以通过很少的管理操作或与服务供应商进行很少的交互就能够被快速分配和释放。这种模式具有五种关键特征：按需获取自助式服务、广阔的互联网访问、资源池、快速伸缩和可度量的服务。

荷兰ING银行为了进一步加快创新步伐，并构建自己快速开发，测试，部署和推出新的在线服务的能力，对其整个基础设施进行了全面改造，将其系统转移到私有云。经过为期12个月的“Zero Touch”项目，ING简化了生产环境，提供了新的计算，网络和存储基础设施，这也意味着ING成为澳大利亚第一家全面采用云计算银行，实现了无停机地测试和发布新应用，让客户享受到持续无中断的银行服务；简化了复杂的IT流程和减少内部平台的数量，大大地降低管理IT的成本；按需扩展或缩小基础设施的规模，提高银行的敏捷度。

4.2 运维交付平台——DevOps平台

DevOps是一组结合了软件开发（Dev）和IT运维（Ops）的软件开发实践。它通过与业务目标紧密保持一致和更频繁的发布、修复和更新，缩短系统开发生命周期。目前DevOps做得比较超前主要是一些科技公司，例如国外的Google、Netflix、Oracle、Cisco和国内的腾讯、阿里。随着DevOps的理念和效益逐渐被认可，各行各业的企业也开始采用DevOps平台。Capital One（美国第一资本投资国际集团）是全美前十大银行，在全球范围内建立起30多个分支机构、上百家合资及独资企业。从2014年开始，Capital One开始思考DevOps策略，经过两年的时间，取得了重大的进步：代码提交频率从不固定到每天100多次，集成频率从每月1次到每15分钟一次，部署流程从手工变成自动化，发布到生产环境的频率从每月或者每季度一次到每天至少1次，测试覆盖率从没有到90%。通过DevOps平台，Capital One提高了产品质量，降低研发成本，增强团队协同，减少发布风险，加快产品和服务的上市速度。

4.3 以服务为中心的系统架构——微服务

微服务，是一种架构风格，它以业务能力为导向，将单体应用构建为一组松耦合、易测试维护和相互独立部署的服务。微服务架构使应用系统更易于理解、开发、测试和富有弹性，使开发团队能够独立开发、部署和拓展各自的服务，实现团队开发的并行化，提高效率。

Netflix作为一家视频点播公司，每天为190个国家的约9800万付费用户提供大约2.5亿小时的视频。面对这样的庞大规模，需要建立一流的架构和基础设施。大约在10年前，Netflix开始重写运行整个服务的应用程序以适应微服务架构。到目前为止，整个Netflix大约运行着700个微服务，面对这么多服务，Netflix工程师也可以对服务的任何部分进行更改，并可以快速引入新的更改，同时确保其他服务不会发生故障。由于Netflix等硅谷的科技公司在微服务架构上的成功应用，微服务架构已经逐渐被众多企业所采用。丹麦最大的银行——丹麦银行使用微服务重构其外汇交易的核心系统（FX Core system)，以增强系统的可扩展性；英国的数字移动银行——Monzo在其成立之初，就开始采用微服务架构来构建整个银行的核心业务系统，以保证其在数字时代的竞争力。

4.4 以价值为导向的数据管理——数据资产管理

数据资产，是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。而数据资产管理，是指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。

在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源，所以数据资产管理是需要充分融合业务、 技术和管理，贯穿数据获取、应用和价值实现等整个生命周期，提高数据资产质量，确保数据资产的保值增值，促进数据的价值变现。例如2017年，阿里巴巴集团发布消费者数据资产管理中心——品牌数据银行（Brand Databank），通过阿里巴巴在消费者数据的积累，帮助品牌建立全面的消费者数据资产管理。西班牙对外银行（BBVA）在2014年2月份成立了一家名为BBVA DATA & ANALYTICS（D&A）的大数据公司，截止于2017年，D&A进行了40个数据项目，其中27个已经开始有财务回报；开发了商业化旗舰版数据产品Commerce360，并推向西班牙、墨西哥和哥伦比亚市场；获得多个学术界奖项，得到媒体和大众的认同。

5 结论

变化和不确定性伴随着企业的成长，在云、DevOps平台、微服务架构和数据资产管理构建的企业基座之上，通过业务服务化发展响应力以应对变化，通过数据资产化形成数据力以消除不确定性，是保证企业基业长青的关键举措。

（吴俊宏原创，转载请留言）

参考资料

[1] Ray Kurzweil. 奇点临近[M]. 机械工业出版社. 2011年
[2] 埃里克·布莱恩, 约弗森. 第二次机器革命[M]. 中信出版社. 2014
[3] 格奥尔格·凡尔梅特, 伊冯娜·赛尔. 破译黑天鹅：如何应对未来15年的商业巨变[M]. 中国友谊出版社. 2014
[4] 斯坦利·麦克里斯特尔, 坦吐姆·科林斯, 戴维·西尔弗曼, 克里斯·富塞尔. 赋能：打造应对不确定性的敏捷团队[M]. 中信出版社. 2017
[5] 杰夫·萨瑟兰. 敏捷革命：提升个人创造力与企业效率的全新协作模式[M]. 中信出版社. 2017
[6] 罗伯托·维甘提. 意义创新：另辟蹊径，创造爆款产品[M]. 人民邮电出版社. 2018
[7] Mark van Rijmenam. 企业的大数据战略[M]. 浙江人民出版社. 2017
[8] 吴军. 智能时代[M]. 中信出版社. 2016
[9] 车品觉. 决战大数据：驾驭未来商业的利器[M]. 浙江人民出版社. 2014-4
[10] 吕兆星, 郑传峰, 宋天龙, 杨晓鹏. 企业大数据系统构建实战：技术、架构、实施与应用[M]. 机械工业出版社. 2017
[11] 杨传辉. 大规模分布式存储系统：原理解析与架构实战[M]. 机械工业出版社. 2013
[12] 朱蒂斯·赫尔维茨, 玛莎·考夫曼, 范恩·哈珀, 罗宾·布鲁尔. 云计算商业应用：从入门到精通实战指南[M]. 人民邮电出版社. 2015
[13] 达瑞尔·里格比, 杰夫·萨瑟兰和竹内弘高. 拥抱敏捷[J]. 哈佛商业评论. 2016-05
[14] 李剑. 富士胶片：核心业务消失，核心技术永存[J]. 哈佛商业评论. 2016-03
[15] 李全伟, 马雪梅, 廖琦菁. 中信“大协同”战略[J]. 哈佛商业评论.2017-05
[16] 李默涵, 李建中, 高宏. 数据时效性判定问题的求解算法[J]. 计算机学报. 2012-11
[17] 安德鲁·麦卡菲, 埃里克·布林约尔松. 大数据：一场管理革命[J]. 哈佛商业评论. 2012-10
[18] Ray Kurzweil. The Law of Accelerating Returns[OL]
[19] Statistics. Global market share held by Nokia smartphones from 1st quarter 2007 to 2nd quarter 2013[OL]
[20] Oliver Kmia. Why Kodak Died and Fujifilm Thrived: A Tale of Two Film Companies[OL]
[21] FUJIFILM. FUJIFILM Annual Report 2014[OL]
[22] FUJIFILM. FUJIFILM Integrated Report 2017[OL]
[23] George Nott. Sharing the stories of the CIO50: #24 Ani Paul, ING Australia[OL]
[24] 麦肯锡. 大象起舞正当时: 中国银行业踏上敏捷转型之路[OL]
[25] David Reinsel, John Gantz, John Rydning. 数据时代 2025[OL]. IDC. 2017-03
[26] Cisco. Cisco Visual Networking Index: Forecast and Trends[OL]
[27] Carlos A. Gomez-Uribe, Neil Hunt. The Netflix Recommender System: Algorithms, Business Value, and Innovation[OL]
[28] sandvine. Global Internet Phenomena Report 2H 2014[OL]
[29] Product Habits. How Netflix Became a $100 Billion Company in 20 Years[OL]
[30] Ashley Rodriguez. While Disney and Comcast fight over Fox, Netflix is now bigger than them all[OL]
[31] Darin Stewart. Big Content: The Unstructured Side of Big Data[OL]
[32] Alphabet. Alphabet Announces Third Quarter 2018 Results[OL]
[33] 吴俊宏. 智能商业时代的挑战[OL]
[34] Peter Mell, Timothy Grance. The NIST Definition of Cloud Computing[OL]
[35] ING DIRECT. Zero Touch project puts ING DIRECT in a private cloud[OL]
[36] Topo Pal. DevOps at Capital One[R]. DOES SFO 2016
[37] Mayukh Nair. How Netflix works: the (hugely simplified) complex stuff that happens every time you hit Play[OL]
[38]Elena Alfaro, Juan Murillo, Fabien Girardin, Barbara H. Wixom, Ida Asadi Someh. BBVA Fuels Digital Transformation Progress with a Data Science Center of Excellence[OL]
[39] Archana Venkatraman. Monzo: Building a Mobile-First U.K. Digital Bank Using Cloud and Microservices Architectures[OL]. IDC
[40] 中国信息通信研究院云计算与大数据研究所. 数据资产管理实践白皮书 （2.0版）[OL]