郑正中:中国商业智能的应用特点

2019独角兽企业重金招聘Python工程师标准>>>

郑正中:中国商业智能的应用特点
2008-01-29 11:07:49   来源：   编辑：中国软件网   作者：   评论：

郑正中：最主要的那个中国学生学习的就是人工智能，利用这个技术研发出智能计算机，这个计算机可以下国际西洋棋。郑正中：商业智能虽然上最终呈现的结果，其中有一个就是用报表的方式来呈现，但是它实际上跟传统的报表截然不同。

主持人：各位网友上午好，首先给大家汇报一下昨天我们举行的2008年第四届百交会取得 了圆满成功，这次历届以来规模最高的一次活动，其中有一位嘉宾，今天也坐在我们旁边，昨天表现的也非常的抢眼。请先特计公司大中华区总裁郑正中博士给我们 做交流，跟他多年的心得跟我们做分享，先请郑总作客我们的总裁视线。

郑正中先生

郑正中：各位网友大家好，我是先特计大中华区总裁郑正中，今天很高兴来这里。

主持人：我们就从昨天最不合适的位置安排开始讲起好了。我们昨天有一场尖峰对话。

郑正中：我先介绍一下我们先特计，先特计的创办，是由几个完全来自于台湾，在开始创办的时候，其实这些 人基本上在ERP，或者是供应链这几个领域都已经有十几年的经验了。后来在不断的产品开发当中，研发出了商业智能的产品。我先说一下我们为什么叫先特计， 我们英文名字叫Strategy Companion，当我们在想中文名字的时候，那时候我们正在看《孙子兵法》，孙子兵法第一篇叫先计第一。所以首先想到先计这个名字。后来我们在里加入 “特”字。这个跟Strategy的发音一样的，就是先特计。因此我们就取了先特计这个名字。

主持人：先特计跟Strategy的音很像。

郑正中：是的，来自于《孙子兵法》先计第一。商业智能很多工作都是在抽取，抽取有用的知识，那这个知识其实类似我们在讲兵法。这是我们先特计这个名字的含义。

主持人：谢谢，我们其实郑总已经给我们打开了一个比较大的话题，我们接着就追问一下，整个的商业智能是一个什么样的环境?那么为什么现在这么多公司来做这个行业，都会要去帮助企业、客户解决哪些问题，可以就这个问题展开一下。

郑正中：商业智能发展最快的就是前五年，之前商业智能的公司都不是非常的大，我们举几个商业智能比较知 名的企业。你看成立最老的一家公司叫Cognos，1967年在加拿大成立。那时候商业智能市场基本上还在萌芽阶段。商业智能这些公司其实历史都蛮长的， 像BO，大概有接近20年的时间。在2003年的时候，一些商业智能公司开始经行购并，像BO 购并Crystal,就是水晶报表。那时候BO规模大概3亿多美金，购并后营业额就两倍的成长。所以也是在那个时候，整个商业智能发展是速度最快的时候， 那为什么会这个样子呢?也是跟环境有关，很多企业已经达到信息化发展的一定阶段，尤其是ERP都以完成。经过多年来的运行，ERP已经运行的非常成熟。但 是很多的企业发现ERP对企业流程管理是一个非常好的系统。不过在决策方面还不够，很多决策者基本上是不用ERP这个系统。CEO要到ERP里去看报表， 这是很困难的。所以后来大家在寻找新的技术，刚好在商业智能这一块，技术发展也趋成熟了。同时有一些很好的技术，例如微软在这方面技术的发展等，这几个条 件的配合，所以ERP有问题存在，刚好又有一个新的解决方案在那里，也就是我们的商业智能。

商业智能发展最快是过去的这五年，到了去年发展更加快速，大家都知道Oracle去年购并 Hyperion。后来SAP进行了另一个类似的购并，就是收购了BO。所以可以看得到在2007年的时候商业智能这个市场经过了很大的洗牌。商业智能这 个发展到底会带来什么现象，我们可以预测一下。之前商业智能有很多不同的技术。但经过这次的洗牌之后，我们如果从客户的眼光来看，会看到两个现象，一个是 大者恒很大，大型ERP公司也变成商业智能的公司，纯粹以商业智能技术为主的公司将不多见。未来ERP公司，也是商业智能公司，这是第一个现象。另一个现 象如果以技术眼光来看的话，未来将分为两个阵营，一个是以微软技术平台为主的阵营，另一个就是非微软技术平台的阵营。所以对客户来讲的话，要不然是选择微 软的技术平台，要不然就是选择非微软的。所以这是今后商业智能发展的两个方向。

主持人：非常感谢，郑总把我想问的一些问题都回答完了，我想追问一下，刚才郑总提到的将来的解决方案，都会包含商业智能这一块，那么先特计的话，是不是意味着将来会把这个目标扩大呢?

郑正中：其实我们现在的策略非常的清楚，首先我们大概在发展本身技术之前，已经花了六年的时间，然后等 这个技术成熟之后，我们正式成立Strategy Companion，在选择这个技术的时候，是以微软的技术为主。如果以客户群来看的话，我们客户群是蛮广的。刚才提到SAP，可能有很多SAP客户可能 希望采取SAP BI技术之外，还可以采用其他的技术，在这个时候他也会考虑到微软的BI技术。所以我们除了微软本身的客户之外，还有SAP的客户。像我们目前的很多合作 伙伴也是SAP的合作伙伴。

主持人：谢谢郑总。您也发现，我自己有个感觉，中国的信息化也好，或者说整个企业应用也好，我发现都有不同的阶段，不同的地区，甚至不同的公司，应用这个解决方案，都有不同的阶段，不同的重点，所以您现在看的话，先特计扩展的话，以哪些企业为主?

郑正中：其实市场发展的策略也蛮多的，可以看到很多公司发展的方式都不同，举个例子，国外的软件公司第 一次进入到中国市场，采取的都是渠道的方式，会寻找合作伙伴。但是我们当初在思考，我们是否要采用同样的方式。后来发现这个方式对我们来说初期可能取得一 定的成绩，但是对长远发展不一定很好。最主要的是市场、客户都掌握在合作伙伴的身上，因此我们决定采用直接开展这个市场的方式。同时，我们在走直销的同 时，一开始不可能投入很大的人力跟物力，所以就采用较少公司采用的方式，就是体验的方式。

以往在软件销售的阶段，客户最担心的就是如何充分了解想要采购怎样的软件解决方案和技术，但是实际上没 有办法真正的去了解这个，包含解决方案，目前的发展情况，一些系统功能，或者目前的客户等等。那我们在想让这个客户更放心采用我们的技术时，我们就想用全 新的方式，也就是体验的方式。

我们用两种方法来完成，第一种就是“体验培训”，目前在很多城市，包含像北京、上海、深圳、东莞、广 州，我们都有很多的培训，这种体验培训并不是说只是上课讲解，而是真正让客户来动手、操作。像国内很多企业，他们来参加后的第一个感想就是这样子的培训可 以让他完全了解，不仅是理论方面的，而是实务上的，能充分了解要实现这个商业智能是一个怎样的过程。他了解完之后，那第二个步骤我们所采用的体验方式，实 际上就是建构一个小型的原型 (prototype)，透过这个原型他可以真正了解，商业智能对他们企业来讲的话，可以带来什么样的效益，解决哪些管理决策的问题。经过这两个层面之 后，我们很多的客户，基本上非常放心采用我们的商业智能技术。

以往大家在谈商业智能的时候，第一个感想是理论非常的复杂，这是因为里面的发展大都是是从人工智能而来 的。这里面在谈一些机器学习、类神经网路等人工智能技术。大家知道IBM的计算机为什么叫深蓝(Deep Blue)?主要是因为之前有一位中国学生在美国卡内基美隆大学读人工智能的时候，研发出一种可以下国际西洋棋的机器，叫做深思号(Deep Thought)。

主持人：深蓝那个超智能计算机。

郑正中：最主要的那个中国学生学习的就是人工智能，利用这个技术研发出智能计算机，这个计算机可以下国 际西洋棋。毕业之后就进入IBM。跟另外一个也是中国人，组成一个小组，继续研发这个智能计算机，并改名为深蓝号。后来发现计算机的智能已经非常高了，所 以想向当时的国际西洋棋的大师挑战。挑战了两回，第一次的时候智能计算机失败了，但失败的差距很小。第二年的时候，大师就输了。后来这个技术应用在很多方 面，像DNA的解码上面。

主持人：这个故事好像是起码有差不多10年左右的时间。

郑正中：不止，因为人工智能发展很早。商业智能是从人工智能这边发展过来的。商业智能的爸爸就是人工智能。若是真的要深入理论研究的话，会非常的复杂。所以在以往有很多商业智能的实施是失败的，我曾经看过一个统计数字，就是成功率不到30%。

主持人：为什么呢?

郑正中：第一个原因就是刚才讲到的，因为它是一个新的技术，第二个是传统的实施方式是属于按部就班，在 实施中第一个阶段就是先做数据的集成，企业内部可能有不同的信息系统，首先就是把它们先集成在一起。接下来来做数据的分析，目前有两种技术，一个叫做 OLAP，第二种技术叫数据挖掘(Data Mining)，这两种都是商业智能里面所用的技术。那经过这样一个数据分析的处理就会得到我们讲的智能的东西，我们叫做知识。接下来我们怎么把这个知识 呈现出来，我们就需要一个应用的界面，我们看到所谓的多维度的分析报表，和现在谈到的企业绩效管理，都在做这方面的知识呈现。所以你会看到传统的做法是一 个阶段、一个阶段的实现，从数据集成、数据分析、到数据的应用一个阶段、一个阶段的实现。

但是大概是在前几年，美国有一位在商业智能非常有名的一个研究的人员，叫做Kimball，他后来提出 一个新的概念，把这个商业智能的实施分成了好几个小循环。每个小循环会以一个主题为主，主题就是我们想要做决策分析的主题，类似我们想做财务分析等等这样 的主题。以这个主题当做一个小循环，不是我们刚才谈到的一个阶段、一个阶段的去实施。在这个小循环里，首先我们要去了解决策者，他在财务上、或业务上，主 要的关键的指标是什么。从这个关键指标然后去设计多维度分析中的一些维度。接下来之后有了这些维度之后，才知道我们到底需要哪些数据。所以你会从需求端， 去实施整个商业智能的系统。

一个企业里面的决策分析过程，它的方向、范围是非常的广泛的。除了基本的财务、销售之外，还可以有很多 方面，像库存、质量等方面。整个的决断过程是一直不断持续的过程，不断的进展、不断的改变。所以把这个过程分成很多不同的小循环，这样分解下去之后完全是 不一样的，而且这样整个的效果和最后的结果都比传统的方式好很多。我们采用的就是这样一个方式。所以这是一种不一样的实施模式。而且成功率达到了提升，目 前我们的成功率接近100%。

去年美国的IDC提出「直觉式商业智能」的概念(Intuitive Business Intelligence)，这不是一个全新的概念，主要是采取商业智能的一些技术，再加上新的商业智能实施的方式，把它统称直觉式的商业智能。直觉给人 的感觉就是快，不是复杂的。所以从去年开始就谈论这个新的方式，这里面并不是谈的商业智能的理论，最主要的是怎么去实现商业智能这样的技术，一种新的方 式。

主持人：还有在我们平时的跟您交流的过程中，提到绩效管理，我觉得这个词可能需要展开一下，需要这个词绩效管理，听起来很简单，但是这个绩效管理是不是打卡，可能有一些歧异。

郑正中：绩效管理第一个想到的是人事方面的，传统的绩效管理就只是一个构面。大部分的企业刚开始做绩效 管理就是跟财务有关的，公司的利润，公司的资产等。大概是在20年前，哈弗一个教授跟另外一个顾问，提出新的理念，叫做「平衡计分卡」，就是我们不能只看 一个构面，一个企业纵然它的财务指标很好，但是这个企业在别的方面可能有问题，刚才谈到人事方面的行为构面，因为要完成一个财务指标并不是靠公司的厂房， 机器设备。所以在平衡计分卡中谈四个构面。在纵轴上面谈的是最关注的财务目标，纵轴下面谈的是人员方面，大家都知道一个企业要成功，最主要的是靠人。人方 面有很多不同的指标，有些像我们讲的第一个阶段的考核，可能是考核人才结构合不合理。不同的公司有不同的结构。我们讲的人力成本，我们要把人看作最主要的 资产。如果人员成长很快的话，可以带动整个公司的成长。这是第一个纵轴方面，人员的学习和成长。

接下来是横轴，横轴的方面以往很多的企业实际上以生产为导向，生产这个产品之后就推出市场。以市场为驱 动的，以客户满意为主的。客户到底需求的是什么，我们会有一个客户的满意度，这也是非常关键的指标。接下来要满足客户满意度的话，所以我们在另外一头就是 内部的流程，内部的流程包括很多，包括满足客户的定单，怎么去研发，最后产品的品质，有非常多的流程。所以这是内部流程的主要的部分。最后不止是考虑到内 部流程，我们甚至还考虑到外部的流程，跟我的供应商、客户之间的流程，也就是所谓的供应链流程。所以你可以看到基本上把一个企业管理上的方方面面都包含进 来，这个大概是目前在谈绩效管理最常用的一种基本理论架构，我们叫做平衡记分卡。

当然还有绩效管理常用的其他理论，像策略地图，这里面有一些我们讲的指标关联性，由于某些指标会影响到 其他指标，指标间会形成一种路径，也就是地图的关系。这个策略地图，可能跟公司的战略策略有关，最主要的是把它展开。以提高人员的学习成长为例，可能公司 要定一些有关人员学习成长方面的策略。举一个大家最熟悉的，之前有一本书，叫《从优秀到卓越》。这里面提到一个叫“先人后事”，就是先找好的人才，然后决 定要做的事。这可能是一个公司人才发展所采用的策略，所以要完成这个人员成长指标，要有人力成长的策略。所以每一个构面都会有策略，最后这个策略构成就像 地图，最终还是以财务指标为主。

财务指标上面可能也有某个策略，这跟我们以往讲的战略策略不一样的，战略策略提供的更多的是公司的发展方向。我们可以找合作伙伴，也可以有自己销售的方式。这个策略跟大部分讲的绩效是一个更高层次的。

目前在绩效管理上面常用的新的一些方法，以往其实已经有这些理论存在。但是企业很难采用，原因是绩效评 估一定要有数据，你说一个绩效好与不好，并不能凭感觉，客观就是要以我们的数据来说话，这些数据很多是在系统里面。但是要用手工方式实现它非常的耗时，用 手工的方式处理这些数据，然后接下来评分实现指标，所以这样做可能要耗费好几周的时间。所以，以往已有像平衡计分卡这种理论，但是我们无法在企业里实现 的。刚好现在商业智能有这个技术，商业智能提供的几个部分，一个是数据的集成，可以透过新的技术把所有的数据集中到一起，做一个分析，最后呈现出来。

所以现在做绩效管理可以做到实际的实施。至少在技术上已经可以完成，未来你做完ERP，还可以做企业的 绩效管理，现在整个细化是打通的，最底层的流程的管理，到最高层的决策分析，可以透过一个ERP系统去完成，我想这是ERP积极发展的方向。我讲个故事， 我记得最早在行业里销售ERP，常讲企业只要有一套ERP，大概不需要其他的系统。那时候当然只是个销售台词，但现在看起来这句话快要实现了。经过这几年 的发展，ERP里面包含的内容太多了，有SCM、CRM、PDM、HR等，现在更包含了BI。这可以给国内的ERP公司一个借鉴。之前很多的ERP公司说 我这个生产功能很好，代表我这个ERP很好，但现在已经不行了。现在国外的ERP已经把整个标准往上提了，完整的ERP应该包含商业智能的功能在里面。

主持人：今天我一直没有打断郑总的话，我听的非常的入迷，我也非常感谢郑总，ERP不仅仅是我们现在很 多人理解上的只是一部分，ERP是整个企业信息化的，包括我们的生产，包括我们的财务，包括绩效管理的所有所有，所以这实际上也是ERP世界网所倡导的意 思。ERP还可以表达整个企业的概念。所以我非常同意郑总的观点，就是将来整个ERP供应商的竞争，不是生产做的好就可以，可能还需要有商业智能，还有其 他的更多的东西，这些全部都是企业在管理上所需要的。这个我们总结一下。第二点就是我们以前说ERP的话，数据非常关键，传统的ERP系统把很多数据的东 西解决了，如果数据不真实，不准确，可能就不行。所以我觉得商业智能这个方法，可能最后的结果报表出来，是让领导或者管理者，能够非常容易的得到前面做的 正确与否。我觉得这个可以展开一下。

郑正中：商业智能虽然上最终呈现的结果，其中有一个就是用报表的方式来呈现，但是它实际上跟传统的报表截然不同。

主持人：我强调说一下，是不同的。

郑正中：传统的报表是静态的，打印出来的，它僵化了决策者的思维模式。现在商业智能报表是一种动态的， 动态是什么意思呢?你不能看它是一个报表，因为它是活的，为什么是报表的方式?因为现在人类的科技发展，我们用的显示器仍是是二维的，不可能像电影里面看 的三维的、多维的。举一个商业智能的分析为例，好比说从一个年度的营业额开始做分析，如果我们看到在某个区域这个营业额跟去年比较下降了，接下来我们就可 以钻取到那个区域，分析为什么这个营业额跟去年比较会呈现衰退。这区域里面有不同的组织层次，从大区层次追踪到最后销售的分公司层次。这样就可以看得非常 清楚，某一个区域的衰退是由这个造成的。接下来可以再从产品维度继续做钻取。同时接下来可以按照不同的时间、月份来分析，最后可以看到是谁负责这个产品， 负责这个分公司。到此，我们可以掌握到最关键的部分，人的上面。因为所有事情最后一定有人的因素在里面，所以一定要追踪到人的上面。

商业智能把不同构面的问题，全部透过多维度报表剖析出来。当然这个报表严格讲应该是一个分析的平台、或 系统。所以这个是商业智能的报表所呈现出来的最大的特点。钻取就像手中的放大镜，一直可以不断的把藏在底层的问题看的更清楚，可以从最高层的问题一直追踪 到最底层。你甚至可以追踪到ERP里面的数据。如果数据错了，甚至还可以追踪到为什么错，甚至哪一组数据错了。刚才讲的是往下钻取，就是越看越细。以往我 们只看到绩效，但是我不晓得这个绩效好与不好的原因所在。这个钻取功能可以让我们看到这个原因。这是非常大的区别。

主持人：我们有些疑问可以解答，你刚才谈到两种商业智能的技术，一个是OLAP，另一个是数据挖掘，能不能简单给大家说区别说这两种技术到底有什么不一样的?

郑正中：目前在市场上听到那么多的商业智能公司，大都是在做OLAP这方面。一般来讲，这两种技术都是 对数据分析，数据的来源都一样，都是来源于信息化系统。我们举个例子像国美，每天可能都有几千万笔的数据，这种数据就是明细数据，消费者买东西之后每组数 据的记录，比如你买个彩电。分析，我们一定要做统计，例如我们想了解一下目前索尼，它的彩电在所有的公司，所有的门店销售多少，或者看某个单个门店，回答 这个问题需要做统计。这个统计我们常称做汇总。刚才说的是简单的汇总，我们把数量加出来，我想对不同的时间点做不同的加总，或者我想对不同的门店做加总。 OLAP最重要的工作就是在做汇总。所以不同维度，OLAP会帮你做维度之间各种组合的汇总。我想看到的可能是区域销售的报表，我想看到的是区域里面不同 的分公司它的报表，这样基本上可以透过OLAP把它汇总出来，所以这是OLAP最主要的技术。当然汇总不一定只有加总，我可以求平均值、最大值、最小值 等。甚至我们想知道有多少人到我们店里来消费。例如国美也非常关注，今天有多少人到这个店销费，这也是一种汇总，汇总的种类是非常广泛的。

了解完OLAP之后，我们来看一下数据挖掘是什么技术呢?刚才提到数据挖掘很多的背景是来自于人工智 能，人工智能有一个很重要的理论叫机器学习(Machine Learning)，我们可以研发一种机器来做学习，学习什么呢?好比最简单的例子，我们教小孩子加减乘除。我们只告诉他加法的一个基础。

主持人：刚才说的深蓝是不是在做这个技术?

郑正中：深蓝不是在做这个技术。比如说有一台机器，告诉它加法，它就知道所有的数目间的加法。所以后来 商业智能就把这个技术应用在数据挖掘里面。在海量的数据当中，数据之间有什么样的关系，寻找数据之间的关系，是数据挖掘最常要做的事情。我们用一个最常用 的方法，在整个零售业里面有一个叫菜篮子分析，假设我们去猜测一个人，拿一个菜篮子，他去买东西，他会把哪些东西放在这个菜篮子里。像7-11便利商店， 他们经过很多客户购买的数据的分析，可以知道假设今天一个客户，他买了什么样的口味的面包，可能是红豆馅儿的面包，那他最有可能买绿茶口味的饮料。这个就 是我们讲的菜篮子、或关联式分析，这也是数据挖掘中最常用到的技术，就是寻找数据之间的关联。

还有在银行方面也常用数据挖掘的技术，大家都知道现在银行一个主要的业务就是发行信用卡，但是这有很大 的风险。信用卡的持有者，未来可能不按期去还款，甚至干脆不还了。所以银行要怎么知道呢?这里所用的技术就是数据挖掘技术，假设现在它有一百万个信用卡用 户，银行透过主要的数据分析，哪一类的信用卡的用户，不会还钱，哪一类的会按时还钱，或者哪一类的根本不还钱。把这一百万的客户的属性，类似年龄，性别， 以及银行存款的多少等拿来进行分析和挖掘，最后可以分成上面提到的三大类。所以当今天有新的用户申请信用卡时，他就会拿过来做比对，他是归属于哪一类，这 也是数据挖掘里面最常用的另一种技术，叫做分类。数据挖掘最后就是把客户分类，这是我们讲的两种不同的数据挖掘技术。

因为数据挖掘技术含量太高了。可能不同的技术都可以给你结果。有的说我用的是人工智能的技术，有的说是 用的统计的技术，但是每一种技术都会给你结果。不像刚才的汇总，1+1=2是很明确的。但是说到数据挖掘，你要如何判断哪一个结果是对的。这是数据挖掘在 应用上碰到的最大的难点，你无法判断最后给的结果哪一个是适合我的。所以在实施这种数据挖掘的时候，通常需要很多这方面的专家叁与。这不是一般的企业可以 有这样的预算来实施，而且需要很长的时间，才可以得到最后它想要的结果。

在市场上使用数据挖掘这种技术的企业非常少，大部分使用的还是OLAP的技术。专门做数据挖掘的软件公 司也不多，像SAS、SPSS，这些公司的发展都是从统计这个领域开始的，都是做统计软件的。统计技术刚好有很多部分应用在数据挖掘里，后来这些都纷纷转 型成数据挖掘的公司。

主持人：我一直也是比较困惑，听起来的话，这两种技术比较，它是不一样的。根本理论就不一样的。

郑正中：目标都是一样的，就是要挖取这个智能。

主持人：大家可能听的比较又过瘾，可能又比较技术化一点。我们先把这个话题休息一下。我们谈到另外一个话题，谈谈郑总个人的职业经历。

郑正中：回想起一路走来的点点滴滴，还算是很幸运的。我是在台湾长大的，大学毕业后我就出国，刚开始我 念计算机。念完书之后先去工作，因为那时候还没有决定是不是要继续念博士学位。大概1987年，我从乔治亚理工毕业。在美国读书每学期修的课是相当多的， 在美国读书一年的量大概相当于在台湾读四年。

我讲一个自己的故事，因为那时候常常要写作业，写作业要上机，虽然自己带了一台PC机，但是PC机毕竟 不够，那时候常要用到大型主机，由于白天用的人多，我自己就只能利用晚上的时间才来做。可能自己的能力也不好，所以要花很多的时间，所以每次都是在晚上的 时候。那时候我每天带两个便当，下课了五点多，因为那时候很辛苦，美国的东西很贵，不能天天吃汉堡，所以回家就炒菜做便当。我出国前最常做的事情就是跟妈 妈学炒菜，每天都带两个便当，为什么带两个呢?一个是隔天早上吃，另一个是中午吃。晚上凌晨都在上机写作业，上完机之后不回家睡觉，学校图书馆24小时开 放，那时候图书馆为了体谅我们这种学生，就是旁边放一些沙发，只要你不要喧哗就可以，所以我上完机之后就在那里睡觉，然后去上课，中午就吃便当。那时在美 国求学的话，你平常的个人生活就很少，所以给人压力非常大。那时候很明显的感触就是像上补习班一样，为了考高考。

主持人：比高考紧张多了。

郑正中：那时候所想的就是赶快把这个学位拿到，就不念了，赶快去做事。但是后来在做事的过程中接触到了 人工智能，人工智能这个东西对中国人来念非常的辛苦，因为它没有太多的数学，大多是和逻辑推理有关的。我们中国人语言能力毕竟不像美国人，念起人工智能来 非常的吃力。那个时候人工智能在计算机领域是最受人瞩目，因为大家有个梦想，看人类的智慧是不是可以被超越，因为人工智能主要的目的就是要发明一种计算 机，或者一种机器，具有人类的智能。

刚才提到像机器人，机器人可以看，可以说话，还可以动，现在很多计器人还可以踢足球，打乒乓球。一个简 单的人的关节。对人工智能的发展，可能需要20年才能做到我们今天简单的把手伸出，去拿一个杯子。由于对人工智能非常感兴趣，所以后来我在工作当中就去申 请学校。当然还有另外主要的原因，我太太她也正在念博士。我在想她念博士，我不念，那以后在家里就没地位了(哈哈)。后来申请的几所大学，像卡内基美隆大 学。那个学校在人工智能上非常好。那时候我听一个学长，在聊天，他说有一所大学叫卡内基美隆，他说这个学校很不错，你去那里读博士，可以不用上课，学校也 不会要求你，只要你自认为有保握，你可以直接去考博士资格考。他说这个学校很好，非常的开放。

在这里读书，常会碰到很多的诺贝尔奖得主。1960年代在一次美国达兹茅斯大学的会议里，有四位科学家 创办了人工智能这个学派。会议后，其中一个人到麻省理工学院，另外一个人到了史坦福大学。剩下的两个人是好朋友，一起到了卡内基美隆大学。其中一位 Simon教授，后来得到了诺贝尔奖。他们算是第一代的人工智能科学家。

主持人：你的辈分也不低啊?

郑正中：我的辈分非常低。刚刚提到Simon教授后来得到了诺贝尔奖。因为诺贝尔奖里面没有计算机这个 奖项，所以颁的是经济学奖，经济学奖这个跟人工智能有什么关系呢?一个公司的高层做决策，这个跟人工智能有关，做决策就需要智能。Simon教授那时候就 在研究这个领域。大师上的课都是人工智能最基楚的课程。很多教授们都会来听，像我们这些学生一样。大师上课也不需要什么课本，信手抓来都是人工智能最经典 的理论。我们看书是靠我们自己去理解，这理论是什么意思。但当你从大师的口中亲自听到时，奥，原来是这个意思，并真实的了解他的思想是怎么样的演进，想出 这样的一个理论出来。那时候思想上会发现截然不同视野，醍醐灌顶。有时候在校园中常会碰到大师，像一般的老爷爷一样，根本不晓得他是诺贝尔奖得主。

这是我求学的阶段，当然念完之后就出来了。那时候有两种选择，大部分就是到学校去教书去了。这个选择不 错，我当时也发表了一些学术文章，但因为我很喜欢编程，那时候写博士论文的时候，很多程序都是我自己编的，所以最后决定到企业界来。一方面去结合人工智 能，一方面做编程的工作。

主持人：听这个课，像一个中国学生去听英文，听这么复杂的英文，那时候整个语言的训练，或者整个技术的训练如何?

郑正中：语言一定得克服掉，反正在那种环境底下，语言很重要，开始会付出比别人更多的精力。美国的老师 不一定都是说英文的，有人从欧洲来，听这种英文很斥吃力，听印度老师讲课根本听不懂。久了之后就懂了。像后来又碰到很多来自不同的国家，亚洲来的，欧洲来 的。那只是第一步，并不是说语言克服了就可以了，后来很多的就是靠自己。当然在那个环境里很好，因为它很开放。我的博士指导教授，每天背着一个包包，像小 学生，你跟他坐在一起，大多时间都在做思想激荡，也不会问你进度怎么样，很多时候我自己一方面是在学习，有什么问题再和他一起研究。通过这个过程，你可以 学到很多东西。指导教授会培养你独立思考的能力。很多在美国拿到博士学位出来，基本上他在这个领域已经有很多的贡献了，因为都是他自己想出来的。

我们也回帮老师做一些项目，我做了一个有趣的项目，是有关哈雷天文望远镜的。主要是如何有效管理哈雷望 远镜，望远镜的使用是全世界的科学家都会去申请的，申请望远镜最主要的是要观察外层空间。不可能大白天去观察，只能是晚上，观察的时候有一些角度要去调 整，那时候他们就委托我们，写一个软件，研究哈雷望远镜，怎么样更好的去使用它。

我当时的研究方面主要是应用人工智能在供应链管理上面。当时，没有供应链方面的软件公司，有一家叫 i2，最早是做生产排产。两个创办的是印度人，刚开始创业时很辛苦，一年营业额不到10万美金，但後来成为一个10几亿美元的公司。当时我的一个学长介绍 我到这家公司，我说这是什么公司，没听过。然后第二次又介绍我另外一家公司，就是Adexa，这家公司更小，那时候只有两个人。这家企业基本上是那时候刚 成立的，那时候我进去时是第三个员工。

主持人：老板以外就是您了?

郑正中：老板，还有一个老板弟弟。但是这个公司现在还是不错，它在电子、集成电路的供应链管理方面做的 相当好。之后我回到了台湾之后就创办了台湾Adexa。那个时候应该是1990年初。在台湾竞争供应链管理市场的软件公司一共就是两家，一个是i2，一个 就是Adexa。像台湾积体电路(全球最大的集成电路代工)、联华电子、日月光(全球第二的封装)，这些都是我们的客户，还包括一些电子制造业等等。 Adexa那时候最大的竞争对手就是I2。Adexa一开始在布局上目标就在全球，那时候我是负责整个台湾，包括中国。大多的美国软件公司一开始布局就是 放眼全球，因为软件市场是不分国界的。这个工作经验对我来讲是非常宝贵的，可以亲眼看到一个公司从零，一直慢慢的成长。Adexa的成立是在美国，但是研 发是在加拿大，为什么在加拿大?主要是产品设计师是从西门子半导体出来的，他是个德国人，后来他选择定居在加拿大，所以整个研发团队就在加拿大。

离开Adexa后，进入一家公司叫e2Open。那时候大概在2000年初的时候，就是电子商业泡沫化 的那一年，当时电子交易市集(eMarketPlace)是一个非常新的观念，e2Open就是专做电子交易市集的公司。它有10个股东，都是电子业的巨 头，IBM、Lucent、Segate、Notel、Solectron、Acer、Toshiba、Panasonic、LG等。总共集资两亿美金创 建一个电子交易市集，要把整个电子行业的供应链透过这个平台管理起来。涵盖的范围从产品的开发、生产、采购、到网上竞标等整个生命周期，所以理想是非常远 大。

那时候只要跟电子商务有关的公司，市值都非常的高。但大概在2000年的3月，那个泡沫就开始，而且不 是慢慢开始，是一下就开始，一下就结束了。你看美国股市，股价就是像一条下降的直线。这10家公司本身也受很大的创伤，所以当初那个理想就受到很大的影 响，没有办法实现，两亿美金很快就烧光了。

我为什么会加入明基?主要是遇到了明基的董事长李锟耀先生(大家都称他KY)。KY在台湾的电子行业是 一个传奇人物，他一直有有一个理想、一个使命，就是要打造中国人的全球品牌。像没有中国人在做手机的时候，他是第一个去做手机的。全球液晶行业中有一家叫 友达光电的公司，这也是他所创建的。他刚开始做这个行业的时候，没有得到很多人的支持，但目前友达光电已经发展成全球前三名的液晶制造公司。

那时候认识KY，他就讲了一个想法，他想在明基集团里发展一个软件事业，我说好啊，那时候因为毕竟有那 种心态，所以就加入明基。刚开始我们叫逐鹿(有点逐鹿中原的味道)，从明基的IT部门开始调一些人手过来，其中很多都是年轻人，而且都不晓得软件行业是在 做什么。我们就从0开始，我们就开始做产品，而且产品做的不错，接下来我们就进入快速的发展，后来逐步发展到400多个人。刚到明基时，对自己的震撼比较 大，因为以前待的公司都是纯粹的软件公司，管理大都是比较松散，但是明基是截然不同的一家公司，有很严谨的管理方式，一开始觉得不适应，但是慢慢就习惯 了。管理上的很多的心得，都是在那个时候培养起来的。

我加入明基，就是想从它身上学到东西，怎么经营一个企业的一些方法。我知道一定有很大的冲击，非常辛苦，因为整个改变很大，后来回想起来，其实我非常感谢明基对我的培养。所以这一次创办中国先特计，进行起来就非常的顺利，好像之前的所以一切都是为这次的创业而准备的。

在团队的建设方面，心中已经有一个非常清楚的方式，就是刚才谈到的。我所采用的方式都是来自于一本书， “从优秀到卓越”。我也不怕说，因为这是一个好的管理思想，好的管理思想我们就是要把它实现出来。我们进来的每一个员工，包含各区的老总都要非常仔细的研 读这本书里的管理精髓，并且要经过一个考核。新人的试用期考核最重要的一件事情，就是要做这本书的报告，所以我想让他们了解好的管理思想，并且要实践出 去，我们先特计中国现在完全是以这种方式，来建设一个卓越的团队。

这是我自己深刻体验的，一个企业要成功，第一个一定是人才，并不是我一个人。一定要有一个团队。所以我 现在最主要的工作就是要培养各区域的领导人才。我现在花很多时间在培养他们，而且我会给他们很多的自主权，所以我对他们的管理其实也不多。任何有不足的地 方随时提出来，你这个区域你要怎么去发展，你要多少人，是由各区领导人自己决定。你要把这个区域看作是自己的公司般来经营，但是最后一定要达成最重要的目 标，就是最基本的，你未来的销售，你预估的目标，以及你的利润等。

我们也采取跟很多公司截然不同的奖金制度，不以个人而是以整个团队的成绩来发奖金。最后奖金会有多少是 由整个团队自己来决定，所以完全不是按照个人的。传统的作法有一个缺点，各自为政。销售为了自己的奖金，拼命做销售，但结果是忽视了客户的需求，并把很多 问题留给实施的顾问。我最近看过一个软件公司，每两年就换一批销售，为什么会两年呢?因为两年之后问题就暴露出来了。

但以团队奖金的作法就不一样了，销售在签约前就会考虑到一定要很成功的实施。我们现在养成一个习惯，一 开始不能做到的地方，就跟客户讨论，哪些是我们可以做，或我们不可以做的。我制订了这个制度之后，一开始可能大家不习惯。后来大家充分理解之后，把所有的 疑虑都抛开了，这样大家才能专心的去做事情。

最近我们大概花了3天的时间刚开完年会，我在这里面也是完全公开的，我们的策略是什么，我们的商业模式是什么样的模式，什么东西是我们今年最关键的，每一个人都非常清楚。我想所有人要非常清楚之后，大家走的方向才会一致，所以这是我们现在采用的方式。

主持人：我一直不忍心打断，就是觉得今天很有内容，也很有思想。最后的管理不仅仅是对我，也是对业内的 很多领导者，或者企业家也都会有帮助。所以现在我跟几个老板讨论，我经常给人家提供的，也是在软件方面，但是最后发现还是要业务方面的更多一点，比如怎么 做ERP，怎么做定单这种。但是最后谈到这个问题，您把他归结为基础管理。不管什么行业，人员怎么管理之类的，也有一些软件怎么布化下来，有点文化的感 觉。所以我想今天非常感谢各位这么长时间陪伴我们，也再次感谢郑总今天抽时间来，给我们畅谈他公司未来的发展情况，谢谢郑总。

郑正中：谢谢大家。

转载于:https://my.oschina.net/suhyy2010/blog/32354