第一个挑战是大数据对人性假设的挑战。
管理学自诞生开始，就以人为对象，以人性假设为前提不断演化出各种理论。第一个提出科学管理理论的泰勒假设人是“经济人”，后来梅奥假设人是“社会人”，西蒙则构造了“决策人假设”。自西蒙之后，又有了各种各样新的理论：战略管理、营销管理、人力资源管理等，基本都是以西蒙的假设为预设。
社交媒体的诞生，意味着人不再是抽象的假设，而是一种基于大数据的画像。依据社交媒体里个体行为留痕的数据，就可以对个体进行画像。可以认为，大数据令管理科学真正进入到了可量化的科学发展阶段。
我们过去经常讲，自然科学在牛顿之后发生的最重要的变化，就是它可以用数学公式来描述一个复杂的物理现象或者复杂的自然现象。我们通常认为社会科学在某种意义上有很大的艺术成分，就是因为它可被精确计算得不够。今天，通过大数据对人进行定量化描述，必然会引发管理科学的飞跃。
第二个挑战是数字化虚拟世界里如何进行管理实践?
从人类文明诞生起，人类就在构造一个虚拟世界。文明，就是人类用可沟通、可理解的方式构造了一个与现实世界对应的虚拟世界。构造这个虚拟世界的方式，并不仅仅是文字，还包括音乐、绘画、戏剧、电影等。
由于量子力学的发明，人类进入了电子时代;计算机的发明，让人类又进入了数据时代。电子时代，我们进行了模拟信号的处理，把声音和图像用电子的方式记录下来。计算机的发明，需要我们把模拟信号进行ADDA转换，转化成数字信号。虚拟世界就变成了数字化虚拟世界。这是非常有意义的变化，因为数字化虚拟世界更便于计算。
通过计算，我们可以用拓扑的方式去重构现实世界(拓扑学是数学术语，它只考虑物体间的位置关系而不考虑它们的形状和大小)。这种方法可以使人在现实与虚拟中间通过一个旋转门，进而优化现实世界。比如交通中的一些难以解决的问题，通过大数据不断优化方案，反复再现结果，最终解决现实中的难题。
最近热炒的人工智能(AI)，预示着人类新的文明里程。阿尔法狗打败柯洁后，聂卫平评价说人类的围棋选手最高是9段，阿尔法狗是20段。阿尔法狗强大的地方是它的计算速度比人反应快。需要解释的是，今天的AI并没有像很多媒体所描述的那样功能强大，它只是能在一个特定的、复杂的、可重复的工作环境里比人做的更好。
计算机的算法不是今天才有的，上世纪90年代就已经发明了，为什么那个时候计算机没有自我学习能力呢?因为在当时的条件下，计算机的速度还不够快，数据量也不够多。计算机高速运转之后，所生成的数据量是前所未有的，甚至每天产生的数据量都是以前的总和。大数据时代要求计算能力越来越快，存储能力越来越强。今天我们任何一台智能手机都比当年的英特尔“奔腾”速度快上千倍。我们现在使用的神经网络计算方式，也更具有自学习的能力。
在这样一个自学习、数字化虚拟世界里，管理实践者该如何去做管理?
第三个挑战是大数据对营销学的挑战。
营销学是管理学的一个重要分支，包括四个基本策略的组合，即大家经常说的产品、价格、渠道、促销4P理论，但在今天以客户为中心的、定制化的生产方式下，4P理论还有效吗?
例如小米手机，它通过互联网征求客户意见——客户需要一个什么样的手机，什么样的外观，什么样的性能，什么样的价钱，用什么样渠道传递给客户?在这样的环境下，4P理论是否需要进行修正?
再举一个例子，医药领域现在有精准医疗、靶向治疗。每个人得感冒的时候，感染的细菌或病毒都不是完全一样的，过去使用广谱抗生素，抗菌谱比较宽。现在出现的靶向药，通过培养患者感染的细菌或病毒，反向制出一种新的抗生素，非常精准地进行针对性的治疗。
我们最近在策划一家公司，就在对传统的医院管理系统HIS系统进行颠覆性的挑战。HIS系统是基于财务的流程建立的，只是提高工作效率，对医疗水平的提高没有帮助。我们设计的新管理系统将以电子病历为数据资源，通过数据分析和重构，就可以进行药物的发明、保险产品的设计和医疗方法的优化。我们和国家卫生计生委合作，把全国三四百万肿瘤患者的数据收集回来，进行数据研究，发明新药物，提高治疗效果。
今天，一位肿瘤患者会请老医生诊治，请大专家会诊，但今后，阿尔法狗将会取代老医生，因为再老的医生最多就是“9段”，但是阿尔法狗可以是“20段”，这就是大数据在治疗中的优势。很多肿瘤的治疗方法是化疗和放疗，化放疗的方案设计是和医生的判断有很大关系的，阿尔法狗的方案优化能力比人类更强。
当然，我们现在对阿尔法狗不放心，就像我们一开始不信任电子账单一样，在手工账单和电子账单并行一段时间后，大家不再怀疑计算机的计算能力。我们可以想象一下，如果从诊断到治疗都是由大数据来完成的时候，它的运算能力一定会极大提高医疗的水平。将来，我们在社区或者任何地方，都可以享受到最顶级的治疗。届时，传统的营销学将面临巨大挑战。
第四个挑战是工业4.0生产要素社会化后，管理模型该如何变化?
工业4.0(工业4.0是由德国政府《德国2020高技术战略》中所提出的十大未来项目之一，是指利用物联信息系统，将生产中的供应、制造、销售信息数据化、智慧化，最后达到快速、有效、个人化的产品供应)，我理解它包含三件事：智能工厂、智能生产、智能物流。传统的数据管理，数据还是要落地的，未来数据是不能够落地的，直接的、无缝连接的，整个车间管理是自动化的，企业管理是网络化的，生产要素的组合是社会化的。
为什么会出现工业4.0?这其实是工业自身发展变化后寻找的出路。我们都知道所有的大飞机基本上都在用罗罗(罗尔斯•罗伊斯)的发动机，飞机发动机是高科技技术，要有好的安全性，省油，长时间运行不用大修，但这样一个高科技含量的行业也有竞争，竞争的结果是不断降价。而发动机技术需要不断投入资金进行研发，怎么办?罗罗就发明了新的方法，租发动机给飞机制造商，租金按运行小时来计算。现在甚至发展到发动机的运行数据随时回收，价格也不再与飞机制造商关联，而是直接与航空公司的利益相关。传统的制造业方式、营销方式、研发系统，显然不再适合。生产成本也不仅仅考虑材料、科研、制造成本、资金成本这些数据，而是要和社会的应用环境相结合，即生产要素的社会化。
生产要素社会化之后，组织生产管理必然是一个大的网络环节，一定是用计算机的方式，用互联网的方式来进行传输，一直到最终的加工设备上全部实现智能化，这是未来制造业的发展方向。我们的管理模型随之该如何变化?
前面四个挑战讲的都是企业管理，第五个挑战是大数据时代社会管理面临的挑战。
大数据为公共服务提供了一个非常好的机会。像佛山、福州这样的地级城市，政府为居民提供2000多项服务，但民众的获得感并不强，政府的管理成本也非常高。我们用互联网的方式去解决，搭建民生服务平台，使民众获得服务的路径更便利。网络化的民生服务平台，还提供了一个可视化的管理后台，大规模的数据模型为政府的宏观经济调控建立预测模型，进而调整相关政策。
大数据对公共管理的小事情上也大有帮助。我们在本溪做过一个小实验。过去我们常说中国人不会倒垃圾，乱堆、乱放，但是当我们把全市的垃圾箱摆放位置和全市居民密度进行对比后发现，环卫部门垃圾箱摆放位置有问题，它是简单按几何平面平均分布，但是居民不是平均分布的，在居住密度大的地方，就应该放置更多的垃圾箱。
再举一个我经常举的例子。长安街的交通，最早每个路口的红绿灯都是分别管理的，按固定时间间隔变化。后来，我们把长安街上所有的红绿灯都串联起来，这就避免上一个红绿灯停一下、下个红绿灯再停一下的弊端，而且还能根据人流量，智能疏导车辆快速通过。但是这些还不能完全解决长安街的交通问题，长安街两侧的公共设施及活动安排，比如举办音乐会、两会召开时，对交通拥堵影响非常大，还需要能够计算出周边环境和道路运行情况，也就是从智能化向智慧化转变。大数据的价值，就是为人类提供一个智慧的服务体系。
第六个挑战是大数据时代新的安全观。
早些年有一本书《现代战争》，它提出未来的战争不是无限的，而是有限度的战争。现在，社会安全的重点是反恐。这是一种新的安全观，从战争模式、国防模式，进入到民生和社会的模式上来。现在再发动战争的话，不能靠传统的武器去打了，而是要依靠网络安全、信息安全。
在安全领域里，视频监控产业发展非常快，过去有谁能想到，北京大学现在满院子都是摄像头了。
新加坡的车辆有电子车牌，大数据实时监控，一旦人员密集，就会形成电子围栏，车辆再进入就会自动收费。甚至边境线也可以使用电子围栏技术，代替界碑。正在发展中的人脸识别技术，今后也可以用于安全技术，比如开会时，可以把所有参会者的照片都存到数据库里边，参会者不用出示证件，随便用一个手机摄像头就可以识别参会者。这些都是新的安全防范措施。
质量也是一种安全的保障：比如蔬菜里有多少农药化肥，空气中的雾霾怎样解决?健康，也可以看作是人的质量问题。整个社会管理将会进入到一个新的课题，这些都是大数据时代所带来的变化。
在互联网时代，创新使得财富积累的速度前所未有的快，贫富不均也会前所未有地分化。这个时代，越聪明越容易成功，越不聪明越不容易成功。世界的竞争变成人与人的竞争，人与人的竞争就是智慧的竞争，就是人的创新能力的竞争。如何才能提高人的竞争力，是管理科学面临的新课题，是管理者必须要思考的难题。
本文作者：佚名
来源：51CTO
