مترجم: مریم رضایی

منبع: HBR

آیا کارمندان شما مهارت استفاده از داده‌های بزرگ را دارند؟ تام داونپورت و دی جی پتیل حدود یک سال پیش در مورد پیشرفت علم تحلیل داده مقاله‌ای نوشته‌اند. طبق این مقاله ظهور دوره‌ای که در آن داده‌های بزرگ نقشی مهم بازی می‌کنند، به این معنی است که تحلیل داده‌های بزرگ، پیچیده و بدون ساختار، به طور فزاینده‌ای بخشی از کار هر فرد را تشکیل می‌دهد. مدیران و تحلیلگران کسب‌وکار این روزها نیاز دارند تدابیر مبتنی بر داده‌ها را مدیریت کنند، داده‌ها را تفسیر کنند و محصولات و خدمات خلاقانه مبتنی بر داده را ایجاد کنند. برای پیشرفت کردن در دنیای امروزی، کسب مهارت‌های اضافی امری ضروری است.

شرکت‌هایی که با داده‌های بزرگ سر و کار دارند، این نیاز را به خوبی درک می‌کنند. طبق نتایج یک نظرسنجی جدید، بیش از ۶۰ درصد پاسخ‌دهندگان گفته‌اند که کارمندان آنها باید مهارت‌های جدیدی کسب کنند تا بتوانند داده‌های بزرگ را به روشن بینی و ارزش کسب‌وکار تبدیل کنند. آندرس رینهارت، مدیر بخش اطلاعات کسب‌وکار شرکت ولوکس، تولیدکننده جهانی نورگیر، پنل‌های خورشیدی و دیگر محصولات سقفی در دانمارک، معتقد است «روش‌های استاندارد آموزشی که در آن به کاربران کسب‌وکار توضیح می‌دهیم چگونه به داده‌ها و گزارش‌ها دست یابند، دیگر جوابگو نیستند. داده‌های بزرگ بیش از پیش موردنیاز این کاربران است.» مدیران اجرایی در صنایع مختلف در حال برنامه‌ریزی هستند تا مهارت‌های نیروی کار خود را تقویت کنند. آنها معتقدند کارمندان باید:

آماده باشند و تمایل به آزمودن داشته باشند. مدیران و تحلیلگران کسب‌وکار باید بتوانند اصول آزمایش‌های علمی را در کسب‌وکار خود به کار ببرند.

آنها باید بدانند چگونه فرضیات هوشمند را ایجاد کنند. همچنین باید اصول آزمایش و طراحی تجربی، از جمله گزینش جمعیت مورد بررسی و نمونه گیری را بدانند تا اعتبار تحلیل‌های آماری را ارزیابی کنند.

هر چقدر آزمایش‌های تصادفی در بخش خدمات مالی و صنایع خرده فروشی رایج تر می‌شود، ارزش پیش زمینه در طراحی تجربی علمی به طور خاص افزایش می‌یابد.

افرادی که به تازگی در شرکت گوگل استخدام شده اند، می‌دانند که آزمایش کردن بخش جدایی‌ناپذیر فرهنگ و فرآیندهای کسب‌وکار آنها شده است؛ بنابراین، از متقاضیان کار در این شرکت سوالاتی این‌چنینی پرسیده می‌شود: «چند تا توپ گلف در یک سرویس مدرسه جا می‌شود؟» یا «چند تا سرپوش فاضلاب در منهتن وجود دارد؟» هدف از پرسیدن این سوالات، رسیدن به جواب صحیح نیست، بلکه هدف، آزمودن مهارت‌های افراد در طرح آزمایشی، منطقی و تحلیل‌های کمی است.

در استدلالات ریاضی قوی باشند. چه تعداد از مدیران شما این روزها واقعا دستی در حساب و کتاب دارند؟ یعنی می‌توانند داده‌های عددی را تفسیر و استفاده کنند؟ این مهارتی است که روزبه‌روز بر اهمیت آن افزوده می‌شود. رینهارت می‌گوید: «نیازی نیست کاربران کسب‌وکار آمارگر باشند، بلکه فقط کافی است نحوه استفاده درست از روش‌های آماری را بدانند. ما از کاربران کسب‌وکار می‌خواهیم چگونگی تفسیر داده‌ها و نتایج مدل‌های آماری را بدانند.»

برخی شرکت‌ها، بالاجبار، هنگام استخدام نیروی جدید به این موضوع توجه می‌کنند که کارمندانشان استدلال ریاضی قوی داشته باشند.

مثلا شرکت Capital One کارمندانی را استخدام می‌کند که در هر جنبه از کسب‌وکار، سواد ریاضی و تحلیلی قوی داشته باشند. بنابراین، کارمندان آینده، از جمله مدیران ارشد، با فرآیند سختی در مصاحبه استخدام خود روبه رو هستند، از جمله تست‌هایی برای سنجش استدلال ریاضی، منطق و توانایی حل مشکلات.

بتوانند تصویر داده‌های بزرگ را ببینند. می‌توان این مساله را «سواد داده» نامید؛ یعنی توانایی یافتن، دستکاری کردن، مدیریت کردن و تفسیر داده‌ها. این داده‌ها فقط اعداد را شامل نمی‌شوند، بلکه متن و تصویر را هم دربر می‌گیرند. مهارت‌های سواد داده باید از مکان اصلی خود - یعنی عملکرد IT - بسیار فراتر رود و با هر جنبه از عملکرد و فعالیت هر کسب‌وکاری تلفیق شود.

باب مک دونالد، مدیر عامل شرکت ثروتمند چند ملیتی P&G، معتقد است «مدل سازی و شبیه سازی داده و همچنین دیگر ابزارهای دیجیتالی، در حال تغییر شیوه خلاقیت زایی ما هستند.» این مساله مهارت‌های موردنیاز کارمندان این شرکت را تغییر داده است.

شرکت P&G برای مقابله با این چالش، فهرستی تهیه کرده که مبنای آن مهارت‌های دیجیتالی است و با هر سطحی از پیشرفت در سازمان سازگار است. در شرکت ولوکس نیز آموزش سواد داده برای کاربران کسب‌وکار به یک اولویت تبدیل شده است. مدیران باید بدانند چه داده‌هایی در دسترس هستند و از تکنیک‌های تجسم داده برای پردازش و تفسیر آن استفاده کنند.

مدیران فردا باید مطمئن شوند که کارمندانشان از این مهارت‌ها و همچنین فرهنگ، حمایت و پاسخگویی نسبت به آن، برخوردارند. به علاوه، آنها باید از مدیریت سازمان‌هایی که خیلی از کارمندان آن در حالی که فقط مجموعه‌ای از متخصصان IT یا دکترای آمار نیستند و با این حال می‌توانند داده‌های پیچیده، بزرگ و بدون ساختار را تحلیل کنند، احساس رضایت داشته باشند.

چالش دیگری نیز وجود دارد. چشم‌اندازی که طی آن کارمندان داده‌ها را انتقال می‌دهند و تحلیل می‌کنند، موجب بروز نگرانی‌هایی در مورد امنیت، اعتبار و دقت این داده‌ها می‌شود. البته تحقیقی که من انجام داده‌ام نشان داده کارمندان به مسوولیت‌پذیری بیشتر در تکنولوژی، داده و برنامه‌های کاربردی مورد استفاده در کارشان، فکر می‌کنند. کارمندان باید بدانند چگونه از داده‌های حساس شرکتی محافظت کنند. مدیران نیز باید به تحلیل‌های کارمندانشان اعتماد کنند و در عین حال آنها را مورد بازبینی قرار دهند.