داده ها، بدون فرآیند بی معنا هستند!

هنگامی که واژه های “کلان داده” یا “تجزیه و تحلیل” را می شنوید، چه به ذهن شما خطور می‌کند؟

به کارشناس‌های ماهری فکر می‌کنید که داده‌های در مقیاس اگزابایت را به عنوان ورودی به یک الگوریتم می‌دهند؟ یا شاید، کارشناس‌های بازاریابی که در تلاش برای پاسخ دادن به مشتریان سازمان شما هستند.

در واقع، مهم نیست که شما به کدام سناریو فکر میکنید، آن چه مهم است آگاهی از این است که “کلان داده‌ها” و” تجزیه‌وتحلیل‌ها” بسیار مفید هستند، خصوصاً زمانی که فرآیندهای مرتبط با آنها حاضر و قابل مشاهده باشند.

در حقیقت، کلان داده‌ها و تجزیه‌وتحلیل‌ها بدون فرآیند، بی‌معنا هستند. چرا؟ پاسخ بسیار ساده است، داده‌ها، بدون فرآیند بی‌معنا هستند.

فرآیند، برای دستیابی به داده‌ها یا ایجاد آنها به‌کار می‌رود که در حقیقت نقشی بسیار مهم و حیاتی است. در حالی که این امر همیشه درست بوده اما در حوزه دید اکثر افراد درگیر با کسب‌وکار نبوده است. قانون Sarbanes-Oxley در سال ۲۰۰۲ که در حقیقت اولین اذعان عمومی بود، چنین نقل می‌کند که فرآیند چگونگی دستیابی یک سازمان به داده‌ها از لحاظ مالی، به اندازه خود داده‌ها مهم است. این قانون در اصل قانون اصلاح حسابداری شرکت عام و محافظت از سرمایه‌گذار است که در مجلس نمایندگان آمریکا به نام قانون حساب‌دهی و مسئولیت‌پذیری شرکتی و حسابرسی، طرح و بررسی شده بود. برای نخستین بار در تاریخ کسب‌وکار، سازمان‌ها و مؤسسات حسابداری عمومی وابسته به آنها، نیاز به اسناد و ممیزی آنها داشتند که به سادگی نتایج مالی نبودند و تنها به وسیله فرآیندهایی محقق می‌گردید که از نتایج مالی به دست می‌آمدند.

در یک حوزه کاملاً متفاوت، توسعه‌دهندگان نرم‌افزار، طراحان وب و بازاریاب‌ها شروع به درک این موضوع کردند که چگونه جدا از کسب آگاهی عمیق در مورد “تجربه”مشتری، می‌توان مشتری را حفظ نمود.

سفر کسب‌وکار ما (فرآیندما) به میزان مقصد ما، مهم است. بنابراین، در نگاه به “کلان داده‌ها” و “تجزیه‌وتحلیل‌ها” از منشور فرایند کسب‌وکار، روی چه موضوعاتی باید تمرکز کرد؟

انجمن مرتبط با فرآیندهای کسب‌وکار، با سابقه بیش از ده سال، تمرکز خود را از دیدگاه داخلی در مورد ساده‌سازی فرایند به دیدگاه بیرونی -که منجر به خروجی موفق از مشتری می‌گردد- تغییر داده است. با این تغییر تفکر، چگونه سفر (فرآیند) کلان داده‌ها، خروجی (مقصد) را تحت تأثیر قرار می‌دهد؟

آغاز سفر با در نظر داشتن کیفیت داده‌ها، یک بخش کلیدی از کلان داده و تجزیه‌وتحلیل است. بدون در اختیار داشتن داده‌ها با کیفیت مطلوب، مدیران کسب‌وکار نمی‌توانند سؤالات خوبی را در مورد داده‌ها بپرسند یا تصمیماتی را اتخاذ نمایند که منجر به حرکت روبه‌جلوی سازمان در چشم‌انداز رقابتی شود. به عبارت دیگر، بدون یک فرآیند کسب‌وکار مستحکم که این اطمینان را ایجاد می‌کند که داده‌های باکیفیت جمع‌آوری، ذخیره و ساخته شده‌اند و در دسترس هستند، مدیران نمی‌توانند این اطمینان را ایجاد کنند که تصمیمات مهم اخذ شده، معتبر هستند.

حرکت به سمت کلان داده‌ها (با فرض اینکه، کیفیت داده‌ها اکنون موضوعیت ندارد)، نگرانی در مورد استخراج داده‌ها و فرآیندهایی که منجر به تحول می‌شوند را در بردارد. به علاوه، اگر آن فرآیندها قوی نباشند، مدیران کسب‌وکار قادر به پرسش سؤالات کسب‌وکار قابل اطمینان نخواهند بود.

با این حال، اجازه دهید برای لحظاتی فرض کنیم که کیفیت داده، با فرآیندهای استخراج و تبدیل داده‌ها همراه است و همچنین قابلیت اطمینان را به همراه دارد. دستکاری‌های تحلیلی بر روی کیفیت، داده‌های تبدیل شده را با انواع فرآیندها درگیر می‌کند. بدون فرآیندهای معتبر و مستندشده به منظور اطمینان از درستی داده‌های به دست آمده از منابع درست، مدیران به تصمیمات نادرستی دست خواهند یافت که اثرات منفی بر کسب‌وکار دارد.

در هر قدم از مسیر “کلان داده – تجزیه‌وتحلیل”، فرآیند یک مسئله دشوار می‌باشد و برای موفقیت کسب‌وکار بسیار مهم است. به منظور دستیابی به کیفیت داده، پایه و اساس فرایند بایستی قابل اطمینان باشد. اگر شما در مسیر کلان داده‌ها سفر کنید، قلب فرآیند در مورد سؤالاتی است که مدیران نیاز به پرسیدن آنها را دارند. زمانی که وقت سفر فرا می‌رسد، در نقطه تجزیه‌وتحلیل، تمرکز اصلی فرآیند بر تصمیم‌گیری است.

در نهایت به طور خلاصه می‌توان گفت:

سفر شما، یا به عبارت بهتر فرآیندهای شما، در کلان داده و تجزیه‌وتحلیل به اندازه مقصد شما یا مقصد مدیران شما مهم است. اگر شما نتوانید فرآیندهایتان را دقیق‌تر تشریح کنید، نمی‌توانید از دقت داده‌ها دفاع و به آنها اطمینان نمایید.

اطمینان حاصل کنید که فرآیندهای مرتبط با کیفیت داده‌ها، قابل اطمینان هستند و مدیران می‌توانند با اعتماد به داده‌ها، سؤالات خود را بپرسند و تصمیم‌گیری‌های دقیق و با ارزشی را در حوزه کسب‌وکار انجام دهند.

منبع: پایگاه دانش BPM رایورز

منبع : ایتنا