سازمان هوشمند، هدف یا آرزو؟

رشد سریع ابزارهای مختلف تحلیلگر و ابزارهایی که گونه‌ای از هوشمندی را برای سازمان به ارمغان می‌آورند، مشخص می‌سازد که دارایی‌های نامشهود سازمانی را می‌توان در نقاط مختلفی در داخل و خارج از سازمان جستجو کرد. این دارایی‌های دانشی فراتر از چیزی است که در گذشته به‌عنوان دارایی‌های نامشهود سازمانی در نظر گرفته می‌شد. برای مدیریت آنها به رویکردهایی مبتنی بر کلان داده نیاز است. داده‌هایی را که می‌توان از آن‌ها به‌عنوان ورودی برای تکنیک‌های کلان‌داده استفاده کرد، در جاهایی مانند منابع زیر می‌توان جستجو کرد:

کلان داده چیست؟

کلان‌داده (Big Data) به مجموعه‌ای از داده‌ها گفته می‌شود 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 امکان‌پذیر نیست. عملیاتی همچون استخراج، ذخیره‌سازی، تحلیل، به‌اشتراک‌گذاری، جستجو، انتقال، بصری سازی یا اعمال سیاست‌های دسترسی. ازآنجاکه تعریف کلان‌داده، به استاندارد یک کامپیوتر معمولی در هر زمان بستگی دارد، میزانی از اندازه یا پیچیدگی که انبوهی از داده را به کلان‌داده تبدیل می‌کند، به قدرت پردازشی کامپیوترهای موجود بستگی خواهد داشت. آنچه امروزه توسط یک لپ‌تاپ قابل‌انجام است، زمانی در زمره کلان‌داده قرار می‌گرفته است.

ارتباط مدیریت دانش و مفهوم کلان داده

ارتباط مدیریت دانش و مفهوم کلان‌داده، با تعریف داده، اطلاعات و دانش و نهایتاً نحوه سازمان‌دهی آنها در سیستم‌های نرم‌افزاری روشن می‌گردد. در واقع، داده همان حقایق خام و به تنهایی بی‌معنی است (قد شما)؛ اطلاعات، داده در زمینه (Context) است. (قد شما زمانی که می‌خواهید ارتفاع بارفیکس را تعیین کنید!). نهایتاً دانش، دانستن چگونگی (Know How) است (زمانی که می‌دانید چگونه بر اساس قد خود، ارتفاع میله بارفیکس را تنظیم کنید). همان‌طور که از این تعاریف بر می‌آید، اطلاعات و دانش تنها زمانی معنادار خواهند بود که یک عامل انسانی در کنار داده‌ها قرار گیرد. یعنی تمامی اینها از منظر نرم‌افزار، داده تلقی می‌شوند. پس مدیریت دانش از منظر نرم‌افزار، نوعی مدیریت دیتاست. حالا اگر به مدیریت داده‌ها در مقیاس وسیع بنگرید، ارتباط مدیریت دانش و کلان‌داده، بیش از پیش روشن می‌شود.

ورودی تکنیک‌های  کلان داده چیست؟

رشد سریع ابزارهای مختلف تحلیلگر و ابزارهایی که گونه‌ای از هوشمندی را برای سازمان به ارمغان می‌آورند، مشخص می‌سازد که دارایی‌های نامشهود سازمانی را می‌توان در نقاط مختلفی در داخل و خارج از سازمان جستجو کرد. این دارایی‌های دانشی فراتر از چیزی است که در گذشته به‌عنوان دارایی‌های نامشهود سازمانی در نظر گرفته می‌شد و برای مدیریت، به رویکردهایی مبتنی بر کلان‌داده نیاز دارند. داده‌هایی را که می‌توان از آن‌ها به‌عنوان ورودی برای تکنیک‌های  کلان‌داده استفاده کرد، در جاهایی مانند منابع زیر می‌توان جستجو کرد:

• داده‌های بازار
• داده‌های منابع انسانی
• داده‌های نتایج عملکردی سازمان
• داده‌های مشتریان و رفتارها و عملکرد آن‌ها

کارکرد رویکردهای مبتنی بر Big Data در مدیریت دانش

به زبان ساده، ارزشی که تحلیل کلان‌داده از دید مدیریت دانش برای سازمان خلق می‌کند توانمندسازی سازمان در فهم این است که چه اقدامی انجام شده‌است. اثرات این اقدام چیست و چه توصیه‌ها و نکاتی در مورد اقدام لازم در شرایط فعلی در دل داده‌ها پنهان است. در اصل تحلیل کلان‌داده را می‌توان شیوه‌ای برای خلق دانش در سازمان دانست. در رویکرد مبتنی بر کلان‌داده، تمامی داده‌های فرایندی و تراکنشی در حوزه‌های عملکرد سازمان، مدنظر قرار خواهند گرفت. این رویکرد از روش‌های زیر، پتانسیل ایجاد ارزش بیشتر را فراهم خواهد آورد:

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

تسهیل فرآیند تصمیم گیری با کمک تکنیک های تحلیلی

با افزایش حجم داده‌ها (Volume)، افزایش سرعت تولید ورودی‌ها و خروجی‌ها (Velocity) و گوناگونی داده‌ها (Variety) و همچنین با درنظرگرفتن کاهش هزینه‌های مرتبط با ابزارهای فناوری اطلاعات، تحلیل گسترده‌تر پایگاه‌های دانش و منابع اطلاعاتی جدید بیش از گذشته امکان‌پذیر خواهد بود و این امر موجب بهبود تصمیمات استراتژیک، تاکتیکی و عملیاتی خواهد شد. اندازه پایگاه‌های دانش، 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. این جایی است که توجه به کلان‌داده جهت تسهیل فرایندهای تصمیم‌گیری، مورد نیاز خواهد بود. تسهیل فرایند تصمیم‌گیری فقط زمانی صورت خواهد گرفت که از تکنیک‌های تحلیلی به خوبی استفاده شود و طی این فرایند، تعاملات انسانی نیز تا حد لازم دخیل شود.

مثال‌هایی برای درک بهتر ارتباط کلان داده و مدیریت دانش

• سرویس معروف نقشه گوگل (Google Maps) از تحلیل بلادرنگ داده‌های ارسال شده از سوی موقعیت‌یاب (GPS) و حسگرهای گوشی‌های تلفن همراه، قادر است تا میزان ترافیک را اندازه‌گیری نماید و در انتخاب مسیر مناسب برای سفرهای شهری کمک نماید.

• یکی دیگر از کاربردهای هیجان‌انگیز تحلیل کلان‌داده، سیستم‌های پیشنهاد دهنده است که با تحلیل داده‌های به‌دست‌آمده از رفتار مشتری است. این سیستم می‌تواند با تحلیل مواردی مانند بازدید از صفحات، الگوهای خرید، توجه به موضوعات، کلمات استفاده شده در نوشته‌ها و بسیاری داده دیگر، برای پیش‌بینی رفتار آینده مشتری مورد استفاده قرار گیرد. پیشنهادهای دوستی در شبکه‌‌هایی اجتماعی، پیشنهاد محصولات در فروشگاه‌های اینترنتی و پیشنهاد محتوای چندرسانه‌ای نظیر یوتیوب، مثال‌هایی از این حوزه است.