در دسترس بودن: امروزه دیتا بیش از هر زمان دیگری به‌صورت شبکه‌ای و طبقه‌بندی شده در اختیار است، به‌طوری‌که می‌توان در هر زمان و مکانی، اطلاعات مورد نیاز خود را از وب‌سایت‌ها، شبکه‌های مجازی و حتی دنبال‌کنندگان رسانه‌های اجتماعی دریافت کرد که چنین امری تا چند سال پیش عملی نبود.

ذخیره‌سازی و طبقه‌بندی آسان: امروز این امکان برای ما وجود دارد که هر کدام از تعاملات با افراد یا وب‌سایت‌های خاص را در قالب یک فایل خاص ذخیره کرده و دیتای جمع‌آوری شده را به شکل مورد نیاز دسته‌بندی کنیم. درحال‌حاضر، با پایین آمدن چشمگیر هزینه ذخیره‌سازی اطلاعات و افزایش قابل ملاحظه ظرفیت محاسبات و تحلیل اطلاعات می‌توان به آسانی دیتا را مدیریت کرد و از آن در حوزه‌های مختلف بهره برد.

یک ابزار رهبری: هر سازمانی می‌تواند از ترمینال یا داشبورد دیتای خود برای پیشبرد اهداف مدیریتی خود استفاده کند. در واقع دیتا مانند پیچ و مهره‌هایی عمل می‌کند که اجزای مختلف سازمان را به هم متصل کرده و تمام تصمیم‌گیری‌ها و ارتباطات درون‌سازمانی را تحت‌تاثیر خود قرار می‌دهد.

ابزاری موثر در عصر هوش مصنوعی: در عصر تمام دیجیتال امروز، کامپیوترها و ماشین‌ها به نحو فزاینده‌ای در حال تزریق حجم گسترده‌ای از دیتا به سازمان‌ها هستند و همزمان با پردازش داده‌ها چیزهای بسیاری نیز «می‌آموزند» و این چنین است که ماشین‌ها و روبات‌ها به‌طور مداوم در حال هوشمندتر شدن هستند و از داده‌هایی که به‌طور پیوسته درحال جمع‌آوری، پردازش و تحلیل آنها هستند برای تصمیم‌گیری الگوریتمی خود استفاده می‌کنند.

چگونه می‌توان از دیتا، معنا استخراج کرد؟ طی سالیان متمادی تحقیق روی موضوع دیتا و معنا، نتیجه به‌دست آمده این است که با شش اقدام می‌توان به دیتای موجود معنا و عمق بخشید و دید روشن‌تری نسبت به آن پیدا کرد. این شش اقدام عبارت است از:

* تفسیر دیتا: اگرچه در بسیاری موارد، داده‌ها دربردارنده همان چیزی هستند که به‌نظر می‌رسد، اما در درون برخی داده‌ها یکسری مفاهیم نهفته است که از طریق تفسیر قابل استخراج هستند. برای تفسیر هر چه بهتر داده‌ها می‌توان از زوایای گوناگون به آنها نگریست و با توسعه فرضیه‌ها و برداشت الگوهای مختلف، اقدام به ایجاد سناریوهای متعدد در ارتباط با یک دیتای خاص کرد.

* مشارکت دادن افراد مختلف: وظیفه بررسی دیتا نه فقط برعهده تحلیلگران سازمان، بلکه برعهده تمام کسانی است که در یک سازمان کار می‌کنند. وجود افرادی با مهارت‌ها و نگرش‌های مختلف و متفاوت باعث می‌شود تا سازمان به تفسیرهای غنی‌تر و کامل‌تری در ارتباط با دیتای موجود دست یابد.

* پیوندزدن دیتا با روندها و رویدادهای بزرگ‌تر: یکی از سوالاتی که باید در مورد هر دیتایی پرسید این است که معنا و مفهوم آن دیتا در ارتباط با روندهای غالب و موثر در هر بخش یا صنعت چیست و اینکه اطلاعاتی که در اختیار است چه ارتباطی با اطلاعاتی که رقبا در اختیار دارند، پیدا می‌کند. این نوع پیوندزدن کمک می‌کند دیتا را یک گام جلوتر برده و تاثیرات کوتاه‌مدت و بلندمدت دیتای موجود و ارتباط آن با روندهای غالب بیشتر شود.

* افزایش و پرورش داده‌ها: دیتای مختلف می‌تواند به پرورده‌ شدن و غنی‌تر شدن دیتای جدید منجر شود. بنابراین، شما باید به‌طور پیوسته از خود و دیگران بپرسید که آیا اطلاعاتی که جمع‌آوری کرده‌اید می‌تواند به اطلاعات پرمعناتری منتهی شود؟ و اینکه آیا می‌توان به روش‌های جدیدتری برای ارائه بازخورد و ایده‌پردازی و توزیع داده‌ها در درون سازمان دست یافت؟

* جست‌وجو و کنکاش در دیدگاه‌ها و نظرات کارکنان: در هر سازمان و شرکتی، صدها یا هزاران نفر مشغول به‌کار هستند که هر کدام دارای دیدگاه‌ها و تجربیات ارزشمندی هستند که حاصل سال‌ها فعالیت و تجربه‌اندوزی است و تمام این داده‌ها و تجربیات می‌توانند به تکمیل و غنی‌سازی اطلاعات موجود در سازمان کمک کنند. تنها کافی است بستر مناسبی برای شناسایی، برداشت و پردازش صحیح این دیتای عظیم و متنوع به‌وجود‌ آید و این هدف تحقق نخواهد یافت مگر با کنکاش در دیدگاه‌ها و تجربیات تمام کارکنان.

* نیاز به یک سیاست اطلاعاتی انسان‌محور: سازمان‌ها علاوه بر کنکاش و پویش ‌در دیتا و اطلاعات، به یکسری اطلاعات و پروتکل‌ها نیاز دارند تا از اتکای بیش از حد سازمان بر دیتا جلوگیری و برای معنا و انسانیت نیز محلی از اعراب در نظر گرفته شود. به این ترتیب این امکان فراهم می‌آید که آمار و ارقام موجود در پایگاه‌های داده سازمان با دیدی انسانی دیده شوند و مبنای تصمیم‌گیری‌ها قرار گیرند. به‌طور کلی، فیلترشدن دیتا توسط لنزهای انسانی جزو حساس‌ترین نیازهای هر سازمانی است که می‌خواهد به روح کسب‌وکار برگردد.

 در ادامه به چند فیلتر انسان‌مدار برای تصفیه دیتا اشاره خواهد شد:

تعیین کنید کدام دیتا ارزش نگهداری دارد و کدام دیتا را باید حذف کرد: نگهداری دیتای موثر و ارزشمند و حذف دیتای غیرموثر، گامی ساده اما بسیار موثر است که متاسفانه بسیاری از شرکت‌ها و سازمان‌ها به‌خاطر محافظه‌کاری آن را انجام نمی‌دهند، چراکه می‌ترسند اطلاعاتی را که ممکن است در آینده به دردشان بخورد از دست بدهند.

دیتای بد را علامت‌دار کنید: با افزایش حجم اطلاعات و دیتای ورودی به سازمان، احتمال بروز دیتای تاریخ‌گذشته، نامعتبر و غیرقابل اتکا، افزایش می‌یابد. در این حالت بدون در اختیار داشتن یک سیستم متمرکز و هوشمند برای شناسایی اطلاعات گمراه‌کننده، احتمال اتخاذ تصمیمات نادرست افزایش می‌یابد.

از مبنا قراردادن دیتا برای همه تصمیم‌گیری‌ها اجتناب کنید: بسیاری از مدیران، تصمیم‌های خود را کاملا مبتنی بر گزارش‌ها و دیتایی که به آنان تحویل می‌شود، اتخاذ می‌کنند و چنانچه تصمیمات نادرستی بگیرند، مدعی خواهند شد که اطلاعات نادرست باعث تصمیم اشتباه شده است. این رویه کاملا اشتباه و خطرناک است.

سوالاتی بپرسید که داده‌ها بتوانند به آن پاسخ دهند، نه سوالاتی برآمده از داده‌های موجود: تفکیک قائل‌شدن بین این دو نوع سوال به شما کمک می‌کند از تمرکز روی چیزهای اشتباه اجتناب کنید.

فقط براساس دیتای موجود درباره کارکنان خود قضاوت نکنید: بسیاری از مدیران به اشتباه تصور می‌کنند که قادرند صرفا با به‌کارگیری معیارهای کمی و مبتنی بر دیتای موجود در مورد عملکرد کارکنان قضاوت کنند. این نوع قضاوت عجولانه و محدودنگرانه به‌شدت ضدبهره‌وری است.

 

این مطلب برایم مفید است
9 نفر این پست را پسندیده اند