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

 

جمله معروفی در دنیای مدیریت هست که می گه: «اگه مقیاسی واسه امتحان امور به کار نبرین، مدیریت اونا ممکن نیس.» این جمله، که هم به دابلیو ادواردز مربوط شده و هم به پیتر دراکر، سخن خیلی حکیمانه ایه و به روشنی نشون می ده که چرا انفجار گذشته داده های دیجیتال تا این حد مهمه. به بیان آسون میشه گفت که مدیران، به یمن بیگ دیتا می تونن وضعیت کسب وکارهای خود رو سبک سنگین کنن و اینجوری علم خیلی بیش تری راجبه اونا به دست بیارن و اون علم رو مستقیما به تصمیم گیری و کارکرد بهینه تبدیل کنن. ما در این مقاله با انقلاب مدیریتی بیگ دیتا (کلان داده) بیشتر آشنا خواهیم شد. با ما همراه باشین.

 

تعریف بیگ دیتا (big data) در چند جمله کوتاه و آسون اینه که به مجموعه از داده های خیلی بزرگ که میزان تولید و تنوع (عدد، متن، تصویر، صدا، ویدئو، تراکنش پولی و …) بالایی دارن بیگ دیتا یا کلان داده گفته می شه. کلان داده ها کاربردهای زیادی دارن ولی یکی از مهم ترین اونا شناخت عادتای خرید، الگوی مصرف و علاقه مندیای مشتریان و پیش بینی زمان خرید و پیشنهاد محصول مورد نظر مشتری در فرآیند جست وجوی محصولاته.

مثلا، خرده فروشیا رو در نظر بگیرین. قبل اینکه کار و کاسبی فروش کتاب وارد فضای دیجیتالی شه، کتاب فروشای سنتی همیشه می تونستن آمار کتابای فروخته شده و فروش نرفته ی خود رو داشته باشن. اگه در کار و کاسبی خود برنامه وفاداری داشتن می تونستن اون خریدها رو با مشتریان فردی خود پیوند زنند. به همین سادگی. اما وقتی کار و کاسبی فروش کتاب وارد فضای اینترنت شد، درک رفتار مشتریان به میزان زیادی زیاد شد.

فروشندگان آنلاین نه تنها می تونستن کتابای خریداری شده ی مشتریان رو رصد کنن بلکه می تونستن بدونن که خریداران به چه کتابایی نگاه کردن؛ چه جوری در سایت گشت زده ان؛ چقدر تحت اثر ، نقد، نظرات و طراحی صفحات بودن و هم شباهتای بین افراد و گروه ها رو هم می تونستن بررسی کنن. دیری نپایید که الگوریتمایی ساخته شدن که پیش بینی می کردن خوانندگان در آینده چه کتابایی رو می خونن –الگوریتمایی که هر زمان که مشتری به یک پیشنهاد عمل می کرد یا اونو ندیده می گرفت کارکرد بهتری پیدا می کردن. کتاب فروشای سنتی به این طیف از اطلاعات حتی دسترسی نداشتن چه برسه به اینکه به موقع روی اون کار کنن. تعجبی نداره که آمازون دکان خیلی از کتاب فروشیای سنتی رو تخته کرده.

به موازات گسترش وسیله و فلسفه ی بیگ دیتا، ایدهایی که مدتای طولانی در مورد ارزش تجربه، وجود تخصص و روش مدیریت وجود داشتن تغییر می کنن. خواهیم دید که رهبران هوشمند در صنایع مختلف از بیگ دیتا درست به خاطر همون چیزی که هست استفاده می کنن: یعنی به خاطر انقلاب مدیریتی. اما اینجا هم مثل هر تغییر کلی ای در کسب و کارا، رقابت تبدیل شدن به یک سازمان توانا با حمایت ی کلان داده می تونه خیلی زیاد باشه و لازمه رهبری عملی و در بعضی موارد نظری هستش. با این همه، این گذاریه که مدیران امروز باید در اون شرکت داشته باشن.

فرقای بیگ دیتا و آنالیتیک چیه؟

مدیران کار و کاسبی بعضی وقتا از ما می پرسند: « بیگ دیتا همون آنالیتیک نیس؟» قبول داریم که این دو با هم در رابطه هستن: نهضت بیگ دیتا مثل آنالیتیک به دنبال اینه که از راه داده ها به هوش برسه و اونو به امتیاز کار و کاسبی تبدیل کنه. گرچه، این دو با هم سه فرق کلیدی دارن:

۱. حجم

تا سال ۲۰۱۶، روزانه حدود ۴۴ میلیارد گیگابایت داده تولید می شه. الان نسبت به بیست سال قبل، در هر ثانیه داده های بیش تری در اینترنت وارد میشه. این فرصتی رو واسه شرکتا فراهم می کنه تا در یک مجموعه داده واحد با خیلی از پتابایتای داده کار کنن؛ اونم نه فقط از راه اینترنت. مثلا محاسبه می شه که مغازه والمارت هر ساعت بیشتر از از ۲٫۵ پتابایت داده رو از تراکنشای مشتریانش جمع آوری می کنه. یک پتابایت یک کادریلیون بایت یا برابر ۲۰ میلیون کابینت پر از متنه. اگزابایت هزار برابر پتابایت یا برابر یک میلیارد گیگابایته.

۲. سرعت

واسه خیلی از اپلیکیشنا، سرعت تولید داده از حجم مهم تره. اطلاعات سریع یا تقریبا سریع، شرکت رو قادر می سازه تا نسبت به رقبای خود تندوتیزی بیش تری داشته باشه. مثلا همکار ما، الکس سندی پنتلند و گروهش در MIT Media Lab از داده های جای تلفنای موبایل استفاده کردن تا دریابند که در جمعه ی سیاه (Black Friday) – شروع فصل خرید کریسمس در آمریکا ی آمریکا – چه تعداد افراد در پارکینگای Macy حضور دارن. این اونا رو قادر ساخت تا فروش خرده فروشان رو در اون روز مهم، حتی پیش از اینکه خود Macy اونا رو ثبت کنه، محاسبه کنه. اطلاعات سریعی مثل این، می تونه امتیاز رقابتی روشنی در اختیار تحلیلگران وال استریت و مدیران مِین استریت بذاره.

۳. تنوع

بیگ دیتا در شکلای متنوعی ظاهر می شه: پیام، به روز رسانیا، تصاویری که در شبکه های اجتماعی منتشر می شن، خوانش سنسورها، سیگنالای جی پی اس تلفنای همراه و خیلی موارد دیگر. این حجم انبوه اطلاعات شبکه های اجتماعی به قدمت خود شبکه هاست. فیسبوک در سال ۲۰۰۴ تأسیس شد، توییتر در ۲۰۰۶. این نکته در مورد تلفنای هوشمند و بقیه دستگاه های همراه که الان حجم انبوهی از اطلاعات مربوط به مردم، فعالیتا و جایا رو فراهم می کنه صادقه. از اونجا که این دستگاه ها همه جا پیدا می شن، خیلی آسون میشه از یاد برد که همین پنج سال پیش بود که از iPhone پرده ورداری شد. اینجوری، سامانه ی داده های ساختارمندی که تا همین آخرای بخش بزرگ اطلاعات شرکتا رو ذخیره کرده بودن واسه ذخیره و پردازش کلان داده مناسب نیستن. در همین حال، هزینه های همه عناصر رایانش – ذخیره، حافظه، پردازش، پهنای باند و غیره -که روز به روز در حال کاهش هستن– معنیش اینه که رویکردهایی که قبلا گران بودن خیلی سریع در حال مقرون به صرفه شدن هستن.

همچنانکه روزبه روز فعالیتای کسب وکارها دیجیتالی می شه، منابع جدید اطلاعات و لوازم ارزون قیمت دست به دست هم میدن و ما رو وارد دوره جدیدی می کنن: دوره ای که در اون حجم انبوهی از اطلاعات دیجیتال تقریبا راجبه هر موضوعی که مورد علاقه کسب و کارا باشه هست. تلفنای همراه، خرید آنلاین، شبکه های اجتماعی، ارتباطات الکترونیکی، جی پی اس و ماشین آلات دقیق همه و همه حجم انبوهی از داده ها رو به عنوان محصول جانبی عملیات عادی خود تولید می کنن. همه ما این روزا حکم ژنراتور تولید داده متحرک رو داریم. داده های موجود بیشتر غیرساختارمند هستن –یعنی در یک پایگاه داده، ساماندهی نشده ان– اما حجم انبوهی از سیگنالا در داده های نویزی (داده هایی که هنگام ثبت یا تغییر اونا خطایی اتفاق افتاده) هست که فقط در انتظار آزاد شدنه. گرچه آنالتیک تکنیکای دقیقی واسه تصمیم گیری عرضه کرد اما بیگ دیتا هم آسون تر و هم قدرتمندتره. همونجوریکه پیتر نُرویگ، رئیس تحقیقات گوگل میگه: «ما الگوریتمای بهتری نداریم. فقط داده های بیشتری داریم.»

کارکرد شرکتای داده محور چیجوریه؟

دومین پرسشی که درباره بیگ دیتا مطرح می شه اینه که: «چه قرائن و دلایلی مربوط به این هست که استفاده ی هوشمندانه از بیگ دیتا کارکرد کسب و کارا رو بهتر کنه؟» کتابا و مقالاتی که در مورد کار و کاسبی نوشته شده پر از موردپژوهی هاییه که نشون دهنده ی ارزش کار کردن با داده هاست. اما واقعیتی که ما اخیرا به اون پی بردیم اینه که برخلاف اینجور تحقیقات و نتایجی هیچکی با جدیت به این موضوع نپرداختهه. واسه بررسی این شکاف، شرکت مکنزی با همکاری دانشگاه MIT این فرضیه رو که شرکتای داده محور کارکرد بهتری دارن بررسی کرد. بدین منظور مصاحبهای ساختارمندی با مدیران ۳۳۰ شرکت آمریکای شمالی درباره به روشای مدیریت سازمانی و فناوری شون انجام شد. داده های مربوط به کارکرد شرکت، از گزارشای هرساله ی اونا و منابع جداگونه جمع آوری شد.

البته همه تصمیم گیری طبق داده نداشتن. این گروه پژوهشگر در هر صنعت با طیف بزرگی از نگاه ها و رویکردها روبرو شدن. اما در هر تحلیلی که انجام شد یک رابطه خودنمایی می کرد: هرچه شرکتا بیشتر خود رو داده محور نشون بدن کارکرد بهتری در اندازه های عینی نتایج پولی و عملیاتی دارن. به ویژه، شرکتایی که در بین سه شرکت برتر صنعت مورد فعالیت خود قرار داشتن و تصمیم گیریایی با حمایت ی دیتا انجام می دادن در مقایسه با رقبای خود به طور میانگین ۵ درصد استفاده بالاتر داشتن و ۶ درصد سودآورتر بودن. این فرق کارکرد پس از در نظر گرفتن سهم نیروی کار، سرمایه، خدمات خریداری شده و سرمایه گذاری سنتی در فناوری اطلاعات به قوت خود موند. این فرق از نگاه آماری با معنی و از نگاه اقتصادی مهم بود و در رشد مشهودی که در آزمایشای بازار سهام دیده می شد درخشش می پیدا.

فرهنگ جدید تصمیم گیری

رقابتای فنی استفاده از کلان داده رو نباید دست کم گرفت. اما رقابتای مدیریتی از اینم بزرگ تر هستن – بیایید با نقش تیم مدیریت ارشد شروع کنیم.

تصمیم گیری طبق داده ها و نه متکی بر HiPPOها (کله گندهای سازمانی)

یکی از مهم ترین جنبه های بیگ دیتا اثر اون بر نحوه ی تصمیم گیری و تعیین فرد تصمیم گیرنده. وقتی داده ها کم پیدا باشه، یا به شکل دیجیتال وجود نداشته باشه، باید تصمیم گیری رو به افراد رده بالای سازمان سپرد چون که این افراد طبق تجربه ای به تصمیم گیری می پردازند که طی سالا کسب کردن و تصمیما رو طبق الگوها و روابطی انجام می کنن که قبلا مشاهده کردن. «کشف و شهود یهویی» برچسبیه که به این سبک برداشت و تصمیم گیری زده می شه. افراد نظرات خود رو درباره به آینده میگن –اینکه چه اتفاقی قراره بیفته، چه عملکردی داره و غیره – و بعد برابر با همون نظرات برنامه ریزی می کنن.

قدرت بیگ دیتا نیاز به بینش انسانی رو از بین نمی برد.

 

 

واسه تصمیماتی که اهمیت ویژه دارن، این افراد معمولا از بین رده های بالایی سازمان یا افرادی خارج از سازمان انتخاب می شن که به خاطر تخصص و سابقه خود با دستمزد بالایی وارد سازمان شدن. خیلی از آدما فعال در بخش ی کلان داده بر این باور هستن که شرکتا بیشتر بیشتر تصمیمات مهم خود رو با تکیه بر HiPPO – یعنی فردی که صاحب منصب و دارای بالاترین دستمزده – انجام می کنن.

مطمئنا تعدادی از مدیران ارشد واقعا حمایت ی دیتا دارن و وقتی هم که دیتا با کشف و دریافت یهویی شون موافق نبود اون کشف و دریافت یهویی خود رو رد می کنن نه دیتا رو. اما ما بر این باور هستیم که امروز در سراسر دنیای کسب وکار، افراد بیشتر به تجربه و دریافت و شهود یهویی خود تکیه دارن تا بر دیتا. ما واسه تحقیق خود، یک اندازه ۵ امتیازی رو ساختیم که میزان کلی حمایت ی دادی شرکتا رو آزمایش می کنه. ۳۲ درصد از جواب دهندگان ۳ امتیاز یا کم تر از ۳ امتیاز به شرکتای خود دادن.

نقشای جدید

مدیرانی که مایل ان به تصمیم گیری طبق بیگ دیتا گذار کنن می تونن با دو تکنیک آسون شروع کنن. اول، می تونن خود رو عادت دن تا هروقت که با تصمیم مهمی روبرو شدن این سوال رو مطرح کنن که «داده ها چه میگن؟» و بعد سوالای مشخص تری مثل این رو مطرح کنن: «داده ها از کجا اومدند؟»، «چه بررسیایی انجام شدن؟» و «چقدر به نتایج اطمینان داریم؟» (اگه مدیران این روش رو به کار گیرند افراد هم خیلی سریع پیام رو خواهند گرفت). دوم اونکه، می تونن به خود اجازه بدن تا تحت تسلط ی داده ها قرار گیرند.

وقتی سخن بر سر اینه که کدوم مسئله رو بررسی کنیم، نقش متخصصین در یک بخش ی کاری خاص (Domain expertise) بازم حیاتیه. کارشناسان سنتی – اونایی که عمیقا با یک بخش آشنایی دارن و البته با دنیای داده های دیجیتال بیگانه ان– کسائی هستن که میدونن بزرگ ترین فرصتا و رقابتا کجا هستن. مثلا PASSUR سعی داره تا می تونه افرادی که علم زیادی نسبت به فرودگاهای بزرگ آمریکا دارن استخدام کنه. این افراد واسه این شرکت خیلی مهم هستن و به اون کمک می کنن تا بدونه که چه آفرهایی ارائه کنه و دفعه ی بعدی باید به چه بازارهایی برود.

به موازات پیشرفت نهضت کلان داده، نقش کارشناسان نامبرده تغییر می کنن. اونا نه تنها واسه ارائه جوابایی طبق سبک تصمیم گیری HiPPO بلکه به خاطر اینکه میدونن چه سوالایی رو مطرح کنن هم مهم کلیدی هستن. روزی که پابلو پیکاسو گفت: «کامپیوترها بی فایده هستن. اونا فقط به شما جواب ارائه میدن» شاید منظورش اینجور متخصصانی بوده.

پنج رقابت مدیریت

شرکتا تا زمانی که نتونن تغییر رو به طور مؤثر مدیریت کنن، نخوان تونست از امتیازات گذار به بیگ دیتا بهره مند شن. پنج بخش ای که مراحل گذار در اونا از اهمیت ویژه ای برخورداره عبارات ان از:

۱. رهبری

موفقیت شرکتا در عصر بیگ دیتا فقط به این خاطر نیس که داده های بهتر یا بیشتری دارن، بلکه به دلیل وجود تیمای رهبری ای که اهداف روشنی وضع می کنن، داشتن تعریفی دقیق از موفقیت، و مطرح کردن سوالای درست به موفقیت دست پیدا می کنن. قدرت بیگ دیتا نیاز به بینش انسانی رو از بین نخواد برد. از طرف دیگه، ما باید رهبران کسب وکاری داشته باشیم که بتونن فرصتی عالی پیدا کنن، بدونن که بازار چه جوری تغییر می کنه، تفکر خلاق داشته باشن، بینش تشویق کننده ای رو بگن، افراد رو تشویق کنن تا از اون بینش استقبال کنن و واسه تحقق یافتن اون سخت سعی کنن، و با مشتریان، کارمندان، سهامداران و بقیه ذی نفعان رابطه مؤثر داشته باشن. شرکتای موفق ده بعد، شرکتایی هستن که رهبرانشان بتونن همه این کارا رو بین تغییر نحوه ی تصمیم گیری سازمان هاشون بکنن.

۲. مدیریت استعداد

دومین بخش ای که مراحل گذار در اون از اهمیت ویژه ای برخورداره، مدیریت استعداده. همچنانکه داده ها ارزون تر می شن، مکملای داده ها ارزش بیش تری پیدا می کنن. بعضی از اصلی ترین اینا عبارت ان از متخصصین علم داده و بقیه فعالان حرفه ای و ماهر در کار با انبوهی از اطلاعات. کارشناسان آمار اهمیت دارن اما خیلی از تکنیکای کلیدی استفاده از بیگ دیتا خیلی کم در دوره های سنتی آمار تدریس می شن. شاید مهم تر از آماردانا مهارت در پالایش و سامان دهی مجموعه داده های بزرگ باشه؛ شکلای مختلف داده های جدید به کم به قالب ساختارمند درمی آیند. وسیله و تکنیکای تصویرسازی هم ارزش روزافزون پیدا می کنن. نسل جدید دانشمندان علوم کامپیوتر همراه با کارشناسان علم داده ، از تکنیکای مخصوص واسه کار کردن با مجموعه داده های بزرگ استفاده می کنن. تخصص در طراحی آزمایشا می تونه به پر کردن شکاف بین اتحاد و علیت کمک کنه. بهترین کارشناسان دیتا هم خیلی آسون به زبون کسب وکار سخن میگن و به رهبران کمک می کنن تا رقابتا رو به شکلایی بگن که کلان داده بتونه اونا رو بررسی کنه. تعجبی نداره که یافتن افرادی با این مهارت ها آسون نیس و خواسته زیادی واسه این افراد هست.

۳. فناوری

ابزاری که واسه بررسی حجم، سرعت و تنوع بیگ دیتا موجود هستن در سالای گذشته به میزان زیادی بهبود یافته ان. کلا، این فناوریا اون قدر گران نیستن که بشه از اونا استفاده نمود و بیشتر نرم افزارها متن باز هستن. Hadoop که عادی ترین چهارچوبه، سخت افزار رو با نرم افزار متن باز ترکیب می کنه. جریان در حال ورود دیتا رو میگیره و اونو روی دیسکای ارزون پخش می کنه؛ ابزاری رو واسه بررسی دیتا فراهم می کنه. گرچه این فناوریا نیازمند مهارت هاییه که واسه بیشتر دپارتمانای فناوری اطلاعات جدیده و اونا باید سخت سعی کنن تا همه منابع بیرونی و داخلی دیتا رو ترکیب کنن. گرچه توجه به فناوری کافی نیس، اما همیشه مؤلفه ای لازم واسه یک روش کلان داده هستش.

۴. تصمیم گیری

یک سازمان کارامد تصمیم گیری طبق داده رو با تصمیم گیری سنتی ترکیب می کنه. در عصر بیگ دیتا، اطلاعات ساخته و منتقل می شه اما کارشناسان در جای مناسب قرار ندارن. رهبر ماهر، سازمانی ایجاد می کنن که به اندازه ای انعطاف پذیریه که سندرم «اینجا کاربرد نداره» رو به کمه کم و کارکرد دوطرفه بین واحدها رو به بیشترین حد میرسوند. در این سازمان افرادی که مشکلات رو درک می کنن باید همراه با داده های مناسب گرد هم جمع شن، اما باید افرادی که تکنیکای حل مسئله رو بلد هستن هم به کمک اونا بیان.

۵. فرهنگ سازمانی

پنجمین بخش ای که مراحل گذار در اون از اهمیت ویژه ای برخورداره، فرهنگ سازمانیه. اولین پرسشی که یک سازمان با حمایت ی دیتا از خود می پرسد «چه فکر می کنیم؟» نیس بلکه «چه میدونیم؟» است. این لازمه اینه که یه قدم از عمل کردن طبق غرایز عقب نشینی کنیم. لازمه ترک عادت بدیه که در خیلی از سازمانا شاهد بوده ایم: خودنمایی به اینکه بیشتر از چیزی که واقعیت داره حمایت ی دیتا دارن. ما به دفعات زیاد شاهد مدیرانی بودیم که گزارشای خود رو با داده های زیادی همراه کرده بودن که از تصمیماتی که با استفاده از راه و روش HiPPO در پیش گرفته بودن پشتیبانی می کردن. تنها پس از اون بود که زیردستان واسه یافتن اعدادی که توجیه گر تصمیم انجام شده بودن اعزام می شدن. بی شک هنوز مشکلاتی بر سر راه موفقیت هست. تعداد افراد متخصص در علم داده خیلی کمه. فناوریا جدید و در بعضی موارد نامتعارف هستن. خیلی آسون میشه اتحاد و علیت رو با هم اشتباه کرد و الگوهای گمراه کننده در دیتا پیدا. رقابتای فرهنگی زیاده و البته نگرانیایی در مورد حریم شخصی بیشتر از پیش هستش. اما تمایلای پایه ای رو که هم در فناوری و هم در بازدهی کار و کاسبی وجود دارن نمیشه اشتباه گرفت.

دلایل روشنه: تصمیماتی که با حمایت ی دیتا انجام می شن تصمیمات بهتری هستن. رهبران یا این واقعیت رو قبول می کنن یا جای خود رو به رهبران دیگری میدن که این واقعیت رو قبول می کنن. در هر بخش از صنایع، شرکتایی که میدونن که چه جوری تخصص در بخش ی کاری خاص رو با علم دیتا ترکیب کنن رقبای خود رو کنار میزنن. نمی تونیم بگیم که همه برندگان بازی، واسه به خاطر این به اونو کردن تصمیم گیری از بیگ دیتا استفاده می کنن. اما داده ها به ما میگن که واسه برنده شدن شک نداشته باشین باید از کلان داده استفاده کرد.



جلسات کاری رو تبدیل به وسیله موفقیت خود کنین


۳۶۰۰۰تومن

دیدگاهتان را بنویسید