هفت چالش پیاده‌سازی و تجزیه و تحلیل کلان داده ها

کلان داده

هفت چالش پیاده‌سازی و تجزیه و تحلیل کلان داده ها

به نقل از سایت موبودیجی: بی گمان ضبط و نگهداری داده ها، یک دارایی ارزشمند برای سازمان ها به حساب می آید. در واقع اقتصاد داده مبتنی بر ارزش داده هایی است که از طریق تجزیه و تحلیل استخراج می شوند. با این حال اعتقاد بر این است که برخلاف کالا، ارزش داده به نسبت مساوی از حجم آن رشد نمی کند. حتی اگر این دیدگاه اقتصادی در مورد داده درست باشد، برای این قاعده که حجم فزاینده و انواع مختلف داده فرصت‌های بیشتری برای استخراج ارزش افزوده فراهم می‌کند مورد محاسبه قرار نمی‌گیرد لذا قابلیت ضبط داده‌های ساختار یافته، شبه ساختار یافته و غیر ساختار یافته موجب تغییر در این فرضیات شده است. کلان داده‌ها، موجب تغییر روش‌های تجزیه و تحلیل داده‌ها از داده‌کاوی به تجزیه و تحلیل‌های پیشرفته شده‌اند.

بررسی‌های انجام شده در طی ماه های گذشته به طور مداوم نشان می‌دهد که ۱۰ تا ۲۵ درصد از شرکت‌های مورد بررسی موفق به پیاده‌سازی طرح‌ کلان داده‌ها شده‌اند. همچنین، ۵۰ تا ۷۰ درصد از آن‌ها برای پیاده‌سازی و یا اجرای طرح‌های کلان داده‌ها برنامه‌ریزی کرده‌اند و عمدتا بیشترین توجه در حوزه‌های فنی کلان داده‌ها معطوف شده است و البته لازم به ذکر است که درصد موفقیت ارزش آفرینی داده‌ها، نمایش داده نشده است.

این مقاله بر روی حجم کلان داده‌ها تمرکز ندارد بلکه صرفا از دیدگاه فناوری چالش های پیاده‌سازی تجزیه و تحلیل کلان داده ها را بررسی می نماید.

هیچ دستور جادویی‌ برای دستیابی به موفقیت در پیاده‌سازی تجزیه و تحلیل کلان داده‌ها در یک سازمان وجود ندارد. در واقع هدف ترکیبی از مهارت‌ها، افراد و فرآیندها است که همانند آن را در مورد هر پروژه و یا ابتکار عمل استراتژیک دیگر نیز می‌توان دید. با این حال سازمان ها با چالش‌هایی در این مسیر مواجه هستند که نیازمند وضوح درک و افزایش اطمینان می باشد تا شانس موفقیت افزایش یابد.

Big-Data-Analytics-Framework

در ادامه ۷ چالشی را که به هنگام پیاده‌سازی تجزیه و تحلیل کلان داده ها (‌Big Data Analytics) با آن روبرو می شویم، تشریح خواهیم نمود.

۱- ابهام در تجزیه و تحلیل کلان داده ها و هوشمندی کسب و کار

توجه به این امر بسیار مهم است که تجزیه و تحلیل کلان داده ها و هوشمندی کسب و کار به یکدیگر مرتبط هستند اما با یکدیگر مشابه نیستند. در واقع تجزیه و تحلیل کلان داده‌ها به عنوان یک ابتکار عمل از هوشمندی کسب‌وکار محسوب نمی شود بلکه واقعیت این است که هوشمندی کسب و کار را بر اساس خودش می‌سازد. نباید فراموش کنیم که فکر کردن به این موضوع که BDA به تبدیل داده‌ها از طریق داشبورد و گزارشات می پردازد، منجر به اشتباهات جدی‌ خواهد شد. در حقیقت BDA در مورد استخراج دیدی ارزشمند از داده‌ها است.

سال‌های زیادی فروشندگان هوشمندی کسب‌وکار به سازمان‌ها وعده‌ می‌دادند که به آنها کمک خواهند کرد تا از طریق داشبوردها و گزارش‌های فانتزی به قدرت نفوذ ارزش داده‌های خود دست یابند. هوشمندی کسب‌وکار یک بخش مهم از سرمایه گذاری برای بسیاری از شرکت‌ها است، که بسیاری از آنها هنوز در تلاش هستند تا به وعده‌هایی که به آن‌ها داده شده است برسند. هوشمندی کسب‌وکار به سازمان‌ها برای دسترسی به داده‌هایشان از طریق یک روش معنی‌دار کمک می‌کند و این امری است که هیچ کسی نمی‌تواند آن را انکار کند اما این کارها ارزشی برای داده‌ها و یا شاید مرزی از ارزش را هم ایجاد نمی‌کند.

پس لطفا، BDA را به عنوان یک سرمایه‌گذاری دیگر از هوشمندی کسب‌وکار قرار ندهید چراکه BDA بسیار فراتر از آن است. در واقع این همان مفهومی است که فروشندگان هوشمندی کسب‌وکار همواره تلاش در راستای رسیدن به آن را دارند  و اینجاست که روشن می‌شود چرا بسیاری از آن‌ها -اگر چه نه همه آن‌ها – راه حل‌ کلان داده‌ها را پیشنهاد می‌کنند. اتفاق خوبی که در حال افتادن است، توجه به این نکته است که بسیاری از سازمان ها هم به همین نتیجه دست یافته‌اند، چرا که ما می‌بینیم در سال‌های اخیر شرکت‌های جدید متخصص در امر تجزیه و تحلیل وارد به بازار شده‌اند.

هدف، قرار گرفتن سازمان ها در روندی رو به جلو است، زیرا بر خلاف طرح‌های BI ،BDA می‌تواند به سرعت و بدون سرمایه‌گذاری قابل توجهی، نتایج عملی کاملی را به ارمغان بیاورد. استفاده از BDA، تدریجی عمل کردن به این مفهوم است که: “از کوچک شروع کنید و بزرگ بیندیشید”. با یک زیرساخت محدود از IT شروع کنید و راه‌حل‌های منابع در دسترس در بازار را اعمال کنید. به علاوه کار را با یک تیم محدود که اطمینان داشته باشید توسط افراد مناسب پشتیبانی می‌شوند، شروع کنید. با یک مورد استفاده کوچک، بدون نیاز به پیچیدگی بالا از روز اول شروع کنید. فراموش نکنید که : “از کوچک شروع کنید و بزرگ بیندیشید”.

۲- تخمین بیش از تجزیه و تحلیل بلوغ سازمان

تمامی سازمانها داده محور نیستند و همچنین تمای آن ها به درک کاملی از مزایای تجزیه و تحلیل نرسیده‌اند. در نتیجه، تمامی سازمان ها به درک کاملی از تجزیه و تحلیل کلان داده‌ها نرسیده‌اند. اگر فرض را بر این بگیریم که همه به طور کامل از BDA مطلع هستند پس به طور جدی موفقیت ابتکار BDA را به خطر انداخته ایم.

به همین دلیل، هر ابتکار BDA نیاز به یک رویکرد مدیریت تغییر دارد که شامل تلاش برای ارتباطات گسترده است. ارتباطات برای آموزش، اطلاع‌رسانی، توضیح و فروش BDA ضروری است. حتی قبل از شروع پیاده‌سازی، شما نیاز به اقدام یک بازاریاب، فروشنده، تبلیغ کننده، یک روزنامه نگار، یک معلم و استاد دارید. شما نیاز دارید مقدار قابل توجهی از زمان خود را برای معرفی مفاهیم BDA و مزایای آن به همتایان خود، ذینفعان کسب و کار، مدیریت، تیم IT و حامیان مالی اجرایی صرف کنید.

سازمان معمولی برای اولین بار در مورد BDA به عنوان چیزی که تنها شناخت کمی از آن دارد و فقط زمزمه‌هایی را در مورد آن شنیده است، مردد خواهد شد. این موضوع کاملا طبیعی است و نباید ترسی از آن داشت. لحظه ای که پیوند میان فعالیت های برخی از افراد سازمان مشخص می شود وبرخی از موارد کاربرد بالقوه شناسایی می گردد، زمان آغاز سفر فرامی‌رسد. مهم‌ترین گام در این سفر، مرحله بعدی است که در آن بر روی یک مورد کاربری در کسب و کار، تمرکز شده و کارهایی انجام می گیرد که با تحویل دادن داده‌ها به آن، نتایج معناداری از کسب و کار  ارائه می شود. این درست لحظه‌ای است که درک درستی از BDA به دست آمده و رشد آن در سازمان شروع خواهد شد. چرا که ارتباط با آن ساده‌تر خواهد شد. دیدن یک مثال واقعی، در فعالیت‌های حوزه سازمانتان باعث درک بهتر شما می‌شود. بنابراین، از وضوح فهم سطح بلوغ سازمان خود هنگامی که درک تجزیه و تحلیل کلان داده‌ها مطرح است مطمئن شوید و سپس آن را به عنوان  آغاز سفر پیاده‌سازی نیز در نظر بگیرید.

۳- پیدا نمودن موردهای کاریری درست

اغلب، تجزیه و تحلیل کلان داده‌ها به عنوان “پیدا کردن یک سوزن در انبار کاه” معرفی شده است. اگر چه تصویر جالبی است ولی می‌تواند بسیار گمراه کننده باشد. اول موضوع یافتن سوزن نیست بلکه یافتن الماس است و سپس لازم است بدانید که نه تنها در در آن انبار کاه، بلکه در مزرعه، دولت و یا کشور باید جستجو کرد. نکته این است که اگر در جایی به دنبال چیزی بگردید، به احتمال زیاد چیزی خواهید یافت، اما ممکن است آن چیز برای رسیدن به هدف کسب و کار مورد نظر شما ارزشی نداشته باشد.

در بسیاری از موارد، آنچه شرکت‌ها را جذب می کند، فکر کردن به پیاده‌سازی تجزیه و تحلیل مجموعه‌ای از داده‌های بسیار بزرگ در غالب BDA است. آن‌ها فکر می‌کنند این راهی برای ایجاد ارزش از داده‌ها است. مطمئنا به اندازه کافی نیز برای این منظور ارتباطاتی خواهند یافت و حتی برخی از آنان ممکن است معنای کسب و کار واقعی باشند. اما فراموش نکنیم BDA تنها در مورد ارتباطات نیست و به مراتب بیشتر از آن است و اگر شما می‌خواهید مزایای زیادی از BDA را تجربه کنید، بهترین راه شروع کردن با یک مورد واقعی و معنادار مورد استفاده در کسب‌وکار است.

لازم نیست مورد کاربری مورد نظر از ابتدا بیش از حد پیچیده باشد بلکه با یک مورد ساده شروع کنید. همچنین، با توجه به سطح بلوغ سازمان خود در تجزیه و تحلیل، از پیچیدگی سطح پایین و در امن‌ترین روش شروع کنید. بدیهی است، پیچیدگی سطح پایین برای BDA در حال حاضر ممکن است در سطح یک کارشناس تجزیه و تحلیل متوسط باشد. آنچه در این جا مهم است پیدا کردن یک مورد کاربری با بالاترین شانس موفقیت است که در شرایط کنونی منجر به رسیدن به نتیجه کسب و کار گردد. بنابراین، ما در اینجا به دنبال یک مورد استفاده می‌گردیم که دارای شرایط زیر باشد:

  • انواع داده ای محدودی داشته باشد.
  • داده‌ها توسط کاربران کسب و کار شناخته شده باشند.
  • ارزش داده‌ها در زیرساخت داده‌های بزرگ جدید پایمال نشوند.
  • کسب و کار، دید واضح و روشنی را بر روی خروجی و نتیجه حاصل از آنها به دنبال داشته باشد.
  • نتیجه کسب و کار به طور موثر مفید باشد.
  • کسب و کار با صرف کمی زمان برای تیم BDA در دسترس باشد.

با توجه به شرایط فوق، واضح است که موفقیت ابتکار BDA به شدت تحت تأثیر کاربران کسب و کار قرار دارد. محصول نهایی تجزیه و تحلیل باید به نفع اصلی ذینفعان کسب و کار شما باشد ونه تنها بایستی ارزش بیشتری برای سازمان شما به ارمغان بیاورد، بلکه باید در طولانی مدت امنیت جایگاه BDA را نیز فراهم آورد.

۴- استفاده از تجزیه و تحلیل کلان داده های چابک

همانطور که قبلا گفته شد، نقش سهامداران کسب و کار، کلید موفقیت تجزیه و تحلیل کلان داده‌ها در سازمان است. آن‌ها کلید توسعه ابتکار عمل در شناسایی یک مورد کاربردی درست و همچنین ارائه نتایج موفقیت‌آمیز هستند. ارائه مورد کاربردی BDA را می‌توان با ارائه یک پروژه مقایسه کرد. اما در این مورد، از رویکرد استاندارد آبشاری برای مدیریت پروژه باید اجتناب شود.

با در نظر گرفتن بلوغ در تجزیه و تحلیل، شما متوجه خواهید شد که این بلوغ نیز به طور قابل توجهی در طول چرخه عمر یک مورد کاربردی BDA تکامل می‌یابد. در واقع هنگامی که فرایند تجزیه و تحلیل راه‌اندازی شده است، کاربران کسب و کار یک ایده کلی در این حوزه(دامنه) را دارند و آن‌ها نیاز به تیم BDA برای راهنمایی در معرفی و جزئیات این حوزه دارند. هنگامی که داده‌ها استخراج شد، فرآیند اکتشاف دید بیشتری را برای کاربران فراهم می‌کند و به آن‌ها برای بهبود بیشتر درک خود از نتیجه مورد نظر کمک می‌کند. سپس، در فاز تجزیه و تحلیل مرکزی، مراحل مختلف نتایج، به کاربران اجازه می‌دهند تا با نتایج به دست آمده ارتباط برقرار کنند.

رویکرد مدیریت پروژه سنتی اجازه تعامل بین کاربران و تیم BDA را به میزان کافی نمی‌دهد. به همین دلیل، استفاده از روش مدیریت پروژه چابک، مانند اسکرام بسیار مناسب تر است. هدف یک سری ارتباط تکراری بین کاربران کسب و کار و تیم BDA در طول مراحل مختلف فرآیند تجزیه و تحلیل می‌باشد که می توان آن ها را به صورت تعریف دامنه، جمع‌آوری الزامات، استخراج داده‌ها، اکتشاف داده‌ها، تجزیه و تحلیل مراحل و تحویل در نظر گرفت.  کار کاردن بر روی تکرارهای کوچک و همکاری نزدیک با کاربران، ارائه یک نتیجه ی کسب و کار معنی دار را تضمین می‌کند.

۵- اعتماد به نتایج حاصل از تجزیه و تحلیل

استفاده از اصول چابک در تجزیه و تحلیل کلان داده‌ها، تعامل آن دسته از کاربرانی که در فرآیند درگیر هستند را تضمین خواهد کرد. در اغلب موارد، آن‌ها اولین کاربرانی هستند که از نتایج تجزیه و تحلیل بهره مند می شوند. اما دیگران -کاربرانی که درگیر با نتایج تجزیه و تحلیل نیستند- درگیر در فرآیند BDA نیستند. در این مورد، قابل توجه است که سطح اعتماد نتیجه تجزیه و تحلیل محدود خواهد شد چرا که این امر برای بسیاری از افراد، جدید است. اما عمدتا دلیل اصلی، دشواری درک چگونگی داده‌ها است که می تواند منجر به چنین بی اعتمادی گردد. برای جلوگیری از این موضوع، گام اول این است که اطمینان حاصل شود که کاربران کسب و کار درگیر در فرآیند تجزیه و تحلیل، به طور کامل با نتایج در تعامل هستند و آن‌ها را با همتایان خود به اشتراک می‌گذارند. بنابراین ارتباطات نیازمند ترویج از طریق جلسات علاقه‌مندی‌های خاص، ارائه، گفتگوهای یک به یک و غیره است.

BDA در بسیاری از موارد، جدید به حساب می آید و این در حالی است که ممکن است سال ها از آن داده‌ها استفاده شده باشد و این طبیعی است و نباید نادیده گرفته شود چرا که موفقیت این طرح ابتکاری BDA به تصویب آن توسط کاربران کسب و کار بستگی خواهد داشت.

 ۶- دریافت حق فناوری

همانطور که در مقدمه اشاره شد، این مقاله در مورد فناوری نیست. اما توجه ویژه به چند نکته بسیار دارای اهمیت است. فضای فناوری کلان داده‌‌ها هنوز در مراحل ابتدایی خود به سر می‌بردو این به معنای تعداد ذی نفعان در بازار است که هنوز هم بسیار بالا است و در حال تحولی با سرعت بسیار زیاد است. انتخاب راه‌حل بسیار بزرگ است و بنابراین می‌تواند متناسب با بسیاری از نیازهای مختلف باشد. بدیهی است، امکان استفاده از تمام گزینه‌های فناوری مانند SAAS، ابر، مجازی سازی، تلفن همراه، و غیره را نیز فراهم می‌سازد. در نتیجه، می‌توان در این وادی فرصت را بسیار آسان از دست داد. بهترین توصیه آن است  که: “از کوچک شروع کنید و بزرگ بیندیشید”.

۷- پیدا کردن منابع و مهارت های مناسب

مورد آخر اما نه آخرین برای همیشه، ساختن تیمی درست با مهارت‌های درست است. در حال حاضر، همه به طور گسترده در مورد دانشمندان داده‌ها شنیده‌اند. این قطعا یک کار بزرگ است و منابعش بی‌نهایت نیست. اگر چه هر کسی با تعریف دقیق از شغل خود موافق نیست اما یک مورد توافق شده مشترک وجود دارد که آن‌ها باید برخی از مهارت‌های کلیدی مانند آمار، تجزیه و تحلیل کسب و کار، ارتباطات، خلاقیت و درک درستی از هوشمندی کسب‌وکار را داشته باشند.

اما نقش و مهارت‌های دیگری وجود دارند که به همان اندازه در موفقیت یک ابتکار عمل تجزیه و تحلیل کلان داده‌ها اهمیت دارند:

  • معمار تجزیه و تحلیل:

    اقدام به عنوان تحلیلگر کسب و کار، برترین مورد کاربردی، ارزیابی مجدد قابلیت استفاده از تجزیه و تحلیل، تعیین مسیر تجزیه و تحلیل برای یک حوزه خاص.

  • مهندس داده:

    استاد داده‌ها، متخصص در انبار داده‌ها، استخراج داده‌ها، پاک‌کردن داده.

  • طراح گرافیک:

    هنوز این نقش در جریان اصلی کار نیست، اما به زودی در زمینه BDA خواهد بود. پروفایل‌هایی که اجازه اعمال نفوذ ظرفیت کامل تجزیه و تحلیل بصری مشتق شده از طریق BDA را خواهند داشت.

بدیهی است، حمایت، فرمان و مدیریت این تیم ضروری است. اما این نقش‌ها اطمینانی را ارائه نمی‌کنند. بنابراین، توجه خود را بر روی آن‌هایی که به طور موثر به انجام کار می‌پردازند متمرکز کنید.

همانطور که در مقدمه مطرح شد، هیچ دستور سحر و جادویی در رسیدن به موفقیت در پیاده‌سازی تجزیه و تحلیل ش وجود ندارد. ۷ چالش برجسته‌ در این مقاله بررسی شد که به طور قوی شروع هر پیاده‌سازی‌ در سازمان را تشکیل می‌دهند. لازم به ذکر است موردی که این چالش‌ها به آن رسیدگی نمی‌کنند آمادگی سازمان شما برای شروع سفر تجزیه و تحلیل کلان داده‌ها است. بنابراین، آیا شما آماده هستید؟

این نوشته را به اشتراک بگذارید