مقدمه :
برای بسیاری از سازمانها ایجاد یک فرهنگ داده محور هم چنان دور از دسترس است و از داده ها به ندرت برای تصمیم گیری استفاده می شود. چرا چنین امری دشوار است؟ تحقیقات نشان می دهند که دلیل این مشکلات فنی نیست بلکه ریشه در فرهنگ سازمان دارد. در این مقاله به معرفی ده روش برای ایجاد فرهنگ داده محوری در سازمان پرداخته ایم و از تاثیری که تصمیم گیری داده محور بر کسب و کار خواهد گذاشت سخن گفته ایم.
  • فرهنگ داده محوری از بالاترین سطح یک سازمان آغاز می شود 

سازمانهایی که فرهنگ داده محور قدرتمندی در آنها حاکم است ، قاعدتا مدیرانی داده محور دارند که اعتقاد دادند داده ها نقش اساسی در تصمیم گیری ها دارند. در حقیقت ، در یک سازمان داده محور ، تصمیم گیری داده محور رکن اصلی و اساسی تصمیمات محسوب می شود.

مدیران با انتخاب هنرمندانه ی شاخص های اندازه گیری عملکردها ، می توانند در بهبود تجربه ی مشتریان بسیار موثر عمل کنند.  فرض کنید یک شرکت با پیش بینی جهش های قیمتی رقبا بتواند سود کند. بنابراین ، یک متریک برای آن وجود دارد : صحت پیش بینی در طول زمان . بنابراین یک تیم باید به طور پیوسته پیش بینی های روشن و صریح در مورد میزان و جهت چنین جهشی ارائه دهد. در ضمن کیفیت چنین پیش بینی هایی باید رصد شود – در و اقع این پیش بینی ها باید به مرور بهبود یابند.

برای مثال یک اپراتور مخابراتی پیشرو قصد داشت تا از ارائه ی خدمات و تجربه ی کاربری قابل قبول برای مشتریان کلیدی خود اطمینان حاصل نماید. اما تنها آمار تجمعی در خصوص عملکرد شبکه جمع آوری کرده بود ، بنابراین اطلاعات اندکی در مورد اینکه خدمات و کیفیت سرویس هایی که هر مشتری دریافت می کند داشت. بنابراین این اپراتور توانست با تولید متریک های دقیق در مورد تجربه ی کاربری مشتریان ، به تجزیه و تحلیل های دقیقی در مورد تجربه ی مشتریان پس از ارتقای شبکه دست پیدا کند. به همین منظور، تنها نیاز بود تا تمرکز بیشتری بر روی منشا اصلی و مصرف داده های آن بگذارد و نکته دقیقا همین جا بود.

در برخی از سازمان ها متخصصین علم داده و مدیران سازمان اطلاعات کمی از یکدیگر دارند. تجزیه و تحلیل ها در صورت جدا ماندن از سایر بخش های سازمان امکان ارزش آفرینی را نخواهد داشت.

  • مسئله ی دسترسی به داده های مشتریان را به سرعت حل کنید 

در کمال تعجب با وجود تلاش های گسترده برای دموکراتیک کردن دسترسی به داده ها، همچنان کارکنان در برخی از سازمانها از عدم دسترسی به ساده ترین اطلاعات گلایه دارند. بدون وجود این داده ها فرهنگ داده محوری هرگز امکان رشد و شکوفایی نخواهد داشت.

شرکت های پیشرو از یک استراتژی ساده برای غلبه بر این بن بست استفاده می کنند. به جای استفاده از برنامه های شناخته شده اما کند ، برای سازماندهی مجدد تمامی داده های خود ، دسترسی به شاخص های کلیدی اصلی را در اختیار کارکنان قرار می دهند.

  • عدم اطمینان را در تجزیه و تحلیل داده ها کاهش دهید 

همگان بر این نکته اذعان دارند که دستیابی به قطعیت مطلق ممکن نیست. با این حال بیشتر مدیران ، از تیم های تحلیل داده خود می خواهند به سوالات آنها جواب بدهند بدون آن که از میزان اطمینان کارمندان نسبت به پاسخ هایی که می دهند ، مورد بررسی قرار دهند. ملزم کردن تیم به شفافیت در ارائه میزان عدم قطعیت ها سه اثر مهم دارد.

نخست ، این مسئله مدیران تصمیم ساز را به طور مستقیم با منبع عدم قطعیت ها دست به گریبان می سازد. آیا این داده ها قابل اعتماد هستند؟ آیا مثالهایی از مدلهای قابل اعتماد وجود دارد؟  چگونه فاکتورها می توانند یکپارچه شوند در حالی که هیچ داده ای برای آن ها وجود ندارد؟

نکته دوم آن که  با ارزیابی دقیق عدم قطعیت ها ، تحلیلگران داده ، درک عمیق تری از مدل های خود به دست می آورند و در نهایت تاکید بر درک صحیح از عدم قطعیت ها  ، سازمان را به سمت اجرای آزمون سوق می دهد.

  • مفهوم را در تحلیل داده ها ساده و قدرتمند ارائه کنید ، نه شهودی و آسیب پذیر

در تجزیه و تحلیل داده ها ، ایده های نویدبخش بسیار بیشتر از ایده های قابل اجرا هستند. گاهی سازمانها تا زمانی که به مرحله ی تولید نرسند این تفاوت مشخص نمی شود. یکی از شرکت های بزرگ بیمه ای رویدادی را برگزار کرد و به بهترین پیشنهاد که مربوط به عملکرد سیستم های آنلاین بود جایزه داد فقط برای اینکه برنده را دور بیاندازد چرا که اجرای آن هزینه زیادی برای سازمان به همراه داشت.

  • آموزش های تخصصی داده محوری باید به موقع ارائه شوند.

بسیاری از سازمانها به دنبال ” بیگ بنگ ” در آموزش هستند. کارکنان این سازمان ها خیلی زود مطالبی که آموزش دیده اند را فراموش می کنند چرا که آن ها در زمان درست به کار نبرده اند. بنابراین ، ضمن این که آموزشهای پایه ای مانند کد نویسی باید رکن اصلی آموزش باشند ، آموزش تجزیه و تحلیل داده و همچنین استفاده از ابزارهای لازم ، پیش از نیاز به استفاده از آنها ، به اثربخشی نیروهای سازمان کمک شایانی خواهد کرد.

  • از تجزیه و تحلیل برای کمک به کارمندان علاوه بر مشتریان استفاده کنید.

عمدتا نقش داده ها در راضی ساختن کارکنان به فراموشی سپرده می شود. اما تشویق کارکنان به کلنجار رفتن با داده ها آنچنان آنها را علاقمند می سازد که مانند عنوان به یاد ماندنی کتاب برنامه نویسی ” خودکارسازی امور تکراری با پایتون” همواره پیگیر خواهند بود. اگر آموزش مهارتهای جدید برای استفاده ی بهتر از داده ها به صورت انتزاعی عنوان شود ، تعداد اندکی از کارکنان در راستای بهبود فعالیت های خود تلاش خواهند کرد.  اما اگر تجزیه و تحلیل ها برای آنها مفید واقع شود ، علاوه بر صرفه جویی در زمان و کاهش دوباره کاری ها ، کارهای روتین و تکراری انتخاب آنها خواهد شد.

  • برای حفظ ثبات در مسیر داده محوری منعطف باشید ، حداقل در کوتاه مدت.

بسیاری از سازمانهایی که به داده ها وابسته هستند در ” دسته های داده” مختلف گروه بندی کارکنان را انجام می دهند. هر دسته منبع اطلاعاتی ، متریک ها و زبان های برنامه نویسی مربوط به خود را دارد. در یک سازمان ، این رویکرد فاجعه است. این شرکت ها ساعتهای متمادی صرف تطبیق نسخه های مختلف متریک های خود می کنند. عدم ثبات در نحوه ی مدل سازی تحلیلگران نیز از دیگر مشکلات این روش می باشد.

  • به تفسیر انتخاب های تجزیه و تحلیلی عادت کنید:

برای بسیاری از مسائلی که نیاز به تجزیه و تحلیل دارند ، به ندرت رویکرد واحدی وجود دارد. بنابراین بهتر است از اعضای تیم سوال کنید که چه رویکردی در حل مسئله داشتند، چه روش های جایگزینی وجود داشت و چرا یک روش بر دیگری برتری دارد.