top of page

企業戰略与可持續發展

Updated: Apr 28

有本書How to measure anything讓我對數據分析有了新的啟發,作者Douglas Hubbard的主要觀點是,千萬不要放棄每個量化決策的機會,因為誤信直覺的成本有時可以很高昂。雖然世界充滿了不確定性,但不同的可能性,可以量化成為概率,例如某場賽馬的賽果是充滿不確定性,預測大熱馬匹勝出的機會率,卻可以表達成一個概率。如果賠率低於勝出的概率,我們就可以理解這個投注決策為風險。當然你可能會說影響一場賽馬的因素有很多啊!對的,世事無絕對,這正是筆者認為有趣的地方。

量化的可能性無窮無盡,選擇量化的方式及優先次序考慮才是關鍵所在。可惜愈是複雜的問題,量化決策的複雜性及成本就愈高,但解決問題後產生的價值也相應愈高,典型的例子莫過於「環境、社會與企業管治」(ESG),企業除了以盈利為目標,也應履行社會和保護環境責任,惟若要鼓勵企業重視社會責任,就必須把長期的社會及環境問題先量化成為大家容易理解的指標,然後引導企業在追求盈利目標之餘,也可以積極參與可持續發展事務上。

從ESG問題再向外延伸,自2015年聯合國通過的可持續發展議程後,全球都力爭在2030年實現17項可持續發展目標(以下簡稱SDGs)。這17項SDGs,由230多項指標組合而成,涵蓋食物、水資源、城市、生物多樣性、氣候變化等領域,當中使用了很多有意思的環境相關數據,例如湖泊透光度數據、人口高精度網格數據、沙塵暴影響範圍數據、紅樹林分布數據、使用公共交通的人口比例、山林綠化指數、用水效率和生物多樣性紅色名錄指數等,可惜在2021年發布的SDGs中,尚有97個指標未有足夠數據支持;指標數據嚴重不足,成為監測主要挑戰之一。

從宏觀的可持續發展計劃到實行,企業戰略與可持續性發展指標若能銜接及呼應,結果必然能相得益彰,但前提是企業自身的數據化能力也要加強,同時在管理層的決策過程中,把社會責任、環境保護融入到企業商業模式中。筆者發現身邊愈來愈多朋友自覺減少浪費食物、避免使用皮製用品和即棄餐具等,保護你我家園,也許在可持續性發展的大趨勢下,成為一種商業契機。

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
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
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

 
 
bottom of page