《大决策》这本书用12个精彩的决策故事，阐释了企业如何通过数据分析、反复协商、集体智慧做出正确决策，扭转眼前的困境；从美国国家航空航天局、领航集团以及麦肯锡咨询公司等著名企业利用集体决策脱离困境的故事，到古代雅典人寻求集体智慧抵御外侵的决策故事，本书旨在说明，要提升组织的决策能力，就必须创造一种允许讨论、辩论和对话发挥其集体力量的流程和机制。

作者简介

托马斯·达文波特

1954年10月17日出生于美国。毕业于哈佛大学，曾先后在哈佛商学院、芝加哥大学和波士顿大学任教。还曾担任埃森哲战略变革研究院主任，美国知名商学院巴布森学院教授。

流程再造、知识管理、注意力经济三大运动发起者，多次预见商业未来，《财富》全球500强企业争相咨询的企业顾问。

畅销书作家，出版了近20本管理类畅销书，被多个国家引进出版，享誉全球。

布鲁克·曼维尔

独立咨询师，创作了多部企业战略和发展方面的著作。之前担任过Saba Software和美国联合劝募协会（United Way of America）首席学习官，曾是麦肯锡咨询公司首任知识管理总监。

精彩书评

《大决策》融合了12条有关重大决策的经验和新鲜且富有想象力的观点，为决策的艺术和科学奠定了基础。

——沃伦·本尼斯

领导力之父、组织发展理论先驱

领导者和企业如何制定决策是成功至关重要的因素之一。任何想要确保有效决策成为企业的战略和竞争优势的人，都应该好读一下《大决策》这本书。

——艾伦·高斯顿

比尔和梅琳达·盖茨基金会前主席

托马斯·达文波特和布鲁克·曼维尔出色地讲述了一系列案例，这些案例为企业制定更好的决策提供了依据和指导：决策依靠的是技术、知识和集体决策，而不是过分吹嘘的个人英雄主义神话，后者已经不适用于现在这个瞬息万变、形势不明的世界。

——道格拉斯·史密斯

畅销书《团队的智慧》作者

《大决策》阐明了如何培养分析文化来提升企业决策，并转化出更好的结果。每一位领导者都能从案例分析中强调的“反复协商的决策过程”获益。通过将分析见解与高管、工程师、营销人员、合作伙伴以及客户之间合作的案例相融合，这本书为制定创新型决策提供了成功的模式。

——吉姆·戴维斯

SAS高级副总裁、首席营销官

前言/序言

从小决策到大决策

很高兴获悉我与布鲁克· 曼维尔合著的《大决策》一书中文简体字版将要面世。在创作这本书时，我们并没有想将之限定在某个特定的社会背景或者地理范围内。不过，因为我二人皆为土生土长的美国人，所以在考虑决策制定时，潜意识里可能会带有一些偏见，而本书主要谈论的就是决策制定。当然，书中大部分内容都是以美国为背景，虽然我们也曾走进古老的希腊、印度，以及分支遍布全球的跨国企业进行过探寻。

即便如此，我也认为书中所述的决策制定方法其实是很符合中国的传统哲学思想的。例如，我们提出的其中一个观点是，可以通过多种多样的途径制定出有效决策。根据具体情况，决策可以基于分析、讨论、共识、集体智慧、已有的知识和组织智慧来制定。

这种多元化的决策制定方法是一种好办法，不过，它并非是一个新观点。大约在2 500 年前，孔子有云：

言之，吾听；示之，吾明；行之，吾知之矣。

现在，智慧进阶的途径变得更加多样化了，因为我们拥有许多孔子不曾拥有的工具，而这些工具能推动良好的决策制定。孔子不曾拥有大数据、分析学知识、社交媒体或者知识管理系统。这些工具正在改变当代的决策制定过程，聪明的决策者应该让它们为己所用。

在我和曼维尔创作这本书时，大数据刚刚起步。从那时起，我就对大数据进行了广泛的研究，而且我相信，如果孔子还在人世，他必然会赞成将《大决策》一书作为决策指南。孔子有云“温故而知新”，大数据和数据分析正是系统地研究过去数据的一种方式。我发现通常很难得到未来的数据。

大数据正在从多方面改变着决策制定。传统的“小数据”分析的主要目的是支撑组织的内部决策，如我们在本书中讨论过的用数据分析提升夏洛特- 梅克伦堡学区（Charlotte-Mecklenburg Schools）的学生成绩。在商业领域，企业经常将数据分析用于市场营销这一块，以决定应该给客户呈现什么样的产品和服务。当然，它们也想通过确定哪些客户很可能马上流失，了解并限制客户流失。通过分析制定决策也可用于供应链管理，如仓库里应该储备多少库存。定价是另一个从传统数据分析中受益颇多的关键领域，企业通过数据分析来确定究竟什么样的价格才会带来更高利润。虽然几十年来数据分析在这些领域的决策制定过程中发挥了良好作用，但随着组织获得更大体量且非结构化的大数据，这些决策领域将会得到进一步完善。

许多企业正在寻求将新的、非结构化的数据源运用到决策制定过程中的方法。例如，一家大型跨国医疗保险公司利用大数据解决客户满意度和客户流失的问题。许多公司都使用小数据来衡量和分析这一重要因素，但很多有关客户满意度的数据是非结构化的，特别是录制的客户打电话到呼叫中心的语音文件。在美国，客户满意度对医疗保险公司越来越重要，因为它受到州和联邦政府人员的监测。过去，从客户来电中提取出的宝贵数据无法进行分析，然而现在，保险公司可以将其转变成文字，然后用“自然语言处理”（NLP）软件对其进行分析。通过分析，企业可以识别哪些客户使用了表达强烈不满的言辞，虽然语言变幻莫测，搞懂每句话所包含的情绪并非易事。然后，保险公司就可以对这些客户进行某种形式的干预，也许是打个电话询问客户对哪里不满意。虽然在如何识别不满意的客户这方面，该决策与过去并无二致，但我们现在拥有更多不一样且用处更大的工具。

我知道有三家大型银行也在使用大数据了解以前未知的客户关系，并基于此做出更好的决策。银行业以及其他行业，包括零售业，面临的重大挑战就是要了解多渠道的客户关系。它们跟踪客户、网站、呼叫中心、柜台以及与其他分支机构的人员交互的“轨迹”，来了解客户在银行经历了什么样的流程，而这些流程何以会造成摩擦或影响客户对特定金融服务的购买情况。

多渠道客户“轨迹”的数据源是非结构化的或是半结构化的，包括网站的点击次数、交易记录、银行承兑票据和呼叫中心的录音。这个数据量相当大，其中一家银行就有120 亿行数据。另外两家银行都开始认识到共同的轨迹，并用段名对其进行描述，确保与客户的互动是高质量的，并将相关轨迹与客户呈现的机遇和问题相联系。对这一系列交互和关系进行的分析非常复杂，不过，它在决策方面的潜在回报是很高的。

大数据的商业决策也可能涉及其他传统领域的数据分析，如供应链、风险管理或者定价。使用外部数据提升分析，使得这些问题变成大数据问题，而不再是小数据问题。例如，在供应链决策方面，企业正在越来越多地使用外部数据来衡量和监控供应链的风险。供应商的外部数据源可以提供有关供应商的技术能力、财务状况、质量管理、交货的可靠性、天气和政治风险、市场信誉和商业惯例等相关信息。先进的企业不仅监测自己的供应商，还会监测供应商的供应商。

通过监测其他形式的风险，企业可以监测互联网上的数据源。大数据企业Recorded Future 就是在帮助其客户做这件事情。其政府情报机构监测恐怖嫌疑人、示威或暴乱以及政府骚乱，其安全部门的客户监测抗议或政治动荡，市场营销部门的客户监测可能影响需求的行为、事件或者预测。竞争和市场情报的获取曾经是一种相当直观的行为，但大数据正在改变这一做法。肖恩· 古尔利（Sean Gourley）是大数据公司Quid 的创始人，该公司监测互联网上的技术发展活动。古尔利曾告诉我：“用不了多久，不考虑互联网上关于你的市场和竞争环境的大数据的行为，就会被视为是战略性失误。”

定价是企业运用分析的早期领域，而且取得了相当大的成功。例如，现在几乎所有的航空公司和连锁酒店（包括在中国）都在使用定价优化工具，以确定一个座位或一间房的适合价格。定价优化启初是基于某件商品历史销售价格的内部结构化数据，而这仍然是一个关键因素。不过，现在定价优化常将外部的、非结构化的数据导入算法中。例如，石油行业中的一个定价优化项目可以在定价算法中结合气象数据（这会影响消费者的需求）和同行的价格，而这些数据通常可以从互联网上爬取。

显然，大数据变革决策制定还处于起步阶段。我毫不怀疑，这将在各行各业以及众多企业内催生出大决策。然而，我们必须清楚，大数据技术本身并不会改变决策过程。就像此书中的示例所呈现的，大数据驱动的大决策还需领导力的启发和帮助、文化和行为的改善以及业务流程的重塑。要拥有良好的判断力和智慧，人才和技能二者缺一不可。我相信，如果孔子尚在人世，也当如此警醒我们。

大决策 [Judgment calls: Twelve Stories of Big Decisions an] 下载 mobi epub pdf txt 电子书格式