داده های بزرگ (Big Data) و استراتژی

تحلیل داده‌های بزرگ برای مدیریت استراتژیک

مقدمه 

وقتی که در فعالیت‌های اجرایی شرکتهای بزرگ و کوچک کشور دقت می‌کنیم، متوجه می‌شویم که در سال‌های اخیر، «تحلیل داده‌های بزرگ» رشد چشم‌گیری داشته است. سایت دیجی‌کالا برای تحلیل داده‌های خود فراخوان می‌دهد و امید دارد که از نتایج آن بتواند برای اصلاح استراتژی‌های فروش خود بهره‌ گیرد، شرکت ایرانسل به طور مداوم داده‌های مشترکین را واکاوی کرده و بر اساس آن طرح‌های تشویقی و سیاستهای فروش را تدوین می‌کند، به همین صورت شهر فرش داده‌های رقابتی را به طور مدام بررسی کرده و زنجیره تامین خود را بر اساس اطلاعات جدید می‌چیند. این اتفاقات نه در دور دست‌ها بلکه در نزدیکی شما و در همین شهری است که زندگی می‌کنیم، اتفاق می‌افتد. در این روزها، تمام بازیگران صنعت مجبور به پذیرش و «تحلیل داده‌های بزرگ» برای کسب یا حفظ موفقیت خود شده‌اند. کافی است تنها چند روز از این کار غفلت شود، نه تنها از قافله رقابت بجا مانده بلکه شرایط به‌گونه‌ای می‌شود که زنده ‌ماندن و بقای حداقلی در بازار تبدیل به آرزوی مدیران می‌شود.

بهره‌گیری از تحلیل داده‌های بزرگ به مدیران کسب و کارها کمک می‌کند تا بینشهای جدیدی را از بازار به دست‌ آورند. شرکت آسانسور آتی‌سازان با تکیه بر درخواستهای خرید و همچنین تحلیل داده‌های رقابتی تصمیم گرفت به بازار عراق و متعاقب آن سوریه و سایر کشورهای عربی وارد شود. به طور معمول این بینش‌ها، حتی نجات‌دهنده کسب و کارها از گردنه‌های پرچالش رقابت است. گردنه‌های پرچالش رقابت یک دلیل مشخص دارد و آن هم پویایی‌ محیط بازار و صنعت است. مهمترین دلایل این پویایی، پیشرفت در فناوری‌ها، تغییر استانداردها و مقررات صنعت و تغییر نیازها و ترجیحات مشتریان در بازار است. بنظر می‌رسد شرکتها با اجرای معماری سازمانی مبتنی بر تحلیل داده‌های بزرگ، به اندازه‌ای چابک شوند که علاوه بر مدیریت مقادیر زیادی از داده‌ها و اجتناب از سردرگمی و اتلاف هزینه و انرژی‌شان، با محیط بازار و صنعت منطبق شده و بقای خود را حداقل برای چند سال دیگر بیمه کنند.  پس بدیهی است که در شرایط امروزی، توانایی سازمانها برای انطباق مداوم با محیط متلاطم یک نیاز حیاتی است. فناوری‌های اطلاعات و ارتباطات (ICT) نقش مهمی در این انطباق ایفا می‌کنند. تحقیقات نشان می‌دهد که بین موفقیت سازمانها با مدیریت معماری سازمانی ارتباط معنی‌داری وجود دارد. نکته‌ درخور توجه این است که هماهنگی بین «تحلیل داده‌های بزرگ» با معماری سازمانی بر اساس مدیریت استراتژیک به دست می‌آید. بر این اساس، معماری سازمانی، دیگر به عنوان یک وظیفه در بخش فناوری اطلاعات نیست، بلکه کارکرد استراتژیک داشته و به عنوان یک موضوع فراواحدی بوده و تغییرات کل سازمان را در بر می‌گیرد.

 

 

معماری سازمانی

در نگاه اول معماری سازمان عمدتاً تصمیمی است که ماهیت فنی داشته اما بررسی عمیق‌تر نشان می‌دهد که این کار پیامدهای استراتژیک دارد. تیوانا (2014) معماری سازمان را به عنوان یک طرح مفهومی می‌داند که نحوه تقسیم اکوسیستم سازمانی را در پلتفرمی نسبتاً پایدار مشخص کرده و مجموعه‌ای از برنامه‌های تشویق به تغییر را راهبری می‌کند. معماری سازمانی، چارچوبی را برای تعریف نقش و جایگاه بلوک‌های اصلی کسب و کار را فراهم آورده و ارتباط آنها با هم را در عمل هماهنگ می‌کند. در صورتی که شرکتی بتواند معماری سازمانی را بخوبی انجام دهد، انتظار می‌رود این‌کار موجب توسعه و تحول مدام محصولات و خدمات در بازار شده و موجب ارزش‌آفرینی شود. در این‌صورت معماری سازمانی دارای کارکرد استراتژیک شده و مجموعه‌ای از دستورالعمل‌ها، اصول و حاکمیت سازمانی را ارائه می‌دهد که چشم‌انداز و استراتژی‌های سازمانی را جهت می‌دهد.  

 

الزامات تحلیل داده‌های بزرگ در سازمان‌ها

داده‌های بزرگ بر فرآیند تدوین استراتژی‌های مدون و همچنین پیدایش استراتژی‌های نوخاسته (استراتژی‌های برخاسته از ذات شرایط کاری که قبلاً در مورد آن فکر نشده است) از راه‌های مختلفی تاثیر می‌گذارد که شناخته‌ شده‌ترین آن بر اساس الگوی 6V است. تنوع، دامنه دید وسیع‌تری را درباره محیط و بازار ارائه می‌کند که قبلاً خارج از محدوده دید سیستمهای اطلاعات مدیریت سنتی بود. حجم، امکان تحلیلهای بسیار دقیق‌تری از موقعیت استراتژیک، بهینه‌سازی زنجیره تأمین و روابط با مشتری را فراهم می‌آورد. سرعت باعث می‌شود بازخورهای سریع و به‌موقع‌تری در مورد اقدامات استراتژیک در خصوص تعامل بهتر با مشتریان، تأمین‌کنندگان، کارمندان و سایر ذینفعان به دست آید. شکل 1 را نگاه کنید.   

 
 

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

 
 

تحلیل داده‌های بزرگ در اکوسیستم‌های تجاری

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.

 
 

مولفه‌های تحلیل داده‌های بزرگ در مدیریت استراتژیک معماری سازمانی

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.

ادمین سایت

این مقاله در تاریخ 1399/03/31 توسط دکتر عباس خدادادی در سایت سایت تخصصی هوشمندی استراتژیک منتشر شده و در تاریخ 1399/12/05 بروزرسانی گردید.
لینک منبع: منبع مقاله در سایت

مواردی که کمک می کند در این مورد بیشتر بدانید:

مدیریت داده (Data management) و روشهای مواجه شدن با انقلاب داده‌ها 566 بازدید

مدیریت داده (Data management) و روشهای مواجه شدن با انقلاب داده‌ها

دنیای پیرامون و فضای داخلی کسب و کارها مملو از داده‌هایی است که می‌تواند موفقیت ما را رقم بزند. در این مقاله، خواهیم گفت که چرا مدیریت داده اهمیت دارد. بهترین شیوه‌ها را معرفی کرده و سه راهکار برتر که حال حاضر در دنیا و کشورمان انجام می‌شود را بررسی خواهیم کرد.

دیدگاه کاربران ...

دیدگاه خود را بیان کنید