امروزه داده ها اهمیت بسیار زیادی در تصمیم گیری ها دارند، البته مختص امروز منظورم دقیقا الان نیست و می تواند به زمان شروع مباحث کنترل کیفیت برگردد که با زیرساخت کمیت شکل گرفتند. اما آنچه که امروزه اهمیت پیدا کرده است ظهور و بروز فناوری های مخابراتی، اینترنتی و دیگر جلوه های فناوری هستند که باعث تولید کلان داده ها در سطح جهان شده اند. هر روزه حجم زیادی از این داده ها برای نهادهای دولتی (مانند وزارت ارتباطات و….) برای گردانندگان سازمان های تجاری و غیر تجاری مانند شرکت های بزرگ و متوسط در حال تولید است. این داده ها حتی می تواند در پروژه های تحقیقاتی دانشگاه ها توسط انسان ها و یا توسط دستگاه ها تولید شده باشد.
از اهمیت بالای داده ها می توان به بسیاری از کسب و کارها اشاره کرد که بر بستر استفاده از تحلیل داده ها به عنوان شتابدهنده ی دیگر کسب و کارها، اشاره کرد. داده های مربو ط به حضور افراد در شبکه های اجتماعی، زمان و مکان حضور، طول مدت حضور، داده هایی که از عبور مرور وسایل حمل و نقل توسط شرکت های مربوط به دست می آید و بسیاری از داده هایی که برای تمام سازمان ها و کسب و کارها مربوط به مشتریان آن ها است امروزه اهمیت فراوانی یافته است.
سواد داده چیست؟
سواد داده بسیار فراتر از یادگیری ماشینی و علم داده، و هم چنین چیزی بیش تر از هوش مصنوعی است. به بیان بهتر، سواد داده صرفا به این معناست که انسان ها در دنیایی سرشار از داده ها چگونه با همدیگر به نحو بهتری کنار می آیند و به همین دلیل است که ما اکنون بیش از هر زمان دیگری به آن نیاز داریم. سواد داده، توانایی تحلیل و سازمان دهی داده های پیچیده، تفسیر و خلاصه سازی اطلاعات، توسعه ی پیش بینی ها یا درک پیامدهای جهت گیری الگوریتم ها را شامل می شود. این دانش را مانند علم ریاضیات می توان در سطح مبتدی تا پیشرفته آموخت؛ هم چنین، چندین رشته را شامل می شود و اغلب کاربردی تر از آموخته های دانشگاهی است. همه ی کارکنان شرکت باید درمورد داده هایی که جمع آوری می کنند و هم چنین نحوه ی استفاده از آن ها تفکر انتقادی داشته باشند. گسترش افراد تیم برای طرح سؤالات انتقادی، توسعه و نظارت بر الگوریتم ها تنها راه برای توسعه ی الگوریتم های هوش مصنوعی مناسب است. انجام چنین کاری مستلزم داشتن سواد داده است.
اهمیت سواد داده در سازمان
توسعه ی سواد داده در سازمان در میان تیم های داده ای، تنوع ایجاد می کند که در خط مقدم تصمیم گیری های مهم درمورد نحوه ی جمع آوری، پردازش و استقرار داده ها هستند. تیم های مختلف از نظر تنوع در خط فکری در سازمان اهمیت بسیار بالایی دارند؛ به عبارتی، این اعتقاد رایج در میان کسب وکارهای مختلف وجود دارد که تیم های متنوع ریسک کار را کاهش می دهند، عملکرد بهتری را ارائه می دهند و در نتیجه خطر محدود شدن کسب وکار به تفکر گروهی خاص را کاهش می دهند. بنابراین، با سرمایه گذاری روی گسترش سواد داده در سراسر شرکت، کسب وکارها می توانند دیدگاه های متفاوت و خلاقانه تری را برای کاهش خطر جهت گیری الگوریتمی و همچنین شناسایی فرصت هایی برای بهینه سازی ارائه دهند.
۵ استراتژی برای توسعه ی سواد داده
گسترش استفاده از داده ها، مهارت های مورد نیاز افراد را نیز تغییر داده است. یکی از مهارت های جدید مورد نیاز افراد در فضاهای مختلف و به خصوص در عرصه کسب وکار سواد داده است. حال در فضای این کلان داده ها و همچنین آلودگی های اطلاعات و بحث اخبار جعلی و … نیازمند روش هایی برای فهم بهتر مسائل مربوط به داده ها هستیم. سواد داده ها، افراد را به دسترسی، تفسیر، ارزیابی انتقادی، مدیریت، کنترل و استفاده اخلاقی از داده ها قادر می سازد. در ادامه در مورد روش هایی برای توسعه ی سواد داده صحبت خواهیم کرد.
۱. مدنظر قرار دادن سواد داده به عنوان اولویت کل سازمان
سواد داده مهارت تکنیکی نیست و نوعی مهارت حرفه ای محسوب می شود. همه ی کارکنان خود، از جمله بازاریابان، متخصصان فروش، پرسنل عملیاتی و مدیران محصول را تشویق کنید تا سواد تحلیل داده ای خود را از طریق شرکت در جلسات فصلی سازمان توسعه دهند. در این جلسات نیز موضوعاتی مانند تصمیم گیری داده محور، قابلیت های هوش مصنوعی در حل مسائل، نحوه ی برقراری ارتباط میان داده ها و مشکلات کسب وکار، اخلاقیات سازمان و هوش مصنوعی یا نحوه ی برقراری ارتباط با دیگران از طریق داده ها را پوشش دهید. این نوع تأکید روی سواد داده در سطح سازمان موجب می شود که فرهنگ استفاده از داده ها در شرکت به اولویت اول همه تبدیل شود.
۲. توسعه ی زبانی مشترک برای توصیف داده ها
دنیای داده ها بسیار بزرگ، پر از کلمات و اصطلاحات است؛ به همین دلیل ممکن است گاهی به سوءتفاهم در درک برخی مفاهیم از جانب سایرین منجر شود. از این رو به عنوان سازمانی که بخش های مختلف سواد داده برایتان اهمیت بیش تری دارد، بهتر است در شرکتتان زبان مشترکی را برای صحبت درمورد داده ها و تحلیل آن ها رواج دهید. برای مثال، اگر شرکت ارائه ی خدمات مالی دارید، زبان مشترکتان برای تحلیل داده ها می تواند اندازه گیری احتمالات و ریسک ها باشد. اگر شرکتی فعال در زمینه ی تکنولوژی هستید، می توانید از زبان مشترک آزمایش و بصری سازی برای تحلیل داده ها استفاده کنید؛ هم چنین، در جلسات تحقیق و توسعه ی خود، محتوایی را مرتبط با این زبان مشترک برای یادگیری سواد داده تنظیم کنید و نحوه ی برقراری ارتباط آن را با بخش های مختلف کسب وکارتان توضیح دهید؛ به این ترتیب، کارکنانتان می توانند تمام ارتباطات میان دانش داده ای سازمان و گردش کار خود را درک کنند.
۳. فراهم کردن فضایی برای کارکنان برای برقراری ارتباط میان مفاهیم کسب وکار
یکی از مواردی که همه ی کسب وکارها باید به آن توجه کنند، لزوم ایجاد توان مندی در کارکنان برای مطرح کردن ایده های تجاری جدید با استفاده از دانش داده ای جدیدشان است. به عنوان مثال، فرض کنید که شرکتی فعال در حوزه ی سرگرمی و موسیقی دارید. به عنوان بخشی از برنامه ی تحقیق و توسعه تان، از کارمندان بخواهید که پروژه های پیشنهادی خود را با استفاده از آموخته های جدیدشان در زمینه ی سواد داده توسعه دهند؛ به این ترتیب، با ترکیب دانش داده ای با دانشی که در زمینه ی صنعت فعالیت خود دارند، می توانند ایده های شگفت انگیز جدیدی را برای صرفه جویی در هزینه یا افزایش درآمد شرکت ارائه دهند. از سوی دیگر، چیزی که به همان اندازه مهم است، این است که با انجام چنین کاری به کارکنان خود قدرتی می دهید که فرهنگ جدید استفاده از سواد داده و تحلیل آن را از سطوح پایین تا بالاتر سازمان هدایت کنند.
۴. ایجاد ساختارهای تشویقی برای تصمیم گیری مبتنی بر داده ها
روند فعلی شرکتتان را برای تأیید ایده های جدید یا تنظیم بودجه دنبال کنید، سپس مکانیزم هایی را به کسب وکار اضافه کنید تا از این طریق به تفکر کارکنان بر اساس تحلیل داده ها پاداش دهید. به عنوان مثال، از مدیران بخواهید تا پروژه های بصری سازی مناسبی را در طرح های پیشنهادی خود بگنجانند یا داشبوردهایی را بسازند تا روی شاخص های کلیدی عملکرد (KPI) پروژه های کارکنان به صورت کمّی و بلادرنگ نظارت داشته باشند. اگر بتوانید با ارائه ی امتیازهایی مانند اعطای تأییدیه ی سریع تر پروژه یا اختصاص بودجه ی بیش تر به پیشنهادهای حاوی تفکر مبتنی بر داده ها، روند تصمیم گیری مدیران خود را از بررسی شواهد به تحلیل داده ها تغییر دهید، به سرعت رفتار موردنظرتان مبنی بر هم سویی انگیزشی مدیران و کارکنان برای استفاده از دانش داده ای را در شرکت دریافت می کنید.
۵. استقرار برنامه های تحقیق و توسعه برای آموزش سواد داده مرتبط با حوزه ی کسب وکارتان
توسعه ی چنین برنامه های آموزشی شخصی سازی شده جمعی و مرتبط با زمینه ی فعالیت کسب وکار نیازمند منابع بسیاری است، اما مزایای آن از نظر مشارکت کارکنان در آموزش مطالب، استفاده از آموخته هایشان در حین کار و توان مندسازی آنان ارزش بالایی دارد. عضویت در پلتفرم های تحصیلی و آموزشی مختلف، مانند کورسرا (Coursera)، اغلب در سازمان هایی که به دنبال تحول پایدار هستند، کاهش پیدا کرده است، زیرا یادگیری زمانی مؤثر واقع می شود که:
- جمعی باشد: به این معنی که با همراهی سایرین انجام شود؛
- شخصی سازی شود: با دریافت بازخورد از متخصصان همراه باشد؛
- مرتبط با زمینه ی فعالیت فرد باشد: به این معنی که به طور مستقیم به مشکلات کسب وکاری مرتبط باشد که برای رفع آن ها تلاش می کنند.
تجربیات افراد از کارمندان تا کارفرمایان کسب وکارهای مختلف نشان می دهند که دانش داده ای فقط به چند شغل خاص (متخصص داده یا مهندس داده) محدود نیست و به مجموعه ای از مهارت ها مربوط می شود که حوزه ی گسترده ای از مشاغل را در زمینه های مختلف پوشش می دهند. به عنوان مثال، یک بازاریاب یا مدیر محصول با استفاده از سواد داده می تواند عملکرد بهتری از خود ارائه دهد. این شرایط برای مشاغل دیگری مانند موقعیت شغلی عملیاتی، مهندسی، مسئولیت فروش و حتی منابع انسانی نیز صدق می کند. به عبارت بهتر، در یک کسب وکار نیاز نیست که همه ی کارکنان دانش برنامه نویسی داشته باشند، اما به زودی همه ی آن ها به دانش تحلیل و استفاده از داده ها نیاز خواهند داشت.
راهکارهایی برای تقویت اخلاق حرفه ای در سازمان
