تنها 2 مقاله دیگر را می‌توانی رایگان مطالعه کنی. ثبت نام کن تا مقاله‌های بیشتری بخوانی.

از فرصت پروژه های دیتا آنالیتیک کوچک استفاده کنید

در موج اقبال شرکت ها به دیتا آنالیتیک و بیگ دیتا، شرکت های زیادی فرصت دیتاهای کوچکشان را فراموش کرده اند: غفلت از یک فرصت بزرگ. افراد از فهمیدن اعداد و معنایی که در کسب و کار دارند و استفاده از آنها در کشف اینکه در کسب و کارشان چه چیزی در جریان است، لذت می برند. آنها دوست دارند که بر روی تیمشان کار کنند و ببینند که نتیجه کارشان، طرز کار تیم و کارایی شرکتشان را بهبود می بخشد. فرصت را از دست ندهید و شما هم بلافاصله شروع کنید...
هادی اربابی‌بهار
۲۴ مرداد در 8 دقیقه بخوانید
از فرصت پروژه های دیتا آنالیتیک کوچک استفاده کنید

سخن مشاور مدیریت:

در موج عمومی اقبال شرکت ها به دیتا آنالیتیک، بیگ دیتا، یادگیری ماشین و هوش مصنوعی، شرکت های زیادی فرصت بهره گیری از دیتاهای کوچکشان را فراموش کرده اند: غفلت از یک فرصت بزرگ. سهولت نسبی، قابلیت دسترسی و قدرت پروژه های دیتا آنالیتیک کوچک، بر همه کارکنان، مدیران و رهبران در همه دپارتمان ها و کلیه سازمان ها، آثار عمیقی برجای میگذارد.

پروژه های دیتا آنالیتیک کوچک، تیم هایی از کارکنان به تعداد انگشتان یک دست را درگیر میکنند و مسائلی را در حوزه های کوچک و درون واحدی سازمان ها با استفاده از چندین هزار رکورد دیتا هدف گرفته و حل میکنند – بجای میلیون ها رکورد و بیشتر که در پروژه های بیگ دیتا بکار می روند. آنها صرفا از روش ها و تکنیک های اولیه و ساده دیتا آنالیتیک استفاده میکنند که در دسترس همه هستند. این پروژه ها ظرف حداکثر ۲-۳ ماه با کار پاره وقت چند نفر انجام و تکمیل میشوند و هر پروژه بطور متوسط سالانه بین ۱۰ تا ۲۵ هزار دلار سود یا صرفه جویی مالی برای سازمان دارند. شرکتها فرصت زیادی برای تعریف و اجرای چنین پروژه هایی دارند و منطقی است که انتظار داشته باشیم یک دپارتمان ۴۰ نفره، سالانه ۲۰ پروژه دیتا انالیتیک کوچک را تعریف و اجرا کند که مجموعا نتایج و سود قابل توجه و عمده ای برای سازمان خواهند داشت.

چرا پروژه های دیتا آنالیتیک کوچک؟

برخلاف پروژه های بیگ دیتا که اغلب تیم بزرگی از افراد را درگیر برنامه ها و فعالیت های متنوعی میکنند، بودجه قابل توجهی نیاز دارند و احتمال شکست بالایی دارند، پروژه های دیتا آنالیتیک کوچک احتمال موفقیت بالایی دارند. بنابراین، پروژه های دیتا آنالیتیک کوچک، ماهیچه ها و توانایی تحلیل دیتا سازمان را تقویت میکند و به کل سازمان کمک میکند یاد بگیرند که چه چیزهایی برای تحلیل دیتا موفق و موثر، لازم است تا مهارت ها و اعتماد به نفس لازم را بدست آورده و فرهنگ سازمانی موردنیاز پروژٰه های بیگ دیتا را توسعه دهد. مشارکت در پروژه های دیتا آنالیتیک کوچک به بسیاری از کارکنان که نگرانند مشاغلشان با اتوماسیون حذف و جایگزین می شوند یا شرح شغلشان بنحوی خارج از کنترل و توانایی آنها تغییر می کند، کمک میکند که بطور فعال توانایی های کار با دیتا خود را تقویت کنند و بر این ترس و نگرانیشان غلبه کنند.

علاوه بر ویژگی های فوق این پروژه های کوچک، جالب و جذاب هم هستند. یک مدیر عملیاتی کهنه کار که ۲۰ سال سابقه کار در مخابرات دارد، پس از هدایت تیمش در تعدادی از پروژه های دیتا آنالیتیک کوچک و در جشن موفقیت آنها میگفت: “این بهترین تجربه من در دوره ۲۰ ساله کارم است. این پروژه ها باعث میشود که احساس کنم بر هدف و مسیر اجرای فعالیت های کاریم کنترل کامل دارم.” ما به اجرای صدها و شاید هزاران نمونه از چنین داستان هایی در سراسر دنیا کمک کرده ایم. افراد از فهمیدن اعداد و معنایی که در کسب و کار دارند و استفاده از آنها در کشف اینکه در کسب و کارشان چه چیزی در جریان است، لذت می برند. آنها دوست دارند که بر روی تیمشان کار کنند و ببینند که نتیجه کارشان، طرز کار تیم و کارایی شرکتشان را بهبود می بخشد.

بهره گیری از قدرت پروژه های دیتا آنالیتیک کوچک، سخت و دشوار نیست، اما تغییر طرز فکر شما جهت اولویت دادن به این پروژه ها میتواند سخت و دشوار باشد. توصیه ما این است که با بکارگیری مراحل زیر و بدون معطلی بیشتر سریعا این پروژه ها را تعریف و اجرا کنید:

همه افراد از جمله خودتان را درگیر کنید. 

در هر سال، هر فرد را مسئول حداقل یک پروژه دیتا آنالیتیک کوچک قرار دهید تا نتیجه را مستقیما به خودتان گزارش دهد. چیزهای زیادی یاد خواهید گرفت و قدرت دیتا آنالیتیک کوچک را بطور مستقیم و دست اول تجربه میکنید، در این کار اعتبار کسب میکنید و نمونه های عملی خوبی را بطور اجرایی در معرض دید سازمان قرار میدهید: به افرادتان این شجاعت را بدهید که به فعالیت های دیتا آنالیتیک کوچک بپیوندند و آنها را توانمند کنید که تحلیل دیتا را در مسیر خاص و ویژه کارهای خودشان استفاده کنند.

وقتیکه شما دریافتید که به کجا میخواهید بروید، یافتن فرصت های دیتا آنالیتیک کوچک سخت نیست. سه حوزه زیر اغلب اهداف پربازدهی هستند:

الف – حذف کارخانه های پنهان تولید دیتا بی کیفیت: کیفیت پایین دیتا معمول است و هدف باید کاستن از کارهایی باشد که ارزش افزوده ای ایجاد نمیکنند و جهت تصحیح این خطاهای دیتا نیاز هستند.

ب – کاهش اتلاف زمان: ما دریافتیم که افراد زمان زیادی را در انتظار انجام جلسات، گرفتن ورودی از یک همکار دیگر، محموله ای که باید برسد و چنین چیزهایی از دست میدهند. هدف کاهش چنین اتلاف زمان هایی است.

ج – ساده سازی جابه جایی کارها: وقتیکه کاری بین یا به بیرون تیم شما جابه جا میشود، ضعف در جابه جایی و پیچیدگی کار، هزینه و زمان را افزایش میدهد. هدف، ساده و سر راست کردن چنین جابه جایی هایی است.

اگر میخواهید چنین کاری را آغاز کنید و به نتیجه برسانید، بطور ویژه بر یک حوزه متمرکز شوید و یک هدف چالش برانگیز تعیین کنید و تیمتان را برای رسیدن به آن هدف هدایت و تشویق کنید.

یک رویکرد منظم و با دیسیپلین را دنبال کنید. 

تعداد زیادی از پروژه های دیتا آنالیتیک کوچک، خیلی ساده هستند و این شما را وسوسه میکند که مستقیما به سراغ راه حل نهایی بروید. اما ما دریافتیم که بهترین رویکرد آن است که فرایند منضبط و مستقیم را بشکل زیر دنبال کنید: مسئله کسب وکار را تعریف کنید، دیتا مورد نیاز را جمع آوری کنید، دیتا را تحلیل کنید، بهینه سازی لازم را انجام دهید، دستاوردهایتان را ارزیابی کنید، فرصت بهبود بعدی را شناسایی کنید و این چرخه را ادامه دهید. کسانی که با متدولوژی های چابک، شش سیگما و چرخه حیات دیتا آنالیتیک آشنا هستند، شباهت بین این روش ها را متوجه شده و درک میکنند.

آموزش های لازم را تامین کنید. 

مطمئن شوید که شما و تیمتان، آموزش هایی که هر دو جنبه تجربه های عملی و چراها و چگونگی های پشت روش های آنالیتیک را بیان میکنند، دریافت کرده اید. در یکی از شرکت هایی که ما کار میکردیم، دوره آموزشی کیفیت دیتا شامل هشت کارگاه ۹۰ دقیقه ای بود که هر یک بر یک موضوع مهم نظیر اندازه گیری کیفیت دیتا و ... متمرکز بود و شرکت کنندگان هر جلسه تکالیفی را دریافت میکردند که این اصول را در کارهای روزانه‌شان، بلافاصله اجرایی و تمرین میکردند. تمرین ها و مثال های هر کلاس خاص هر گروه کارکنان بود: کارکنان مالی مثال های مالی داشتند و به کارکنان فنی و مهندسی مثال های فنی و مهندسی ارایه میشد و .... این ترکیب از اصول تئوری و مثال های مرتبط در کلاس و تکالیف و تمرین عملی شخصی، به کارکنان این شرکت کمک کرد که این مهارت ها را بسرعت یاد گرفته و در خودشان توسعه داده و در کارهایشان بکار گیرند.

حوزه خاص تخصص و خبرگی خودتان را مشخص کنید. 

خودتان را در حل مسائل حداقل یک حوزه تقویت و تجهیز کنید و سپس تمرکز کنید تا در یک فعالیت خاص از دیتا آنالیتیک آن حوزه، تخصص و تبحر پیدا کنید. ممکن است برای شما اندازه گیری و بهبود کیفیت دیتا جذاب و هدفتان این باشد که به متخصص کیفیت دیتا تیمتان تبدیل شوید. یا شاید شما بتوانید براساس علاقه تان به ارتباط با مشتریان، تخصص و مهارتهایتان در شاخص های مرتبط با این حوزه را در خودتان توسعه دهید. این رویکرد در دو زمینه به شما کمک میکند: کمک با ارزشی به تیمتان بکنید و شخصیت حرفه ای خودتان را توسعه و ارتقا دهید.

وقتیکه شما در حال انجام این مراحل هستید، بیاد داشته باشید که تمرکز شما بر پروژه های دیتا آنالیتیک کوچک به این معنا نیست که شما نمیتوانید فعالیتی در حوزه بیگ دیتا در حال حاضر یا در آینده داشته باشید. در واقع، بیگ دیتا برای حل مسائل بزرگ موردنیاز است. اما چشم پوشی از میوه های سهل الوصول دیتا آنالیتیک کوچک، به نفع وسوسه پروژه های بیگ دیتایی که شما هنوز برای اجرای آنها آماده نیستید، غیرمعقول است. بنابراین هوشمندانه برنامه ریزی کنید و بخصوص در آغاز بر پروژه های دیتا آنالیتیک کوچک تمرکز کنید.

وقتیکه مطمئن شدید که بخش عمده کارکنان جهت گیری دیتا آنالیتیک سازمان و شما را دریافته اند، زمان مناسب حرکت همزمان و پرشتاب شما بسوی بیگ دیتا و هوش مصنوعی است. برنامه خودتان در شرکت و سازمانی که کار میکنید را از هم اکنون تا ده سال آینده، در نظر بگیرید. ما امیدواریم که شما یک گروه از متخصصین دیتا و تکنیکی را در نظر بگیرید که بر روی تعدادی معدودی مسئله پیچیده کار میکنند. اما بیش از آن، امیدواریم شما همچنین محیط کار مساعدی را برنامه ریزی کنید که کارکنان براحتی و بطور مستمر در کار با دیتا و آنالیتیک رشد و در مجموعه فرصت های این حوزه مشارکت کنند. مسیر پروژه های دیتا آنالیتیک کوچک، شما را به چنین فضایی هدایت میکند. فرصت را از دست ندهید و شروع کنید.

منبع: HBR

هادی اربابی‌بهار
نوشته‌ای از هادی اربابی‌بهار

Business Process Senior Consultant who integrates digital technology into all areas of business to change Fundamentally how you operate and deliver value to customers. +20 Years of executive & Senior IT Leadership roles in Enterprise & Big Digital Transformation Projects & Operations

بیشتر بخوانید
مقاله مرتبط
شوک حال و سنجش آینده

شوک حال و سنجش آینده

امیر عرفان ترکیان
۱۹ اسفند در 10 دقیقه بخوانید
مقاله مرتبط
بازخورد خوب به چه شکل است؟

بازخورد خوب به چه شکل است؟

نادیا جولای
۲۱ بهمن در 5 دقیقه بخوانید
مقاله مرتبط
مالکیت کارمندی چقدر نتیجه می دهد؟

مالکیت کارمندی چقدر نتیجه می دهد؟

مهدی رحمانی‌نیا
۱۴ بهمن در 7 دقیقه بخوانید