GAmma（Gamma全球及大中华区负责人）

文章作者 |慎思行

对话嘉宾

Sylvain Duranton，BCG资深合伙人，GAMMA全球负责人

杨立，BCG 合伙人，GAMMA大中华区负责人

新难题与新思路

一提到GAMMA，可能因为我是理工科背景的原因，我会想到伽玛射线。这种射线波长最短，穿透力最强。所以以这个单词为名有什么意义吗？

GAMMA有两层意思。第一层和你说的伽玛射线代表的意义一样。因为这些粒子可以穿透到宇宙中最黑暗的领域。它们不可阻挡，还能带来光。这个比喻是想说：我们可以去到公司中最黑暗、最深不可测的地方——数据库。

我们要去这些黑暗的地方，然后带回来一些光。另一个意义来自统计学中的伽玛函数。最开始通信运营商经常用到伽玛函数，这些公司想做客户离网率分析。进行客户离网率分析是数学在商业中最早的应用案例之一。所以我们起名GAMMA，也是有伽玛函数的原因。我们将自己的团队成员称为“GAMMA射线”。

那如果具体点说， GAMMA团队到底是干什么的，具体又是怎么去做的呢？

其实以前BCG不做这种分析工作，但过去五年中，我们认为大数据和分析对公司的重要性与日俱增。调研发现，多数高管认为，AI、大数据和分析法将改变自己的公司。

所以我们才决定在BCG内部建立这些能力。我们三年半前开始采取行动，现在团队已经扩张到约700人，包括数据科学家、数据工程师、软件开发员。我们的工作是为客户打造定制化软件解决方案，来解决一些商业问题并提高企业绩效表现。

当然我们也还是BCG的一部分，会延续公司的理念：首先我们和客户合作，确定AI能够发挥大作用的五大议题。我们要解决的是大问题，或者说“独角兽”级别的问题。我们希望能够和客户一道实现这些独角兽业务的变现。具体而言我们做四件事：

首先，我们创建软件和算法；

其次，我们将算法应用在IT系统中；

然后，我们改变网络技术人员的工作方式，让他们每天都使用AI——这是最重要的部分；

最后，我们在客户处建立团队。

他们可以管理解决方案，而与此同时，客户有业务方面的人才，有IT和技术人才。他们了解解决方案，可随时进行改进——他们完全控制了解决方案的内容。

有的咨询公司和客户合作时，会做20、50或100个用例。我们不会这样。我们只聚焦五大议题，然后进行端到端的管控。上面基本就是我们所做的四件事。

我们在中国的商业模式和全球一样。但在中国，你们可以看到，数据量非常大，而数据分析这方面还比较落后。在我看来，部分原因是人才问题。我们没有可以将商业洞见和技术能力结合起来的人。

而如果你没有商业洞见，让AI自行运行程序的话，就可能误入歧途，得到错误结论。所以我们需要既有技能，也有商业洞见和批判性思维的人才，来提供商业解决方案。

中国团队在上述领域可给我们的客户带来大量价值。当我们将解决方案应用在IT系统中时，我们要改变商业流程本身。你要改变人们的工作方式，有时甚至整个激励机制。现在我们正和BCG团队进行密切合作，所以可以将客户处的变革管理进行到底。

在中国我们的确能够感觉到，现在客户对大数据以及分析的关注度与日俱增。但是你知道转折点出现在什么时候吗？或者说是否因为某一个时机，比如金融危机，让客户觉得自己不仅仅只需要关于战略的建议了呢？

我认为，这个转折点出现的时机是，市场的变革速度加快了很多。科技公司让敏捷工作方式变得非常流行。中美等国的科技巨头有自己的工作方式，而且他们不断扩张。

这些公司不断发布新产品、转型。传统零售商看到亚马逊、阿里巴巴这些公司能够持续创新时，都震惊了，而大型零售商的创新远远不够。技术领域的变革速度让所有人感到震惊。

我相信就在那一刻转折点就出现了，现在经济中其他玩家也想以同样的速度变革。我认为这就是转折的出现的原因，而我们的文化也因此改变。

所以，这么看来以后咨询是越来越难做了。面对AI技术的冲击，传统行业的公司该怎么办呢？他们应该建立怎样的思维模式和公司文化，才能实现数字化和智能化呢？

最主要的文化问题是，管理层往往认为，AI和数字化转型的工作都应该交给CIO，但年复一年，却什么都没有改变。因为不论给CIO多少预算，单靠CIO个人，也是无法实现转型的。

我们和其他同行都认为，要想实现流程或部分企业运营的智能化和数字化，有一个成功原则：就是10%的工作要围绕算法展开，20%关于技术，70%的工作是需要改变流程、员工的工作方式、企业文化，同时重新培训并保留人才。现在公司往往认为那10%或20%更重要，这就是问题所在。

在中国的AI发展水平很高了，但在我看来，中国的AI开发明显分为两个阵营：一个就是技术巨头的阵营，他们算得上世界最顶尖的公司；另一个阵营的公司则没有亮点。这种差距其实在哪里都有，但在中国尤为明显。

此外中国很多AI能力不够强的公司，比如工业设备制造商，都会找腾讯或阿里巴巴这种巨头，通过第三方帮自己做消费者分析、制造分析、预防性维护等等。但现在如果你调查各家公司，所有高管都会说，AI是我们差异化竞争中的战略优势。我觉得这有些矛盾：一方面你认为这很重要，另一方面你却将这些关键工作外包给别人来做？

欧洲和美国的公司更多是将一些标准化、没有竞争差异性优势的流程外包给软件开发商，但会将一些关键、独有的课题或领域留在公司内部开发，由自己确定解决方案。相较之下，我认为中国的情况有些极端。

你们有世界上最好的AI公司，我亲眼看到他们的工作和成果，非常震撼。但你和垂直领域的公司，比如银行或保险公司沟通时，你能感觉到巨大的差距。所以这些公司需要克服的是文化障碍，也就是要转变思维模式。

不要害怕AI，那不过是IT的另一种形式。你做IT已经这么多年了，现在开始要做AI。敢于做你自己领域的AI独角兽吧。

通过模拟世界来解决问题

我知道BCG曾经投资过TSG，并在后来收购了这家公司。这家公司有点意思，因为他们宣称自己是通过模拟整个世界来解决问题，我很想知道具体他们是怎么解决问题的？

因为我们一开始有合作，所以三年前我们购买了TSG公司一部分股票，并最终决定合并成一家公司，当然我们还将在今年达成其他收购。我们扩张的速度很快，三年半前，只有20个人，现在有700人。说到TSG，他们的确有很强的模拟能力。他们的能力不仅限于完成很多领域的模拟，还可以帮助我们找到复杂系统的优化方式。

举例来说，有一家工厂，员工众多、生产线交错复杂，情况十分棘手。如果你想知道瓶颈出现在哪里，在比如如果你改造了某工业设备的一个电子元件，想知道会出现什么情况（这很复杂，因为每一个零件都关系到整体的运转），这时候模拟技术就派上用场了。

当然，预测一家炼油厂改造后会出现的情况也需要模拟。如果你想对一个极其不稳定的工业系统展开测试，看看不同场景和特定要求下，系统的订货交付时间会受到哪些影响。这种情况下，模拟的重要性就更凸显出来了。

我们做了一些医药企业的项目。在这一领域中，你的产品推出后，既可能有很大影响，也可能一点儿水花都没有——这很难估计。医药工厂的一个原则是，不管是什么要求，都要有能力满足。

假设你在某个时间耽误了交付时间（这种事经常发生，因为医疗领域的供应链非常复杂），假设这次延误时间较短，那么问题可能不太大，因为你还有弥补延误时间的系统，所以还不用做任何改动。

但有时候一件机械设备造成的段时间延误会引发更大的问题，一次13分钟的延误可能造成生产线末端一个月的延误。模拟可以发现，复杂系统如何应对外界的突变。我们认为，分析方法和数据科学将在运营层面上产生巨大影响。

我们很高兴和TSG合作，因为他们对此有独到而深刻的了解，甚至已经优化升级技术平台，来做这些模拟工作。我们在数字孪生（Digital Twin）方面展开合作。我们创建了几个工业系统的数字模式，以便在不同场景中对其进行测试。

这确实挺有意思的，因为我在大学学习过数学模型这门课程，只不过没有取得什么成就（笑）。不过倒是间接形成了玩模拟城市（SimCity）这个游戏的习惯。

玩过SimCity后，我发现这个游戏对实体世界的模拟竟如此真实。以至于我在玩儿SimCity的时候，还专门学了一段时间的城市规划，并最终将其中原则成功运用到了游戏当中。

所以我想知道，他们或者说TSG如何能够将模拟做得如此真实，甚至能够帮助我们解决问题，其中有什么诀窍吗？

工业设计中有一些用例。比如当你想做车的前保险杠时，你要考虑保险杠如何抵挡外界的冲力等。在这种情况下，使用数字孪生就能有效测试不同配置和解决方案，并不断进行优化。

过去我们都做不了这种测试，因为通过对每个场景的模拟和优化来寻找系统的最佳解决方案，要求你有强大的计算能力。现在我们之所以能做到，重要的转折点是，很多公司都通过云，获得了强大的计算能力。

模拟和优化让我们能做更多工业规模的创新。大概20年以前，如果你想做优化，即便在大学里，多数工作都是理论上的探讨——推测我们能否解决这个或那个问题。

但找到最佳方案的时间太长了，即便我们知道答案就在那。现在，模拟和优化已经在公司中得到普遍应用，因为现在大家都有了巨大的中央处理器。

另外，我们的确做了很多和智能城市有关的项目，很多都是围绕某一特定区域的交通设计优化展开。城市规划者会问：我们应该让多颗卫星支持一个呼叫中心，还是四个？

接下来我们基于城市既有交通方式进行模拟，查看在最大程度上减少交通时间的最佳布局是什么。这和SimCity的规划有异曲同工之妙。

与高科技公司的人才大战

据我所知相当长的一段时间里，咨询公司都在受到亚马逊、阿里巴巴等科技巨头的挑战？那么你们怎么获取和保留人才？你们尝试过到这些巨头中挖人吗？

的确，我们的最大挑战之一是人才。我们的竞争目标就是确保自己能够反击。但更重要的是保留最好的人才。过去我们的竞争对手是企业、投资银行等，现在我们要和技术公司竞争，对GAMMA来说尤为如此。

在我们的团队中，有曾为谷歌、Facebook、微软等大公司和科技初创公司效力的人才。和技术巨头的人才竞争很激烈，但我们还是从这些公司中挖走了人才，因为我们做到了两件事。

首先，人们想知道，我们是不是真的懂科技，毕竟BCG是以咨询见长的，而非编程。我们做和商业实践相关的事情，这让业界非常兴奋。我们招聘的工程师喜欢创建新事物。我们所做的事和Facebook相比要更多元化。

我们的人可能花三到六个月时间为一家时尚公司制作定价引擎，之后又可能花时间解决其他类型的问题。因此我们会给员工解决多种问题的机会，会让他们和客户有大量接触。而软件和技术领域中会有两种人。一种只想做编程。你给我规格和时间，我根据要求给你写好代码。这样就交工了。这些人就不适合来BCG。

另一类人不仅技术能力突出，还有企业家精神。他们想参与并创建解决方案，想做出一些改变。而我们恰恰会做大量改变。有些人对技术解决方案的改动感到兴奋，他们觉得这是种挑战。有些人则不想改变，会说我们要按照计划进行。

技术领域中有企业家精神的人才喜欢我们所做的事，我们必须确定独特的雇主价值主张，来挽留这些人才，我们面临的竞争非常激烈；要比BCG做得更多，才能留住人才。

因此我们做了以下几件事。首先，我们为员工提供了各种培训。数据科学家和技术人员希望自己的知识与时俱进，而我们和世界顶尖大学都建立了合作伙伴关系，因此我们的团队成员可以就特定课题接受三天到一周的培训，确保自己处在技术最前沿。

我们的人才还喜欢频繁出差。我们在全球都有办公室，员工可以选择在不同地区办公。所以如果有员工现在伦敦办公，突然决定去西班牙或日本办公室，我们都可以满足他的需求。

来GAMMA的人才有大量机会获得全球视角，这也是我们吸引他们的地方。比如在我们的700名员工中，60%到70%的人都来自中国，大家会用微信沟通，一起讨论一些有趣的话题。但他们不会都在同一地区工作，有的在欧美，有的在中国和其他亚洲地区办公，所以我们组成了一个全球化的社群。

另外，我们在人才待遇方面也很大方。我们为员工提供了舒适的内部工作环境，不惜血本购买最好的技术工具和设备，因为技术人才都喜欢功能强大的电脑和电子设备。

除了电脑等设备之外，我们还保证他们可以随时使用虚拟机。我们为技术人才开发了编程平台，通过这一先进系统，我们将很多繁琐无聊的工作自动化。

这让我们的工作环境更具吸引力，也是我们为打赢人才战所付出的努力。但你说得对，我们依然面临苦战，毕竟我们要对抗的是美国、中国、欧洲的技术巨头。

相对于这些大型技术公司，我们依然有一些独特优势。人才，特别是数据科学家，都愿意做有趣的课题，或能够传递价值的重要项目。阿里巴巴和腾讯这种公司虽然手握海量数据，但不十分了解客户究竟想要什么。

实际上，他们想找到有助于客户进一步发展的领域，而在这方面，BCG能给数据科学家提供多种角度，让他们集中精力在有重要影响的项目上，并明显看到效果，这会给人很大成就感。

另外在中国，改革并非由数据驱动，而是自上而下，由CEO和管理层驱动变革的商业环境。所以在很多公司中，数据科学家团队必须非常努力去争取在组织中获得尊重、认可和支持。

但在BCG，你本身就处在最聪明的人中，每个人都和你合作，你一进来，就会自然而然地得到重视和尊重。我想这是吸引很多人才来BCG的重要原因——他们不用努力去证明自己做的是对的事。

不过这么看来，两者的区别在于咨询公司要解决更具挑战性的问题，技术巨头则是为垂直领域的公司提供标准化、简单易用的平台、软件及解决方案，这应该是两者之间的不同之处吧？

的确如此。

咨询服务的新方式

另外随着AI的普及，现在我们的工作也已经不是传统的咨询项目了。过去我们主要是做报告，但现在我们的工作有了哪些改变？我们还要给客户交付什么，又该如何去交付呢？

现在我们提供的的确不是报告，而是改变工作方式的软件。我们现在做的事包括，培训团队学习新流程，使用并不断改进和维护新软件。所以我们不再只提供几张幻灯片，而是对工厂、商业系统和营销团队做出实质性的改变。

这么来看的话，提供一个模型比做一次报告要复杂和困难多了。你如何帮助客户熟悉并且掌握新工具和流程呢？

对我们来说，最关键的一点是，不要做一个软件提供商。我们的目标是，和客户团队一道共同开发、打造新模式。

我们不会闭门造车，比如花半年时间开发新模型或软件，然后交给客户。而是和客户一起开发，确定客户团队能了解、管理和维护新模型和软件。我们和客户是合作关系，而且经常会协助他们招募理想人才。

在建立由数据科学家或数据工程师组成的团队时，你要基于你要解决的用例，比如模拟、优化或深度学习项目，来选择人才。所以我们会帮助客户基于我们合作的应用案例，来创建能够维护和改进解决方案的理想技术团队。

那这么来说的话，既然最终交付都发生了变化，你们的收费模式和咨询行业的传统模式相比，会出现什么改变吗？

这个问题问得很好。传统的收费模式基本都是按天数计费。现在我们的收费分两种模式。第一种针对结果可精准评估的情况。

我们对这些解决方案的收费是基于结果收费。另一种是我们授权客户使用我们开发的产品，或者说收取我们所创建工具的IP费用，比如上面提到的机场管理系统。

客户购买这些产品后，我们会和他们签订维护合同。这类合同中的服务并非基于小时数收费，更类似于每月对所提供软件维护服务的固定收费。

商业和商业模式也的确在发生变化，我们向客户收费的模式也在变化中。目前我们整个收费模式还是主要基于时长和产品服务，并没有完全抛弃传统模式。但我们确实看到了真正的变革。

这么看来现在你们的模式确实与传统的咨询服务已经很不一样了，那在从传统咨询业务模式转型到你们现有的业务模式的过程中，遇到了哪些困难呢？

现在我们正从咨询服务的视角向另一思维模式转变。两者之间的巨大差异在于，咨询公司是世界上最敏捷的公司，你甚至可以在最后一秒改变主意，并且重新开始调整方案。

但在开发软件时，你编的是标准，明确定义的是门径。你不能随便反复修改，因此你要学会工业软件服务的思维模式，而困难点恰恰在于，我们所处的工作环境是极其灵活敏捷的。

不过据我所知，你们面临的另一挑战是，而很多其他的领先咨询公司也建立了自己的数据分析团队。比如据我所知，麦肯锡很早就建立了麦肯锡分析团队，相较于这些公司，GAMMA有哪些优势呢？

这个问题很重要。麦肯锡收购了初创数据公司QuantumBlack，给麦肯锡分析提供后台分析服务。相较之下，我们GAMMA更像是创业版的QuantumBlack，但规模更大，并和BCG是一体化的。我们的做法更困难，因为这些技术人才会问，GAMMA属于BCG，还是纯粹的技术公司——他们会对我们有很多怀疑。

但也正是因为我们和BCG深度融合在一起的原因，我们的统一招募方式将IT阵营、商业阵营、数据科学阵营等结合在了一起，形成合力。我们认为，只有所有团队都聚在一起，才能更团结一致，相互支持，并实现整体的成功。

当然我们之间会出现矛盾——让顾问和软件工程师一起工作不太容易，我相信各家咨询的类似业务都会遇到这个矛盾。但我们认为，这种矛盾有积极意义，因为我们从思想碰撞中学习，确保自己是百分之百敏捷的——我们可以运用不同能力，持续向前推进。

另外，多数咨询公司都将数字科学团队当作后台支持，并且认为顾问是最重要的职位，只是偶尔会需要分析团队支持。但GAMMA并非如此。我们GAMMA的技术专家有可能成为我们的合作伙伴。

GAMMA的人才质量和BCG不相伯仲，在有些国家甚至更优秀。GAMMA不算后台支持，更多是前端的业务组织。我们的职位也面向多种专业人士，很多BCG的人都申请加入GAMMA。

编辑 |Yibin.P

推荐阅读

＞机器学习和大数据将会创造怎样的商业未来？| Dialogue

＞AI无法取代的战略思维

＞人工智能的发展到底处在什么阶段？

＞人工智能商业应用的关键行业是哪些？

＞机器崛起：中国高管眼中的人工智能

＞随着BAT深入布局，中国人工智能未来之路要怎么走？

＞数字时代，重塑企业的工作应该如何开展？

,