يمكن أن تُغذي الكميات الهائلة من البيانات عصراً جديداً من الابتكارات المستندة إلى وقائع في الشركات الكبرى من أجل خلق عقلية الاعتماد على البيانات في الشركة بشكل واضح، وهو ما يدعم الأفكار الجديدة بأدلة قوية. وأثناء سعي الشركات إلى إرضاء العملاء على نحو أفضل، وتبسيط العمليات، وتوضيح الاستراتيجية، عملت خلال العقد الماضي على جمع البيانات والاستثمار في التقنيات، ودفعت بسخاء للمواهب التحليلية. ورغم ذلك، بالنسبة إلى العديد من الشركات، ما تزال الثقافة القوية المستندة إلى البيانات بعيدة المنال، والبيانات نادراً ما تكون الأساس الشامل الذي تستند إليه عملية صنع القرار.
كيفية خلق عقلية الاعتماد على البيانات في الشركة
ولكن لماذا يصعب ذلك؟
يشير عملنا في مجموعة متنوعة من القطاعات إلى أنّ أكبر العقبات التي تقف أمام إنشاء شركات مستندة إلى البيانات ليست تقنية وإنما ثقافية. من السهل للغاية وصف كيفية إدخال البيانات في عملية صنع القرار، إلا أنه من الصعب للغاية أن تجعل هذا الأمر يبدو عادياً أو تلقائياً بالنسبة إلى الموظفين، فهو أمر يقتضي تحولاً في طريقة التفكير، ما يمثل تحدياً هائلاً. ولهذا لخصنا لكم 10 وصايا ذات صلة بالبيانات، لمساعدتكم في غرس ثقافة مستندة إلى البيانات واستدامتها.
اقرأ أيضاً: %3 فقط من بيانات الشركات ترتقي إلى معايير الجودة الرئيسة
1. يبدأ غرس الثقافة المستندة إلى البيانات من المناصب (العليا) في المؤسسة
في الشركات ذات الثقافات القوية المستندة إلى البيانات يضع كبار المدراء توقعات بأن القرارات يجب أن ترتكز على البيانات، أي أنه أمر طبيعي وليس جديداً أو استثنائياً، فهم يقودون من خلال أن يكونوا قدوة مرؤوسيهم. على سبيل المثال، في أحد بنوك التجزئة، القادة في المناصب التنفيذية العليا يفحصون معاً الأدلة المستقاة من تجارب الأسواق الموجهة لاتخاذ القرارات المتعلقة بطرح المنتجات. وفي إحدى الشركات التقنية الرائدة، يقضي كبار المسؤولين التنفيذيين 30 دقيقة من بداية الاجتماعات في قراءة ملخصات مفصلة للمقترحات والوقائع الداعمة لها ليتخذوا إجراءات قائمة على أدلة. ومثل هذه الممارسات تنتشر وتصل إلى مَن هم في المستويات الأدنى من المؤسسة، وتبعث برسالة مفادها أن الموظفين الذين يرغبون في أن يؤخذوا على محمل الجد يجب عليهم التواصل مع كبار القادة وفقاً لشروطهم وباستخدام لغتهم. فالمثال الذي ضربه القليل من القادة في المناصب التنفيذية العليا يمكن أن يُحدِث تحولات كبيرة في المعايير على مستوى الشركات.
2. اختر المقاييس بحرص وذكاء من أجل خلق عقلية الاعتماد على البيانات في الشركة
يمكن أن يكون للقادة تأثير قوي على السلوكيات من خلال اختيارهم ما سوف يُقاس بذكاء، وتحديد ما هي المقاييس التي يتوقعون من الموظفين استخدامها. فلنفترض أن الشركات تستطيع تحقيق ربح من توقع حركة أسعار المنافسين، فهناك مقياس لهذا الأمر، ألا وهو: الدقة في التنبؤ مع مرور الوقت. لذا، ينبغي للفريق أن يضع توقعات واضحة حول حجم هذه الحركات واتجاهها. كما ينبغي له أيضاً تتبع جودة تلك التوقعات وتحسينها بصورة متواصلة.
اقرأ أيضاً: هل تساعد البيانات على فهم طبيعة عمل الموظفين في الشركات؟
على سبيل المثال، إحدى الشركات الرائدة في مجال الاتصالات أرادت التأكد من أن شبكتها توفر لعملائها الرئيسيين أفضل تجربة مستخدم ممكنة. ولكنها لم تجمع سوى إحصاءات إجمالية حول أداء الشبكة، لذا فهي لم تعرف الكثير حول نوع الخدمة التي يتلقاها كل عميل وجودتها. ولكن بوضع مقاييس مفصلة لتجارب العملاء، يمكن للشركة إجراء تحليل كمي لرد فعل المستهلكين حيال تحديثات الشبكة. ولفعل ذلك، فهي تحتاج فقط إلى السيطرة على مصادر البيانات، واستهلاكها بصورة أكثر صرامة مما كان عليه الحال عادة، وهذا هو المبتغى بالضبط.
3. لا تعزل علماء البيانات في مؤسستك
غالباً ما يكون علماء البيانات معزولين داخل الشركة، ونتيجة لذلك فإنهم وقادة الشركة لا يعلمون سوى القليل عن بعضهم البعض، وبالطبع لا تقدم التحليلات المحوسبة قيمة إذا كانت بمعزل عن بقية الأعمال. هؤلاء الذين تمكنوا من مواجهة هذا التحدي بنجاح فعلوا ذلك بطريقتين:
تتمثل الطريقة الأولى في محاولة إذابة الحدود الفاصلة بين عالَم الأعمال وعلماء البيانات. على سبيل المثال، إحدى شركات التأمين العالمية الرائدة تُناوب الموظفين خارج نطاق مراكز التميز في الأدوار الإدارية، حيث يمكنهم تقديم الدليل على صحة فكرتهم على نطاق واسع. ثم يمكنهم العودة إلى مراكزهم مرة أخرى. وإحدى الشركات العالمية في مجال تجارة السلع الأساسية صمَّمت أدواراً جديدة في مختلف المجالات الوظيفية والأنشطة التجارية لدعم تطور المهارات التحليلية، فتمتلك هذه الأدوار علاقات غير مباشرة مع مراكز التميز. وفي النهاية، التفاصيل أقل أهمية من الأساسيات، ما يعني إيجاد طرق للجمع بين المعرفة بالمجال والمهارة التقنية.
تستخدم الشركات الرائدة طريقة أخرى. إضافة إلى تقريب علم البيانات من عالم الأعمال، فإنهم أيضاً يقربون عالم الأعمال من عِلم البيانات، وذلك بصورة أساسية من خلال إصرارهم على تثقيف الموظفين فيما يتعلق بكتابة الشفرة البرمجية ومساعدتهم على فهم المفاهيم ذات الصلة بالتحليلات الكمية. بالتأكيد لا يلزم أن يُصْبح كبار القادة مهندسين في مجال تعلم الآلة. ولكن في الوقت نفسه لا يُمكن أن يظل قادة المؤسسات المتمركزة حول البيانات جاهلين بلغة البيانات.
4. حل المشكلات ذات الصلة بإمكانية الحصول على البيانات على وجه السرعة
من أكثر الشكاوى التي نسمعها شيوعاً هي أن الموظفين من مختلف أقسام الشركة يعانون للحصول حتى على البيانات الأساسية. ما يُثير الفضول هو استمرار هذا الوضع رغم بذل الكثير من الجهود لإتاحة فرص الحصول على البيانات داخل الشركات الكبرى بطريقة ديمقراطية. والمحللون المتعطشون للمعلومات لا يُجرون الكثير من التحليلات، وهو ما يجعل من المستحيل ترسيخ ثقافة مستندة إلى البيانات، هذا إذا تجاوزنا عن ازدهارها.
اقرأ أيضاً: 3 طرق يمكن أن تضللك بها لوحات متابعة البيانات
تستخدم الشركات الكبرى استراتيجية بسيطة للخروج من هذا المأزق، فبدلاً من الاستعانة ببرامج كبيرة، ولكن بطيئة، لإعادة تنظيم بياناتهم كلها، يُتيحون للجميع الوصول إلى فقط القليل من التدابير الأساسية في المرة الواحدة. على سبيل المثال، أحد البنوك العالمية الرائدة، الذي يحاول التنبؤ على نحو أفضل بالاحتياجات ذات الصلة بإعادة تمويل القروض، أنشأ طبقة من البيانات القياسية لقسم التسويق الخاص به، مع التركيز على أهم التدابير ذات الصلة. وفي هذا المثال، كانت البيانات أساسية ومتعلقة بشروط الاقتراض والأرصدة والمعلومات الخاصة بالممتلكات، وهي بيانات متعلقة بقنوات التسويق ذات الصلة بالكيفية التي أُنشئت بها القروض، والبيانات التي تصف العلاقات المصرفية واسعة النطاق للعملاء. بغض النظر عن شكل المبادرة المتَّخذَة، يُبنى الاختيار الذكي للبيانات الأولى التي سيُتاح الحصول عليها على أي من المقاييس تُدرجها المناصب التنفيذية العليا في جدول أعمالها. والمطالبة بأن تكون دفعات البيانات الأخرى مرتبطة بمصدر البيانات هذا، من شأنها أن تُشجِّع بشكل كبير على استخدام البيانات.
5. قياس مقدار عدم اليقين
يتفق الجميع على أن اليقين المطلق أمر مستحيل، إلا أنّ معظم القادة ما زالوا يطلبون من فِرقهم إجابات دون تدابير ملائمة لبناء الثقة. فهم يفتقدون إلى الحيلة هنا. لأنّ مطالبة الفرق أن تتحلى بالصراحة تجاه مستويات عدم اليقين وقابلية قياسها، لها ثلاثة آثار قوية:
الأول، أن هذه المطالبة تُجبِر صناع القرار على التعامل بشكل مباشر مع المصادر المحتملة لعدم اليقين، بإيجاد إجابات عن تلك الأسئلة: هل البيانات موثوق بها؟ هل هناك عدد قليل للغاية من الأمثلة لنماذج موثوق بها؟ كيف يُمكن إدراج العوامل إن لم تكن هناك بيانات متوفرة لهم، مثل العوامل التنافسية الناشئة؟ فقد وجدتْ إحدى شركات البيع بالتجزئة أنَّ التدهور الواضح في معدلات الاسترجاع من نماذج التسويق المباشرة الخاصة بها كان سببه بيانات العناوين القديمة على نحو متزايد. وحُلّت هذه المشكلة بإجراء تحديث وعملية لتظل البيانات محدثة.
الأثر الثاني يتمثل في أن المحللين يكتسبون فهماً أعمق لنماذجهم عندما يقيّمون درجة عدم اليقين بدقة. على سبيل المثال، فشلتْ نماذج المخاطر الأساسية لإحدى شركات التأمين بالمملكة المتحدة في التكيف مع توجهات السوق على نحو ملائم. ولذلك صمَّمت الشركة نظاماً للإنذار المبكر، بغرض وضع تلك التوجهات في الاعتبار، وللكشف عن الحالات التي كانت ستُفقَد لولا ذلك. ونتيجة لذلك، تجنبت الشركة الخسائر بفضل الزيادة الكبيرة المفاجئة في المطالبات.
أما الأثر الثالث والأخير فيتمثل في أن التشديد على فهم أسباب عدم اليقين يدفع المؤسسات إلى إجراء تجارب. قال تاجر رئيس في إحدى شركات البيع بالتجزئة ذات مرة "في معظم الشركات، طريقة ‘التجربة والتعلم من الخطأ’ تعني العبث ثم التحلي بالأمل". ففي شركته، تعاون فريق من المحللين الكميين مع مدراء فئات المنتجات لإجراء تجارب منضبطة ودقيقة إحصائياً على أفكارهم قبل إجراء تغييرات واسعة النطاق.
6. اجعل الأدلة على صحة الفكرة بسيطة ومعززة وليس خيالية وواهية
في عالَم التحليلات المحوسبة، الأفكار الواعدة تفوق الأفكار العملية في العدد إلى حد كبير. وفي الغالب، لن يُصبح هذا الفرق واضحاً إلا بعد أن تضع الشركات الأدلة على صحة الفكرة حيز الإنتاج. على سبيل المثال، نظمتْ إحدى شركات التأمين الكبيرة هاكاثوناً داخلياً، وكرّمت الفائز، ما يُعد تحديثاً راقياً للعمليات الإلكترونية، فقط للتخلص من الفكرة، لأنه بدا أنها قد تتطلب إجراء تغييرات مكلفة على النُظم الأساسية. ولكن التخلص من الأفكار الجيدة بهذه الطريقة يمكن أن يكون محبطاً للمؤسسات.
النهج الأفضل الذي يمكن اتباعه هو تصميم الأدلة على صحة الفكرة عندما يتمثل جزء أساسي من الفكرة في جدوى إنتاجها. وتتمثل إحدى الطرق الجيدة في بناء شيء متين الصنع وبسيط للغاية في الوقت نفسه، مع رفع درجة تطوره لاحقاً. على سبيل المثال، لتنفيذ نماذج مخاطرة جديدة على نظام كبير للحوسبة الموزعة، بدأت إحدى شركات منتجات البيانات بتنفيذ عملية أساسية من بدايتها وحتى نهايتها، إذ: تدفقت مجموعة صغيرة من البيانات من نُظم المصادر من خلال نموذج بسيط، ثم أُرسلت إلى المستخدمين النهائيين. وبمجرد أن أصبح كل شيء في مكانه الصحيح، وبالتأكد من أن العناصر كلها متلاحمة معاً، يمكن للشركة أن تُحسّن كل عنصر على حدة، على سبيل المثال: زيادة حجم البيانات والاستعانة بنماذج أكثر غرابة، وتحسين أداء وقت التشغيل.
7. يجب تقديم التدريب المتخصص في الوقت المناسب
تستثمر غالبية من الشركات في التدريب الذي تقدمه "دفعة واحدة"، ما يجعل الموظفين ينسون بسرعة ما تعلموه إذا لم يستخدموه في الحال. لذلك في حين أن المهارات الأساسية مثل كتابة الشفرة البرمجية ينبغي أن تكون جزءاً من التدريب الأساسي، إلا أنه من الأكثر فعالية تدريب الموظفين على المفاهيم والأدوات التحليلية المتخصصة قبيل الحاجة إلى استخدامها، من أجل إيجاد دليل على صحة فكرة ما على سبيل المثال. فمثلاً، انتظرتْ إحدى شركات البيع بالتجزئة لحين اقتراب موعد أول تجربة تسويقية لتدرِّب مُحللي الدعم على النقاط الدقيقة للتصميم التجريبي. ومن ثَم فقد ترسخت المعرفة لديهم، والآن أصبحت المفاهيم، التي كانت غريبة من قبل، مثل الثقة الإحصائية، جزءاً من المفاهيم الدارجة لدى المحللين.
8. استخدم التحليلات المحوسبة لمساعدة الموظفين، وليس فقط العملاء
من السهل نسيان الدور الذي يمكن أن تلعبه إجادة استخدام البيانات في جعل الموظفين أكثر سعادة. ولكن تمكين الموظفين من الحصول على البيانات بأنفسهم يمكن بالفعل أن يحقق ذلك، وفقاً للنصيحة التي وردت في الكتاب الشهير حول البرمجة: "أتمتة الأشياء المملة بلغة البايثون" (Automate the Boring Stuff with Python). إذا قُدمت بطريقة نظرية الفكرة المتمثلة في تعلم مهارات جديدة لمعالجة البيانات على نحو أفضل، حينها لن يتحمس سوى قلة من الموظفين للاجتهاد في عملهم والتجديد فيه ولن يكون هناك قدرة من أجل خلق عقلية الاعتماد على البيانات في الشركة ولكن إذا كانوا يستفيدون من الأهداف العاجلة بشكل مباشر، لأنها توفر وقتهم أو تساعدهم على تجنب تكرار العمل أو الوصول إلى المعلومات التي يحتاجون إليها كثيراً، حينها سيصبح أداء الأعمال الرتيبة مجرد خيار. منذ أعوام، الفريق المعني بالتحليلات المحوسبة في إحدى شركات التأمين الرائدة علّم نفسه أساسيات الحوسبة السحابية ليتمكن من تجربة نماذج جديدة على مجموعات كبيرة من البيانات دون انتظار أن يلبي فريق تقنية المعلومات احتياجاته. وقد ثبت أن هذه الخبرة تُعد من الخبرات الأساسية، لأنها مكّنت فريق تقنية المعلومات أخيراً من إعادة بناء البنية التحتية التقنية للشركة. وعندما حان وقت وضع مسودة لاحتياجات المنصة ذات الصلة بإجراء تحليلات محوسبة متطورة، تمكن الفريق من تقديم ما يتجاوز حدود الإجابات، فقد استطاع الخروج بحل عملي.
9. الاستعداد إلى مبادلة المرونة بالاتساق، على الأقل على المدى القصير
العديد من الشركات التي تعتمد على البيانات تضم "فئات مختلفة من البيانات". وقد تكون لكل فئة مصادرها المفضلة من المعلومات، ومن المقاييس حسب الطلب، ومن لغات البرمجة. ولكن على نطاق المؤسسة، هذا الأمر قد يكون كارثياً، فقد تهدر المؤسسات ساعات لا تحصى في محاولة التوفيق بمهارة بين النُسخ المختلفة لأحد المقاييس الذي ينبغي أن يكون شاملاً. كما أن أوجه عدم الاتساق في الطريقة التي يؤدي بها مصممو النماذج عملهم لها آثار سلبية أيضاً. وإذا كانت معايير البرمجة ولغاتها تختلف عبر المؤسسة، ستتطلب كل خطوة يتخذها فريق التحليلات إعادة تدريب، ما يجعل من الصعب عليهم نشرها وتعميمها. وأيضاً قد يكون من المرهق للغاية مشاركة الأفكار داخلياً إذا كان يلزم على الدوام ترجمتها وشرحها. وبدلاً من ذلك، ينبغي للشركات اختيار مقاييس ولغات برمجة معيارية. وقد فعل أحد البنوك العالمية الرائدة ذلك، من خلال إصراره على أن يتعلم الموظفون الجدد العاملون في الخدمات المصرفية الاستثمارية وإدارة الأصول كيفية البرمجة باستخدام لغة بايثون.
10. التعود على تفسير الخيارات القائمة على التحليلات
في معظم المشكلات التحليلية نادراً ما يكون هناك نهج وحيد صحيح. وعوضاً عن ذلك، يجب على علماء البيانات اتخاذ الخيارات مع إجراء مفاضلات مختلفة. لذلك قد يكون من الجيد أن تسأل الفِرق كيف يتعاملون من المشكلات، وما هي البدائل التي ينظرون فيها، وما الذي تعنيه المفاضلات بالنسبة إليهم، ولماذا اختاروا أحد النُهج على حساب الآخر. وبطبيعة الحال فِعْل ذلك يتيح للفِرق فهم الطرق بشكل أعمق، وغالباً ما يحثهم على النظر في مجموعة أوسع من البدائل أو على إعادة التفكير في الافتراضات الأساسية. افترضتْ إحدى شركات الخدمات المالية العالمية في البداية أنّ استخدام نموذج تقليدي إلى حد ما لتعلم الآلة بهدف اكتشاف عمليات الاحتيال لن يعمل بالسرعة الكافية لاستخدامه في الإنتاج. ولكنها أدركت لاحقاً أن النموذج يمكن أن يصبح سريعاً للغاية إذا أُجريت عليه القليل من التعديلات البسيطة. وعندما بدأت الشركة في استخدام النموذج، حققت تحسينات مذهلة في تحديد عمليات الاحتيال بدقة.
الشركات، وما تضم من أقسام وموظفين، غالباً ما تتمسك بعاداتها القديمة لأن البدائل تبدو محفوفة بالمخاطر للغاية. يمكن للبيانات أن تقدم أدلة تدعم بدورها الفرضيات، ما يمنح المدراء الثقة لخوض غمار مجالات وعمليات جديدة دون الخوف من القفز إلى المجهول. ولكن مجرد التطلع لأنْ تصبح الشركة مستندة إلى البيانات لا يكفي، فيلزمها أن تغرس ثقافة يمكن لهذه العقلية أن تزدهر داخلها. ويمكن للقادة تعزيز هذا التحول نحو خلق عقلية الاعتماد على البيانات في الشركة بأن يكونوا مثالاً يُحتذى، من خلال ممارسة عادات جديدة، ووضع توقعات لما يعنيه حقاً الاستناد إلى البيانات في اتخاذ القرارات.
اقرأ أيضاً: 3 طرق لبناء فريق قائم على البيانات
تمت عملية الاشتراك بنجاح
عذراً،
أنت مشترك مسبقاً بالنشرة البريدية
