企业改革
332 浏览
马云：未来的三十年是动荡的三十年，是新企业诞生的三十年
管理类 第四人称 2017-03-27 14:02 发表了文章
马云在开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。”
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷 查看全部
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷 查看全部
马云在开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。”
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷
423 浏览
王玉锁：互联网是不是可以解决大企业病？
管理类 料盘挡板 2016-12-13 13:21 发表了文章
我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的。
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家 查看全部
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家 查看全部
我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的。
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家
502 浏览
业界 | 企业应用机器学习的主要障碍有哪些？
管理类 机械设计 2016-11-02 16:31 发表了文章
如今机器学习的应用虽然越来越普遍，但如同其他新兴应用领域一样，一定会有一些障碍。对于企业来说，官僚化的批准流程、隐私保护、部门壁垒、价值周期长是其在部署机器学习时的主要障碍。
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；在全企业支持数据、用户和负载；融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
数据难以获得数据污染；传统的机器学习工具不能扩展到大数据；管理部门批准部署模型的速度太慢，充满官僚主义；公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供 查看全部
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；在全企业支持数据、用户和负载；融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
数据难以获得数据污染；传统的机器学习工具不能扩展到大数据；管理部门批准部署模型的速度太慢，充满官僚主义；公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供 查看全部
如今机器学习的应用虽然越来越普遍，但如同其他新兴应用领域一样，一定会有一些障碍。对于企业来说，官僚化的批准流程、隐私保护、部门壁垒、价值周期长是其在部署机器学习时的主要障碍。
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
- 彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；
- 在全企业支持数据、用户和负载；
- 融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
- 数据难以获得
- 数据污染；
- 传统的机器学习工具不能扩展到大数据；
- 管理部门批准部署模型的速度太慢，充满官僚主义；
- 公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供
332 浏览
马云：未来的三十年是动荡的三十年，是新企业诞生的三十年
管理类 第四人称 2017-03-27 14:02 发表了文章
马云在开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。”
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷 查看全部
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷 查看全部
马云在开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。”
7名校董，11名保荐人企业家，30位教授。44位从1080名候选人中选拔出来的新学员在今天加入湖畔大学。在44名新学员中，既有众安保险陈劲、58到家陈小华、快手宿华、罗辑思维罗振宇、巨匠文化胡海泉等明星学员，也有华仁再生资源洪碧波、RENOGY太阳能李懿、浩丰食品马铁民、居然之家汪林朋、正大制药谢其润等传统行业的企业家。
湖畔大学教务长曾鸣在介绍新学员时表示，44名三期学员是从1080名候选人中选拔出来。相比于之前两期学员，湖畔三期学员中提高了来自实体经济行业的比例。2015年湖畔大学的第一期学员主要还是互联网新贵，第二期学员中来自互联网的学员比例就已大幅降低，在今年的第三期学员中，44名学员来自近30个领域，只有不到1/3从事纯线上行业。
另外，家族企业二代接班人明显增多，比如老板电器的任富佳、天士力集团的闫凯境、新凤祥集团的刘志光、华仁再生能源的洪碧波、正大制药的谢其润、立白集团的陈丹霞等。
马云在随后的开学典礼中表示，“未来的三十年是动荡的三十年，是新企业诞生的三十年。今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来。”
以下为马云开学典礼讲话实录：
谢谢大家，今天是第三期，我刚才给大家授校徽的时候，看见所有眼神里面充满了期待，充满了希望，通过湖畔大学能够学到很多东西，通过湖畔大学这个平台也能够给社会分享很多东西，往往是期待越大、失望越大。
我上来之前，大家想你到底今天想跟大家讲什么，其实好的东西要不断重复讲，年年讲、月月讲、时时讲。公司里面的信念也是一样，我是在2001年、2002年、2003，年那时候觉得价值观、使命感对于一个企业是多么的重要，我是真的觉得每一个人进来，必须得了解、必须得学习，差一点让公司里面的保安、扫地的阿姨都学习上公司价值观了。
只有不断的强调，而且最后强调以后，你会觉得真正相信以后，边上的人也会相信，我说我投资，如果我去投资创业者，我关键看他自己是否相信，他边上的人是否相信，有的人说的跟想的不一样，做的跟说的不一样，挺麻烦，我们未必说的跟做的都一样，但是能够感受到。
我强调一下为什么办这个学校，办这个学校源于九年前我们在不丹的一次旅行，在飞机上很多民营企业家，那时候民营企业的状态非常艰难，想一想民营企业的状态永远没有好过，大家做企业越来越难，请问谁告诉我做企业是容易的，过了以后才觉得是容易的，吹牛的时候可以讲，那时候厉害，其实当时非常艰难，今天是艰难的，未来依旧艰难。
那次我们在飞机上面，我们说成立一个大学，专门培养中国民营企业家的大学。然后一哄而上，说我们搞一个这样的学校，于是推荐我为第一任校长，我也很高兴，九年以前我是Nobody，我今天认为我还是一个Nobody，只是很幸运有很多朋友的信任。
我公司同事非常努力，时代机遇不错，走到今天，九年前背了这么一个责任，我自己也是老师，总是希望回到学校里面去，这样的初心，我们经过五六年的思考，建立这么一个湖畔大学。
我跟第一期同学讲过，湖畔大学是一个创业的学校，我们到底想干吗，走到多久，我们不是很清楚的。曾鸣刚才讲得非常对，我们在第一期的时候，上一天课，下一课都不知道上什么，这是实事求是讲，而且来的时候我们也没骗你们，说是一起办这个学校。
前面十年的人，你们是最倒霉的，也是最幸运的，莫名其妙以为自己学到东西，但是我认为学和习是一起的，学和习是两个概念，学了知识一定要习之，习就是犯错误。
所以我们的前十期，我们思考像做企业一样做这个大学，首先第一点，招来的学生都要非常不错，我一直这么坚信，哈佛也好、斯坦福也好，好不是因为教授好，而是因为学生好，这些学生不用太教都很好，但是这些学生在一起，互相交流、互相思考、互相争辩、互相合作，再加上一些优秀的老师的引导，使得这些学生、这些学校做得不错。
湖畔大学前十年，我们希望所有进入这个学校的人，你们就像黄埔一期二期一样，认认真真、脚踏实地，到这里跟我们一起建立这么一个学校，这个学校已经不是一个民营企业学校，这个学校更不会小到说我们跟国有企业去竞争。这个学校所受到的关注非常之大，这也是这个学校的校董，包括校长我发虚的地方，关注的越来越大，哈佛、斯坦福的，我出国很多，居然很多企业家和政界问你们湖畔大学怎么样，是否可以合作一下，很多名校想跟我们湖畔大学合作，我说我们还没搞清楚方向定位，我们也正在慢慢摸索过程之中，过早地把自己跟任何大学合作，都为时过早。
别人对我们的期望，现在社会、同行业、我们自己对自己的期望值都没有调整好的情况下，我认为我们应该脚踏实地把自己做得更加好一点。刚才在讲这个学校的方法跟人家不一样，我们更愿意分享很多失败的教训。
刚才周航同学讲的，我非常同意。我经常在讲，我说我去肯德基曾经应聘过，24个人，23个人录取，有一个网民写了一篇文章，这是假的，肯德基1993年才进杭州，那时候已经是大学里老师了，我们讲的任何话，都有人去研究，我确实1992年、1993年应聘，我在大学里面毕业，分配到电子工学院教书，我答应我们校长五年内不离开学校，92年、93年，刚好接近五年了，我想快跑到五年了，我去找工作，那时候肯德基如日中天，到杭州来的时候，去招聘，我那时候大学是杭师院毕业，到大学只能教专科生，那帮专科毕业以后，他们工作也找不到，我带这帮学生去，结果学生录取，老师没被录取，有点丢人。
在座每个人都知道，你们去融资，被人拒绝是正常的，被人接受是不正常的，你们去做销售，去卖一样东西，出去一天做十个客户，十个被拒绝是正常的，凭什么人家买你的，凭什么人家相信你，但是有人给你一次机会，有人买了你的商品，有人用了你的服务，有人给了你投资，你应该感到由衷的幸运，我比自己想象的好，要对得起这份信任。
所有失败是最佳的营养，这是心态，你怎么看待这个失败，你怎么跨过这个失败。我到今天为止，阿里巴巴很大了，未来是不是一马平川，企业越大，碰到的困难越大。我们有五亿多的用户，在整个体系管理过程中，我不断去思考别人在这个关键时刻怎么跨过去的。
湖畔大学是不是MBA一样学习成功的案例，成功者有的时候是各种各样的元素造成的，我今天重新再走一遍，今天阿里巴巴的员工水平比当年十八个人好不知道多少，我们十八个人前几天坐在下面听员工开会，我们自己都发虚，重新应聘，我们没有一个能录取，重新走一遍根本没有这个机会。但是所有的失败、所有的成功者，经历的失败都是差不多的，上战场一样，死的那些，自己还没搞清楚怎么回事，一枪打死了，太多了。
我的经历，我看别人怎么失败，为什么失败，我花很多时间，把这些书拿过来，认真看，认真反思，你觉得这些愚蠢的问题是别人犯的，其实你也会犯，但是一旦这些事情出来以后你有一根弦跳起来，这个事情好像有点问题。
湖畔大学请来的学生也一样，我讲过，我也有信心再过二十年，中国五百强中的CEO，两百个CEO跟湖畔大学有关系，要么我们这儿读书过，要么到我们这儿应聘过。我们要有这个自信，但是我们在这儿不是培养最大的公司，未来我们培养出最好的公司，自己舒服，只要成为最舒服的公司，最优秀的公司，未必是最大的公司，最大的公司未必是最好的。
未来的时代不以规模来衡量，未来的三十年，过去以工业时代一定是标准化、规模、体量、资金，未来是企业做得多么美好、做得多么舒畅，做得舒畅的人一定是心态非常好，不断反思自己的人。
我前几天在马来西亚讲，我非常幸运，跟中国商界基本上所有杰出的绝大部分的企业家都交流过，我到海外，当今世界还活着的一些优秀企业家，我都经过长时间的交流和沟通，我很幸运，做企业的人，我见过无数政界领袖，我不是对他的权力感兴趣、光芒感兴趣，而是每个人走到这一步都有无数经历挫折，他是怎么跨过去的，他怎么面对的，他怎么面对普通人，他怎么面对商人。在这里学习过以后，我发现所有有出息的人都有一个良好的心态，都很乐观，都很正能量，都不抱怨，都懂得反思自己。
很少有成功的人说这个事情别人干，这个事情别人做，湖畔大学带过去的东西，你的心态要乐观，乐观的人自信，你倾听别人，学会倾听，刚才女同学讲的，讲到这一点，到湖畔来听比讲更重要，来讲是分享，而不是做广告，更不是吹嘘。
我希望湖畔的人乐观积极，乐观积极的人，如果你没看清楚未来的结局是坏的，你的乐观积极不是什么，我认为未来的结局我们都会进火葬场，不管你多努力，这就是坏结局，仍为之。我们知道公司会关门，我每天开开心心把工作做好，乐观积极的心态。
另外一点，我希望大家不要去抱怨，任何人的抱怨，湖畔人要知道，别人的抱怨是我们最佳的机会。
第三我们需要反思，反思不仅反思自己的过错，还要分享自己的过错，从过错里面得到的东西才是真的东西。有的时候觉得自己很成功吹牛的东西，反过来一看，这些东西第二次根本没有机会赢。
湖畔要有自己的思想、自己的体系，我前几天在马来西亚讲过，我说阿里巴巴派很多人去学MBA，去之前都很聪明，回来以后都傻掉了一样，我有一段时间给停下来了，不是MBA不好，我们今天要换一种教育方法、教育思考。湖畔思想，一种新学，一种新的思考，刚才陈东升董事长讲，我们湖畔要有新的教育，其实今天经济在发生天翻地覆的变化，从互联网技术走向互联网时代，我们湖畔第一期互联网公司为多，第二期、第三期传统企业越来越多，今后不存在互联网，互联网不是高科技，一百年以前，电是高科技，今天谁讲电是真正的高科技，未必。当然电力公司告诉你我做到、你做不到，但是教给大家，我们还是能做到的。
整个社会在未来三十年到五十年是天翻地覆，每次技术革命出来的时候，造成的很多思考方法、做事的方法、组织的方法都会变化，第一次技术革命的组织方式是以工厂，第二次技术革命出来，能源革命出来，以公司壮大，这次技术革命，对于公司的架构会发生天翻地覆的变化，公司的架构涉及到文化、人才、结构，全部都会变化。
在座每个人，未来三十年，动荡的三十年，未来的三十年是新企业诞生的三十年，我们可以打这个赌，我们公司里面跟我敢打赌的没几个，中国未来三十年，在台上的企业一定不是今天的企业，今天的前二十位的企业，三十年以后，不知道还有几个在，包括阿里巴巴在内。我们每天如履薄冰思考，因为变化超过我们的想象。昨天的套路不灵了，以标准化、规模化原来这种套路的教学方法必须反思，我们必须培养出新的一批人出来，而且坐在下面，我感受很重要的一点东西，当然不是完全颠覆，今天我特别感动，这帮人居然可以穿校服，挺难的，湖畔大学的同学能够穿校服，这是敬畏之心、感恩之心不、尊重之心，感谢大家，这是一种行为。
我希望未来三十年，你们成为榜样，未来三十年，湖畔大学所诞生的真正的一帮企业家，能够担负起未来整个世界经济的担当，每一个人一点点都会影响很多，企业家影响非常大，我们昨天讨论，我们在国家昌盛的时候，哎呦，奥运冠军，真不错，我们看科学好，去做科学家好，真好，但是科学家也好、奥运会冠军也好，背后是谁干的？我们企业的钱和税，但是没有人觉得企业家在这个社会上有多大的作用。
我们在座这一代的“新学”，希望大家担当起来的是企业商业社会、科技发展，离不开我们这一代人的努力，过去三十年，中国经济高速发展、中国社会高速发展，离不开企业家的努力，未来三十年、五十年，中国企业将会在世界中担当巨大的责任，中国要担当世界的责任，中国必须担当时代的责任，美国有今天，美国当年担当起世界经济的发展、美国在科技的发展、理念思想的发展，在过去三十年取得巨大的进步。
我们今天必须准备好担当，中国作为世界第二大经济体，很快要成为世界第一大经济体，我们对世界的担当、经济的担当，无论外交、军事各方面，都要强大的经济支撑，而经济的竞争，不是靠你有多少武力，而是文化的竞争，思想体系的竞争，执行力的竞争，学习的竞争。
湖畔大学不仅为中国，现在已经有很多老外向我提出申请，很多跨国公司提出能够是否把自己最优秀的公司里面具备创业精神的年轻人、未来的CEO来到湖畔大学，尤其是发展中国家很多创业者说愿意，说要过来，越来越多，这所大学必须是全球化的。
我们很快会接受全球的这些优秀创业者、企业家，在一起上课，因为只有全球的思考、全球的眼光、全球的格局，我们这个学校才真正会变成全球化，面向未来，所以面向全球、面向未来，做好企业，不是大企业，大是自然的结果，为大而大，必定亡，为胖，吃胖有什么意义，而是健康。
企业也是一样，怎么舒服怎么来，面向未来三十年、四十年，这所学校我希望大家共同创业，这不是一个校长在讲话，而是一个创业者跟大家交流，我们在这里面，我们到这里来，我们教不了你怎么赚钱，你们跑这儿来还要学习怎么赚钱，你们找错学校了，你们到这儿来是分享经验、倾听教训，同时更希望大家在这儿学一些平时你根本不会去思考的，哲学、艺术、医学、军事，有些课是强制的，跟商学无关的课，我希望是强制学的，跟商有关的课是选修的。
我们云谷学校，阿里巴巴合伙人准备创办一个新型的小学中学，这个小学里面英语课、体育课、绘画课是必修课，数学、语文慢慢来，我从来没发现一个成熟的人不会算术的，但是音乐、绘画、运动，这些不好，这些人将来不会成为人才，希望我们在湖畔大学，我们三年Review一次，今年第三年，整个校董事会，Review过去三年来所有教学的成长痛苦，也希望共同搭建，我们会完善整个保荐人体系，我们保荐人的职责，要把全中国最好的年轻人，有希望的企业家给找到，把他们聚集在一起，聚集一种新的经济的体量，这个经济为国家、为社会、为世界、为未来出力，因为聚在一起的人多了，才会不一样。
最后我在很多年以前讲价值观的时候，讲过这一个故事，一个老外，GE公司总经理坐在那儿，中国讲价值观没有机会，互联网讲价值观更不可能， 我请他到我们公司来几天，走的时候说你们公司不仅你是疯子，你们公司几百个人都是疯子。
我们在湖畔聚集在一起，不断创新，本身就是能对社会作出巨大的贡献。企业是复杂的，但是只要你乐观、正能量，只要你反思自己，学习别人的过错，自然而然，做一个好企业，定好目标，一定能做好，湖畔与大家同在，三百年不容易，三百年的企业，几乎很难做到，但是三百年的大学有，三百年的宗教有，重要的职责，要做好三百年，赋能别人，真正创造价值，帮助别人成长，才有可能，湖畔希望在座的所有湖畔大学学生以及未来的同学们，一起参与建设湖畔、监督湖畔，找到好的人进来，只有好人、好思想、好执行才会有好结果。谢谢大家。
更多内容请关注：www.imefuture.com
来源：中国企业家杂志 李亚婷
423 浏览
王玉锁：互联网是不是可以解决大企业病？
管理类 料盘挡板 2016-12-13 13:21 发表了文章
我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的。
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家 查看全部
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家 查看全部
我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的。
2016年12月10日—11日，由《中国企业家》杂志社主办的2016（第十五届）中国企业领袖年会在北京召开，新奥集团董事局主席王玉锁在闭幕主题演讲上发表了演讲。
王玉锁认为，现在很多传统企业存在大企业病。他认为大企业病主要有三点：第一，效率非常低；第二，传统的管理跑冒滴漏；第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。
“企业真的不是管出来的，真的是干出来的。”针对大企业病的三个问题，他也给出了建议，他认为：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。
以下为王玉锁演讲整理：
各位新朋好友大家下午好。非常感谢何社长给我一个机会跟大家交流。
我想先给何社长的团队点个赞，这次的主题选得很好——主场中国。现在世界上不断出现一些黑天鹅事件，也就很多层出不穷的黑色科技，都在为今天的主题在起到推动作用，所以我们非常期待主场中国的进程尽快加快速度，尽快到来。
我在2013年的时候接受了何社长给我的任务，那天我也是做了发言，发言的主题就是我第一次提出了互联网能源。当时提出互联网能源的时候新奥已经做了五年的准备，从2008年、2009年开始做互联网能源的准备。那次是第一次把概念提出来。很多人都有一些疑问，能源就是能源，怎么能互联网化呢，是不是新奥在赶时髦？王玉锁在做概念？
今天我跟大家讲，又过了三年，现在大家可能都知道，特别是咱们总理批复互联网+以后，整个的能源界有一个非常大的推动。这几年不管是政策还是技术，还是商业模式探索，都有了很大的提高。就是在做互联网能源的战略整个的时间过程当中，我又发现出现了一个问题，你战略是互联网化了，或者是在逐渐用互联网提升自己的传统模式，但是在这个过程当中有一个很重要的因素对它有制约，就是管理。所以我们战略，我们的商业模式融入到这次互联网时代的大潮当中，接下来要想实现我们的战略目标，管理一定要变革。这个管理变革的方向我们感觉必须回到互联网的理念上来。所以我们又用了两年的时间探索互联网管理的重构。
互联网，这也是我今天的主题，我讲这个主题之前还是想跟大家回顾一下传统管理的一些特点，今天在座的有很多成功的企业家，也有很多管理学家，在他们面前我可能是班门弄斧，但是我将近30年的企业经营也有我自己的感受，也有自己的一些感悟，这个感悟就是在传统的管理当中首先它是一个基于管控的职能化的管理模式。大家可能都知道，我们整个的管理体系一般都是一些所谓的管理专家在做管理设计，仅仅围绕着一个管、管、管，其实企业真的不是管出来的，真的是干出来的。所以，即使这么管，我们很多的企业大家都常讲一个大企业病，这个大企业病基本上我感觉有三点：
第一，效率非常低。我们每年都在就管理的问题进行讨论，进行调整，今天分权，明天集权，今天是战略管控中心，明天是财务管控中心，后天是运营管控中心，调来调去，我们的效率是越调越低。一个决策可能真的企业稍微大的时候，一两个星期这是常事。所以大企业病已经开始制约一个企业。所以企业发展到一定程度，大家都非常在这方面是一个非常困惑的一件事。
第二，传统的管理就是跑冒滴漏，虽然我们天天在讲管控，其实我们的跑冒滴漏很多，不管是在业务发展上还是采购方面，我相信每个企业在这方面都是有很大的感受的。每年在这方面，通过我们事后的审计，审计出来的问题是很多的，每年都在审计。其实，在这方面我们也花了大量的运营成本或者管理成本，付出了很大的管理成本。
第三，我们的知识沉淀，不能够把它运用到我们的员工成长当中来。我们企业有很多的管理经验，也有很多的管理教训，过了也就过了。虽然有很多企业有大学，把自己的案例教给大家，但是因为只是在学的时候学了，用的时候找不到了。所以这个传统的管理使得我们很多的学费白教了。
互联网是不是可以解决呢？我觉得给我们一个耳目一新的感觉。大家都知道，互联网一个很大的特点就是透明，你做的所有的事在平台上都能看得见。我们也能感觉到，互联网一个很大的特点就是分享，不管是我们所有的经验教训，都能够让另外一个人分享，第一时间分享，并且在你使用的时候就可以出现。因为大数据、互联网的联系，把很多的数据我们都沉淀在服务器里面。这些个数据就会很好的支撑我们在风险管控方面的一些作用。
我们做的方法，其实讲起来我也按照这三点讲：
首先在提高效率方面，因为互联网的出现，我们可以把原来的必须要整体管理的一些企业，把它划小划算单位元，让它成为一个一个基于最小的运营单位的组织。这个组织我们现在大家都学了很多阿米巴的金融模式，其实我们在它的基础上，结合我们中国的一些实际，特别是中国民营企业的一些实际，我们叫业务精灵，让它达到自组织、自管理、自激励、自创新，这“四自”使得它的效率大大提高。真的能够实现像华为的任正非先生所讲的，让听得见炮火的人来决策。有了这个以后，接下来就是他们做规则是什么，甚至大家讲谁来控制风险，好，我们后台就用数据的方式来控制风险。也就是说，你每个业务精灵做的任何的事，不管是商务谈判、商务合同的签署，也包括激励，申请资源，都靠数据来支撑，来拿这个资源。而分配资源的人，完全解决了原来为了控制风险所做的人的结构上的一些安排。所以在这方面大大的提高了效率，减少了人力成本，特别是在这个时候我们拿数据来换资源的这个习惯的形成，会把我们每个企业将来不管是做成功还是做失败了，都能够沉淀下来一个非常好的一些经验。这是在效率方面。
第二，控风险。原来我们控风险，基本靠着有经验的团队的人员，一点一点往上走，也就是领导越高，应该经验越丰富，靠这种人治。但是，这种人治能力再强，它也就一个大脑。这个人总有一些情感的因素来制约着他，所以很难形成一个公正、高效的过程。如果我们用大数据把这个问题就很好解决了。
第三，很好的赋能力，互联网大数据的分享的特点会很好的把我们企业的不管是新近的员工还是要提升的员工，在他需要的时候都会得到很好的经验的知识的支持，使他们都能够顺利的完成交给的任务。在这个平台上，我们新员工、老员工，我们掌握的信息、经验都是一样的。
总得来讲，我们企业已经发展到互联网时代，或者互联时代，我们的管理，一定要跟上，这也是到了我们中国人颠覆所谓的我们经典的管理学的时候了。这其实扣今天会议的主题，也是到了一个主场中国的时候了。
来源：张秋颖
智造家
502 浏览
业界 | 企业应用机器学习的主要障碍有哪些？
管理类 机械设计 2016-11-02 16:31 发表了文章
如今机器学习的应用虽然越来越普遍，但如同其他新兴应用领域一样，一定会有一些障碍。对于企业来说，官僚化的批准流程、隐私保护、部门壁垒、价值周期长是其在部署机器学习时的主要障碍。
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；在全企业支持数据、用户和负载；融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
数据难以获得数据污染；传统的机器学习工具不能扩展到大数据；管理部门批准部署模型的速度太慢，充满官僚主义；公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供 查看全部
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；在全企业支持数据、用户和负载；融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
数据难以获得数据污染；传统的机器学习工具不能扩展到大数据；管理部门批准部署模型的速度太慢，充满官僚主义；公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供 查看全部
如今机器学习的应用虽然越来越普遍，但如同其他新兴应用领域一样，一定会有一些障碍。对于企业来说，官僚化的批准流程、隐私保护、部门壁垒、价值周期长是其在部署机器学习时的主要障碍。
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供
即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。
为了支持数字化转型，机器学习必须要做三件事：
- 彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；
- 在全企业支持数据、用户和负载；
- 融合企业技术堆栈；
Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。
扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。
最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。
数据科学家的短缺
有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。
招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。
缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。
对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。
这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。
价值的体现需要长久时间
根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。
管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：
- 数据难以获得
- 数据污染；
- 传统的机器学习工具不能扩展到大数据；
- 管理部门批准部署模型的速度太慢，充满官僚主义；
- 公司对模型部署缺乏明确的流程或技术标准；
大部分数据科学家花费较少的时间训练机器学习模型。在 2014 年，纽约时报报道根据采访和专业评测，数据科学家花费 50-80% 的时间收集并准备数据。今年早些时候，Gil Press 在 Forbes 上发表的文章称 CrowdFlower 的一份数据科学家的报告称调查对象花费 80% 的时间收集、清理和组织数据。
考虑到在企业数据仓库的投资，数据科学家需要花费如此多宝贵的时间来清洁数据是一件很惊人的事。有两个主要原因，首先，企业数据仓库注重对商业智能和性能管理使用案例的支持。这些使用案例是最容易获取的成果；他们有稳定的数据需求和大量的目标用户。然而，机器学习项目却要频繁处理企业数据库不支持的源数据。
第二，数据对机器学习项目的成果非常重要——「垃圾进入/垃圾清除」。有偏见或无效的数据产生有偏见或错误的预测。数据科学家的工作职责是高质量的输出，不能不理会数据问题说是「其他人的问题」。随着社会对算法中偏见的忧虑越来越多，我们期待对数据采集分析过程的可见性会成为普遍采用机器学习的重要因素。这种对责任的需求说明了数据科学家想要掌控数据的流程。
机器学习极其依赖计算基础设施，尤其是大数据。模型开发需要迭代测试和重复测试。2010 年之前，大部分基于机器学习软件的服务器都是单线程的，少有产品支持单机多核并行处理。（例如，SAS/STAT 中有超过 300 个程序，其中只有 22 个支持多线程处理。）
所有的这些顶级数据仓库提供商都在他们的分布式数据集中囊括机器学习引擎。Teradata 在 1989 年就引入了这一能力，IBM 在 1992 年做到这一点，微软 2000 年，Oracle 2003 年，Netezza 在 2006 年加入了机器学习。Greenplum 如今的品牌是 Apache MaDlib。2007 年独立的软件供应商 Fuzzy Logix 在多数据库平台上引入了机器学习库。嵌入 MPP 数据集中的机器学习引擎提供一些潜在的收益，包括减少数据移动，简化部署和一个 MPP 平台的性能。
然而，在实际中，少有数据科学家使用数据库内的机器学习工具。主要有几个原因：第一，减少数据移动意味着一个机器学习项目所需的所有数据就只能是数据库里面的，这很少出现；第二，如果该分析数据集支持消费者喜好的应用我们只能加快部署；MPP 数据仓库中的机器学习库也缺少可用特征，要么强制用户妥协，要么依赖自定义代码。最后，机器学习工作量会分散数据库管理员的注意力，因为它是一些粗笨的、难以预测的工作。许多公司降低数据库内机器学习的部署或者严格的将使用缩减到商业智能的精调上。
虽然关于公司审查模型的时间和通过流程的数据较少，但有证据显示机器学习很重要。负责的管理层要求将影响他们业务的机器学习透明化；没有银行会在不理解模型行为、测试并验证模型的情况下，冒险使用信用风险模型。
在受到监管的产业中，比如银行、保险、医疗中，法律审查是批准流程的一部分。例如在银行中，法律团队会评估信用风险模型从而保证模型没有显性或隐性的歧视效果，当然还有其他的合规问题。
机器学习经验较少的公司可能缺乏模型部署的明确流程。没有明确流程的情况下，每个项目就是一个自定义项目，所以每个 contributor 必须从头开始完成每个人物，缺少最佳实践和标准模块提供的指导。这会花费很长的时间，在一些公司中，不是一个预测模型可能要花费 6 个月或更长的时间。在如今快速前进的商业环境中，这是很长的一段时间。
企业机器学习的挑战
打破机器学习的各种「专业孤立性」是企业机器学习的关键目标。部门之间孤立行事会提高成本，阻碍投资，阻碍数字改革。
技术人员的短缺是管理者们普遍关心的首要问题，因为这阻碍了更广泛的机器学习部署。技术差距部分归因于对于数据科学家，缺少一个专业的标准，机器学习项目 contributor 的角色不清晰。这个技术差距在组织中产生了一个恶循环，因为招聘经理在之前成功案例的情况下可能会无法判断某个人是否胜任机器学习的工作。管理人员的报告中提到，机器学习项目的周期太长是一个关键问题。机器学习项目需要花很长的时间才能产生价值，因为数据中有很多杂乱的东西，而且很难获取；因为传统的机器学习工具无法升级；因为部署模型的批准过程可能很复杂很官僚化；还因为很多组织缺少确定的模型部署程序和标准。
来源：机器之心微信公众号
智造家提供