top of page

企業决策還須長期判斷

Updated: Apr 28

有不少上市公司總喜歡在年報中致函「米飯班主」,闡述企業的價值觀及管治理念,當中筆者尤其對巨頭互聯網企業特別關注。蘋果喬布斯在世的時候,大家總是期待他每年在產品發布會上的發言,希望得到創意上的啟發。

另一位企業家、亞馬遜創辦人貝索斯,連續20多年在致股東的信件中,除了記錄亞馬遜成長軌跡外,他的每一封信都可以成為企業家們的學習對象。

2021年,貝索斯在《福布斯》全球富豪榜中排名第一位,可惜7月正式卸任CEO一職,但對於數據轉型的企業而言,筆者覺得他在2015年給股東信中的一段描述,很值得分享:

「數據儘管能提供理性分析,但長期經驗判斷更為重要,不是所有重要的決策都能基於數學而計算出來。有時候我們根本沒有足夠歷史數據或配備合適的測試條件。雖然數據分析和數學作出很大貢獻,但做決定最重要還是根據長期判斷。」

「事實上,我們掌握了大量價格彈性(加價或減價)相關的數據,通過精確的計算,我們可以預計把價格降低至某幅度而導致產品銷量有一定比例的增幅,可惜僅在極少情況下,短期內產品銷量的增加可以補償降價而導致收入的損失。我們做出這樣的決定是基於一個判斷,在我們不遺餘力地提高效率和規模的同時,通過降價來回饋用戶,並且讓這個良性循環持續進行下去,使得我們長期能保持更多的現金流,而這也意味着亞馬遜的價值不斷提高。」

「我們推出免運費和Prime項目的決定,也是基於類似的理由,這些似乎看起來短期代價很大的決定,可能會在長期為我們帶來無可估量的價值。基於數學計算的決策往往會獲得廣泛共識,而基於人為判斷的決策通常會引起爭議,至少是在進行實踐和展現成果前都是這樣。任何無法忍受爭議的機構及企業,肯定把自己的決定局限在現實狀況之中,很大程度上同時限制了創新和長期的價值創造。」

以上的一席話,對於今天正在數據化轉型的企業很值得參考,因為未來數據能力必然會成為每間企業的標準配置,但要成為偉大的企業,光靠追求效率提升是不足夠的。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page