استفاده از داده برای شتاب‌دهی به استراتژی کسب‌وکار

خلاصه: برای بسیاری از سازمان‌ها، داده هنوز یک موضوع استراتژیک نیست. در حالی‌که بسیاری از داستان‌های موفقیت کسب‌وکارها، این موضوع که داده ارزش فوق‌العاده‌ای برای سازمان‌ها ایجاد می‌کند را تایید می‌کنند، اغلب سازمان‌ها هنوز برای استفاده از داده در شتاب‌دهی استراتژی‌هایشان و متقابلاً، در همسو کردن پروژه‌های داده‌ای با نیازهای کسب‌وکارشان مشکل دارند.

ولی در صورت یکپارچه شدن موفق، داده قابلیت شتاب‌دهی به بسیاری از استراتژی‌های کسب‌وکار از طریق بهبود در فرایندها و همینطور توانمندسازی افرادی که در جاری‌سازی آن نقش دارند را دارد. این شتاب‌دهی، از طریق تمرکز بر نقاط صحیح ایجاد می‌شود–که از طریق یافتن نقاط مشترک قابل توافق بین داده و کسب‌وکار و تعیین اولویت‌هایی با در نظر گرفتن همه پیچیدگی‌ها ایجاد می‌گردد. برای انجام این کار، رهبران و متخصصان داده باید از طریق نگاه کردن به داده‌ها و استراتژی از طریق دریچه "حالت ارزش" تمرکز کنند، یا روش‌هایی که می‌توانند از داده‌ها ارزش خلق کنند. این حالت‌های ارزش شامل موارد ذیل است:

• فرایندهای بهبودیافته
• موقعیت رقابتی بهبودیافته
• محصولات جدید و بهبودیافته ناشی از داده‌های ارزشمند مشتریان و بازار
• "اطلاعاتی‌سازی" شدن، فرایند تلفیق داده درون محصولات و خدمات
• توانایی‌های انسانی بهبودیافته
• مدیریت ریسک بهبودیافته

سی‌وپنج سال از مشاهدات رابرت واترمن (Robert Waterman) در کتاب "در جستجوی تعالی" که به موضوع "شرکت‌ها غنی از داده ولی فقیر از اطلاعات هستند" اشاره کرده، گذشته است، ولی هنوز تغییر آنچنانی انجام نشده است. مطمئناً شرکت‌ها از نظر داده داراتر از گذشته شده‌اند و به صورت تصاعدی به داده‌های در اختیارشان افزوده می‌گردد. با وجود اینکه رهبران برنامه‌های بسیاری برای بهره‌برداری از داده و اطلاعات را اجرا کرده‌اند، ولی هنوز از نظر اطلاعات فقیر هستند. اغلب سازمان‌ها هنوز برای استفاده از داده در شتاب‌دهی استراتژی‌هایشان و متقابلاً، همسو کردن پروژه‌های داده‌ای با نیازهای کسب‌وکار، مشکل دارند. دلایل زیادی برای این معضل وجود دارند، از فقدان استعداد و انتظارات غیرمنطقی گرفته تا فرهنگ. حل این مشکلات برای کسانی که می‌خواهند قدرت داده را در سراسر سازمان آزاد کنند ضروری است.

با در نظر گرفتن این موارد، این‌که هنوز داده‌ها برای بسیاری از سازمان‌ها استراتژیک نیستند نباید تعجب‌برانگیز باشد. کسب‌وکارها در حال حاضر به اندازه کافی به تنهایی پیچیده هستند: استراتژی سازمان که باید توسعه داده شود، مشتریان بسیاری که باید رضایتشان جلب شود، رقبایی که باید دفع شوند، قوانین رگولاتوری بسیاری که باید تطبیق داده شوند، و شکاف‌های مهارتی بسیاری که باید برطرف شوند. همچنین بسیاری ایده‌های فوق‌العاده – از جمله کاهش کربن، تنوع، مسئولیت اجتماعی، فناوری‌های جدید و البته "داده" – وجود دارند که برای تخصیص منابع و توجه رقابت می‌کنند. بسیاری از داستان‌های موفقیت این موضوع را تایید می‌کنند که داده می‌تواند ارزش عظیمی به کسب‌وکار اضافه کند، ولی دانستن این‌که داده در کدام قسمت پازل کسب‌وکار قرار بگیرد بسیار سخت می‌باشد.

این‌که سازمان‌ها چگونه با دارایی‌های داده‌ای خود برخورد می‌کنند از یک رویکرد منظم و ساختاریافته‌ای تبعیت نمی‌کند. جالب این است که با این‌وجود، مدیران بطور روزمره از داده استفاده می‌کنند حتی با علم به اینکه به طور کامل به صحت آن اطمینان نداشته باشند. بسیاری هم علم آمار مقدماتی را گیچ‌کننده می‌دانند. بسیاری از مردم به قابلیت‌های تصمیم‌گیری خود افتخار می‌کنند و نیازی برای بهبود از طریق داده‌ورزی و هوش مصنوعی نمی‌بینند. آن‌ها از تفکر نوعی نظارت مرکزی بر داده‌های خود عقب‌نشینی می‌کنند، با این‌حال زمانی که یک "مشکل داده‌ای" خطرات پیش‌بینی‌نشده‌ای ایجاد می‌کند، حیرت‌زده می‌شوند. در حالی‌که می‌دانند حریم خصوصی و امنیت نقش مهمی دارد، هیچ‌کس هرگز مسئولیت‌های این دو پارامتر را بطور شفاف ابراز نکرده است. و تازه متوجه می‌شوند که تبدیل شدن به یک سازمان داده‌محور مستلزم تغییر و تطبیق فرهنگ است که کاری دشوار و زمانبر می‌باشد. با وجود تمام مسائل گفته‌شده، این‌که داده‌ها هنوز با جریان اصلی استراتژی کسب‌وکار فاصله دارند، نباید تعجب‌برانگیز باشد.

روش‌ها و فرایندهای داده‌ورزی هم در کسب‌وکار کم پیچیده نیستند. فرصت‌ها و تقاضاهای بی‌شماری در تخصص‌های داده‌ای موجود می‌باشد؛ از داده‌ورزی و هوش مصنوعی گرفته تا کیفیت داده، کسب درآمد، حریم خصوصی، داده‌های کوچک و امنیت. با این‌وجود، اکثر فرایندهای مرتبط با داده از جنس "روشن نگاه داشتن چراغ" فعالیت‌های داده‌ای می‌باشد. فرایندهایی از جمله اضافه کردن ستون‌های جدید به پایگاه داده، یکپارچه کردن سیستم‌های اطلاعاتی، تعریف متادیتا، جاری‌سازی حاکمیت سطح پایین، پیاده‌سازی سیستم‌های هوش تجاری، آماده‌سازی داده برای ورودی الگوریتم‌های هوش مصنوعی، و غیره. تمامی این فرایندها نیازمند مشارکت کسب‌وکار می‌باشند، ولی متخصصین داده سازمان‌ها حتی در همین امر مشارکت‌سازی موفقیتی پیدا نکردند؛ درگیر شدن خود استراتژی به کنار. حالا وقتی هم که کسب‌وکار درخواست کنترل بهتری روی داده‌ها را دارد، متخصصین داده، فاقد مهارت یا ارتباطات کسب‌وکاری برای پیشبرد ایده هستند. نتیجه این می‌شود که فعالیت‌های داده بسیار سطح پایین، کوتاه‌مدت، و کم‌ارتباط با استراتژی کسب‌وکار انجام می‌گردند.

اما زمانی‌که کسب‌وکار و داده به درستی با هم یکپارچه شوند، داده‌ها قابلیت شتاب‌دهی به بسیاری – حتی اغلب- استراتژی‌های تجاری را از طریق بهبود فرایندها و توانمندسازی افراد جاری‌کننده استراتژی پیدا می‌کنند. مثال یک مرکز پزشکی عظیم را در نظر بگیرید. تیم مدیریت مرکز متوجه شد که استفاده بهتر از داده بایستی تبدیل به یکی از رویه‌های اصلی صنعت بهداشت شود. ولی پروژه‌های مرتبط با داده، کمتر از حد انتظارات رهبری ظاهر شدند. در جهت عارضه‌یابی، CDO مجموعه (Chief Data Officer) یک نگاشتی از برنامه‌های عملیاتی داده کنونی با لیستی از سناریوهای احتمالی که می‌توانند منجر به ایجاد ارزش شوند را تهیه کرد. خروجی این نگاشت، این موضوع را مشخص کرد که برنامه عملیاتی داده، در واقع مجموعه‌ای از پروژه‌های مهم، اما یکباره، هستند. هیچ‌کدام از پروژه‌ها با هم بصورت استراتژیک همسو نبودند، و همینطور تجمیعاً در راستای نیازهای مرکز پزشکی نیستند. وقتی این موضوع شناسایی شد، مرکز پزشکی قابلیت این را پیدا کرد که مجموعه‌ای از برنامه‌ها را در راهکارهای استراتژیک متمرکز بر استراتژی کسب‌وکار ترکیب کند و بعد این راهکارهای استراتژیک را به شدت مدیریت کند.

پس از مدت کوتاهی، نتایج بهتری در کل مرکز به دست آمد. بطور ملموسی، هزینه‌های رگولاتوری و جریمه‌ها کاهش یافت، و ده‌ها میلیون دلار صرفه‌جویی به دست آمد. بهبود در کیفیت داده‌ها در کلیه کلینیک‌ها باعث تسهیل کار پزشکان و در نتیجه بهبود خدمات مراقبت از بیمار گردید. متقابلاً، با بهبود در دسترسی بیماران به داده‌ها، نرخ مراجعه برای معاینات ادواری دیابت و سرطان روده افزایش یافت، همه این موارد در حالی تحقق یافت که مرکز هنوز حاشیه‌های هزینه عملیاتی مورد نظر خود را حفظ کرده بود.

پس چگونه این مرکز پزشکی با وجود تمام پیچیدگی‌ها، نقاط مشترکی را پیدا کرد و اولویت‌های مورد توافق همه را تعیین کرد؟ در هسته همه تصمیمات، آن‌ها مشکل را از طریق به‌کارگیری شش سناریو داده تسهیل کردند – روش‌هایی که شرکت‌ها می‌توانند برای استخراج ارزش از داده از آن‌ها استفاده کنند. ما این شش سناریو را "حالت‌های ارزش" نام‌گذاری کرده‌ایم که شامل موارد ذیل هستند:

1.   فرایندهای بهبودیافته
2.  موقعیت رقابتی بهبودیافته
3.  محصولات جدید و بهبودیافته ناشی از داده‌های ارزشمند مشتریان و بازار
4.  "اطلاعاتی‌سازی"، یا تلفیق داده درون محصولات و خدمات
5.  توانمندی‌های انسانی بهبودیافته
6.  مدیریت ریسک بهبودیافته

ما متوجه شدیم که هر دو گروه رهبران کسب‌وکار و رهبران داده این حالت‌های ارزش را به خوبی درک می‌کنند و از آن‌ها می‌توانند به عنوان زبانی برای همسو کردن استراتژی‌های خود استفاده کنند. به طور کلی، حالت‌های ارزش در تسهیل منضبط کردن تفکر، کمک برای متمرکز شدن، و هدایت کردن مکالمات درست نقش عظیمی دارند.

همچنین این موضوع نیز معلوم شد که حالت‌های ارزش نیز به‌ویژه برای رهبران کسب‌وکاری که سعی می‌کنند سوال ذیل را درک کنند کمک‌کننده است: "چگونه داده به من کمک می‌کند؟"

یک بانک منطقه‌ای پس از از دست دادن بسیاری از مشتریان ثروتمند خود تصمیم به به‌کارگیری این حالت‌های ارزش کرد. هدف کسب‌وکار به اندازه‌ی کافی ساده بود: بازیابی سهم بازار از دست‌رفته. با توجه به اینکه بانک به طور کامل متوجه چگونگی از دست دادن سهم بازار خود نشد، در ابتدا با نگرشی دوباره در محصولات و خدمات- همان‌گونه که در بند سه حالت‌های ارزش اشاره شده است- تمرکز خود را متوجه درک مساله از دید مشتریان نمود. مواردی که داده‌ورزی‌های پیشرفته آشکار کرد موضوع غریبی نبودند؛ مشتریان از اینکه صورت‌های مالی‌شان درست نبود و اینکه تراکنش‌هایشان در زمان مورد انتظار انجام نمی‌شد ناراضی بودند. در پاسخ به این آموخته، CDO با تمرکز بر بند اول "حالت ارزش" – فرایندهای بهبودیافته- به دنبال بازطراحی و شفاف‌سازی فرایندهایی که باعث این اختلالات می‎‌شدند پرداخت.

ایجاد بهبودهای مورد نیاز، نیازمند هماهنگی بینِ واحدی بود که او از طریق برنامه‌های کیفیتی و حاکمیتی انجام داد. در گام اول تمرکز بر روی داده‌های تماس مشتری بنا نهاده شد، در گام دوم بر روی داده‌های معاملاتی و در گام سوم بر روی داده‌های صورت‌های مالی. این گام‌ها منجر به از بین بردن منبع اصلی نارضایتی مشتریان گردید که در نتیجه نرخ ترک بانک کاهش یافت. در طول مسیر، همچنین این موضوع مشخص شد که مشتریان راه‌های بهتری برای نظارت بر پورتفولیوهای خود می‌خواهند، که منجر به ارتقای عمده پورتال مشتریان توسط CDO گردید. با گذشت زمان، تعداد مشتریان ثروتمند شرکت به حالت قبلی خود بازگشت.

حالت‌های ارزش، همچنین به تسهیل ارتباط بین رهبران کسب‌وکار و متخصصان داده کمک می‌کند. این مهم از طریق کمک کردن به متخصصان داده برای شفاف ساختن ظرفیت‌ها و محدودیت‌ها در گزینه‌های داده انجام می‌شود، و همچنین این موضوع را که هر گزینه‌ای چه ارزشی خلق می‌کند را برای رهبران کسب‌وکار نمایان می‌سازد. و هر دو طرف، برای شناسایی موقعیت‌هایی که داده بیشترین بازدهی را برای سازمان می‌تواند داشته باشد همکاری می‌کنند. علاوه‌بر‌این، با استفاده از حالت‌های ارزش، متخصصان داده و رهبران به طور یکسان می‌توانند جهت فیلتر کردن مسائلی که باعث خدشه در برنامه‌ریزی بهینه می‌شود اقدام کنند. به عنوان مثال، امروزه بسیاری از افراد دو طرف داده و کسب‌وکار تحت تاثیر هوش مصنوعی قرار گرفته‌اند، که این امر باعث ایجاد عجله‌ای برای به‌کارگیری این فناوری بدون تفکر درباره منافع و ریسک‌های استراتژیک شده است. پیش از ورود، رهبران باید از طریق به‌کارگیری مباحثه پیرامون حالت‌های ارزش، مزایایی که امیدوار به کسب آن‌ها هستند را سازماندهی کنند.

پیچیدگی و انتزاعی به مسائل پرداختن دشمنان یک استراتژی خوب هستند. همسوسازی استراتژی و برنامه‌های مرتبط با داده به نظر دلهره‌آور می‌رسد ولی با تمرکز بر حالت‌های ارزش، رهبران این قدرت را پیدا می‌کنند که مفاهیم قدرتمند داده را به پویایی کسب‌وکار بخورانند و همینطور بالعکس. در این متن راه‌حل میانبری برای موفقیت کسب‌وکارها ارائه نشده است – "سخت‌کوشی و تلاش بیشتر" هنوز راهگشای مسائل می‌باشد. اما حرکت رو به جلو ناشی از ادغام تیم‌های داده و کسب‌وکار واقعا قدرتمند است.

منبع: HBR