تعریف سادهٔ شرکت دادهمحور این است: شرکتی که سلسله مراتب تلویحی ارزشهای آن شرکت، اعضای آن را به سمت تصمیمگیری بر اساس داده، سوق میدهد. اما در همین تعریف باید به نکات دقیقی توجه کرد. چه نوع دادهای موردنظر است؟ چه کسی ملزم به استفاده از دادهها و تصمیمگیری بر اساس آن است؟ آیا همهٔ تصمیمها باید بر اساس دادهها اتخاذ شود؟ شرکت دادهمحور باید دارای ارکان خاصی باشد تا مدیریت دادهمحور، به شکل تلویحی و صریح، در فرهنگ شرکت بهجایگاه مهمترین و قابل احترامترین ارزش شرکت ترفیع یابد.
فرهنگ دادهمحوری واقعی چیست؟
دو نوع شرکت دادهمحور وجود دارد: شرکتهایی که ادعا میکنند دادهمحورند و شرکتهایی که واقعاً دادهمحورند. در شرکتهای دادهمحور تقلبی این موارد دیده میشود:
- تصمیمها از بالابهپایین گرفته میشود
- از دادهها برای توجیه تصمیمها استفاده میشود و نه برای ردکردن یا بیاعتبار کردن تصورات از پیش موجود.
- هیچگاه اعتبار دادهها زیر سؤال نمیرود و در همهٔ موارد دادهها از پیش معتبر در نظر گرفته میشود.
- از داشبورد، گزارشها و نمودارها برای نمایش موفقیت و قصهپردازی استفاده میشود و نه برای تصمیمگیری و بهبود بخشیدن به آن.
من یکبار از آندرو اندرسون، متخصص علوم داده، پرسیدم تفاوت شرکت دادهمحور واقعی با شرکت دادهمحور تقلبی چیست و او بهخوبی توضیح داد که منظور بیشتر شرکتها از دادهمحور بودن چیست:
«بیشتر شرکتها وقتی میگویند ما دادهمحور هستیم منظورشان این است که ازهوش تجاری استفاده میکنند و به دادهها چنگ میزنند که تا کارهایی را که میخواهند انجام دهند، توجیه کنند. در اغلب موارد همان افرادی که مسئول تصمیمگیری هستند، پس از تصمیمگیری هر مقدار داده که بتوانند جمعوجور میکنند تا نشان دهند که چه تصمیمهای خوبی گرفتهاند. به بیان دیگر از داده بهعنوان سپر محافظتی استفاده میکنند تا فعالیتهای خودشان را توجیه کنند و ارزش خودشان را به رخ بکشند.»
خوب پس شرکتی که دارای فرهنگ دادهمحور باشد چگونه شرکتی است؟ از نظر من برای اینکه شرکتی واقعاً دادهمحور باشد، باید این هفت رکن اساسی را با هم داشته باشد:
- اطمینان از دقیقبودن، دسترسپذیر بودن و موثق بودن دادهها
- سرمایهگذاری بر روی سواد دادهای (Data Literacy) همهٔ کارکنان
- تعریف سنجههای اصلی موفقیت
- از بین بردن اثر تئاتر موفقیت
- کنار آمدن با عدم قطعیتها (با گفتن «نمی دانم»)
- سرمایهگذاری برای تجهیز
- اختیار دادن و اجازهٔ تجربه دادن
آندرو در پاسخ پرسش من چیزهای دیگری هم گفت:
«فرهنگ واقعی دادهمحور، فرهنگی است که در آن داده بهعنوان معیار سنجش تمام اقدامات ممکن استفاده میشود. در شرکت دادهمحور واقعی گروهها بر اساس تعداد گزینههایی که میتوانند اجرا کنند، نحوهٔ استفاده از منابع و میزان تغییراتی که می توانند در شاخصهای کلیدی عملکرد از پیش تعیین شده ایجاد کنند، هدایت میشوند. فرهنگ دادهمحور ابزاری است برای فائق آمدن بر مشکلات و میانبری است برای رسیدن به «بهترین عملکرد». عملکرد افراد، در این شرکتها، بر اساس تعداد مسائلی که از آن گذر میکنند سنجیده میشود، یعنی با میزان موفقیتهایی که به دست میآورند.»
حالا وقت آن است که نگاهی کوتاه بیندازیم به این هفت رکن اساسی شرکتهای دادهمحور.
1- اطمینان از دقیق بودن، دسترسپذیر بودن و موثق بودن دادهها
مانند همهٔ زندگی، موارد اساسی از همه مهمتر هستند. اگر نتوانید به کیفیت دادههای خود اطمینان کنید، دادهها مفت هم نمیارزند. این عدم اطمینان به دو شکل بر کسبوکار شما تأثیر میگذارد: مستقیم و غیرمستقیم.
- مستقیم: اگر دادههای شما دقیق نباشند، مدیریت دادهمحور شما بیشتر دست و پاگیر خواهد بود (و بدتر از آن اینکه شما به خاطر استفاده از دادههای نادرست با اطمینان بسیار زیاد در مسیر اشتباه خود گام خواهید زد. در اینصورت وضعتان بدتر خواهد شد، زیرا حداقل وقتی از داده استفاده نمیکنید و از ایدههای دیگران کمک میگیرید، شکستهنفسی مانع اشتباه بسیار زیاد شما خواهد شد.)
- غیرمستقیم: دادههای نادقیق اعتماد فرهنگی به مدیریت دادهمحور را از بین میبرد و با گذشت زمان سازمان شما به یک سازمان نظر محور دارای ساختار سلسله مراتبی باز خواهد گشت.
دادهٔ دقیق اولین لایهٔ یک فرهنگ دادهمحور خوب است. در قدم بعدی باید دادههای شما کامل باشد. اگر بهعنوان مثال، فقط میتوانید رفتار یک زیرمجموعه از کاربران خود را ردیابی کنید، تصمیمهای شما، چون بر اساس خطای نمونهگیری بنا شده، چهبسا به سمت و سوهای نادرستی سوق یابد.
و در آخر دسترسی به داده: شرکتهای دادهمحور دادههای دسترسپذیر دارند. در حال حاضر مرکزی برای مدیریت یا حاکمیت داده در همهٔ زمینهها وجود دارد که به دنبال ترسیم کردن مسئولیتها در زمینهٔ زیرساختهای دادهای است. شاید هرکسی این توانایی را نداشته باشد که خط جدیدی به یک پایگاه داده اضافه کند، ولی به نظر من همگان باید بتوانند از آن سر در بیاورند. فراتر از اینها، دسترسی به دادهها باید تا حد ممکن، برای همگان روشن و ساده باشد. شرکتهای بزرگ، مخصوصاً باید به فهرستنویسی داده، منابع زیرساختی مناسب و سواد دادهای بپردازند.
2- سرمایهگذاری بر روی سواد دادهای همهٔ کارکنان
- مدیر مالی از مدیرعامل پرسید: «اگر ما برای رشد کارکنانمان سرمایهگذاری کنیم و آنها از شرکت ما بروند چه؟»
- مدیرعامل پاسخ داد: «اگر سرمایهگذاری نکنیم و آنها بمانند چه؟»
هرچند استخدام متخصصان کاملاً آموزش دیده ممکن است به سود مدیریت دادهمحور باشد، اما در واقعیت این است که همهٔ افرادی که از داده استفاده می کنند باید از نحوهٔ استفاده از داده سردربیاورند.
بیشتر استفادههای نابجا از داده نه از روی بدخواهی که به دلیل ناآگاهی است. بدون آموزش مناسب و تعلیم سواد دادهای، نمیتوان کارکنان را در چیزی مقصر دانست و تنها مجاز هستید سازمان خود را به دلیل توزیع ناهمگن مهارتهای دادهای در سازمان مقصر بدانید.
برای نمونه، استفان توماک (استاد مدرسهٔ اقتصادی هاروارد) در مقالهٔ خود با عنوان «برساختن فرهنگ آزمون و خطا» که در «هاروارد بیزینس ریویو» منتشر شده، شرح میدهد که چگونه شرکت بوکینگ.کام (Booking.com) همهٔ کارکنان خود را آموزش داده است و به آنها برای انجام تجربههای جدید اختیار داده و در فرایند استخدام و معارفهٔ افراد جدید آموزشهای سختی برای آموزش آزمون و خطا تدوین کرده است (همچنین برای همهٔ این افراد امکان دسترسی به تمام ابزارهای آزمایشی فراهم است.)
استفان توماک در همان مقاله به IBM هم میپردازد و از آری شاینکین (معاون اجرایی مدیرعامل IBM) یاد میکند که مسئولیت تحلیلهای بازار IBM با او بوده است و در زمان مدیریت خود توانسته بود ۹۷ آزمون سال ۲۰۱۵ را به ۲۸۲۲ آزمون در سال ۲۰۱۸ تبدیل کند.
پرسش این است که آزمایش چگونه میتواند باعث ایجاد تغییر شود؟ در این مورد آخر غیر از ابزار خوب، آموزش و پشتیبانی بسیاری نیز وجود داشته است:
«آری شاینکین ابزارهای سادهای فراهم کرد، مرکزی برای ارتقاء و پشتیبانی ایجاد کرد، چارچوبی برای هدایت آزمایشهای منظم فراهم کرد، آموزش را در سطح شرکت همگانی کرد، برای همهٔ گروههای تجاری آزمونهای آنلاین را رایگان کرد. همچنین در ابتدا «آزمایشهای سریع» را هدایت کرد که در خلال آن هر بخش بازاریابی مجبور بودند در ۳۰ روز ۳۰ آزمایش آنلاین انجام دهند. سپس در هر فصل جایزهای در نظر گرفت که به نوآورانهترین یا مقیاسپذیرترین آزمایشها تعلق میگرفت.»
شرکتهای دادهمحور روی آموزش کارکنان خود سرمایهگذاری میکنند. من شخصاً از فیسبوک اطلاع دارم که دستکم در برههٔ خاصی برای رشد کارکنان و آشناسازی کارمندان جدید دورههای فشردهٔ آموزشی در زمینهٔ تحلیل داده ترتیب میداد. یک نمونهٔ خوب دیگر شرکت Airbnb است که دانشکدهای برای آموزش فنون مربوط به دادهمحوری به کارکنانش تأسیس کرد.
![سرمایهگذاری بر روی سواد دادهای همهٔ کارکنان](https://www.sahab.ir/wp-content/uploads/2021/05/data-driven-company-culture-01.jpg)
3- تعریف سنجههای اصلی موفقیت
حتی اگر تمام دادههایی که برایتان مهم است را نیز داشته باشید و بدانید که چطور باید از آن دادهها استفاده کنید، اما نتایج دلخواه خود را مشخص نکرده باشید باز هم نمیتوانید از دادهها بهخوبی استفاده کنید، زیرا از دادههای مشابه میتوان نتیجههای متفاوتی گرفت. برای مثال مشخص نبودن هدف دلخواه میتواند در نتیجهٔ آزمون A/B (آزمونی برای مقایسهٔ دو حالت متفاوت از یک چیز) تأثیرگذار باشد. فرض کنید میخواهید آزمونی طراحی کنید که در آن برای رسیدن به صفحهٔ هدف باید از سه صفحه گذر کرد: از صفحهٔ قیمت به صفحهٔ ثبتنام و سپس صفحهٔ تشکر. شما میخواهید ببینید تغییر یک متغیر در صفحهٔ قیمت چقدر بر رسیدن افراد از صفحهٔ ثبتنام به صفحهٔ تشکر تأثیر دارد (چند نفر فرایند را تا آخر انجام میدهند.) چون تصویر کاملی از دادهها نیاز دارید، غیر از «تبدیل» (conversions) (تعداد کاربرانی که به صفحهٔ تشکر رسیدهاند) باید از سنجههای متعددی گزارش تهیه کنید. از جمله مواردی که باید تحتنظر داشته باشید این امور هستند: نرخ پرش (bounce rate)، نرخ کلیک از صفحهٔ قیمت، مدتزمان صرف شده در هر بخش و نرخ تعامل و درگیری (engagement rate) در صفحهٔ ثبتنام.
اگر این آزمون نرخ «تبدیل» را ارتقاء ندهد، اما نرخ کلیک را بالا ببرد، چه اقداماتی انجام میدهید؟ یا اگر این آزمون تعداد افرادی که به صفحهٔ تشکر میرسند را بالا ببرد، اما نرخ پرش را نیز بالا ببرد، چه اقداماتی لازم است انجام شود؟ آیا این نتایج نشاندهندهٔ این است که کاربران آشفتگی زیادی در صفحه مشاهده میکنند؟ این گلآلود شدن فضای آزمون است که تعیین «معیارهای عمومی ارزیابی» را پیش از طراحی آزمون، ضروری میکند. بهعبارتدیگر، باید پاسخی برای این پرسش داشت که چه معیاری در نهایت سرنوشت آزمون را مشخص میکند؟
در زمینههای متفاوت، چهبسا انگیزههای گروههای مختلف متفاوت باشد، گاهی وقتها بهصورت مقطعی انگیزههای گروههای متفاوت با هم تلاقی میکنند (مانند اینکه افزایش ترافیک یا افزایش CTR سبب پایین آمدن نرخ تبدیل میشود) و گاهی نیز اهداف گروههای مختلف کاملاً با یکدیگر متفاوت است. هنگامیکه اهداف متفاوت است بهجای پیشرفت در مسیر مناسب باید وقت و انرژی خود را هدر بدهید تا بفهمید که در واقع باید در کدام مسیر گام بردارید. کاری که قصد انجام آن را دارید، باید سنجههای موفقیت اصلی شما را تعریف کند و سپس باید تمام بردارها را بهگونهای تنظیم کنید که تمام افراد به سمت هدف شما گام بردارند و نشانگرهای شما بهگونهای تنظیم شده باشد که میزان حرکت هر بخش به سمت موفقیت را بهوضوح اندازهگیری بکند.
![تعریف سنجههای اصلی موفقیت](https://www.sahab.ir/wp-content/uploads/2021/05/data-driven-company-culture-02.jpg)
4- ازبینبردن اثر تئاتر موفقیت
فرهنگی که هیچچیز برای آن ارزش جشن گرفتن نداشته باشد، بیروح خواهد بود؛ اما فرهنگی هم که فقط موفقیت برایش مهم است و تنها آن را تشویق میکند نیز فرهنگی دسیسهپرور و آلوده خواهد بود.
تئاتر موفقیت مانند یک سیستم عامل کار میکند و عصارهٔ آن این جمله است که خطاب به کارکنان گفته میشود: «انتظار ما از شما این است که برنده باشید. فقط حق دارید دربارهٔ موفقیتها حرف بزنید، شکستها ارزش حرف زدن و وقتگذاشتن ندارند.»
چه رخ میدهد اگر کارکنان انگیزه نداشته باشند که اخبار و نتایج ناخوشایند را با شرکت در میان بگذارند؟ سیلابی از اتفاقهای بد سرازیر خواهد شد.
- از ترس شکست، خلاقیت و نوآوری محدود خواهد شد.
- هر فرد برای حفظ وجههٔ خود بر مشکلات مناقشهبرانگیز و مخرب سرپوش خواهد گذاشت.
- امکان گلچین کردن افراد از بین میرود و عدم صداقت فکری سبب میشود اعتماد فرهنگی به دادهها و افراد از میان برود.
- برای رسیدن به سقف تعیین شده با مالهکشی تصمیمهای ماندگار اشتباه (یا تصمیمهای غیراخلاقی) گرفته میشود.
و بازهم تأکید میکنم که از جشن گرفتن نترسید، اما اگر عددها نشان دادند که به اهدافتان نرسیدهاید، کسی را که این خبر را برای شما آورده است، مجازات نکنید. بهعلاوه هرگز به کسی نگویید که باید در ۱۰۰ درصد مواقع بدون اشتباه باشد. همهٔ آموختهها و همهٔ لحظههای طوفانیای که به گفتن «یافتم» ختم میشود، حاصل شوک، تعجب، ناامیدی و مخصوصاً برآمده از «اشتباه» است. اشتباهاتتان را بپذیرید. بهترین شرکتهای دادهمحور هم انتظار ندارند که همیشه برنده باشند. موفقیت در آغوش شکست پرورده میشود.
5- کنار آمدن با عدم قطعیتها
نقطهٔ مقابل فرهنگ دادهمحور، فرهنگ شرکتهایی است که در آن فقط غولهای شرکت تصمیم نهایی را میگیرند (یا از آن بدتر شرکتهایی که کمیتهها در آن تصمیم گیرند.) استفان توماک در مقالهٔ خود با عنوان «برساختن فرهنگ آزمون و خطا» به ایدهٔ رادیکال Booking.com اشاره میکند: طراحی دوبارهٔ کل صفحهٔ اصلی. این جمله خلاصهٔ همهٔ چیزهایی است که میخواهم بگویم (تأکیدها از من است):
«جیلیان تانز، مدیرعامل وقت Booking.com ، در این مورد تردید داشت. او نگران بود که این تغییر باعث سردرگمی مشتریان همیشگی این شرکت شود. اما لوکاس ورمیر، مسئول بخش تجربهٔ شرکت سر یک بطری نوشیدنی شرط بست که این کار «میترکاند» – یعنی عملکردهای مشکلدار شرکت را تصحیح میکند: ضریب تبدیل مشتریان را زیاد میکند و سبب میشود مشتریان بیشتری از سایت به مرحلهٔ رزرو برسند. پرسش این است: با اینهمه بدبینی چرا مدیران شرکت این تصمیم را وتو نکردند؟ زیرا با وتو کردن این تصمیم یکی از اصول booking.com نقض میشد: در این شرکت همه حق دارند هر چیزی را آزمایش کنند، حتی بدون تأیید مدیران.»
بعضی شرکتها میخواهند از قبل به کارکنانشان توضیح بدهند که چه کاری مفید است و چه کاری نه. اگر شواهد موفقیت یک آزمایش بهاندازهٔ کافی قوی نباشد، هرگز حاضر نیستند هیچ آزمایشی را به مرحلهٔ اجرا برسانند. به همین ترتیب، باید قبل از ترتیب دادن آزمایش بدانید که آزمایشتان به کدام بخش مربوط است و محتوای تولید شده باید به چه صورت ارائه شود.
در این صورت چون شما از مرحلهٔ «اکتشاف» مسئله شروع نکردهاید، کار شما عایدی بسیار زیادی برای شرکت خواهد داشت. در یک شرکت دادهمحور مرحلهٔ کشف مسئله یکی از مراحل اصلی طراحی آزمون است. اما حالا که در پی «مدیریت دادهمحور بر اساس شواهد» هستید نباید فراموش کنید که در اغلب موارد دادههای تاریخی برای تأیید یا رد یک مسئله در دسترس نیست یا حتی وقتی هم که دادههای تاریخی را در دست داشته باشید، معلوم نیست که مسئلهٔ پیش روی شما قابل تفویض به دادههای قبلی باشد.
خیلی وقتها هم، ما از مرحلهٔ کشف میترسیم، زیرا ممکن است نتیجهٔ آزمایشهای ما قرین به پیروزی نباشد. اما همان گونه که اندرو اندرسن دربارهٔ شخصیسازی نوشته است باید بهخاطر داشت: «موقعیتهای برندهای را که هرگز فکرش را نکردهاید، در آغوش بگیرید. در اشتباه بودن اغلب عایدی بسیار زیادی خواهد داشت.»
یک نقلقول دیگر هم از هاروارد بیزینس هست که من علاقهٔ زیادی به آن دارم:
«همه در یک سازمان، از رهبری سازمان گرفته تا پایینترین ردهها، باید ارزش امور متعجب کننده را بدانند، هرچند نمیتوان دربارهٔ هر مورد گفت که چند اسکناس یک دلاری ارزش دارد و اغلب حتی نمیتوان پیشبینی کرد که این امور چه زمانی و چگونه رخ میدهند. اگر همهٔ بنگاهها این طرز فکر را داشته باشند، آنوقت کنجکاوی دست بالا را خواهد داشت و دیگر شکستها بهعنوان اشتباههای پرهزینه شناخته نمیشوند، بلکه در عوض تلقی ما از شکست این خواهد بود که آنها فرصتهایی برای یادگیری هستند.»
قطعهای که نقل کردم بخشی از مقالهٔ دیوید ویسمن (David Vismans) مدیر محصول (CPO) شرکت Booking.com است که در همین مقاله هشدار میدهد که اگر برای خطا ارزشی قائل نیستید، بعید است بتوانید فرهنگ دادهمحور را حفظ کنید:
«شما باید هر روز خودتان را در معرض دو پرسش بزرگ قرار دهید: چقدر تمایل دارید که با اشتباهاتتان روبرو شوید؟ چقدر حاضرید به افرادی که برای شما کار میکنند استقلال بدهید؟ اگر پاسخ شما این باشد که دلتان نمیخواهد که اشتباهاتتان نمایان شود و دلتان نمیخواهد که کارکنان شرکت دربارهٔ محصول شما تصمیم بگیرند، شما دادهمحور نخواهید شد و نمیتوانید به طور کامل از مزایای تجربهکردن استفاده کنید.»
توانایی گفتن «نمیدانم» و پذیرفتن اشتباه از خصوصیتهای رهبران و مدیران برجسته است.
6- سرمایهگذاری برای تجهیز
بدون منابع انسانی و بدون آموزش و دانش استفاده از ابزار، ابزارها به هیچ کاری نمیآیند. اما هر کسبوکاری به ابزار احتیاج دارد.
برای مثال بدون داشتن پلتفرمی برای آزمون، چند آزمون واقعی میتوان در سال طراحی و اجرا کرد؟ حتی اگر نیروی لازم برای بررسی کدهای نوشته شده را داشته باشید و در صورت لزوم بتوانید از آن استفاده کنید باز هم در صورت نداشتن پلتفرم آزمون، آزمایشهای مربوط به بازاریابی را از دست خواهید داد.
وجود زیرساختهای مناسب برای یکپارچگی دادهها، دسترسپذیر بودن آنها و تصمیم گیری داده محور بسیار مهم است. مقالهٔ مجلهٔ اقتصادی هاروارد میگوید هر کارمند Booking.com میتواند روزانه، بدون تأیید مدیران، بر روی میلیونها نفر از مشتریان این شرکت آزمونهای ویژهای ترتیب دهد. آنها میگویند حدوداً ۷۵ درصد کارکنان بخش تکنولوژی و محصول میتوانند از آزمایشهای لازم استفاده کنند.
آنها چگونه به این اعداد رسیدهاند؟ با استفاده از ابزارهایی که استفاده از آن برای همه آسان و در دسترس است:
«ترتیب دادن آزمایش دربارهٔ هر ایدهای به این زیرساختها نیاز دارد: ابزار آزمایش، خطوط داده و متخصصان داده. شرکتهای و خدمات زیادی وجود دارد که کارشان آسان کردن انجام آزمایش در شرکتهای دیگر است، اما این کار مدیران ارشد هر شرکت است که ظرفیت ترتیب دادن آزمایش را در فرایندهای مختلف شرکت ادغام کنند … چارچوبهای از پیش طراحی شده کمک میکنند که با کمترین تلاش آزمونهای مختلف طراحی شوند، ابزارهایی برای بررسی جذب مخاطب، تصادفیسازی، ثبت رفتار بازدیدکنندگان سایت و گزارشدهی خودکار.»
گذشته از ابزارهایی که برای تحلیل هر آزمون موردنیاز است، آنچه در یک شرکت دادهمحور قابلستایش است تعهد نسبت به گشودگی در قبال آزمایشهاست و اشتراکگذاری دانش. برای این منظور باید مخزنی قابل جستوجو (built a searchable repository) برای گزارش آزمایشهای گذشته و موفقیتها، شکستها، تکرارها تصمیمهای نهایی تدارک دیده شود.
7- دادن اختیار و اجازه تجربه
نهایت اینکه تحلیل دادهها ابزاری تحقیقاتی است برای کاهش عدم قطعیتها و تصمیمگیری بهتر. با استفاده از تحلیل دادهها دستاوردهای آینده هر روز بهتر میشود و بهترین روش برای رسیدن به این امر ترتیب دادن آزمایشهای متنوع است. با استفاده از این روش نهتنها نقاط ضعف جبران میشود و خطرهای پیش رو کاهش پیدا میکند، درعینحال این روش منجر به افزایش خلاقیت و درنتیجه نوآوری میشود. اگر بتوان ایدههای اشتباه را با هزینهٔ خیلی کم یا بدون هزینه آزمایش کرد، از نگاه تئوریک ایدههای بهتر و درستتر در نهایت مورد آزمایش قرار خواهد گرفت. اگر این کار عملی باشد که آنچه مورد آزمایش قرار میگیرد، از جلسات بحث مزخرف و جنجالی جدا شود و فرایند خریدهای یکماههٔ شرکت روی چیزی که تصمیم دارید آزمایش کنید تأثیر نگذارد، خیلی سریعتر به مقصد میرسید.
این باعث میشود شرکت شما هم کارآمدتر باشد و هم مؤثرتر. در حقیقت اینگونه کمتر در معرض امور بد قرار میگیرید و ایدههای بهتر برای شما باقی میماند، از ضرر ایدههای بد جلوگیری میکنید و از ایدههای خوب بیشتر سود میبرید.
نتیجهگیری
شرکتهای دادهمحور از نظر بلوغ فرهنگی قابل درجهبندی هستند، اما موارد اصلیای وجود دارد که در هر شرکت دادهمحور باید به چشم بخورد: اگر به دادههای قابلاطمینان دسترسی نداشته باشید، نمیتوانید تصمیمهای دادهمحور صحیح بگیرید. اگر مدیران با سابقهٔ شرکت دادهها را نادیده بگیرند، ارزش دادهها برای شرکت شما چیست؟ البته میتوان از دادهها برای تأیید تصمیمهای غولهای شرکت استفاده شود.
بهتر است کلامم را با اشاره به تعریف اندرو اندرسون از شرکتهای دادهمحور به پایان برسانم:
«در یک سازمان دادهمحور واقعی کل گروه متمرکز است بر میزان تغییری که قرار است در سازمان ایجاد شود. ابتدا راههای متفاوتی که قرار است از طریق آنها به تغییر دلخواه رسید، بررسی میشود، سپس منابع مختلف شرکت بر اساس بیشترین تأثیری که میتوانند در راستای تغییر موردنظر داشته باشند، با هم تراز میشوند. سپس روشهای مختلف سنجیده میشوند و بهترین راه انتخاب میگردد. سپس پس از هر فعالیت دوباره منابع بررسی میشود و دوباره بر تمام فعالیتها تمرکز میشود. نکتهٔ مهم این است که کسی که یک فعالیت را انتخاب میکند، همان کسی نیست که آن فعالیت را ارزشیابی میکند. هرکسی میتواند ایدهای داشته باشد و آن ایدهای برنده میشود که بهترین عملکرد را داشته باشد، نه آن ایدهای که بیشترین پشتیبان را دارد.»
منبع | Alexbirkett |
دیدگاه شما