編者按：根據IDC的預測，到了2020年之后，無形資產價值占到公司價值的75%。但是，我們目前對企業(yè)的價值評估仍然以對有形資產的利用為主。Sasu Ristimaki認為，是時候對價值評估體系進行相應的變革了。

牽涉到數字化變革的企業(yè)往往專注于技術和商業(yè)流程，而且技術甚至會處在首要位置。然而，還有一個C階問題需要考慮，那就是指標——企業(yè)如何衡量、知道和分析自己的新表現，如何匯報，尤其是如何利用這些對市值/估值的積極影響呢？

根據IDC預測，到2020年，基于平臺參與度、數據價值以及客戶參與度的指標將會占到企業(yè)價值評估的75%以上。這可能是一種超前的看法，如果說商業(yè)變革正在大幅領先于金融變革的話。換句話說，能力與商業(yè)變革的緊迫性已經遠遠超前于金融所刻畫的相應變化。

數字變革本身的概念仍未定型。IDC對于給核心的企業(yè)決策過程引入自動化和數據驅動學習曾有過恰當的核心定義。此外，我們還看到數字變革的核心是從產品和生產推動企業(yè)發(fā)展的推式經濟過渡到客戶參與推動關鍵流程和價值的推式經濟。總的來說，我們稱之為算法型企業(yè)（algorithmic enterprise）。

這里的風險在于，在這種抽象水平上，這些短語變成了簡單的教條，或者流行語，然而牽涉到這一變革的卻是價值創(chuàng)造前提里面的根本性變化。

數字變革：從資產驅動到算法型企業(yè)

大家的普遍理解是，一家機構是由它的資產定義的，而經濟價值是公司的資產在生產過程中創(chuàng)造出來的。這一價值被封裝在產品里面，然后再跟客戶進行交易。

在發(fā)生了數字化變革之后，其中的一個關鍵變化是價值創(chuàng)造不再以資產作為主要基礎了。利用在多邊網絡內的上下文交互而采取的行動，在生產效率上要比基于交易的資產高得多。價值創(chuàng)造的焦點從資產利用最大化轉移到了交互以及上下文相關性的最大化。

這一新模式還在根本上推動了從封閉、端到端的價值鏈，到將整個網絡的一系列協同交互所作出的貢獻進行動態(tài)整合的變化。數字化變革，或者算法型公司，解決了此前無法管理的協調方面的挑戰(zhàn)。生產不再是資產所有者獨有的過程，因為客戶消費的價值可能會有多個貢獻者。

一個網絡內的范圍經濟會隨著網絡（以及交互）的范圍而幾何伸縮。這種范圍要比經濟規(guī)模強大得多，因為經濟規(guī)模是線性伸縮的，而且在極端規(guī)模下會呈現出收益遞減的特點。價值的關鍵來源變成了跟客戶的互動，變成了能夠體現其獨特需求的數據，變成了用獨特解決方案滿足這些需求的能力。這就是算法型的企業(yè)，或者在多邊背景下算法型的平臺企業(yè)。

將數百萬消費者與數百萬提供者連接到一起的能力代表了信息交易成本的一個根本性變化。平臺運營并非在沒有資產的情況下運營，只是資產不再是價值創(chuàng)造的基礎——這個基礎現在已經變成了平臺參與、數據價值以及客戶參與。而隨著價值創(chuàng)造跟資產脫鉤，資產所有權也會被架空，跟消費脫鉤。

但是，如果價值創(chuàng)造不再跟資產相關的話，我們又該如何去衡量它呢？而鑒于資產跟股權的原始關聯，源自網絡的價值是不是仍然首先被認為等同于股權呢？

對公司財務表現的影響

對一家機構的理解顯然反映在它的財務表現上。在標準話語中，資產負債表是企業(yè)的核心體現。資產是資產負債表的核心，在引入任何債務概念之前，資產負載表的另一端是股權。由于股權=資產，而資產=價值創(chuàng)造，價值因此被視為股權是合適的，尤其是對于股權持有人來說。

因此，股權持有人回報（RoE）最大化的目標就會直接轉化為資產回報最大化的目標。實際上，目前幾乎所有與企業(yè)有關的財務指標都是圍繞著資產使用來衡量的。如果衡量指標不是直接資產驅動的話，就是跟生產成本（本身也跟資產利用有關）有關，跟生產的貨幣化有關。

最后，注意到在公司工作的人在財務上被記為運營成本是很有用的——更確切地說要么是銷貨成本（COGS）的一部分,要么是其他業(yè)務支出（研發(fā)費用、銷售&營銷費用、一般費用&行政費用）的一部分。這一表現模式導致了這樣一種情況，也就是股權價值最大化與員工價值最大化之間存在著天然的根本性沖突。

作為企業(yè)變革（水花變革）的基礎，財務表現也需要做出變化。這種需求反映在IDC的預測上，也就是很快（3年？）新的非資產型指標將會占據企業(yè)價值評估的75%以上。

面臨的障礙/挑戰(zhàn)是這不僅僅跟定義和引入這些新的衡量指標有關——而是我們的整個會計體系都是基于一個已經不合時宜的財務表現。這個會計體系所指的不僅僅是機構在用的指標體系，而是大學教育的以及審計、銀行和顧問引用的整個會計和金融理論。

未來去往何方？

算法型企業(yè)需要正確的回報函數

就像市場是設計的系統一樣，企業(yè)也是設計好的系統；它們由目標所塑造，而這些目標日益成為指標和算法的函數。“能衡量的才能管理”這句話說得再對不過了，盡管最近的討論主要集中在算法上面，現在也需要的焦點集中在衡量指標上了。尤其是因為公司也是社會建構，因此這些衡量指標需要反映出一種我們想要的結果的自覺選擇。

要定義這些新指標存在著兩個獨特的互補性的需求。

第一組需求是企業(yè)的內部指標：如何推動數字變革，如何衡量新的價值創(chuàng)造，如何設定新的KPI以及如何駕馭這些新算法。

就像我們前面指出那樣，數字變革是要把自動化和數據驅動學習引入到核心的決策過程當中，建立算法型的企業(yè)。企業(yè)指標有可能會跟算法回報函數緊密關聯；這個搞錯的話不僅會導致缺乏指南，而且也是放棄了對想要的結果做出選擇的權利。

我們這里引用的關鍵概念來自Tim O’Reilly的算法性失敗。這是指因為不正確編碼的回報函數導致的算法系統失控。O’Reilly突出強調的一個例子是Facebook的假新聞其實不是審查的失敗，而是把大家想看/喜歡看的東西展現到極致后的算法失敗。

我們認為，由于數字化變革，員工“成本”與股權“回報”之間的固有沖突會變得更加嚴重。這是不大可能在宏觀層面解決的，而這又意味著公司日益被迫在企業(yè)層面尋找解決方案。

企業(yè)目前的KPI是什么樣的呢？如果這些衡量指標不再實際產生你想要的結果呢？你還是不斷地執(zhí)行。你不斷得到錯誤的結果，情況變得越來越糟糕。之前的指標主要是用來進行事后分析；在數字化變革之后錯誤的指標會對企業(yè)上百造成直接影響。借用一個航空術語，這就相當于CFIT，可控飛行撞地（controlled flight into terrain）。

數字化變革下的價值最大化

企業(yè)需要考慮的另一組指標是新的外部衡量指標。這些指標是市場差異化和對數字化變革的企業(yè)進行估值的工具。除了有限的指標披露之外，確定市值的分析師往往從公司關注什么上面獲得線索。然而，企業(yè)并不是獨立管理這個的，而是受制于信息披露以及同行的說法。顯然，推動這一討論，定義估值的關鍵指標，然后用別人定義的衡量指標來進行評判要好得多。

在生產效率和價值方面，算法型企業(yè)本來就要比之前的資產驅動型企業(yè)高得多。畢竟，這通常就是數字化變革本身的動機。這一優(yōu)勢應該也將反映在估值上面。然而，企業(yè)應該意識到，那些首先能夠明確這一估值優(yōu)勢的，也將會通過結構性行動（并購）來按照自己的喜好塑造所在行業(yè)，從而擁有重大影響力。相反，那些估值落后的，將幾乎沒有什么空間來彌補其任何的商業(yè)缺陷。相對估值很重要，把討論往這種新的方向引導是影響多方的主要工具。

估值之爭的另一個角度是目前的非上市公司似乎并沒有跟上市公司采用相同的估值標準，這反映在若干股票上市后乏善可陳的表現上面。VC社區(qū)有時候需要重新發(fā)明投資的輪子，或者摒棄上市股票業(yè)積累下來的（幾十年的）智慧是沒有幫助的。而創(chuàng)始人仍然抱持“我們今天的估值和規(guī)模更多的是基于我們的活力和精神，而不是收入乘數。”（WeWork創(chuàng)始人Adam Neumann的話）這樣的觀點不放也是于事無補的。

簡而言之，存在著一種相當自我的意識認為傳統的金融指標根本就不適用于數字化公司。

不幸的是，在這里想出新的替代性指標的責任落在了數字化公司和他們的支持者身上。私有股權（包括VC）首要的退出機制仍然是公開股權市場。由于那些市場是被缺乏新的、嚴格指標來衡量估值的分析師和投資者統治，所以受到猜疑的還是私有市場的估值。鑒于這種脫鉤，VC業(yè)參與到這方面的討論如此至少是很令人吃驚的。

結論

隨著數字化變革的節(jié)奏越來越快，我們并沒有感受到在這種變革引發(fā)的其他問題的解決上有著相向而行的節(jié)奏。但是其他問題解決的需求并沒有減少，其緊迫性正在與日俱增。不幸的是，對適應變化抵觸最大的仍然可能是最根深蒂固、遺留系統最復雜的藍籌企業(yè)，而創(chuàng)業(yè)生態(tài)體系則會繼續(xù)扮演變革新模式和做法的角色。

原文鏈接：https://medium.com/@sasuristimaki/new-metrics-for-the-algorithmic-enterprise-2192d440265

編譯組出品。編輯：郝鵬程。

編者按：根據IDC的預測，到了2020年之后，無形資產價值占到公司價值的75%。但是，我們目前對企業(yè)的價值評估仍然以對有形資產的利用為主。Sasu Ristimaki認為，是時候對價值評估體系進行相應的變革了。

牽涉到數字化變革的企業(yè)往往專注于技術和商業(yè)流程，而且技術甚至會處在首要位置。然而，還有一個C階問題需要考慮，那就是指標——企業(yè)如何衡量、知道和分析自己的新表現，如何匯報，尤其是如何利用這些對市值/估值的積極影響呢？

根據IDC預測，到2020年，基于平臺參與度、數據價值以及客戶參與度的指標將會占到企業(yè)價值評估的75%以上。這可能是一種超前的看法，如果說商業(yè)變革正在大幅領先于金融變革的話。換句話說，能力與商業(yè)變革的緊迫性已經遠遠超前于金融所刻畫的相應變化。

數字變革本身的概念仍未定型。IDC對于給核心的企業(yè)決策過程引入自動化和數據驅動學習曾有過恰當的核心定義。此外，我們還看到數字變革的核心是從產品和生產推動企業(yè)發(fā)展的推式經濟過渡到客戶參與推動關鍵流程和價值的推式經濟。總的來說，我們稱之為算法型企業(yè)（algorithmic enterprise）。

這里的風險在于，在這種抽象水平上，這些短語變成了簡單的教條，或者流行語，然而牽涉到這一變革的卻是價值創(chuàng)造前提里面的根本性變化。

數字變革：從資產驅動到算法型企業(yè)

大家的普遍理解是，一家機構是由它的資產定義的，而經濟價值是公司的資產在生產過程中創(chuàng)造出來的。這一價值被封裝在產品里面，然后再跟客戶進行交易。

在發(fā)生了數字化變革之后，其中的一個關鍵變化是價值創(chuàng)造不再以資產作為主要基礎了。利用在多邊網絡內的上下文交互而采取的行動，在生產效率上要比基于交易的資產高得多。價值創(chuàng)造的焦點從資產利用最大化轉移到了交互以及上下文相關性的最大化。

這一新模式還在根本上推動了從封閉、端到端的價值鏈，到將整個網絡的一系列協同交互所作出的貢獻進行動態(tài)整合的變化。數字化變革，或者算法型公司，解決了此前無法管理的協調方面的挑戰(zhàn)。生產不再是資產所有者獨有的過程，因為客戶消費的價值可能會有多個貢獻者。

一個網絡內的范圍經濟會隨著網絡（以及交互）的范圍而幾何伸縮。這種范圍要比經濟規(guī)模強大得多，因為經濟規(guī)模是線性伸縮的，而且在極端規(guī)模下會呈現出收益遞減的特點。價值的關鍵來源變成了跟客戶的互動，變成了能夠體現其獨特需求的數據，變成了用獨特解決方案滿足這些需求的能力。這就是算法型的企業(yè)，或者在多邊背景下算法型的平臺企業(yè)。

將數百萬消費者與數百萬提供者連接到一起的能力代表了信息交易成本的一個根本性變化。平臺運營并非在沒有資產的情況下運營，只是資產不再是價值創(chuàng)造的基礎——這個基礎現在已經變成了平臺參與、數據價值以及客戶參與。而隨著價值創(chuàng)造跟資產脫鉤，資產所有權也會被架空，跟消費脫鉤。

但是，如果價值創(chuàng)造不再跟資產相關的話，我們又該如何去衡量它呢？而鑒于資產跟股權的原始關聯，源自網絡的價值是不是仍然首先被認為等同于股權呢？

對公司財務表現的影響

對一家機構的理解顯然反映在它的財務表現上。在標準話語中，資產負債表是企業(yè)的核心體現。資產是資產負債表的核心，在引入任何債務概念之前，資產負載表的另一端是股權。由于股權=資產，而資產=價值創(chuàng)造，價值因此被視為股權是合適的，尤其是對于股權持有人來說。

因此，股權持有人回報（RoE）最大化的目標就會直接轉化為資產回報最大化的目標。實際上，目前幾乎所有與企業(yè)有關的財務指標都是圍繞著資產使用來衡量的。如果衡量指標不是直接資產驅動的話，就是跟生產成本（本身也跟資產利用有關）有關，跟生產的貨幣化有關。

最后，注意到在公司工作的人在財務上被記為運營成本是很有用的——更確切地說要么是銷貨成本（COGS）的一部分,要么是其他業(yè)務支出（研發(fā)費用、銷售&營銷費用、一般費用&行政費用）的一部分。這一表現模式導致了這樣一種情況，也就是股權價值最大化與員工價值最大化之間存在著天然的根本性沖突。

作為企業(yè)變革（水花變革）的基礎，財務表現也需要做出變化。這種需求反映在IDC的預測上，也就是很快（3年？）新的非資產型指標將會占據企業(yè)價值評估的75%以上。

面臨的障礙/挑戰(zhàn)是這不僅僅跟定義和引入這些新的衡量指標有關——而是我們的整個會計體系都是基于一個已經不合時宜的財務表現。這個會計體系所指的不僅僅是機構在用的指標體系，而是大學教育的以及審計、銀行和顧問引用的整個會計和金融理論。

未來去往何方？

算法型企業(yè)需要正確的回報函數

就像市場是設計的系統一樣，企業(yè)也是設計好的系統；它們由目標所塑造，而這些目標日益成為指標和算法的函數。“能衡量的才能管理”這句話說得再對不過了，盡管最近的討論主要集中在算法上面，現在也需要的焦點集中在衡量指標上了。尤其是因為公司也是社會建構，因此這些衡量指標需要反映出一種我們想要的結果的自覺選擇。

要定義這些新指標存在著兩個獨特的互補性的需求。

第一組需求是企業(yè)的內部指標：如何推動數字變革，如何衡量新的價值創(chuàng)造，如何設定新的KPI以及如何駕馭這些新算法。

就像我們前面指出那樣，數字變革是要把自動化和數據驅動學習引入到核心的決策過程當中，建立算法型的企業(yè)。企業(yè)指標有可能會跟算法回報函數緊密關聯；這個搞錯的話不僅會導致缺乏指南，而且也是放棄了對想要的結果做出選擇的權利。

我們這里引用的關鍵概念來自Tim O’Reilly的算法性失敗。這是指因為不正確編碼的回報函數導致的算法系統失控。O’Reilly突出強調的一個例子是Facebook的假新聞其實不是審查的失敗，而是把大家想看/喜歡看的東西展現到極致后的算法失敗。

我們認為，由于數字化變革，員工“成本”與股權“回報”之間的固有沖突會變得更加嚴重。這是不大可能在宏觀層面解決的，而這又意味著公司日益被迫在企業(yè)層面尋找解決方案。

企業(yè)目前的KPI是什么樣的呢？如果這些衡量指標不再實際產生你想要的結果呢？你還是不斷地執(zhí)行。你不斷得到錯誤的結果，情況變得越來越糟糕。之前的指標主要是用來進行事后分析；在數字化變革之后錯誤的指標會對企業(yè)上百造成直接影響。借用一個航空術語，這就相當于CFIT，可控飛行撞地（controlled flight into terrain）。

數字化變革下的價值最大化

企業(yè)需要考慮的另一組指標是新的外部衡量指標。這些指標是市場差異化和對數字化變革的企業(yè)進行估值的工具。除了有限的指標披露之外，確定市值的分析師往往從公司關注什么上面獲得線索。然而，企業(yè)并不是獨立管理這個的，而是受制于信息披露以及同行的說法。顯然，推動這一討論，定義估值的關鍵指標，然后用別人定義的衡量指標來進行評判要好得多。

在生產效率和價值方面，算法型企業(yè)本來就要比之前的資產驅動型企業(yè)高得多。畢竟，這通常就是數字化變革本身的動機。這一優(yōu)勢應該也將反映在估值上面。然而，企業(yè)應該意識到，那些首先能夠明確這一估值優(yōu)勢的，也將會通過結構性行動（并購）來按照自己的喜好塑造所在行業(yè)，從而擁有重大影響力。相反，那些估值落后的，將幾乎沒有什么空間來彌補其任何的商業(yè)缺陷。相對估值很重要，把討論往這種新的方向引導是影響多方的主要工具。

估值之爭的另一個角度是目前的非上市公司似乎并沒有跟上市公司采用相同的估值標準，這反映在若干股票上市后乏善可陳的表現上面。VC社區(qū)有時候需要重新發(fā)明投資的輪子，或者摒棄上市股票業(yè)積累下來的（幾十年的）智慧是沒有幫助的。而創(chuàng)始人仍然抱持“我們今天的估值和規(guī)模更多的是基于我們的活力和精神，而不是收入乘數。”（WeWork創(chuàng)始人Adam Neumann的話）這樣的觀點不放也是于事無補的。

簡而言之，存在著一種相當自我的意識認為傳統的金融指標根本就不適用于數字化公司。

不幸的是，在這里想出新的替代性指標的責任落在了數字化公司和他們的支持者身上。私有股權（包括VC）首要的退出機制仍然是公開股權市場。由于那些市場是被缺乏新的、嚴格指標來衡量估值的分析師和投資者統治，所以受到猜疑的還是私有市場的估值。鑒于這種脫鉤，VC業(yè)參與到這方面的討論如此至少是很令人吃驚的。

結論

隨著數字化變革的節(jié)奏越來越快，我們并沒有感受到在這種變革引發(fā)的其他問題的解決上有著相向而行的節(jié)奏。但是其他問題解決的需求并沒有減少，其緊迫性正在與日俱增。不幸的是，對適應變化抵觸最大的仍然可能是最根深蒂固、遺留系統最復雜的藍籌企業(yè)，而創(chuàng)業(yè)生態(tài)體系則會繼續(xù)扮演變革新模式和做法的角色。

原文鏈接：https://medium.com/@sasuristimaki/new-metrics-for-the-algorithmic-enterprise-2192d440265