مهم‌ترین چالش‌های مدیران ارشد داده‌ها چیست ؟ مدیران ارشد چگونه چالش های پیش روی خود را مدیریت می کنند ؟ کیفیت داده ها به چه عواملی بستگی دارد ؟ در این مقاله از وب سایت توسعه تجارت دلیران دنا (دناکو) این موضوع بررسی می شود.
مهم‌ترین چالش‌های مدیران ارشد داده‌ها
چالش‌ها
وقتی شما نقشی را می‌پذیرید که دائما در تحول و تکامل است، طبیعتا با چالش‌هایی روبه‌رو خواهید شد. شما به عنوان مدیر ارشد داده‌ها، مسوولیت سیاست‌گذاری در واحدها و شعبه‌های مختلف را بر عهده دارید و همزمان، باید با تحولات و تکنولوژی‌های روز همگام شوید و چون در این نقش ثباتی وجود ندارد و انتظارات به درستی تعیین نشده‌اند، مسوولیت شما سخت‌تر می‌شود.
چالش‌های تکنیکی
حقیقت این است که برای نیل به اهداف بزرگ کسب‌وکار، داده‌های داخلی به تنهایی کافی نیستند. از این رو، مدیر ارشد داده‌ها علاوه‌بر جمع‌آوری داده‌های سازمان، باید داده‌های خارجی را نیز جمع‌آوری کند تا با استفاده از آنها به سوالات مهم کسب‌وکار پاسخ دهد. «جنیفر ایپولیتی»، مدیر ارشد داده‌های سابق شرکت خدمات مالی «ریموند جیمز» معتقد است که این، مهم‌ترین چالش بر سر راه مدیران ارشد داده‌هاست. او در این رابطه می‌گوید: «بزرگترین چالش این است که چگونه چشم‌انداز مردم را به واقعیت پیوند دهیم. آنها می‌خواهند بدانند ما در زمینه مدیریت داده‌ها چقدر مهارت داریم، آن هم در شرایطی که داده‌ها پراکنده‌اند، همخوانی ندارند و بر اساس استانداردها تعریف و قالب‌بندی نشده‌اند.» این چالش در دو کلمه خلاصه می‌شود: کیفیت داده‌ها.
دقت داده‌ها
کیفیت داده‌ها به چند عامل بستگی دارد، از جمله مدت زمان ذخیره و بازیافت (latency) و کامل بودن (completeness). اما «جیمز گیلیگن»، مدیر سابق شرکت بیمه «بلوکراس» کانادا معتقد است که بسیاری از مردم برای آنکه در مدت زمان کمتر به حجم عظیمی از داده‌ها دسترسی پیدا کنند، از «دقت داده‌ها» غافل می‌شوند. او می‌گوید: «به نظر من سازمان‌ها به کیفیت داده‌ها اهمیت نمی‌دهند. آنها فقط به این فکر می‌کنند که داده‌ها به سازمان سرازیر شوند و مورد استفاده قرار بگیرند اما کسی به صحت و سقم آنها اهمیت نمی‌دهد.»
درست مثل بسیاری از شرکت‌ها، بلو کراس نیز از داده‌های جمع‌آوری شده از سوی یک سازمان دیگر به‌عنوان منبع استفاده می‌کند. بعضی از این داده‌ها دارای دقت کافی نیستند. در چنین شرایطی کارشناسان وسوسه می‌شوند داده‌ها را اصلاح کنند تا قابل استفاده باشند. اما گیلیگن می‌گوید: «به محض اینکه این کار را انجام می‌دهید، دو مشکل در برابر شما قدعلم می‌کنند. اولا این داده‌ها گمراه‌کننده‌اند. دوما یک منبع جدید برای دریافت اطلاعات معتبر ایجاد کرده‌اید. این داده‌ها ممکن است مصارف مختلفی داشته باشند و از سوی افراد زیادی مورد استفاده قرار بگیرند.
بنابراین، حتی در یک کسب‌وکار کوچک، اصلاح داده‌ها می‌تواند عواقب سنگینی به دنبال داشته باشد.»دستکاری داده‌هایی که مورد استفاده طیف وسیعی از افراد است و ایجاد یک منبع جدید اطلاعات، نه‌تنها ریسک بزرگی است بلکه باعث اتلاف وقت و منابع می‌شود. گیلیگن می‌گوید: «در بسیاری از شرکت‌ها، کسانی که داده‌ها را پاکسازی می‌کنند، وظایف دیگری بر عهده دارند اما تا داده‌ها پاکسازی نشوند، امکان انجام آن وظایف وجود ندارد.»
«پاکسازی داده‌ها، مهم‌ترین مانع رسیدن به بینش است». این عنوان مقاله‌ای از «استیو لور» است که در نیویورک تایمز به چاپ رسیده. او در این مقاله می‌نویسد: «شاید ترکیب داده‌ها ارزش‌آفرین باشد، اما به همان‌اندازه زمانبر نیز هست. داده‌های دریافتی از سنسورها، اسناد و وب‌سایت‌ها قالب‌بندی‌های متفاوتی دارند. داده‌ها قبل از آنکه به وسیله یک نرم‌افزار یا الگوریتم تفسیر شوند، باید پاکسازی و یکپارچه‌سازی شوند تا قابل تفسیر باشند.» او براساس مصاحبه‌هایش با کارشناسان تخمین می‌زند که دانشمندان داده‌ها ۵۰ تا ۸۰ درصد وقت خود را صرف جمع‌آوری و پاکسازی داده‌ها می‌کنند.
بعضی از این فعالیت‌ها اجتناب‌ناپذیرند. اینجاست که یکی از مهارت‌های مهم مدیران ارشد داده‌ها، یعنی «ابلاغ و متقاعدسازی» اهمیت پیدا می‌کند. گیلیگن در این رابطه می‌گوید: «هر سازمانی که به داده‌های خارجی وابسته است به این مهارت نیاز دارد. شما باید معیار و انتظارات خود، پیرامون کیفیت داده‌ها را به سراسر سازمان ابلاغ کنید و مطمئن شوید افرادی که در خارج از سازمان هستند، این انتظارات را درک و برآورده می‌کنند.»
تحقیقات جدیدتر نشان می‌دهد که کیفیت و پاکسازی داده‌ها دیگر مشکل بزرگی نیست. دانشمندانی مثل «کلودیا پرلیک» قادرند داده‌های بی‌معنا را به دقت تجزیه و تحلیل کنند. او در کنفرانسی که در سال ۲۰۱۵ در نیویورک برگزار شد، در سخنرانی‌اش تحت عنوان «مرگ کلیک» به این موضوع پرداخت که چگونه داده‌های بزرگ معیارهای شما را نابود می‌کنند و همزمان با ظهور تکنیک‌های جدید، بسیاری از معیارهای سنتی و شاخص‌های کلیدی عملکرد (KPI) مثل نرخ کلیک (CTR) به مرور ارزش خود را از دست می‌دهند.
«جان آکرد»، مدیر ارشد تکنولوژی و یکی از بنیان‌گذاران شرکت «SVDS» می‌گوید: «در گذشته، کار ما جمع‌آوری داده‌ها و گزارش بود. تنها پیچیدگی و مشکلی که داشتیم، حفظ میانگین‌های متحرک بود. در آن دوران، اصل ورودی زباله، خروجی زباله (garbage in, garbage out) رواج داشت که یعنی اگر داده‌های ورودی بی‌کیفیت و نامعتبر باشند، خروجی نیز نامعتبر خواهد بود. و این کاملا منطقی بود، چراکه میان درون‌داد و برون‌داد ارتباط تنگاتنگی وجود دارد. اما حالا به‌دلیل پیدایش تکنیک‌های جدید، باید درباره داده‌ها تجدیدنظر کنیم.»
زمینه داده
گاهی کیفیت داده‌ها تنها به دقت آنها وابسته نیست و به عامل دیگری نیز بستگی دارد: زمینه. در سازمان‌ها و ادارات دولتی که داده‌های خود را در دسترس عموم قرار می‌دهند، اینکه چه تعریف و انتظاراتی در رابطه با کیفیت داده‌ها وجود دارد می‌تواند چالش برانگیز باشد. «باربارا کوهن» مدیر ارشد داده‌های سابق ایالت نیویورک می‌گوید: «مردم و ادارات دولتی انتظار دارند داده‌ها مرتبط، به موقع، معتبر، سازگار و دقیق باشند. اما این به‌راحتی به دست نمی‌آید و زحمت بسیاری لازم دارد.» او نخستین کسی است که از سوی فرماندار «اندرو کومو» به مقام مدیر ارشد داده‌های نیویورک منصوب شد.
کومو تمامی واحدهای IT ادارات دولتی را متحد کرد تا شفافیت و دسترسی به داده‌ها را در سازمان‌ها افزایش دهند. این ایالت حالا به کتابخانه‌ای مجهز است که ۱۴۰۰ پایگاه داده‌ها را در خود جای داده، از شماره‌های برنده لاتاری گرفته تا نقشه تجهیزات مدیریت پسماندها در سراسر ایالت. این اطلاعات جامع و مفیدند و در دسترس عموم قرار دارند. کوهن می‌گوید: «ما می‌خواستیم همه مردم، از کالیفرنیا تا آفریقا و اروپا به این داده‌ها دسترسی داشته باشند. می‌خواستیم ارزش و بینش کسب‌وکار را به حداکثر برسانیم، از طریق پالایش و بهینه‌سازی محتوای داده‌ها.» اما چطور ارزش کسب‌وکار را به حداکثر برسانیم؟ کوهن می‌گوید: «مهم این است که داده‌ها سودمند باشند و امکان استفاده مجدد از آنها وجود داشته باشد. اگر داده‌ها با کیفیت نباشند، ارزشمند نخواهند بود.»
سیستم‌های قدیمی
گاهی در نتیجه دگرگونی در ساختار سازمان‌ها (مثل ادغام یا تبدیل شرکت خصوصی به شرکت سهامی عام) زیرساخت‌های قدیمی تحت‌تاثیر قرار می‌گیرند. گیلیگن می‌گوید: «وقتی شرکت شما با یک سازمان دیگر ادغام می‌شوید، چالش اصلی، ادغام سیستم‌ها نیست. مشکل اصلی ادغام داده‌هاست. داده‌های سازمان‌ها پیکربندی متفاوتی دارند و این مشکل‌آفرین است.»در این شرایط، بسیاری وسوسه می‌شوند که سیستم‌ها را از نو بازسازی کنند. به اعتقاد گیلیگن، این اشتباه بزرگی است چرا که در این پروسه، شما بخش اعظمی از اطلاعات قدیمی را از دست می‌دهید.
چالش‌های کسب‌وکار
از داده‌ها استفاده‌های بسیاری می‌توان کرد اما مهم این است که از آنها برای دستیابی به اهداف کسب‌وکار استفاده کنیم.«جوی بونگورو»، مدیر ارشد داده‌های سانفرانسیسکو می‌گوید: «داده‌ها گرچه به تکنولوژی وابسته‌اند اما مشکلات کسب‌وکار اساسا ارتباطی به تکنولوژی ندارند. سیستم‌های اطلاعات می‌توانند داده‌ها را در خود جای دهند اما سوالات مهمی مثل اینکه آیا باید این برنامه را اجرا کنیم؟ کاملا به حوزه کسب‌وکار مربوطند.
مادامی که نتوانید سوالات کلیدی در رابطه با کسب‌وکار مطرح کنید، اینکه به چه تکنولوژی‌هایی مجهزید هیچ اهمیتی ندارد.»«یوجین کولکر» مدیر ارشد داده‌های سابق بیمارستان کودکان سیاتل معتقد است که هدف اصلی، بهبود کسب‌وکار و ارتقای کیفیت خدمات به مشتری است. بهتر است کار خود را از اینجا آغاز کنیم، سپس به جنبه‌های تکنولوژیک بپردازیم.
چالش اول: استراتژی
برای آنکه بتوانیم سوالات کلیدی مطرح کنیم و پاسخ‌هایی پیدا کنیم که به ارزش‌آفرینی منجر شوند، باید استراتژی داشته باشیم. یک استراتژی داده در صورتی ایده‌آل است که صاحبان سهام در طراحی آن مشارکت داشته باشند تا آن را درک کرده و بر سر آن به توافق رسیده باشند. یک استراتژی خوب این موارد را شامل می‌شود: اهداف کسب‌وکار، چگونگی استفاده از داده‌ها برای رسیدن به این اهداف و برنامه‌های عملی و قابل اجرا (که از کجا و چگونه شروع کنیم). اگر برنامه‌ها اجرایی نشوند، استراتژی چیزی جز یک تکه کاغذ نیست. کولکر می‌گوید: «ما به تجربه آموختیم که تجزیه و تحلیل و مدل‌سازی داده‌ها لازم است، اما کافی نیست. قصد ما، صرفا تجزیه و تحلیل داده‌ها نبود، بلکه می‌خواستیم اقدام کنیم و کسب‌وکارمان را دگرگون کنیم. دغدغه ما، افزایش تعداد کلیک‌ها نبود. جان مردم در دستان ما بود.»
یک استراتژی خوب علاوه‌بر عملی بودن باید انعطاف‌پذیر نیز باشد و با تغییر اولویت‌های کسب‌وکار یا تحولات تکنولوژی سازگار شود و بارها مورد بازبینی قرار گیرد. سوالات و مشکلات مهم کسب‌وکار ممکن است به لطف ابزارها و تکنیک‌های جدید، به مرور زمان تغییر کنند یا حتی رفع شوند. همزمان با این تحولات، استراتژی نیز باید تکامل یابد و تکامل یعنی اطمینان حاصل کنید که ابزارهایی که استفاده می‌کنید هنوز کاربرد دارند یا خیر.اینکه بگویید داده‌ها مهمند کافی نیست. چالش اصلی این است که چشم‌اندازهای داده‌محور داشته باشید و این چشم‌اندازها را به یک برنامه عملی تبدیل کنید.
چالش دوم: کنترل داده‌ها
اینکه داده‌ها چگونه مورد استفاده قرار می‌گیرند، به‌خصوص در محیط‌هایی مثل بیمارستان‌ها و موسسات مالی، می‌تواند بسیار حساس باشد. و همان‌طور که در بخش نخست مقاله به آن اشاره کردیم، کنترل داده‌ها، تطبیق آنها با استانداردها و نظارت بر اجرای قوانین یکی از وظایف اولیه مدیر ارشد داده‌هاست.هرچند در ظاهر ساده به نظر می‌رسد اما انجام این کار نیاز به اولویت‌بندی دارد.
جنیفر ایپولیتی، ابتدا یک تصویر کلی از مسائل مربوط به داده‌ها ترسیم می‌کند. سپس آنها را اولویت‌بندی می‌کند و آنچه به نفع کسب‌وکار است، انتخاب می‌کند. «میشلین کیسی» معتقد است که کنترل داده‌ها زمانبر، نیازمند دقت و توجه و مذاکره با دیگران است. مدیر ارشد داده‌ها ناچار است پیش از اعمال سیاست‌هایش با افراد بسیاری مذاکره کند. بسیاری از شرکت‌ها این مسوولیت را به مدیر ارشد ریسک واگذار می‌کنند تا مدیر ارشد داده‌ها بتواند با فراغ بال روی تولید محصولات جدید تمرکز کند.
چالش‌های سیاسی
داده‌ها را می‌توان به شکل‌های مختلف تفسیر کرد و این یک مانع بزرگ است. به اعتقاد کولکر، این بزرگترین مانعی است که وجود دارد. او در این رابطه می‌گوید: «چالش اصلی فنی نیست. حتی تحلیلی هم نیست. چالش اصلی مربوط به عوامل انسانی است.» او طی نخستین روزهای فعالیتش به‌عنوان مدیر ارشد داده‌های بیمارستان متوجه شد که تیم‌ها برنامه‌های مشابهی را اجرا می‌کنند اما نتایج یکسان نیست. او با خودش گفت: «چرا بعضی برنامه‌ها موفقیت‌آمیزند و بعضی دیگر نیستند؟» و این تفاوت در عوامل انسانی ریشه داشت. پس از آن، او و تیمش بیشتر روی جنبه‌های انسانی تمرکز کردند. «ما فقط روی وظایف و پروژه‌ها تمرکز نمی‌کنیم، بلکه روی افراد تصمیم‌گیرنده و مجریان نیز تمرکز داریم. ما یک رویکرد مشاوره‌ای داریم و اجازه می‌دهیم افراد در اجرای امور مشارکت کنند.»
هنر ممکن‌ها
به اعتقاد «چارلز توماس» از بانک ولز فارگو، تبلیغ و متقاعدسازی مهم‌ترین چالش مدیران ارشد داده‌هاست. کلید موفقیت در متقاعدسازی این است که به سازمان‌ها نشان دهیم چگونه می‌توانند موفق‌تر باشند. ممکن است یک سازمان عملکرد خوبی داشته باشد اما در هر سازمانی نارسایی‌هایی وجود دارد. سوال اینجاست آیا عملکرد ما به بهترین شکل ممکن است؟
از سوی دیگر، باید تمرکز خود را از تک‌تک شعبه‌ها و سازمان‌ها برداریم و روی سازمان به‌عنوان یک کل تمرکز کنیم. متمرکزسازی تنها محدود به حوزه داده‌ها نیست. متمرکزسازی یعنی تلاش برای رسیدن به موفقیت‌های بزرگ‌تر سازمان. توماس برای وصف مسوولیت مدیر ارشد داده‌ها از عبارت «هنر ممکن‌ها» استفاده کرد. این عبارت را نخستین‌بار «اتو فون بیسمارک» از سران قدرت آلمان در قرن نوزدهم به‌کار برده بود. او گفته بود «سیاست، هنر ممکن‌هاست.» بسیاری از مدیران ارشد اجرایی ناخودآگاه می‌گویند که شغل‌شان بی‌شباهت به سیاست نیست. درست مثل بیسمارک که توانست بخش‌های مختلف آلمان را متحد کند، وظیفه مدیر ارشد داده‌ها نیز ایجاد وحدت میان واحدهای یک سازمان و تبدیل آنها به یک سازمان داده‌محور است.
هنر متقاعدسازی
«تایرون گرندیسون»، مدیر ارشد داده‌های وزارت بازرگانی آمریکا می‌گوید: «تمامی اعضای تیم را دور هم جمع کنید. گزینه‌ها را برشمرید و به آنها اطلاعات بدهید. این اطلاعات از این قرارند: من از ماموریت سازمان، نگرانی‌ها و موانع خبر دارم. احتمالات و خطوط زمانی را می‌شناسم. با تکنیک‌های جدید برای انجام این کار آشنا هستم. پیشنهاد من این است. این مزایا و معایب را دارد. نظر خود را بگویید. از آنها بخواهید براساس اطلاعاتی که به آنها داده‌اید، نتیجه دلخواه را مشخص کنند.» خوشبختانه، از آنجاکه هر روز افراد بیشتری به اهمیت داده‌ها پی می‌برند، فرآیند متقاعدسازی آسان و آسان‌تر می‌شود. تقریبا هیچ مجله کسب‌وکاری نیست که هر روز در رابطه با داده‌ها و نقش آنها در تحولات جهان مقاله‌ای چاپ نکند.
از منوی آموزش وب سایت دناکو (دلیران دنا) می توانید به بانک مقالات آموزشی با هزاران مقاله رایگان در زمینه مدیریت ، کسب و کار ، فروش ، موفقیت ، کارآفرینی و سایر زمینه های کسب و کار دسترسی داشته باشید. مشاوره بازاریابی و فروش ، طراحی سایت ، مشاوره سرمایه گزاری ، تحقیق و توسعه ، طرح کسب و کار و کارآفرینی را می توانید در دناکو دنبال نمایید.
- بزرگترین پایگاه مقالات مدیریت و کسب و کار در دلیران دنا
- بزرگترین شبکه مشاوره کسب و کار و فروش در دلیران دنا
- سامانه های تخصصی فروش و توسعه تجارت در دلیران دنا
انتشار مجدد مقالات وب سایت دلیران دنا برای گسترش علم مدیریت و کسب و کار با ذکر منبع (توسعه تجارت دلیران دنا) مجاز است. فروش این مقالات به هر طریقی اکیدا ممنوع است و صرفا انتشار رایگان مقالات دلیران دنا مجاز است.
منابع این مقاله :
نویسنده: Julie Steele
مترجم: مریم مرادخانی
Silicon Valley Data Science
وب سایت دنیای اقتصاد
وب سایت توسعه تجارت دلیران دنا (دناکو)
پاسخ دهید