算法治理成为数据时代企业发展的一个重要思维。那么，企业如何理解算法治理的内容？算法治理思维的关键有哪些？企业如何才能够将正确的算法治理思维落实到企业的运营过程中？
算法治理思维的基础
算法时代的到来
算法不仅已经逐步成为企业解决具体问题的一种方法和开展业务运行的技术程序，也已经渗透到社会结构和人们生活中，社会、企业、消费者等与算法之间的关系日益紧密。
算法的应用成为数字经济高质量发展的一种必不可少的手段，经济发展也进入到了算法时代，算法获得了前所未有的地位。
企业算法治理的提出
数据收集、数据、算法、算力与应用（即“人”）等五要素共同构成了算法应用系统的框架，其关系如图1所示。在各种算力资源的基础上，应用不同的软件和设备收集到各种数据，然后运用算法处理这些数据，最终不仅可以得到有用的信息和知识，增强管理者的洞察力，而且还可以直接按照一定的规则有效率地代替人甚至代替组织做出决策和执行任务。因此，算法应用系统亦已成为企业的一种核心竞争力。
图略
然而，图1中的每个部分都不是看到的那么简单，都需要有一个开始、设计、构建、实施、使用和不断优化等过程，每一个过程都会涉及到技术、经济和社会等问题。
图1中与数据相关的内容属于数据治理的范畴，比如：数据收集方式和手段的选择、数据的项目和类型的确定、处置和应用数据的方法等，尤其是涉及个人隐私和公共安全的数据收集与应用，更是全社会所关注的数据治理问题。针对数据治理的各个方面，世界上主要经济体与国家都在不断完善相关的法律法规，一些企业也逐步建立了相关的管理制度。
算法不仅代表了数字时代企业的竞争力，而且也体现了企业的价值观和具体的应用规范。在图1中，一方面，算法及其应用关联着企业内外的“人”，包括：员工、客户、供应商和市场监管者以及算法的所有者、主导者和开发者等，但是算法本身大多以“黑匣子（Black Boxes）”形式的程序提供给人们的，使用者和其他利益相关者并不了解算法的原理，而且企业在算法应用过程中大多存在着多方利益冲突的现象。比如，众多包含算法运行的App虽然在使用之前会提供一个说明并让使用者确认后才运行，但是大多数人既没有耐心阅读，也缺乏读懂的能力，算法就可能会在用户不知情的情况下，攫取用户的隐私信息并被商业化使用。另一方面，在算法的开发、应用及算力的使用过程中，企业自身也需要关注经济性问题和数据安全性问题等。
这两个方面的问题是影响企业算法应用成效的关键，可以通过算法治理来应对，算法治理成为数据时代企业的顶层策略和思维。
企业算法治理的内涵
治理的概念属于管理的范畴，是管理中的一项特殊工作，其主要任务就是当有相互冲突或不同利益的个人及组织存在时，确定与运用能够使得他们协调一致的原则、规范、规则和决策程序，从而共同开展行动以持续低成本地实现目标的过程。
消费互联网平台企业已经受到了严峻的算法应用挑战，随着产业互联网的发展、数据时代的到来，各类企业与算法应用之间的关系都将日益紧密，算法成为企业利益创造和分配中的一个重要角色，算法治理成为企业的核心理念。
算法治理（Algorithmic Governance）是企业的一种新型技术治理形态，首先就是企业在经营管理过程中能够主动并充分地运用算法；其次，在算法应用过程中需要有用于指导和支配企业算法构建与执行等各种应用活动的规则集合，这些规则集合明确了企业算法应用中涉及到的相关角色、工作责任和执行流程，算法的规则集合虽然是由企业依据自我需求的目标而设计的，但是为了能够持续地实现自身的目标，就必须确保算法所涉及到的多方利益之间的协调；最后，算法也可以作为一种手段和工具，监督和保障算法对规则集合的遵守。
企业算法治理的思维组成
从图1中可以看出，数据的价值需要通过算法的建设与应用才能够实现，数据应用的本质其实是算法，算法是应用数据的大脑，算法治理成为继互联网思维之后企业转型发展的又一个引领性思维。
企业算法治理思维由业务算法化和算法业务化两个部分组成。
企业业务算法化
互联网虽然带来了企业经营管理思维的变革，但是企业管理的主体还是企业各个岗位上的管理者，而算法治理思维带来的是经营管理的主体的转变，算法可以根据应用场景的不同，自主生成管理决策方案，并且可以自动执行，这就使得原本居于主体地位的管理者变成了参与者，甚至是听命于算法的执行者。在业务算法化后，企业就可以打破原有的规模经济递减效应，也会自然突破企业原有的业务边界，真正地实现跨界经营，因为大量的工作交由算法承担了，这些工作从简单到复杂可以分为如图2所示的三个层次。
第一层次：日常运营与事务处理工作算法化
企业日常运营中，组织的精力大多被消耗在了常规的经营管理工作上，从基层管理者到高层都特别忙，尤其是主要领导人，忙着开各种各样的协调会议，听取各个条线的工作汇报并考核其工作情况，进而做出决定和指示，还要处理不同层级的下属提出的各种各样的要求与问题，与此同时，下属也因缺乏发挥自主性工作的机会而严重影响积极性。
进入数字化时代，泰勒的科学管理就可以采用持续优化的算法加以工程化实现了。借助于智能算法管理工具系统就可以自动完成大量的常规性管理与决策工作，可以极大地减轻各层级人员在日常管理中的工作与协调负担。
因为算法系统本身的“黑箱（Black Box）”特点，社会对算法系统的争议也难以停歇。其实，算法系统虽然体现了主导者的价值观，但其本身还属于一种工具，任何工具都是双刃剑，具有两面性：一方面，算法系统可以切实提高企业的管理效率，降低成本，增强竞争力；另一方面，一些商家可能会滥用算法系统以压榨员工、欺骗消费者。因此，一定程度的质疑、争议和批评也是算法治理的一个组成部分，对算法治理的正常发展是有益的。但是，“倒洗澡水不能把孩子一起倒掉”，数据时代的算法系统应用是一个不可阻挡的趋势，社会与企业都需要在思维、政策、法规以及架构和文化上的转型。
第二层次：管理流程算法化
企业的战略需要落实到业务流程才能够得到真正地执行，客户价值的创造和实现不是企业的哪个岗位或者哪个部门完成的，是在企业一个完整的业务流程完成后实现的，企业业务流程中的各个环节也越来越多地被外包给效率和成本更有优势的其他组织。因此，企业业务流程的完成方式成为企业取得成功的关键。
长期以来，为了保证业务流程顺畅地完成，并实现效率的大幅度提高，企业通过分工发展出了拥有各种职能岗位和部门的模式。在这种模式下，每个部门和岗位都专注于完成自己的工作，当然，也一定会与另外的部门或同事的不同目标产生交叉影响，因此，就可能会出现影响企业生存和发展的“大企业病”等现象。
其实，这种普遍存在的企业工作方式源自工业革命，在这种方式下，为客户传送价值的业务流程是跨部门、跨层级的，“竖井”式职能部门在实际工作中割裂了业务流程。而在一个企业中，本质上只有为数不多的端到端的关键流程创造了企业为客户提供的几乎所有价值，如订单获取、产品开发、生产与供应链管理等，在数字化的今天，这些以客户为中心的关键流程在运用算法系统后就可以成为一个端到端的连续体，不再是一系列分散的步骤。
在诸如今日头条、美团外卖和滴滴出行等网络企业，算法系统已经使得企业部分流程的自我治理成为现实，这些企业的实践证明，通过算法实施的管理流程更高效精准，也能够降低管理成本。
第三层次：管理决策算法化
大数据时代的出现，嵌入到业务流程中的算法系统就可以把视频、语音、图片和数字等各种大样本数据甚至是全样本数据作为基础，做出及时决策并直接执行。
算法替代原来DSS直接做出决策并执行后，释放了管理者大量的时间和精力，瑞·达利欧在《原则》一书中提到：像算法一样决策可以培养真正的创意择优。亚马逊在这个方面就是一个典范，长期作为CEO的贝佐斯不仅要思考企业长期发展的方向，而且也要对企业正在发生的事情作决策。为此，他打造了一个强大的数字和算法系统。比如，亚马逊数据中心的选址决策活动就有超过280个标准，包括了地震、空气、地形和土地规划条件等因素，全部自动计算达标后才可通过。再比如，亚马逊制定的企业年度业绩目标近500个，对每个目标都明确了责任人及成果要求和完成时间，算法系统实时分析追踪，快速发现问题，自动完成常规决策，持续推进组织管理能力的提升。
大数据环境下的算法决策相对人工决策而言，不仅规避了现实中存在的决策噪音，而且具有准确性、高效性以及稳定性等优势。尽管如此，也要认识到，无论多么优秀的智能算法都是人研发的，算法系统不可能完全取代人的决策，当然，算法系统也给人们带来了“算法黑箱（Algorithmic Black-box）”的忧虑。
企业算法业务化
大数据时代的到来，万物以数据化的方式呈现，利用数据的算法成为企业业务活动中一个组成部分的趋势凸显。因此，企业在业务算法化的同时，还需要树立算法业务化的思维，将算法治理也作为企业的一项业务活动。作为一项业务活动，算法治理具有以下三个特点：
首先，技术理性与价值理性的有机统一。企业算法系统看似黑匣子，本质是将原本与企业内、外部各个利益相关者之间面对面的直接关系转化为了代码系统，其目标是提高效率、降低成本、增强企业竞争力，并没有改变企业的本质，算法并没有去价值化。因此，控制算法设计和运行环节的核心仍然是企业的目的，即持续地创造用户，当然，算法要实现这个目的，就必须能够为员工、供应商、渠道商等业务相关者都能带来福祉。
其次，短期效益与长期价值的有机统一。人们当下常常诟病的一些互联网企业收集和滥用用户数据的现象，其实就是企业追求短期效益的行为。虽然说网络数据的收集与跟踪是21世纪的普遍活动，且算法的价值也是以应用数据才能实现的。然而，如果企业以人性的弱点为切入点收集和利用数据，短期内可能会迅速为企业带来流量与收益，但是长期而言，大多数用户最终一定会厌恶这类算法的结果而远离这些企业的。作为一种组织，企业追求的是基业长青，算法逐步成为企业业务活动的组成部分，那么算法本身就需要将短期收益与长期发展结合起来，能够长期发展的业务一定具有合情合理、合规合法并能够不断改善人们生活的特点的。
最后，控制风险与抓住机遇的有机统一。数据和算法是算法治理的两大基石，共同推动着算法治理应用场景的不断拓展和持续深化，然而，尽管人类进入了大数据时代，但是数据还是存在着有限性的问题，人们设计的算法也存在着不完备性，尤其是社会对算法的认知以及取得利益相关者对算法的共同认可也需要时日。因此，算法业务化进程的初期存在着一定的技术、经济、社会和政策风险，企业需要建立相应的风险控制机制和应对措施。此外，借鉴十多年前一些企业不信任的云计算业务在今天已经得到普及的经验，传统企业要消除对算法不信任的观点。企业领导人要认清大数据背景下存在于企业之间的“数字鸿沟”将会演变为“算法鸿沟”，运用算法将组织的精力从日常管理中释放出来，抓住机遇、布局长远、持续提升。
企业算法治理思维的实施
互联网及其各类应用的普及和发展，使得算法已经渗透到人类社会的结构中，虽然到目前为止，人们对算法的理解还很有限，甚至还加以抵制，但是并不能阻止人们依赖算法开展各种活动了。比如，人们大多不了解智能手机中各种导航软件的具体算法，但是还是依靠着导航软件的判断和建议前行，导航软件运用的动态规划等算法，让普通人也拥有了超越当地专业司机才具备的认路能力。当然，算法也可能会让人们更少观察、思考和质疑，人们在只需接受导航软件建议的场景下，也就少有机会在一整张地图上规划自己需求的路线，同时也失去通过整张地图来了解整座城市布局的机会了。从企业的视角来观察这些现象就可以发现，虽然算法的应用存在着负面的因素，但是人们还是越来越依赖于算法，甚至离不开算法，企业的业务算法化和算法业务化已经初见端倪并且不可逆转。
算法治理思维的实施对企业传统的经营管理是一场变革，不仅需要战略层面的顶层设计，也需要以变革管理为主线，重构企业的组织与流程、绩效与文化和数据治理与IT系统等。
来源：微信公众号： 清华管理评论，https://mp.weixin.qq.com/s/4rg5Rm7PwN4jLuVGvB6xBA 发表时间：2021年6月26日
