拥有T形技能的人，难被取代
公司是否可以重组其内部结构，将类似的决策集中在一个管理部门，从而产生机器学习系统运转所需的足够多的数据呢?富国生命保险会使用沃森，恰恰是因为该公司的一个部门正在评估类似的理赔要求，他们有足够多的数据可以让沃森承担起这份工作。如果日常管理决策与日常办公决策没有太大区别，那么若有足够多的数据，机器学习系统是否能同时完成这两种决策呢?这与权力下放的旧理念没有太大区别通过分散任务，人们会随着时间的推移而积累特定专业技能的经验，从而提高决策效率。因此，在越来越多的公司管理部门中，数据驱动的管理决策自动化，似乎已成为合情合理的下一步计划。
公司朝这个方向的努力迹象当然会出现。黛西智能公司（DaisyIntelligence）等数据驱动机器学习系统供应商，已经向零售商提供了一个综合的决策辅助系统工具包，以帮助它们管理库存、选择每周的特价商品、将产品安排到合适的交易厅、优化产品定价等。该系统肯定不会为夫妻店或时尚精品店做客户细分，因为这些类型的商店无法产生足够多的数据。但是对于那些销售成百上千款产品、面临激烈竞争、需要对库存和价格做出类似决定的中型零售商来说，该系统可能正是它们所亟须咨询的专业顾问。这类系统不仅可以提高日常管理决策的质量，而且将以更低的成本进行决策。那些低层级的、常规的、由专业人员驱动的、与公司的其他部门几乎没有相互依赖关系的管理决策，在有足够多的数据支撑的情况下，势必会自动化；管理者本身也将被数据驱动的机器学习系统取代。
数据资本时代
116