گزارش وبینار:

حسن حیدری فارغ‌التحصیل کارشناسی ارشد مهندسی صنایع است. مسیر حرفه‌ای خود را از کارآموزی در ایران‌خودرو آغاز کرد و سپس در یک استارتاپ خدمات آنلاین خودرو، دیجی‌کالا و دیوار به‌عنوان تحلیلگر داده فعالیت داشت. او اکنون رئیس تیم تحلیل داده در شرکت کروز است و تجربه کار در صنایع مختلف از استارتاپ تا تولید صنعتی را پشت سر گذاشته است.

تفاوت‌های بنیادین: از تجارت الکترونیک تا صنعت تولید

به گفته حیدری، تجربه فعالیت در کروز – به عنوان یکی از بزرگ‌ترین تولیدکنندگان قطعات خودرو در کشور – به‌مراتب پیچیده‌تر از محیط‌های استارتاپی حوزه تجارت الکترونیک است. او توضیح می‌دهد که در فرآیند تولید خودرو، بیش از ۳۰ هزار قطعه نهایی و هزاران ماده اولیه درگیر هستند و زنجیره تأمین گسترده‌ای شامل تأمین مواد، لجستیک چندوجهی (زمینی، دریایی، هوایی)، برنامه‌ریزی خرید، انبارداری و زمان‌بندی تولید وجود دارد.

او اشاره می‌کند که سیستم‌های برنامه‌ریزی مواد (MRP)، مدیریت لیست مواد (BOM)، کنترل کیفیت، و حتی مدیریت انرژی و نیروی انسانی (با بیش از ۱۵ هزار نفر پرسنل) همگی در سطحی بالا نیازمند هماهنگی داده‌محور هستند. کروز از سامانه‌های ERP پیشرفته مانند SAP استفاده می‌کند و به سمت تصمیم‌گیری‌های مبتنی بر داده حرکت کرده است.

ساختار تیم داده و نقش‌های نوظهور

حیدری درباره ساختار تیم داده در کروز توضیح می‌دهد که این تیم در حال حاضر به صورت متمرکز فعالیت می‌کند، اگرچه انتخاب میان ساختار متمرکز و غیرمتمرکز به سطح بلوغ داده‌ای و استراتژی سازمان بستگی دارد. او تأکید می‌کند که اغلب سازمان‌ها در مراحل ابتدایی توسعه داده، با مدل متمرکز آغاز می‌کنند.

وی همچنین بر اهمیت همکاری تیمی تأکید دارد و معتقد است که هیچ فردی به تنهایی نمی‌تواند بر تمام ابعاد یک کسب‌وکار مسلط شود. همکاری میان نقش‌ها و سطوح مختلف، از تحلیلگر داده تا توسعه‌دهنده، موجب هم‌افزایی و ارتقای کیفیت نتایج می‌شود. او همچنین پیش‌بینی می‌کند که با رشد هوش مصنوعی و کاهش نیاز به تخصص‌های منفرد، سازمان‌ها در آینده به دنبال نیروهایی خواهند بود که توانایی ایفای چند نقش را داشته باشند.

او ساختار متمرکز تیم داده را برای مراحل اولیه بلوغ داده‌ای مناسب می‌داند و بر اهمیت همکاری میان نقش‌ها و سطوح مختلف در تیم تأکید دارد. از دید او، آینده سازمان‌ها با رشد هوش مصنوعی به سمتی می‌رود که افراد باید توانایی ایفای چند نقش را داشته باشند. تمرکز تیم داده تحت مدیریت او بر طراحی مدل‌های داده، توسعه BI و ایفای نقش‌هایی مشابه مهندس تحلیل داده است که مهارت‌های فنی را با درک بیزینسی تلفیق می‌کند.

تفکر انتقادی و رویکرد جذب نیرو

حیدری بر این باور است که تمرکز بیش از حد بر ابزارهایی مانند پایتون یا SQL اشتباه است، زیرا این ابزارها به سرعت توسط هوش مصنوعی تسخیر می‌شوند. او در فرایند جذب نیرو، سه ویژگی را کلیدی می‌داند: تفکر تحلیلی، تفکر انتقادی، و شناخت کسب‌وکار.

او برای تقویت تفکر تحلیلی، مطالعه کتاب تحلیل ناب  و برای پرورش تفکر انتقادی، کتاب تفکر سریع و کند نوشته دنیل کانمن را پیشنهاد می‌کند. به باور او، این مهارت‌ها تنها از طریق تمرین مداوم تقویت می‌شوند.

در مصاحبه‌های شغلی، او با طرح پرسش‌های تحلیلی، داوطلب را به بلند فکر کردن ترغیب می‌کند تا فرآیند استدلال او را بسنجد. از دید او، تفکر انتقادی یعنی تردید در فرضیات اولیه مدیران و جست‌وجوی شواهد جایگزین. به عنوان مثال، اگر مدیری افزایش سرعت دستگاه را عامل خرابی بداند، تحلیلگر خوب باید سایر عوامل مانند کیفیت مواد اولیه، خطای اپراتور یا فرسودگی تجهیزات را نیز بررسی کرده و طرحی برای آزمون فرضیات ارائه دهد.

ابزارها و آینده شغل‌های حوزه داده‌

به گفته حیدری، بیشترین پتانسیل تحلیل داده در شرکت‌های تولیدی در بخش‌های بهینه‌سازی و بهره‌وری نهفته است، اما در عمل، واحد منابع انسانی بیشترین بازده را از تحلیل داده‌ها نشان داده است.

استک ابزاری مورد استفاده او، پایگاه داده اوراکل، پایتون و SQL برای تحلیل، SSAS برای مدل‌سازی داده، و Power BI و Metabase برای مصورسازی و BI. همچنین از MLflow برای مدیریت پروژه‌های یادگیری ماشین و از پایگاه‌های برداری برای پروژه‌های هوش مصنوعی استفاده می‌شود.

در جمع‌بندی، حیدری معتقد است که با شتاب پیشرفت هوش مصنوعی، نقش‌های سنتی مانند تحلیلگر داده یا مهندس داده در شکل فعلی خود دچار دگرگونی خواهند شد و تمرکز آینده متخصصان داده، بر مدیریت، هماهنگی و نظارت بر ابزارهای خودکار متمرکز خواهد بود.