JLOG
JLOG
خواندن ۶ دقیقه·۱ سال پیش

ماراتن تجزیه و تحلیل داده - Data Analytics Marathon

خب چه عنوان جذابی!
میخوایم به این سوال کلیدی پاسخ بدیم که "چرا سازمان‌ها در کار با داده، باید روی خط پایان تمرکز کنند؟"


احتمالن با "دوِ ماراتن" آشنایی داشته باشید. بر اساس اطلاعات ویکی‌پدیا:

ماراتون یا ماراتن به یونانی (μαραθώνιο) یکی از انواع دوِ استقامت است که در مسافت ۴۲ کیلومتر و ۱۹۵ متر و معمولاً بر روی جاده برگزار می‌شود. نام این مسابقه برگرفته از نبرد ماراتون در یونان است. این مسابقه یکی از بخش‌های اصلیِ بازی‌های المپیک است که در تمام ادوار آن برگزار شده‌است.

مسابقه‌ای که برای موفقیت در اون، "آمادگی، تعهد و استقامت" نیازه.

میشه تجزیه و تحلیل داده رو به دوِ ماراتن تشبیه کرد که برای موفقیت در اون و رسیدن به خط پایان، شما باید آماده، متعهد و تا پایان، پایِ‌کار باشید.

خط پایان برای ماراتن تجزیه و تحلیل داده، متفاوت از مسابقات معمولیه. هیچ جمعیت تشویق کننده، هیچ نوار خط پایان و هیچ مدال فانتزی وجود نداره. "پاداش شما، Business Valueی است که از داده‌ها ایجاد میشه."
(به عنوان مثال، کاهش هزینه‌های مشتری، یک Business value است)

با مقایسه تجزیه و تحلیل داده با یک مسابقه ماراتن، منظور این نیست که یک فرآیند یکباره‌ست. درست مثل خیلی از دونده‌ها که هر ساله در چندین مسابقه شرکت می‌کنند، تجزیه و تحلیل شما با تغییر و تکامل اولویت‌های کسب‌وکار، چندین دفعه تکرار میشه.


برای ماراتن تجزیه و تحلیل داده، میشه یکسری نقاط عطف تعریف کرد:

جمع‌آوری داده‌ها - Data collection
شما انواع داده‌های خام در مورد عملیات کسب‌وکار رو از منابع مختلف جمع آوری می‌کنید. خیلی از این داده‌ها بدون توجه به اینکه شما اونها رو می‌خواین یا نه، به طور خودکار تولید میشه. برخی از داده‌های شما ممکنه نیاز به فکر و تلاش (استراتژی) داشته باشه تا به درستی جمع‌آوری بشه تا بتونید به سوالات مهم کسب‌وکار پاسخ بدین.

آماده‌سازی داده‌ها - Data preparation
قبل از اینکه بتونید از داده‌ها استفاده کنید، باید اونها رو برای مقاصد گزارش‌دهی و تجزیه و تحلیل؛ پاکسازی، ترکیب و قالب‌بندی کنید. بدون داده‌های دقیق و ثابت، به‌دست آوردن بینش‌های ارزشمند از اون چه جمع‌آوری شده، دشواره!

بصری‌سازی داده‌ها - Data visualization
برای نظارت بر عملکرد کسب‌وکار، داده‌ها باید در گزارش‌ها و داشبوردها نمایش داده بشن. با به اشتراک گذاشتن این اطلاعات خلاصه شده در تمام سازمان، تیم‌ها می‌تونند عملکرد جنبه‌های مختلف کسب‌وکار رو مشاهده کنند.

تجزیه و تحلیل داده‌ها - Data analysis
برای به دست آوردن بینش(Insight) عمیق‌تر در مورد کسب‌وکار، باید داده‌ها رو برای مسائل یا فرصت‌های بالقوه بررسی کنید. یک فرآیند تکرارشونده برای کشف بینش از داده‌ها، به سازمان کمک می‌کنه تا عملکرد خودش رو بهبود بده.

اشتراک‌گذاری بینش‌ها با دیگران - Insight communication
برای اطمینان از اینکه بینش‌های کشف شده از داده‌ها، منجر به تصمیم‌ها و اقدام‌های درست میشه، باید به طور موثر با دیگران ارتباط برقرار کنید. داستان‌سرایی داده با استفاده از روایت‌های جذاب و تصاویر واضح، برای توضیح بینش‌های کلیدی، ذهن مخاطب رو به روی احتمالات جدید باز می‌کنه.

خط پایان! - Take action
آخرین مرحله حیاتی اینه که تصمیم بگیرید کدوم بینش باید دنبال بشه و سپس تغییرات لازم رو اعمال کنید. در برخی موارد، ممکنه ابتدا یک آزمایش برای تایید نتایج، قبل از ایجاد تغییرات نهایی انجام بدین. صرف نظر از این، شما می‌خواین نتایج رو پس از هر تغییر ارزیابی کنید و از اونها یاد بگیرید.

نمودار ماراتن تجزیه و تحلیل داده
نمودار ماراتن تجزیه و تحلیل داده

اگه به نمودار دقت کنید، برای هر نقطه عطف، یک عدد وجود داره. اونها تخمین‌هایی هستند که چند درصد از سازمان‌ها به هر نقطه عطف، در ماراتن تجزیه و تحلیل داده‌ می‌رسند. میشه تخمین زد که تقریبن همه سازمان‌ها، در حال جمع‌آوری داده‌ها هستند و درصد بالایی از این سازمان‌ها، به طور منظم گزارش تهیه می‌کنند و داده‌های خودشون رو بصری‌سازی می‌کنند.
با این حال، در Last Mile مسابقه‌ (سازمان‌ها در Last Mile، تجزیه و تحلیل می‌کنند، بینش‌ها رو به اشتراک میزارن و سپس تغییراتی رو برای بهینه‌سازی کسب‌وکار اعمال می‌کنند)، روند کاهشی قابل توجهی وجود داره. اکثر سازمان‌ها با شروع ماراتن تجزیه و تحلیل داده‌ مشکلی ندارند، اما بسیاری از اونها، کل مسابقه رو کامل نمی‌کنند. در واقع، اونها بیشتر در نیمه راه انصراف میدن و یک مسابقه جدید رو شروع کنند تا اینکه یک ماراتن کامل رو تا پایان ادامه بِدن. در نتیجه اونها دائمن در حال دویدن هستند اما هرگز چیزی رو تموم نمی‌کنند.
در نتیجه، اغلب با مدیران ارشدی برخورد می‌کنیم که از ارزشی که از سرمایه‌گذاری‌های تحلیلی خود به دست آوردن، ابراز ناامیدی می‌کنند. در بیشتر موارد، نارضایتی اونها رو میشه به عدم تمرکز بر روی خط پایان! ردیابی کرد. اگه سازمان شما در تمام نقاط عطف ماراتن تجزیه و تحلیل داده‌ پیشرفت نکنه، در مجموع سودی کسب نکرده!


چگونه در Last Mile تجزیه و تحلیل داده‌ها موفق شویم؟

سازمان‌ها باید ماراتن تجزیه و تحلیل رو به پایان برسونن تا از سرمایه‌گذاری خود ارزش کاملی کسب کنند. اگه سازمان شما به شروع مجدد مسابقه ادامه بده و فقط بخش اول رو اجرا کنه، راه‌حل‌های تجزیه و تحلیل شما هرگز هزینه خودشون رو پرداخت نمی‌کنند! در حالی که Last Mile، تنها حدود 4 درصد از مسافت کل ماراتن است. برای اینکه کسب و کار خودتون رو دوباره متمرکز کنید و برای فتح Last Mile تجزیه و تحلیل آماده شوید، سه پیشنهاد ارایه میشه:

کارهای مرحله اولیه را خودکار کنید - Automate early-stage tasks
تبلیغات زیادی در مورد هوش مصنوعی و قابلیت‌های یادگیری ماشینی در تمام مراحل ماراتن تحلیل داده وجود داره. با این حال، زمینه‌هایی از این فناوری‌ها که میتونه به طور قابل توجهی برای سازمان‌ها مفید باشه، در مراحل اولیه فرآینده. امروزه، انبوهی از فن‌آوری‌های جدید وجود داره که میتونه وظایف سنتی و تکراری رو که در مراحل جمع‌آوری و آماده‌سازی داده‌ها هست، خودکار و ساده کنه. اگه بتونید به تیم تجزیه و تحلیل خود کمک کنید تا در انجام وظایف ابتدایی ماراتن، کارآمدتر باشه، می تونید زمان و انرژی بیشتری رو به فعالیت‌های Last Mile، (مثل کاوش داده‌ها و داستان سرایی داده‌ها) اختصاص بدین.

دامنه تجزیه و تحلیل رو محدود کنید - Narrow the scope
اغلب سازمان‌ها چشم‌اندازهای بزرگی از اون چه می‌خوان با تجزیه و تحلیل انجام بِدن، دارن. اونها طرح‌های داده‌ای بزرگی رو راه‌اندازی می‌کنند که در نهایت تحت فشار دامنه‌های جاه‌طلبانه خودشون قبل از اینکه بتونه ارزشی تولید کنه، از بین میره! به‌جای اینکه با تجزیه و تحلیل‌های جاه‌طلبانه(به جوش آوردن آب اقیانوس!) بالا و پایین بِرین، منطقی‌تره که از ابتدا تا پایان، با تمرکز هدفمندتری پیش بِرین. اینجوری احتمال بیشتری وجود داره که بینش و Business value رو سریع‌تر ایجاد کنه.

فرهنگ داده‌ای قوی‌تری پرورش دهید - Foster a stronger data culture
فرهنگ داده‌ای فعلی سازمان شما به طور چشم‌گیری بر دشواری هر ماراتن تحلیلی تاثیرگذاره. اگه سازمان شما فرهنگ داده‌ای ضعیفی داره، به نظر می‌رسه که دائمن در حال دویدن در سربالایی هستید! ایجاد یک فرهنگ داده‌ای قوی‌تر، همیشه باید از رهبری سازمان شما شروع بشه و تجزیه و تحلیل داده رو در اولویت قرار بده و موانع داخلی رو حذف کنه.

مقایسه فرهنگ داده‌ای
مقایسه فرهنگ داده‌ای


امیدوارم این مطلب براتون مفید بوده باشه :)

منبع

ماراتنتجزیه و تحلیلدادهdataanalytics
من جلال نوربخش‌ام. مطالبی که فکر می‌کنم کاربردیه، منتشر می‌کنم
شاید از این پست‌ها خوشتان بیاید