چگونه مانند یک دانشمند داده فکر کنید؟ راهنمایی برای مدیران اجرایی

امروزه بسیار توصیه می‌شود تا مدیران از داده برای تصمیم‌گیری‌های حوزه‌های کسب‌وکار استفاده کنند. اما ممکن است مدیران در کار با داده، استنتاج و تحلیل بر اساس آن و درنهایت شکل‌گیری تصمیم خود راحت نباشند. خبر خوب این است که لزومی ندارد شما یک متخصص و یا دانشمند داده باشید تا بتوانید تصمیمات داده‌محور بگیرید. من در این مقاله با یک مثال عملی و ساده نشان می‌دهم چطور می‌توانید با رویکرد داده‌محور به مسائل اطراف خود نگاه کنید. این تمرین به‌طور ضمنی مراحل مختلف تصمیم‌گیری داده‌محور را نشان می‌دهد و می‌تواند به شما سرنخ‌هایی بدهد که چه فرصت‌های کوچکی در اطراف شما برای بهبود وجود دارد. همین‌طور به شما کمک می‌کند بهتر بتوانید با یک تحلیل‌گر داده و روش‌های کمّی تصمیم‌گیری ارتباط برقرار کنید.

با شرکت در آزمون خودارزیابی سبک مدیریتی داده‌محور، خود را محک بزنید و بفهمید رویکرد شما تا چه حد به تصمیم‌گیری داده‌محور نزدیک است.

یک تمرین ساده

در گام اول با یک مسئله موردعلاقه که ذهن شما را مشغول کرده است، شروع کنید. یا برعکس با مسئله‌ای که شما را آزار می‌دهد. من موضوع دیر شروع شدن جلسات کاری را انتخاب کردم. آن را در قالب یک سؤال به‌این‌ترتیب بنویسید: “جلسات کاری همواره دیر شروع می‌شود. آیا این درست است؟” درواقع من اینجا یک فرضیه مطرح کردم.

سپس به این فکر کنید که چه داده‌هایی لازم است تا برای پاسخگویی به این سؤال جمع‌آوری کنید. تعاریف و پروتکل‌های لازم برای جمع‌آوری داده را بنویسید. در مثال من، نیاز است تا تعریف شود معنی شروع شدن جلسه دقیقاً چیست. جلسه وقتی شروع می‌شود که فردی بگوید “خوب بیاید جلسه را شروع کنیم” یا زمانی که بحث‌های واقعی مطرح می‌شود. آیا صحبت‌های غیررسمی ابتدای جلسه، جزء جلسه محسوب می‌شود؟

مرحله بعدی جمع‌آوری داده است. مهم است که داده‌های قابل‌اعتمادی داشته باشید. برای این مثال، من در طول دو هفته تأخیر در شروع جلساتی را که در آن شرکت داشتم، ثبت کردم. البته ممکن است با یک سری دشواری‌هایی در جمع‌آوری داده مواجه شوید. در مورد مثال من، ممکن است در عمل متوجه شوید حتی وقتی جلسه شروع ‌شده، با ورود یک مدیر ارشد به جلسه، دوباره همه‌چیز از نو شروع می‌شود. به‌این‌ترتیب در پروتکل و تعاریف خود باید تغییراتی ایجاد کنید.

در گام بعد خیلی خوب است تا داده‌های خود را به نمایش دربیاورید. نمایش داده به شما کمک می‌کند هم به درک بهتری از آن‌ها دست‌یابید و هم بتوانید آن‌ها را با دیگران طرح کنید. روش‌های مختلفی برای نمایش داده وجود دارد. برای این مثال، من داده‌های خودم را در قالب سری زمانی نشان دادم (شکل-۱). محور افقی روز و زمان شروع برگزاری جلسات است. محور عمودی نشان‌دهنده میزان تأخیر در شروع جلسات به دقیقه است.

برای پاسخ به سؤال طرح‌شده، باید بتوانیم داده‌ها را در قالب شاخص‌های آماری خلاصه کنیم. در مثال من، در بازه زمانی دو هفته تنها ۱۳ درصد جلسات بدون تأخیر شروع شدند. به‌طور میانگین جلسات ۱۱ دقیقه تأخیر داشتند.

در همین‌جا متوقف نشوید. معنی این نتایج برای کسب‌وکار چیست؟ اگر این دو هفته بتواند وضعیت کل سال را نمایندگی کند، آن‌وقت چه هزینه‌ای به سازمان در یک سال بابت تأخیر در شروع جلسات وارد می‌شود. برای این محاسبه کافی است برآوردی از ارزش زمان افراد برای سازمان بر مبنای دستمزد ساعتی، تعداد متوسط افرادی که در هر جلسه حضور پیدا می‌کنند و تعداد کل جلسات سازمان در طول یک سال داشته باشید.

این‌که بتوانید دلالت نتایج را بر روی خروجی‌های کسب‌وکار مشخص کنید گام بسیار مهمی است. بسیاری از تحلیل‌ها در اینجا متوقف می‌شوند، چراکه این مرحله به‌خوبی جلو نمی‌رود. در این مثال نزدیک ۷۰ درصد جلسات تنها بعد از چند دقیقه شروع می‌شوند، پس پاسخ ما به فرضیه مطرح‌شده این است که “خیر، جلسات تقریباً سروقت شروع می‌شوند.” و همین‌جا بحث بیشتر متوقف می‌گردد.

می‌توان تحلیل را بازهم جلو برد. یکی از مسائل مهم در هر سیستمی واریانس است. متغیرهای مسئله معمولاً دارای نوسان هستند. در مثال من تأخیری بین ۵ تا ۱۵ دقیقه در شروع جلسات متداول است. جلسات کمی دقیقاً سر موقع شروع می‌شوند و چند جلسه هم تأخیرهای زیاد در حد ۲۵ تا ۳۰ دقیقه داشتند.

نکته جالب این‌که مسئول همه جلسات بدون تأخیر، مدیر دپارتمان مالی بوده است. اگرچه در سازمان تأخیر در شروع جلسات متداول است، اما ظاهراً مدیر دپارتمان مالی کنترل و مدیریت بیشتری روی نحوه برگزاری جلسات دارد. آیا در سطح فردی می‌توان از نحوه اداره و برگزاری جلسات از او نکاتی یاد گرفت؟

تحلیل‌ها را بازهم می‌توان جلو برد. آیا این تجربه شخصی با تجربه دیگران در سازمان هماهنگ است و می‌توان آن را تعمیم داد؟ آیا در برخی از روزها جلسات معمولاً با تأخیر بیشتری شروع می‌شوند؟ آیا رابطه‌ای بین تأخیر در شروع جلسه و حضور مدیریت ارشد در آن جلسه وجود دارد؟

در مقاله “چگونه رابطه علّی را تشخیص دهیم؟” به سه معیاری می‌پردازم که با توجه به آن‌ها وجود رابطه علّی بین پدیده‌ها را می‌توانید تشخیص دهید.

من توصیه می‌کنم این تمرین را جدی بگیرید. همان‌طور که در این مثال ساده دید، شما می‌توانید فرضیه‌های مختلفی مطرح و آن‌ها را بررسی کنید. برای نهادینه کردن این طرز فکر لازم است بارها و بارها آن را در عمل اجرا کنید. به این ترتیب به‌تدریج به این نوع فکر کردن عادت خواهید کرد و از آن لذت خواهید برد. کار با داده و کشف شهود جدید از آن می‌تواند خیلی جذاب باشد!

منابع:

Redman, T. C. (2017). “A Simple Exercise to Help You Think Like a Data Scientist” HBR Guide to Data Analytics Basics for Managers, Harvard Business Review Press, Boston, Massachusetts