شکل 1-    6V در داده‌های بزرگ

معماری سازمانی جایگزین مدیریت استراتژیک نیست، بلکه در کنار آن و با استفاده از مکانیزم‌ها و ابزارهای آن به شرکت کمک می‌کند تا از وضعیت موجود تا وضعیت مطلوب حرکت کند. این حرکت مستلزم تغییرات جزئی و یا اساسی در فرآیندها، فناوری و کارکنان است. معماری سازمانی با برنامه‌ریزی و کنترل تغییرات در آمیخته است. در این میان تحلیل داده‌های بزرگ به برنامه‌ریزان کمک می‌کند که از منابع استفاده کارآمدتری داشته باشند، ساختار هزینه‌های عملیاتی را بهبود داده و به کاهش هزینه برسند، تغییرات استراتژیک را سریع‌تر کرده و احتمال موفقیت آنها را افزایش دهند و به نتاج این کار که همانا پشتیبانی از تصمیم‌گیری در سطح مدیریت ارشد است، دست‌یابند.

شکل 2- اهمیت تحلیل داده‌های بزرگ در معماری سازمانی

یکی از مهمترین عوامل موفقیت در معماری سازمانی و مدیریت استراتژیک، توجه به ذی‌نفعان است. ذی‌نفعان چه کسانی هستند؟ کارکنان، سهامداران، هلدینگ بالادستی، مشتریان، تامین‌کنندگان، نمایندگی‌های فروش، کسانی که خدمات پس از فروش را ارائه می‌دهند و هر کسی که در جریان ارزش‌آفرینی شرکت اثرگذار است و تصمیمات و رفتارهای آنها موجب می‌شود خلق ارزش از آن اثر بپذیرد. در اصل توجه ذی‌نفعان به این مفهوم نیست که هر آنچه آنها گفتند یا خواستند. بلکه منظور، همکاری مؤثر و تعامل با آنها برای رسیدن به تفاهم متقابل است. در هنگام تحلیل داده‌های بزرگ باید به سهامداران (به عنوان ذی‌نفع کلیدی) و انتظارات آنها اهمیت بیشتری داده شود. بخش عمده‌ای از انتظارات آنان در یک واژه خلاصه می‌شود و آن هم «سودآوری» است. همچنین ارائه دهندگان خدمات فناوری اطلاعات نیز یکی دیگر از ذی‌نفعان است. منظور تمام شرکتها و اشخاص حقیقی هستند که نرم‌افزارها و برنامه‌های کاربردی شرکت را نگهداری می‌کنند. این ذی‌نفعان، چارچوب‌های محاسباتی را برای اجرای برنامه‌های خاص ایجاد کرده‌اند. در این میان ادمین نظام هوشمندی استراتژیک به عنوان یک ذی‌نفع کلیدی محسوب می‌شود. در این نظام داده‌های پیچیده، تکراری و اغلب بی‌نظم با استفاده از ابزارها و سرویس‌هایی به اطلاعات ارزشمند تبدیل می‌شوند. این ذینفع نیاز مبرمی به دستیابی به داده‌ها و آمار پیچیده داشته و معمولاً مهارت تفکر استراتژیک را در کنار مهارت تخصصی فناوری اطلاعات دارد. بکارگیری سازوکارها و ابزارهای مدیریت استراتژیک در نهایت چابکی و سازگاری را به ارمغان خواهد آورد. تحلیل داده های بزرگ همیشه در قالب مدیریت پروژه اجرا می‌شود. همچنین نتیجه این کار به دست آوردن راهکارها، سناریو‌ها و گزینه‌های مختلف تصمیم‌گیری در قالب نقشه راه است. لایه‌های تحلیل داده‌های بزرگ در ادامه توضیح داده شده است.

شکل 3- هماهنگی استراتژیک و ارتباطات بین تحلیل داده‌های بزرگ در محیط کسب و کار

شکل 4 الزامات تحلیل داده‌های بزرگ را برای لایه‌های معماری سازمانی نشان می‌دهد. هر گونه تغییر در معماری سازمانی که بر اثر تحلیل داده‌های بزرگ رخ می‌دهد، بر تمام چهار لایه‌ (تعریف شده توسط ‌TOGAF) تأثیر می‌گذارد. برای لایه کسب و کار چنین است که چابکی و سازگاری باید رعایت شود. از آنجا که هر سازمانی باید با رقابت و دورنمای توسعه بر اساس دنیای دیجیتال روبرو شود، این اصول احتمال تداوم حیات و بقا را تضمین خواهد کرد. در لایه داده، نیازمند بکارگیری مؤلفه‌های جدیدی است که ویژگی‌های 6V را برآورده کند. در لایه برنامه‌های کاربردی باید سیستم عامل‌ها‌، ابزارها و سرویس‌های آنان انتخاب شده و یکپارچکی و تعامل بین اینها تعیین گردد. ‌در لایه فناوری، منابع محاسباتی تحلیل داده‌های بزرگ تعیین می‌شود.

شکل 4- نگاشت الزامات تحلیل داده‌های بزرگ بر معماری سازمان

مؤلفه‌های شناسایی شده برای تحلیل داده‌های بزرگ در مدیریت استراتژیک در شکل 5 نشان داده شده است. مدیریت استراتژیک و تحلیل داده‌های بزرگ، هر دو تلاش می‌کنند که  با کار کردن روی داده‌های سازمانی به ارزش‌آفرینی کسب و کار کمک کنند. معماری کسب و کار با نگاشت اهداف و مهارت‌ها منجر به خلق ‌استراتژی‌هایی می‌شود که بر اساس آن مدل‌های کسب و کار مشخص می‌شود. تحلیل داده‌های بزرگ در قالب مراحلی در «چرخه حیات داده» شکل می‌گیرد. بیشترین استفاده از چارچوب پردازش دسته‌ای توسط یک منبع باز (Apache Hadoop)  انجام می‌شود که توسط گوگل مبتنی بر MapReduce است. برای پردازش در زمان واقعی از Apache Storm  می‌توان بهره گرفت. به خاطر حجم زیاد داده‌ها، پایگاه‌های داده جدیدی  مانند NoSQL یا NewSQL و سیستم‌های فایل توزیع شده باید پیاده‌سازی شوند. عملکرد آنها بر فرآیندها را تحت تأثیر قرار می‌دهد. در نهایت باید عنوان شود که معماری فناوری برای تأمین برنامه‌های کاربردی و داده ها باید بستری امن، مقیاس‌پذیر، قابل اعتماد و در دسترس را فراهم آورد. همچنین به رفع تهدیدات احتمالی مانند حمله سایبری نیز کمک کند.

شکل 5- مولفه‌های تحلیل داده‌های بزرگ در مدیریت استراتژیک معماری سازمانی

نکات قابل تامل

جدا از تحلیل داده‌های بزرگ، فناوری‌های دیگری نیز هستند که ممکن است آغازگر تغییر معماری سازمانی باشند. این فناوری‌ها مانند اینترنت اشیاء باعث شده که قابلیت‌ تجهیزات موجود بیشتر شده یا نوآوری‌های زیادی در مدل کسب و کار شده است. ادغام داده‌های کسب و کار با داده‌های باز (Open Data) یکی دیگر از زمینه‌های نوظهور در ارزش‌آفرینی است. در این‌صورت جا دارد که باز هم بر اهمیت چابکی و سازگاری معماری سازمانی تأکید کرد. علاوه بر این، هنگامی که صحبت از صنعت و تولید می‌شود، ترکیب فناوری‌های صنعتی و فناوری‌های دیجیتال با نوآوری در مدل‌های کسب و کار، چشم‌انداز صنعت 4.0 را ایجاد کرده است جایی‌که در آن یک کارخانه کاملاً پراکنده جهانی و مجازی محصولات را در دنیای آینده تولید می‌کند. در کنار این موضوع، نکته مهم این است که  تمام سازمان‌ها آمادگی استفاده از تحلیل داده‌های بزرگ را ندارند، زیرا بلوغ مدیریت استراتژیک در معماری سازمانی آنها کم است.

نتیجه‌گیری

در اینجا با ترکیب لایه‌های چهارگانه معماری سازمانی با تحلیل داده‌های بزرگ بر اساس مدیریت استراتژیک به یک مدل کاربردی دست یافتیم که به چابکی و سازگاری شرکت در دنیای کنونی کمک می‌کند. کسانی که می‌خواهند از اصول جدید بمنظور بهره‌مندی از مزایای تحلیل داده‌های بزرگ در لایه‌های معماری سازمانی استفاده کنند، می‌توانند از این مدل بهره گیرند. بر این اساس چگونگی تاثیرگذاری و تاثیرپذیری تحلیل داده‌های بزرگ بر مدیریت استراتژیک مشخص می‌شود.