内容來源：新加坡國立大學EMBA。
分享嘉賓：柯濱，現任新加坡國立大學商學院會計系教授、教務長講席教授。他也獲聘中國教育部"長江學者"講座教授，并擔任過北美華人會計教授會會長。
輪值主編 | 智勇 責編 | 少将 值班編輯 | 金木研
第 7277 篇深度好文：10587字 | 25 分鍾閱讀
數智化
筆記君說：
數字時代的到來已經迫使所有傳統組織必須踏上數字化轉型之路。智能管理是從軟時代到硬時代的一個裂變，如何管理和安全度過這個充滿風險的轉型，将是所有企業家及管理者的首要任務。
在本節大師講堂中，柯濱教授探讨了大數據時代的大趨勢及對企業家的啓示，智能管理轉型的核心關鍵，及高等教育研究機構如何幫助傳統組織進行數字化轉型。
大家好，今天很高興又一次有機會，來分享有關數字化轉型的課題，我将在今天的内容裏着重講一下産學研在數字化的轉移過程中對企業的一些幫助。
一、大數據時代的幾大趨勢
我們現在所處的時代是讓人振奮的時代，很多事情發生了天翻地覆的變化。大數據爲王的時代，這是一個好的時代，也是讓人焦慮的時代。
第一個是智能機器的崛起。
我們講算法、智能就顯得很重要。谷歌的深度大腦Deep mind阿爾法狗，跟9段高手李世石較量了5次，結果人類失敗，對很多人來講是非常震撼的一件事。
第二個是制造業的數字化。
在中國正在發生的非常廣泛的事情就是生态圈的智能化，數字化。
比如說制造業，工業互聯網、物聯網，及很多城市都在做的數字化改造城市的交通。數據的大量收集，這對很多政府和企業來講帶來了很多的機會。
第三個是政府數據的大力開發。
全世界很多政府，包括中國政府，都在大力地推動把政府掌握的數據資源開放出來，讓老百姓受益，讓企業受益。
在這個大潮的前提下，對企業、企業家來講，是非常寶貴的機會。如果能抓住此機會，對您的企業會産生巨大的變化。
第四個是世界充滿了越來越多的不确定性。
這個時期讓人焦慮，比如今天這個講座我們是通過遠程視頻的形式，而不是面對面的授課，一個很重要的原因是新冠疫情，還有很多自然災害變得越來越頻繁，越來越讓人預料不到。
還有一個不可遇見的就是現在的新科技，日新月異，讓很多企業家無從着手，不知道下一個新科技什麽時候出現，對企業會産生什麽樣的影響。
舉個例子，最近大家都在提元宇宙這個概念。那什麽叫元宇宙呢？
其實很簡單，大家都看過《黑客帝國》和《頭号玩家》這兩部電影吧，這兩個電影我認爲是對未來世界——元宇宙的一個很好的體現。
體現了在另外一個完全是數字化的空間裏，可以享受沉浸式體驗。就像不管在什麽地方，我們還是能親臨其境，感受到和别人的交流。
那當我們這個世界能達到這個水平的時候，以後不管在什麽地方，工作在哪，都無所謂了，因爲通過元宇宙，都可以跟世界各地的朋友、同事或者客戶做面對面的交流，此時，國界、地理概念已經不重要。
第五個就是管理流程的數字化。
大家可以看下圖，企業管理正從拍腦袋的軟時代邁向基于算法的硬時代，革命帶來的一個最根本性的東西是什麽呢？我認爲是智能管理。
我把它比喻成家裏的天然氣管道。原來沒有，現在給你鋪上管道，此時涉及到智能管理的概念，管道打通後，我們做什麽菜？是用煤氣熬一個粥還是做一頓滿漢全席？其實這就是考驗管理的水平。
二、大數據時代對企業家的啓示
1.商業模式會發生巨大的裂變
智能管理是從軟時代到硬時代的一個裂變，對企業管理和經營，以及商業模式會産生巨大的變化。
大數據是未來的新能源，但數據這個東西很奇妙，會越用越值錢，和我們原來的生産資料很不一樣：比如說我們的錢用了一次就沒了，不能再用第二次。
生産資料，比如原材料，鐵礦等，用完以後也沒有了。
但是，數據用完以後還有，而且不影響别人使用。
更重要的是，數據是我們自己産生的，不是别人給的。任何一個企業，都可以産生數據。
第二個是在大數據智能管理時代，商業模式會發生巨大的裂變，下圖我用了一個樂高的圖片來給大家演示。
大家在做生意的時候給客戶提供一套産品組合，舉個例子：大家賣蛋糕，遇到客戶說，我不要一個蛋糕，我隻要一小片，行不行？而且不僅要一小片，還專挑底層那片。這時你說：我隻能賣一整個。
但是在數字時代，這就有可能實現，因爲數字時代所有的都是數字化，數字化的優勢是可以随意切割。
傳統成功的商業模式很可能在數字化時代被你的競争對手給肢解了，他隻做其中的一小塊，但是他做的比你好。
很多企業在數字化時代遇到了沖擊，從而把原來的商業模式徹底給摧毀掉，因此企業要跟上這個時代的發展。
在大數據時代，從管理的角度來講，可以把管理知識顯性化和制度化。
爲什麽管理知識不能沉澱呢？
很多企業家都非常的困惑，但在現在，在數字化時代，在智能管理時代，其實是可以做到的。
因爲在數字智能管理時代，用的是數據加算法加算力，是可以完全獨立于任何一個人，完成組織知識的升華，對未來的影響很大。
2.小結：大數據時代的内在邏輯關系--新的商業模式和管理模式
大數據時代，形成了新的商業模式和管理模式，企業的創新會叠代得很快，因爲要滿足個性化産品和服務的需求，此時"即時創新"的概念就出來了，企業要跟上節奏，商場是非常激烈的戰場，是不允許我們思考的。
那怎麽樣才能達到即時創新？需要大家有"開放/共享"這個概念，對企業家來說更是這樣，要保持開放、保持共享的态度。
從業務性的角度來看，科技創新帶來新的變化是大數據和機器學習，積極學習算法可以幫助企業做更好的決策，幫助人突破局限性。
在這個前提下，會産生新的商業模式和新的管理模式，因爲智能管理隻有在上面這些條件的基礎上，才能做得更好。
這就是我們在各種場合鼓勵企業家要朝智能管理轉型的主要原因。
三、機器學習案例分享：
如何使用機器學習識别财務舞弊?
不管在哪個國家，财務造假都是一個比較棘手的問題，而且比較難預測到。
我在過去幾年的時間裏，做了個研究，如何用機器學習的辦法識别财務造假。
在2020年我發表了一篇文章，發表後受到比較高的關注度，很多不同領域的人都很有興趣，因爲我的文章反映了當今數字化時代開放合作的典範。
首先，需要有不同的合作者，比如這篇文章有五位合作者，從商科來說，這已經是到達極限了，通常過去商科的合作者一般是一兩個，五個合作者是不尋常的。
但是在智能化管理時代，五個合作者甚至到十個都有可能，另外我們還有三位計算機背景的專家教授，然後我們把這兩批完全不同的專家融合在一個項目裏，才能做出新算法預測财務。
接着，再從管理問題的角度來識别公司的财務造假。
我給大家擺了一組數據。這個數據是基于我文章裏摘錄的，我拿美國的上市公司來做分析。
比如，在美國的上市公司裏面，每年被發現的财務造假的比例通常不超過1%。就比如說100家公司，有一家是會有财務造假，但隻要有這麽一家，就可能把所有人都累得夠嗆。
所以這也是我們盡量把這個蛀蟲挖出來的原因。
過去我們識别财務造假都是基于經驗和專家制定的規則。即使在現在，也有很多企業基于專家的規則和經驗來識别。
但是，在未來我們要基于大數據，基于機器學習的算法，把專家的軟知識換成工程化就是硬知識。
第二步是我們要用什麽東西來預測采用的數據，在人工智能時代，各個國家的監管也越來越嚴格，比如數據隐私問題，就需要規範人工智能算法的使用。
那麽預測模型構建的核心三要素，包括數據、模型、預測标準。
據此，我們從這核心的三要素中，提出了我們的創新，直接從财務報表中提取原始财務數據作爲欺詐預測的指标，依托現有的會計理論來挑選原始數據指标，模型方面也做了創新。做出了一個比較強大的算法叫Ensemble learning（組合算法）。
接着，我再和大家說一下機器學習訓練的例子，下圖的時間線很重要，因爲傳統的機器學習方法，是沒有時間的概念的，你給我一組數據，然後我分開做好兩份，拿一部分做訓練，另一部分來做預測。
此時沒有時間的概念，但是在我們商科裏，很多應用是有時間線的，不能拿過去的數據來預測過去，财務造假不能拿100年以後的數據來預測100年以前，這會本末倒置。
因此時間線非常重要。接着我們要考慮如何訓練？
比如一些财務造假的問題，可能要花時間才發現，或者有些數據需要時間做準備。比如我們用1991年到2001年的數據做訓練。
訓練好一個模型以後，去預測2003年這個年度有多少公司是有财務造假的問題，這是訓練的一個方法。
四、數據越多越好嗎？
原材料并不是越多越好，現在機器很厲害，因此我們發覺，在算法裏面越多數據反而越壞。
在商科裏面很多數據其實不是大數據，就像我用的也不是大數據，而是财務數據。
在商業場景中其實很多應用都是中小型數據，企業在做機器學習模型時候，可以借助理論指導，精心挑選适合企業的小部分原始财務數據，然後将這些數據與強大的機器學習方法融合，就有可能産生更強大的欺詐預測模型。
同時，科學的評價标準便于機器學習模型的落地執行。
我給大家舉的這個機器學習的案例給了我們幾點啓示：
首先是把管理問題轉化成機器學習的問題，這個轉換很重要，因爲并不是所有的管理問題直接能轉換成機器學習的問題，企業需要做一個轉型。
第二，理論很重要，我剛才也和大家提到管理理論對模型構建的重要性。
第三，交叉學科，我們這個課題是交叉學科的經濟，離開兩方中的任何一方，這個項目沒法做成，說明了好的機器學習模型構建需要交叉學科團隊的緊密合作。
第四是機器學習模型構建需要創新能力，設計出來馬上可以用，但你能創造出來，那就不容易。
接着，我們還要看數據質量，好的機器學習模型是需要高質量的數據的。
最後一點我要強調的就是，機器學習不是萬能的，需要不斷叠代更新。
不是說把模型交付給你，就永遠可以用，需要不斷更新叠代，不斷創新。因爲場景在不斷演變。
對于很多企業來講，這個壓力是很大的。大家可以看到在智能管理時代我們的玩法跟傳統的企業家的玩法是很不一樣的，這就像我們進入了無人區，大家都在摸索。
我們學術界在摸索，企業界更是在摸索。在摸索這個過程中很重要的東西是創新及研發。
五、大數據時代産學研合作的機遇及做法
那具體怎麽做呢？基于理論。
數據管理對企業來講是一個核心要素，在做算法之前首先積累數據，用數據去管理數據的标準化，管理數據，還要清理數據，可能占了整個工作的80%，最後20%的時間是在做算法。
要是有很多髒的，壞的數據的話，就沒法做了。
第二，誰來做算法？
做算法的都是大數據專家這個範圍，比如我們那篇文章的合作夥伴，算法專家都是計算機工程博士畢業，企業需要考慮能請到這樣的人嗎？
愛因斯坦的腦子，再加上巴菲特的投資的敏感度，把他們做一個合成品，這是我對大數據專家的要求。
我的那篇文章其實就是兩者的結合：尖端的大數據專家、科學家及計算機的科班生，加上商科，對管理理解深刻，兩個團隊融合在一塊才能做成這件事。
但是我們可以看到，能找到這兩類都特别精通的人還是比較難的，所以我們要考慮未來的發展模式是什麽？
隻有通過合作共赢的模式，才是必然的路，那對企業是這樣，在商業中呢？其實還有一類人叫商業轉化人士。
麥肯錫全球研究所的這個觀點是我非常贊同的，這也是爲什麽我這些年都在提，我們需要很多腳踏兩隻船的商業人士，就是既能跟業務相關的，比如銷售業務人員，打成一片互相溝通，同時又能和後台技術人員，比如算法專家打成一片互相溝通的這類人。
但是這樣的人真的不多。
數字化時代需要不同的企業文化，因此作爲員工來說，能不能适應這些文化，能不能快速反應？
文化發生巨大轉型，你的客戶提出個性化要求，需要你創新要快，但是快的一個後果是什麽？
就可能會犯錯。對企業來講，犯錯可能是緻命性的，你要犯一個大錯，整個企業都毀滅掉了。
過去可能有這樣的案例，那你怎樣才能保證他不犯錯，或者說你允許他犯錯，但這個錯不是緻命性的。
這些在數字化時代都可以解決，比如現在很多企業在做數字化的那個轉型，更重要的是要學會開放共享，因爲企業要創新，而且要快，要不斷叠代才能滿足客戶的不斷更新的需求。
因此我們又回到下圖，企業管理應該如何面對數字化時代的需求，我們不僅要結合我提到的新商業模式的科技創新，還要基于數據、算法和算力的綜合應用。
這和很多傳統的企業家的玩法其實是很不一樣，這就需要我們采用更科學化的方式來解決，我認爲可以分成兩種方式，一種是自創團隊。
很多企業在這麽做，尤其頭部企業，比如阿裏騰訊等企業，都采用自創團隊的方式。
而在開放合作裏面，産學研是很多企業做的比較好的一個方式，頭部企業比如阿裏，也采用産學研結合的方式。爲什麽？
因爲光靠自己的團隊是不夠的，那下面我們就來到産學研的話題。
喬布斯在2005年在斯坦福大學做了一個畢業典禮的演講，他談到，
"創造力，不外乎就是在不同事件之間搭建橋梁。如果你問那些有創造力的人他們如何做事，他們或許會感到些許内疚，因爲他們沒有真的在‘創造’一個東西，而隻是看到了一般人看不到的東西。
一段時間過後，這對他們而言變得顯而易見。這是因爲他們能夠連接過去的經驗并組合成新的東西。"
而如何激發企業員工的創造力，也是一直困擾企業的大難題。這個數字化時代，我覺得産學研是非常好的一條路，因爲企業和大學有天然的互補性。
我從管理角度講一下，管理會計，對企業是非常重要的，因爲這是給企業内部提供角色支持的一個質量層。
在傳統的管理會計裏面，有個報告題，大家可以看下圖，由最上面的宏觀戰略層面爲戰略決策提供依據的東西，到最底層的操作層面甚至是數據層面，涉及到非常落地具體的社交企業的方方面面，這是管理會計報告很重要的體系。
在數字化時代，我們可以在企業完成數據積累後用智能管理這種方式去做。
有的企業說，已經做了很多數字化轉型，但是我還是缺乏管理人才，我跟很多企業談的時候，他們會說，這方面你能不能給我們做一些幫助，因爲他們自己覺得不行。
此時就談到了大學的需求，我們大學就是做研究教學，我們需要了解企業，上課也是研究企業的，需要和很多企業合作，這樣才能有場景來做研究。
而企業的優勢在哪呢？
企業有場景，有數據，弱勢就在人才和理論基礎上；我們大學有研發人才，也有理論基礎，劣勢就是缺乏場景及數據。
因此，企業和大學是個天然的互補地，企業有非常重要的數據，但有數據後怎麽玩不清楚，大學就可以将理論和算法，和企業的數據結合起來。
我們既是需求方也是供給方，那這樣的合作你去什麽地方找？
一個企業不可能在創新方面完全複制一個大學，因爲要複制的話，成本太高，商業盈利能力不合算，投資回報率馬上就打折扣。
因此，連頭部企業，他們都在跟别人合作，是因爲他們發覺比他自己幹合算。
因爲創新是一個完全意想不到的事，并不是說想創新就能得到創新的結果。
六、産學研在智能管理方面的合作
最适合做什麽？
接着我們看，産學研最适合做什麽。首先，我把企業的需求分成以下三類：
描述性分析，比如現在很多企業用到信息系統、可視化商務智能系統等，很多企業通過可視化分析把公司的現狀進行描述性分析。
難的是後面兩個——預測性分析和因果關系分析。
描述性統計，就是要發現企業現在的問題，預測性是要展望未來。
因果關系分析是增值的決策，我做的決策會帶來一個後果，但是我們需要考慮，這個決策是不是能給企業帶來增值效益？我希望你的所有的決策都是增值的，而不是減值的。
因此，我認爲在預測和因果關系分析這個層面很多企業是做的不足的，或者企業根本沒有這個能力，所以企業和大學進行産學研合作，這是非常好的機會。
七、産學研合作如何進行？
産學研必須是雙赢的合作，不能單邊的，雙方都能得到好處，比如對大學來說，我們有成果可以發表，企業的知識産權可以共享項目驅動。
谷歌有個20%的法則，谷歌讓優秀的員工拿出20%的時間，做你想做的任何事情，這就是創新。
我根據谷歌的20%法則，弄了一個新的法則，我稱作"柯濱50%法則"，企業要允許科研人員，在有一定空間的合作項目的前提下，讓他們去遐想。遐想以後有成果出來可以跟你共享。因爲創新的話需要遐想才能出來。
總結一下，我覺得産學研是智能管理轉型非常有效的途徑。
我現在跟很多企業做合作，都覺得做得很開心，因爲确實有很多地方是共赢的，而且是互惠互利。我對企業有幫助，企業對我也有幫助，我可以把企業的經驗帶回來跟我的學生共享。
我希望各位聽了我今天的講座後，可以思考思考，跟你自己研發相比，跟大學合作，是不是成本要低很多。
因爲相當于是你在借力。比如說你跟我們新加坡國立大學合作，是借了我們整個學校的資源來共同做研發。
企業自己要做，很難實現那麽好的效果，國大那麽多學科都很棒，大家一起來做一個項目，這是企業自己是很難複制的。
八、問答環節
Q：如果一個公司的老闆，對管理系統，管理平台沒有任何思考和部署，如何推動董事長和總經理展開管理系統的部署？
答：大家對數字化，尤其對智能管理的數字化的理解很不一樣。因爲你的理解不一樣，就會對你的動力産生很大的影響。
我的建議是，不管你是忠誠的員工還是一把手，都要持開放的心态去看這個問題，因爲數字化轉型不是一蹴而就的工程，是一個非常漫長的探索過程。你不去探索的話，可能過十年以後，你就會被淘汰。
Q：産學研最大的問題在于知識産權分不清楚，柯老師認爲如何解決知識産權管理的問題？如果我們開放數據共享，公司數據和商業機密可能會被競争者利用，那該怎麽辦？
答：這些是涉及到知識産權及數據隐私等相關的問題。
關于第一個問題，我不認爲是一個挑戰。因爲産學研已經在全世界範圍被運用了很多年，有很多成功的案例是通過産學研完成。
與人合作總是會有一些理解的不同，或者是争端，這些都在所難免。你不能因爲有一定的風險你就不去做這個事，你最後還是要算一算你做這件事的機會成本和收益是多少，你不做你的機會成本和收益是多少。
最後，你要權衡利弊，才能做出最終的決定。
根據我對全世界範圍的觀察，我覺得産學研對企業來講，其實比你和同行之間合作的風險更小。
因爲大學是非盈利機構，目的不是去創收，你跟大學合作，其中一個是盈利型機構，就是你們企業界。
大學跟你們合作的目的并不是沖你們的錢去的，你們之間發生沖突的可能性就小很多。
比如新加坡國立大學在和很多業界的企業合作，都有非常規範的合作協議，而這些協議不是僅針對這一家企業，而是新加坡國立大學對任何一家企業，都用同樣的條款，都是給各自保護。在合作過程中，出錯的可能性就小了很多。
第二個問題是有關數據的安全。
在相關的領域，大家都在尋求不同的解決方案，比如說聯邦學習的方法，或者采納區塊鏈的方法等等，來解決相應的問題。
但你跟大學合作的話，其實就談不上會被競争者利用，因爲大學對數據安全非常重視，大學都是去到企業的内部場所來進行科研應用的合作。這樣的話，公司數據和商業機密都會被保護得比較好。
Q：我想問一下以後大型企業利用大數據全産業鏈發展，會不會使得中小企業生存空間更小，大型企業壟斷市場的概率會更高？企業在投資和回報方面能否利用智能化管理使得成功的概率、投資回報率更高？
答：第一，在數字化時代，小企業和大企業到底誰的成功率會更高？是不是小企業在數字化時代就一點希望都沒有？
我個人的看法是各有利弊。因爲大企業有大企業的優勢，同樣也有其劣勢，小企業也是同樣的道理，要看各自在競争市場中如何定位，采取哪些有利的策略，規避短處。
這樣的話，小企業在現在的數字化時代說不定有比原來更好的機會。
因爲小企業，船小好掉頭，比較靈活，速度比較快。大企業往往是比較臃腫，有很多大企業的通病，反而在轉型的時候，轉的太慢。那大企業死掉的可能性會更大。
第二，我們能不能用智能管理的方法來提高我們成功的概率和我們投資的回報率。
其實我現在在跟一些企業合作，其中包括一些風險管理投資方面的企業。爲什麽跟這些企業合作呢？因爲投資領域，尤其是風險投資，它的成功率是非常低的。
現在我們的數據到達一定級别後，在有數據的前提下，我們就可以幫助風險投資機構和公司，提高他們的生存率。
現在已經有很多相應的機構，包括學術機構，在研究這個問題。
我覺得，這個門檻也許并不是那麽高，因爲風險投資，從定義的角度來講，他本來的成功率就很低，那他的起點自然也低。
你稍微往上提高一兩個百分點，說不定對風險投資機構來講是一個巨大的産出。用智能管理的手段去做這件事，希望還是很大的。
Q：柯老師，如果是非零售行業，怎樣可以開展數據采集？建立數據管理的基礎是擁有數據，但是怎樣才可以建立數據呢？
答：其實我在給我們EMBA的同學上課的時候，也專門提到過這個問題。
企業界的朋友對投入的成本非常在乎，不可能買很多硬件設備，買很多服務器去無限制的儲存數據，同時不清楚這些數據的用處。
我的觀點是，你首先要想好用這些數據做什麽，其實在智能管理這一塊，數字化是很大的範疇，比如給零售的客戶提供服務，那也是數字化的一部分。
我今天講的課題中最關鍵的，也是最難的，是企業管理的數字化。那就相當于，你爲了給客戶提供服務，首先你自己的管理要數字化，要提高水平。
從管理的數字化的角度來講，理論的指導非常重要，清晰的理論指導，可以讓你了解哪些數據是必要的，哪些數據不需要。
我剛才把大的框架給大家搭了一下，現在是萬物相連的時代，尤其是在中國。中國在數字基建方面的投入非常大，尤其是在後疫情時代，速度要比原來還要快。
未來的時代，無論是小企業還是大企業，企業管理的那些蛛絲馬迹都有數字的記載。隻是看你是否有細心的去留意，并把數字存下。
存數字之後才有可能做第二步，就是算法，然後你再去買一些算力。如果你數據沒有存的話，就談不上算法。
不論是大企業，還是小企業，你首先要從管理的角度，用理論教會人該怎麽做。
然後從自身的角度來找出你最大的痛點，兩者結合起來，從一個小的切入口，做一個短平快的嘗試，把它做成功，給你提升一定的信心，這樣在數字化轉型的路上，就可以跨出更大的一步。
Q：數字化轉型傳統對傳統企業最有價值的地方，以及當前企業智能管理的重點是什麽？
答：你可以問自己，企業的管理，你原來是如何做的？那在數字化時代我們的管理應該怎麽做？智能這個兩個字，在數字化時代是什麽意思？想清楚這些問題，其實你也就很清楚應該怎麽做。
我歸納總結一下，就無非兩句話。
第一就是你不管做什麽樣的管理，第一步你需要對未來有一個很好的把握。
這就是我們在講數字化時代中的預測，隻不過在數字時代呢，我們預測不是原來的拍腦袋的預測，我們是用算法，也就是智能的機器學習來實現。
第二就是你對未來有了把握以後，你要問自己現在應該做什麽？做什麽樣東西？
比如你對資源的分配，比如說我現在有1萬塊錢，我這1萬塊錢用來做什麽，如何投資。
這就是我剛才講的管理的第二個要素：因果關系的分析，舉例我投100塊錢在這個地方和不在這個地方，對我最後的利潤會産生多大的影響？
那這其實就是一個因果關系的判斷。因果關系的判斷其實也可以用科學的方法來做，原來大家可能很多時候是憑感覺，但在數字化時代，因爲有太多的數據，你可以用算法，用數據，可以把你的這個角色做得更好。
Q：剛才機器學習識别财務造假案例的模型，在不同國家的上市公司的造假比率和監管發現造假比率及财務制度、管理政策不同，對造假模型适用影響會有不同嗎？
答：會有不同的影響是肯定的，比如在我講的案例當中，用的是美國的數據，美國的預測。
如果在中國遇到這個情況，這個美國的模型，你能不能照搬過來就用？
如果你懂機器學習的話就知道這肯定不現實。因爲模型就像機器，機器到了新的環境，你需要調試才行，你不調試直接用這個機器的話，可能會有很多的雜音，那這樣的話，你用這台機器的效果就不好。
其實你在一個新的環境，即使原來模型的理念可以用，你還是要有一個調試的過程。
當然像有一些環境下，比如說一些新興市場，很多财務造假永遠不會被發現，但是它卻存在，作爲一個商業公司，你需要跟别人打交流，盡管這個造假永遠可能不見天日，但對你的角色還是有很大影響。
這時候，我們機器學習模型的方法和理念也許就不能适用，因爲我們這個方法是基于财務造假最終是會被挖掘出來的假設。
假如造假永遠不被挖掘出來的話，你的算法就不能按照這種方法做，你就要采納不同的方法。
這就變成了另外一個研究的課題，有一些學者也在研究，包括我自己在内，我們也在探索，如何把财務造假這個模型在新興市場中做一個研發，來解決财務造假的問題。
Q：請問老師，您剛才提到的數據專家和智能管理都需要人來實現，您如何看待當今的組織設計？請給一些建議。
答：我今天的講座，可能組織層面講得比較少。從管理理論框架的角度來講，人是在組織底下去運作，其實人的變化，也相當于是組織的變化。
比如剛才我在講座裏講到文化的變革，數字化所需的文化和20世紀管理所需的文化是很不一樣的。
因爲現在這個時代，我們強調要快，要創新，尤其在數字化時代的創新，跟之前的創新是很不一樣的。
在這種情況下你的組織設計就變得非常重要。我認爲是八仙過海各顯神通，沒有千篇一律的方法，每個企業都需要根據自己獨特的地方進行設計，組織的設計本身就具備創新。
關鍵是大家的目标是一緻的，我們最後要把組織的效率給挖掘出來。你如何達到這樣的效率？那就是八仙過海，各取所長。
不同組織的創新，有很多可能我們還沒有看到，包括我自己也在思考，盡管這個理論很清楚，但"藥引"是什麽？
例如你看病給你一副藥，你肯定需要藥引，才可以有效。
組織的變革也是同樣的道理，有些地方你動一動，能觸及全身，說不定你的變革就會變得很通暢。關鍵是每個決策者、領導自己去體會，多交流。
*文章爲作者獨立觀點，不代表筆記俠立場。
主辦方簡介——
新加坡國立大學(簡稱NUS)建立于1905年，是全球排名11，亞洲第一的世界級頂尖學府。新國大中文EMBA碩士學位課程是新加坡國立大學的旗艦項目，緻力于培養具有國際化視野、全球化戰略眼光的企業家、管理者和商界領袖。在最新QS全球EMBA排名前16名榜單中，新加坡國立大學是跻身于歐美院校中的唯一一所亞洲本土高等院校，而國大中文EMBA項目也是唯一入選的用中文授課的EMBA項目。
分享、點贊、在看，3連3連！
