بی میلی در دسترسی به اطلاعات سازمان در سال 2014 از بین رفته است ...
ضعف بزرگی که در سازمان های با منابع داده ای قابل توجه وجود داشته آنست که مدیران و کارشناسان سازمان‌ها نمی‌دانند که چه کسانی باید به اطلاعات سازمان دسترسی داشته و به بررسی آن بپردازند. درحقیقت، آنان رضایت کامل از دسترسی هرچه بیشتر نیروهای سازمان به اطلاعات نداشته‌اند که همین مسئله منجر به بی میلی در استفاده بهینه از داده ها و اطلاعات سازمان می‌گردد.
از سوی دیگر بی میلی مدیران در استفاده هرچه بیشتر نیروهای سازمان در بهره‌گیری از اطلاعات، مربوط به کاهش هزینه های فرایند بهره‌گیری از اطلاعات نیز می باشد. اما باید در نظر گرفت که هرچه تعداد این نیروها در بهره‌گیری از اطلاعات کمتر باشد، فرایند تبدیل داده های خام به اطلاعات و دانش سازمانی نیز کمتر اتفاق خواهد افتاد که متعاقبا یادگیری سازمانی و سطح دانش سازمان رشد کافی را نخواهد داشت.
اما امروزه این بی میلی نمی‌تواند وجود خارجی داشته باشد. به بیان دیگر، تکنولوژی حال حاضر این بی میلی را از مدیران و کارشناسان سازمان گرفته است. کاربران سیستم دیگر نمی‌توانند با درخواست‌های اشتباه از سیستم آن را مختل نمایند زیرا نرم‌افزارها و سخت‌افزارهایی که امروزه در فرایند اکتشاف داده‌ها مورد استفاده قرار می‌گیرند امکان بروز این اختلال را گرفته و باعث شده‌اند که سیستم هوش تجاری و فرایند اکتشاف داده‌های سازمان تنها با درگیر نمودن تمامی افراد سازمان، بهترین بازدهی را داشته باشد.
از آنجا به بعد بود که ...
تا تقریبا 10 سال گذشته تکنولوژی که بمنظور شناسایی، مدیریت، و تحلیل داده‌ها در سازمان‌ها مورد استفاده قرار می‌گرفت، توانایی کافی برای دادن دسترسی‌های لازم به تمامی نیروهای انسانی سازمان را نداشت و متعاقبا بی‌میلی در مدیران سازمان جهت بهره‌گیری از داده‌ها و اطلاعات سازمان برای تمامی کاربران را منجر میشد.
دیسک‌های چرخانی که داده‌های سازمان روی آنان ذخیره میشد توانایی پاسخگویی به درخواست‌های فراوان کاربران را نداشت که منجر میشد تا تحلیل داده‌ها با مشکل روبرو می‌گردید. در نتیجه مدیران داده سازمان‌ها، دسترسی کاربران به موتورهای تحلیل را شدیدا کنترل می‌نمودند که تشخیص و عملی اشتباه بود. از اینرو تحلیل داده‌ها و اطلاعات سازمان امری مهم و حیاتی نبود و پیش بینی مبتنی بر تحلیل اساساً شناخته شده نبود.
و اما اکنون ...
تکنولوژی‌ها و سیستم‌های آن زمان بهمراه فلسفه‌ای که پشت آن‌ها بود منسوخ شده‌اند.
امروزه استفاده از حافظه‌های بزرگ با توانایی بالا و قرارگیری آنان در صفوف پشت هم امکان پاسخگویی به درخواست های فراوان کاربران بمنظور اکتشاف داده‌ها را به آسانی میسر نموده است. کاربران و مشتریان، بیشتر از همیشه با فرایند تحلیل داده‌های سازمان آشنا هستند. از سوی دیگر بروز داده های با حجم بالا (Big Data) باعث شده تا فرایند اکتشاف داده‌های سازمان بیشتر و بیشتر رو به جلو حرکت نماید. سخت افزارها و نرم افزارهای مورد نیاز جهت ذخیره داده ها نسبت به گذشته پیشرفت قابل ملاحظه‌ای داشته و دیگر با مشکلات مربوط به پردازش اولیه و ایندکس نمودن درخواست های کاربران رو به رو نمی‌شویم. به بیان دیگر دلیلی برای محدود کردن استفاده هرچه بیشتر کاربران در دسترسی به داده‌ها و اطلاعات سازمان وجود ندارد.
به چه معناست؟ ...
سیر تکاملی اکتشاف داده‌ها ارتباط مستقیم با تکنولوژی داشته و تقریبا از دستان مدیران داده خارج است.
اما همچنان این نظریه میان برخی از مدیران داده وجود دارد که اکثر کاربران و الگوریتم‌های اکتشاف داده قابل اعتماد نیستند و می‌توانند به سیستم آسیب زده و یا نتایج اشتباه را ارائه نمایند. این نگرش کاملا منسوخ شده است.
این نگرش کاملا منسوخ شده است ...
امروزه تکنولوژی به جایگاهی رسیده که نرم افزار هوش تجاری می‌تواند بطور مستقل و بتنهایی اکثر فرایند اکتشاف داده‌ها را انجام دهد. سخت افزارها نیز می‌توانند نرم افزار را بدون بروز مشکلی در انجام آن فرایند، یاری رسانند. از سوی دیگر کاربران سیستم و نیروهای انسانی سازمانی با تحلیل داده آشنا بوده و می‌دانند که چگونه از آن استفاده نمایند.
مدیران داده‌ای که همچنان از نظریه منسوخی که در دهه‌های گذشته صحت داشته، پیروی می‌کنند، در حقیقت سازمان خود را از داشتن چشمان تیزبین در اکتشاف و تحلیل داده‌های سازمان و پیش افتادن از رقبا در دنیای رقابتی امروز محروم ساخته‌اند.
دانش، نهایت فرایند است ...
مدیران داده و توسعه دهندگان سیستم‌های هوش تجاری از همه موارد آگاهی ندارند بخصوص اگر پردازش داده‌های خارجی مد نظر باشد. امکان دسترسی تعداد بیشتری از کاربران به اکتشاف داده‌های سازمان می‌تواند رویه‌ها و روندهایی را در اختیار سازمان قرار دهد که مدیر به تنهایی امکان انجام آن را نخواهد داشت.
همچنین حرکت کسب و کارهای امروز نظمی دیگر از انبار داده را اساسا تغییر داده است: کیفیت داده یا Data Quality
در گذشته نه چندان دور لازم بود تا مدیران داده از کیفیت داده های خود در هر زمان اطمینان حاصل می‌کردند تا خروجی تحلیل آنان از سیستم هوش تجاری صحیح عمل نماید. اما طبیعتا تمامی داده‌ها مورد بررسی درستی قرار نمی‌گرفت و با خطای انسانی همراه بود. در حقیقت دنیایی خارج از دنیای درون سازمان (محیط خارجی سازمان) وجود داشت که مشخص می‌کرد سازمان باید چه قدم‌های بعدی را جهت توسعه خود بردارد.
تمامی این فرایند به داشتن دانش از صنعت و مشتریان سازمان بستگی دارد. چه سطحی از داده‌های با کیفیت اندک (Unclean Data) در یک صنعت خاص قابل قبول است؟ آن اطلاعات تا چه اندازه برای سازمان مفید است؟ به بیان دیگر کاربران با محیط کسب و کار و صنعت خود آشنا هستند، آنان می‌دانند که چه اطلاعاتی می‌تواند دانش آنان را افزایش دهد. بهتر است تا به کاربران و نیروهای انسانی سازمان اعتماد کنیم تا تصمیمات مبتنی بر آگاهی خود را اتخاذ نمایند حتی اگر داده‌های آنان اندکی کیفیت مناسب را نداشته باشد.
به کدام سو می رویم ...
بطور خلاصه، شرایطی که منجر میشد تا مدیران داده سازمان‌ها در 10 یا 15 سال گذشته نیروهای انسانی سازمان خود را در دسترسی به داده‌های سازمان محدود می‌کردند، در حال حاضر وجود ندارند. فرضیه‌ای که بیان می‌کرد کاربران سازمان با تحلیل‌های مبتنی بر پیش بینی آشنا نیستند دیگر حقیقت نداشته و کاربران امکان صدمه زدن به سیستم را ندارند. نرم افزارهای هوش تجاری اثربخش که پشت تحلیل‌ها قرار دارند بسیار هوشمندتر شده‌اند: به کاربران و به نرم افزار هوش تجاری جهت دستیابی به نتیجه نهایی بهینه، اعتماد کنیم.
اکنون تمامی کاربران می‌توانند وارد پروسه اکتشاف داده شوند زیرا تکنولوژی که آنان با استفاده از سیستم هوش تجاری از آن بهره می‌گیرند بسیار پیشرفت کرده و کار با سیستم نیز بسیار آسان شده است. حضور افراد بیشتر در فرایند اکتشاف داده‌های سازمان می تواند مدیریت و توزیع دانش در سازمان را افزایش دهد.
انتشار مطلب فوق، با ذکر منبع بلامانع می باشد.
