* ترجمه شده از مجله کسب و کار هاروارد.
نویسنده: راشد صبار (مدیر عامل و هم‌بنیان‌گذار Correlation One)
خلاصه
از آنجایی که شرکت‌ها هرروز بیشتر و بیشتر به داده‌ها تکیه می‌کنند و مفهوم داده هم بیشتر وارد بخش‌های کسب‌وکار می‌شود؛ سواد داده هم مهم‌تر می‌شود. سواد داده مهارتی است که همه باید داشته باشند. اما شواهد نشان می‌دهد که بیشتر شرکت‌ها همچنان در حال تلاش برای یادگیری و پرورش این مهارت هستند.
خیلی از شرکت‌ها می‌دانند که سواد داده و مفهوم داده چقدر مهم است؛ با این حال فقط یک چهارم از کارمندان آنها سواد داده دارند و به مهارت‌هایشان مسلط هستند. در این مطلب، پنج استراتژی را معرفی می‌کنیم. با استفاده از این استراتژی‌ها می‌توانید سواد داده شرکتتان را افزایش داده و یک سازمان داده محور داشته باشید: 1) سواد داده را در اولویت اول بگذارید؛ 2) یک زبان مشترک برای صحبت‌کردن درمورد داده و ارتباط آن با کسب‌وکارتان پیدا کنید. 3) فضایی ایجاد کنید که در آن بتوانید مفاهیم کسب‌وکار را با مفاهیم داده مرتبط کنید. 4) تصمیم‌گیری داده محور را در شرکت تشویق کنید و 5) در کسب‌وکار خودتان سواد داده را تدریس کنید و از ابزارها و برنامه‌هایی استفاده کنید که کارمندان را به این کار تشویق می‌کند.
ما تمام داستان‌های مربوط به نرم‌افزار تشخیص چهره را خوانده‌ایم و متوجه شده‌ایم که برخی از این نرم‌افزارها نمی‌توانند چهره‌های تیره یا ربات‌های وام (این ربات‌ها به گروه‌های خاصی وام نمی‌دهند) را تشخیص دهند. طبق بسیاری از تحقیقات، الگوریتم‌هایی که توسط گروه‌های غیرنماینده ساخته شده‌اند، سیستم هوش مصنوعی را ایجاد کرده‌اند. این سیستم نابرابری‌های شایع در جامعه را شدیدتر می‌کند. وقتی شرکت‌های بیشتری از داده و هوش مصنوعی استفاده می‌کنند، مشکل‌های مربوط به تفکیک الگوریتم بدتر می‌شود.
بیشتر شرکت‌ها دیگر این موضوع را می‌دانند. آنها می‌خواهند چه چیزی را درک کنند؟ چگونه می‌توانند موفق شده و به نمونه بد کسب‌وکارشان تبدیل نشوند؟
یک پاسخ کوتاه برای این سوال‌ها وجود دارد. بهتر است به‌‌طور انتقادی به داده‌هایی که جمع‌آوری کردید فکر کنید. چگونه می‌خواهید از آنها استفاده کنید. تمام این مسائل باید مسئولیت همه کارمندان و اشخاص باشد. تنها روش برای گسترش هوش مصنوعی پاسخ‌گو و مسئولیت‌پذیر، افزایش افراد صاحب مسئولیت است.
این افراد می‌توانند در حل مسئله، ساخت و بازبینی الگوریتم‌ها کمک کنند. انجام این کارها به سواد داده احتیاج دارد (توانایی تجزیه و سامان‌دهی داده‌های پیچیده، تفسیر و خلاصه اطلاعات، توسعه پیش‌بینی‌ها یا درک مفاهیم اخلاقی الگوریتم‌ها). سواد داده مثل ریاضی است و می‌تواند در سطح‌های پیشرفته و مبتدی آموزش داده شود و در رشته‌های مختلف تعریف شود. در واقع، سواد داده بیشتر عملی است تا علمی.
ایجاد سواد داده در یک سازمان و ساخت سازمانی داده محور به تنوع تیم‌های داده هم کمک می‌کند. این تیم‌ها نقش مهمی در تصمیم‌های بحرانی دارند و درمورد جمع‌آوری داده، پردازش و به‌کارگیری آنها تصمیم می‌گیرند. اهمیت تنوع و گستردگی تیم‌های داده چیزی است که من بیش از یک دهه است که به عنوان مدیر سرمایه‌های کمی یاد گرفته‌ام. یک تصور رایج درمورد این قضیه وجود دارد که پورتفولیوهای متنوع‌تر عملکرد بهتری دارند، چون ریسک را کاهش می‌دهند.
اما تصور درست این است که تیم‌های متنوع عملکرد بهتری دارند، چون خطر تفکر گروهی را کم می‌کنند. کسب‌وکارها با سرمایه‌گذاری در بحث سواد داده در شرکت می‌توانند دیدگاه‌های متفاوت‌تر و خلاقانه‌تری را ارائه کنند و خطر انحراف الگوریتمی را کاهش دهند. آنها می‌توانند کارایی‌ها و فرصت‌هایی که را داده‌ها آشکار می‌کنند، شناسایی کنند.
اما با نگاهی به داده‌ها می‌توانیم بگوییم که بیشتر شرکت‌ها همچنان در ساخت سواد داده مشکل دارند. 90 درصد از رهبرهای کسب‌وکارها گفته‌اند که سواد داده برای موفقیت شرکت امری کلیدی است. اما تنها 25 درصد کارمندان در زمینه مهارت‌های داده خبره هستند.
برخی از محاسبات نشان می‌دهد که تقریبا در 10 نفر از متخصصین داده، 9 نفر سفیدپوست هستند و فقط 18 درصد آنها زن هستند. تحقیقات مجمع عمومی نشان می‌دهد که در مبحث تنوع، علم داده حتی از رشته‌های دیگر فناوری مثل بازاریابی دیجیتال و طراحی تجربه کاربری عقب‌تر است.
چرا علی‌رغم نیاز بدیهی و افزایش ضرورت، سواد داده را به‌صورت سیستماتیک و در مقیاس لازم تدریس نمی‌کنیم؟ من در سال‌های گذشته در کسب‌وکارم تلاش کردم به این سوال جواب دهم.
من در سال 2018 سرمایه‌ام را رها کردم و بعد از آن شرکت Correlation One را تاسیس کردم. در این شرکت، تیم من با شرکت‌های خدمات مالی و 500 شرکت فورچن کار می‌کنند. آنها با همکاری هم استعدادهای جامعی درزمینه دانش داده پرورش می‌دهند. همچین این تیم‌ها به کارمندان کمک می‌کنند که از شرکت تارگت به جانسون اند جانسون و دولت کلمبیا بروند، توانایی‌های نیروی کاری فعلی‌شان را بسنجند و آموزش‌های رایگان به متخصصین داده بدهند (مثل شراکت ما با سافت بانک و شهر میامی). ما برای درک بهتر و نیاز ضروری برای نیروی کاری باسوادتر در زمینه داده و کمک به شرکت‌ها برای اجرای تمرین‌های خاص و رسیدن به هدفشان باید در صف اول آموزش سواد داده قرار بگیریم.
در این مطلب استراتژی‌هایمان را معرفی می‌کنیم.
سواد داده را در اولویت اول قرار دهید؛ نه فقط بین مردم بلکه در سازمان فناوری
سواد داده یک مهارت فنی نیست، بلکه یک مهارت تخصصی است. کارمندان، بازاریابان، متخصصین فروش، پرسنل عملیاتی و مدیرهای محصول را تشویق کنید تا از علم داده استفاده کنند و سواد داده را از طریق جلسه‌های آموزشی مشارکتی ماهانه توسعه دهند.
در این جلسه‌ها درمورد تصمیم‌گری داده محور، هنر احتمال در هوش مصنوعی، فرهنگ داده محور، ارتباط داده با کسب‌وکار شما، اخلاق و هوش مصنوعی یا چگونگی ارتباط با استفاده از داده را تدریس کنید. نوع تاکید سازمان اساس تحول سازمان و اجرای فرهنگ داده محور است.
یک زبان مشترک برای صحبت درمورد داده پیدا کنید، چگونه داده با کسب‌وکار و صنعت شما ارتباط برقرار می‌کند و چگونه نقش‌های خاصی را در شرکت تغییر می‌دهد.
جهان داده جهان بزرگی است که با اصطلاح‌ها و مفاهیم اشتباهی پر شده است. در شرکتتان دیدگاهی ایجاد کنید که در آن اجزای سواد داده بیشترین اهمیت را در سازمان دارد. اگر یک شرکت خدمات مالی دارید، احتمالا داده‌ها به احتمال و اندازه‌گیری خطر مربوط می‌شود. اگر در زمینه فناوری کار می‌کنید، تجربه‌گرایی و بصری‌سازی مهم هستند.
در جلسه‌های یادگیری و توسعه، محتوای آموزشی خاص خلق کنید. بهتر است این محتوا از زبان مشترک استفاده کند و ارتباطش را با دپارتمان‌های مختلف سازمان توضیح دهد. بنابراین کارمندان می‌توانند تمام نقطه‌های بین سواد داده و جریان کاری را پیوند دهند.
فضایی خلق کنید که کارمندان بتوانند مفاهیم کسب‌وکار را به مفاهیم داده ربط دهند.
چیزی که همیشه به مشتری‌های شرکت کریلیشن وان (Correlation One)توضیح می‌دهیم، توانمندسازی کارمندان برای تولید ایده‌های جدید کسب‌وکار است. به‌طوری که این ایده‌ها می‌توانند سواد داده را اجرایی کنند. مثلا، فرض کنید که شرکت شما در صنعت موسیقی فعالیت می‌کند. کارمندان در بخشی از برنامه یادگیری و توسعه، پروپوزال‌های پروژه را ایجاد کرده و درک جدیدشان از سواد داده را ارتقا می‌دهند.
بعد این سواد با دانش کارمندان از صنعت موسیقی ترکیب می‌شود و در نهایت ایده‌های مقرون‌به‌صرفه‌ای تولید می‌شود. درنهایت شرکت هم به درآمد می‌رسد. به‌علاوه، شما کارمندان و نیروها را تشویق می‌کنید تا فرهنگی داده محور را در شرکت اجرا کنند، فرهنگی که از پایین به بالا اجرا می‌شود.
ساختارهای مشوق برای پاداش تصمیم‌گیری داده محور را درنظر بگیرید.
از فرایند کنونی برای تایید داده یا تنظیم بودجه استفاده کنید. بعد مکانیسم‌های جدید را را اضافه کنید. این مکانیسم‌ها به تفکر داده محور پاداش می‌دهند. مثلا، در این سیستم، مدیرها باید در پروپوزال‌هایشان از بصری‌سازی شفافی استفاده کنند یا داشبوردهایی بسازند که KPI را کمی و در زمانی فوری پیگیری می‌کند.
اگر بتوانید با تایید سریع‌تر پروژه‌ها یا بودجه‌های بیشتر برای پروپوزال‌ها و اجرای رویکرد تفکر داده محور، تصمیم‌گیری مدیرها را از نوع شهودی به روش داده محور تغییر دهید، می‌توانید سریعا ازطریق
هماهنگی انگیزشی رفتار موردانتظارتان را از مدیرها ببینید.
برنامه‌های توسعه و یادگیری را راه‌اندازی کنید. در این برنامه‌ها سواد داده را در بستر مشکلات کسب‌وکار خودتان تدریس کنید و کارمندانتان را تشویق کنید.
ثبت‌نام در دوره‌های آموزشی و پلت‌فرم‌هایی مثل کورسرا معمولا در سازمان‌هایی که به دنبال تحول همیشگی هستند، با شکست روبه‌رو می‌شود. علت این است که یادگیری شخصی‌سازی‌شده (همراه با بازخورد متخصص)، اجتماعی (همراه با دیگران) و در بستری خاص (ارتباط مستقیم با مشکلات کسب‌وکار) موثرتر است.
ایجاد همچین برنامه‌های شخصی‌سازی‌شده در بستری خاص و اجتماعی به منابع گسترده‌تری احتیاج دارد، اما این برنامه‌ها از نظر تعامل کارمندان با مطالب، نگهداری کارمندان از مطالب و توانمندسازی کارمندان مزیت‌های بیشتری دارند و هستند. از همه مهم‌تر، تجربه من قبل و حین کار با کریلیشن وان به درک این مسئله کمک کرده است که داده‌ها عمودی نیستند.
داده‌ها یک خانواده شغلی، مثل متخصص داده یا مهندس داده نیستند. بلکه داده افقی است. مجموعه مهارت‌هایی است که شامل شغل‌های گسترده‌ای در هر زمینه می‌شود. یک بازاریاب با مهارت‌های داده بازاریاب بهتری است. یک مدیر محصول داده محور، عملکرد بهتری دارد. همین مسئله برای واحد عملیات، مهندسی، فروش و حتی منابع انسانی هم صادق است. لازم نیست همه کد زدن را بلد باشند. اما به زودی همه به سواد داده احتیاج خواهند داشت.
در نهایت، سواد داده چیزی بیشتر از یادگیری ماشین و علم داده است و بیشتر به هوش مصنوعی ربط دارد. سواد داده به این موضوع می‌پردازد که چگونه انسان‌ها در یک جهان پر از اطلاعات، بهتر مقابله می‌کنند. به همین دلیل است که بیشتر از هر زمان دیگری به سواد داده احتیاج داریم.
