10月18日，正值中国船舶集团有限公司旗下上海外高桥造船有限公司成立25周年之际，2024外高桥造船发展论坛（主题：数字内核 精益管理——构筑企业核心竞争力）在上海举办，很荣幸我受邀成为本次论坛的演讲嘉宾。「构筑企业核心竞争力」作为企业发展亘古不变的议题，它不仅关系到企业的长远发展，更是在激烈的市场竞争中保持领先地位的关键。特别是在全球化和数字化这一大时代背景下，企业核心竞争力的构建变得更加复杂且多元。它不再局限于单一的产品或服务优势，而是涉及到创新能力、品牌影响力、客户粘性、供应链管理、企业文化等多个方面。
我始终认为，企业不仅仅是一个经济实体，它还具备了类似生命体的复杂性和动态性。所以我提出了企业需要通过“软件化”到“数据化”再到“数学化”进阶，让发展不再停留在浅层的数字化上，而是通过打造数字化内核，让“数据化”向“数学化”迈进。就像神经网络的本质是基础数学由公理化系统全面转向数据计算系统一样，一条指令不再只触发单一单元，而是多个单元联动。让企业决策者接收到内部发展中最理性且准确的信息，更精准地识别和解决问题，从而真正做到精益管理。
「向外发展，向内审视」
疫情后，随着中美关系的紧张，经济环境骤变，很多企业不再局限于在中国市场中“内卷”，而是选择出海，是的，出海4.0时代到来了。根据安永中国8月发布的《2024年上半年中国海外投资概览》1，2024上半年，中国全行业对外直接投资额达到853亿美元，同比增长13.2%；非金融类对外直接投资726.2亿美元，同比增长16.6%。在众多出海企业中，你会发现：例如Temu、SHEIN、TikTok等企业，他们大多数都拥有数字化基因。
所以打造数字化基因进而发展「数学化」在我看来已然成为了每个企业亟待解决的问题。从17世纪运用数学化研究开始，人类就开始用数据建模的方式来了解自然界，把自然界的问题映射到数学上来，并取得了巨大的进展，随后的工业革命无疑是数学化成功的最好验证。时间来到20世纪50年代，约翰.麦卡锡（John McCarthy）在达特茅斯会议上首次提出了“人工智能”这一话术，人工智能就此开启了继工业革命后的又一新时代。与古典数学依赖演绎推理不同，人工智能的数学化更多依赖的是计算，自此，数学不仅可以描述自然，还可以描述人类行为，进而产生人工智能。
举个例子：传统交通信号灯与智能（数学化）信号灯的底层逻辑
想象一下，在你每天上下班都要经过的某个十字路口。在没有智能系统的“古典”方法下，交通信号灯只是按照固定的时间间隔变换颜色，比如红灯停30秒，绿灯行20秒。这种设置是基于一些基本规则和推理产生的，但忽略了实时的交通情况。
而当我们引入数学化的方法去打造智能信号灯：
1. 数据收集：在路口安装摄像头和传感器，收集车辆流量、行人数量等数据。
2. 数据模型：数学化则是利用这些数据来构建数学模型，从而预测不同时间段的交通流量。
3. 计算优化：系统通过计算优化信号灯的变换时机，比如在高峰期增加某方向主道的绿灯时间，减少次要道路的绿灯时间来缓解交通压力。
4. 实时调整：根据实时数据，智能系统会根据车辆动向动态实时调整信号灯变换，以减少拥堵和等待时间。
与传统数学不同，它不是通过演绎推理来证明一个定理，而是通过收集数据、建立模型和计算来解决实际问题。
毫无疑问所有商业都来源于人，我们也可以通过数学化的方法来审视企业内部所面临的问题，不要小看这些问题，在数字化进程中“差之毫厘，谬之千里”的例子比比皆是。比如，1991年的英国巴林银行破产案2，谁也想不到一个小小的交易员–尼克.李森（Nick Leeson）能够凭一己之力在短短的3年间，让巴林银行损失近8.6亿英镑，由于数字化不彻底及监管不利，最终导致百年银行顷刻间破产倒闭。用当下年轻人比较流行的话说：人类怎么能闯出这么大的祸！
所以数字化不彻底和单纯的数字化是远远不足以应对当前日益内卷的商业环境的，我们需要打造数学化的数据计算系统去串联多元且复杂数据，让企业内部每个环节都拥有「数据感知力」，进而产生「智能」，这样才能在向外发展的同时，向内审视优化，这也是我提出企业的「数据计算系统–数字化三部曲」的初衷。
参考文献：
➊ 2024年上半年中国海外投资概览https://assets.ey.com/content/dam/ey-sites/ey-com/zh_cn/topics/coin/ey-overview-of-china-outbound-investment-of-h1-2024-zh.pdf
➋ 英国巴林银行破产案https://archive.org/details/dynamicsoforgani0000drum