大数据和人工智能已经成为这个时代的主题曲，与此同时，焦虑感也开始在行业中蔓延，从初创公司到行业巨头，都急切地想要跟上这股越炒越热的浪潮。

但是在数据化转型的尝试中，如何改变惯有的思维方式，这些紧张的企业跑对方向了吗?

1+1=2还是>2?

一家成熟的企业往往有自己惯有的管理思维模式，并能从上至下贯穿辐射到企业的方方面面。而和人一样，企业的管理气质也有社会科学和自然科学两种。

就“1+1=?”这个最简单的问题来看，不同气质的企业或许会给出不同的答案。

纯自然科学的领域中，结果一般比较有权威性，非此即彼，争议比较少，一加一的答案只能是二。这种典型的自然科学思维模式在互联网或者技术公司非常常见。

比如美国的谷歌，国内的BAT，他们一般会在管理中，对员工职责定义明确，并制定非常详细的KPI对员工的业绩进行考核。

再比如LinkedIn公司，以强大的运营背景著称业内，整个LinkedIn的数据驱动文化也颇为强大，高层对数据和技术非常敏感。作为CEO的Jeff Weiner每天早上仍会看一份每小时更新的数据报告，根据报告他能迅速了解到关于业务表现的很多信息，他还会将发现的问题立即发回至业务团队寻求解答。

由于数据团队创建的“优质运营(operational excellence)”框架，很多时候这些问题都会从现有的数据报告中找到答案，或者已经提前发出通知。

在传统行业例如汽车行业中，思维方式上也更倾向技术思维管理定式。以宝沃汽车为例,公司传统更受到自然科学的指导，集团技术人员做产品设计、实验、测量、检验的时候，对结果基本上比较容易达成一致，争议不大。即使有争议，也是停留在技术探讨层面。

(那么社会科学的思维方式是怎么样的呢?

在8月31日的“宝书沃野”——宝沃大讲堂第六期活动上，宝沃汽车集团常务副总裁魏林和先生从企业管理思维方式的角度进行论证：

这种思维方式是通过辩论、谈判、妥协长期不断的重复形成的。与自然科学不一样，社会科学的思维方式追求的是“1+1>2”的效果。它希望两个人加在一起，取得三个人的收益、四个人的收益。社会科学思维方式的逻辑是权衡取舍，在不同的时空、不同的情况下寻找平衡，所以事情往往没有唯一答案。

这种权衡取舍、寻找平衡的思维方式也存在弊端，也会产生冲突。被选中的人肯定是有成就感的，被舍弃的人就有一种失落感。在这个过程当中，得到好处的人沾沾自喜，有损失、有牺牲的人就不开心。所以纯粹用社会科学这种思维方式也会造成冲突和对抗。

焦虑的传统企业

大数据和人工智能大行其道的今天，自然科学的思维方式被推到了至高的地位。

媒体、行业报告中曝光的例子往往让人心动：处于发展早期、体量相对小的公司，通过几个月的部署，迅速引入大数据领域人才、上马一套完整的数据库，并建立较完整的数据搜集分析流程，产生立竿见影的价值。大批互联网领域的后起之秀给传统企业注入了巨大的焦虑感。

魏林和先生认为整个时代对自然科学看得比较重，汽车企业在管理过程中也更注重自然科学思维模式，社会科学思维处于弱势地位。所以传统行业的改革之路比想象中艰难，由于体量大、人才缺乏，固有管理思维下，改革往往需要更长久的阵痛期。在数据化转型的尝试中，很多企业面临着目标不清晰、业务界限模糊、人才缺乏等问题。

以快消巨头雀巢为例，早在二十世纪八九十年代，雀巢美国的一些地区就开始做统计分析，随后逐渐在全美国开展，希望对全球市场进行数据化变革。但是，不同于中国电商数据的秒级更新速度，雀巢全球的大量线下门店电商数据的获取速度最快也需要一两天完成，而门店则需要一周甚至更长的时间。在全球很多地方，门店数据甚至无法提供。

并且，无论电商还是门店，所有被提供的数据在格式、质量、细化程度等方面都会有很大差异，甚至连同一个产品的名称代码都不相同。毫无疑问，数据整合和清洗的工作量非常之巨大，而这也是雀巢目前在数据利用方面的一大难题。

数据变革是灵丹妙药么?

到底哪种思维方式更科学，更有助于推动传统行业的数字化互联网转型呢?

企业是一个有机的系统，系统之美在于自然科学和社会科学两种思维方式的辩证统一。具体来说，数据和决策应该是分开的。数据的搜集不是为了考核，而是为了更好的决策。

准确的决策依赖高质量的数据。目前，尽管多数企业已经有了数据积累的意识，但是搜集到的数据是否真实，仍然有待考证。数据出来再做工作的工程师，更多是在论证自己的想法，所以对数据有一定倾向性。此外，很多员工会将数据和自己的业绩挂钩，因此在进行数据搜集时进行篡改。

而数据化管理的最大的难点，也就在于数据的真实性。宝沃大讲堂第六期另一位特邀嘉宾、叮当快药联合创始人徐欢生先生在演讲中也提到，在营业初期，叮当快药宁可包容药店老板与到店客户的一些“作弊”行为，也要保证门店场景真实，数据准确。

很显然，数据化变革的必要条件有二：妥善积累的数据，以及凡事有“数”可依的思维习惯。今天的数据时代下，多数传统企业中已非常注重数据搜集，但是想要改变惯有的思维模式并不容易