用算法思維贏得戰(zhàn)略優(yōu)勢

編譯/王玉潔

運(yùn)用算法建模，可以幫助企業(yè)更科學(xué)地制定戰(zhàn)略，贏得競爭優(yōu)勢。

通常我們都認(rèn)為企業(yè)戰(zhàn)略是宏觀的方向性指導(dǎo)，精確的計(jì)算會(huì)令企業(yè)誤入歧途。然而隨著大數(shù)據(jù)技術(shù)的日益成熟，越來越多的企業(yè)通過計(jì)算機(jī)建模來輔助企業(yè)戰(zhàn)略的制定，算法已成為企業(yè)提升其戰(zhàn)略優(yōu)勢的途徑之一。

多倫多大學(xué)羅特曼管理學(xué)院教授米赫內(nèi)亞·多韋亞努（Mihnea Moldoveanu）近期的一項(xiàng)研究對(duì)如何利用算法提升企業(yè)戰(zhàn)略的科學(xué)性，進(jìn)而獲得競爭優(yōu)勢進(jìn)行了總結(jié)梳理，我們可以從中一窺算法的魅力。

首先通過兩個(gè)案例來認(rèn)識(shí)企業(yè)戰(zhàn)略中算法的重要性。

案例一來自谷歌公司。谷歌的誕生源于公司兩位聯(lián)合創(chuàng)始人拉里和佩奇的一個(gè)愿景，即希望打造一個(gè)產(chǎn)品能夠?qū)ヂ?lián)網(wǎng)上數(shù)十億的網(wǎng)頁進(jìn)行快速搜索，并以用戶最期待的結(jié)果進(jìn)行呈現(xiàn)。如何將這一愿景付諸實(shí)現(xiàn)，這其中涉及到的算法是，搜索引擎需要解決一個(gè)問題——根據(jù)人氣或影響力對(duì)網(wǎng)站進(jìn)行排序。常規(guī)的算法是將網(wǎng)上每一個(gè)網(wǎng)頁作為一個(gè)節(jié)點(diǎn)，計(jì)算出每個(gè)節(jié)點(diǎn)之間的鏈接關(guān)系，然后按照鏈接數(shù)量由高到低進(jìn)行排序。然而這樣的計(jì)算量是節(jié)點(diǎn)數(shù)量的指數(shù)函數(shù)，其復(fù)雜程度可能需要數(shù)年的運(yùn)算方能得出結(jié)果。這對(duì)于視速度為生命的搜索引擎而言顯然是不可接受的。谷歌采用獨(dú)創(chuàng)的“PageRank”算法，不但可以以可接受的精度進(jìn)行網(wǎng)頁排序，還大大減少了計(jì)算量。這為谷歌在搜索引擎領(lǐng)域贏得競爭優(yōu)勢奠定了基礎(chǔ)。

案例二是網(wǎng)絡(luò)設(shè)備領(lǐng)域的領(lǐng)頭羊思科公司。網(wǎng)絡(luò)設(shè)備的種類無所不包，從最簡單的路由器到復(fù)雜的電信交換機(jī)再到操作系統(tǒng)，思科公司不斷提供大量最新的設(shè)備以滿足用戶對(duì)新技術(shù)的需求。面對(duì)如此復(fù)雜的產(chǎn)品市場，思科公司如何制定相應(yīng)的公司戰(zhàn)略以滿足市場需求？思科公司并沒有采用復(fù)雜的算法，去計(jì)算如何調(diào)整產(chǎn)品組合以實(shí)現(xiàn)最優(yōu)的營業(yè)利潤。反之，公司將戰(zhàn)略重點(diǎn)放在“收購”業(yè)務(wù)上，只要目標(biāo)公司的產(chǎn)品符合思科的戰(zhàn)略領(lǐng)域，并且具有高估值的“退出”前景，思科公司就著手收購。思科公司的這一策略表現(xiàn)為，當(dāng)公司戰(zhàn)略問題過于復(fù)雜、難以求解的時(shí)候，滿足績效目標(biāo)是一種簡單而有效的處理方法。思科的這一戰(zhàn)略在錢伯斯任內(nèi)達(dá)到極致，公司平均每年收購約7家公司。與之相對(duì)應(yīng)的是強(qiáng)調(diào)自主研發(fā)的北電網(wǎng)絡(luò)公司，該公司全部的產(chǎn)品幾乎全為自主研發(fā)的設(shè)備，然而如今思科的市值超過千億美元，而北電網(wǎng)絡(luò)曾一度申請(qǐng)破產(chǎn)保護(hù)，如今已退出一線廠商的行列。

戰(zhàn)略活動(dòng)，就是不斷演進(jìn)的NK網(wǎng)絡(luò)

如何用算法求解復(fù)雜的戰(zhàn)略問題受到學(xué)者的關(guān)注開始于2000年。研究人員認(rèn)為，利用計(jì)算復(fù)雜性理論和算法建模，戰(zhàn)略經(jīng)理可借此解決“棘手問題”（即在復(fù)雜環(huán)境中可能面臨的問題）以實(shí)施企業(yè)戰(zhàn)略。波特的價(jià)值鏈理論將企業(yè)創(chuàng)造價(jià)值的過程拆分為各職能單位，企業(yè)被視為獨(dú)立單位的聯(lián)合活動(dòng)系統(tǒng)，這為復(fù)雜性戰(zhàn)略計(jì)算提供了基本的理論支持。復(fù)雜性戰(zhàn)略計(jì)算將企業(yè)視作相互作用的節(jié)點(diǎn)，企業(yè)可以看作由N個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)有K個(gè)邊界組成的布爾網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)的狀態(tài)，以及由邊界聯(lián)結(jié)起來的所有節(jié)點(diǎn)狀態(tài)，都作為該節(jié)點(diǎn)的狀態(tài)函數(shù)不斷演化。在這個(gè)視角下，我們就可以將企業(yè)的戰(zhàn)略活動(dòng)，視為不斷演進(jìn)的NK網(wǎng)絡(luò)，我們便可以理解企業(yè)戰(zhàn)略需要解決的問題，預(yù)測企業(yè)活動(dòng)所產(chǎn)生的價(jià)值，以及企業(yè)可能演化的方向。

圖1 戰(zhàn)略問題的算法分類

然而理論上美好，實(shí)現(xiàn)起來卻面臨非常大的技術(shù)難題。雖然企業(yè)戰(zhàn)略可以被建模，但是NK網(wǎng)絡(luò)的計(jì)算量隨著求解問題的增加，呈現(xiàn)指數(shù)形式的增加（計(jì)算量一般為N的K次方），即便以當(dāng)前的計(jì)算機(jī)發(fā)展速度，也難以解決如此巨大的計(jì)算量。因此，研究者轉(zhuǎn)而尋找能顯著降低計(jì)算量，并得到近似精度的算法。多韋亞努教授結(jié)合相關(guān)學(xué)者的研究，對(duì)企業(yè)如何對(duì)戰(zhàn)略問題進(jìn)行戰(zhàn)略建模提出了幾條原則，用以簡化算法，幫助戰(zhàn)略制定者更好地運(yùn)用算法解決企業(yè)戰(zhàn)略問題。

先分類，再定義

運(yùn)用算法求解企業(yè)戰(zhàn)略問題，第一步是確定戰(zhàn)略問題的類型。圖 1給出了企業(yè)戰(zhàn)略問題類型的劃分方法。如果要運(yùn)用算法，首先要求企業(yè)戰(zhàn)略的問題是可以被明確定義的，例如在現(xiàn)有的預(yù)算和產(chǎn)品組合下，企業(yè)利潤實(shí)現(xiàn)最大化。如果目標(biāo)明確，那么再看目標(biāo)能否用結(jié)構(gòu)化的數(shù)據(jù)來描述。結(jié)構(gòu)化數(shù)據(jù)可以理解為能夠存儲(chǔ)在數(shù)據(jù)庫中的數(shù)據(jù)，數(shù)據(jù)不可再分，可以被明確地定義、計(jì)算或檢索，如企業(yè)的銷售數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、產(chǎn)品型號(hào)等。對(duì)于非結(jié)構(gòu)數(shù)據(jù)如音頻、視頻文件，目前的算法是難以度量的，如果要利用這類數(shù)據(jù)，則要想辦法將其轉(zhuǎn)換為結(jié)構(gòu)化的數(shù)據(jù)。一種常見的思路是采用虛擬變量進(jìn)行描述。如產(chǎn)品售后服務(wù)電話的錄音內(nèi)容本身是無法衡量的，但我們可以請(qǐng)用戶對(duì)售后支持“是否解決問題”“售后服務(wù)人員的態(tài)度”等采用“0/1”法或5分制打分，將其轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)。最后我們的問題就可以被劃分為可以用線性建模處理的P難度問題，或者采用非線性建模處理的NP難度問題[注：P（Polynomial）難度問題是指，可以通過多項(xiàng)式直接求解。NP（Nondeterministic Polynomial）難度問題表示無法通過確定的多項(xiàng)式求解，只能進(jìn)行“猜測”，但可以通過多項(xiàng)式驗(yàn)證其解是否正確]。

了解到戰(zhàn)略問題的算法分類，接下來的工作是對(duì)企業(yè)戰(zhàn)略問題進(jìn)行有效的定義。戰(zhàn)略制定者的工作就是將戰(zhàn)略問題定義為，“定義明確、結(jié)構(gòu)良好”的WDWS問題（welldefined，well-structured），或者是將NP類的戰(zhàn)略問題分解為一系列典型的WDWS問題進(jìn)行求解。WDWS問題可以進(jìn)一步分解。對(duì)于可以通過多項(xiàng)式求解的P難度問題，可以編碼為“易處理”和“棘手”問題。“易處理”問題可以通過簡單的線性多項(xiàng)式求解，如排序、分級(jí)等?！凹帧眴栴}主要包括線性優(yōu)化、搜尋、聚類、模式匹配等。NP問題編碼為“難處理”問題，其復(fù)雜性作為問題描述中變量數(shù)量函數(shù)，會(huì)呈指數(shù)或超指數(shù)方式增長。NP棘手問題包括了發(fā)現(xiàn)競爭博弈均衡點(diǎn)、設(shè)計(jì)戰(zhàn)略產(chǎn)品或解決方案的約束條件等問題（表1給出了常見的戰(zhàn)略問題所對(duì)應(yīng)的算法）。

“棘手”問題的算法思維

針對(duì)戰(zhàn)略棘手問題的分解研究表明，許多企業(yè)戰(zhàn)略問題是難處理的。這是因?yàn)楝F(xiàn)實(shí)中，很難對(duì)戰(zhàn)略棘手問題正確建模。例如，預(yù)測組織網(wǎng)絡(luò)價(jià)值活動(dòng)鏈NK網(wǎng)絡(luò)演進(jìn)的問題NP難度表明，復(fù)雜性不但難以模仿，也很難被復(fù)制，而且因其難以復(fù)制成為一種競爭優(yōu)勢。

然而我們可以跳出算法優(yōu)化的思維局限，結(jié)合商業(yè)和算法思維解決企業(yè)的戰(zhàn)略問題。例如對(duì)難以解決的NP棘手問題，戰(zhàn)略經(jīng)理可以通過找到產(chǎn)品的優(yōu)化特征、降低總成本并減少相容約束條件，做好復(fù)雜合同安排（明確表示出于外部限制條件和預(yù)期相匹配的內(nèi)部一致性條款的最佳集合），分析挑戰(zhàn)和困難的根本原因（找到最能解釋數(shù)據(jù)集的最小命題或假設(shè)集合），并嘗試找到企業(yè)預(yù)先承諾和定價(jià)的特定納什均衡子集。

我們看前述的谷歌和思科是如何解決復(fù)雜性戰(zhàn)略問題的。谷歌如果要計(jì)算高達(dá)1× 109個(gè)網(wǎng)頁之間的相關(guān)性，需要對(duì)所有網(wǎng)頁的排列組合進(jìn)行計(jì)數(shù)（計(jì)算量為1×109?。?。為解決這一問題，佩奇創(chuàng)造了PageRank算法，求解同樣的問題用一個(gè)109×109的矩陣就可以得到近似精度的解。谷歌搜索引擎獲得成功的關(guān)鍵，是對(duì)復(fù)雜性的特定適應(yīng)性，降低在短時(shí)間內(nèi)計(jì)算極大網(wǎng)絡(luò)節(jié)點(diǎn)中心性測度的支持費(fèi)用。

思科公司的生產(chǎn)函數(shù)可由大量覆蓋問題表示（參考表1的最小頂點(diǎn)覆蓋），NP問題不能直接求解，只能通過窮舉法“猜測”結(jié)果并進(jìn)行驗(yàn)證。對(duì)于具有上萬業(yè)務(wù)單元的思科公司，這是非常巨大的運(yùn)算量。但思科公司面臨的問題可以將求解過程分解為列舉程序——羅列出所有基本要素（例如標(biāo)準(zhǔn)規(guī)范）的可能組合，和評(píng)估程序——評(píng)估每個(gè)求解過程的一致性。思科公司通過收購實(shí)現(xiàn)增長的策略是基于兩個(gè)程序可并行的事實(shí)，這意味著解決方案的生成和部分驗(yàn)證是由市場提供（受到了風(fēng)投企業(yè)提供的高效激勵(lì)措施的推動(dòng)）。更廣泛地說，在具有較高網(wǎng)絡(luò)外部性的行業(yè)中，生成“合適的”解決方案在計(jì)算上是難處理的，而通過收購實(shí)現(xiàn)發(fā)展的策略是與這樣的觀點(diǎn)相一致的，即驗(yàn)證NP問題的解決方案，可以通過P問題實(shí)現(xiàn)。

表1 企業(yè)戰(zhàn)略問題常用算法

這些案例表明，跳出優(yōu)化算法思維的局限，會(huì)給企業(yè)戰(zhàn)略選擇和發(fā)展動(dòng)力帶來極大的不同。戰(zhàn)略經(jīng)理應(yīng)該仔細(xì)尋找系統(tǒng)性方法，研究棘手問題“足夠好”的求解過程，以及基于特定問題基礎(chǔ)精確表征“足夠好”概念，這也是“棘手問題算法”領(lǐng)域可提供的方法。

表 2提供了求解困難問題的路線圖，面對(duì)“棘手”問題時(shí)，戰(zhàn)略經(jīng)理可以在求解空間內(nèi)進(jìn)行全面窮舉搜索（可能會(huì)超越戰(zhàn)略家和企業(yè)的計(jì)算與運(yùn)行限制）；也可以采用以“蒙混過關(guān)”為特點(diǎn)的隨機(jī)盲目猜測；或者利用適應(yīng)復(fù)雜性搜尋方法，獲得多數(shù)情況下都足夠好的解決方案。

隨著人工智能的應(yīng)用，分支定界（BB）法作為一種快速求解方法近期獲得了大量的應(yīng)用。如圖 2所示，分支定界依賴于樹狀解決方案搜尋空間的分割，樹節(jié)代表解決方案不同要素的決策，可計(jì)算源于不同樹支的方案的績效，并刪除可能產(chǎn)生次優(yōu)解決方案的搜索空間分支。分支定界法的優(yōu)質(zhì)樹結(jié)構(gòu)的關(guān)鍵特征是“可修正”，能夠提前計(jì)算不同分支的績效估值，降低結(jié)果搜尋“錯(cuò)過”最優(yōu)解的概率。

如典型的求解各城市之間線路最短規(guī)劃的問題，利用BB適用樹搜尋可建立在路徑是否包括連接兩個(gè)城市特定分割的基礎(chǔ)之上。第一個(gè)樹節(jié)創(chuàng)造了兩個(gè)可能路徑，一個(gè)是包含AB的擴(kuò)散路徑和一個(gè)不包含AB的擴(kuò)散路徑。隨后的樹節(jié)可提供更加精細(xì)的可能路徑空間分割。如果有不符合的組合，就舍去這個(gè)結(jié)果（如需要X1=1，則整個(gè)X1=0的分支都可以舍去），從而大大降低了運(yùn)算量。

表2 解決棘手NP問題常用替代方法

圖2 通過分支定界法對(duì)SAT問題的四變量搜尋空間

戰(zhàn)略團(tuán)隊(duì)的組織設(shè)計(jì)

運(yùn)用算法解決企業(yè)問題，需要企業(yè)建立與之相適應(yīng)的戰(zhàn)略團(tuán)隊(duì)。多韋亞努教授認(rèn)為，戰(zhàn)略團(tuán)隊(duì)可以分為“線上/線下”以及“結(jié)構(gòu)/功能適應(yīng)性”四種組織形式，企業(yè)可根據(jù)需要求解的戰(zhàn)略問題，設(shè)置相應(yīng)的戰(zhàn)略團(tuán)隊(duì)。

線下-功能適應(yīng)性這是設(shè)計(jì)戰(zhàn)略團(tuán)隊(duì)最典型的架構(gòu)。由戰(zhàn)略經(jīng)理負(fù)責(zé)牽頭，組織其團(tuán)隊(duì)重點(diǎn)解決戰(zhàn)略問題描述，設(shè)計(jì)最優(yōu)解程序，并進(jìn)行模擬。這種團(tuán)隊(duì)的優(yōu)勢在于，戰(zhàn)略團(tuán)隊(duì)能夠在最短的時(shí)間內(nèi)設(shè)計(jì)出獲得最準(zhǔn)確可靠結(jié)果的程序。

線上-結(jié)構(gòu)適應(yīng)性該形式將組織作為一個(gè)整體通過大量決策權(quán)、專業(yè)知識(shí)和激勵(lì)制度調(diào)整，確定問題解決過程。該過程類似于洪水過后，蟻群可無縫合作建造可以運(yùn)送其后代的木筏穿越小河。對(duì)于組織中的每個(gè)人來說，腦中并沒有完整的問題或解決方案搜索空間的概念。戰(zhàn)略搜索優(yōu)勢源于組織作為一個(gè)整體探索復(fù)雜收益空間，并避免陷入局部最優(yōu)解和協(xié)調(diào)失敗，而速度則取決于組織采用的解決方案搜索程序與問題類型和復(fù)雜性的擬合度。

線下-結(jié)構(gòu)適應(yīng)性戰(zhàn)略管理團(tuán)隊(duì)的計(jì)劃、考慮和戰(zhàn)略問題解決的線下程序需要適應(yīng)待解決問題的性質(zhì)。這些程序需要處于線下是因?yàn)榻M織尚未實(shí)施這些程序，但已成為管理團(tuán)隊(duì)的問題解決文化——團(tuán)隊(duì)采用的溝通、協(xié)調(diào)和搜索啟發(fā)法，以及這些程序和問題復(fù)雜性和類型的匹配性——所采用的最優(yōu)搜索程序能夠快速、可靠且準(zhǔn)確地搜索解決方案。

線上-功能適應(yīng)性企業(yè)的個(gè)人和團(tuán)隊(duì)任務(wù)需要適應(yīng)企業(yè)正在解決的特定搜索問題。不同的棘手問題解決方案搜索程序，對(duì)應(yīng)于相同個(gè)人或團(tuán)隊(duì)實(shí)施的不同任務(wù)。向團(tuán)隊(duì)指派任務(wù)有一定的約束性，但并不是由公司范圍內(nèi)的專家意見、決策權(quán)和激勵(lì)措施決定的。所以，為最大化企業(yè)在較短時(shí)間內(nèi)綜合更可靠、更準(zhǔn)確解決方案的能力，需給予最佳戰(zhàn)略搜索程序設(shè)計(jì)更大的自由度，將任務(wù)指派和再分派給合適的人。

算法思維下的企業(yè)轉(zhuǎn)型

如今企業(yè)面臨的外部環(huán)境比過去任何時(shí)代都更為多變，迅速變化的外部環(huán)境，也令企業(yè)轉(zhuǎn)型成為當(dāng)今企業(yè)戰(zhàn)略的一個(gè)重點(diǎn)關(guān)注領(lǐng)域。企業(yè)如何成功轉(zhuǎn)型，從戰(zhàn)略算法角度可以進(jìn)行預(yù)測，并為企業(yè)轉(zhuǎn)型戰(zhàn)略的實(shí)施提供模擬支持。

企業(yè)轉(zhuǎn)型意味著企業(yè)的核心市場發(fā)生變化，通常企業(yè)需要解決的戰(zhàn)略問題也會(huì)發(fā)生顯著轉(zhuǎn)變。過去十年間，IBM從特殊應(yīng)用集成電路、印刷電路板和個(gè)人電腦制造商轉(zhuǎn)型為數(shù)據(jù)分析、信息科學(xué)和咨詢業(yè)務(wù)企業(yè)。同時(shí)，北電網(wǎng)絡(luò)在第四代固定無線網(wǎng)絡(luò)和通信基站市場中卻無法復(fù)制其在數(shù)字電話交換和光通信業(yè)務(wù)中的成功?！皯?zhàn)略問題解決優(yōu)勢”可以對(duì)既有企業(yè)基于復(fù)雜問題解決優(yōu)勢可轉(zhuǎn)移性概念而做出這些轉(zhuǎn)變后的結(jié)果進(jìn)行解釋。

既有企業(yè)將其戰(zhàn)略解決方案優(yōu)勢，轉(zhuǎn)移至另一個(gè)市場或新行業(yè)的能力，與其概念化和設(shè)計(jì)（線下）以及實(shí)施（線上）解決方案程序的能力直接相關(guān)。由于戰(zhàn)略搜索能力具有黏性（源于認(rèn)知和行為慣性，以及改變企業(yè)激勵(lì)措施和決策權(quán)分配相關(guān)的高轉(zhuǎn)換成本），因此我們可以基于既有企業(yè)現(xiàn)在解決的問題與企業(yè)為適應(yīng)新行業(yè)或已變環(huán)境將要解決的問題之間的相似性，預(yù)測既有企業(yè)轉(zhuǎn)換其戰(zhàn)略獨(dú)創(chuàng)性的能力。

例如，以信息學(xué)和“大數(shù)據(jù)”業(yè)務(wù)為特征的典型問題（IBM的新關(guān)注點(diǎn)）與其之前解決的硬件和軟件/固件設(shè)計(jì)問題非常相近。帶有大量自變量的COVER和SET COVER問題可以代表這些問題。企業(yè)戰(zhàn)略問題計(jì)算的觀點(diǎn)表明，問題領(lǐng)域的這種計(jì)算同構(gòu)，有助于IBM動(dòng)態(tài)搜索能力適應(yīng)新問題領(lǐng)域，這些問題處于相同的復(fù)雜性類級(jí)（NP）、擁有相似的計(jì)算結(jié)構(gòu)（COVER）、擁有相似數(shù)量的變量，因此應(yīng)以相似的方式響應(yīng)簡化搜索過程的相同近似法和隨機(jī)化程序。

根據(jù)這個(gè)思路，我們可以進(jìn)一步創(chuàng)造戰(zhàn)略解決方案搜索能力可轉(zhuǎn)移性范圍，企業(yè)不太可能將這些能力轉(zhuǎn)向更復(fù)雜的境況，即從變量較少的NP棘手問題轉(zhuǎn)向變量較多的NP棘手問題，或者從P棘手問題轉(zhuǎn)向NP棘手問題。這就可以解釋，北電網(wǎng)絡(luò)在第四代固定無線網(wǎng)絡(luò)和通信基站市場中面對(duì)的變量較多的NP棘手問題，無法通過過去數(shù)字電話交換時(shí)代面對(duì)較少產(chǎn)品組合的NP棘手問題獲得相關(guān)的經(jīng)驗(yàn)，導(dǎo)致公司處于競爭劣勢。

因此對(duì)于即將轉(zhuǎn)型的企業(yè)而言，如果運(yùn)用戰(zhàn)略問題計(jì)算，對(duì)轉(zhuǎn)型的目標(biāo)市場建模求解，可以事前模擬轉(zhuǎn)型的成功概率，并做好相應(yīng)的戰(zhàn)略準(zhǔn)備。

※※※※※

多韋亞努的研究，將企業(yè)戰(zhàn)略分解為可以用于計(jì)算的數(shù)學(xué)問題。借助于當(dāng)前大量普及的“大數(shù)據(jù)”、人工智能技術(shù)，企業(yè)戰(zhàn)略可以事前模擬，并快速尋找到最優(yōu)解。目前已經(jīng)有企業(yè)嘗試運(yùn)用計(jì)算思維制定企業(yè)戰(zhàn)略，對(duì)于新時(shí)期的企業(yè)而言，這是一個(gè)尚未完全開拓的領(lǐng)域，也是幫助企業(yè)獲得競爭優(yōu)勢的有效途徑之一。