سیستم سازی داده محور؛ گذار از تصمیم گیری مبتنی بر تجربه به تصمیم گیری مبتنی بر شواهد در سازمان های پیشرو(قسمت دوم - پایانی)

6. چالش های گذار به سازمان داده محور؛

چرا بسیاری از پروژه های داده شکست می خورند؟

۶.۱. مقدمه؛ فاصله میان داشتن فناوری و داشتن قابلیت داده محور

در سال های اخیر، بسیاری از سازمان ها با هدف افزایش بهره وری، کاهش هزینه ها و بهبود تصمیم گیری، سرمایه گذاری گسترده ای در حوزه فناوری های داده محور انجام داده اند. استقرار سیستم های اطلاعاتی سازمانی، ایجاد داشبوردهای مدیریتی، توسعه پایگاه های داده و استفاده از ابزارهای تحلیل پیشرفته، بخشی از این تلاش ها بوده است.

با این حال، تجربه بسیاری از سازمان ها نشان می دهد که اجرای فناوری به تنهایی نمی تواند یک سازمان سنتی را به یک سازمان داده محور تبدیل کند.

بسیاری از پروژه های تحول دیجیتال و داده محور نه به دلیل ضعف فناوری، بلکه به دلیل نادیده گرفتن عوامل انسانی، مدیریتی و سازمانی با شکست مواجه می شوند.

این موضوع یک اصل مهم را نشان می دهد:

داده محور شدن یک مسئله فناورانه نیست؛ یک مسئله سازمانی است که فناوری یکی از توانمندسازهای آن محسوب می شود.

سازمانی ممکن است پیشرفته ترین نرم افزارهای تحلیلی را در اختیار داشته باشد، اما اگر فرهنگ تصمیم گیری آن همچنان مبتنی بر حدس، تجربه شخصی یا سلسله مراتب سازمانی باشد، داده نمی تواند نقش واقعی خود را ایفا کند.

۶.۲. چالش اول؛ مقاومت فرهنگی در برابر تغییر منطق تصمیم گیری

یکی از مهم ترین موانع حرکت به سمت سازمان داده محور، مقاومت فرهنگی است.

در بسیاری از سازمان ها، تصمیم گیری برای سال ها بر پایه تجربه، شهود و جایگاه سازمانی شکل گرفته است. مدیرانی که طی سال های طولانی بر اساس تجربه شخصی خود تصمیم گرفته اند، ممکن است در ابتدا احساس کنند استفاده از داده و تحلیل، اعتبار یا اختیار آن ها را کاهش می دهد.

این مقاومت معمولا با پرسش هایی مانند موارد زیر آشکار می شود:

• چرا باید به این تحلیل اعتماد کنیم؟
• آیا داده واقعا شرایط واقعی سازمان را نشان می دهد؟
• آیا تجربه چندین ساله من کمتر از یک مدل تحلیلی ارزش دارد؟

اما مسئله اصلی این نیست که داده جایگزین تجربه شود؛ بلکه هدف، افزایش کیفیت تصمیم از طریق ترکیب تجربه و شواهد است.

فرهنگ داده محور زمانی شکل می گیرد که سازمان از پرسش:

«چه کسی درست می گوید؟»

به سمت پرسش:

کدام شواهد می تواند تصمیم بهتری ایجاد کند؟

حرکت کند.

این تغییر نگرش، یکی از عمیق ترین تغییرات فرهنگی در مسیر تحول داده محور است.

۶.۳. چالش دوم؛ کیفیت پایین داده و نبود اعتماد به اطلاعات

یکی از مشکلات اساسی بسیاری از سازمان ها، مسئله کیفیت داده است.

تصمیم گیری مبتنی بر داده زمانی معنا دارد که داده مورد استفاده قابل اعتماد باشد.

در عمل، سازمان ها ممکن است با مشکلاتی مانند موارد زیر مواجه شوند:

• ثبت ناقص اطلاعات،
• تفاوت روش ثبت داده بین واحدها،
• داده های قدیمی،
• اطلاعات تکراری،
• نبود استاندارد مشخص برای تعریف شاخص ها.

برای مثال، ممکن است واحد تولید، «توقف دستگاه» را به یک شکل تعریف کند و واحد نگهداری و تعمیرات، همان مفهوم را با معیار دیگری اندازه گیری کند.

در چنین شرایطی، حتی تحلیل های پیشرفته نیز ممکن است به نتایج اشتباه منجر شوند.

به همین دلیل، سازمان های داده محور قبل از تمرکز بر تحلیل های پیچیده، بر ایجاد اعتماد به داده (Data Trust) تمرکز می کنند.

داده ای که مدیران به آن اعتماد ندارند، در فرآیند تصمیم گیری استفاده نخواهد شد.

۶.۴. چالش سوم؛ نبود حاکمیت داده

یکی از دلایل اصلی ضعف کیفیت داده، نبود نظام مشخص حاکمیت داده است.

در بسیاری از سازمان ها مشخص نیست:

• مالک هر داده چه کسی است؟
• مسئول صحت اطلاعات چه واحدی است؟
• استاندارد ثبت داده چگونه تعریف می شود؟
• چه کسانی مجاز به استفاده از اطلاعات هستند؟

بدون حاکمیت داده، اطلاعات سازمان به مجموعه ای پراکنده از داده های جزیره ای تبدیل می شود.

برای مثال:

واحد مالی ممکن است اطلاعات هزینه را داشته باشد، واحد تولید اطلاعات عملکرد فرآیند را، و واحد کیفیت اطلاعات عدم انطباق ها را؛ اما اگر ارتباط منطقی میان این داده ها وجود نداشته باشد، مدیر قادر به مشاهده تصویر واقعی سازمان نخواهد بود.

حاکمیت داده تلاش می کند داده را از یک دارایی پراکنده به یک سرمایه سازمانی مدیریت شده تبدیل کند.

۶.۵. چالش چهارم؛ تمرکز بیش از حد بر ابزار و فناوری

یکی از اشتباهات رایج در پروژه های داده محور، آغاز تحول از فناوری است.

برخی سازمان ها تصور می کنند خرید یک نرم افزار هوش تجاری، ایجاد داشبوردهای زیبا یا استفاده از هوش مصنوعی به تنهایی باعث تحول خواهد شد.

اما فناوری فقط یک ابزار است.

اگر مسئله مدیریتی مشخص نباشد، ابزارهای جدید ممکن است فقط حجم بیشتری از گزارش ها ایجاد کنند.

برای مثال:

یک سازمان ممکن است ده ها شاخص عملکردی در داشبورد خود داشته باشد، اما مدیران هنوز ندانند:

• کدام شاخص اهمیت بیشتری دارد؟
• چه اقدامی باید انجام شود؟
• چه تصمیمی باید تغییر کند؟

در چنین شرایطی، سازمان دارای اطلاعات زیاد اما بینش کم خواهد بود.

اصل اساسی این است:

ابتدا باید مسئله تصمیم گیری مشخص شود؛ سپس فناوری مناسب انتخاب گردد.

۶.۶. چالش پنجم؛ کمبود سواد داده ای مدیران و کارکنان

یکی از پیش نیازهای مهم سازمان داده محور، توسعه سواد داده ای (Data Literacy) است.

سواد داده ای به معنای توانایی افراد برای:

• درک داده،
• تفسیر تحلیل ها،
• تشخیص محدودیت های اطلاعات،
• و استفاده از شواهد در تصمیم گیری

است.

نبود این مهارت باعث می شود دو مشکل ایجاد شود:

از یک طرف، مدیران ممکن است نتوانند از تحلیل های ارائه شده استفاده کنند.

از طرف دیگر، ممکن است برداشت نادرستی از داده ها داشته باشند.

برای مثال، مشاهده همبستگی میان دو متغیر الزاما به معنای وجود رابطه علت و معلولی نیست.

مدیری که چنین تفاوت هایی را درک نکند، ممکن است تصمیم های اشتباه بر اساس تحلیل های ظاهرا علمی اتخاذ کند.

بنابراین، تحول داده محور نیازمند توسعه هم زمان فناوری و قابلیت های انسانی است.

۶.۷. چالش ششم؛ نبود ارتباط میان داده و فرآیندهای کسب وکار

یکی دیگر از موانع مهم، جدا بودن تیم های داده از مسائل واقعی کسب وکار است.

در برخی سازمان ها، متخصصان فناوری یا تحلیل داده گزارش هایی تولید می کنند که ارتباط کافی با نیازهای مدیریتی ندارند.

از طرف دیگر، مدیران کسب وکار نیز ممکن است نتوانند نیازهای خود را به زبان داده بیان کنند.

این شکاف باعث می شود داده و تصمیم در دو مسیر جدا حرکت کنند.

سازمان داده محور موفق، نیازمند همکاری میان:

• مدیران کسب وکار،
• متخصصان داده،
• کارشناسان فرآیند،
• و صاحبان سیستم های مدیریتی

است.

زیرا تحلیل داده زمانی ارزشمند است که یک مسئله واقعی سازمانی را حل کند.

۶.۸. چالش هفتم؛ مسائل اخلاقی و اعتماد در استفاده از داده

با افزایش استفاده از داده و هوش مصنوعی، مسائل اخلاقی نیز اهمیت بیشتری پیدا کرده اند.

سازمان ها باید میان استفاده موثر از داده و حفظ اصول اخلاقی تعادل ایجاد کنند.

موضوعاتی مانند:

• حریم خصوصی کارکنان،
• امنیت اطلاعات،
• شفافیت الگوریتم ها،
• استفاده مسئولانه از داده های انسانی،

از جمله مواردی هستند که باید مورد توجه قرار گیرند.

به خصوص در حوزه منابع انسانی، استفاده نادرست از تحلیل داده می تواند باعث تصمیم های ناعادلانه درباره کارکنان شود.

بنابراین، سازمان داده محور واقعی تنها سازمانی نیست که توانایی تحلیل داده دارد؛ بلکه سازمانی است که از داده به شکل مسئولانه استفاده می کند.

۶.۹. مدل ذهنی جدید برای عبور از چالش ها

عبور از موانع تحول داده محور نیازمند تغییر در نگرش مدیریتی است.

سازمان ها باید درک کنند که:

• داده جایگزین انسان نیست؛ مکمل توانایی انسانی است.
• فناوری هدف نیست؛ وسیله ای برای حل مسائل مدیریتی است.
• شکست های گذشته منبع یادگیری هستند.
• ایجاد فرهنگ داده زمان بر است و نیازمند رهبری مستمر است.

تحول داده محور بیشتر از آنکه یک پروژه فناوری باشد، یک سفر بلوغ سازمانی است.

۶.۱۰. جمع بندی بخش ششم

گذار به سازمان داده محور، مسیری پیچیده است که تنها با خرید فناوری یا ایجاد پایگاه داده تحقق پیدا نمی کند.

موانع اصلی این مسیر معمولا در حوزه های انسانی و مدیریتی قرار دارند:

• فرهنگ سازمانی،
• کیفیت داده،
• حاکمیت اطلاعات،
• مهارت های تحلیلی،
• و توانایی تبدیل تحلیل به اقدام.

سازمان هایی در این مسیر موفق خواهند بود که داده را نه به عنوان یک ابزار کنترلی، بلکه به عنوان یک سرمایه یادگیری سازمانی در نظر بگیرند.

در نهایت، مهم ترین تحول در سازمان داده محور، تغییر فناوری نیست؛ بلکه تغییر در منطق تصمیم گیری سازمان است.

منابع بخش ششم

• Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148–152.
• McAfee, A., & Brynjolfsson, E. (2012). Big data: The management revolution. Harvard Business Review, 90(10), 60–68.
• Davenport, T. H. (2018). The AI Advantage: How to Put the Artificial Intelligence Revolution to Work. MIT Press.
• Provost, F., & Fawcett, T. (2013). Data Science for Business. O’Reilly Media.
• Barends, E., Rousseau, D. M., & Briner, R. B. (2017). Evidence-Based Management: How to Use Evidence to Make Better Organizational Decisions. Kogan Page.

_{۷. بلوغ سازمان های داده محور؛ از گزارش گیری مدیریتی تا سازمان های خودیادگیر  ۷.۱. مقدمه؛ داده محوری به عنوان یک مسیر بلوغ سازمانی}

حرکت به سمت سازمان داده محور یک اقدام مقطعی یا یک پروژه فناوری نیست؛ بلکه یک مسیر تدریجی برای توسعه قابلیت های سازمانی است. بسیاری از سازمان ها در ابتدای این مسیر تصور می کنند که ایجاد چند داشبورد مدیریتی، جمع آوری داده های عملکردی یا خرید یک نرم افزار تحلیلی، به معنای داده محور شدن است.

اما بلوغ داده محور فراتر از دسترسی به اطلاعات است.

یک سازمان زمانی واقعا داده محور محسوب می شود که داده در تار و پود تصمیم گیری، فرآیندها، فرهنگ سازمانی و یادگیری مستمر آن جریان داشته باشد.

به بیان دیگر:

سازمان داده محور سازمانی نیست که فقط داده دارد؛ سازمانی است که با داده فکر می کند.

این تفاوت، مرز میان سازمان هایی است که صرفا گزارش تولید می کنند و سازمان هایی که از داده برای خلق دانش و مزیت رقابتی استفاده می کنند.

_{۷.۲. سطوح بلوغ سازمان داده محور}

بلوغ داده محور را می توان به عنوان فرآیندی تدریجی در نظر گرفت که سازمان ها طی آن از استفاده ابتدایی از اطلاعات به سمت تصمیم گیری هوشمند حرکت می کنند.

سطح اول: سازمان مبتنی بر داده های پراکنده

در پایین ترین سطح بلوغ، داده ها در بخش های مختلف سازمان وجود دارند، اما ارتباط نظام مندی میان آن ها برقرار نیست.

ویژگی های این مرحله عبارت اند از:

• ثبت اطلاعات به شکل دستی یا غیرهماهنگ،
• وجودیل ها و پایگاه های اطلاعاتی متعدد،
• نبود استاندارد مشترک داده،
• وابستگی زیاد به افراد برای استخراج اطلاعات.

در این مرحله، داده بیشتر یک محصول جانبی فعالیت های روزانه است و هنوز به عنوان یک دارایی راهبردی شناخته نمی شود.

بسیاری از سازمان ها سال ها در همین مرحله باقی می مانند، زیرا تصور می کنند داشتن اطلاعات برابر با مدیریت اطلاعات است.

سطح دوم: سازمان گزارش محور

در مرحله دوم، سازمان توانایی تولید گزارش های منظم پیدا می کند.

مدیران می توانند اطلاعاتی مانند:

• میزان فروش،
• هزینه ها،
• عملکرد تولید،
• شاخص های کیفیت،
• وضعیت پروژه ها

را مشاهده کنند.

اما تمرکز اصلی همچنان بر گذشته است.

گزارش ها بیشتر پاسخ می دهند:

«چه اتفاقی افتاده است؟»

برای مثال:

• میزان تولید کاهش یافته است.
• نرخ شکایات افزایش یافته است.
• هزینه تعمیرات بالا رفته است.

اما هنوز سازمان توانایی کافی برای پاسخ به پرسش های عمیق تر ندارد:

• چرا این اتفاق افتاده است؟
• چه عاملی بیشترین تاثیر را داشته است؟
• چه اقدامی باید انجام شود؟

در این مرحله، داده بیشتر نقش نظارتی دارد تا تصمیم ساز.

سطح سوم: سازمان تحلیل محور

در این مرحله، سازمان از گزارش دهی صرف عبور کرده و به تحلیل داده ها می پردازد.

تمرکز از «چه اتفاقی افتاده؟» به سمت «چرا اتفاق افتاده؟» تغییر می کند.

ابزارهایی مانند:

• تحلیل آماری،
• تحلیل روند،
• تحلیل علت و معلول،
• مدل سازی داده،

برای کشف الگوها استفاده می شوند.

برای مثال، یک سازمان تولیدی ممکن است متوجه شود که افزایش ضایعات فقط به عملکرد اپراتورها مربوط نیست، بلکه با تغییر شرایط نگهداری تجهیزات یا تغییر مواد اولیه ارتباط دارد.

در این سطح، داده به ابزار حل مسئله تبدیل می شود.

سطح چهارم: سازمان پیش بین

سازمان های بالغ تر تلاش می کنند از تحلیل گذشته فراتر رفته و آینده را پیش بینی کنند.

در این مرحله، سوال اصلی تغییر می کند:

از:

چه اتفاقی افتاد؟

و:

چرا اتفاق افتاد؟

به:

چه چیزی احتمالا رخ خواهد داد؟

مدل های پیش بینی می توانند در حوزه های مختلف استفاده شوند:

تولید:

پیش بینی خرابی تجهیزات قبل از وقوع.

کیفیت:

شناسایی احتمال ایجاد عدم انطباق.

منابع انسانی:

تشخیص الگوهای کاهش مشارکت کارکنان یا احتمال خروج نیروهای کلیدی.

مدیریت پروژه:

پیش بینی احتمال تاخیر یا افزایش هزینه.

این سطح، سازمان را از حالت واکنشی به سمت سازمان پیش نگر حرکت می دهد.

سطح پنجم: سازمان خودیادگیر

بالاترین سطح بلوغ داده محور، سازمان خودیادگیر است.

در این مرحله، داده فقط برای تصمیم گیری استفاده نمی شود؛ بلکه خود سیستم سازمانی از نتایج تصمیم ها یاد می گیرد.

ویژگی های این سازمان عبارت اند از:

• فرآیندهای آن دائما بهبود می یابند.
• دانش کارکنان به دانش سازمانی تبدیل می شود.
• تصمیم ها ارزیابی و اصلاح می شوند.
• تجربه های موفق و ناموفق مستندسازی می شوند.
• سیستم ها قابلیت سازگاری پیدا می کنند.

این مفهوم با نظریه سازمان یادگیرنده (Learning Organization) پیوند عمیقی دارد.

سازمان یادگیرنده سازمانی است که توانایی ایجاد، کسب و انتقال دانش را دارد و رفتار خود را بر اساس دانش جدید اصلاح می کند(Senge, 1990).

در این سطح، سازمان مانند یک موجود زنده عمل می کند؛ محیط را مشاهده می کند، اطلاعات دریافت می کند، تحلیل می کند و خود را با شرایط جدید تطبیق می دهد.

_{۷.۳. تفاوت سازمان هوشمند با سازمان صرفا دیجیتال}

یکی از موضوعات مهم در مسیر بلوغ داده محور، تفکیک مفهوم دیجیتالی بودن از هوشمند بودن است.

یک سازمان دیجیتال ممکن است:

• سیستم های نرم افزاری پیشرفته داشته باشد،
• فرآیندهای خود را الکترونیکی کرده باشد،
• حجم زیادی داده تولید کند.

اما سازمان هوشمند ویژگی دیگری دارد:

توانایی استفاده از این داده ها برای یادگیری و تصمیم بهتر.

به عبارت دیگر:

دیجیتالی شدن، ظرفیت تولید و ذخیره اطلاعات را افزایش می دهد.

اما هوشمند شدن، ظرفیت فهم، تحلیل و اقدام را افزایش می دهد.

این تفاوت، یکی از مهم ترین چالش های سازمان ها در مسیر تحول دیجیتال است.

_{۷.۴. نقش رهبری در ایجاد سازمان داده محور}

هیچ تحول داده محوری بدون حمایت رهبری سازمان پایدار نمی شود.

رهبران سازمان نقش مهمی در ایجاد سه تغییر اساسی دارند:

تغییر اول: تغییر فرهنگ تصمیم گیری

رهبران باید سازمان را از فرهنگ:

من تجربه دارم، پس تصمیم درست است

به فرهنگ:

بیایید شواهد را بررسی کنیم

هدایت کنند.

تغییر دوم: ایجاد امنیت برای یادگیری

در سازمان های داده محور، اشتباهات فقط شکست تلقی نمی شوند؛ بلکه منابع یادگیری هستند.

اگر کارکنان از گزارش مشکلات یا ارائه داده های منفی بترسند، داده ها کیفیت واقعی خود را از دست خواهند داد.

تغییر سوم: سرمایه گذاری بر قابلیت انسانی

فناوری بدون انسان توانمند، ارزش محدودی دارد.

رهبران باید مهارت هایی مانند:

• تفکر تحلیلی،
• سواد داده ای،
• حل مسئله،
• تفکر سیستمی،

را در سازمان توسعه دهند.

۷.۵. ارتباط بلوغ داده محور با بهبود مستمر

یکی از مهم ترین پیامدهای سیستم سازی داده محور، تقویت مفهوم بهبود مستمر است.

در سیستم های سنتی، بهبود معمولا پس از وقوع مشکل آغاز می شود.

اما در سازمان داده محور، بهبود یک فرآیند دائمی است.

سازمان دائما بررسی می کند:

• عملکرد فعلی چگونه است؟
• چه شکافی وجود دارد؟
• علت شکاف چیست؟
• چه تغییری بیشترین اثر را خواهد داشت؟

این منطق با چرخه معروف PDCA (Plan-Do-Check-Act) در مدیریت کیفیت هم راستا است.

تفاوت اصلی اینجاست که داده محوری، سرعت و دقت این چرخه را افزایش می دهد.

_{۷.۶. جمع بندی بخش هفتم}

بلوغ داده محور یک مسیر تکاملی است که سازمان را از ثبت اطلاعات به سمت یادگیری سازمانی هدایت می کند.

در مراحل ابتدایی، داده تنها برای گزارش دهی استفاده می شود؛ اما در مراحل پیشرفته، داده به بخشی از تفکر سازمان تبدیل می شود.

سازمان های پیشرو آینده، سازمان هایی نخواهند بود که بیشترین داده را دارند؛ بلکه سازمان هایی خواهند بود که سریع تر از دیگران از داده یاد می گیرند.

به همین دلیل، هدف نهایی سیستم سازی داده محور ایجاد یک سازمان صرفا تحلیل گر نیست؛ بلکه ایجاد سازمانی است که بتواند به صورت مستمر خود را اصلاح، تکامل و بازطراحی کند.

_{منابع بخش هفتم}

Senge, P. M. (1990). The Fifth Discipline: The Art & Practice of the Learning Organization. Doubleday.

Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press.

Ross, J. W., Beath, C. M., & Quaadgras, A. (2013). You may not need big data after all. Harvard Business Review, 91(12), 90–98.

Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W. W. Norton & Company.

Gartner. (2020). Data and Analytics Maturity Model. Gartner Research.

_{۸. چارچوب اجرایی استقرار سیستم سازی داده محور؛ از طراحی زیرساخت تا نهادینه سازی فرهنگ تصمیم گیری مبتنی بر شواهد  ۸.۱. مقدمه؛ چرا بسیاری از سازمان ها در اجرای داده محوری موفق نیستند؟}

تبدیل یک سازمان سنتی به سازمانی داده محور، صرفا با خرید نرم افزار، ایجاد پایگاه داده یا استخدام متخصص تحلیل داده اتفاق نمی افتد. تجربه سازمان های مختلف نشان داده است که موفقیت در این مسیر نیازمند یک رویکرد جامع است که هم زمان ابعاد فنی، فرآیندی، انسانی و فرهنگی سازمان را مورد توجه قرار دهد.

یکی از دلایل اصلی شکست پروژه های داده محور این است که سازمان ها معمولا از نقطه اشتباه شروع می کنند. آن ها ابتدا به دنبال فناوری می روند و سپس تلاش می کنند مسئله ای برای آن فناوری پیدا کنند.

در حالی که رویکرد صحیح باید معکوس باشد:

ابتدا مسئله سازمانی و نیاز تصمیم گیری مشخص شود؛ سپس داده، فرآیند و فناوری متناسب با آن طراحی گردد.

سیستم سازی داده محور زمانی موفق خواهد بود که به عنوان یک تحول مدیریتی دیده شود، نه یک پروژه فناوری اطلاعات.

_{۸.۲. مرحله اول؛ تعیین اهداف و مسائل تصمیم گیری سازمان}

اولین گام در استقرار سیستم سازی داده محور، مشخص کردن این موضوع است که سازمان دقیقا برای چه تصمیم هایی به داده نیاز دارد.

بسیاری از سازمان ها حجم زیادی اطلاعات جمع آوری می کنند، اما مشخص نیست این اطلاعات قرار است چه مسئله ای را حل کند.

بنابراین، قبل از طراحی سیستم داده باید پرسش های زیر پاسخ داده شود:

• مهم ترین تصمیم های سازمان کدام اند؟
• کدام تصمیم ها بیشترین اثر را بر عملکرد دارند؟
• چه اطلاعاتی برای بهبود این تصمیم ها مورد نیاز است؟
• وضعیت فعلی تصمیم گیری چه نقاط ضعفی دارد؟

برای مثال، در یک سازمان تولیدی ممکن است هدف اصلی:

• کاهش ضایعات،
• افزایش بهره وری تجهیزات،
• کاهش تاخیر پروژه ها،
• یا بهبود رضایت مشتری

باشد.

در هر یک از این اهداف، نوع داده مورد نیاز متفاوت خواهد بود.

این مرحله اهمیت زیادی دارد، زیرا مانع تبدیل شدن سیستم داده به مجموعه ای از گزارش های غیرضروری می شود.

۸.۳. مرحله دوم؛ ارزیابی بلوغ داده ای سازمان

پس از تعیین اهداف، سازمان باید وضعیت موجود خود را ارزیابی کند.

این ارزیابی باید مشخص کند سازمان در چه سطحی از بلوغ داده ای قرار دارد.

برخی پرسش های کلیدی عبارت اند از:

در حوزه داده:

• چه داده هایی در سازمان وجود دارد؟
• کیفیت این داده ها چگونه است؟
• آیا داده ها قابل اعتماد هستند؟

در حوزه فرآیند:

• آیا فرآیندها استاندارد و قابل اندازه گیری هستند؟
• شاخص های عملکرد چگونه تعریف شده اند؟

در حوزه فناوری:

• چه سیستم های اطلاعاتی وجود دارد؟
• آیا سیستم ها قابلیت تبادل اطلاعات دارند؟

در حوزه انسانی:

• مدیران و کارکنان چه میزان توانایی تحلیل داده دارند؟
• فرهنگ تصمیم گیری سازمان چگونه است؟

این ارزیابی، نقطه شروع حرکت را مشخص می کند و از اجرای اقدامات پراکنده جلوگیری می کند.

۸.۴. مرحله سوم؛ طراحی معماری داده سازمان

پس از شناخت وضعیت موجود، سازمان باید معماری داده خود را طراحی کند.

معماری داده مشخص می کند:

• داده ها چگونه تولید می شوند؟
• در کجا ذخیره می شوند؟
• چگونه به اشتراک گذاشته می شوند؟
• چگونه کنترل کیفیت می شوند؟
• چگونه مورد استفاده قرار می گیرند؟

در این مرحله، موضوعاتی مانند یکپارچه سازی سیستم ها اهمیت پیدا می کنند.

برای مثال، در یک سازمان صنعتی، اطلاعات زیر باید بتوانند در کنار یکدیگر تحلیل شوند:

• اطلاعات تولید،
• اطلاعات نگهداری و تعمیرات،
• اطلاعات کیفیت،
• اطلاعات تامین کنندگان،
• اطلاعات هزینه.

بدون ارتباط میان این داده ها، سازمان فقط مجموعه ای از اطلاعات پراکنده خواهد داشت.

_{۸.۵. مرحله چهارم؛ ایجاد نظام حاکمیت داده}

یکی از مهم ترین مراحل استقرار سیستم سازی داده محور، ایجاد حاکمیت داده است.

حاکمیت داده مشخص می کند که سازمان چگونه از داده به عنوان یک دارایی مدیریتی محافظت و استفاده می کند.

در این مرحله باید موارد زیر مشخص شود:

مالکیت داده

هر داده باید صاحب مشخص داشته باشد.

برای مثال:

• داده کیفیت متعلق به واحد کیفیت،
• داده تولید متعلق به واحد تولید،
• داده منابع انسانی متعلق به واحد منابع انسانی.

استانداردهای داده

تعریف اصطلاحات و معیارهای مشترک اهمیت زیادی دارد.

برای مثال، همه واحدها باید تعریف یکسانی از:

• توقف تولید،
• ضایعات،
• عدم انطباق،
• بهره وری

داشته باشند.

مسئولیت کیفیت داده

مشخص شود چه کسی مسئول بررسی صحت، کامل بودن و به روزرسانی اطلاعات است.

بدون این مسئولیت پذیری، داده به مرور کیفیت خود را از دست خواهد داد.

_{۸.۶. مرحله پنجم؛ توسعه قابلیت های تحلیلی و تصمیم یار}

پس از ایجاد زیرساخت داده، مرحله تبدیل داده به ارزش مدیریتی آغاز می شود.

در این مرحله سازمان باید قابلیت هایی مانند:

• تحلیل عملکرد،
• تحلیل روند،
• پیش بینی،
• شناسایی الگوها،
• تحلیل ریسک،

را توسعه دهد.

اما نکته مهم این است که تحلیل باید به تصمیم متصل باشد.

یک سیستم تحلیلی موفق باید بتواند پاسخ دهد:

• چه مسئله ای وجود دارد؟
• علت احتمالی آن چیست؟
• چه گزینه هایی برای اقدام وجود دارد؟
• پیامد هر گزینه چیست؟

تحلیل زمانی ارزشمند است که به اقدام منجر شود.

_{۸.۷. مرحله ششم؛ توسعه فرهنگ تصمیم گیری مبتنی بر شواهد}

مهم ترین و در عین حال دشوارترین مرحله، تغییر فرهنگ سازمانی است.

حتی بهترین سیستم داده نیز بدون فرهنگ مناسب مورد استفاده قرار نخواهد گرفت.

فرهنگ داده محور نیازمند تغییر در چند باور اساسی است:

از:

مدیر ارشد همیشه پاسخ درست را می داند

به:

بهترین تصمیم از ترکیب تجربه و شواهد حاصل می شود.

از:

گزارش مشکل باعث مقصر شناخته شدن فرد می شود.

به:

داده فرصتی برای یادگیری و بهبود ایجاد می کند.

از:

ما همیشه همین طور کار کرده ایم.

به:

آیا شواهد نشان می دهد روش فعلی بهترین روش است؟

این تغییرات فرهنگی معمولا مهم ترین بخش تحول داده محور هستند.

_{۸.۸. مرحله هفتم؛ ایجاد چرخه پایدار بهبود و یادگیری}

سیستم سازی داده محور باید به یک چرخه دائمی تبدیل شود.

یعنی سازمان پس از اجرای تصمیم، دوباره داده های جدید را بررسی کند:

• آیا نتیجه مورد انتظار حاصل شد؟
• چه عواملی باعث موفقیت یا شکست شدند؟
• چه چیزی باید اصلاح شود؟

این چرخه باعث می شود سازمان به مرور زمان توانمندتر شود.

در واقع، هدف نهایی سیستم سازی داده محور ایجاد سازمانی است که بتواند:

اندازه گیری کند، تحلیل کند، تصمیم بگیرد، یاد بگیرد و خود را اصلاح کند.

_{۸.۹. نقش استانداردهای مدیریتی در استقرار سیستم داده محور}

استانداردهای مدیریتی موجود می توانند زیرساخت مناسبی برای توسعه سیستم سازی داده محور فراهم کنند.

برای مثال، اصول مطرح شده در استانداردهای مدیریت کیفیت مانند:

• رویکرد فرآیندی،
• تفکر مبتنی بر ریسک،
• تصمیم گیری مبتنی بر شواهد،
• بهبود مستمر،

با فلسفه سازمان داده محور هم راستا هستند.

در واقع، سازمان هایی که قبلا تجربه استقرار سیستم های مدیریتی مانند ISO 9001 را داشته اند، از یک مزیت اولیه برخوردارند؛ زیرا بخشی از زیرساخت های مورد نیاز مانند فرآیندها، شاخص ها و مستندسازی را در اختیار دارند.

اما گام بعدی برای این سازمان ها، حرکت از «ثبت و کنترل» به سمت «تحلیل و یادگیری» است.

_{۸.۱۰. جمع بندی بخش هشتم}

استقرار سیستم سازی داده محور یک مسیر چندبعدی است که از فناوری آغاز نمی شود، بلکه از مسئله مدیریتی آغاز می شود.

موفقیت این مسیر نیازمند هماهنگی میان:

• استراتژی سازمان،
• معماری داده،
• فرآیندهای کسب وکار،
• فناوری،
• مهارت های انسانی،
• و فرهنگ تصمیم گیری

است.

سازمانی که تنها ابزارهای داده ای ایجاد کند، ممکن است اطلاعات بیشتری تولید کند؛ اما سازمانی که سیستم سازی داده محور را به درستی اجرا کند، قادر خواهد بود از اطلاعات خود برای یادگیری، نوآوری و تصمیم های بهتر استفاده کند.

بنابراین، هدف نهایی این تحول، ایجاد یک سازمان «پر از داده» نیست؛ بلکه ساختن یک سازمان آگاه، یادگیرنده و تصمیم ساز است.

منابع بخش هشتم

• Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148–152.
• DAMA International. (2017). DAMA-DMBOK: Data Management Body of Knowledge (2nd ed.). Technics Publications.
• ISO. (2015). ISO 9001:2015 Quality Management Systems — Requirements. International Organization for Standardization.
• Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press.
• Senge, P. M. (1990). The Fifth Discipline: The Art & Practice of the Learning Organization. Doubleday.

۹. نتیجه گیری؛ سیستم سازی داده محور به عنوان قابلیت راهبردی سازمان های آینده 

۹.۱. مقدمه؛ بازتعریف مفهوم سیستم در سازمان های نوین

در دهه های گذشته، سازمان ها برای افزایش اثربخشی تلاش کردند فعالیت های خود را استانداردسازی کرده، فرآیندهای خود را مستندسازی کنند و از طریق سیستم های مدیریتی، میزان کنترل و پیش بینی پذیری عملکرد را افزایش دهند. این رویکرد، پایه بسیاری از نظام های مدیریتی موفق در جهان بوده است.

با این حال، تحول محیط کسب وکار نشان داده است که سیستم های سنتی، اگرچه برای ایجاد نظم و ثبات ضروری هستند، اما به تنهایی پاسخگوی پیچیدگی های سازمان های امروز نیستند.

سازمان های آینده تنها به سیستم هایی نیاز ندارند که مشخص کنند:

چه کاری باید انجام شود؟

بلکه به سیستم هایی نیاز دارند که بتوانند پاسخ دهند:

چرا این کار انجام می شود؟
آیا روش فعلی بهترین روش است؟
چه چیزی باید تغییر کند؟

این تغییر، نشان دهنده گذار از سیستم سازی فرآیندی به سیستم سازی یادگیرنده است؛ مفهومی که در این مقاله تحت عنوان سیستم سازی داده محور مورد بررسی قرار گرفت.

_{۹.۲. جمع بندی یافته های مفهومی مقاله}

تحلیل انجام شده در این مقاله نشان داد که سیستم سازی داده محور را نمی توان صرفا به استفاده از فناوری، نرم افزارهای تحلیلی یا ایجاد پایگاه های داده محدود کرد.

ماهیت اصلی این مفهوم، تغییر در منطق اداره سازمان است.

در مدل سنتی، سازمان عمدتا بر سه عنصر متکی است:

• تجربه افراد،
• رویه های تثبیت شده،
• کنترل عملکرد گذشته.

اما در مدل داده محور، سه عنصر جدید اهمیت پیدا می کند:

• شواهد معتبر،
• تحلیل مستمر،
• یادگیری سازمانی.

در این رویکرد، سازمان تلاش می کند تصمیم گیری را از یک فعالیت وابسته به افراد خاص، به یک قابلیت سازمانی تبدیل کند.

۹.۳. گذار از سازمان فردمحور به سازمان سیستم محور

یکی از مهم ترین دستاوردهای سیستم سازی داده محور، کاهش وابستگی سازمان به دانش فردی افراد کلیدی است.

در بسیاری از سازمان ها، بخش مهمی از دانش عملیاتی و مدیریتی در ذهن افراد با تجربه قرار دارد. اگر این افراد سازمان را ترک کنند، بخشی از توانایی تصمیم گیری سازمان نیز از بین می رود.

سیستم سازی داده محور تلاش می کند این دانش را:

• ثبت کند،
• تحلیل کند،
• ساختارمند سازد،
• و به سرمایه سازمانی تبدیل کند.

البته این موضوع به معنای حذف نقش انسان نیست.

برعکس، هدف این است که انسان از انجام تصمیم های تکراری و مبتنی بر حدس فاصله گرفته و انرژی خود را صرف تحلیل مسائل پیچیده تر، خلاقیت و نوآوری کند.

۹.۴. داده به عنوان سرمایه راهبردی سازمان

در اقتصاد جدید، داده به یکی از مهم ترین دارایی های سازمان تبدیل شده است.

اما ارزش داده در حجم آن نیست.

یک سازمان ممکن است میلیون ها رکورد اطلاعاتی داشته باشد، اما اگر نتواند از آن ها برای تصمیم گیری استفاده کند، این داده ها ارزش راهبردی محدودی خواهند داشت.

ارزش واقعی داده زمانی ایجاد می شود که سازمان بتواند:

• داده مناسب را تولید کند،
• کیفیت آن را تضمین کند،
• آن را تحلیل کند،
• از آن شواهد ایجاد کند،
• و تصمیم های بهتری اتخاذ نماید.

بنابراین، مزیت رقابتی آینده نه متعلق به سازمان هایی است که بیشترین داده را دارند، بلکه متعلق به سازمان هایی است که سریع تر و دقیق تر از داده های خود یاد می گیرند.

۹.۵. نقش مدیریت و رهبری در آینده سازمان های داده محور

تحقق سیستم سازی داده محور بدون تغییر در نگرش مدیران امکان پذیر نیست.

رهبران سازمان باید بپذیرند که مدیریت آینده بر پایه ترکیبی از سه قابلیت شکل خواهد گرفت:

تجربه انسانی

برای درک شرایط، تفسیر موقعیت ها و شناخت ظرافت های سازمانی.

تحلیل داده

برای کاهش خطاهای شناختی، کشف الگوها و افزایش کیفیت تصمیم.

تفکر سیستمی

برای درک ارتباط میان اجزای سازمان و پیامدهای تصمیم ها.

مدیری که تنها به تجربه تکیه کند، ممکن است گرفتار محدودیت های گذشته شود.

مدیری که فقط به داده تکیه کند، ممکن است پیچیدگی های انسانی و سازمانی را نادیده بگیرد.

اما مدیری که بتواند این سه عنصر را ترکیب کند، توانایی ایجاد سازمانی پویا و یادگیرنده را خواهد داشت.

۹.۶. پیامدهای مدیریتی سیستم سازی داده محور

استقرار صحیح سیستم سازی داده محور می تواند پیامدهای مهمی برای سازمان ها ایجاد کند:

افزایش کیفیت تصمیم گیری

تصمیم ها بر اساس شواهد و تحلیل اتخاذ می شوند، نه صرفا بر اساس برداشت شخصی.

افزایش سرعت واکنش سازمان

سازمان قادر خواهد بود تغییرات محیطی را سریع تر شناسایی و پاسخ مناسب طراحی کند.

کاهش ریسک مدیریتی

استفاده از داده و تحلیل، احتمال تصمیم های نادرست را کاهش می دهد.

تقویت یادگیری سازمانی

هر تصمیم به منبعی برای یادگیری و بهبود تصمیم های آینده تبدیل می شود.

افزایش قابلیت بهبود مستمر

_{سازمان به جای واکنش پس از وقوع مشکل، به سمت شناسایی پیشگیرانه مسائل حرکت می کند. ۹.۷. نتیجه نهایی؛ از سازمان کنترل محور تا سازمان یادگیرنده}

مهم ترین نتیجه این مقاله آن است که سیستم سازی داده محور را باید یک مرحله تکاملی در مدیریت سازمان دانست.

در گذشته، هدف اصلی سیستم سازی، ایجاد نظم و کنترل بود.

اما در عصر داده، هدف فراتر رفته است:

سازمان باید بتواند از عملکرد خود یاد بگیرد.

سازمان های پیشرو آینده، سازمان هایی نیستند که فقط فرآیندهای استاندارد داشته باشند؛ بلکه سازمان هایی هستند که توانایی مشاهده، تحلیل، یادگیری و اصلاح مستمر خود را توسعه داده اند.

در چنین سازمان هایی، داده جایگزین انسان نمی شود، بلکه ظرفیت انسانی را افزایش می دهد.

فناوری جایگزین مدیریت نمی شود، بلکه ابزار قدرتمندتری برای مدیریت فراهم می کند.

و تجربه حذف نمی شود، بلکه در یک چارچوب علمی تر و قابل انتقال تر قرار می گیرد.

بر این اساس، می توان نتیجه گرفت:

سیستم سازی داده محور، پلی میان مدیریت سنتی و سازمان های هوشمند آینده است؛ رویکردی که سازمان را از مجموعه ای از فرآیندهای ثابت، به یک سیستم یادگیرنده و تکامل پذیر تبدیل می کند.

منابع بخش نهم

• Senge, P. M. (1990). The Fifth Discipline: The Art & Practice of the Learning Organization. Doubleday.
• Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W. W. Norton & Company.
• Davenport, T. H. (2018). The AI Advantage: How to Put the Artificial Intelligence Revolution to Work. MIT Press.
• Rousseau, D. M. (2006). Is there such a thing as “evidence-based management”? Academy of