封面聚焦·企业管理重塑 |“人单合一”，物联网时代的管理创新

先看“人单合一”说的是什么。其中“人”是指员工，“单”为用户，“人单合一”就是把员工和用户连到一起。这是表面的理解，深入到企业组织的变革就是：企业从生产产品的组织转变为孵化创客的平台；企业裂变成很多个自创业、自组织、自驱动的小微组织，自主经营、自负盈亏并按单聚散；组织单元内每一个人都是创业者，而不是执行者，每个人都有一定的股份，得到相应的收益，并且是由自己创造。

企业实现“人单合一”的管理模式要求要向“三化”变革，即企业平台化、用户个性化和员工创客化。三者的关系——用户个性化是目的，企业平台化是必要条件，员工创客化是充分条件。实行“人单合一”的组织变革，企业平台化的目标是，从科层管控转变为创客平台，把企业的宗旨从长期利润最大化变为追求成为小微的股东之一。用户个性化的目标是产消合一：生产者、消费者合一，达到用户最佳体验的目标。达到这个目标，要基于共享经济。员工创客化要达到的目标是实现德鲁克所说的“让每个人成为自己的CEO”。企业平台化、用户个性化和员工创客化共同构成了海尔的企业管理体系。

实践是检验真理的唯一标准，“人单合一”管理模式的成功是由海尔的实践印证的。比如国际标准制定是国际产业领军者必争之地，而在智能制造方向上，IEEE（美国电气和电子工程师协会）、ISO（国际标准化组织）、IEC（国际电工委员会）三大国际组织都选择由海尔牵头成立大规模定制和工业互联网平台的国际标准的制定和研究。这是海尔从与德国、美国、日本等国家的企业激烈竞争中胜出的。之所以能够胜出，就在于“人单合一”模式指导下的海尔是以用户为中心，而其他的模式没有真正地把用户需求和用户价值有机融入到平台生态中。

比如，在产业升级引领方面。海尔打造了一系列跨行业的人单合一模式样本。衣联网，把洗衣机、洗涤剂、服装行业都联合到一起，通过建立生态圈，连接了2000多家资源方，将用户的洗衣需求和对服装等其他行业的需求都融合到一起，产生一个又一个新需求，并不断满足用户，实现各方共赢。

目前“人单合一”模式已在全球实现了跨地区、跨行业的复制落地，并取得了不俗的市场效果。以全球最大的地毯公司斋普尔、俄罗斯乃至世界上最大的钢铁生产商之一的谢韦尔和日本领先的信息通信技术企业富士通为代表，全球29个国家的62975家企业已经注册成为“人单合一”的联盟会员，通过学习模仿人单合一模式，进行企业管理变革的深入 探索 。

新的时代，需要新的管理模式。互联网的下一步就是物联网，物联网时代主要是体验经济，时代大环境的改变，品牌的标准也会改变，过去是产品品牌，互联网时代是平台品牌，而物联网时代应该是打造生态品牌。如张瑞敏所说：“中国的企业从来没有自己的管理模式，我们都是学西方的。今天在物联网时代，他们的传统经营管理模式已经不灵了，也需要创新。从这个角度讲，我们和他们站在同一条起跑线上。”

“人单合一”模式就是张瑞敏、海尔，乃至中国对即将到来的物联网时代的管理给出的答案。在近日举行的第四届人单合一模式国际论坛上，全球领先的洞察与咨询公司凯度集团、全球顶级学府牛津大学赛德商学院携手海尔集团正式发布《物联网生态品牌白皮书》，标志着全球首个物联网时代的品牌标准诞生。这说明，海尔已经在物联网领域抢占了高地。

海尔在物联网时代到来之前开创了“人单合一” 模式，颠覆传统企业组织架构，取消科层制，实行网络化组织，从过去企业管理中，对人的假设是“经济人”和“ 社会 人”，升华为“自主人”，是对世界管理理论的创新。2017年两会之上，李克强总理在参加山东代表团审议时，称海尔创造了新管理模式。

2019年11月18日,被誉为“商业思想界奥斯卡” 的Thinkers50评选在伦敦揭晓,张瑞敏继2015年和2017年后第三次荣登该榜。Thinkers50于2001年建立,是全球首个管理思想家排行榜，两年评选一次。张瑞敏再次入榜,是因其“人单合一”管理模式被认为是“继福特模式、丰田模式后的第三代企业管理模式,是应对物联网时代的创新模式”。伦敦商学院教授迈克尔•雅格比德斯在听了张瑞敏的演讲后认为,张瑞敏之所以在国际企业管理领域享有盛誉,是因为他始终坚持“人的价值第一”,将中国传统文化精髓与西方现代管理思想融会贯通,兼收并蓄、创新发展、自成一家,他创新的管理理念为全球管理界 探索 输出了符合时代特征的商业模式和经典案例,创造了充满竞争力的海尔文化。

“天变不足畏，祖宗不足法，人言不足恤”。海尔推行“人单合一”的管理模式曾是在怀疑声中进行的，克服了内部、外部重重阻力，即使现在仍不乏质疑、漠视这一新管理模式的企业和个人。然而随着物联网时代的到来，“人单合一”的管理模式必将获得更有力的印证、更广泛的推广。

也许以“人单合一”模式重塑管理将是绝大多数行业企业的最终选择。

本文刊载于《中外企业文化》2020年11期

物联网的兴起是必然的，早在半世纪前，人们已经开始探索，只不过没有将其作为独立科技分支，物联网简单理解就是物体物品进行联网，与互联网不同的是，物联网由互联网孕育，又比互联网更深入，可谓“青出于蓝而胜于蓝”。
怎么理解呢，互联网简单理解是最初基于计算机进行数据通信，因而基于计算机载体蓬勃的发展出了现今融入生活甚至与生活共生的形态，也基于软件行业的迅猛发展，使得计算机显示器上能将全球数据，信息进行互联互通，虚实结合。
然而，往前思考一步，计算机也是物体，只不过他作为了强大功能的载体，作为了人们交互的载体。但计算机本质上还是一个设备，一个机器，且具备自己的本质特性，而人类的发展远不会满足于计算机这一种载体，“一百个人心中就有一百个哈姆雷特”，随着时间的发展，创新者们逐渐趋向于让物体、设备“自己说话及能听人指挥”，进而一发不可收拾的开拓了适应人与人、人与机器、机器与机器的“互联网20”即物联网，物联网执意于将沉闷死板的机器，加入各种传感设备用于让机器可以“说话”，又加入各种无线装置及控制算法，让机器可以“听懂人类说话”以及“具备一定的自我思想”，即在不同的条件下，可以自主的进行判断、记录、于其他机器通信、控制、向人类汇报等等。
回头看来，我们已经了解，背后驱动的，自然不仅仅是日常所需，更多的是社会发展，效率优化。

围墙里的大数据注定成为死数据。大数据需要开放式创新，从数据的开放、共享和交易，到价值提取能力的开放，再到基础处理和分析平台的开放，让数据如同血液在数据社会的躯体中长流，滋润数据经济，让更多的长尾企业和数据思维创新者产生多姿多彩的化学作用，才能创造大数据的黄金时代。
我的大数据研究轨迹
我做了4-5年的移动架构和Java虚拟机，4-5年的众核架构和并行编程系统，最近4-5年也在追时髦，先是投入物联网，最近几年一直在做大数据。我们团队的大数据研究轨迹如下图所示：
2010-2012年，主要关注数据和机器的关系：水平扩展、容错、一致性、软硬件协同设计，同时厘清各种计算模式，从批处理（MapReduce）到流处理、Big SQL/ad hoc query、图计算、机器学习等等。事实上，我们的团队只是英特尔大数据研发力量的一部分，上海的团队是英特尔Hadoop发行版的主力军，现在英特尔成了Cloudera的最大股东，自己不做发行版了，但是平台优化、开源支持和垂直领域的解决方案仍然是英特尔大数据研发的重心。
从2013年开始关注数据与人的关系：对于数据科学家怎么做好分布式机器学习、特征工程与非监督学习，对于领域专家来说怎么做好交互式分析工具，对于终端用户怎么做好交互式可视化工具。英特尔研究院在美国卡内基梅隆大学支持的科研中心做了GraphLab、Stale Synchronous Parallelism，在MIT的科研中心做了交互式可视化和SciDB上的大数据分析，而中国主要做了Spark SQL和MLlib（机器学习库），现在也涉及到深度学习算法和基础设施。
2014年重点分析数据和数据的关系：我们原来的工作重心是开源，后来发现开源只是开放式创新的一个部分，做大数据的开放式创新还要做数据的开放、大数据基础设施的开放以及价值提取能力的开放。
数据的暗黑之海与外部效应
下面是一张非常有意思的图，部分是化石级的，即没有联网、没有数字化的数据，而绝大多数的数据是在这片海里面。只有海平面的这些数据（有人把它称作Surface Web）才是真正大家能访问到的数据，爬虫能爬到、搜索引擎能检索到的数据，而绝大多数的数据是在暗黑之海里面（相应地叫做Dark Web），据说这一部分占数据总量的85%以上，它们在一些孤岛里面，在一些企业、政府里面躺在地板上睡大觉。
数据之于数据社会，就如同水之于城市或者血液之于身体一样。城市因为河流而诞生也受其滋养，血液一旦停滞身体也就危在旦夕。所以，对于号称数据化生存的社会来说，我们一定要让数据流动起来，不然这个社会将会丧失诸多重要功能。
所以，我们希望数据能够像“金风玉露一相逢”那样产生化学作用。马化腾先生提出了一个internet+的概念，英特尔也有一个大数据X，相当于大数据乘以各行各业。如下图所示，乘法效应之外，数据有个非常奇妙的效应叫做外部效应（externality），比如这个数据对我没用但对TA很有用，所谓我之毒药彼之蜜糖。
比如，金融数据和电商数据碰撞在一起，就产生了像小微贷款那样的互联网金融；电信数据和政府数据相遇，可以产生人口统计学方面的价值，帮助城市规划人们居住、工作、娱乐的场所；金融数据和医学数据在一起，麦肯锡列举了很多应用，比如可以发现骗保；物流数据和电商数据凑在一块，可以了解各个经济子领域的运行情况；物流数据和金融数据产生供应链金融，而金融数据和农业数据也能发生一些化学作用。比如Google analytics出来的几个人，利用美国开放气象数据，在每一块农田上建立微气象模型，可以预测灾害，帮助农民保险和理赔。
所以，要走数据开放之路，让不同领域的数据真正流动起来、融合起来，才能释放大数据的价值。
三个关于开放的概念
1、数据开放
首先是狭义的数据开放。数据开放的主体是政府和科研机构，把非涉密的政府数据及科研数据开放出来。现在也有一些企业愿意开放数据，像Netflix和一些电信运营商，来帮助他们的数据价值化，建构生态系统。但是数据开放不等于信息公开。首先，数据不等于信息，信息是从数据里面提炼出来的东西。我们希望，首先要开放原始的数据（raw data），其次，它是一种主动和免费的开放，我们现在经常听说要申请信息公开，那是被动的开放。
Tim Berners Lee提出了数据开放的五星标准，以保证数据质量：一星是开放授权的格式，比如说PDF；其次是结构化，把数据从文件变成了像excel这样的表；三星是开放格式，如CSV；四星是能够通过URI找到每一个数据项；五星代表能够和其它数据链接，形成一个开放的数据图谱。
现在主流的数据开放门户，像datadov或datagovuk，都是基于开源软件。英特尔在MIT的大数据科研中心也做了一种形态，叫Datahub：吉祥物很有趣，一半是大象，代表数据库技术，一半是章鱼，取自github的吉祥物章鱼猫。它提供更多的功能比如易管理性，提供结构化数据服务和访问控制，对数据共享进行管理，同时可以在原地做可视化和分析。
广义的数据开放还有数据的共享及交易，比如点对点进行数据共享或在多边平台上做数据交易。马克思说生产资料所有制是经济的基础，但是现在大家可以发现，生产资料的租赁制变成了一种主流（参考《Lean Startup》），在数据的场景下，我不一定拥有数据，甚至不用整个数据集，但可以租赁。租赁的过程中要保证数据的权利。
首先，我可以做到数据给你用，但不可以给你看见。姚期智老先生82年提出“millionaires’ dilemma（百万富翁的窘境）”，两个百万富翁比富谁都不愿意说出自己有多少钱，这就是典型的“可用但不可见”场景。在实际生活中的例子很多，比如美国国土安全部有恐怖分子名单（数据1），航空公司有乘客飞行记录（数据2），国土安全部向航空公司要乘客飞行记录，航空公司不给，因为涉及隐私，他反过来向国土安全部要恐怖分子名单，也不行，因为是国家机密。双方都有发现恐怖分子的意愿，但都不愿给出数据，有没有办法让数据1和数据2放一起扫一下，但又保障数据安全呢？
其次，在数据使用过程中要有审计，万一那个扫描程序偷偷把数据藏起来送回去怎么办？再者，需要数据定价机制，双方数据的价值一定不对等，产生的洞察对各方的用途也不一样，因此要有个定价机制，比大锅饭式的数据共享更有激励性。
从点对点的共享，走到多边的数据交易，从一对多的数据服务到多对多的数据市场，再到数据交易所。如果说现在的数据市场更多是对数据集进行买卖的话，那么数据交易所就是一个基于市场进行价值发现和定价的，像股票交易所那样的、小批量、高频率的数据交易。
我们支持了不少研究来实现刚才所说的这些功能，比如说可用而不可见。案例一是通过加密数据库CryptDB/Monomi实现，在数据拥有方甲方这边的数据库是完全加密的，这事实上也防止了现在出现的很多数据泄露问题，大家已经听到，比如说某互联网服务提供商的员工偷偷把数据拿出来卖，你的数据一旦加密了他拿出来也没用。其次，这个加密数据库可以运行乙方的普通SQL程序，因为它采用了同态加密技术和洋葱加密法，SQL的一些语义在密文上也可以执行。
针对“百万富翁的窘境”，我们做了另一种可用但不可见的技术，叫做数据咖啡馆。大家知道咖啡馆是让人和人进行思想碰撞的地方，这个数据咖啡馆就是让数据和数据能够碰撞而产生新的价值。
比如两个电商，一个是卖衣服的，一个是卖化妆品的，他们对于客户的洞察都是相对有限的，如果两边的数据放在一起做一次分析，那么就能够获得全面的用户画像。再如，癌症是一类长尾病症，有太多的基因突变，每个研究机构的基因组样本都相对有限，这在某种程度上解释了为什么过去50年癌症的治愈率仅仅提升了8%。那么，多个研究机构的数据在咖啡馆碰一碰，也能够加速癌症的研究。
在咖啡馆的底层是多方安全计算的技术，基于英特尔和伯克利的一个联合研究。在上面是安全、可信的Spark，基于“data lineage”的使用审计，根据各方数据对结果的贡献进行定价。
2、大数据基础设施的开放
现在有的是有大数据思维的人，但他们很捉急，玩不起、玩不会大数据，他不懂怎么存储、怎么处理这些大数据，这就需要云计算。基础设施的开放还是传统的Platform as a Service，比如Amazon AWS里有MapReduce，Google有Big Query。这些大数据的基础处理和分析平台可以降低数据思维者的门槛，释放他们的创造力。
比如decidecom，每天爬几十万的数据，对价格信息（结构化的和非结构化的）进行分析，然后告诉你买什么牌子、什么时候买最好。只有四个PhD搞算法，其他的靠AWS。另一家公司Prismatic，也利用了AWS，这是一家做个性化阅读推荐的，我专门研究过它的计算图、存储和高性能库，用LISP的一个变种Clojure写的非常漂亮，真正做技术的只有三个学生。
所以当这些基础设施社会化以后，大数据思维者的春天很快就要到来。
3、价值提取能力的开放
现在的模式一般是一大一小或一对多。比如Tesco和Dunnhumby，后者刚开始是很小的公司，找到Tesco给它做客户忠诚度计划，一做就做了几十年，这样的长期战略合作优于短期的数据分析服务，决策更注重长期性。当然，Dunnhumby现在已经不是小公司了，也为其他大公司提供数据分析服务。再如沃尔玛和另外一家小公司合作，做数据分析，最后他把这家小公司买下来了，成了它的Walmart Labs。
一对多的模式，典型的是Palantir——Peter Thiel和斯坦福的几个教授成立的公司，目前还是私有的，但估值近百亿了，它很擅长给各类政府和金融机构提供数据价值提取服务。真正把这种能力开放的是Kaggle，它的双边，一边是10多万的分析师，另一边是需求方企业，企业在Kaggle上发标，分析师竞标，获得业务。这可能是真正解决长尾公司价值提取能力的办法。当然，如果能和我们的数据咖啡馆结合，就更好了。

未来物联网行业将向着多元方向发展

标准化是物联网发展面临的最大挑战之一，它是希望在早期主导市场的行业领导者之间的一场斗争。目前我国物联网行业百家争鸣，还未有一个统一的标准出现。因此在未来可能通过不断竞争将会出现限数量的供应商主导市场，类似于现在使用的Windows、Mac和Linux *** 作系统。

合规化同样是当下物联网面临的问题之一，特别是数据隐私问题。目前数据隐私已成为网络社会的一个关键词，各种用户数据泄露或被滥用的事件频发，特别是Facebook的丑闻引发了全球担忧。

因此在未来，我国各种立法和监管机构将提出更加严格的用户数据保护规定，，用户的敏感数据可能会随着时间的推移而受到更严格的监管。

安全化是指预防物联网软件遭受网络黑客攻击，在未来，以安全为重点的物联网设施将受到更多的关注，特别是某些特定的基础行业，如医疗健康、安全安防、金融等领域。

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

——以上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》。

---