تصمیم‌گیری داده‌محور  چیست؟

تصمیم‌گیری مبتنی بر داده یا تصمیمات داده‌محور، رویکردی بر اساس داده جهت تصمیم‌گیری است. در تصمیم‌گیری مبتنی بر داده، فرد از داده‌ها در فرآیند تصمیم‌گیری خود استفاده می‌کند و تصمیمات بر اساس داده‌های جمع‌آوری شده از یک یا چند منبع داده اتخاذ می‌شود.

هدف این نوع تصمیم‌گیرندگان، تصمیم‌گیری آگاهانه به جای تصمیم‌گیری سریع است. تصمیم‌گیری داده‌محور مستلزم استقرار سیستم‌های مختلفی مانند جمع‌آوری داده‌ها، پردازش داده‌ها، تجسم داده‌ها و غیره است.

تصمیمات داده‌محور مستلزم تعریف شاخص‌های کلیدی عملکرد، معیارها، ردیابی شاخص‌های کلیدی عملکرد و انجام اقدامات مناسب است. شاخص‌های کلیدی عملکرد می‌توانند از انواع زیر باشند:

• شاخص‌های کلیدی عملکرد کسب و کار: این شاخص‌ها به اندازه‌گیری عملکرد تصمیم‌گیری داده‌محور کمک می‌کنند.

به‌عنوان مثال، نرخ رشد درآمد نشانگر تصمیم‌گیری داده‌محور است؛ زیرا نشان می‌دهد که آیا تصمیماتی برای افزایش فروش گرفته می‌شود یا خیر.

شاخص‌های کلیدی عملکرد کسب و کار را می‌توان به‌عنوان شاخص‌های عقب‌مانده یا شاخص‌های کلیدی عملکرد عقب‌مانده نیز نامید. این شاخص‌ها را می‌توان شاخص‌های کلیدی عملکرد نتیجه پروژه نیز نامید.

• شاخص‌های کلیدی عملکرد مشتری: این شاخص‌ها به درک تصمیم‌گیری داده‌محور از دیدگاه مشتری کمک می‌کنند.

به‌عنوان مثال، اگر داده‌ها نشان می‌دهد که مشتریان از موضوعی شکایت دارند و به سرعت به آن رسیدگی نمی‌شود، باید از این مورد استفاده کرد و اقداماتی را برای رسیدگی به شکایات مشتری انجام داد.

شاخص‌های کلیدی عملکرد مشتری را می‌توان به‌عنوان شاخص‌های پیشرو یا شاخص‌های کلیدی عملکرد پیشرو نیز نامید.

• شاخص‌های کلیدی عملکرد خروجی پروژه: شاخص‌های کلیدی عملکرد خروجی پروژه، شاخص‌های تصمیم‌گیری بر اساس داده‌ها هستند که برای اندازه‌گیری موفقیت پروژه‌ها استفاده می‌شوند.

 

چگونه می‌توان سیستمی را ایجاد کرد که تصمیم‌گیری داده محور را تسهیل و آسان کند؟

موارد زیر برخی از سیستم‌های کلیدی را نشان می‌دهد که برای تسهیل تصمیم‌گیری داده‌محور باید به کار گرفته شوند:

 

 

جمع‌آوری یا جذب داده‌ها

سیستم‌های جمع‌آوری داده‌ها، تحلیلگران یا دانشمندان فعال در حوزه داده را قادر می‌سازد تا نقاط داده‌ای را که برای تجزیه و تحلیل مورد نیاز است، ضبط و ثبت کنند.

داده‌ها باید به گونه‌ای جمع‌آوری شوند که نسبت به نتیجه خاصی تعصبی نداشته باشند و هر کسی که به داده‌ها دسترسی دارد، بتواند از آن استفاده کند.

نمونه‌ای از سیستم‌های جذب داده شامل دریافت داده‌ها با استفاده از خطوط داده، پایگاه‌های داده و غیره است.

 

برچسب‌گذاری و حاشیه‌نویسی

برچسب‌گذاری به تحلیلگران یا دانشمندان اجازه می‌دهد تا هر داده را با مجموعه‌ای از برچسب‌ها، حاشیه‌نویسی کنند که جزئیات کافی درباره داده را برای استفاده توسط سایر متخصصان ارائه دهد.

استفاده از سیستم برچسب‌گذاری یا تگینگ باید آسان و راحت باشد تا فرآیندهای گردش کار در تیم‌ها و سازمان‌ها با اختلال مواجه نشود. در عین حال، داده باید با مناسب‌ترین تگ‌ها، برچسب‌گذاری شوند.

 

پردازش داده‌ها

داده‌های جمع‌آوری شده باید پردازش شوند تا بتوان از آن‌ها برای تصمیم‌گیری استفاده کرد. اینجاست که سیستم‌های پردازش داده به تصویر کشیده می‌شوند.

نمونه‌ای از سیستم‌های پردازش داده شامل موتورهای پردازش داده‌های بزرگ مانند Hadoop، ابزارهای پردازش داده مانند نرم‌افزارهای R و Python است که برای تجزیه‌وتحلیل داده‌ها مورد استفاده قرار می‌گیرد.

برای دانلود نرم افزار های Python و RStudio کلیک کنید

 

تجسم داده‌ها

تحلیلگران و دانشمندان داده باید بینش داده‌های مورد نیاز برای تصمیم‌گیری و نحوه استفاده از آن‌ها توسط رهبران را بیابند.

اینجاست که تجسم داده‌ها به وجود می‌آید که کارشناسان این حوزه را قادر می‌سازد تا توانایی‌های خود را از طریق نمودارها و دیگر ابزارها از نظر بصری به اشتراک بگذارند. در اینجا که ابزارهایی مانند داشبورد Qliksense مورد استفاده قرار می‌گیرد.

 

مدل تصمیم‌گیری

دانشمندان حوزه داده، مدل‌های تصمیم‌گیری را ارائه می‌کنند که می‌تواند توسط ذینفعان کسب‌وکار برای تصمیم‌گیری‌های داده‌محور استفاده شود.

نمونه‌ای از یک مدل تصمیم‌گیری شامل استقرار سیستم‌های تحلیل پیش‌بینی برای تصمیم‌گیری‌های داده محور است.

 

 

چرا تصمیم‌گیری داده‌محور  باید مورد استفاده قرار گیرد و با آن سازگار شد؟

در ادامه مزایا و فواید مختلف تصمیمات داده‌محور ذکر شده است. این مزایا دلایل مهمی برای استفاده و بهره از تصمیم‌گیری داده‌محور است.

• تصمیمات سریع‌تر، بهتر و آگاهانه: تصمیمات تجاری بهتر با در نظر گرفتن داده‌ها و شهود کاربر گرفته می‌شود که منجر به نتایج بهتری برای شرکت‌ها می‌شود.
• افزایش دید داده‌ها: تصمیم‌گیری‌های داده‌محور به افزایش شفافیت داده‌ها نیز کمک می‌کند، زیرا داده‌ها برای افراد متعددی در دسترس هستند و می‌توانند به راحتی به اشتراک گذاشته شوند.
• افزایش دسترسی به داده‌ها: تصمیم‌گیری داده‌محور به ایجاد دسترسی به داده برای تمامی افراد کمک می‌کند، نه فقط برای یک فرد یا بخش خاص.

چنین امری منجر به افزایش اشتراک‌گذاری داده‌ها می‌شود و احتمال اشتباهات ناشی از کمبود اطلاعات را کاهش می‌دهد.

• افزایش کیفیت داده: تصمیم‌گیری داده‌محور تضمین می‌کند که کیفیت داده‌ها با حذف افزونگی داده‌ها و خطاها افزایش می‌یابد.

این امر منجر به جمع‌آوری داده‌های دقیق‌تر و با دقت بالاتر می‌شود.

• استفاده کارآمد از زمان: با تصمیم‌گیری داده‌محور، شرکت‌ها می‌توانند در زمان و منابع صرفه‌جویی کنند؛ زیرا ورودی‌های انسانی و ریسک‌های مرتبط به‌طور قابل توجهی کاهش می‌یابد.
• افزایش استفاده از داده: تصمیم‌گیری داده‌محور تضمین می‌کند که داده‌ها به روشی بهتر استفاده می‌شوند.

به‌عنوان مثال، داده‌ها را می‌توان به راحتی به اشتراک گذاشت و مجدداً استفاده کرد. چنین امری منجر به افزایش ارزش داده می‌شود؛ زیرا افراد بیشتری از داده‌های مشابه استفاده می‌کنند که ارزش آن را در طول زمان نیز افزایش می‌یابد.

• سواد داده‌ای پیشرفته: تصمیم‌گیری داده‌محور به متخصصان داده کمک می‌کند تا مهارت‌های سواد داده خود را بهبود بخشند که به نوبه خود آن‌ها را به سمت فرصت‌های شغلی بهتری هدایت می‌کند.
• افزایش رضایت مشتری: هنگامی‌که چندین داده در مورد مشتریان جمع‌آوری می‌شود، شرکت‌ها می‌توانند راه‌های مختلفی را برای افزایش سطح رضایت کلی خود ارائه دهند که منجر به افزایش نرخ حفظ و درنهایت درآمد بهتر برای شرکت در آینده می‌شود.

 

 

چه ریسک و خطراتی در خصوص تصمیم‌گیری داده‌محور  وجود دارد؟

خطرات یا معایب تصمیم‌گیری داده‌محور به شرح زیر است:

 

سوگیری تایید ذینفعان

ذینفعان کسب و کار ممکن است تمایل داشته باشند از داده‌ای استفاده کنند که از تصمیم‌گیری آن‌ها حمایت می‌کند و مواردی را که ممکن است، مخالف آن باشد را نادیده می‌گیرند.

چنین امری منجر به تصمیماتی می‌شود که با سوگیری هدایت می‌شوند و در نهایت منجر به نتایج ضعیف در آینده به دلیل تجزیه‌وتحلیل داده‌های اشتباه شود.

 

انتشار داده

داده‌های جمع‌آوری‌شده برای تصمیم‌گیری باید محافظت شوند تا سایر سازمان‌ها نتوانند به آن دسترسی پیدا کنند و از آن‌ها علیه منافع تجاری استفاده کنند. اینجاست که روش‌های ناشناس سازی وارد عمل می‌شوند.

 

سوگیری داده‌ها

منابع داده‌های مختلف ممکن است داده‌‌هایی با سطوح مختلف سوگیری داشته باشند که باید هنگام استخراج هرگونه نتیجه‌گیری از آن‌ها، در نظر گرفته شوند.

 

عواقب پیش‌بینی ‌نشده

تحلیلگران و دانشمندان حوزه داده‌ باید عواملی مانند کیفیت داده‌ها، خطاهای جمع‌آوری داده‌ها و دیگر موارد در هنگام تصمیم‌گیری که می‌تواند منجر به تجزیه‌وتحلیل اشتباه شود را در نظر داشته باشند.

 

نمونه‌هایی از تصمیم‌گیری‌های داده‌محور

بزرگ‌ترین و موفق‌ترین سازمان‌های امروزی از تصمیمات داده‌محور به نفع خود با تأثیر بسیار زیادی استفاده می‌کنند.

برای درک بهتر اینکه چگونه سازمان‌ها می‌توانند تجزیه‌وتحلیل داده‌ها را در فرآیند تصمیم‌گیری خود بگنجانند، موارد موفق این مشاغل شناخته‌شده در ادامه تشریح شده است:

 

۱. توسعه رهبری در شرکت گوگل

گوگل تمرکز زیادی روی آنچه از آن به‌عنوان “تحلیل افراد” یاد می‌کند، دارد. این مورد به‌عنوان بخشی از ابتکارات شناخته‌شده تجزیه‌وتحلیل افراد است که گوگل داده‌های بیش از ۱۰۰۰۰ مورد را بررسی کرده و بر اساس آن عملکرد کارمندان را تحلیل می‌کند.

گوگل از این اطلاعات برای شناسایی رفتارهای رایج مدیران استفاده کرد و برنامه‌های آموزشی برای توسعه این شایستگی‌ها ایجاد کرده است. این تلاش‌ها میانگین امتیازات مطلوب مدیران را از ۸۳ درصد به ۸۸ درصد افزایش داده است.

 

 

۲. تصمیمات املاک و مستغلات در استارباکس

پس از بسته شدن صدها فروشگاه استارباکس در سال ۲۰۰۸، هاوارد شولتز، مدیر عامل شرکت در آن زمان، قول داد که این شرکت رویکرد تحلیلی‌تری را برای شناسایی مکان‌ فروشگاه‌های آینده در پیش خواهد گرفت.

استارباکس اکنون با شرکت تجزیه‌وتحلیل موقعیت مکانی شریک شده است تا مکان‌های ایده‌آل برای فروشگاه‌های خود را با استفاده از داده‌هایی مانند جمعیت‌شناسی و الگوهای ترافیک مشخص کند.

این سازمان همچنین نظرات تیم‌های منطقه‌ای خود را قبل از تصمیم‌گیری در نظر می‌گیرد. استارباکس از این داده‌ها برای تعیین احتمال موفقیت برای یک مکان خاص قبل از سرمایه‌گذاری جدید، استفاده می‌کند.

 

۳. فروش محصولات در آمازون

شرکت آمازون از داده‌ها استفاده می‌کند تا تصمیم بگیرد که کدام محصولات را بر اساس خریدهای قبلی و الگوهای رفتار جستجو، به مشتریان توصیه کند.

آمازون به‌جای پیشنهاد کورکورانه یک محصول، از تجزیه‌وتحلیل داده‌ها و یادگیری ماشینی برای هدایت موتور جستجوی خود استفاده می‌کند.

مک کینزی تخمین زده است که در سال ۲۰۱۷، ۳۵ درصد از خریدهای مصرف‌کننده آمازون می‌تواند به سیستم توصیه‌های این شرکت مرتبط باشد.

 

مزایای تصمیم‌گیری داده‌محور

مهم‌ترین مزایایی که تصمیمات داده‌محور دارند، عبارت است از:

 

۱. تصمیمات مطمئن‌تری خواهید گرفت

هنگامی که شروع به جمع‌آوری و تجزیه و تحلیل داده‌ها می‌کنید، احتمالاً متوجه خواهید شد که رسیدن به یک تصمیم مطمئن بسیار آسان‌تر از قبل برای شما خواهد شد. این تصمیم‌گیری می‌تواند در خصوص راه‌اندازی خط تولید کارخانه باشد یا تنظیم شرایط بازاریابی یک محصول خاص.

داده‌ها، نقش‌های متعددی دارند. به طور خاص معیاری هستند برای آنچه در حال حاضر وجود دارد و به شما امکان می‌دهد که تأثیر هر تصمیمی را که می‌گیرید بر کسب‌وکارتان بسنجید باشد و درک بهتری از شرایط داشته باشید.

 

 

فراتر از این، داده‌ها به‌گونه‌ای منطقی و ملموس هستند که غریزه شهود در انسان‌ها به چنین ‌سادگی نیست. در نتیجه با استفاده از تصمیمات داده‌محور، می‌توانید اعتمادبه‌نفس را در خود و در شرکت به‌عنوان یک مدیر افزایش دهید.

این اعتماد به سازمان شما امکان می‌دهد که به‌طور کامل به چشم‌انداز یا استراتژی خاصی متعهد شود، بدون اینکه بیش‌ازحد نگران باشید که تصمیمی اشتباه گرفته‌ شده است.

باید توجه داشته باشید این که تصمیمی بر اساس داده‌ها است، به این معنی نیست که همیشه صحیح خواهد بود.

درحالی‌که داده‌ها ممکن است الگوی خاصی را نشان دهند یا نتیجه خاصی را پیشنهاد کنند، اگر فرآیند جمع‌آوری داده یا تفسیر ناقص باشد، هر تصمیمی بر اساس داده‌ها نادرست خواهد بود.

به همین دلیل است که تأثیر هر تصمیم تجاری باید به‌طور منظم اندازه‌گیری و نظارت شود.

 

۲. فعال‌تر خواهید شد

هنگامی‌که برای اولین بار فرآیند تصمیمات داده‌محور را اجرا می‌کنید، احتمالاً ماهیت واکنشی دارد. داده‌ها داستانی را بیان می‌کنند که شما و سازمان‌تان باید به آن واکنش نشان دهید.

چنین امری به خودی خود ارزشمند است، اما این تنها نقشی نیست که داده‌ها و تجزیه‌وتحلیل‌ها می‌توانند در کسب‌وکار شما ایفا کنند.

با توجه به تمرین کافی و انواع و مقادیر مناسب داده‌ها، می‌توان به شیوه‌ای فعال‌تر از آن‌ها استفاده کرد. به‌عنوان‌ مثال، با شناسایی فرصت‌های تجاری یا با شناسایی تهدیدها.

 

۳. صرفه‌جویی در هزینه را به همراه دارد

دلایل زیادی وجود دارد که ممکن است کسب‌وکاری در خصوص سرمایه‌گذاری، طرحی بر اساس داده را انتخاب کند و هدفش این باشد که در فرآیندهای خود از اطلاعات زیادی استفاده کند.

بر اساس نظرسنجی اخیر از ۱۰۰۰ مدیر که توسط NewVantage Partners برای هاروارد بیزینس ریویو انجام شد، ابتکارات مختلف بر اساس تصمیمات داده‌محور، از نظر میزان موفقیت متفاوت هستند.

یکی از تأثیرگذارترین ابتکارات، طبق این نظرسنجی، استفاده از داده‌ها برای کاهش هزینه‌ها است.

از سازمان‌هایی که پروژه‌های طراحی‌شده برای کاهش هزینه‌ها را آغاز کرده‌اند، بیش از ۴۹ درصد از پروژه‌ها با کاهش هزینه همراه بوده‌اند. ابتکارات دیگر نیز نتایج متفاوت‌تری را نشان داده‌اند.

رندی بین، مدیرعامل شرکت مشاوره NewVantage Partners، هنگام اعلام نتایج این نظرسنجی گفت:

“داده‌های بزرگ در حال حاضر برای بهبود کارایی عملیاتی استفاده می‌شود. توانایی تصمیم‌گیری آگاهانه بر اساس آخرین اطلاعات به‌روز، به ‌سرعت در حال تبدیل شدن به هنجار اصلی شرکت است.”