پرسش خود را بپرسید
١٦,٠٠٠ تومان پاداش این پرسش تعلق گرفت به

"Data-driven decision making" به چه معناست و چگونه می توان آن را در کسب و کار پیاده سازی کرد؟

تاریخ
٤ ماه پیش
بازدید
٥٩٥

"Data-driven decision making"

 به چه معناست و چگونه می توان آن را در کسب و کار پیاده سازی کرد؟

٤,٥٦٥
طلایی
٠
نقره‌ای
١
برنزی
٢٠٢

٥ پاسخ

مرتب سازی بر اساس:

تصمیم‌گیری داده‌محور (Data-Driven Decision Making) فرایند تصمیم‌گیری بر اساس تحلیل داده به جای اتکای صرف به تجربه و شهود (Gut-Based Decision Making) است.


یک متخصص بازاریابی می‌تواند تنها بر اساس تجریه خود نوع تبلیغات برای محصول را انتخاب کند یا بر اساس داده‌های قبلی که نشان می‌دهد مشتریان چه‌طور به تبلیغات واکنش نشان می‌دهند. همین‌طور می‌تواند ترکیبی از این رویکردها را در تصمیم‌گیری داشته باشد. تصمیم‌گیری داده‌محور حالت همه یا هیچ (یا صفر و یکی) ندارد. شرکت‌های مختلف می‌توانند به تناسب شرایط خودشان از این رویکرد استفاده کنند.[۱][۲]

سازمان‌های داده‌محور

[ویرایش]

بسیاری از سازمان‌ها تصور می‌کنند که داده‌محور هستند چرا که گزارش‌های زیادی دارند یا داشبوردهای زیادی برای آنها طراحی شده‌ است. در حالی که لزوماً چنین نیست. سازمان‌ها زمانی داده‌محور عمل می‌کنند که داده‌های مناسب را جمع‌آوری کنند، داده‌ها معتبر باشند، تحلیل درستی روی آنها انجام شود، نتایج آنها در تصمیم‌گیری در نظر گرفته شود و منجر به اقداماتی شوند که ارزش داده‌ها در آنها کاملاً قابل درک باشد. چنین ترتیبی زنجیره ارزش تحلیل داده‌ها نامیده می‌شود. تنها سازمان‌هایی داده‌محور هستند که بتوانند کل این زنجیره را تا رسیدن به تصمیم‌ها و اقدام‌های لازم در کسب‌وکار طی کنند.

تحلیل داده‌ها یک عنصر کلیدی در سازمان‌های داده محور است. اما اگر نتایج آن جدی گرفته نشود یا به درستی بکار گرفته نشود، سازمان داده‌محور نخواهد بود. سازمان برای داده‌محور بودن باید فرایندهای لازم و فرهنگ تصمیم‌گیری بر اساس داده‌ها را داشته باشد به طوری که این تصمیم‌ها روی کسب‌وکار سازمان مؤثر باشد. فرهنگ موضوعی چندبعدی است که کیفیت داده‌ها و به اشتراک‌گذاری آنها، استخدام و آموزش متخصصین علم داده، ارتباطات، ساختار سازمانی، طراحی شاخص‌ها و فرایندهای تصمیم‌گیری را دربرمی‌گیرد.[۳]

استفاده درست از داده‌ها تنها یک مسئلهٔ فنی نیست اینکه چه پایگاه‌داده‌هایی دارید یا چند متخصص علم داده استخدام کرده‌اید بلکه تعامل پیچیده‌ای بین داده‌هایی است که در اختیار دارید، این که در کجا ذخیره می‌شوند، انسانها چگونه با آنها کار می‌کنند و روی چه مسائلی در سازمان کار می‌شود و تصور می‌شود ارزش حل شدن دارند. بیشتر مردم راجع به فناوری صحبت می‌کنند اما سازمان‌های موفق می‌دانند که انسان‌ها در مرکز این فرایند پیچیده قرار دارند. در هر سازمانی پاسخ به سوال‌هایی از قبیل چه کسی روی داده‌ها کنترل و نظارت دارد؟ این افراد به چه کسانی گزارش می‌دهند؟ و چه طور تصمیم می‌گیرند که روی چه مسائلی کار کنند خیلی مهم‌تر این است که از پایگاه داده SQL Server شرکت مایکروسافت استفاده می‌کنید یا شرکت اوراکل.

معروف‌ترین سازمان‌های داده‌محور شرکتهای اینترنتی هستند: گوگل، آمازون، فیسبوک و لینکدین. البته داده‌محور بودن در انحصار شرکت‌های اینترنتی نیست. والمارت در استفاده از داده‌ها از دهه ۱۹۷۰ همواره پیشگام بوده‌است. این شرکت از اولین شرکتهایی است که از انباره داده‌های حجیم برای مدیریت موجودی کالا استفاده کرد. در دهه ۱۹۸۰ والمارت اولین شرکتی بود که برای افزایش کیفیت داده‌های خود از اسکنرهای بارکد استفاده کرد و بعدها که تعداد فروشگاه‌ها و کالاها به سرعت افزایش یافت، اولین شرکت بزرگی بود که در فناوری‌های RFID سرمایه‌گذاری کرد و در حال حاضر از فناوری‌های پیشرفته پردازش داده‌ها مانند هدوپ و کاساندرا استفاده می‌کند.[۴]

مزایای تصمیم‌گیری داده‌محور

مزایای تصمیم‌گیری داده‌محور بر همگان آشکار شده‌است. اقتصاددانی به نام اریک برینجولفسن و همکارانش در دانشگاه‌های ام‌آی‌تی و مدرسه وارتون دانشگاه پنسیلوانیا مطالعه‌ای روی این موضوع انجام دادند که تصمیم‌گیری داده‌محور چه طور روی عملکرد شرکت‌ها تأثیر می‌گذارد. آنها شاخصی را طراحی کردند که نشان می‌داد شرکتها تا چه حد از داده‌ها در تصمیم‌گیری استفاده می‌کنند و نشان دادند که به لحاظ آماری هر چه یک شرکت داده‌محورتر باشد بهره‌وری آن بیشتر است. حتی با در نظر گرفتن گستره وسیعی از متغیرهای مداخله‌گر چنین نتیجه‌ای به دست می‌آید. یک انحراف معیار بالاتر در شاخص طراحی شده به معنای چهار تا شش درصد بهره‌وری بیشتر است. همین مطالعه نشان داد که تصمیم‌گیری داده‌محور با نرخ بازگشت دارایی‌ها، بازگشت سهام، استفاده از دارایی‌ها و ارزش بازاری همبستگی مثبت دارد و این رابطه علی و معلولی به نظر می‌رسد.[۲] گزارش دیگری نشان داد که در سال ۲۰۱۴ هر دلاری که برای تحلیل داده‌ها هزینه می‌شود به‌طور میانگین ۱۳٫۰۱ دلار بازگشت سرمایه دارد. این نسبت در سال ۲۰۱۱ میلادی ۱۰٫۶۶ دلار بوده‌است.[۵]
مطالعه دیگری که در دانشگاه نیویورک انجام شد، این مورد را بررسی کرد که استفاده از فناوریهای کلان‌داده تا چه اندازه می‌تواند به سازمان‌ها کمک کند. این مطالعه نشان داد که با کنترل متغیرهای مداخله‌گر احتمالی، استفاده از فناوریهای کلان‌داده با رشد در بهره‌وری در ارتباط است. یک انحراف معیار بالاتر در استفاده از فناوریهای کلان‌داده با یک تا سه درصد بهره‌وری بیشتر در مقایسه با یک سازمان میانگین در ارتباط است و یک انحراف معیار پایین‌تر با یک تا سه درصد بهره‌وری کمتر.[۲]

پیامدهای تصمیم‌گیری داده‌محور

[ویرایش]

شایان ذکر است که نتایجی که از تحلیل داده استخراج می‌شود می تواند جایگزینی برای ویژگی‌های انسانی مثل تجربه و قضاوت باشد. حتی قبل از این که ابزارهای هوش مصنوعی به مرحله‌ای برسد که خودکارسازی کامل اتفاق بیفتد، این ابزارهای قدرتمند هر روز بیش از پیش هوش تحلیلی و دانش سازمانی را که مزیت رقابتی کسب‌وکارهاست در خود ذخیره می‌کنند. یک تحلیلگر جوان ساکن کشورهای در حال توسعه می‌تواند با استفاده از این ابزارها با تحلیلگران باتجربه در کشورهای توسعه‌یافته که خواهان حقوق و دستمزد بسیار بالایی هستند رقابت کند. در حالت کلی هر شغلی که دستکاری کردن داده جزء شرح وظایف آن باشد و آن شغل جنبه محلی نداشته باشد مثلا نیازمند شرکت در جلسات حضوری با مشتریان نباشد، در آینده نزدیک در معرض جابجایی به کشورهای در حال توسعه و در آینده دورتر در معرض خودکارسازی کامل است. [۶]

جستارهای وابسته

[ویرایش]

منابع

[ویرایش]

  1. «کتاب علم داده مفاهیم و مهارت‌ها - تألیف دکتر بابک سهرابی و حمیده ایرج - انتشارات جهاد دانشگاهی». بایگانی‌شده از اصلی در ۲۷ دسامبر ۲۰۱۶. دریافت‌شده در ۲۳ آوریل ۲۰۱۶.
  2. پرش به بالا به:۲٫۰ ۲٫۱ ۲٫۲ Provost, F. , & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. O’Reilly Media.
  3. O'Reilly. (2015). Building an Optimized Business: What Business Leaders Need to Know About Operating at Speed and Scale. O'Reilly Media.
  4. Patil, D., & Mason, H. (2015). Data Driven: Creating a Data Culture. O’Reilly Media.
  5. Nucleus Research. (2014). Analytics Pays Back $13.01 For Every Dollar Spent. Nucleus Research.[پیوند مرده]
  6. Ford, Martin (2016). The rise of the robots: technology and the threat of mass unemployment. London: Oneworld. p. 120-121. ISBN 978-1-78074-848-
  7. (منبع ویکی پدیا)

احتمالا همه ما در مورد عبارت کلان داده (Big Data) زیاد شنیده ایم. عبارتی که اخیرا بسیار بر سر زبان‌ها افتاده است.

از آنجاییکه کسب و کار ها شکل دیجیتالی به خود گرفته اند، لزوم استفاده از هوش کسب وکار (BI) بیش از پیش مطرح می‌شود. با استفاده از BI تصمیم‌گیری‌های بهتری در سازمان‌ها انجام می‌شود که منجر به رشد سازمان و کسب مزیت رقابتی می‌شود.

اگر ابزارهای گزارش‌ساز  به درستی به کار گرفته شوند و داده‌ها به درستی تحلیل شوند، شما قادر خواهید بود تصمیم‌های داده محور بگیرید و کسب و کار خود را رو به جلو حرکت دهید. این موضوع در تئوری بسیار جذاب به نظر می‌رسد. اما در عمل حتی اگر شما به انبوه ترین داده‌ها دسترسی داشته باشید، ممکن است که تصمیم‌هایی بگیرید که اساس تحلیل‌های داده‌ای نباشد و بر مبنای احساسات صورت پذیرد. این تصمیم‌گیری‌ها در اغلب موارد برای کسب و کار مضر و خطرآفرین است.

اگرچه در برخی از موارد تصمیم‌گیری‌ها بر مبنای غرایز و احساس انجام می‌شود اما باید درنظر داشته باشیم که تصمیم‌گیری‌های سازمانی عمدتا باید برمبنای معیارها، حقایق و ویژوال‌ها که مرتبط با اهداف سازمان هستند صورت پذیرند.

جهت درک اهمیت موضوع تحلیل داده‌ها،‌در این قسمت به بررسی موضوع «تصمیم گیری داده محور یا Data Driven Decision Making » می‌پردازیم. همچنین برای فهم بیشتر موضوع مثال‌هایی واقعی از تاثیر تحلیل در کسب و کار ها ارائه می‌نماییم.

تصمیم گیری داده محور یا Data Driven Decision Making چیست؟

تصمیم‌گیری داده محور یا Data driven decision Making (DDDM) فرایندی است به شکل زیر :‌

  • جمع‌آوری داده بر اساس اهداف یا شاخص‌های کلیدی عملکرد (KPIs)
  • تحلیل روندها و حقایق (Facts)
  • استفاده از تحلیل‌ها به منظور تعیین استراتژی و فعالیت‌هایی که موجب سوداوری برای سازمان می‌شود.

اساسا تصمیم‌گیری داده محور به معنای حرکت در مسیر اهداف سازمان است. در این مسیر از تجزیه و تحلیل داده‌ها استفاده می‌شود. به عبارتی تصمیم‌گیری داده محور (Data-Driven Decision Making یا به اختصار DDDM) فرایند تصمیم‌گیری بر اساس تحلیل داده به جای اتکای صرف به تجربه و شهود (Gut-Based Decision Making) است.

برای استخراج ارزش افزوده از داده‌ها، می‌بایست داده‌ها دقیق و مرتبط به اهداف سازمان باشند. جمع‌آوری، استخراج، ساختاردهی و تحلیل داده‌ها برای DDDM در کسب وکارها  موضوعی گسترده است. همین امر موجب به نعویق افتادن و طولانی شدن پروسه DDDM می‌شود.

امروزه به سبب توسعه ابزارها و پلتفرم‌های هوش کسب و کار،‌ برای دریافت بینش از داده‌ها نیازی نیست که کاربران متخصص و حرفه‌ای باشند. بنابراین برای تهیه گزارشات، روندها، مصورسازی داده‌ها و دریافت بینش از اطلاعات به حوزه IT تقریبا نیازی وجود ندارد. علم داده نیز با توجه به  توسعه این ابزارها به میان آمد.

گنجی که دانشمندان داده از داده‌ها استخراج می‌کنند، در دو دسته متفاوت جای می‌گیرند:‌ کمی و کیفی. هر دو این موارد برای تصمیم‌گیری داده محور مهم و حیاتی هستند.

تحلیل‌های توصیفی بر روی داده‌های تمرکز می‌کنند که اعداد و ارقام ندارند : مانند مصاحبه‌ها،‌ ویدیوها و داستان‌ها . تحلیل داده‌ها کیفی بیشتر بر اساس مشاهدات صورت می‌گیرد تا اندازه‌گیری داده‌ها. اما نکته مهم این است که داده‌ها کدبندی شوند و در گروه‌بندی‌های مناسب قرار گیرند.

تحلیل داده‌ها کمی بر اساس اعداد و آمار صورت می‌گیرد. میانگین، انحراف استاندارد و سایر آماره‌های توصیفی نقش مهمی برای این نوع داده‌ها دارند. بر خلاف آنالیز داده‌های کیفی، در آنالیز داده‌های کمی، بر اندازه‌گیری و اعداد و ارقام تمرکز داردتا مشاهدات. داده‌های کمی و کیفی هر دو می‌بایست تحلیل شوند تا تصمیم‌گیری های کسب و کار، داده‌ محور انجام شوند.

تا به اینجا باید با معنا و مفهوم تصمیم‌گیری در کسب و کار آشنا شده باشید.

داده سوخت است و تجزیه و تحلیل موتور!

چرا تصمیم گیری داده محور مهم است؟

اهمیت داده در تصمیم گیری بر اساس ثبات و رشد مداوم آ‌ن‌ها است.داده‌ها باعث می‌شوند که سازمان‌ها فرصت‌های جدیدی بسازند، درامد بیشتری داشته باشند، روندها را پیش‌بینی کنند، عملکردهای کنونی را بهینه کنند و بینش‌های قابل عمل تولید کنند. در این صورت است که شما شاهد رشد روزافزون سازمان خود خواهید بود و سازمان شما قابلیت تطبیق با هر شرایطی را دارد. در عصر دیجیتال داده‌ها مدام در حال تولید و افزایش هستند، بنابراین برای حرکت در این مسیر می‌بایست از داده‌ها استفاده کرده و تصمیم‌گیری‌هایی بزرگ و قدرتمند بر مبنای داده‌ها انجام داد.

تصمیم گیری داده محور یا سازمان ها را موفق می‌کند یا شکست می‌دهد. اینجاست که اهمیت مصورسازی داده‌ها به صورت آنلاین در تصمیم گیری مشخص می‌شود.

در یکی از مطالعات صورت گرفته در حوزه کسب و کارهای دیجیتال، گفته شده است که در بین کمپانی‌های بررسی شده، آن‌هایی که از تصمیم‌گیری داده‌ محور تا پیش از این استفاده می‌کردند، ۴٪ بهره‌وری بیشتر و ۶٪ سوددهی بالاتری داشتند.

(منبع سایت مشاورین مدیریت داده نمودار)

تصمیم گیری داده محور چیست؟


 

تصمیم گیری مبتنی بر داده، فرآیند استفاده از نقاط داده و معیارها و برای هدایت تصمیمات استراتژیک تجاری شما است. به این معنی که تصمیمات اصلی را حذف می کنید و تصمیم گیری بر اساس تجربه و دانسته های افراد را کنار می گذارید و شروع به انتخاب هایی می کنید که با اهداف شرکت شما هماهنگ هستند.

ابزار هوش تجاری، تصمیم گیری مبتنی بر داده را با حفظ داده ها در دسترس همه افراد سازمان شما امکان پذیر می کند.

اهمیت تصمیم گیری مبتنی بر داده

داده ها و تحلیل ها اساس رقابت را تغییر می دهند. شرکت های پیشرو از توانایی های خود نه تنها برای بهبود عملیات اصلی خود بلکه برای راه اندازی مدل های تجاری کاملاً جدید استفاده می کنند. نقش داده ها و تجزیه و تحلیل به طور فزاینده ای دیگر یک رشته مستقل نیست، بلکه به عنوان یک کاتالیزور برای استراتژی دیجیتال یا تحول است.

تا سال 2023، سواد داده به یک محرک ضروری برای ارزش تجاری تبدیل خواهد شد که با قرار دادن رسمی آن در بیش از 80 درصد از داده ها و استراتژی های تحلیلی و برنامه های مدیریت تغییر نشان داده می شود.

سال‌هاست که تحلیلگران پیش‌بینی کرده‌اند که تجزیه و تحلیل داده‌ها برای موفقیت کسب ‌وکار اهمیت زیادی پیدا خواهد کرد و قابلیت‌های داده و تجزیه و تحلیل در سال‌های اخیر با ابزارهای خودکار جدید، ادغام ساده‌تر منابع داده، گزارش‌دهی لحظه ای، تجسم داده‌های تعاملی و موارد دیگر، جهشی بزرگ به جلو  داشته‌اند

مزایای تصمیم گیری مبتنی بر داده

برخی از مزایایی که شرکت ها هنگام ایجاد یک فرهنگ مبتنی بر داده مشاهده می کنند عبارت اند از:

-تصمیمات مطمئن: زمانی که بتوانید تاثیر تصمیمات خود را بهتر درک کنید، تصمیم گیری مطمئن تری خواهید داشت

-فعالیت زیاد: بینش های مبتنی بر داده می تواند به شما کمک کند فرصت های تجاری و تجربه های مشتری  را شناسایی کنید و به طور فعال نقاط ضعف محصول خود را قبل از تبدیل شدن به مشکلات جدی شناسایی کنید.

-دستیابی به موفقیت و طول عمر بیشتر: با نگرش منظم در مورد تغییرات یا روندهای بازار، سازمان ها چابک تر می شوند و می توانند منابع خود را برای موفقیت متمرکز و حداکثر کنند

-آگاهی و شفافیت: همه افراد سازمان خود را از اهداف شرکت، رضایت مشتری و موارد دیگر آگاه کنید.

-پاسخ به چرایی: اطلاعات عمیق تری از تجربه های  مشتری خود به دست آورید، نقاط ضعف و نقاط قوت را شناسایی کنید تا توسط مشتری جذب شوید.

-شناسایی رشد درآمد های جدید: گره زدن دید شرکت به روندهای بازار می تواند به کشف جریان های درآمدی جدید کمک کند.

با این حال، این مزایا فقط به یک ابزار هوش تجاری مربوط نمی شود، برای رسیدن به این مزایا، باید فرهنگ داده محور را ایجاد کنید.

با گذشت زمان ، پیشرفت ها چشمگیرتر از قبل رخ می دهند ، بنیان پیشرفت ها همه بر اساس نیاز هایی صورت می گیرد که صاحبین کسب و کار و صنایع مختلف با تحلیل داده های خود به آن دست می یابند. در وان افزای انقلاب صنعتی چهارم و عصر چهارم کیفیت ، که دنیا در میانه این راه قرار دارد ، داده ها تبدیل به عناصری بنیادین برای سازمان تبدیل شده اند.

با گذشت زمان ، پیشرفت ها چشمگیرتر از قبل رخ می دهند ، بنیان پیشرفت ها همه بر اساس نیاز هایی صورت می گیرد که صاحبین کسب و کار و صنایع مختلف با تحلیل داده های خود به آن دست می یابند. در وان افزای انقلاب صنعتی چهارم و عصر چهارم کیفیت ، که دنیا در میانه این راه قرار دارد ، داده ها تبدیل به عناصری بنیادین برای سازمان تبدیل شده اند.

در همایش مدیریت داده محور با مباحث زیر آشنا می شویم:

داده محوری چیست؟

چرا سازمان باید داده محور باشد؟

داده محوری در سازمان های جهانی و ایران چه جایگاهی دارد؟

چگونه سازمان داده محور خواهد شد؟

چه زیر ساخت هایی برای داده محوری سازمان نیاز است؟

چه فرایند هایی می توانند داده محور باشند؟

مدیریت بر اساس داده ها چه نتایجی برای سازمان شما رقم می زنند؟

برای ثبت نام و مشاهده جزییات بیشتر همایش مدیریت داده محور روی لینک زیر کلیک نماییدهمایش مدیریت داده محورچگونه می توانید فرهنگ داده محور را به دست آورید؟

6 بخش کلیدی وجود دارد که می توانید هنگام ایجاد فرهنگ داده محور از آنها پیروی کنید:

رهبری

اگر یک ذهنیت مبتنی بر داده  توسط رهبری یک شرکت پذیرفته نشود  ، بعید است که برای بقیه سازمان نهادینه شود. به این دلیل که اتخاذ دیدگاه داده شامل تغییرات قابل توجهی در نحوه عملکرد هر بخش از یک تجارت است. ممکن است به این معنا باشد که کارمندان دیگر تصمیمات مدیران را بدون داده‌هایی که پشتیبان برنامه‌هایشان باشد، نمی‌پذیرند. در واقع مدیران زمانی را برای خود و کارمندانشان اختصاص می‌دهند تا مهارت‌های جدید داده را بیاموزند.

اعتماد

اعتماد یکی دیگر از اصول مهم در شرکت های داده محور است. همه بخش‌های یک شرکت، از کارگران گرفته تا مدیران اجرایی، باید اطمینان داشته باشند که داده‌ها دقیق و قابل اعتماد هستند.

تعهد

ایجاد یک فرهنگ مبتنی بر داده نمی تواند یک فرآیند کاملا منظم باشد. این امر بستگی به تعهد بلندمدت همه افراد سازمان دارد. برای اطمینان از این تعهد بلند مدت شرکت ها باید:

اطمینان حاصل کنند که تجزیه و تحلیل به تلاش های مهم تجاری مرتبط است.

داده ها را در اولویت مربیگری کارکنان قرار دهند.

مطمئن شوند که اهداف تیم همیشه برای سنجش عملکرد تیم وجود دارد

بر فناوری‌های هوش مصنوعی سرمایه‌گذاری کنند تا داده ها همیشه در دسترس باشند.

معیارها

با توجه به این که تا این مرحله بر اهمیت داده ها و معیارها تمرکز کرده ایم، باید به خاطر داشته باشید که  فقط معیار مهم نیست بلکه شما باید بدانید که بر روی کدام داده ها تمرکز می کنید.

-شاخص های کلیدی عملکرد مناسب را برای اندازه گیری موفقیت انتخاب کنید – اگر شاخص های کلیدی عملکرد اشتباه را اندازه گیری کنید، هرگز پاسخ های مورد نیاز خود را دریافت نخواهید کرد.

-برای تعیین اهداف واقع بینانه، به داده های قبلی رجوع کنید.

-فناوری جدید مورد نیاز سازمان برای دسترسی و تجزیه و تحلیل داده ها را شناسایی کنید

-مدیران داده را مسئول اطمینان از داده های دقیق و دسترسی مناسب به سازمان تعیین کنید

سواد داده

تنظیم کار با داده ها به معنای تغییر نحوه عملکرد ما در فعالیت های روزانه است. این بدان معناست که افراد ممکن است مهارت‌های لازم برای هدایت داده‌ها را نداشته باشند.

توسعه یک طرح سواد داده در سراسر سازمان ها به معنای اطمینان از این است که کارکنان درک می کنند که داده ها به چه معناست و چگونه می توانند نمودارها بخوانند.

آموزش

داده ها تنها زمانی می توانند تأثیرگذار باشند که در فرآیند تصمیم گیری قرار گیرند. هدف واقعی این است که چگونه آنداده ها را به «بینش عملی» تبدیل کنیم:

-در حال حاضر چه ابزارهایی دارید یا باید به دست آورید؟

-آیا داده ها به راحتی در دسترس هستند؟

-آیا تیم تجسم داده ها را درک می کند؟

-آیا باید افراد خود سازمان را آموزش دهید یا باید فرد جدیدی را استخدام کنید

ذینفعان کلیدی در کسب و کار را بیابید که دید و طرز فکر مبتنی بر داده دارند، به آنها  آموزش سواد داده بدهید و آنها را برای ترویج فرهنگ داده محور در سازمان خود توانمند سازید

تصمیماتی که ما هر روز برای محصولات و خدمات خود می گیریم بی پایان هستند! چگونه می توانید مطمئن شوید که این تصمیمات مبتنی بر داده هستند؟ در اینجا دو نمونه آورده شده است:

1-به دنبال بهبود تجربه محصول هستید؟ به داده های برنامه های خود نگاهی بیندازید تا ببینید افراد در کجا با مشکل مواجه شده اند.

2-آیا می خواهید تغییری در وب سایت خود ایجاد کنید؟ بهتر است تغییرات را  فقط به این دلیل که فکر می کنید ایده خوبی هستند ایجاد نکنید. تست های A/B را اجرا کنید تا تجربیات مختلفی را در اختیار کاربران قرار دهید و ببینید چه نسخه ای بهترین عملکرد را دارد و بر اساس آن تصمیم خود را بگیرید!

(منبع مشاوران مدیرفا)

١٦,١١١
طلایی
١١
نقره‌ای
١٨٩
برنزی
١٢٦
تاریخ
٤ ماه پیش

تصمیم‌گیری مبتنی بر داده (Data-driven decision-making) رویکردی است که بر این اصل تأکید دارد که برای تصمیم‌گیری در کسب و کار، از داده‌ها و تحلیل‌ها به جای احساس و شهود استفاده شود. در این رویکرد، منابع داده مانند بازخورد مشتریان، روندهای بازار و داده‌های مالی برای هدایت فرآیند تصمیم‌گیری به کار گرفته می‌شوند. برای پیاده‌سازی تصمیم‌گیری مبتنی بر داده، می‌توانید اقدامات زیر را انجام دهید:

٣٧,٨٧٨
طلایی
٣٨
نقره‌ای
٥٦٦
برنزی
١١٩
تاریخ
٤ ماه پیش

Data-driven decision making

تصمیم‌گیری مبتنی بر داده

٢٨
طلایی
٠
نقره‌ای
٠
برنزی
٠
تاریخ
٤ ماه پیش

"Data-driven decision making" (تصمیم‌گیری مبتنی بر داده) به معنای استفاده از داده‌های واقعی، تجزیه و تحلیل‌های کمی و کیفی، و مدل‌های آماری برای اتخاذ تصمیمات است. این روش به جای اتکا بر حدس و گمان یا احساسات، بر مبنای اطلاعات و داده‌های دقیق استوار است. هدف اصلی از این رویکرد، افزایش دقت و کارآمدی در فرآیندهای تصمیم‌گیری است.

### چگونه "Data-driven decision making" را در کسب و کار پیاده سازی کنیم؟

1. **جمع‌آوری داده‌ها:**
  - اولین گام، جمع‌آوری داده‌های مرتبط و دقیق است. این داده‌ها می‌توانند از منابع داخلی مانند سیستم‌های مدیریت مشتریان (CRM)، سیستم‌های مالی، و سیستم‌های تولید، و همچنین منابع خارجی مانند تحقیقات بازار و داده‌های رقابتی به دست آیند.

2. **تمیز کردن و آماده‌سازی داده‌ها:**
  - داده‌ها معمولاً خام و نامرتب هستند. مرحله بعدی شامل تمیز کردن و آماده‌سازی داده‌ها برای تحلیل است. این کار شامل حذف داده‌های نادرست یا ناقص، یکپارچه‌سازی داده‌ها و تغییر شکل داده‌ها به فرمت‌های مناسب است.

3. **تحلیل داده‌ها:**
  - از ابزارهای تحلیل داده‌ها مانند Excel، SQL، Python، R، یا نرم‌افزارهای تخصصی تحلیل داده مانند Tableau، Power BI، و Google Analytics استفاده کنید. تحلیل داده‌ها شامل شناسایی الگوها، روندها و همبستگی‌ها است.

4. **بصری‌سازی داده‌ها:**
  - ایجاد نمودارها، جداول و گزارش‌های بصری می‌تواند به درک بهتر و سریع‌تر داده‌ها کمک کند. این ابزارها به مدیران کمک می‌کنند تا داده‌ها را به شکل قابل فهم‌تری مشاهده کنند و تصمیمات آگاهانه‌تری بگیرند.

5. **تفسیر و استفاده از نتایج:**
  - تفسیر نتایج تحلیل داده‌ها و استفاده از آنها برای تصمیم‌گیری‌های استراتژیک و عملیاتی مهم است. این تصمیمات می‌توانند شامل بهبود فرآیندها، شناسایی فرصت‌های جدید بازار، بهینه‌سازی هزینه‌ها و افزایش کارایی باشند.

6. **پیگیری و ارزیابی:**
  - پس از پیاده‌سازی تصمیمات، عملکرد آنها باید پیگیری و ارزیابی شود. این کار به منظور اطمینان از دستیابی به نتایج مورد انتظار و اصلاح یا بهبود در صورت نیاز انجام می‌شود.

### مزایای "Data-driven decision making":
- **افزایش دقت و کاهش خطا:**
 تصمیم‌گیری مبتنی بر داده به کاهش خطاهای انسانی و افزایش دقت در تصمیمات کمک می‌کند.
- **شناسایی فرصت‌ها و تهدیدها:**
 تحلیل داده‌ها می‌تواند به شناسایی فرصت‌های جدید کسب و کار و تهدیدهای احتمالی کمک کند.
- **افزایش بهره‌وری:**
 با استفاده از داده‌ها، می‌توان فرآیندهای کسب و کار را بهینه‌سازی کرد و بهره‌وری را افزایش داد.
- **بهبود رضایت مشتری:**
 داده‌ها می‌توانند به شناسایی نیازها و خواسته‌های مشتریان کمک کنند، که به بهبود محصولات و خدمات و در نتیجه افزایش رضایت مشتریان منجر می‌شود.

پیاده‌سازی تصمیم‌گیری مبتنی بر داده نیازمند یک فرهنگ داده‌محور در سازمان است، که در آن تمامی سطوح سازمان به اهمیت داده‌ها و تحلیل آنها واقف باشند.

تاریخ
٤ ماه پیش

ببینید؛ مفهوم "تصمیم‌گیری مبتنی بر داده" به معنای استفاده از داده‌ها و اطلاعات موجود برای انجام تصمیمات بهینه‌تر و اثربخش‌تر است. در این روش، تصمیمات شما بر اساس تجزیه و تحلیل دقیق داده‌ها و الگوهایی که از آن‌ها استخراج می‌شود، اتخاذ می‌شود، نه بر اساس حدس یا شهود.

برای پیاده‌سازی تصمیم‌گیری مبتنی بر داده در کسب و کار، مراحل زیر را می‌توان دنبال کرد:

  1. تعریف هدف: ابتدا باید هدف و نقشه راه مشخص کنید. مثلاً به دنبال بهبود عملکرد فروش، کاهش هزینه‌ها یا بهبود تجربه مشتری هستید؟
  2. جمع‌آوری داده: اطلاعات لازم برای تحلیل را جمع‌آوری کنید. این داده‌ها ممکن است شامل اطلاعات مشتری، فروش، تراکنش‌ها، بازار، رقبا، و غیره باشد.
  3. تجزیه و تحلیل داده: از ابزارها و تکنیک‌های تجزیه و تحلیل داده مانند استخراج الگو، مدل‌سازی پیش‌بینی، تحلیل خوشه‌بندی و غیره استفاده کنید تا الگوها و ارتباطات موجود را شناسایی کنید.
  4. تصمیم‌گیری: بر اساس نتایج حاصل از تحلیل داده، تصمیمات خود را اتخاذ کنید. این تصمیمات ممکن است شامل تغییر استراتژی بازاریابی، بهینه‌سازی زنجیره تأمین، تغییرات در محصول یا خدمات ارائه شده و غیره باشد.
  5. پیاده‌سازی و ارزیابی: تصمیمات اتخاذ شده را پیاده‌سازی کرده و عملکرد آن‌ها را ارزیابی کنید. در این مرحله، ممکن است نیاز به تنظیمات و تعدیلات بیشتری داشته باشید.
  6. بازخورد و بهبود مداوم: پس از پیاده‌سازی، نتایج را مانیتور کنید و بازخورد دریافتی را در نظر بگیرید. اگر لازم باشد، تغییرات لازم را اعمال کنید تا بهینه‌سازی مداوم داشته باشید.

پیاده‌سازی تصمیم‌گیری مبتنی بر داده به کمک استفاده از ابزارها و تکنولوژی‌های مناسب (مانند سیستم‌های مدیریت داده، نرم‌افزارهای تجزیه و تحلیل داده، و بسترهای محاسبات ابری) تسریع و بهبود فرآیندهای تصمیم‌گیری را تسهیل می‌کند.

١٠,٤١٠
طلایی
٣
نقره‌ای
٢٨
برنزی
١٢٥
تاریخ
٤ ماه پیش

پاسخ شما