شش چالش داده‌ای که مدیران سازمان‌ها با آن دست‌وپنجه نرم می‌کنند

جهان ما امروز، دیگر جهانی است مبتنی بر داده. مدیران هر روز با گزارش‌ها، داشبوردها و سیستم‌ها بمباران می‌شوند. هر روز بی‌وقفه به ما گفته می‌شود که تصمیم‌هایمان باید داده‌محور باشد (تصمیم گیری داده محور چیست؟). رهبران ارشد از وعده‌های مبتنی بر کلان داده (Big Data) به نفع مزیت رقابتی چشم‌پوشی می‌کنند. پیش از همه باید دربارهٔ اینکه کلان داده چیست با آنها سر و کله زد و کمتر به این پرداخته می‌شود که چه منافعی با استفاده از کلان داده نصیبشان می‌شود.

به خاطر کمبودهای مشخص در این وضعیت، هم‌اکنون بازار کار دانشمندان علوم داده داغ است. پیش‌بینی می‌شود که در سال‌های پیش رو این نقش‌ها خیلی پراهمیت باشند. سازمان‌ها هرساله پول زیادی برای نصب نرم‌افزارها و جمع‌آوری، ذخیره کردن و تحلیل داده صرف می‌کنند. جایگاه‌های شغلی در واحدهای بازاریابی هر روز بیشتر از قبل با متخصصان با استعداد فنی پر می‌شود. این کار به قیمت از دست‌رفتن خلاقیت در این واحدها انجام می‌شود. (درباره سازمان داده محور چه می‌دانید؟)

دنیای تجارت دنیایی شده که بیشتر از هر چیز بر داده متمرکز است. بااین‌حال باید دانست که داده به‌خودی‌خود هدف نیست. داده نیز مانند هر ابزار دیگری که از آن استفاده می‌کنیم پر از نوید چیزهای نو و خوب است. با استفادهٔ درست و با داشتن رویکردی مناسب می‌توان به نحو قابل‌توجهی بر پتانسیل داده‌ها برای گرفتن تصمیم‌های درست تکیه کرد. اما باید حواسمان باشد که فریب این گمان را نخوریم که اندوختن و تحلیل داده‌ها بی‌خطر است. به همین دلیل لازم است کمی از ایدهٔ داده به‌عنوان ناجی کسب‌وکار فاصله بگیریم و خطرهای این منبع جدید را با دقت بیشتری بررسی کنیم.

پیش‌آگاهی قدرت آفرین است.

۱- کیفیت پایین داده

وقتی از کیفیت حرف می‌زنیم بنا بر عادت بیشتر به فکر اشیاء مادی می‌افتیم، اما کیفیت داده‌ها نیز، همیشه برای بنگاه‌ها مسئلهٔ مهمی است. داده‌های ذخیره شده در پایگاه‌های داده و مخازن داده معمولاً ناقص، نامنسجم و قدیمی هستند. احتمالاً همه تابه‌حال دست‌کم یک‌بار درگیر مسئلهٔ کیفیت داده بوده‌اند.

برای همهٔ ما پیش‌آمده است که با ایمیل‌هایی از بخش‌های بازاریابی بنگاه‌ها در ایمیل خود روبرو شده باشیم که قرار بوده است به دست کسی برسد که با ما مشابهت اسمی دارد یا حتی گاهی نام آن فرد کاملاً با نام ما متفاوت بوده است. پایگاه داده‌ بخش‌های بازاریابی اغلب پر است از داده‌های تکراری، غلط‌های دیکته‌ای و نام‌هایی که با دیکتهٔ اشتباه ذخیره شده‌اند. ما معمولاً این دست ایمیل‌ها را به‌عنوان ایمیل‌های به‌دردنخور راهی سطل آشغال صندوق ایمیل (Email Box) می‌کنیم. بازاریاب‌ها به دلیل تکراری و نادرست بودن پایگاه داده‌ها هزینه‌های بی‌جهتی برای ارسال ایمیل روی دست بنگاه می‌گذارند.

اگر در نظر بگیریم که این اشتباه‌های کوچک ضرب در هزار و ده‌ها هزار می‌شود، بهتر متوجه می‌شویم که این اشتباه‌ها چقدر هزینه روی دست بنگاه می‌گذارد. وقتی تلاش می‌کنیم در زمان مشخص در مورد استراتژی‌ها، بازارها و بازاریابی تصمیم‌گیری کنیم، مسئلهٔ کیفیت داده‌ مهم و مهم‌تر می‌شود. اگرچه نرم‌افزارهایی برای کمک به نظارت و بهبود کیفیت داده‌هایِ ساختاریافته و قالب‌بندی شده وجود دارد، اما راهکار اصلی برای بهبود کیفیت داده‌ها تعهد عملی بنگاه است به اینکه از داده به‌عنوان یکی از دارایی‌های باارزش خود حفاظت کند. در عمل این کار ساده‌ای نیست و احتیاج به حمایت همه‌جانبهٔ رهبری سازمان دارد و لازمه‌اش نظم خلل‌ناپذیر کل بنگاه برای تهیهٔ داده‌های باارزش است.

۲- غرق شدن در گرداب داده‌ها

داده‌ در همه بخش‌های سازمان‌ها وجود دارد، مثلاً اطلاعات مربوط به مشتری را در نظر بگیرید. بیشتر سازمان‌ها در اخذ دادهٔ مشتری و دانستن انتظارات آنها خبره‌اند:

• بخش بازاریابی داده‌های کسانی را که در رویدادهای زنده یا تحت‌وب شرکت می‌کنند یا محتوایی را دانلود می‌کنند، جمع‌آوری می‌کند.
• مدیران اجرایی از داده‌ برای پشتیبانی یا بازتعریف استراتژی‌های جدید سود می‌برند.
• بخش فروش، داده‌ کسانی که با این بخش ارتباط دارند را جمع می‌کند.
• بخش اطلاعات مشتری‌ها همهٔ داده‌های مربوط به چت‌ها و تماس‌های تلفنی مشتریان را جمع می‌کند.
• تیم‌های مدیریتی از داده‌ و شاخص‌های کلیدی برای ارزیابی استفاده می‌کنند.
• اطلاعات مشتریان در بخش حسابداری برای امور مربوط به صورت‌حساب‌ها ذخیره می‌شود. تیم‌های کیفیت و بینش مشتری از آن‌ها برای رصد بینش و رضایت مشتریان استفاده می‌کنند.

ما معمولاً اطلاعات مربوط به مشتری را در انواع نرم‌افزارها ضبط می‌کنیم و داده‌ها را در مخازن مختلف ذخیره می‌کنیم. در گلوبال فورچون (Fortune Global) معلوم شد که در ۱۰۰ بنگاه مختلف تنها ده درصد داده‌های مربوط به مشتریان در کامپیوترهای کارمندان آن‌ها و فایل‌های صفحه‌گسترده (Spreadsheet) ذخیره شده‌اند. بقیهٔ شرکت‌ها قبل از شروع بازاریابی از نمایندگان فروش خود دربارهٔ هزینه‌ها استعلام می‌گیرند.

درست مانند ملوان یک کشتی اقیانوس‌پیما که کشتی‌اش در اقیانوس غرق شده، اطراف ملوان فقط آب وجود دارد، اما او نمی‌تواند حتی یک قطره از آن آب را بنوشد. شبیه همین پدیده در کسب‌وکارهای ما هم وجود دارد. داده‌ها همه‌جا هستند و می‌توان از شبکه‌های اجتماعی و موتورهای جست‌وجو داده‌های به روزی به دست آورد. بااین‌حال اگر داده‌ها در دسترس نباشند و داده‌های ما تکراری و ناقص باشند، دیگر نمی‌توانیم برای هدف مورد نظر خودمان از داده‌ها استفاده کنیم.

شرکت‌ها هرروزه در پی یکپارچه‌سازی نرم‌افزارهای مختلف خود هستند تا روند جمع‌آوری و تجمیع داده‌ها در کل سازمان راحت‌تر شود. با این‌همه این کار گذشته از تأثیری که بر کیفیت داده می‌گذارد، کاری است بسیار پرهزینه، زمان‌بر و بی‌پایان.

۳- حجم درحال‌رشد داده‌ها

ما با هر گامی که برمی‌داریم در حال به‌وجودآوردن داده هستیم. درک اندازهٔ این میزان داده برای ما غیرممکن است. تخمین دانشمندان این است که ما هر دو سال یک‌بار (تازه این عدد دائم کوچک‌تر می‌شود) به‌اندازهٔ کل تمدن پیشین بشری داده تولید می‌کنیم. برخلاف داده‌هایی که در نرم‌افزارها و پایگاه داده‌ها وارد می‌کنیم، بیشتر داده‌ها بدون ساختار هستند. برای مثال‌، تمام توییت‌هایی که در آن چیزی دربارهٔ محصول شما نوشته شده است،‌ یک گنجینهٔ بینش بالقوه برای شماست.‌ اما این داده‌ها بدون ساختار هستند و باعث پیچیدگی تحلیل داده‌ها می‌شوند. هرچند نرم‌افزارهای بسیاری برای رفع این چالش وجود دارد،‌ اما داده‌های بدون ساختار سیلی از مواد خام است که باید پردازش شوند. البته این کار باید با در نظر گرفتن تمام پیچیدگی‌ها و توجه به کیفیت پایین داده‌ها صورت پذیرد،‌ یعنی باید به مواردی که در این نوشته به آنها می‌پردازیم پیش از پردازش داده‌ها توجه شود.

۴- ورودی اشتباه، خروجی اشتباه

خروجی نرم‌افزارهای تحلیل داده فقط وقتی به‌دردبخور هستند که داده‌های خوبی به آن‌ها داده شود. چیزی که در زمینهٔ بهره‌بردن از مزیت استفاده از داده مهم است کیفیت داده است. هرچند شرکت‌های بزرگ هزینهٔ زیادی بابت نرم‌افزارهای پردازش داده (Data-crunching Application) خرج می‌کنند، اما کار بر روی داده‌های کثیف سبب گرفتن تصمیم‌های نادرست فراوان می‌شود. همیشه باید حواسمان باشد که کورکورانه به نتایج تحلیل داده‌ها اعتماد نکنیم. پیش از اعتماد به تصمیم‌ها باید اطمینان داشته باشید که داده‌های وارد شده به‌دردبخور هستند.

۵- تحلیل داده‌ها قطعی نیستند

ما فکر می‌کنیم خروجی تحلیل داده‌ها نتایجی قطعی است، اما واقعاً این‌طور نیست. در واقع تحلیل داده نمایشگر همبستگی دو یا چند موضوع است و نه رابطهٔ علّی بین آن‌ها. ممکن است خیلی ساده در دام تحلیل داده بیافتیم و همبستگی را با علیت اشتباه بگیریم.

همبستگی وجود یک رابطه بین الف و ب را به نمایش می‌گذارد، اما هرگز به این معنا نیست که الف علت ب است. شناخت رابطهٔ عِلّی بین دو پدیده بهترین چیز برای گرفتن تصمیم‌های دقیق و با بینش صحیح است. اما اثبات این رابطه همواره بسیار دشوار است. اگر به خروجی تحلیل داده کاملاً اطمینان کنید و گمان کنید رابطهٔ دو پدیده رابطهٔ علی است ولی در اصل آن رابطه علی نباشد، آنگاه تصمیم‌های فاجعه‌بار فراوانی خواهید گرفت.

۶- سوگیری‌های تقویت شونده

وقتی پای ارزش‌گذاری داده‌ها وسط می‌آید، سوگیری‌های شناختی ما تقویت می‌شود. یکی از دانشمندان خبره داده جایی نوشته است:

«پس از اتمام جامع‌ترین و پیچیده‌ترین تحلیل‌ها، این انسان است که باید تصمیم بگیرد.»

آنجایی سر و کلهٔ سوگیری‌های شناختی ما پیدا می‌شود که می‌خواهیم نتایج و معنای یک تحلیل داده را ارزیابی کنیم. بسیاری از ما تا وقتی به نتیجهٔ تحلیل داده اعتماد می‌کنیم که پشتیبان مواضع و تصمیم‌های ما باشد و داده‌هایی را که برخلاف نظر ما باشد، نادیده می‌گیریم. همچنین ما بیشتربه داده‌هایی اعتماد می‌کنیم که از منابع موردعلاقه یا مورد اعتماد ما حاصل شده باشند یا اینکه بسیار جدید باشند. همهٔ این سوگیری‌ها به خطاهای احتمالی ناشی در فهم داده‌های تحلیل شده دامن می‌زند. (در همین راستا پیشنهاد می‌کنیم مقاله ریشه‌های سوگیری‌ها در داده‌ها و هوش مصنوعی را مطالعه نمایید.)

چگونه مدیران باید داده‌ها را مثل موم در دست داشته باشند

تدوین استراتژی فراگیرداده برای هر شرکتی ضروری است، اما موضوع این نوشته این نیست. به‌هرحال در اینجا هفت راهکار ارائه شده که با استفاده از آن‌ها در جایگاه مدیر می‌توانید از داده‌ها برای تصمیم‌گیری بهتر استفاده کنید:

تشخیص سوگیری‌ها

سوگیری‌های بالقوه را بشناسید و تأثیر آنها را کم کنید. به دنبال داده‌هایی باشید که چشم‌اندازتان را وسیع‌تر می‌کند یا با داده‌های دیگر تعارض دارد. از یک ناظر خارجی بخواهید که فرضیه‌های شما را با توجه به داده‌ها ارزیابی کند.

مدیریت داده

درک خود را از مدیریت داده تقویت کنید. منابع فراوانی در اینترنت وجود دارد که می‌توانید آن‌ها را مطالعه کنید یا در سمینارها و کارگاه‌های مربوط به تحلیل داده و هوش تجاری شرکت کنید. حتی دانشگاه‌ها هم دوره‌هایی برای آشنایی با این حوزهٔ جذاب تدارک دیده‌اند. سعی کنید بیشتر یاد بگیرید.

داده‌ها را کامل کنید

از خودتان بپرسید یا این پرسش را در گروه مطرح کنید که: «برای گرفتن فلان تصمیم به چه داده‌هایی نیاز داریم؟» در اغلب موارد ما به داده‌های در دسترس اکتفا می‌کنیم و برای تصمیم‌های بهتر به جست‌وجوی داده‌های بهتر و بیشتر نمی‌پردازیم.

همبستگی و علیت

همواره به تفاوت جدی بین همبستگی و علیت توجه داشته باشید. همان گونه که توضیح دادم اشتباه گرفتن این دو دامی است که پیش پای هرکسی که از تحلیل داده استفاده می‌کند پهن شده است.

ارزیابی کیفیت داده

اگر بنگاه شما فاقد بخش مدیریت داده و کیفیت داده است، باید برای زدودن اشتباه‌های فاحش مانند تکراری بودن داده یا ثبت اشتباه و ناقص داده‌ وقت بگذارید. نرم‌افزارهای تجاری زیادی برای افزایش کیفیت داده وجود دارد و بسیاری از شرکت‌ها از مشاورهٔ متخصصان داده برای بهبود بخشیدن به کیفیت داده‌های خود سود می‌برند. همچنین شرکت‌هایی وجود دارند که می‌توانند در روند به‌سازی و پاک‌سازی داده به بنگاهتان کمک کنند. مهم است که بی‌وقفه در پی بهتر شدن کیفیت داده‌ خود باشید.

کیفیت داده‌

در بنگاه خود همواره حامی و طرف‌دار بهبود کیفیت داده‌ها باشید. معمولاً این کار جزو وظایف متخصصان IT است ولی می‌توان داده‌ها را به‌عنوان دارایی استراتژیک یک بنگاه هم در نظر گرفت. همهٔ مدیرها باید مراقب توانایی شرکت‌ها در استفاده از داده برای تصمیم‌گیری بهتر و اجرای استراتژی‌های داده‌محور باشند.

استعداد فنی و مهارت داده‌ای

نیروهای مستعد فنی و افراد دارای مهارت‌های داده‌ای را به تیم خود اضافه کنید. بخش‌های فروش و بازاریابی به‌خوبی از قدرتی که درگیرکردن افراد ماهر در جدیدترین تکنولوژی‌ها برایشان فراهم می‌کند، آگاهند. آن‌ها به‌خوبی می‌دانند که مواردی که در این یادداشت توضیح داده شده چقدر در حل مشکلاتشان به آن‌ها کمک می‌کند. تکنولوژی و داده دیگر تنها مربوط به بخش خاصی از بنگاه نیست، بلکه مهارتی است که همهٔ بخش‌ها به آن نیاز دارند.

جمع‌بندی

شرکت‌ها و مدیرانی که آموخته‌اند از داده‌ برای تصمیم‌گیری بهتر استفاده کنند، در بازار موفق خواهند بود. این‌گونه شرکت‌ها هستند که زودتر از رقبایشان متوجه تغییر شرایط می‌شوند و پاسخی برای شرایط جدید در دست دارند. این شرکت‌ها زودتر از رقبا به چالش‌های بازار پاسخ می‌دهند. این شرکت‌ها زودتر از همه با خوشه‌چینی از گفت‌وگوهای شبکه‌های اجتماعی به بینش مناسب دست پیدا می‌کنند و در سطحی عمیق‌تر با مشتریان تعامل برقرار می‌کنند، همه را هم با توجه به داده به دست می‌آورند. این یک مد زودگذر نیست، بلکه واقعیتی نوظهور در دنیای مدیریت و رقابت است. فقط باید مراقب دام‌هایی بود که در این سفر پیش پای ما پهن شده است.