错综复杂的环境需要新的管理方法 在伊拉克，XJ的技术——“情景识别”和“通用作战场景”，使我们获得了军事行动中的“圣杯”，我们在战争中D一次能够看到所有的作战行动实时展现在眼前。无人机提供的视频使我们能够看到任务执行时的现场视频直播，而作战人员配备的麦克风则提供了现场音频直播。我们能够获得人口、经济活动、石油出口、发电量的数据，能够通过民调获得民众的态度数据，还能够与友军保持实时联络。一种被称作“蓝军跟踪系统”的技术能够通过QQ定位系统的监控，定位我们所有的车辆，因此我们的地图上能够一直显示出我们各支部队的准确位置。这么多的技术被证明确实具有J大价值，但J是无从进行预测。在一个相对简单的SJ里，我们所拥有的数据在预测方面具有J大的价值，但事实是，这个SJ正变得越来越错综复杂，D我们试图进行预测时，我们不可避免地等于在追逐自己的尾巴——它只会更加远离我们。 那些试图预测天气的气象学家们或许觉得，只要能够获得有关蝴蝶翅膀的足够信息，他们的预测J能够达到完美的程度。科学历史学家詹姆斯?格莱克则指出这么做的愚蠢之处。即便我们在地球上每隔一英尺J放一个探测器阵列，而且这些探测器都能够提供完美无缺的数据，我们依然无法知道一个月后会不会下雨。因为探测器之间的微小距离意味着数据还是会有微小的瑕疵，而这些微小的瑕疵往往会导致结果上严重的不同。我们花费巨大的力气，Z多只能使得预测能力有些许的提升，J如同特遣部队的实时信息固然很强大，但无法使我们能够预测恐怖袭击。 我们听说过许多有关“大数据”的奇迹，而“大数据”也的确以ZY的方式增进了我们对于这个SJ的理解。零售商们可以追踪哪些人购买了哪些商品，他们又是在哪里购买的。社会学家能够爬梳大量的政治、经济和社会信息，从中搜寻模式。这种技术存在巨大的潜力，但是，J如同我们在伊拉克所使用的“蓝军跟踪系统”一样，它还是无法提供我们所渴求的、有效的长期预测能力。充斥大量数据的记录可以用来解释错综复杂现象是如何发生的，以及这些现象又会如何演化，但它们无法告诉我们这些现象何时、何地会发生。例如，有关病毒扩散的数据能让我们看到在我们这个网络化的SJ里病毒传染模式如何，却无法知道病毒的下一次爆发会在哪里，也无法JQ地知道Z终谁会染病，以及谁会是下一个感染者。可见，理解和预测并不总是一回事。
错综复杂的环境需要新的管理方法
在伊拉克，XJ的技术——“情景识别”和“通用作战场景”，使我们获得了军事行动中的“圣杯”，我们在战争中D一次能够看到所有的作战行动实时展现在眼前。无人机提供的视频使我们能够看到任务执行时的现场视频直播，而作战人员配备的麦克风则提供了现场音频直播。我们能够获得人口、经济活动、石油出口、发电量的数据，能够通过民调获得民众的态度数据，还能够与友军保持实时联络。一种被称作“蓝军跟踪系统”的技术能够通过QQ定位系统的监控，定位我们所有的车辆，因此我们的地图上能够一直显示出我们各支部队的准确位置。这么多的技术被证明确实具有J大价值，但J是无从进行预测。在一个相对简单的SJ里，我们所拥有的数据在预测方面具有J大的价值，但事实是，这个SJ正变得越来越错综复杂，D我们试图进行预测时，我们不可避免地等于在追逐自己的尾巴——它只会更加远离我们。
那些试图预测天气的气象学家们或许觉得，只要能够获得有关蝴蝶翅膀的足够信息，他们的预测J能够达到完美的程度。科学历史学家詹姆斯?格莱克则指出这么做的愚蠢之处。即便我们在地球上每隔一英尺J放一个探测器阵列，而且这些探测器都能够提供完美无缺的数据，我们依然无法知道一个月后会不会下雨。因为探测器之间的微小距离意味着数据还是会有微小的瑕疵，而这些微小的瑕疵往往会导致结果上严重的不同。我们花费巨大的力气，Z多只能使得预测能力有些许的提升，J如同特遣部队的实时信息固然很强大，但无法使我们能够预测恐怖袭击。
我们听说过许多有关“大数据”的奇迹，而“大数据”也的确以ZY的方式增进了我们对于这个SJ的理解。零售商们可以追踪哪些人购买了哪些商品，他们又是在哪里购买的。社会学家能够爬梳大量的政治、经济和社会信息，从中搜寻模式。这种技术存在巨大的潜力，但是，J如同我们在伊拉克所使用的“蓝军跟踪系统”一样，它还是无法提供我们所渴求的、有效的长期预测能力。充斥大量数据的记录可以用来解释错综复杂现象是如何发生的，以及这些现象又会如何演化，但它们无法告诉我们这些现象何时、何地会发生。例如，有关病毒扩散的数据能让我们看到在我们这个网络化的SJ里病毒传染模式如何，却无法知道病毒的下一次爆发会在哪里，也无法JQ地知道Z终谁会染病，以及谁会是下一个感染者。可见，理解和预测并不总是一回事。
数据能够以较高的JQ度得出一些“通常情况下”的结论：在人口统计学上，某个特定年龄的人每天在脸谱网上花费多少时间，甚至根据个人习惯，在某个特定日子里他Z有可能做的事情是什么。我有个朋友在一家使用“大数据”的公司工作，这家公司用“大数据”J能提供上述这些预测。他曾经开玩笑地说，他能够说出我午饭会吃什么。不过其实他做不到这一点，他能告诉我的，仅仅是我午饭可能会吃什么。错综复杂性的特点之一J是微小的、偶尔的变化能产生严重的影响。
数据或许使得突尼斯D局能够判断，在自焚的那天，布亚齐兹Z有可能做什么，但数据JD无法预测出这位仁兄居然会在D天自焚，以及他的自焚所导致的后果。如果你试图追踪100个、1000个或10000个布亚齐兹，那么这些人中必然会有几个人偏离日常的行为，这样一来，你根据“日常结果”所设计的计划将变得毫无用处。而且由于互联的、错综复杂的非线性环境所导致的意想不到的旋涡，只要有一个布亚齐兹偏离日常的行为，其影响或许J会呈几何级数地扩大。
“大数据”无法拯救我们，因为“大数据”代表了一种技术上的进步，这种进步一方面给我们带来海量的信息和数码资源供我们分析，另一方面却也创造出易变的通信网络和媒体平台，这使得一些社会领域发生变化。这些社会领域以前有如彗星轨迹一样能够预测，如今却如同冷锋一般捉摸不定。从前，我们缺乏数据，不过事情却相对容易预测；现在，我们拥有海量数据，但很多事情却更加琢磨不透。
和其他大多数组织一样，在2004年，我们特遣部队对此还知之甚少。因此我们一直试图更好地进行预测和规划，因为在我们看来，这J是“良好管理”的真谛。
民间组织也正在遇到相同的问题。管理模式已经无法帮助公司应对流动易变的环境，公司的生命周期不断缩短便是明证——50年前，一家《财富》SJ500强企业可以预期维持大约75年时间；如今，SJ500强企业的预期寿命少于15年，而且这一年限还在不断缩短。2011年的《财富》SJ500强榜单上，只有67家公司出现在1955年的《财富》SJ500强榜单里，这意味着1955年的SJ500强企业里，只有13.4%的企业在56年后依然出现在榜单上，而几乎87%的上榜企业无法坚持下去—它们有的破产，有的与其他公司合并，有的被迫私有化，有的则CD从榜单上跌落。变化之大是如此不可思议，JT的读者根本J不会认得1955年榜单上的许多公司。
企业战略学家罗伯特?格兰特教授对此评论道：
在20世纪的Z后25年里，宏观经济失调、汇率大波动、微电子革命以及新兴工业化国家的崛起，标志着“战后”经济稳定期的结束。而对经济和市场进行预测是战略规划的基石，无法预测需求、价格、汇率以及利率，对于各公司的规划能力提出了根本性的挑战。
同样的管理学思想家加里?哈梅尔写道，各家企业现在发现自己陷入了一种它们无法掌控的“生态系统”和“价值网络”中，这使得它们几乎无法预测或规划自己的命运。在这种情况下，继续进行战略规划的老套路，认为“未来和现在或多或少会有些相像”，只会帮倒忙。而这正是我们所看到的。统治特遣部队的机构性传统：对路线进行规划，组织结构和组织文化都紧抱着试图进行JQ预测的理念。我们的解决方案是用来应对复杂情况的，这些方案在一个新的、错综复杂的环境中正面临失败。很多人总结过这种方法不可避免的结局，其中总结得Z好的或许是《公司战略计划》（The Rise and Fall of Strategic Planning）一书的作者亨利?明茨伯格：“在一片未知的水域给船只设定事先规划好的路线，这将使得船只撞上冰山的可能性达到Z大。”
