سازمان هوشمند، هدف یا آرزو؟

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 دارایی‌های دانشی فراتر از چیزی است که در گذشته به عنوان دارایی‌های نامشهود سازمانی در نظر گرفته می‌شد و برای مدیریت، به رویکردهایی مبتنی بر کلان داده نیاز است. داده‌هایی را که می‌توان از آن‌ها به عنوان ورودی برای تکنیک‌های  کلان داده استفاده کرد، در جاهایی مانند منابع زیر می‌توان جستجو کرد:

کلان داده چیست؟

کلان داده (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، 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 می‌کند، به قدرت پردازشی کامپیوترهای موجود بستگی خواهد داشت. آنچه امروزه توسط یک لپ تاپ قابل انجام است، زمانی در زمره کلان‌داده قرار می‌گرفته است.

ارتباط مدیریت دانش و مفهوم کلان داده

ارتباط مدیریت دانش و مفهوم کلان داده، با تعریف داده، اطلاعات و دانش و نهایتا نحوه سازمان‌دهی آنها در سیستم های 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 می خواهید ارتفاع بارفیکس را تعیین کنید!). نهایتا 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 نرم افزار، داده تلقی می‌شوند. پس مدیریت دانش از منظر نرم افزار، نوعی مدیریت دیتااست. حالا اگر به مدیریت داده‌ها در مقیاس وسیع بنگرید، ارتباط مدیریت دانش و کلان داده، بیش از پیش روشن می‌شود.

ورودی تکنیک‌های  کلان داده چیست؟

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 دارایی‌های 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. داده‌هایی 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:

• 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 کلان داده از دید مدیریت دانش برای سازمان خلق می کند توانمندسازی سازمان در فهم این است که چه اقدامی انجام شده، 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

تسهیل فرآیند تصمیم گیری با کمک تکنیک های تحلیلی

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.