علم البيانات وفن الإقناع

تواجه المؤسسات صعوبات من أجل تفسير الأفكار الموجودة في المعلومات التي جمعتها. إليك السبب، وكيفية إصلاح الأمر باستخدام علم البيانات وفن الإقناع.

ينمو علم البيانات بسرعة، فخلال السنوات الخمس الماضية، استثمرت الشركات مليارات الدولارات لضمّ أفضل علماء البيانات الموهوبين من أجل إنشاء هذا المجال، وجمع زيتا بايتات من المواد، ومن ثمّ استخدامها في آلات الاستدلال لإيجاد إشارات تخرج من رحم الضوضاء الكبيرة المبهمة. ولقد نجح الأمر إلى حدٍّ ما. فقد بدأت البيانات بتغيير علاقتنا مع حقول مختلفة، مثل الترجمة اللغوية، وتجارة التجزئة، والرعاية الصحية، وكرة السلة.

ولكن على الرغم من قصص النجاح، لا تحصل الكثير من الشركات على القيمة التي تريد أن تحصل عليها من علم البيانات. وحتى العمليات المُدارة بشكل جيد، والتي ينشأ عنها تحليل قوي لا تتمكن من الاستفادة من الأفكار التي تنتجها البيانات، وذلك لأنّ الجهود تفشل في المحطة الأخيرة، أي عندما يحين وقت شرح الأمور لصنّاع القرار.

في سؤال ورد ضمن استطلاع لعلماء البيانات أجرته شركة "كاغل" (Kaggle) وأجاب عليه أكثر من 7,000 شخص، تبيّن أنّ أربعة من أصل أبرز سبعة "عوائق تواجه العلماء في العمل" تتعلق بمسألة المحطة الأخيرة، وهي ليست عوائق فنية؛ وهذه العوائق الأربعة هي: "الافتقار إلى الدعم الإداري/المالي"، و"عدم وجود أسئلة واضحة للإجابة عليها"، و"عدم استخدام النتائج من قبل صنّاع القرار"، و"تفسير علم البيانات للآخرين". تتوافق هذه النتائج مع ما توصّل إليه عالِم البيانات هوغو باون-أندرسون من خلال إجراء مقابلات مع 35 عالِم بيانات في إطار البودكاست الذي كان يقدّمه. وقال في مقالة كتبها في موقع "هارفارد بزنس ريفيو" عام 2018، إنّ "الغالبية العظمى من ضيوفي يقولون لي أنّ المهارات الأساسية لعلماء البيانات هي القدرة على التعلّم بسرعة، والتواصل الجيد من أجل الإجابة على الأسئلة المتعلقة بالأعمال، وتفسير النتائج المعقدة لأصحاب المصلحة من غير التقنيين".

اقرأ أيضاً: علم البيانات المدفوع بالفضول

خلال عملي في إلقاء المحاضرات وتقديم الخدمات الاستشارية لمؤسسات كبرى حول التصور البصري للبيانات والعروض التقديمية المقنعة، عادةً ما أسمع علماء البيانات والمسؤولين التنفيذيين يشكون إحباطهم. حيث يدرك أعضاء فرق البيانات أنّ لديهم أفكار قيّمة ولكنّهم لا يستطيعون الترويج لها، ويقولون إنّ صنّاع القرار يسيئون فهم تحليلاتهم، أو يبالغون في تبسيطها، ويتوقّعون منهم الإتيان بلمسة سحرية للإجابة على جميع أسئلتهم. وفي الوقت نفسه، يشتكي المسؤولون التنفيذيون من مقدار الأموال التي يستثمرونها في عمليات علم البيانات، والتي لا توفر ما كانوا يتطلّعون إليه من إرشاد وتوجيه. أمّا الحقيقة، فهي أنّ المستثمرين لا يرون نتائج ملموسة لأنّ النتائج لم تُشرَح لهم بلغتهم.

فكرة المقالة باختصار

المشكلة

بعد ظهور طفرة تحليل البيانات، قامت الشركات بتوظيف أفضل علماء البيانات التي أمكنها العثور عليهم، ولكنّ لم تحصل الكثير منها على القيمة التي توقعتها من مبادرات علوم البيانات الخاصة بها.

السبب الرئيسي

لكي ينتج مشروع تحليل البيانات قيمة، ينبغي على الفريق في البداية طرح أسئلة ذكية، وتنسيق البيانات ذات الصلة، واستكشاف الأفكار. وثانياً، يجب عليه أن يعرف، ويشرح، ما الذي تعنيه هذه الأفكار بالنسبة إلى الشركة. من النادر للغاية أن تجد من هو قادر على فعل الاثنين معاً، ويُدرب معظم علماء البيانات على الأمر الأول دون الثاني.

الحل

يحتاج فريق علم البيانات الجيد إلى وجود ست مواهب: إدارة المشاريع، وتنسيق البيانات، وتحليل البيانات، والخبرة في المجال، والتصميم، وسرد القصص. وسيحقّق المزج بين هذه المواهب بطريقة صحيحة ما تريده الشركة من تحليل البيانات.

ليس من الجديد وجود فجوات بين الأعمال التجارية وأنواع التكنولوجيا، ولكنّ هذا الانقسام يُعتبر أكبر من سواه. قبل 105 أعوام، أي قبل البرمجة والكمبيوتر، بدأ ويلارد برينتون كتابه المميز "الطرق التصويرية لعرض الوقائع" (Graphic Methods forPresenting Facts) من خلال وصف مشكلة المحطة الأخيرة بقوله: "مرة تلو الأخرى، يقوم بعض الأعضاء الجاهلين أو المتغطرسين في لجنة ما أو مجلس إدارة ما بإحباط الخطة المدروسة بعناية لرجل يعرف الحقائق، وذلك لأنّ الرجل الذي يمتلك الحقائق لا يمكنه أن يعرضها بسهولة كافية لتجاوز المعارضة.... ومثلما يرتبط البناء بأساساته، يرتبط العرض الفعال للوقائع بالبيانات".

يشتكي المسؤولون التنفيذيون من مقدار الأموال التي يستثمرونها في عمليات علم البيانات والتي لا توفر ما كانوا يتطلّعون إليه من إرشاد وتوجيه. والحقيقة هي أنّ المستثمرين لا يرون نتائج ملموسة لأنّ النتائج لم تُمرّر إليهم بلغتهم.

كيف يمكن لهذه المعضلة أن تبقى كما هي لأكثر من قرن من الزمن؟ تتعدد أصول مشكلة المحطة الأخيرة مثل أي أمر آخر متجذر وراسخ. في المقام الأول، تشتمل الأدوات المستخدمة في العلوم على مهمة التصور البصري، وهو ما يشجع على الفكرة القائلة بأنّ الشخص المسؤول عن البيانات ينبغي أن يكون الشخص الذي يتولّى عملية التواصل والشرح. لا يمكن أن تتطابق النتائج الافتراضية لهذه الأدوات مع التصور البصري للبيانات المصمم بشكل جيد وكامل. وفي كثير من الأحيان، لا يكون التصور البصري على درجة من التطور مساوية لعملية معالجة البيانات التي أنجزوها، وعادةً ما يحجم الأشخاص الذين يستخدمون الأدوات عن إجراء عملية التواصل. لقد أخبرني الكثير من علماء البيانات أنّهم يخشون عملية التصور البصري لأنّها قد تقلل من قيمة عملهم ووزنه، وتجعل المدراء التنفيذيين يستخلصون نتائج تعطيهم فكرة خاطئة عن الشكّ والفوارق الدقيقة، وهي أمور ملازمة لأي تحليل علمي. ولكن في ظلّ طفرة توظيف علماء بيانات حسب الطلب، كانت المؤسسات توظّف ما يمكنها العثور عليه من الأشخاص الأكثر ميلاً إلى التوجّه التقني، متجاهلة قدرتهم أو رغبتهم (أو عدم قدرتهم أو رغبتهم) بالتواصل مع جمهور غير تقني.

لا بأس في ذلك في حال وظّفت هذه المنظمات أشخاصاً آخرين لسد الفجوة، ولكنّها لا تفعل ذلك. فما زالت المنظمات تتوقع من علماء البيانات أن ينسّقوا البيانات ويحللوها في سياق معرفتهم بالأعمال واستراتيجيتها، وأن ينشئوا المخططات البيانية ويعرضوها على الجمهور العادي. وهذا غير معقول، فهو بمثابة أمر خيالي.

ينبغي على الشركات التي تبحث عن حل لمشكلة المحطة الأخيرة أن توقف البحث عن الأمور الخيالية، وأن تعيد التفكير في نوع المواهب التي تحتاجها لإدارة عملية علم البيانات. تقدم هذه المقالة اقتراحات لأولئك الذين لا يستفيدون إلى أقصى حدّ من عملياتهم طريقة لتحرير علماء البيانات من التوقعات غير المعقولة، وكذلك لإشراك أنواع جديدة من الموظفين في هذا الخليط. وتعتمد هذه الطريقة على وجود فرق متعددة التخصصات تتألف من أعضاء ذوي مواهب مختلفة يعملون بالقرب من بعضهم البعض. فالتعاطف الذي يحصل من خلال الاطّلاع على أعمال الآخرين يسهّل التعاون بين مختلف أنواع المواهب. ويجدر بالذكر أنّ العمل لم يعد ذلك الذي يتم نقله بين مجموعة وأخرى، بل هو العمل المشترك بينها.

يمكن لمفهوم العمل ضمن فريق، وهو أمر ليس بالجديد، لكن تم تطبيقه مؤخراً، أن يجعل عمليات علم البيانات تغطي المحطة الأخيرة وتوفّر للمؤسسة القيمة التي نتجت عن هذه العمليات.

لمَ الأمور هكذا؟

في مطلع القرن العشرين، قام رواد الإدارة الحديثة بتنفيذ عمليات متطورة لتحويل البيانات إلى قرارات عن طريق التواصل المرئي، وفعلوا ذلك من خلال الفرق. لقد كان مجهوداً ينطوي على تخصصات متعددة شمل مشغّلي آلات ثقب البطاقات، وعاملي فرز البطاقات، ومدراء، ورسامين. والأمثلة الموجودة على نتائج هذا التعاون متعددة في كتاب برينتون. فقد برعت شركات السكك الحديدية والمصنعون الكبار بصورة استثنائية في هذا الأمر، حيث عرفوا الطرقات الأكثر كفاءة لإرسال المواد بواسطة المصانع، وتحقيق أهداف أداء المبيعات الإقليمية، وحتى تحسين جداول العطلات.

كيف تفشل عملية التواصل؟

لقد تعلمت من خلال عملي أنّ معظم القادة يدركون القيمة التي يمكن أن يوفرها علم البيانات، ولكنّ القليل منهم راضون عن الطريقة التي يتم فيها إيصال هذه القيمة. يشتكي بعض علماء البيانات من أنّ رؤساءهم لا يفهمون ما يقومون به كعلماء، ولا يستفيدون منهم كما يجب. ويشتكي بعض المدراء بدورهم من أنّ العلماء لا يستطيعون تقديم عملهم بطريقة يفهمها الجمهور العادي. في العموم، تتبع القصص التي أسمعها أحد هذه السيناريوهات، اطّلع عليها لترى ما إن كنت تميّز أياً منها.

لعنة الإحصائي

يطوّر عالم البيانات الذي يمتلك خوارزميات طليعية وبيانات رائعة مجموعة من الأفكار ويقدمها مفصلة إلى صنّاع القرار. يعتقد العالم أن تحليله موضوعي ومنيع، وتكون مخططاته البيانية مبنية بواسطة برمجيات سهلة على طريقة "انقر وأنشئ المخطط البياني" (click and viz) مع إضافة بعض النصوص إلى شرائح العرض. كما يرى أنّ التصميم ليس شيئاً يستحق أن يصرف الإحصائيون وقتاً لأجله. اللغة التي يستخدمها في العرض التقديمي ليست مألوفة للجمهور الذي يستمع إليها، ما يصيبهم بالتشويش والإحباط. بالإضافة إلى ذلك، فالتحليل الذي عرضه عالِم البيانات صائب، ولكنّ التوصيات التي أدلى بها لم تجد من يتبناها.

المصنع ومراقب العمال

يرغب أحد أصحاب المصلحة في مجال الأعمال بتنفيذ فكرة مشروع مقتنع به، ولكنّه لا يمتلك بيانات تدعم فرضيته، وبالتالي يطلب من فريق علوم البيانات إنتاج تحليلات ومخططات بيانية لعرضه التقديمي. يعرف الفريق أنّ فرضيته مغلوطة، ويحاول الفريق اقتراح طريقة أفضل لمقاربة هذا التحليل، ولكنّه لا يريد سوى المخططات البيانية والملاحظات التي يستخدمها أثناء العرض. سيحدث في هذه الحالة أحد الأمرين: سينقلب اجتماعه رأساً على عقب عندما يسأل أحد الأشخاص عن تحليل البيانات ولن يتمكن من تقديم إجابات، أو سيتم الموافقة على مشروعه ومن ثمّ سيفشل لأنّ التحليل غير سليم.

الحقيقة المريحة

ألهمت بعض التحليلات التي قام بها علماء البيانات في إحدى الشركات مصّمم معلومات رفيع المستوى، فعرض على الباحثين مساعدتهم في إنشاء عرض تقديمي جميل باستخدام ألوان وأسلوب خط يتناسب مع العلامة التجارية، إضافة إلى قصص جذابة يسهل الوصول إليها. ولكنّ العلماء شعروا بالتوتر عندما بدأ المدراء التنفيذيون باستخلاص أفكار خاطئة من التحليل. تجعل المخططات البيانية الواضحة والبسيطة بعض العلاقات تُظهر السبب والتأثير بشكل مباشر عندما لا تكون كذلك، كما تزيل أي شكوك متأصلة في التحليل. وبالتالي يقع العلماء في مأزق: وأخيراً، تحمّس كبار صنّاع القرار لعملهم، ولكنّ ما تحمّسوا لأجله لم يكن يمثل عملهم الفعلي.

استمرّ نهج العمل ضمن فريق لمعظم هذا القرن. وفي كتابها "تقنيات الرسوم البيانية العملية" (PracticalCharting Techniques) الذي نُشر في عام 1969، فصّلت ماري إليانور سبير الفريق المثالي ومسؤولياته - واصفة إياه بأنّه الفريق الذي يضمّ مسؤولاً عن التواصل، ومحلل رسوم بيانية، ورسّام، شارحة أنّه "يُستحسن تعاون" هؤلاء الثلاثة مع بعضهم البعض.

في سبعينات القرن الماضي بدأت الأمور بالانقسام، فقد راح العلماء يستخدمون تكنولوجيا جديدة سمحت لهم بتصوير بياناتهم بصرياً (برنامج كمبيوتر) في المكان نفسه الذي يعالجونه فيها. كانت المرئيات لا تزال بسيطة ولكنّها متاحة بسرعة ولم تتطلّب مساعدة شخص آخر. وحصل اختراق في عالم التصوير المرئي للبيانات بين التصوير المرئي المرتكز إلى الكمبيوتر والتصوير الكلاسيكي المرتكز إلى التصميم والذي ينتجه رسامون.

وفّر لنا معالج المخططات البيانية (Chart Wizard) الذي ابتكرته شركة مايكروسوفت خاصية "انقر وأنشئ المخطط البياني" (click and viz)، ما أدّى بالتالي إلى فصل العالَمين عن بعضهما البعض. وفجأة، بات بإمكان أي شخص أن ينشئ على الفور مخططاً بيانياً يضمّ كل المتغيرات المرهقة التي تجعل الأعمدة البيانية ثلاثية الأبعاد أو تحوّل المخطط الدائري إلى مخطط دائري مجوّف. ساعد هذا التحوّل الذي لا يمكن التقليل من أهميته في جعل الرسوم البيانية لغة مشتركة للأعمال، وساعد في استخدام البيانات في العمليات. كما سمح في نهاية المطاف لعلوم البيانات بأن تكون موجودة، وذلك لأنّه تخطى العدد المنخفض لكمية البيانات التي يستطيع المصممون البشر معالجتها، وتحويلها إلى عملية تواصل مرئي. والأهمّ من ذلك أنّه غيّر هيكل العمل، إذ هبطت قيمة المصممين والرسّامين، وأصبحت تصبّ أكثر في تحليل البيانات. لقد بات التصوير المرئي عمل أولئك الذين يديرون البيانات، والذين لم يكن معظمهم مدرّبين على التصوير المرئي ولا يميلون إلى تعلّمه. وأصبحت السرعة والراحة في لصق مخطط أو رسم بياني في عرض تقديمي باستخدام معالج الرسوم البيانية أكثر رواجاً من المرئيات المصممة التي تتصف بالبطء واستنفاد الموارد، حتى لو كانت هذه الأخيرة أكثر فعالية.

علاقة علم البيانات وفن الإقناع

مع ظهور علم البيانات، بقيت التوقعات المرتجاة من علماء البيانات كما هي - إنجاز العمل وشرحه للآخرين - حتى عندما توسّعت المهارات المطلوبة لتشمل البرمجة، والإحصاء، والنمذجة الخوارزمية. في الواقع، وفي مقالة مميزة على "هارفارد بزنس ريفيو" في عام 2012 حول عالم البيانات باعتباره الوظيفة الأكثر جاذبية في القرن الواحد والعشرين، وُصف دور عالم البيانات بشكل يجعله قريباً من الخيال: "ما هي القدرات التي تجعل عالم البيانات ناجحاً؟ تخيّل أنّه مزيج من هاكر بيانات، ومحلل، ومسؤول عن التواصل، ومستشار موثوق به. وهي مجموعة قدرات قوية ونادرة للغاية".

هذا المزيج النادر من المهارات الضرورية لأكثر الوظائف المرغوبة يعني أنّ الكثير من المؤسسات لن تكون قادرة على توظيف المواهب التي تحتاجها، وبالتالي سيتعيّن عليها البحث عن طريقة أخرى للنجاح. تكمن الطريقة الأفضل في تغيير مجموعة المهارات التي تتوقع الشركات أن يمتلكها علماء البيانات، ثمّ إعادة بناء الفرق لتضمّ مزيجاً من المواهب.

المواهب الأساسية لشرح البيانات وعرضها

فيما يلي الطرق التي تشارك بها مختلف المواهب مع بدء مشروع علم البيانات، بدءاً من جمع البيانات مروراً بتطوير الأفكار وصولاً إلى تقديمها إلى أصحاب المصلحة.

الموهبة	المهام	المهارات	القيادة	الدعم
إدارة المشاريع	قم بإدارة عملية إنشاء الفريق، والجدول الزمني، وجداول المواعيد قم بترشيد الموارد استكشف الأخطاء وأصلحها	التنظيم المنهجية (مثل منهجية "سكرم") إدارة الأفراد	خلال إنشاء عملية علم البيانات خلال إنشاء المشروع وتنفيذه	العمليات الجارية لعلم البيانات
تنسيق البيانات	اجمع البيانات، ونقحها، وهيكلها طور ونفذ أنظمة وخوارزميات ونماذج للبيانات والتصوير البصري طور نماذج جاهزة وأنظمة للعمليات المتكررة	كتابة الشفرة البرمجية الإحصاءات بنية الأنظمة	في بداية إنشاء فريق البيانات في بداية تطوير المشروع	خلال تحليل البيانات الروتيني، واختبار الفرضيات، والاستكشاف البصري للبيانات
تحليل البيانات	طور الفرضيات واختبرها حول البيانات ونماذج البيانات اعمل على إيجاد أنماط وتوجّهات مفيدة لعملية اتخاذ قرارات الأعمال	الإحصاءات الطريقة العلمية التفكير النقدي التواصل التقني وغير التقني	خلال تحليل البيانات الروتيني، وتصميم المشروع، واختبار الفرضيات، والاستكشاف البصري للبيانات	في بداية إنشاء فريق البيانات في بداية تطوير المشروع خلال تطوير التواصل البصري والعروض التقديمية للجمهور العادي
الخبرات في مجال معين	حدد أهداف الشركة طوّر الفرضيات واختبرها طوّر التواصل غير التقني	المعرفة الوظيفية التفكير النقدي تطوير الاستراتيجية التواصل غير التقني	خلال تصميم المشروع، واختبار الفرضيات، والاستكشاف البصري للبيانات خلال التواصل والشرح لجمهور غير تقني	في بداية إنشاء فريق البيانات خلال التصور البصري للبيانات وعملية التصميم
التصميم	طوّر التواصل المرئي والعروض التقديمية أنشئ نماذج جاهزة وأساليب للتصورات البصرية المتكررة	تصميم المعلومات تصميم العرض التقديمي التفكير التصميمي التواصل المقنع	خلال التصور البصري للبيانات وإنشاء العروض التقديمية والأنظمة المرئية (صنع النماذج الجاهزة)	خلال عملية تكرار المرئيات وصنع النماذج الأولية
سرد القصص	طوّر قصصاً من البيانات والمرئيات ساعد في إنشاء عروض تقديمية بطريقة قصصية قدمها إلى جمهور غير تقني	تصميم المعلومات الكتابة والتحرير العرض التقديمي التواصل المقنع	خلال إنشاء التصور البصري للبيانات والعروض التقديمية خلال عرضها على جمهور غير تقني	خلال عملية تكرار المرئيات وصنع النماذج الأولية

إنشاء عملية أفضل لعلوم البيانات

يمكن الاستعانة بأفكار ويلارد برينتون وماري إليانور سبير لإنشاء عملية بيانات فعالة تقوم على العمل الجماعي، ولكنّها ستكون في سياق حديث، بما في ذلك حجم البيانات التي تُعالج، وأتمتة الأنظمة، والتقدم في تقنيات التصور البصري. وستمثّل أيضاً نطاقاً واسعاً من أنواع المشاريع، بدءاً من تقديم التقارير البسيطة والمعقولة حول بيانات التحليل العادية (مثل النتائج المالية) وصولاً إلى البيانات الكبيرة الأكثر تعقيداً والتي تستخدم خوارزميات متقدمة للتعلّم الآلي. وإليكم فيما يلي أربع خطوات لإنشاء عملية بيانات:

حدّد المواهب التي تريدها وليس أعضاء الفريق. قد يبدو طبيعياً أن تتمثل الخطوة الأولى نحو تفكيك التفكير الخيالي في تعيين أشخاص مختلفين للأدوار التي يمثلها الآن عالِم البيانات "المتكامل": معالج بيانات، ومحلل بيانات، ومصمم، ومسؤول عن التواصل. وهو أمر ليس صحيح تماماً؛ فبدلاً من إناطة الأشخاص بأدوار معينة، حدد المواهب التي تحتاجها لتكون ناجحاً. وضع بعين الاعتبار أنّ الموهبة ليست شخصاً بل مهارة قد يمتلكها شخص واحد أو أكثر، وأنّ شخصاً واحداً قد يمتلك عدة مواهب، كما قد يمتلك ثلاثة أشخاص خمس مواهب. فهناك فرق دقيق ولكنّه مهم من أجل إبقاء فرق العمل رشيقة بما يكفي لتتشكّل ويُعاد تشكيلها خلال مراحل مختلفة من المشروع. (سنعود إلى ذلك لاحقاً). تختلف قائمة المواهب من شركة إلى أخرى، ولكن ينبغي لكل مجموعة أساسية جيدة أن تضمّ هذه المواهب الستة:

إدارة المشاريع. نظراً لأنّ فريقك سيكون رشيقاً وسيتغير وفقاً لنوع المشروع ومدته، فإنّ مدير المشاريع القوي الذي يوظف شيئاً من منهجية سكرم (scrum) التعاونية سيعمل على كل جانب من جوانب العملية. يتمتع مدير المشروع الجيد بقدرات تنظيمية كبيرة ومهارات دبلوماسية قوية، مما يساعد على سد الثغرات الثقافية من خلال جمع المواهب المتباينة في الاجتماعات وتوحيد اللغة المستخدمة ضمن الفريق.

تنسيق البيانات. تشمل المهارات التي تشكّل هذه الموهبة بناء الأنظمة، وجمع البيانات وتنظيفها وتنظيمها، وإنشاء الخوارزميات والمحرّكات الإحصائية الأخرى وصيانتها. سيبحث الأشخاص ذوو المواهب في تنسيق البيانات عن فرص لتبسيط العمليات، مثل بناء عمليات قابلة للتكرار في مشاريع متعددة، وإنشاء نماذج جاهزة لناتج مرئي متين وقابل للتنبؤ من شأنه أن يؤدي إلى إطلاق عملية تصميم المعلومات.

تحليل البيانات. القدرة على وضع الفرضيات واختبارها، وإيجاد معنى في البيانات، وتطبيق ذلك على سياق عمل محدد، هي أمور بالغة الأهمية. ومما يثير الدهشة أنّها ليست ممثلة في الكثير من عمليات علم البيانات كما يُعتقد. تتّكل بعض المؤسسات كثيراً على منسقي البيانات، وتعتمد عليهم لتنفيذ التحليل كذلك. ولكنّ تحليل البيانات بشكل جيد أمر منفصل عن البرمجة وعن الرياضيات، فهذه الموهبة غالباً لا تبرز من رحم علوم الكمبيوتر إنّما من الفنون المتحررة. صَنّفت شركة البرمجيات "تابلو" (Tableau) إدخال الفنون المتحررة في تحليل البيانات باعتبارها أحد أكبر التوجّهات في مجال التحليل في عام 2018. كما يحدث أن يكون التفكير النقدي، وإعداد السياق، وجوانب التعلّم الأخرى في العلوم الإنسانية، مهارات أساسية للتحليل أو البيانات أو غير ذلك. شرح مايكل كوريل، عالم الأبحاث في شركة "تابلو"، في محاضرة عبر الإنترنت حول هذا الموضوع، سبب اعتقاده بأهمية دمج علوم البيانات مع الفنون المتحررة. فقال إنّه "يستحيل التفكير في البيانات بعيداً من الناس. تساعدنا الفنون المتحررة على المشاركة وإدراك السياق، فهي تجعل الأشخاص مرئيين بطريقة قد لا تكون متاحة في التكنولوجيا".

الخبرة في المجال. علينا أن نتوقف عن النظر إلى فريق علم البيانات كفريق يجلس خلف الكواليس ويؤدي عمله الغامض، ولا يظهر إلا عندما تحتاجه الشركة. لا ينبغي النظر إلى علم البيانات كوحدة خدمات، ويجب أن يكون في فريقه موهبة إدارية. سيزوّد الأشخاص الذين يمتلكون معرفة بالمشروع والاستراتيجية قسم تصميم المشاريع وقسم تحليل البيانات بالمعلومات لكي يركّز الفريق على نتائج الأعمال وليس على بناء أفضل النماذج الإحصائية فقط. عمل خواكين كانديلا، مدير قسم التعلّم الآلي التطبيقي في فيسبوك، بجدّ لمساعدة فريقه للتركيز على نتائج الأعمال، ولمكافأة القرارات التي تفضّل تلك النتائج على تحسين علم البيانات.

التصميم. هذه الموهبة يساء فهمها بشكل كبير، إذا لا يقتصر التصميم الجيد على اختيار الألوان والخطوط أو تجميل الرسوم البيانية. حيث يُعتبر هذا جزءاً من التصميم ولكنه ليس الجزء الأكثر أهمية على الإطلاق، حيث يطور الأشخاص الذين يمتلكون موهبة في التصميم أنظمة للتواصل المرئي الفعال وينفذونها. وفي السياق الذي نتحدث عنه، يفهمون كيفية إنشاء العناصر المرئية وتحريرها لجذب تركيز الجمهور واستخلاص الأفكار. تُعتبر موهبة تصميم المعلومات التي تركّز على فهم عملية التصور البصري للبيانات ومعالجتها أمراً مثالياً لفريق علم البيانات.

سرد القصص. يُعتبر السرد وسيلة بشرية قوية للغاية، ومن أقل الوسائل استخداماً في علوم البيانات. حيث تساعد القدرة على تقديم الرؤى المستخلَصة من البيانات كقصّة في سد فجوة التواصل بين الخوارزميات والمدراء التنفيذيين أكثر من أي شيء آخر. ومع ذلك، يُساء فهم العبارة الشائعة والممجوجة "سرد القصص بالبيانات"، فهي لا تعني أبداً أن يتحوّل مقدمو البيانات إلى روائيين مثل ستيفن كينغ أو توم كلانسيس، بل تقوم على فهم بنية السرد وآلياته، وتطبيقها على التصور البصري للبيانات والعروض التقديمية.

2 - وظّف الأشخاص بهدف تكوين مخزون من المواهب الضرورية.

بعد تحديد المواهب التي تحتاجها، تخلّص في عملية التوظيف من الفكرة القائمة على أنّ هذه أدوار عليك توظيف أشخاص لملئها، وركّز بدلاً من ذلك على أن تكون تلك المواهب متوفرة في الفريق. بعض المواهب تميل طبيعياً لأن تكون مع بعضها البعض، على سبيل المثال، قد توجد مهارات مثل التصميم وسرد القصص، أو تنسيق البيانات وتحليل البيانات، في شخص واحد. وفي بعض الأحيان قد تجد الموهبة في المتعاقدين وليس في الموظفين. بالنسبة لعملي، أحتفظ بمخزون من الأشخاص ممن يمتلكون مواهب في مجالات أكون ضعيفاً فيها. فقد ترغب في إشراك شركة لتصميم المعلومات، أو التعاقد مع بعض منسّقي البيانات لتنظيف تدفقات البيانات الجديدة وهيكلتها.

سيساعدك التفكير في المواهب بشكل منفصل عن الأشخاص على التصدي لمشكلة المحطة الأخيرة، وذلك لأنّه سيحرّر الشركات من محاولة العثور على الشخص الذي يستطيع إنجاز أعمال علوم البيانات بالإضافة إلى عملية التواصل والشرح. كما سيساعد توظيف بعض الأشخاص الذين يتمتعون بمهارات تصميم متفوقة علماء البيانات في التركيز على نقاط قوتهم، وسيفتح الباب أمام أشخاص ربما تم تجاهلهم في السابق. على سبيل المثال، قد يكون من المفيد جداً توظيف مبرمج متوسّط المستوى ويمتلك مهارات جيدة في التصميم.

راندال أولسون، عالم البيانات الرئيسي في شركة "لايف إيبيجينيتكس" (Life Epigenetics) والمشرف على قناة "البيانات جميلة" (Data Is Beautiful) في موقع "ريديت" (Reddit) (المخصصة لمشاركة أمور ومناقشتها حول التصور البصري الجيد للبيانات)، كان يركّز فقط على مدى نجاح الشخص في الجزء التقني من علم البيانات. ويقول: "عندما بدأت، لم أكن أعرف شيئاً عن جانب شرح وتقديم علم البيانات، وأعتقد أنّ هذا أمر شائع". ولكنّه الآن قام بتغيير عملية التوظيف في بعض الحالات. ويشرح ذلك بالقول إنّه "بمجرّد دخول الموظفين الجدد نبدأ فوراً بالعمل على الرياضيات ونماذج عرض البيانات على الألواح التفاعلية، فهنا ثمّة علماء بيانات يتحدثون إلى علماء البيانات. ولكنّني الآن أُحضِر في بعض الأحيان شخصاً غير تقني، وأطلب من المرشح أن يشرح هذا النموذج لهذا الشخص".

3- أطلِع أعضاء فريقك على مواهب غير موجودة لديهم.

يبدأ التغلّب على صراع الثقافات عند فهم تجارب الآخرين. في كثير من الأحيان لا يكون صاحب موهبة التصميم مطّلعاً على الإحصاءات أو الخوارزميات، بل ينصبّ تركيزه على التجميل، والبساطة، والوضوح، والسرد. فمن الصعب على المصمّمين التوفيق بين عمق عمل البيانات والتعقيدات المرافقة له. وعلى النقيض من ذلك، يقدّر علماء البيانات المتشددون الموضوعية، والدقة الإحصائية، والشمولية، فيما يُعتبر التواصل (أو شرح البيانات للآخرين) أمراً غريباً عليهم ومشتتاً كذلك. يقول أحد مدراء عمليات علم البيانات في شركة تكنولوجية كبيرة إنّ عملية التواصل "تتعارض مع روح وجوهر علماء البيانات". كنت أشعر بالأمر نفسه خلال عملي في مجال علم البيانات لمدة 10 سنوات، ولكنّ عملية التواصل أثارت اهتمامي عندما كان علي بناء فريق، إذ رأيت أنّه إذا تعلمنا قليلاً عن التواصل يمكننا أن نحقق فائدة عظمى لهذا العمل".

ثمّة طرق عدة لإطلاع أعضاء الفريق على قيمة المواهب الأخرى. على سبيل المثال، ينبغي على المصمّمين أن يتعلّموا بعض قواعد الإحصاء، مثل أن يأخذوا دورة تمهيدية في الإحصاء. وعلى علماء البيانات أن يتعلموا مبادئ التصميم. وليس عليهم أن يصبحوا خبراء في مجال نظرائهم، بل يحتاجون فقط إلى معرفة ما يكفي لتقدير بعضهم البعض.

يجب أن تضمّ الاجتماعات القصيرة وغيرها من الاجتماعات دائماً خليطاً من المواهب. والاجتماعات القصيرة القائمة على منهجية "سكرم" - التي يعمل فيها الفريق كوحدة واحدة من أجل تحقيق هدف محدد مسبقاً - التي تهدف غالباً إلى عرض آخر مستجدات التطور التقني، يمكنها أن تضمّ مسؤول تسويق يعمل على إنشاء عروض تقديمية، كما يحدث في شركة أولسون. يجب على الخبراء المتخصصين في المجال أن يضموا مواهب تنسيق البيانات وتحليلها، إلى الاجتماعات المتعلقة ببحث الاستراتيجية. كما تساعد الجلسات الخاصة التي يجيب فيها أصحاب المصلحة على أسئلة فريق البيانات، والعكس، على سد الفجوة أيضاً. مسؤول الخوارزميات الرئيسي في شركة "ستيتش فيكس" (Stitch Fix)، إيريك كولسون، (الذي يمكن اعتباره خيالياً لامتلاكه مواهب في الإحصاء والتواصل في شركة يُعتبر علم البيانات فيها أساسياً)، يطلب من أعضاء فريقه تقديم عروض تقديمية مدتها دقيقة واحدة لجمهور غير تقني، بحيث يجبرهم على عرض المشاكل بطرق ذكية يفهمها الجميع. ويقول كولسون: "حتى هذا اليوم، إذا قلت عبارة "جوز الهند" هنا سيعرف الناس أنّ هذه العبارة كانت جزءاً من استعارة استخدمها أحد الأشخاص لتوصيف مشكلة إحصائية معينة كان يعالجها. نركّز على تقديم المشكلة بطرق يفهمها الجميع، لأنّ الشركة لن تفعل ما لا تفهمه". من جهة ثانية، أنشأ مدير آخر لفريق علم البيانات قاموساً للمصطلحات المستخدمة من قبل المواهب التقنية ومواهب التصميم لمساعدة الموظفين على التعرّف على لغة بعضهم البعض.

في حال ضمّت مؤسستك بعض هؤلاء الأشخاص النادرين الذين يمتلكون مواهب في كل من البيانات والتواصل والتصميم، مثل كولسون، فسيكون من النافع أن يرشدوا بعضهم البعض. كما يجب تشجيع الأشخاص الذي يبدون اهتماماً في تطوير مواهب لا يمتلكونها وتحتاجها أنت، حتى لو كانت نقاط القوة هذه (مثل مهارات التصميم) بعيدة كل البعد عن تلك التي يمتلكونها (مثل تنسيق البيانات). في ورش العمل التي أقدمها، يخبرني بعض علماء البيانات أنّهم يرغبون في تطوير مواهب التصميم أو سرد القصص لديهم، ولكن يشتكون من عدم امتلاكهم وقتاً كافياً. بالإضافة إلى ذلك، يعرب آخرون عن رغبتهم في رؤية هذه المواهب ضمن فرقهم، ولكنّ إدارة المشاريع لديهم تركّز في المقام الأول على النتائج التقنية، وليس على نتائج الأعمال التجارية.

يهدف كلّ هذا الاطّلاع المتبادل على المواهب إلى إيجاد تعاطف بين أعضاء الفريق مع اختلاف مواهبهم، والتعاطف بدوره يوجِد الثقة، ويُعدّ أساساً ضرورياً للعمل الجماعي الفعال. يذكر كولسون عندما كان يستخدم موهبة سرد القصص ليساعد نفسه على شرح مفهوم ينتج عن تحليل البيانات: "أتذكر تقديم عرض تقديمي حول مشكلة في تسويق السلع، حيث اعتقدت أنّنا نقارب الأمر بطريقة خاطئة. اضطررت إلى الاستعانة بقسم التسويق لتوضيح الفكرة". وبالتالي، بدلاً من شرح مصطلح "توزيع بيتا ثنائي الحدين" (beta-binomialdistribution) ومفاهيم إحصائية أخرى لتعزيز وجهة نظره، سرد كولسون قصة حول شخص يسحب كرات من داخل جرة، وما الذي حدث بمرور الوقت لعدد الكرات ونوعها. ويقول في هذا الصدد: "لقد أحبّها الناس، وتفاعل الحاضرون مع القصة وشعروا بالثقة، حتى أنّه لم يعد ضرورياً شرح العملية الرياضية في تلك المرحلة. لقد وثقوا بنا".

ابنِ لوحة قيادة للمواهب

يساعد تفحّص المواهب المتوفرة المدراء على التخطيط للمشاريع وتشكيل الفرق بشكل أفضل.

توظيف هذه المواهب

عند معرفة المواهب المتاحة، يمكن للمدراء تعيين وحدات من المواهب المختلفة في المشروع حسب الحاجة. في الإجمال، ستتولى زمام القيادة مجموعة من المواهب في وقت مبكر من المشروع، والمجموعات الأخرى ستتولى القيادة في المراحل اللاحقة، وغالباً ما تلعب إدارة المشاريع دوراً كبيراً في جميع مراحل المشروع.

4 - قم بتقسيم المشاريع وفقاً للمواهب. مع وجود مجموعة من المواهب، حان وقت استخدامها لتحقيق أهدافك. يمكن أن تصعّب الطبيعة المتغيرة لما تحتاجه من مواهب ووقت احتياجها إدارة المشاريع. وستساعد المهارات والخبرات القوية لإدارة المشاريع في منهجيات أجايل في تخطيط عملية تشكيل المواهب وإعادة تشكيلها، وترشيد الموارد حسب الحاجة، ومنع الجداول الزمنية من الضغط على أي جزء من أجزاء العملية.

بالمختصر المفيد

ستحتاج إلى اتخاذ خطوات أخرى لإنجاح مشاريعك:

اختر صاحب مصلحة واحد ومفوّض

من الممكن، أو حتى من المرجح، ألا يكون جميع الأشخاص الذين تحتاج إلى مواهبهم من مسؤولية مدير فريق علم البيانات. فقد تكون مواهب التصميم من مسؤولية قسم التسويق، وقد يكون الخبراء المتخصصين في المجال رؤساء تنفيذيين تحت مسؤولية المدير التنفيذي. ومع ذلك، من المهم منح الفريق أكبر قدر ممكن من سلطة اتخاذ القرار. غالباً ما يكون أصحاب المصلحة من ذوي الخبرة في مجال الأعمال ويرتبطون ارتباطًا وثيقًا بأهداف الأعمال أو يكونون مسؤولين عنها، في نهاية المطاف، يكمن الهدف من العمل في التوصّل إلى نتائج أفضل للأعمال. وبالتالي يمكن لهؤلاء الأشخاص إنشاء أهداف وحوافز مشتركة للفريق. من الناحية المثالية، يمكنك تجنب فخ "المسؤولية من دون سلطة"، والذي يقع فيه الفريق مع الكثير من أصحاب المصلحة الذين قد لا يكونون جميعاً متوائمين.

من الصعب على المصممين التوفيق بين العمق والتعقيد في العمل على البيانات، في حين يعتبر علماء البيانات المتشددين مسألة التواصل (أو شرح البيانات للآخرين) أمراً غريباً عليهم ومشتتاً كذلك.

عيّن مواهب قيادية ومواهب داعمة

يعتمد اختيار الشخص الذي سيقود المشروع ويدعمه على نوع المشروع والمرحلة التي يمر بها. على سبيل المثال، في مشروع استكشافي تُعالج فيه كميات كبيرة من البيانات ويُعمل على تصويرها بصرياً من أجل تحديد أنماط محددة، تتولى مواهب تنسيق البيانات والتحليل القيادة بدعم من الخبراء المتخصصين في المجال. وقد لا تشارك موهبة التصميم على الإطلاق نظراً لعدم الحاجة إلى تواصل خارجي. وعلى العكس من ذلك، ففي حال إعداد تقرير لمجلس الإدارة حول تعديلات مقترحة على الاستراتيجية، فإنّ مواهب سرد القصص والتصميم تتولّى القيادة بدعم من مواهب البيانات.

العمل في مكان مشترك

اجمع أعضاء الفريق في نفس المكان أثناء العمل على المشروع، وقم أيضاً بإعداد مساحة افتراضية مشتركة للتواصل والتعاون. ولا يُفضّل أن يستخدم الأشخاص الذين يمتلكون موهبة في التصميم وسرد القصص قناة على تطبيق "سلاك" (Slack)، بينما يستخدم فريق التكنولوجيا منصة "غيت هاب" (GitHub)، ويتعاون خبراء الأعمال عبر البريد الإلكتروني. استخدم تقنيات "التحليل المقترن"، حيث يجلس أعضاء الفريق بجانب بعضهم البعض فعلياً ويعملون على شاشة واحدة في عملية تعاونية متكررة. وقد يكون من ينقح نماذج البيانات ويختبر الفرضيات أشخاص يمتلكون مهارات في تنسيق البيانات وتحليلها، أو قد يعمل على تحسين العرض التقديمي شخصان يمتلك كل منهما خبرة في موضوع ما وقدرة على سرد القصص، ومن ثمّ يتواصلان مع موهبة التصميم عندما يضطران إلى تعديل المخطط البياني.

اجعله فريقاً حقيقياً

تكمن الميزة الأساسية في العمل في مكان مشترك في أنّ الفريق يكون فريقاً واحداً متمكّناً. يقول كولسون أنّه في شركة "ستيتش فيكس": "لا يوجد عملية تسلّم وتسليم، لا نريد أن ينسق ثلاثة أشخاص بين بعضهم البعض عبر أقسام مختلفة". ولهذا الغرض، جعل من أولوياته التأكّد من أن تمتلك الفرق لديه كافة المهارات التي يحتاجونها لتحقيق أهدافهم وتقليل الحاجة إلى الدعم الخارجي. كما يحاول توظيف أشخاص قد يُعتبرون غير متخصصين ممّن يمكنهم تجاوز الفجوة بين التواصل والتكنولوجيا. ويعمل على تعزيز هذا النموذج مع تلقّي ملاحظات باستمرار من شخص يعمل في مجال البيانات، على سبيل المثال، يحتاج إلى مساعدة في سرد القصص، أو من خبير في موضوع معين يحتاج إلى فهم بعض المبادئ الإحصائية.

أعد الاستخدام واصنع نموذجاً جاهزاً

أنشأ كولسون أيضأ "فريق واجهة استخدام الخوارزمية" (algo UI team)، وهو كمجموعة من الأشخاص الذين يجمعون بين مواهب التصميم ومواهب تنسيق البيانات من أجل إنشاء مجموعات برمجيات يمكن إعادة استخدامها لإنتاج تصورات مرئية جيدة للبيانات تستفيد منها الفرق العاملة على المشروع. مثل هذه القوالب مهمة للحصول على فريق يعمل بكفاءة، فالمحادثات التي يجريها مصمم المعلومات، على سبيل المثال، مع محلل البيانات حول أفضل الممارسات في التصور البصري، تصبح في صلب برمجة الأدوات. نجح غراهام ماكدونالد، مدير قسم علماء البيانات في "المعهد الحضري" (Urban Institute)، في تعزيز هذا النوع من التعاون في بناء النماذج الجاهزة. تنتج مجموعته بيانات بحسب المقاطعة للكثير من المقاطعات الأميركية. ومن خلال جمع مواهب تنسيق البيانات والخبرات في المواضيع المحددة من أجل فهم احتياجات عملية التواصل، أنشأت المجموعة نموذجاً يمكن إعادة استخدامه، ويمكنه تخصيص نتائج أي مقاطعة معينة. وبالطبع، كان ليكون التوصّل إلى مثل هذه النتيجة صعباً من دون دمج تلك المواهب ضمن الفريق.

لم يتطوّر تقديم علم البيانات للجمهور العادي، أي المحطة الأخيرة، بالسرعة نفسها أو بالكمال نفسه الذي تطوّر فيه الجزء التقني لعلم البيانات. يجب أن يكون كلاهما على المستوى نفسه، وهذا يعني إعادة التفكير في كيفية تجميع فرق عمل البيانات معاً، وكيفية إدارتها، والفئات المشاركة في كل مرحلة، بدءاً من أول دفق للبيانات، وصولاً إلى المخطط البياني النهائي المعروض على اللوح. وإلى أن تتمكّن الشركات من اجتياز هذه المحطة الأخيرة بنجاح، ستبقى فرق علوم البيانات قاصرة عن إيصال كل ما لديها، وسيقدمون أسساً من دون أبنية، على حدّ تعبير ويلارد برينتون عند حديثه عن علم البيانات وفن الإقناع.