چگونه علم داده می‌تواند داده‌های انبوه را به بینش‌های قابل اقدام تبدیل کند؟
امروزه، بر کسی پوشیده نیست که کسبوکارهای نوین بر مبنای دادهها استوار هستند. کسبوکارهای مختلف در دنیا دادهها را در جهت تصمیم‌گیری درست به کار می‌گیرند و فعالیتهای خود را در مسیری رشد می‌دهند که دادهها به آنها نشان می دهند. طبق گزارش مؤسسۀ گارتنر تا سال 2022 در حدود 90 درصد راهبردهای شرکت‌ها به صورت مستقیم اطلاعات را دارایی حیاتی سازمان و تجزیه و تحلیل را یک قابلیت ضروری خواهند دانست. اطلاعات در کسبوکار حکم قدرت را دارد و داده حکم سوختی را دارد که قدرت را ایجاد می کند. طبق تخمین‌ها تا سال 2020 حجم دادهها در دنیا به 44 تریلیون گیگا بایت می‌رسد. داده در حکم نفت یا ارز جدید است و سازمان‌های جدید با مجهز شدن به آن شیوۀ عملیات در کسبوکارهای سنتی را متحول می‌سازند. البته اینگونه نیست که تمام سازمان‌ها از تبدیل داده به ارزش به یک اندازه بهره‌مند شوند، اما توانایی آنها در انجام چنین کاری بر قدرت رقابت آنها اثرگذار است. توانایی در کنترل قدرت دادهها از طریق علم داده بسیار ارزشمند است. به گفته بروس دیلی، تحلیلگر در شرکت اطلاعاتی بازار تراکتیکا [1]و نویسنده «جاییکه اطلاعات حکم قدرت را دارد، داده ثروت است. داده به خودی خود اهمیت ندارد بلکه کاری که با داده انجام می‌دهیم از اهمیت برخوردار است.». سازمان‌های پیشگام در تفکر متفاوت درباره دادهها، مانند گوگل، فیس‌بوک، اوبر و ... سازمان‌هایی هستند که اقتصاد را تغییر می‌دهند. با این حال، اغلب کسبوکارها از این نوع طرز تفکر که داده ممکن است تنها دلیل حضورشان باشد، بسیار عقب هستند. امروزه شرکت‌ها بر سر توانایی‌شان در یافتن فرصت‌های جدید و کشف قابلیت‌های جدید با یکدیگر رقابت می‌کنند. اتخاذ رویکردی تحلیلی برمبنای اعداد، واقعیت‌ها و آمار می‌تواند راه حلی معقول در اختیار قرار دهد راه حلی که در ابتدا وجود نداشته است.
علم داده روشها، فرآیندها، الگوریتمها و سیستم‌های تحلیلی را به کار می‌گیرد تا اطلاعات را از دادهها جمع‌آوری کند و آنها را به بینشی ارزشمند تبدیل نماید. به کارگیری این بینش‌ها برای تصمیم‌گیری‌های مهم یک اقدام راهبردی اساسی برای هر کسب و کاری است. امروزه، این حوزه در بسیاری از صنابع نفوذ کرده و برای آنها حکم سوخت را پیدا کرده است. این حوزه به گرایش جدیدی در سرتاسر جهان تبدیل شده است و صنایع مختلفی از قبیل بهداشت و درمان، بانک‌داری، تجارت الکترونیکی، تولید و ... را در بردارد. علم داده، کاربردهای زیادی را در ظرفیت خود گنجانده است. غول های کلان‌داده و داده‌های دیجیتال مثل آمازون، گوگل و فیس بوک از قابلیت‌های علم داده برای بینش‌های کسب و کار و تصمیمات سازمانی استفاده می‌کنند. به دلیل بینش‌هایی که علم داده ارائه می‌دهد کسب و کارهای بیشتری قدرت علم داده را به کار می‌گیرند تا تصمیماتی مبتنی بر شواهد بگیرند، آموزش به کارمندان را توسعه دهند و مشتریان خود را درک کنند. از این رو شناخت حوزه علم داده و کاربردهای آن برای کسبوکارهای نوپا و مدیران آنها یک ضرورت انکار‌ناپذیر است. همچنین مدیران باید بتوانند روشهای مختلف بکار گیری علم داده در کسب و کار و چگونگی ارزش آفرینی از این حوزه را فرابگیرند تا در کسب وکار و فرایندهای سازمانی خود بتوانند ایجاد ارزش نمایند. در این مقاله قصد داریم تا ابتدا اهمیت به کارگیری علم داده را بیان کرده و کاربردهای مختلف علم داده را در کسب وکار معرفی نماییم. سپس نحوه ارزش‌آفرینی و به کار گیری علم داده را در کسب وکار تشریح می‌کنیم.
اهمیت کاربردی علم داده
پرسش اساسی آن است که یک کسبوکار در چه مسائل و معضلاتی می‌تواند از علم داده استفاده کند و چگونه برای سازمان ایجاد ارزش می‌کند؟ به عبارت دیگر، برای بهبود وضعیت در کدام قسمت از سازمان‌ها می‌توان علم داده را به کار گرفت؟ علم داده از طرق مختلفی به کسبوکارها کمک می کند تا روشهای بهتری را در امور خود به کار گیرند و ایجاد ارزش نمایند :
1- تصمیم‌گیری بهتر با هوشمندی کسب وکار
هوشمندی کسبوکار یا هوش تجاری سنتی از طبیعتی تشریحی‌تر و ایستاتر برخوردار بود. با این حال، با افزودن علم داده این مقوله خود را به حوزه ای پویاتر تبدیل کرده است. علم داده باعث شد هوش تجاری محدوده وسیعی از عملیات کسب وکار را به کار گیرد. با افزایش چشمگیر حجم دادهها، کسبوکارها به دانشمندان داده نیاز پیدا می‌کنند تا دادهها را تحلیل کرده و بینش‌های معناداری از دادهها استخراج کنند. بینش‌های معنادار به مدیران کمک می‌کنند تا اطلاعات در حجم وسیع را تحلیل کرده و به راهبردهای لازم برای تصمیم‌گیری دست یابند. فرایند تصمیم‌گیری شامل سنجش و ارزیابی عوامل مختلفی می باشند که در تصمیم گیری دخیل هستند. تصمیم‌گیری یک فرایند 4 مرحله‌ای است:
1- درک بافت و ماهیت مسئله‌ای که درپی حل آن هستیم
2- کاوش و کمی‌سازی کیفیت دادهها
3- پیاده‌سازی الگوریتمها و ابزارهای صحیح برای یافتن راه حل مسئله
4- به کارگیری داستان‌‌گویی برای ترجمه بینش‌های خود به منظور درک بهتر راه حل
به این ترتیب کسبوکارها به علم داده نیاز دارند تا فرایند تصمیم‌گیری را تسهیل سازند.
2- تولید محصولات بهتر
شرکت‌ها و کسب و کارها باید بتوانند مشتریان را به محصولات خود جذب کنند. آنها باید محصولاتی تولید کنند که با نیازمندی‌های مشتری متناسب باشد و برای آنها رضایتی تضمین شده به همراه آورد. بنابراین، صنایع مختلف نیازمند داده هستند تا محصولات خود را به بهترین نحو ممکن توسعه دهند. چنین فرآیندی شامل تحلیل نظرات مشتریان برای یافتن مناسب‌ترین آنها برای محصول مدنظر است. علاوه بر این، هر کسب وکاری در یک صنعت، گرایشهای جاری در بازار را به کار می‌گیرد تا محصولی را بطور انبوه طراحی کند. روش های علم داده قادر به کند و کاو تاریخچه، مقایسه رقابت، تحلیل بازار هستند و می‌توانند توصیههای درخصوص اینکه چه زمانی و کجا بهترین موقعیت برای فروش محصول شما است، تولید کنند. این قابلیت‌ها به شرکت کمک می کند تا درک کند محصولات آن چگونه به دیگران کمک می‌کنند و در صورت لزوم فرآیندهای کسب و کاری موجود را زیر سؤال ببرد. تحلیل و تعمق مداوم با استفاده از علم داده درک عمیقی از عکس العمل بازار به محصولات و خدمات شرکت ایجاد می‌کند. کسب وکارها با نوآوری رشد می‌کنند و با رشد دادهها و استفاده صحیح از آنها، صنایع قادر به پیاده‌سازی نه تنها محصولات جدیدتر بلکه راهبردهای نوآورانۀ متنوع هستند.
3- مدیریت کارآمد کسبوکارها
امروزه کسب و کارها غنی از داده هستند. آنها حجم وسیعی از داده ها را دارند که امکان کسب بینش از طریق تحلیل دادهها را برایشان ممکن می سازد. زیرساخت‌های علم داده الگوهای پنهانی را که در دادهها وجود دارند آشکار می سازند و به تحلیل معنادار و پیش بینی‌رویدادها کمک می‌کنند. با کمک علم داده کسبوکارها می توانند مدیریت کارآمدتر داشته باشند. هم کسب و کارهای مقیاس کلان و هم استارت‌آپ‌های کوچک می‌توانند از مزایای علم داده برای رشد بیشتر بهره‌مند شوند.
دانشمندان داده به تحلیل سلامت کسبوکارها کمک می‌کنند. با علم داده، شرکت‌ها می‌توانند نرخ موفقیت راهبردهای خود را پیش‌بینی کنند. دانشمندان داده مسئولیت تبدیل داده خام به »داده پخته» را بر عهده دارند. این امر به تبیین عملکردهای شرکت و سلامت محصولات تولید شده کمک می‌کند. در واقع، علم داده معیارهای کلیدی را که برای تعیین عملکرد کسب و کار ضروری هستند، شناسایی می‌کند. بر همین مبنا، کسب‌و کارها اقدامات مهم را برای کمی‌سازی و ارزیابی عملکرد خود اتخاذ کرده و گام‌های مدیریتی مناسب را بر می‌دارند. قابلیت‌های علم داده همچنین به مدیران کمک می‌کند تا گزینه‌های بالقوه برای کسبوکار را تحلیل و تعیین نمایند.
به کارگیری علم داده به کسب و کارها کمک می کند تا از طریق پیگیری عملکرد، نرخ موفقیت، و سایر معبارهای حائز اهمیت به پرورش و توسعه رهبری بپردازند. صنایع به کمک تجزیه و تحلیل نیروی کار می‌توانند ارزیابی کنند که چه کاری برای کارمندان بهترین است. به عنوان مثال- علم داده را می توان برای نظارت بر عملکرد کارمندان به کار کرفت. با استفاده از این ویژگی مدیران قادرند سهم کارمندان در انجام کارها را تحلیل کنند و زمان ارتقای شغلی آنها را تعیین کرده، مزایای آنها را مدیریت نمایند.
4- تحلیل پیش‌بینی کننده[2]
به لحاظ تحلیل پیش‌بینی‌کننده عبارت است از تجزیه و تحلیل آماری داده که شامل الگوریتم‌های مختلف یادگیری ماشین برای پیش‌بینی متغیرهایی در آینده با استفاده از داده‌های تاریخچه‌ای می‌باشد. چندین ابزار تجزیه وتحلیل پیش‌بینی‌کننده وجود دارد مثل SAS، IBM SPSS، SAP HANA و غیره. تحلیل پیش‌بینی‌کننده مهمترین بخش کسب‌وکارهاست. تحلیل پیش‌بینی کننده در موارد مختلفی از کسب و کارها کاربرد دارند؛ مثل دسته‌بندی مشتریان، ارزیابی ریسک، پیش‌بینی فروش و تحلیل بازار. از طریق تحلیل پیش بینی کننده، کسبوکارها نسبت به دیگر کسب و کارها سبقت می‌گیرند، زیرا آنها قادرند رویدادهای آینده را پیش‌بینی کنند و اقدامات مناسبی در این باره اتخاذ نمایند. تحلیل پیش‌بینی کننده پیاده‌سازی خاص خود را دارد که برمبنای نوع صنعت متفاوت است. با این حال، صرف نظر از این موضوع، این نوع تحلیل نقش مشترکی در پیش‌بینی رویدادهای آینده دارد.
5- تزریق دادهها در تصمیم‌ها
در بخش قبلی دریافتیم که علم داده چگونه نقشی مهم در پیش‌بینی آینده ایفا می‌کند. این پیش‌بینی‌ها برای اینکه کسبوکارها مطالبی درخصوص پیامدهای آینده یاد بگیرند ضروری به شمار می روند. بر این اساس کسبوکارها تصمیماتی اتخاذ می‌کنند که از دادهها نشأت می‌گیرند. در گذشته بسیاری از کسبوکارها به دلیل نبود نظرسنجی‌ها یا اتکای مطلق بر «احساسات درونی» تصمیمات بی‌اساسی می‌گرفتند. این نوع تصمیم‌گیری به تصمیمات فاجعه باری منجر می‌شد که میلیون‌ها دلار ضرر در پی داشت. اما در حال حاضر با حضور حجم وسیعی از دادهها و ابزارهای لازم برای تحلیل دادهها اکنون صنایع داده‌ای می توانند تصمیمات اصلاح شده مبتنی بر داده اتخاذ نمایند. علاوه بر این، تصمیمات کسب‌وکاری را می‌توان به کمک ابزارهای قدرتمندی که نه تنها می توانند داده را پردازش کنند بلکه می توانند نتایج دقیقی ارائه دهند، اتخاذ کرد. روشها و ابزارهایی این چنین به سیستم‌های پشتیبان تصمیم[3] (DSS) معروف هستند. با استفاده از سیستم‌های تصمیم‌یار مدیران می توانند بیاموزند که کدام راه حل را برای بهترین نتیجه ممکن اتخاذ کنند. در نتیجه اقدامات منطقی و به‌روشها را برای بهبود عملکرد برای در کسب وکار به کار می‌گیرند. بعلاوه، با ثبت معیارهای عملکرد و تجزیه و تحلیل آنها در طول زمان، شرکت شما در تصمیم‌گیری بر اساس روندهای تکرار شونده هوشمندتر و کارآمدتر می شود.
6- ارزیابی تصمیم‌ها
پس از اینکه به کمک پیش‌بینی رویدادهای آینده تصمیم‌گیری انجام شد، شرکت‌ها باید به ارزیابی تصمیمات بپردازند. این امر از طریق چندین ابزار تست فرضیه امکان‌پذیر است. پس از پیاده‌سازی تصمیمات، کسبوکارها باید بدانند که این تصمیمات چگونه بر عملکرد و رشد آنها اثر می‌گذارند. اگر یک تصمیم به یک عامل منفی منجر شود، شرکت‌ها باید آن را تحلیل کنند و مسئله‌ای را که عملکرد آنها را دچار اخلال کرده است حذف نمایند. روال‌های متنوعی وجود دارند که از طریق آنها کسبوکارها می‌توانند تصمیمات خود را ارزیابی کنند و اقدام راهبردی مناسب را برنامه‌ریزی نمایند. این تصمیم‌ها پیرامون نیازمندی‌های مشتریان، اهداف شرکت و همچنین نیازهای مجریان پروژه هستند. علاوه بر این، برای سنجش رشد آینده از طریق دوره اقدامات فعلی، کسبوکارها می‌توانند با کمک علم داده به مزایای چشم‌گیری دست یابند.
7- خودکارسازی فرآیندها
علم داده نقشی اساسی در ورود خودکارسازی به چندین صنعت داشته است. این علم کارهای پیش پا افتاده و تکراری را حذف کرده است. یکی از این کارها در امور منابع انسانی عبارت از کنترل رزومه‌ها در فرایندهای استخدامی است. هر روز مسئولین استخدام در شرکت‌ها ناچار به بررسی تعداد فراوانی رزومه هستند. برخی از کسبوکارهای مهم هزاران رزومه را برای یک موقعیت شغلی دریافت می‌کنند. همچنین، به دلیل شبکه‌های اجتماعی، پایگاه داده‌های شرکتی و سایت‌های شغلی، شرکت‌ها می توانند از طریق این نقاط داده کار کنند و از روش های تحلیلی برای یافتن مناسب‌ترین نامزدها برای سازمان استفاده کنند. برای اینکه همه این رزومه‌ها به روشی معقول به کار آیند و نامزد مناسبی انتخاب شود می‌توان از ابزارها و روشهای علم داده استفاده کرد. فناوری‌های علم داده مثل شناسایی تصویر قادر هستند که اطلاعات بصری رزومه‌ها را به فرمت دیجیتالی تبدیل کنند. روش های پردازش زبان طبیعی می‌توانند اطلاعات متنی رزومه‌ها را به داده‌های ساخت‌یافته تبدیل نمایند. سپس دادهها با استفاده از الگوریتم‌های تحلیلی متنوعی مثل خوشه‌بندی و دسته‌بندی پردازش می‌شوند تا نامزدهای مناسب برای آن موقعیت شغلی استخراج گردند. علاوه بر این، مسئولان ارزیاب گرایش های مناسب را بررسی می کنند و کاندیدهای بالقوه را برای شغل مدنظر تحلیل می‌نمایند. با کار هوشمندانه‌تر و نه لزوماً سخت‌تر از طریق روشهای علم داده می توان اطمینان حاصل کرد که مناسب‌ترین فرد در هر موقعیت شغلی قرار خواهد گرفت.
[1]Tractica
[2] Predictive analytics
[3] Decision support Systems
برای مطالعه کامل این مقاله به سایت مرکز مطالعات و تحقیقات فناپ مراجعه کنید
