امروزه بسیاری از سازمان‌ها از داشبوردهای مدیریتی، سامانه‌های هوش تجاری، انبار داده و ابزارهای هوش مصنوعی استفاده می‌کنند. بااین‌حال، برخورداری از این ابزارها الزاماً به معنای داده‌محور بودن سازمان نیست.
ممکن است یک شرکت حجم زیادی داده جمع‌آوری کند، گزارش‌های متعددی بسازد و حتی تیم تحلیل داده داشته باشد، اما تصمیم‌های اصلی آن همچنان براساس نظر مدیران، تجربه‌های شخصی یا عادت‌های قدیمی گرفته شوند.
داده‌محوری زمانی شکل می‌گیرد که داده بتواند بر تصمیم اثر بگذارد و نتیجه تصمیم نیز دوباره اندازه‌گیری شود.
کریستوفر پن در مقاله «تکامل شرکت داده‌محور» مسیر بلوغ داده در سازمان‌ها را در پنج مرحله توضیح می‌دهد. این تقسیم‌بندی یک چارچوب مدیریتی پیشنهادی است، نه یک مدل استاندارد یا دانشگاهی بلوغ داده؛ بااین‌حال، می‌تواند برای ارزیابی وضعیت فعلی سازمان و شناسایی گام بعدی مفید باشد. www.christopherspenn.com
جمله رایج در یک سازمان داده‌گریز این است:
ما همیشه همین‌طور کار کرده‌ایم.
در این سازمان، تصمیم‌ها معمولاً براساس سابقه، شهود مدیران و روابط قدرت گرفته می‌شوند. داده تا زمانی پذیرفته می‌شود که تصمیم قبلی را تأیید کند.
اگر نتیجه تحلیل با نظر مدیران هم‌خوان نباشد، ممکن است کیفیت داده، روش تحلیل یا صلاحیت تحلیلگر زیر سؤال برود.
مقاومت در برابر داده همیشه ناشی از ناآگاهی نیست. داده می‌تواند واقعیت‌هایی را آشکار کند که برای برخی افراد یا واحدها خوشایند نیستند؛ برای مثال:
ضعف پنهان عملکرد یک واحد را نشان دهد.
سهم واقعی افراد در نتایج را مشخص کند.
ناکارآمدی یک فرایند قدیمی را آشکار سازد.
ناهماهنگی میان برنامه سازمان و نتایج واقعی را نشان دهد.
اثبات کند تصمیمی که مدت‌ها از آن دفاع شده، نتیجه مطلوبی نداشته است.
به همین دلیل، مقاومت در برابر داده گاهی مقاومتی در برابر شفافیت و پاسخ‌گویی است.
حرکت از این مرحله اغلب با تلاش یک فرد یا تیم کوچک آغاز می‌شود. این افراد بدون آنکه برنامه‌ای سراسری در سازمان وجود داشته باشد، از داده برای بهبود عملکرد حوزه خود استفاده می‌کنند.
در مرحله دوم، سازمان متوجه می‌شود داده‌هایی در اختیار دارد که احتمالاً ارزشمند هستند.
در نتیجه، جمع‌آوری اطلاعات در بخش‌های مختلف آغاز می‌شود:
اطلاعات مشتریان در CRM
داده‌های فروش
آمار وب‌سایت و شبکه‌های اجتماعی
اطلاعات مالی
داده‌های منابع انسانی
اطلاعات تولید و عملیات
سوابق خدمات و پشتیبانی
پرسش اصلی در این مرحله چنین است:
چه داده‌هایی داریم؟
این پرسش مهم است، اما کافی نیست.
بسیاری از سازمان‌ها حجم زیادی داده جمع‌آوری می‌کنند، بدون آنکه مسئله مشخصی برای حل‌کردن داشته باشند. نتیجه، مجموعه‌ای از پایگاه‌های داده، فایل‌ها و سامانه‌های جدا از هم است که هزینه نگهداری زیادی دارند، اما ارزش روشنی ایجاد نمی‌کنند.
جمع‌آوری داده زمانی مفید است که بدانیم آن داده قرار است به کدام سؤال پاسخ دهد یا از کدام تصمیم پشتیبانی کند.
سازمان داده‌آگاه از جمع‌آوری صرف عبور کرده و تحلیل اطلاعات را آغاز می‌کند.
پرسش اصلی این مرحله چنین است:
چه اتفاقی افتاد؟
در این مرحله، سازمان به سراغ ابزارهایی مانند داشبوردهای مدیریتی، انبار داده، هوش تجاری، تحلیل آماری و فرایندهای استخراج، تبدیل و بارگذاری داده یا ETL می‌رود.
گزارش‌ها می‌توانند نشان دهند:
فروش کدام محصول افزایش یافته است.
کدام کمپین بازاریابی عملکرد بهتری داشته است.
هزینه‌ها در کدام بخش بیشتر شده‌اند.
کدام گروه از مشتریان نرخ ریزش بالاتری دارند.
عملکرد کدام شعبه یا منطقه ضعیف‌تر بوده است.
کریستوفر پن این دوره را «رژه ابزارها» توصیف می‌کند؛ دوره‌ای که ابزارها و تأمین‌کنندگان مختلف وارد سازمان می‌شوند و هرکدام وعده می‌دهند بخشی از مشکل داده را حل کنند.
خطر این مرحله آن است که سازمان، خرید ابزار را با حل مسئله اشتباه بگیرد.
بسیاری از سازمان‌ها سال‌ها در مرحله داده‌آگاه باقی می‌مانند. آن‌ها گزارش‌های زیادی تولید می‌کنند، اما این گزارش‌ها همیشه به تصمیم مشخصی منتهی نمی‌شوند.
داشبوردها دیده می‌شوند، اعداد در جلسات ارائه می‌شوند، اما در نهایت تصمیم‌ها به همان روش قبلی گرفته می‌شوند.
در مرحله چهارم، داده از یک ابزار گزارش‌دهی به یک دارایی استراتژیک تبدیل می‌شود.
پرسش اصلی دیگر فقط «چه اتفاقی افتاد؟» نیست. سازمان می‌پرسد:
چرا این اتفاق افتاد؟
برای مثال:
چرا فروش در فصل گذشته کاهش یافت؟
چرا یک کمپین موفق شد و کمپین دیگر شکست خورد؟
چرا نرخ بازگشت مشتریان کاهش پیدا کرد؟
چرا هزینه جذب مشتری افزایش یافت؟
چرا بهره‌وری یک واحد با وجود افزایش منابع کاهش پیدا کرد؟
پاسخ به این پرسش‌ها تنها با خرید ابزار بیشتر به دست نمی‌آید.
سازمان باید کیفیت داده، تعریف شاخص‌ها، فرایندهای داخلی، شرایط بازار و فرضیات تصمیم‌گیرندگان را نیز بررسی کند.
در این مرحله، تفاوت میان «گزارش» و «بینش» اهمیت پیدا می‌کند.
گزارش می‌گوید فروش ۱۵ درصد کاهش یافته است. بینش توضیح می‌دهد این کاهش در کدام گروه مشتریان اتفاق افتاده، چه عواملی با آن ارتباط داشته‌اند و کدام اقدام می‌تواند شرایط را تغییر دهد.
سازمان مسلط به داده صرفاً اعداد را نمایش نمی‌دهد؛ بلکه معنای آن‌ها را در بستر کسب‌وکار بررسی می‌کند.
سازمان داده‌محور، داده و تحلیل را به اقدام متصل می‌کند.
پرسش اصلی این مرحله چنین است:
حالا چه کاری باید انجام دهیم؟
یک تصمیم داده‌محور باید به چند سؤال مشخص پاسخ دهد:
داده‌های موجود چه می‌گویند؟
چه اتفاقی افتاده است؟
چرا این اتفاق افتاده است؟
اقدام بعدی چیست؟
مسئول اجرای اقدام چه کسی است؟
نتیجه اقدام چگونه و در چه زمانی اندازه‌گیری می‌شود؟
در این سازمان، داده فقط در گزارش‌های پایان ماه یا جلسات مدیریتی دیده نمی‌شود. داده بخشی از فرایند برنامه‌ریزی، اجرا و ارزیابی است.
تصمیم نیز پایان کار نیست. پس از اجرای آن، نتیجه اندازه‌گیری می‌شود. یافته‌های جدید دوباره وارد چرخه تحلیل می‌شوند و سازمان براساس آن‌ها مسیر خود را اصلاح می‌کند.
بنابراین، سازمان داده‌محور سازمانی نیست که همیشه تصمیم درست می‌گیرد. چنین سازمانی ممکن است مانند هر مجموعه دیگری اشتباه کند، اما سازوکاری برای تشخیص سریع‌تر خطا و اصلاح آن دارد.
برای ارزیابی وضعیت سازمان می‌توان چند پرسش ساده مطرح کرد:
آیا بیشتر وقت ما صرف جمع‌آوری داده می‌شود یا استفاده از آن؟
آیا داده‌های کلیدی تعریف و مالک مشخص دارند؟
آیا گزارش‌ها فقط گذشته را توصیف می‌کنند؟
آیا می‌توانیم علت تغییر شاخص‌ها را توضیح دهیم؟
آیا هر تحلیل به یک تصمیم یا اقدام مشخص منتهی می‌شود؟
آیا برای تصمیم‌های مهم، معیار موفقیت تعریف می‌کنیم؟
آیا نتیجه تصمیم‌ها دوباره اندازه‌گیری می‌شود؟
آیا کارکنان می‌توانند کیفیت داده یا تحلیل مدیران را به چالش بکشند؟
چه شواهدی می‌تواند نظر ما را تغییر دهد؟
پرسش آخر اهمیت ویژه‌ای دارد.
اگر هیچ داده‌ای توان تغییر تصمیم را نداشته باشد، سازمان هنوز داده‌محور نیست؛ حتی اگر صدها داشبورد، گزارش و مدل هوش مصنوعی در اختیار داشته باشد.
بلوغ داده را نمی‌توان فقط با تعداد ابزارها، حجم اطلاعات یا اندازه تیم تحلیل سنجید.
ممکن است یک واحد سازمان در مرحله داده‌محور باشد، در حالی که واحد دیگری همچنان در برابر داده مقاومت کند. همچنین ممکن است سازمان در برخی تصمیم‌ها از داده استفاده کند، اما در تصمیم‌های حساس و سیاسی دوباره به روش‌های سنتی بازگردد.
مسیر داده‌محوری را می‌توان در یک زنجیره خلاصه کرد:
داده ← تحلیل ← بینش ← اقدام ← اندازه‌گیری
اگر این زنجیره در مرحله گزارش متوقف شود، سازمان فقط داده‌آگاه است. اگر تحلیل به اقدام برسد اما نتیجه آن اندازه‌گیری نشود، چرخه یادگیری ناقص باقی می‌ماند.
سازمان داده‌محور واقعی، داده را به یادگیری مستمر تبدیل می‌کند.
حرکت از سازمان داده‌گریز به سازمان داده‌محور با خرید یک نرم‌افزار یا اجرای یک پروژه کوتاه‌مدت اتفاق نمی‌افتد.
این تغییر به شفافیت، سواد داده، کیفیت اطلاعات، مسئولیت‌پذیری و آمادگی مدیران برای بازنگری در تصمیم‌هایشان نیاز دارد.
مهم‌ترین نشانه بلوغ داده، تعداد داشبوردها نیست؛ توانایی سازمان در پاسخ‌دادن به این پرسش است:
چه شواهدی می‌تواند نظر ما را تغییر دهد؟
اگر این پرسش پاسخ روشنی داشته باشد، سازمان در حال ساختن یک چرخه یادگیری است. اگر پاسخ آن «هیچ‌چیز» باشد، مشکل از ابزار تحلیل نیست؛ مشکل در فرهنگ تصمیم‌گیری است.
سازمان شما در کدام مرحله قرار دارد؟
منبع چارچوب:
The Evolution of the Data-Driven Company نوشته Christopher S. Penn
