ویرگول
ورودثبت نام
مَهدی عَبدی
مَهدی عَبدیپژوهشگر حوزه استراتژی و در مسیر یادگیری ...
مَهدی عَبدی
مَهدی عَبدی
خواندن ۷ دقیقه·۳ ماه پیش

داده‌محوری در مدیریت و کسب‌وکار به چه معناست؟

داده‌محوری در سالیان اخیر به یکی از واژه‌های کلیدی و بحث‌برانگیز در ادبیات مدیریت و کسب‌وکار تبدیل شده است. هر روز سازمان‌ها بیش از پیش بر اهمیت داده برای تصمیم‌گیری، نوآوری و رقابت تأکید می‌کنند. مدیران ارشد، مشاوران و حتی سیاست‌گذاران به این باور رسیده‌اند که آینده‌ی رقابت اقتصادی در گرو توانایی سازمان‌ها در استفاده از داده است. با این وجود، «داده‌محوری» به معنای صرف داشتن داده یا خرید ابزارهای تحلیلی نیست؛ بلکه دلالت بر یک پارادایم مدیریتی و فرهنگی دارد که منطق تصمیم‌گیری و اداره سازمان‌ها را دگرگون می‌کند.

داده‌محوری چیست؟

داده‌محوری در ساده‌ترین تعریف، به معنای تصمیم‌گیری و اقدام مبتنی بر داده و شواهد عینی است، نه بر اساس حدس، شهود یا سلسله‌مراتب قدرت در سازمان. در یک سازمان داده‌محور، داده‌ها از منابع مختلف گردآوری می‌شوند، کیفیت آن‌ها ارزیابی می‌شود و سپس از طریق روش‌های تحلیلی به بینشی تبدیل می‌شوند که راهنمای اقدامات و سیاست‌های سازمان قرار می‌گیرد.

این تعریف اگرچه ساده به نظر می‌رسد، اما لایه‌های عمیق‌تری دارد. داده‌محوری در اصل یک «جهت‌گیری استراتژیک» است که سه بعد اصلی دارد:

1. بعد فناورانه: دسترسی به زیرساخت‌های گردآوری، ذخیره‌سازی و تحلیل داده.

2. بعد انسانی: توانایی کارکنان و مدیران برای درک و استفاده از داده در فرایندهای تصمیم‌گیری و اجرا.

3. بعد فرهنگی و مدیریتی: ارزش‌گذاری به داده به‌عنوان یک دارایی استراتژیک و بخشی از هویت سازمان.

به همین دلیل، داده‌محوری را نمی‌توان صرفاً پروژه‌ای فناورانه دانست. بلکه باید آن را تغییر پارادایمی در نگرش به مدیریت سازمان و خلق ارزش تلقی کرد.

ویژگی‌های یک سازمان داده‌محور

سازمان داده‌محور صرفاً نهادی نیست که حجم عظیمی از داده در اختیار دارد. بلکه ویژگی‌های متمایزی دارد که آن را از سایر سازمان‌ها جدا می‌کند.

نخستین ویژگی این سازمان‌ها، نظام‌مند دیدن داده به‌عنوان یک دارایی استراتژیک است. در چنین سازمان‌هایی داده همانند سرمایه مالی یا سرمایه انسانی، نیازمند مدیریت، حفاظت و بهبود مستمر تلقی می‌شود. این نگاه موجب می‌شود سازوکارهایی همچون حاکمیت داده، چارچوب‌های امنیتی و استانداردهای کیفیت اطلاعات ایجاد شوند.

ویژگی دوم، تصمیم‌گیری مبتنی بر شواهد است. مدیران و کارکنان در سازمان‌های داده‌محور به جای اتکا به فرضیات و باورهای شخصی، تلاش می‌کنند تصمیمات خود را بر اساس تحلیل داده‌های واقعی اتخاذ کنند. به عنوان مثال، شرکت خرده‌فروشی آمازون نه بر اساس شهود مدیران بلکه بر اساس داده‌های رفتاری میلیون‌ها مشتری تصمیم می‌گیرد که چه محصولاتی را در اولویت قرار دهد یا چگونه سیستم پیشنهاددهی خود را بهبود بخشد.

ویژگی سوم، دموکراتیزه شدن داده در سازمان است. در این سازمان‌ها داده صرفاً در دست مدیران ارشد یا واحدهای فناوری اطلاعات متمرکز نیست، بلکه در سطوح مختلف سازمانی توزیع می‌شود. این رویکرد موجب افزایش شفافیت، پاسخ‌گویی و توانمندی کارکنان در تصمیم‌گیری روزمره می‌شود. نمونه موفق آن را می‌توان در شرکت نتفلیکس مشاهده کرد که با فراهم کردن دسترسی تیم‌های مختلف به داده‌های مصرف محتوا، توانسته است تجربه شخصی‌سازی‌شده‌ای برای کاربران در سطح جهانی خلق کند.

در نهایت، سازمان داده‌محور نگاه آینده‌نگر دارد. داده برای این سازمان‌ها تنها ابزاری برای توصیف گذشته نیست، بلکه برای پیش‌بینی روندهای آتی و شکل دادن به آینده نیز به‌کار می‌رود. بانک‌های بزرگ جهانی با تحلیل داده‌های تراکنش و الگوهای رفتاری مشتریان نه تنها ریسک اعتباری را کاهش داده‌اند، بلکه محصولات مالی جدیدی را نیز توسعه داده‌اند.

تمایز داده‌محوری با جمع‌آوری و مالکیت داده

بسیاری از شرکت‌ها حجم عظیمی از داده‌های مشتریان، فروش یا عملیات را ذخیره می‌کنند، اما این به معنای داده‌محور بودن آن‌ها نیست.

داده‌محوری تنها زمانی معنا دارد که سازمان توانایی تبدیل داده به بینش و بینش به عمل را داشته باشد.

به بیان دیگر، داشتن داده مانند داشتن نفت خام است؛ بدون پالایش و تبدیل به محصول قابل استفاده، ارزشی ایجاد نمی‌کند. سازمان‌هایی که صرفاً داده را جمع‌آوری می‌کنند اما فاقد زیرساخت تحلیلی یا فرهنگ استفاده از داده هستند، عملاً دچار «توهم داده‌محوری» می‌شوند. چنین وضعیتی را می‌توان در بسیاری از سازمان‌های سنتی مشاهده کرد که در سال‌های اخیر حجم زیادی داده دیجیتال تولید کرده‌اند اما هنوز تصمیمات و اقداماتشان بر پایه شهود مدیران گرفته می‌شود.

اهمیت داده‌محوری در کسب‌وکار

افزایش دقت در تصمیم‌ و اقدام

یکی از اصلی‌ترین مزایای داده‌محوری، افزایش دقت تصمیمات و اقدامات است. تصمیم‌گیری بر اساس شواهد واقعی احتمال خطا را کاهش می‌دهد. در شرکت‌های بزرگ بیمه، تحلیل داده‌های گسترده مشتریان و حوادث موجب شده است مدل‌های جدیدی از ارزیابی ریسک طراحی شود که بسیار دقیق‌تر از روش‌های سنتی عمل می‌کنند.

بهبود کارایی و بهره‌وری

داده‌محوری به سازمان‌ها کمک می‌کند ناکارآمدی‌ها را شناسایی و منابع را بهینه تخصیص دهند. کارخانه‌های مدرن که از اینترنت اشیا و تحلیل داده‌های لحظه‌ای استفاده می‌کنند، توانسته‌اند نرخ خرابی دستگاه‌ها را کاهش دهند و هزینه‌های نگهداری را به شکل چشمگیری کم کنند.

نوآوری در محصولات و خدمات

داده‌محوری بستری برای نوآوری است. شرکت اپل با تحلیل داده‌های مربوط به رفتار کاربران آیفون توانسته است محصولات و خدماتی طراحی کند که با نیازهای واقعی مصرف‌کنندگان منطبق است. داده‌ها در اینجا نه تنها ابزاری برای بهبود محصولات موجود، بلکه سرچشمه خلق محصولات جدید هستند.

ایجاد مزیت رقابتی پایدار

در بازارهای رقابتی و پرشتاب امروز، سازمان‌هایی موفق‌ترند که بتوانند سریع‌تر و هوشمندانه‌تر داده‌ها را به اقدام تبدیل کنند. شرکت‌هایی مانند گوگل یا اسپاتیفای به دلیل توانایی بالایشان در تحلیل داده‌های کاربران و پیش‌بینی رفتار آینده، مزیت‌هایی ایجاد کرده‌اند که رقبا به سختی می‌توانند آن‌ها را تکرار کنند.

داده‌محوری و فرهنگ سازمانی

یکی از چالش‌های اساسی در داده‌محور شدن، بعد فرهنگی است. فناوری‌های پیشرفته و ابزارهای تحلیلی بدون تغییر نگرش و ارزش‌های سازمانی تأثیر چندانی ندارند. بسیاری از پروژه‌های داده‌محور شکست می‌خورند زیرا کارکنان و مدیران به جای استقبال از داده، آن را تهدیدی برای جایگاه یا روش‌های سنتی خود می‌دانند.

فرهنگ سازمان داده‌محور باید پرسشگر و شفاف باشد. در چنین فرهنگی، تصمیم‌ها باید قابل توضیح بر اساس داده باشند و نه بر اساس اقتدار شخصی. همچنین باید فرهنگ یادگیری مستمر وجود داشته باشد، چرا که داده‌ها همواره تغییر می‌کنند و نیازمند تحلیل‌های تازه هستند. به همین دلیل، آموزش کارکنان و ایجاد انگیزه برای استفاده از داده نقش حیاتی دارد.

مثالی روشن در این زمینه شرکت استارباکس است. این شرکت با ایجاد یک فرهنگ مبتنی بر داده توانسته است تصمیمات مربوط به مکان‌یابی شعب، طراحی منو و کمپین‌های بازاریابی را با دقت بیشتری اتخاذ کند. کارکنان در سطوح مختلف سازمان به داده دسترسی دارند و همین امر نوآوری در خدمات مشتری را تسهیل کرده است.

داده‌محوری در پیوند با تحول دیجیتال

تحول دیجیتال یکی از روندهای کلان در مدیریت معاصر است و داده‌محوری در قلب آن قرار دارد. در واقع، دیجیتالی‌سازی فرآیندها بدون داده‌محوری به نتیجه مطلوب نمی‌رسد. شرکت‌هایی که می‌خواهند در مسیر تحول دیجیتال موفق شوند، باید ابتدا قابلیت‌های داده‌محور خود را توسعه دهند.

به عنوان نمونه، در صنعت بانکداری، دیجیتالی‌سازی خدمات بانکی زمانی معنا پیدا می‌کند که بانک‌ها بتوانند داده‌های مشتریان را تحلیل کنند و تجربه‌ای شخصی‌سازی‌شده ارائه دهند. بدون چنین تحلیلی، دیجیتال‌سازی صرفاً انتقال فرایندهای قدیمی به بستر آنلاین خواهد بود و ارزشی افزوده ایجاد نمی‌کند.

بنابراین، داده‌محوری در مدیریت و کسب‌وکار صرفاً یک اصطلاح مد روز یا پروژه فناوری اطلاعات نیست، بلکه یک پارادایم مدیریتی است که بنیان تصمیم‌گیری و خلق ارزش را تغییر می‌دهد. سازمان‌های داده‌محور توانسته‌اند با تکیه بر تحلیل داده‌ها، تصمیمات دقیق‌تر بگیرند، بهره‌وری خود را افزایش دهند، نوآوری‌های جدید خلق کنند و در بازارهای رقابتی برتری یابند.

با این حال، داده‌محوری چالشی چندبعدی است و تحقق آن نیازمند تلفیق فناوری‌های نوین با فرهنگ سازمانی و قابلیت‌های انسانی است. داشتن حجم انبوه داده بدون توانایی در تبدیل آن به بینش و عمل، به معنای داده‌محور بودن نیست. آنچه اهمیت دارد، ایجاد فرآیندی منسجم و پایدار برای استفاده از داده در همه سطوح سازمان است.

در نهایت می‌توان گفت که داده‌محوری نه تنها به سازمان‌ها کمک می‌کند امروز بهتر عمل کنند، بلکه توانایی آن‌ها را برای مواجهه با آینده و تغییرات پیش‌رو نیز تقویت می‌کند. از این منظر، داده‌محوری سنگ بنای مدیریت استراتژیک در عصر دیجیتال به شمار می‌رود.

منابع

Brynjolfsson, E., & McElheran, K. (2019). Companies are failing in their efforts to become data-driven. Harvard Business Review.

Dykes, B. (2021). 10 reasons why your organization still isn’t data-driven. Forbes.

Epicflow. (2022). Becoming a data-driven organization: What you need to know.

Harvard Business Review. (2021). Why is it so hard to become a data-driven company?

Harvard Business Review. (2022). Why becoming a data-driven organization is so hard.

InfoExchange. (2021). Why becoming a data-driven organization is so hard.

Pillai, P. (2021). Why being data-driven is so hard: What most companies miss. LinkedIn.

Scrambl. (2021). The data-driven organization: What it means to be one and why it matters.

Society, D. (2021). Why becoming data-driven is harder than it looks. Data & Society Research Institute.

Coupler.io. (2023). Data-driven organization: Definition, benefits, and how to become one.

data drivenمدیریت کسب‌وکاراستراتژیتحول دیجیتال
۲
۰
مَهدی عَبدی
مَهدی عَبدی
پژوهشگر حوزه استراتژی و در مسیر یادگیری ...
شاید از این پست‌ها خوشتان بیاید