بیگ دیتا (big data) یا کلان داده و نقش آن در انقلاب مدیریتی

0

جمله‌ی معروفی در دنیای مدیریت وجود دارد که می‌گوید: «اگر مقیاسی برای سنجش امور به‌کار نبرید، مدیریت آنها امکان‌پذیر نیست.» این جمله، که هم به دابلیو ادواردز منسوب شده است و هم به پیتر دراکر، سخن بسیار حکیمانه‌ای است و به روشنی نشان می‌دهد که چرا انفجار اخیر داده‌های دیجیتال تا این حد مهم است. به بیان ساده می‌توان گفت که مدیران، به یمن بیگ دیتا می‌توانند وضعیت کسب‌وکارهای خود را بسنجند و بدین‌ترتیب دانش بسیار بیش‌تری راجع به آنها به دست بیاورند و آن دانش را مستقیما به تصمیم گیری و عملکرد بهینه تبدیل کنند. ما در این مقاله با انقلاب مدیریتی بیگ دیتا (کلان داده) بیشتر آشنا خواهیم شد. با ما همراه باشید.

تعریف بیگ دیتا (big data) در چند جمله کوتاه و ساده این است که به مجموعه از داده‌های بسیار عظیم که نرخ تولید و تنوع (عدد، متن، تصویر، صدا، ویدئو، تراکنش مالی و …) بالایی دارند بیگ دیتا یا کلان داده گفته می‌شود. کلان‌ داده‌ها کاربردهای زیادی دارند ولی یکی از مهم‌ترین آنها شناخت عادت‌های خرید، الگوی مصرف و علاقه‌مندی‌های مشتریان و همچنین پیش‌بینی زمان خرید و پیشنهاد محصول مورد نظر مشتری در فرآیند جست‌وجوی محصولات است.

برای نمونه، خرده فروشی ها را در نظر بگیرید. قبل از اینکه کسب‌و‌کار فروش کتاب وارد فضای دیجیتالی شود، کتاب‌فروش‌های سنتی همیشه می‌توانستند آمار کتاب‌های فروخته شده و فروش‌نرفته‌ی خود را داشته باشند. اگر در کسب‌و‌کار خود برنامه وفاداری داشتند می‌توانستند آن خریدها را با مشتریان فردی خود پیوند زنند. به همین سادگی. اما وقتی کسب‌و‌کار فروش کتاب وارد فضای اینترنت شد، درک رفتار مشتریان به میزان زیادی افزایش یافت.

فروشندگان آنلاین نه‌تنها می‌توانستند کتاب‌های خریداری شده‌ی مشتریان را رصد کنند بلکه می‌توانستند بدانند که خریداران به چه کتاب‌هایی نگاه کرده‌اند؛ چطور در وبسایت گشت‌ زده‌اند؛ چقدر تحت تأثیر تبلیغات، نقد، نظرات و طراحی صفحات بوده‌اند و نیز شباهت‌های بین افراد و گروه‌ها را هم می‌توانستند بررسی کنند. دیری نپایید که الگوریتم‌هایی ساخته شدند که پیش‌بینی می‌کردند خوانندگان در آینده چه کتاب‌هایی را خواهند خواند –الگوریتم‌هایی که هر زمان که مشتری به یک توصیه عمل می‌کرد یا آن را نادیده می‌گرفت عملکرد بهتری پیدا می‌کردند. کتاب‌فروش‌های سنتی به این طیف از اطلاعات حتی دسترسی نداشتند چه برسد به اینکه به موقع بر روی آن کار کنند. جای شگفتی نیست که آمازون دکان بسیاری از کتاب‌فروشی‌های سنتی را تخته کرده است.

آمازون آن‌قدر برای ما آشناست که این آشنایی مانع از این می‌شود که ما متوجه قدرت نهفته در پشت آن شویم. ما از شرکت‌هایی که به‌صورت دیجیتالی پدید آمده‌اند انتظاراتی داریم که تنها همین یک دهه پیش مدیران کسب‌و‌کارها رؤیایشان را در سر می‌پروراندند. اما در واقع استفاده از بیگ دیتا (کلان داده) این توانایی را دارد تا کسب‌وکارهای سنتی را هم دگرگون کند. بیگ دیتا می‌تواند فرصت‌های بیش‌تری برای مزیت رقابتی به این کسب‌و‌کارها ارائه کند (کسب‌و‌کارهای آنلاین همواره به رقابت بر سر چگونگی درک و بهره‌برداری از داده‌هایشان شهره‌اند). همان‌طور که در ادامه بیشتر توضیح خواهیم داد، بیگ دیتای این انقلاب بسیار قدرتمندتر از آنالیتیکی‌ است که در گذشته استفاده می‌شد. با وجود کلان داده می‌توانیم نسبت به گذشته دقیق‌تر اندازه‌گیری و در نتیجه مدیریت کنیم. می‌توانیم پیش‌بینی‌های بهتر و تصمیمات هوشمندانه‌تری داشته باشیم. می‌توانیم مداخلات مؤثرتری را هدف‌گیری کنیم و این کار را در حوزه‌های دیگری هم بسط دهیم که مدت‌ها نه موشکافانه و نه بر پایه‌ی داده‌ها، بلکه تحت سیطره‌ی حدس و گمان انجام می‌شده‌اند.

به موازات گسترش ابزار و فلسفه‌ی بیگ دیتا، ایده‌هایی که مدت‌های مدید در مورد ارزش تجربه، ماهیت تخصص و روش مدیریت وجود داشته‌اند تغییر خواهند کرد. خواهیم دید که رهبران هوشمند در صنایع مختلف از بیگ دیتا درست به‌خاطر همان چیزی که هست استفاده خواهند کرد: یعنی به‌خاطر انقلاب مدیریتی. اما در اینجا هم همانند هر تغییر عمده‌ای در کسب‌و‌کارها، چالش تبدیل شدن به یک سازمان توانمند با پشتوانه‌ی کلان داده می‌تواند بسیار زیاد باشد و مستلزم رهبری عملی و در برخی موارد نظری خواهد بود. با‌این‌همه، این گذاری‌ است که مدیران امروز باید در آن شرکت داشته باشند.


حتما بخوانید: کتاب رهبری تحول؛ کتابی شگفت‌انگیز برای مدیریت تغییر در سازمان

تفاوت‌های بیگ دیتا و آنالیتیک چیست؟

تفاوت‌های بیگ دیتا و آنالیتیک - بیگ دیتا

مدیران کسب‌و‌کار گاهی اوقات از ما می‌پرسند: «آیا بیگ دیتا همان آنالیتیک نیست؟» قبول داریم که این دو با هم در ارتباط هستند: نهضت بیگ دیتا مانند آنالیتیک در پی آن است که از طریق داده‌ها به هوش دست یابد و آن را به مزیت کسب‌و‌کار تبدیل کند. هرچند، این دو با هم سه تفاوت کلیدی دارند:

۱. حجم

تا سال ۲۰۱۶، روزانه حدود ۴۴ میلیارد گیگابایت داده تولید می‌شود. امروزه نسبت به بیست سال قبل، در هر ثانیه داده‌های بیش‌تری در اینترنت وارد خواهد شد. این فرصتی را برای شرکت‌ها فراهم می‌کند تا در یک مجموعه داده‌ی واحد با بسیاری از پتابایت‌های داده کار کنند؛ آن هم نه فقط از طریق اینترنت. برای مثال برآورد می‌شود که فروشگاه والمارت هر ساعت بیش‌از از ۲٫۵ پتابایت داده‌ را از تراکنش‌های مشتریانش جمع‌آوری می‌کند. یک پتابایت یک کادریلیون بایت یا معادل ۲۰ میلیون کابینت پر از متن است. اگزابایت هزار برابر پتابایت یا معادل یک میلیارد گیگابایت است.


حتما بخوانید: راهنمای انجام تحقیق بازار؛ از جمع آوری اطلاعات تا تحلیل داده‌ها

۲. سرعت

برای بسیاری از اپلیکیشن‌ها، سرعت تولید داده از حجم مهم‌تر است. اطلاعات بلادرنگ یا تقریبا بلادرنگ، شرکت را قادر می‌سازد تا نسبت به رقبای خود چالاکی بیش‌تری داشته باشد. برای مثال همکار ما، الکس سندی پنتلند و گروهش در MIT Media Lab از داده‌های مکان تلفن‌های موبایل استفاده کردند تا دریابند که در جمعه‌ی سیاه (Black Friday) – شروع فصل خرید کریسمس در ایالات متحده‌ی آمریکا – چه تعداد افراد در پارکینگ های Macy حضور دارند. این امر آنها را قادر ساخت تا فروش خرده‌فروشان را در آن روز مهم، حتی پیش از اینکه خود Macy آنها را ثبت کند، برآورد نمایند. اطلاعات سریعی از این دست، می تواند مزیت رقابتی روشنی در اختیار تحلیلگران وال استریت و مدیران مِین استریت قرار دهد.

۳. تنوع

بیگ دیتا در شکل‌های متنوعی ظاهر می‌شود: پیام، به‌روز‌رسانی‌ها، تصاویری که در شبکه‌های اجتماعی منتشر می‌شوند، خوانش سنسورها، سیگنال‌های جی‌پی‌اس تلفن‌های همراه و بسیاری موارد دیگر. این حجم انبوه اطلاعات شبکه‌های اجتماعی به قدمت خود شبکه‌هاست. فیسبوک در سال ۲۰۰۴ تأسیس شد، توییتر در ۲۰۰۶. این نکته در مورد تلفن‌های هوشمند و سایر دستگاه‌های همراه که امروزه حجم انبوهی از اطلاعات مرتبط با مردم، فعالیت‌ها و مکان‌ها را فراهم می‌کند صادق است. از آنجا که این دستگاه‌ها همه‌جا یافت می‌شوند، به‌سادگی می‌توان از یاد برد که همین پنج سال پیش بود که از iPhone پرده‌برداری شد. بدین‌ترتیب، سامانه‌ی داده‌های ساختارمندی که تا همین اواخر بخش اعظم اطلاعات شرکت‌ها را ذخیره کرده بودند برای ذخیره و پردازش کلان داده مناسب نیستند. در همین حال، هزینه‌های تمامی عناصر رایانش – ذخیره، حافظه، پردازش، پهنای باند و غیره -که روز‌به‌روز در حال کاهش هستند– بدین معنی است که رویکردهایی که قبلا گران بودند سریعا در حال مقرون‌‌به‌صرفه شدن هستند.

همچنانکه روزبه‌روز فعالیت‌های کسب‌وکارها دیجیتالی می‌شود، منابع جدید اطلاعات و تجهیزات ارزان‌قیمت دست‌به‌دست هم می‌دهند و ما را وارد دوره‌ی جدیدی می‌کنند: دوره‌ای که در آن حجم انبوهی از اطلاعات دیجیتال تقریبا راجع به هر موضوعی که مورد علاقه‌ی کسب‌و‌کارها باشد وجود خواهد داشت. تلفن‌های همراه، خرید آنلاین، شبکه‌های اجتماعی، ارتباطات الکترونیکی، جی‌پی‌اس و ماشین‌آلات دقیق همه و همه حجم انبوهی از داده‌ها را به‌عنوان محصول جانبی عملیات معمول خود تولید می‌کنند. همه‌ی ما این روز‌ها حکم ژنراتور تولید داده‌ی متحرک را داریم. داده‌های موجود اغلب غیرساختارمند هستند –یعنی در یک پایگاه داده، ساماندهی نشده‌اند– اما حجم انبوهی از سیگنال‌ها در داده‌های نویزی (داده‌هایی که هنگام ثبت یا تغییر آنها خطایی رخ داده) وجود دارد که صرفا در انتظار رها شدن است. گرچه آنالتیک تکنیک‌های دقیقی برای تصمیم‌گیری عرضه کرد اما بیگ دیتا هم ساده‌تر و هم قدرتمندتر است. همان‌طور که پیتر نُرویگ، رئیس تحقیقات گوگل بیان می‌کند: «ما الگوریتم‌های بهتری نداریم. فقط داده‌های بیشتری داریم.»


حتما بخوانید: بازاریابی اطلاعات چیست و چرا می‌تواند کسب‌وکار سودآوری باشد؟

عملکرد شرکت‌های داده‌محور چگونه است؟

عملکرد شرکت‌های داده - محور - آمازون

دومین پرسشی که درباره‌ی بیگ دیتا مطرح می‌شود این است که: «چه قرائن و شواهدی دال بر این وجود دارد که استفاده‌ی هوشمندانه از بیگ دیتا عملکرد کسب‌و‌کارها را بهبود می‌بخشد؟» کتاب‌ها و مقالاتی که در مورد کسب‌و‌کار نوشته شده است مملو از موردپژوهی‌هایی است که ظاهرا نشان‌دهنده‌ی ارزش کار کردن با داده‌هاست. اما واقعیتی که ما اخیرا بدان پی‌برده‌ایم این است که به‌رغم چنین پژوهش‌ها و نتایجی هیچ‌کس با جدیت به این موضوع نپرداخته است. برای بررسی این شکاف،‌ شرکت مکنزی با همکاری دانشگاه MIT این فرضیه را که شرکت‌های داده‌محور عملکرد بهتری دارند مورد بررسی قرار داد. بدین منظور مصاحبه‌های ساختارمندی با مدیران ۳۳۰ شرکت آمریکای شمالی راجع‌به روش‌های مدیریت سازمانی و فناوری‌شان انجام شد. همچنین داده‌های مربوط به عملکرد شرکت، از گزارش‌های سالانه‌ی آنها و منابع مستقل جمع‌آوری شد.

البته همه تصمیم‌گیری مبتنی بر داده نداشتند. در واقع این گروه پژوهشگر در هر صنعت با طیف وسیعی از نگرش‌ها و رویکردها مواجه شدند. اما در هر تحلیلی که انجام شد یک رابطه خودنمایی می‌کرد: هرچه شرکت‌ها بیشتر خود را داده‌محور نشان بدهند عملکرد بهتری در مقیاس‌های عینی نتایج مالی و عملیاتی خواهند داشت. به‌ویژه، شرکت‌هایی که در بین سه شرکت برتر صنعت مورد فعالیت خود قرار داشتند و تصمیم‌گیری‌هایی با پشتوانه‌ی دیتا انجام می‌دادند در مقایسه با رقبای خود به طور میانگین ۵ درصد بهره وری بالاتر داشتند و ۶ درصد سودآورتر بودند. این تفاوت عملکرد پس از در نظر گرفتن سهم نیروی کار، سرمایه، خدمات خریداری‌شده و سرمایه گذاری سنتی در فناوری اطلاعات به قوت خود باقی ماند. این تفاوت به لحاظ آماری معنادار و به لحاظ اقتصادی حایز اهمیت بود و در رشد مشهودی که در ارزیابی‌های بازار سهام مشاهده می‌شد بازتاب می‌یافت.


حتما بخوانید: بهترین نوع مدیریت چگونه محقق می‌شود؟

فرهنگ جدید تصمیم‌گیری

چالش‌های فنی استفاده از کلان داده را نباید دست‌کم گرفت. اما چالش‌های مدیریتی از این هم بزرگ‌تر هستند – بیایید با نقش تیم مدیریت ارشد شروع کنیم.

تصمیم‌گیری مبتنی بر داده‌ها و نه متکی بر HiPPOها (کله‌گنده‌های سازمانی)

یکی از مهم‌ترین جنبه‌های بیگ دیتا تأثیر آن بر نحوه‌ی تصمیم‌گیری و تعیین فرد تصمیم‌گیرنده است. وقتی داده‌ها کمیاب باشد، یا به شکل دیجیتال وجود نداشته باشد، باید تصمیم‌گیری را به افراد رده‌بالای سازمان سپرد چرا که این افراد بر اساس تجربه‌ای به تصمیم‌گیری می‌پردازند که طی سال‌ها کسب کرده‌اند و تصمیم‌ها را بر اساس الگوها و روابطی اتخاذ می‌کنند که پیشتر مشاهده نموده‌اند. «کشف و شهود ناگهانی» برچسبی است که به این سبک استنباط و تصمیم‌گیری زده می‌شود. افراد نظرات خود را راجع‌به آینده بیان می‌کنند –اینکه چه اتفاقی قرار است بیفتد، چه عملکردی خواهد داشت و غیره – و سپس مطابق با همان نظرات برنامه ریزی می‌کنند.

قدرت بیگ دیتا نیاز به بینش انسانی را از بین نمی‌برد.

برای تصمیماتی که اهمیت ویژه دارند، این افراد معمولا از بین رده‌های بالایی سازمان یا افرادی خارج از سازمان انتخاب می‌شوند که به‌خاطر تخصص و سابقه‌ی خود با دستمزد بالایی وارد سازمان شده‌اند. بسیاری از افراد فعال در حوزه‌ی کلان داده بر این باور هستند که شرکت‌ها اغلب اکثر تصمیمات مهم خود را با تکیه بر HiPPO – یعنی فردی که صاحب منصب و دارای بالاترین دستمزد است – اتخاذ می‌کنند.

مطمئنا تعدادی از مدیران ارشد واقعا پشتوانه‌ی دیتا دارند و وقتی هم که دیتا با کشف و دریافت ناگهانی‌شان موافق نبود آن کشف و دریافت ناگهانی خود را رد می‌کنند نه دیتا را. اما ما بر این باور هستیم که امروز در سراسر دنیای کسب‌وکار، افراد بیشتر به تجربه و دریافت و شهود ناگهانی خود تکیه دارند تا بر دیتا. ما برای تحقیق خود، یک مقیاس ۵ امتیازی را ساختیم که میزان کلی پشتوانه‌ی داده‌ای شرکت‌ها را ارزیابی می‌کند. ۳۲ درصد از پاسخ‌دهندگان ۳ امتیاز یا کم‌تر از ۳ امتیاز به شرکت‌های خود دادند.


حتما بخوانید: ۷ نکته کاربردی برای تصمیم گیری در مدیریت

نقش‌های جدید

مدیرانی که مایل‌اند به تصمیم‌گیری مبتنی بر بیگ دیتا گذار کنند می‌توانند با دو تکنیک ساده شروع کنند. اول، می‌توانند خود را عادت دهند تا هروقت که با تصمیم مهمی مواجه شدند این پرسش را مطرح کنند که «داده‌ها چه می‌گویند؟» و بعد پرسش‌های معین‌تری از این دست را مطرح کنند: «داده‌ها از کجا آمده‌اند؟»، «چه تحلیل‌هایی انجام شده‌اند؟» و «چقدر به نتایج اطمینان داریم؟» (اگر مدیران این شیوه را به کار گیرند افراد هم سریعا پیام را خواهند گرفت). دوم آنکه، می‌توانند به خود اجازه بدهند تا تحت سیطره‌ی داده‌ها قرار گیرند.

وقتی سخن بر سر این است که کدام مسئله را بررسی کنیم، نقش متخصصین در یک حوزه‌ی کاری خاص (Domain expertise) همچنان حیاتی است. متخصصان سنتی – آنهایی که عمیقا با یک حوزه‌ آشنایی دارند و البته با دنیای داده‌های دیجیتال بیگانه‌اند– کسانی هستند که می‌دانند بزرگ‌ترین فرصت‌ها و چالش‌ها کجا هستند. مثلا PASSUR سعی دارد تا می‌تواند افرادی که دانش گسترده‌ای نسبت به فرودگاه‌های بزرگ آمریکا دارند استخدام کند. این افراد برای این شرکت‌ بسیار ارزشمند خواهند بود و به آن‌ کمک خواهند کرد تا بداند که چه آفرهایی ارائه کند و دفعه‌ی بعدی باید به چه بازارهایی برود.

به موازات پیشرفت نهضت کلان داده، نقش متخصصان مذکور تغییر خواهد کرد. آنها نه‌تنها برای ارائه‌ی پاسخ‌هایی مبتنی بر سبک تصمیم‌گیری HiPPO بلکه به‌خاطر اینکه می‌دانند چه پرسش‌هایی را مطرح کنند نیز حایز اهمیت کلیدی خواهند بود. روزی که پابلو پیکاسو ‌گفت: «کامپیوترها بی‌فایده هستند. آنها فقط به شما پاسخ ارائه می‌دهند» احتمالا منظورش چنین متخصصانی بوده است.


حتما بخوانید: مدیریت تغییر در سازمان و نحوه پیاده‌سازی آن

پنج چالش مدیریت

شرکت‌ها تا زمانی که نتوانند تغییر را به‌طور مؤثر مدیریت کنند، نخواهند توانست کاملا از مزایای گذار به بیگ دیتا بهره‌مند شوند. پنج حوزه‌ای که فرایند گذار در آنها از اهمیت ویژه‌ای برخوردار است عبارات‌اند از:

۱. رهبری

موفقیت شرکت‌ها در عصر بیگ دیتا صرفا به این خاطر نیست که داده‌های بهتر یا بیشتری دارند، بلکه به دلیل وجود تیم‌های رهبری‌ای که اهداف روشنی وضع می‌کنند، داشتن تعریفی دقیق از موفقیت، و مطرح کردن پرسش‌های صحیح به موفقیت دست می‌یابند. قدرت بیگ دیتا نیاز به بینش انسانی را از بین نخواهد برد. از سوی دیگر، ما باید رهبران کسب‌وکاری داشته باشیم که بتوانند فرصتی عالی پیدا کنند، بدانند که بازار چطور تغییر می‌کند، تفکر خلاق داشته باشند، بینش ترغیب‌کننده‌ای را بیان کنند، افراد را تشویق کنند تا از آن بینش استقبال کنند و برای تحقق یافتن آن سخت تلاش کنند، و با مشتریان، کارمندان، سهامداران و سایر ذی‌نفعان ارتباط مؤثر داشته باشند. شرکت‌های موفق دهه‌ی بعد، شرکت‌هایی خواهند بود که رهبرانشان بتوانند همه‌ی این کارها را حین تغییر نحوه‌ی تصمیم‌گیری سازمان‌هایشان انجام دهند.


حتما بخوانید: مهارت های رهبری کدامند و چطور یک رهبر کاردان و موفق باشیم؟

۲. مدیریت استعداد

دومین حوزه‌ای که فرایند گذار در آن از اهمیت ویژه‌ای برخوردار است، مدیریت استعداد است. همچنانکه داده‌ها ارزان‌تر می‌شوند، مکمل‌های داده‌ها ارزش بیش‌تری می‌یابند. برخی از اصلی‌ترین اینها عبارت‌اند از متخصصین علم داده و سایر فعالان حرفه‌ای و ماهر در کار با انبوهی از اطلاعات. متخصصان آمار اهمیت دارند اما بسیاری از تکنیک‌های کلیدی استفاده از بیگ دیتا به ندرت در دوره‌های سنتی آمار تدریس می‌شوند. شاید مهم‌تر از آماردان‌ها مهارت در پالایش و سامان‌دهی مجموعه داده‌های بزرگ باشد؛ انواع داده‌های جدید به‌ندرت به قالب ساختارمند درمی‌آیند. ابزار و تکنیک‌های تصویرسازی نیز ارزش روزافزون می‌یابند. نسل جدید دانشمندان علوم کامپیوتر همراه با متخصصان علم داده‌، از تکنیک‌های مخصوص برای کار کردن با مجموعه داده‌های بزرگ استفاده می‌کنند. تخصص در طراحی آزمایش‌ها می‌تواند به پر کردن شکاف بین همبستگی و علیت کمک کند. بهترین متخصصان دیتا نیز به‌راحتی به زبان کسب‌وکار سخن می‌گویند و به رهبران کمک می‌کنند تا چالش‌ها را به شیوه‌هایی بیان کنند که کلان داده بتواند آنها را بررسی کند. جای شگفتی نیست که یافتن افرادی با این مهارت‌ها آسان نیست و تقاضای زیادی برای این افراد وجود دارد.

۳. فناوری

ابزاری که برای بررسی حجم، سرعت و تنوع بیگ دیتا موجود هستند در سال‌های اخیر به میزان زیادی بهبود یافته‌اند. به‌طور کلی، این فناوری‌ها آن‌قدر گران نیستند که نتوان از آنها استفاده نمود و اغلب نرم‌افزارها متن باز هستند. Hadoop که رایج‌ترین چهارچوب است، سخت‌افزار را با نرم‌افزار متن باز ترکیب می‌کند. جریان در حال ورود دیتا را می‌گیرد و آن را بر روی دیسک‌های ارزان توزیع می‌کند؛ همچنین ابزاری را برای تحلیل دیتا فراهم می‌کند. هرچند این فناوری‌ها نیازمند مهارت‌هایی است که برای اغلب دپارتمان‌های فناوری اطلاعات جدید است و آنها باید سخت تلاش کنند تا همه‌ی منابع بیرونی و درونی دیتا را ادغام کنند. گرچه توجه به فناوری کافی نیست، اما همیشه مؤلفه‌ای ضروری برای یک راهبرد کلان داده خواهد بود.

۴. تصمیم‌گیری

یک سازمان کارامد تصمیم‌گیری مبتنی بر داده را با تصمیم‌گیری سنتی ادغام می‌کند. در عصر بیگ دیتا، اطلاعات ساخته و منتقل می‌شود اما متخصصان در جای مناسب قرار ندارند. رهبر ماهر، سازمانی خلق خواهد کرد که به‌اندازه‌ای انعطاف‌پذیری است که سندرم «اینجا کاربرد ندارد» را به حداقل و عملکرد متقابل بین واحدها را به حداکثر می‌رساند. در این سازمان افرادی که مشکلات را درک می‌کنند باید همراه با داده‌های مناسب گرد هم جمع شوند، اما باید افرادی که تکنیک های حل مسئله را بلد هستند هم به کمک آنها بیایند.


حتما بخوانید: چگونه مهارت حل مسئله را در خودمان افزایش دهیم؟

۵. فرهنگ سازمانی

فرهنگ سازمانی - بیگ دیتا

پنجمین حوزه‌ای که فرایند گذار در آن از اهمیت ویژه‌ای برخوردار است، فرهنگ سازمانی است. اولین پرسشی که یک سازمان با پشتوانه‌ی دیتا از خود می‌پرسد «چه فکر می‌کنیم؟» نیست بلکه «چه می‌دانیم؟» است. این امر مستلزم این است که یک گام از عمل کردن مبتنی بر غرایز عقب‌نشینی کنیم. همچنین مستلزم ترک عادت بدی است که در بسیاری از سازمان‌ها شاهد بوده‌ایم:‌ تظاهر به اینکه بیشتر از آنچه واقعیت دارد پشتوانه‌ی دیتا دارند. ما به دفعات متعدد شاهد مدیرانی بودیم که گزارش‌های خود را با داده‌های زیادی همراه کرده بودند که از تصمیماتی که با استفاده از رویکرد HiPPO اتخاذ کرده‌ بودند پشتیبانی می‌کردند. تنها پس از آن بود که زیردستان برای یافتن اعدادی که توجیه‌گر تصمیم اتخاذ‌شده بودند اعزام می‌شدند. بدون شک هنوز موانعی بر سر راه موفقیت وجود دارد. تعداد افراد متخصص در علم داده بسیار اندک است. فناوری‌ها جدید و در برخی موارد نامتعارف هستند. به‌راحتی می‌توان همبستگی و علیت را با هم اشتباه کرد و الگوهای گمراه‌کننده در دیتا یافت. چالش‌های فرهنگی زیاد است و البته نگرانی‌هایی در رابطه با حریم شخصی بیشتر از پیش خواهد بود. اما گرایش‌های زیربنایی را که هم در فناوری و هم در بازدهی کسب‌و‌کار وجود دارند نمی‌توان اشتباه گرفت.

شواهد روشن است: تصمیماتی که با پشتوانه‌ی دیتا اتخاذ می‌شوند تصمیمات بهتری هستند. رهبران یا این واقعیت را خواهند پذیرفت یا جای خود را به رهبران دیگری خواهند داد که این واقعیت را می‌پذیرند. در هر بخش‌ از صنایع، شرکت‌هایی که می‌دانند که چطور تخصص در حوزه‌ی کاری خاص را با علم دیتا ترکیب کنند رقبای خود را کنار خواهند زد. نمی‌توانیم بگوییم که همه‌ی برندگان بازی، برای دگرگون کردن تصمیم‌گیری از بیگ دیتا استفاده خواهند کرد. اما داده‌ها به ما می‌گویند که برای برنده شدن قطعا باید از کلان داده استفاده کرد.


در ادامه بخوانید: ۱۰ کاربرد داده کاوی در بازاریابی

جلسات کاری خود را به موثرترین شکل ممکن مدیریت کنید و از اتلاف هزاران ساعت زمان در سازمان جلوگیری کنید

36000تومان 8000تومان

منبع hbr


ارسال دیدگاه

آدرس ایمیل شما منتشر نخواهد شد.