即将进入算法时代，企业的估值指标也要变了

原标题：即将进入算法时代，企业的估值指标也要变了

编者按：根据IDC的预测，到了2020年之后，无形资产价值占到公司价值的75%。但是，我们目前对企业的价值评估仍然以对有形资产的利用为主。Sasu Ristimaki认为，是时候对价值评估体系进行相应的变革了。

牵涉到数字化变革的企业往往专注于技术和商业流程，而且技术甚至会处在首要位置。然而，还有一个C阶问题需要考虑，那就是指标——企业如何衡量、知道和分析自己的新表现，如何汇报，尤其是如何利用这些对市值/估值的积极影响呢？

根据IDC预测，到2020年，基于平台参与度、数据价值以及客户参与度的指标将会占到企业价值评估的75%以上。这可能是一种超前的看法，如果说商业变革正在大幅领先于金融变革的话。换句话说，能力与商业变革的紧迫性已经远远超前于金融所刻画的相应变化。

数字变革本身的概念仍未定型。IDC对于给核心的企业决策过程引入自动化和数据驱动学习曾有过恰当的核心定义。此外，我们还看到数字变革的核心是从产品和生产推动企业发展的推式经济过渡到客户参与推动关键流程和价值的推式经济。总的来说，我们称之为算法型企业（algorithmic enterprise）。

这里的风险在于，在这种抽象水平上，这些短语变成了简单的教条，或者流行语，然而牵涉到这一变革的却是价值创造前提里面的根本性变化。

数字变革：从资产驱动到算法型企业

大家的普遍理解是，一家机构是由它的资产定义的，而经济价值是公司的资产在生产过程中创造出来的。这一价值被封装在产品里面，然后再跟客户进行交易。

在发生了数字化变革之后，其中的一个关键变化是价值创造不再以资产作为主要基础了。利用在多边网络内的上下文交互而采取的行动，在生产效率上要比基于交易的资产高得多。价值创造的焦点从资产利用最大化转移到了交互以及上下文相关性的最大化。

这一新模式还在根本上推动了从封闭、端到端的价值链，到将整个网络的一系列协同交互所作出的贡献进行动态整合的变化。数字化变革，或者算法型公司，解决了此前无法管理的协调方面的挑战。生产不再是资产所有者独有的过程，因为客户消费的价值可能会有多个贡献者。

一个网络内的范围经济会随着网络（以及交互）的范围而几何伸缩。这种范围要比经济规模强大得多，因为经济规模是线性伸缩的，而且在极端规模下会呈现出收益递减的特点。价值的关键来源变成了跟客户的互动，变成了能够体现其独特需求的数据，变成了用独特解决方案满足这些需求的能力。这就是算法型的企业，或者在多边背景下算法型的平台企业。

将数百万消费者与数百万提供者连接到一起的能力代表了信息交易成本的一个根本性变化。平台运营并非在没有资产的情况下运营，只是资产不再是价值创造的基础——这个基础现在已经变成了平台参与、数据价值以及客户参与。而随着价值创造跟资产脱钩，资产所有权也会被架空，跟消费脱钩。

但是，如果价值创造不再跟资产相关的话，我们又该如何去衡量它呢？而鉴于资产跟股权的原始关联，源自网络的价值是不是仍然首先被认为等同于股权呢？

对公司财务表现的影响

对一家机构的理解显然反映在它的财务表现上。在标准话语中，资产负债表是企业的核心体现。资产是资产负债表的核心，在引入任何债务概念之前，资产负载表的另一端是股权。由于股权=资产，而资产=价值创造，价值因此被视为股权是合适的，尤其是对于股权持有人来说。

因此，股权持有人回报（RoE）最大化的目标就会直接转化为资产回报最大化的目标。实际上，目前几乎所有与企业有关的财务指标都是围绕着资产使用来衡量的。如果衡量指标不是直接资产驱动的话，就是跟生产成本（本身也跟资产利用有关）有关，跟生产的货币化有关。

最后，注意到在公司工作的人在财务上被记为运营成本是很有用的——更确切地说要么是销货成本（COGS）的一部分,要么是其他业务支出（研发费用、销售&营销费用、一般费用&行政费用）的一部分。这一表现模式导致了这样一种情况，也就是股权价值最大化与员工价值最大化之间存在着天然的根本性冲突。

作为企业变革（水花变革）的基础，财务表现也需要做出变化。这种需求反映在IDC的预测上，也就是很快（3年？）新的非资产型指标将会占据企业价值评估的75%以上。

面临的障碍/挑战是这不仅仅跟定义和引入这些新的衡量指标有关——而是我们的整个会计体系都是基于一个已经不合时宜的财务表现。这个会计体系所指的不仅仅是机构在用的指标体系，而是大学教育的以及审计、银行和顾问引用的整个会计和金融理论。

未来去往何方？

算法型企业需要正确的回报函数

就像市场是设计的系统一样，企业也是设计好的系统；它们由目标所塑造，而这些目标日益成为指标和算法的函数。“能衡量的才能管理”这句话说得再对不过了，尽管最近的讨论主要集中在算法上面，现在也需要的焦点集中在衡量指标上了。尤其是因为公司也是社会建构，因此这些衡量指标需要反映出一种我们想要的结果的自觉选择。

要定义这些新指标存在着两个独特的互补性的需求。

第一组需求是企业的内部指标：如何推动数字变革，如何衡量新的价值创造，如何设定新的KPI以及如何驾驭这些新算法。

就像我们前面指出那样，数字变革是要把自动化和数据驱动学习引入到核心的决策过程当中，建立算法型的企业。企业指标有可能会跟算法回报函数紧密关联；这个搞错的话不仅会导致缺乏指南，而且也是放弃了对想要的结果做出选择的权利。

我们这里引用的关键概念来自Tim O’Reilly的算法性失败。这是指因为不正确编码的回报函数导致的算法系统失控。O’Reilly突出强调的一个例子是Facebook的假新闻其实不是审查的失败，而是把大家想看/喜欢看的东西展现到极致后的算法失败。

我们认为，由于数字化变革，员工“成本”与股权“回报”之间的固有冲突会变得更加严重。这是不大可能在宏观层面解决的，而这又意味着公司日益被迫在企业层面寻找解决方案。

企业目前的KPI是什么样的呢？如果这些衡量指标不再实际产生你想要的结果呢？你还是不断地执行。你不断得到错误的结果，情况变得越来越糟糕。之前的指标主要是用来进行事后分析；在数字化变革之后错误的指标会对企业上百造成直接影响。借用一个航空术语，这就相当于CFIT，可控飞行撞地（controlled flight into terrain）。

数字化变革下的价值最大化

企业需要考虑的另一组指标是新的外部衡量指标。这些指标是市场差异化和对数字化变革的企业进行估值的工具。除了有限的指标披露之外，确定市值的分析师往往从公司关注什么上面获得线索。然而，企业并不是独立管理这个的，而是受制于信息披露以及同行的说法。显然，推动这一讨论，定义估值的关键指标，然后用别人定义的衡量指标来进行评判要好得多。

在生产效率和价值方面，算法型企业本来就要比之前的资产驱动型企业高得多。毕竟，这通常就是数字化变革本身的动机。这一优势应该也将反映在估值上面。然而，企业应该意识到，那些首先能够明确这一估值优势的，也将会通过结构性行动（并购）来按照自己的喜好塑造所在行业，从而拥有重大影响力。相反，那些估值落后的，将几乎没有什么空间来弥补其任何的商业缺陷。相对估值很重要，把讨论往这种新的方向引导是影响多方的主要工具。

估值之争的另一个角度是目前的非上市公司似乎并没有跟上市公司采用相同的估值标准，这反映在若干股票上市后乏善可陈的表现上面。VC社区有时候需要重新发明投资的轮子，或者摒弃上市股票业积累下来的（几十年的）智慧是没有帮助的。而创始人仍然抱持“我们今天的估值和规模更多的是基于我们的活力和精神，而不是收入乘数。”（WeWork创始人Adam Neumann的话）这样的观点不放也是于事无补的。

简而言之，存在着一种相当自我的意识认为传统的金融指标根本就不适用于数字化公司。

不幸的是，在这里想出新的替代性指标的责任落在了数字化公司和他们的支持者身上。私有股权（包括VC）首要的退出机制仍然是公开股权市场。由于那些市场是被缺乏新的、严格指标来衡量估值的分析师和投资者统治，所以受到猜疑的还是私有市场的估值。鉴于这种脱钩，VC业参与到这方面的讨论如此至少是很令人吃惊的。

结论

随着数字化变革的节奏越来越快，我们并没有感受到在这种变革引发的其他问题的解决上有着相向而行的节奏。但是其他问题解决的需求并没有减少，其紧迫性正在与日俱增。不幸的是，对适应变化抵触最大的仍然可能是最根深蒂固、遗留系统最复杂的蓝筹企业，而创业生态体系则会继续扮演变革新模式和做法的角色。

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

编译组出品。编辑：郝鹏程。