کلان داده و مدیریت دانش

برای روشن شدن ارتباط کلان داده و مدیریت دانش، ابتدا لازم است تا تعریفی شفاف از مفهوم کلان داده ارایه شود و سپس ارتباط آن با مفهوم مدیریت دانش تبیین گردد.

کلان داده چیست؟

کلان داده (Big Data) به مجموعه ای از داده ها گفته می شود که به دلیل اندازه یا پیچیدگی، امکان انجام عملیات محاسباتی بر روی آنها توسط کامپیوترهای معمولی وجود ندارد یا به سادگی و در زمان معقول امکان پذیر نیست. عملیاتی همچون استخراج، ذخیره سازی، تحلیل، به اشتراک گذاری، جستجو، انتقال، بصری سازی یا اعمال سیاست های دسترسی. از آنجا که تعریف کلان داده، به استاندارد یک کامپیوتر معمولی در هر زمان بستگی دارد، میزانی از اندازه یا پیچیدگی که انبوهی از داده را به کلان داده تبدیل می کند، به قدرت پردازشی کامپیوترهای موجود بستگی خواهد داشت. آنچه امروزه توسط یک لپ تاپ قابل انجام است، زمانی در زمره کلان داده قرار می گرفته است.

ارتباط مدیریت دانش و مفهوم کلان داده، با تعریف داده، اطلاعات و دانش و نهایتا نحوه سازمان دهی آنها در سیستم های نرم افزاری روشن می گردد. در واقع، داده همان حقایق خام و به تنهایی بی معنی است (قد شما)؛ اطلاعات، داده در زمینه (Context) است (قد شما زمانی که می خواهید ارتفاع بارفیکس را تعیین کنید!)؛ و نهایتا دانش، دانستن چگونگی (Know How) است (زمانی که می دانید چگونه بر اساس قد خود، ارتفاع میله بارفیکس را تنظیم کنید). همان طور که از این تعاریف بر می آید، اطلاعات و دانش تنها زمانی معنادار خواهند بود، که یک عامل انسانی در کنار داده ها قرار گیرد؛ یعنی، تمامی اینها، از منظر نرم افزار، داده تلقی خواهند شد. پس مدیریت دانش از منظر نرم افزار، نوعی مدیریت داده است. اکنون اگر به مدیریت داده ها در مقیاس وسیع نگریسته شود، ارتباط مدیریت دانش و کلان داده، بیش از پیش روشن خواهد گردید.

رشد سریع ابزارهای مختلف تحلیلگر و ابزارهایی که گونه ای از هوشمندی را برای سازمان به ارمغان می آورند، مشخص می سازد که دارایی های نامشهود سازمانی را می توان در نقاط مختلفی در داخل و خارج از سازمان جستجو کرد. این دارایی های دانشی فراتر از چیزی است که در گذشته به عنوان دارایی های نامشهود سازمانی در نظر گرفته می شد و برای مدیریت، به رویکردهایی مبتنی بر کلان داده نیاز دارند. داده هایی را که می توان از آن ها به عنوان ورودی برای تکنیک های  کلان داده استفاده کرد، در جاهایی مانند منابع زیر می توان جستجو کرد:

  • داده های بازار
  • داده های منابع انسانی
  • داده های نتایج عملکردی سازمان
  • داده های مشتریان و رفتارها و عملکرد آن ها

کارکرد رویکردهای مبتنی بر کلان داده در مدیریت دانش

به زبان ساده، ارزشی که تحلیل کلان داده از دید مدیریت دانش برای سازمان خلق می کند توانمندسازی سازمان در فهم این است که چه اقدامی انجام داده، اثرات این اقدام چه بوده و چه توصیه ها و نکاتی در مورد اقدام لازم در شرایط فعلی در دل داده ها نهفته است. در اصل تحلیل کلان داده را می توان شیوه ای برای خلق دانش در سازمان دانست. در رویکرد مبتنی بر کلان داده، تمامی داده های فرآیندی و تراکنشی در حوزه های عملکرد سازمان، مد نظر قرار خواهند گرفت. این رویکرد از روش های زیر، پتانسیل ایجاد ارزش بیشتر را فراهم خواهد آورد:

  • بازخورد عملکردی فوری
  • فراهم آوردن امکان دسترسی فوری به نتایج حاصل از تجارب
  • بهبود تصمیمات هدفمند (الگوریتم ها به جای ذهن انسان)
  • کمک به تولید محصولات جدید

خلق دانش از داده و کلان داده

با افزایش حجم داده ها (Volume)، افزایش سرعت تولید ورودی ها و خروجی ها (Velocity) و گوناگونی داده ها (Variety) و همچنین با در نظر گرفتن کاهش هزینه های مرتبط با ابزارهای فناوری اطلاعات، تحلیل گسترده تر پایگاه های داده و منابع اطلاعاتی جدید بیش از گذشته امکان پذیر خواهد بود و این امر موجب بهبود تصمیمات استراتژیک، تاکتیکی و عملیاتی خواهد شد. توجه به این نکته حائز اهمیت است که اندازه پایگاه های داده، فقط یکی از اجزاء معادله است. بر اساس رویکردهای مبتنی بر دانش و هوشمندی سازمانی، حجم واقعی اطلاعات تا زمانی که نتوان از آنها بینشی استخراج نمود، نمایان نخواهد شد و این جایی است که توجه به کلان داده جهت تسهیل فرآیندهای تصمیم گیری، مورد نیاز خواهد بود. تسهیل فرآیند تصمیم گیری فقط زمانی صورت خواهد گرفت که از تکنیک های تحلیلی به خوبی استفاده شده باشد و طی این فرآیند، تعاملات انسانی نیز تا حد لازم دخیل بوده باشد.

مثال هایی برای درک بهتر ارتباط کلان داده و مدیریت دانش

  • سرویس معروف نقشه گوگل (Google Maps) از تحلیل بلادرنگ داده های ارسال شده از سوی موقعیت یاب (GPS) و حسگرهای گوشی های تلفن همراه، قادر است تا میزان ترافیک را اندازه گیری نماید و در انتخاب مسیر مناسب برای سفرهای شهری کمک نماید.

 

  • یکی دیگر از کاربردهای هیجان انگیز تحلیل کلان داده، سیستم های پیشنهاد دهنده است که با تحلیل داده های به دست آمده از رفتار مشتری که می تواند با تحلیل مواردی مانند بازدید از صفحات، الگوهای خرید، توجه به موضوعات، کلمات استفاده شده در نوشته ها و بسیاری داده دیگر، جهت پیش بینی رفتار آینده مشتری مورد استفاده قرار گیرد. پیشنهادهای دوستی در شبکه های اجتماعی، پیشنهاد محصولات در فروشگاه های اینترنتی و پیشنهاد محتوای چند رسانه ای نظیر یوتیوب، مثال هایی از این حوزه می باشد.

رامین یاوری

رامین یاوری، فارغ التحصیل رشته های مهندسی IT و MBA از دانشگاه صنعتی اصفهان و دانشگاه تهران است. او از بنیانگذاران شرکت اینوتکس ایران است و طی سال های فعالیت حرفه ای خود، به طراحی و توسعه راهکارهای نرم افزاری نوآورانه در حوزه مدیریت و سازمان دهی محتوا، شبکه های اجتماعی، راهکارهای مبتنی بر کلان داده و سیستم های باز پرداخته است. چابکی در عمل، نگرش عمیق سیستمی، توجه به اصول مقیاس پذیری و سازمان دهی مناسب و کیفیت راهکارهایی که با مدیریت او توسعه یافته اند، راهکارهای نرم افزاری شرکت اینوتکس ایران را به خانواده ای بزرگ و بی بدیل تبدیل کرده است.

مطالب مرتبط

Comments

  1. سلام، جناب آقای یاوری سپاسگزارم از تحلیل خوب شما

    کلان داده در برخی از کسب و کارهایی که حجم بسیار زیادی داده در آن وجود دارد مانند بانک ها، راهنمایی و رانندگی، فروشگاه های زنجیره ای و…کاربرد فراوانی دارد. وقتی ارتباط معناداری را بین این داده های پراکنده بوجود می آوریم، آن را تبدیل به اطلاعات کرده ایم و زمانی که اقدامی از جانب ما بر مبنای آن اطلاعات انجام می شود، آن اطلاعات تبدیل به دانش شده است.

  2. مطلب شما در عین اختصار خیلی خوب و ساده به اصل موضوع پرداخته بود. بسیاری از اوقات مدیراk و تصمیم سازان و تصمیم گیرندگان سازمان ها ، اقدامی رو انجام میدن که ناشی از نداشتن اطلاعات کافی و اشراف بر داده هایی هست که در سازمانشان موجود هست اما بخاطر اینکه ابزار مناسبی ندارند و یا به خوبی ذخیره نکردند از قدرت این اطلاعات و داده ها بی بهره هستند.. من به تازگی بر روی داشبوردهای مدیریتی دارم مطالعه می کنم و اخیرا برای نمونه از یک سرویسی به نام وی دش – vdash (به صورت تراییل)استفاده کردم و بسیاری از اطلاعاتی که در سایت داشتیم، معنی دار شد

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *