زمان مطالعه: 5 دقیقه

هفت نمونه موفق از مدیریت داده‌محور در برترین سازمان‌های جهان

هفت نمونه موفق از مدیریت داده‌محور در برترین سازمان‌های جهان

تصمیم‌ گیری داده‌ محور می‌تواند به کار هر سازمانی، با هر اندازه‌ای بیاید: از غول‌های چندملیتی گرفته تا کسب‌وکارهای خانوادگی. شرکت‌های بزرگ فناوری هم در مدیریت داده‌محور پیشرو بوده‌اند و هم آن را رشد و توسعه داده‌اند. این مؤسسه‌های تجاری با در اختیار داشتن ترکیبی منحصربه‌فرد از ذهنیت تحلیلی منحصربه‌فرد، مهارت‌های فنی و فرهنگی پذیرا، مستعد استفاده از مدیریت داده‌محورند.

فیس‌بوک

فیس‌بوک خیلی زود متوجه شد که دموکراتیک‌سازی دسترسی به داده‌، یعنی دسترس‌پذیر کردن گسترده‌ داده‌ها، شرکت را در برابر تغییرات بازار و توسعهٔ محصولات پاسخ‌گو و چالاک می‌کند. یکی از موارد مؤثر استفاده فیس‌بوک از این رویکرد در مدیریت، بررسی دلیل استفاده نکردن کاربران از گزینه‌ای بود که به آنها اجازه می‌داد از دوستی که عکس آنها را منتشر کرده بخواهند که عکس‌شان را از صفحه خود پاک کند. آنها چون مجبور بودند چندخطی درباره دلیل درخواستشان بنویسند این گزینه را رها می‌کردند. تحلیل‌گران فیس‌بوک دریافتند که اگر پیام خودکار از پیش نوشته‌ شده‌ای طراحی کنند، تعداد کاربرانی که این درخواست را تا انتها کامل می‌کنند از ۲۰ درصد به ۶۰ درصد افزایش پیدا خواهد کرد. این پایش داده‌ها به این تصمیم منجر شد که این پیام خودکار از پیش‌نوشته شده،‌ به بخشی رسمی از ابزار مورد نظر فیس‌بوک تبدیل شود.

نتفلیکس

یکی از نمونه‌های بسیار جذاب استفاده از مدیریت داده‌محور مربوط است به سرویس پخش وید‌ئوی نتفلیکس که از پیشگامان برنامه‌سازی مبتکرانه و دست ‌اول به شمار می‌آید. بنابر پژوهش سال ۲۰۱۸ مورگان استنلی، ۳۹ درصد مخاطبان آمریکایی، اظهار داشته‌اند که نتفلیکس بهترین برنامه‌ساز آمریکایی است؛ یعنی سه برابر محبو‌ب‌تر از HBO  که نزدیک‌ترین رقیب آنها بوده.

راز نتفلیکس چیست؟ این شرکت از تحلیل‌گرانِ داده استفاده می‌کند تا بتواند تصویری بسیار جزئی از سلیقه مخاطبان را در برنامه‌هایش ترسیم کند. سپس با درنظرگرفتن یک‌یک این جزئیات، برای تولید محتواهایی که تمام اولویت‌های مخاطب را در نظر داشته باشد، دست به سرمایه‌گذاری‌های بزرگی زده است. نتیجه‌اش هم که می‌دانید چه شد؟ سریال خانه پوشالی (House of Cards).

گوگل

پروژهٔ اکسیژن گوگل، پروژه مبتکرانه‌ای بود که در سال ۲۰۰۸ با کاوش در داده‌های مربوط به ارزیابی عملکرد مدیران، دستور‌العمل‌ها و دیگر منابع در پی پرورش مدیرانی بهتر، آغاز به کار کرد. در این پروژه بر اساس بیش از ۱۰۰ متغیر، تفاوت‌های بهترین مدیران و بدترینِ آنها بررسی شد. گوگل از نتایج این پژوهش برای طراحی دوره‌های آموزشی خود استفاده کرد و بر اساس آن هشت رفتار برجسته مدیران موفق خود را فهرست کرد. در صدر همه آنها توانایی راهبری مناسب نیروها بود. نتیجه این دوره‌ها بهتر شدن مدیریت و دستاوردهایی مانند ابقاء و حفظ کارکنان و رضایت آنها در کار بود. چند سال بعد گوگل این پژوهش را دوباره انجام داد و در سال ۲۰۱۸ فهرست رفتارهای مهم مدیران را به روز کرد و دو ویژگی به آن افزود.

شرکت هواپیمایی ساوت‌وست

کسب‌وکارهای سنتی‌تر نیز دریافتند که چگونه می‌توان بر نیروی تحلیل مهار زد و آن را به کار گرفت. برای نمونه هواپیمایی ساوت‌وست است که دریافت با استفاده از تحلیل داده می‌توان در مصرف سوخت جت صرفه‌جویی کرد. آنها همچنین پی بردند که با استفاده از تحلیل داده می‌توان دانست که کدام خروجی را برای رسیدن به هواپیما باید گشود تا مسافران کم‌تر و کم‌تر در انتظار بمانند.

وال‌مارت

گاهی نتایج مدیریت داده‌محور خیلی به چشم نمی‌آید ولی برگ برنده کسب‌وکار در بازار رقابتی است. برای نمونه شرکت وال‌مارت در سال ۲۰۰۴ از داده‌های خرید مشتریانی که در مناطق طوفان‌زده زندگی می‌کردند، استفاده کرد تا دریابد مردم هنگامی‌که برای رویارویی با طوفان آماده می‌شوند، چه چیزهایی را ذخیره می‌کنند. وال‌مارت می‌خواست تحلیل‌هایی در اختیار داشته باشد که بتواند پیش‌بینی کند که مردم پیش از طوفان چه چیزهایی می‌خرند تا بتواند فروشگاه‌های خود را به‌خوبی تجهیز کند. وال‌مارت متوجه شد که برای رویارویی با طوفان آینده، به جز موارد اصلی و مهم مانند چراغ‌قوه، تقاضا برای کالاهایی بالا می‌رود که خیلی هم قابل پیش‌بینی نیستند. برای مثال فروش یک مدل تارت توت‌فرنگی که نیازی به پخت‌وپز نداشت و درعین‌حال خوشمزه و مدت‌دار بود، هفت برابر شده بود. یا مثلا نوشیدنی‌های گازدار در صدر هفت کالای غیرضروری پرفروش جا خوش کرده بودند. از آن به بعد، هرجا که طوفانی در راه بود، تهیه‌کنندگان کالاهای وال‌مارت انبارهای این فروشگاه را از کالاهایی پر می‌کردند که با تحلیل داده پیش‌بینی می‌شد پرفروش باشند و البته که کسب‌وکارشان با این پیش‌بینی‌ها سکه بود.

آمازون

شرکت آمازون تحت مدیریت جف بزوس با چند اصل ساده مدیریتی اداره می‌شود. برای گرفتن هر تصمیمی، این غول بزرگ تجارت الکترونیک، ابتدا داده‌های مربوط به شاخص‌های کلیدی عملکرد (KPI) خود را زیر نظر می‌گیرد تا میزان عملکرد خود را بسنجد. آمازون همچنین دسترسی تمام پرسنل (نه فقط مدیران) در هر سطحی را، به داده‌های مربوط به نقش خود در شرکت، تسهیل کرده است. زمان تصمیم‌گیری که می‌رسد در فرهنگ آمازون، اولویت با داده‌ها و شواهد است و نه با سِمَت تصمیم‌گیر یا نفوذ افراد.

بزوس همچنین دریافت که استفاده از داده‌ها باید همراه با بصیرت باشد، در غیر این صورت، مدیریت داده‌محور به‌جای اینکه کمکی به تصمیم‌گیری و مدیریت بکند، آن را تضعیف خواهد کرد. برای بهبود مدیریت، تصمیم‌های شرکت آمازون به دودسته تقسیم شد: نوع اول، برگشت‌پذیر و نوع دوم، برگشت‌ناپذیر. برای رسیدن به هرکدام از این تصمیم‌ها، تنها آن به اندازه لازم از منابع مختلف داده و شواهد تهیه می‌شود. بزوس به این نتیجه رسید که دسترسی به تمام داده‌ها برای گرفتن تصمیم، بخصوص اگر تصمیم از نوع دوم باشد، بسیار گران تمام خواهد شد و البته هیچگاه تمام داده‌ها واقعاً گردآوری نخواهد شد. در عوض پیشنهاد بزوس این بود که با تأیید ۷۰ درصدی شواهد، می‌توان به تصمیم رسید، زیرا همواره می‌توان بعد از شروع، روال کار را تصحیح کرد. نظر بیزوس این است که حتی با مدیریت داده‌محور هم نمی‌توان به اجماع کامل رسید. از این روی، او استدلال می‌کند که مدیران باید اجازه دهند که افراد بر روی تصمیم‌های نوع دوم (برگشت‌ناپذیر) قمار کنند و از نتایج تصمیماتشان درس بگیرند.

شهر بوستون

شهر بوستونِ ایالت ماساچوست با روی باز از مدیریت داده‌محور استقبال کرده است. این شهر برنامه‌ای تدوین کرده است با عنوان City Score (امتیاز شهری). طرح اولیه شامل یک پیشخوان آنلاین است که کیفیت خدمات دولت محلی (شهرداری‌های مناطق) در ۲۴ زمینه اصلی، مانند پاسخ به تماس‌های اضطراری و جمع‌آوری زباله را نشان می‌دهد. حسگرهای خودکار در سطح شهر، بیشتر داده‌ها را جمع‌آوری می‌کنند و کارگران شهری پس از انجام وظایفشان، داده‌ها را در یک اپلیکیشن موبایلی تکمیل می‌کنند. این سیستم، سبب می‌شود که مشکلات خودبه‌خود آشکار شوند و منابع به مواردی تخصیص داده شود که بیشترین کارایی را برای شهروندان داشته باشد.

 منبع Smartsheet

 

دیدگاه شما

عادل

مطلب جالب بود ولی ترجمه روان نبود

    سحاب

    سلام
    ممنون از شما. تلاش می‌کنیم در مقالات بعدی این مشکل را رفع و همچنین این مقاله را بهینه کنیم.