مجله پرانتز

تحلیل داده‌ به عنوان مزیت رقابتی استراتژیک در کسب‌وکار

Competing on Analytics (cover)

مجله بررسی‌های کسب‌وکار دانشگاه هاروارد (Harvard Business Review) [1] مجموعه‌ای دارد به نام «10 مقاله‌ای که باید در HBR خواند» [2] که در آن ده عنوان از بهترین مقالات خود را در حوزه‌های مختلف مدیریت گزینش و در قالب یک کتابچه منتشر می‌کند. اما مجله در گزینش مقالات خود به این مقدار نیز بسنده نمی‌کند و هر چند سال ده مقاله را هم از این گزیده‌ها انتخاب می‌کند و در کتابچه مستقلی از همین مجموعه با عنوان «مقاله‌های ضروری‌» [3] با این شعار به چاپ می‌رساند: اگر هیچ مقاله دیگری از مجله ما نخوانده‌اید، این 10 مقاله را از تاثیرگذارترین نویسندگان ما بخوانید.

در این کتابچه آخر مقاله‌ مفصلی با عنوان «تحلیل داده به عنوان مزیت رقابتی» نوشته توماس دِیوِنپورت وجود دارد. او سابقه فعالیت‌ در دانشگاه‌های MIT و اکسفورد و مدرسه کسب‌وکار بابسون را دارد [4] .

دیونپورت این مقاله را با استدلالی ساده، اما مهم و تعیین‌کننده شروع می‌کند:

«اگر بخواهید کسب و کار خود را صرفاً با تکیه بر ویژگی‌های محصول خود با دیگران متمایز کنید راه به جایی نخواهید برد. رقبا هم به منابعی که شما دسترسی دارید دسترسی دارند و ویژگی‌هایی شبیه به ویژگی‌های محصول شما را توسعه می‌دهند.»

چگونه تحلیل داده‌ را به مزیت رقابتی خود بدل کنیم؟

دیونپورت چاره کار را در ایجاد مزیت رقابتی مبتنی بر «بهره‌برداریِ تحلیلی از داده‌ها» معرفی می‌کند. منظور او از این کار گردآوری و تحلیل داده از منابع گوناگون از جمله تمامی فعل و انفعالاتی که در فرایندهای کسب‌وکار اتفاق می‌افتد و خلق ارزش با استفاده از آن‌ها است. او معتقد است برای ایجاد تمایز با دیگران باید بهره‌برداریِ تحلیلی از داده‌ها (Analytics) را به عنوان بخشی جدایی‌ناپذیر از استراتژی رقابتی خود تعریف کنید.

مقاله سپس با ارائه دستورالعملی به مدیران برای به کارگیری تحلیل داده به عنوان مزیت رقابتی در سازمان و کسب‌وکارشان ادامه پیدا می‌کند:

حمایت از تحلیل داده در بالاترین سطوح

تغییراتی که نیروی کار در لایه‌های مختلف سازمان انجام می‌دهند تا تحلیل داده در آن ریشه بدواند و به خلق ارزش منجر شود را به رسمیت بشناسید و تشویق کنید. برای این کار شما لازم خواهید داشت دانش خود را در ارتباط با روش‌های پردازش و تحلیل داده‌های کمّی ارتقا دهید.

برای بهره‌برداری از داده‌ها نقشه‌ای کلی و جامع داشه باشید

علاوه بر طرح کلی، یک نفر را نیز در جریان تمامی فعالیت‌های مرتبط با داده در سازمان قرار دهید تا راهبری کلی آن‌ها را از ابزارها گرفته تا روش‌ها به عهده بگیرد و ارتباط اجزا و یکپارچگی زیرساختِ داده در سازمان تضمین شود.

انرژی سازمان را متمرکز و اولویت‌بندی‌شده صرف کنید

نیروی انسانی مختصص و سایر منابع خود را به سمت اولویت‌هایی که در استراتژی رقابتی خود تعریف کرده‌اید، کانالیزه کنید و در آن راستا به کار بگیرید. مثلا ممکن است در استراتژی اصلی هر یک از موضوعات وفاداری مشتریان، کیفیت پشتیبانی و ارائه خدمت به مشتریان، قیمت، تبلیغ و ارائه طرح‌های تخفیفی از اولویت بیشتری نسبت به موضوعات دیگر برخوردار باشند که این اولویت‌بندی باید از ابتدا در به کارگیری توان تحلیلی سازمان نیز لحاظ شود. 

بسیاری از سازمان‌ها در نهادینه کردن تحلیل داده به عنوان یک مزیت اساسی شکست می‌خورند چون انرژی خود را روی اولویت‌های دست‌چندم تلف می‌کنند.

فرهنگ تحلیل داده را در سازمان خود گسترش دهید

سعی کنید در لایه‌های مختلف سازمان اهمیت فرایندهای مرتبط با بهره‌برداری از داده‌ها را از اندازه‌گیری و ثبت گرفته تا آزمون و ارزیابی شواهد کمّی آشکار کنید و نوعی احترام را نسبت به آن‌ها بربیانگیزید تا ناچیز شمرده‌ نشوند. از نیروی انسانی بخواهید تصمیماتش را روی واقعیت‌های مسلم و خدشه‌ناپذیری که از همین داده‌ها استخراج می‌شود استوار کند. عملکرد سازمان را از همین طریق تحلیل کنید و برای رسیدن به اهداف تعیین‌شده آن پاداش تعیین کنید.

بسیاری از سازمان‌ها در ایجاد مزیت تحلیل داده شکست می‌خورند چون تحلیل داده را جزیره‌ای به کار می‌گیرند و ترویج آن را در سازمان در دستور کار خود قرار نمی‌دهند.

افراد درستی را برای بهره‌برداری از داده‌ها به کار بگیرید

 بازار کار تحلیل داده جذابیت زیاده پیدا کرده و تقاضا برای مشاغل آن زیاد است. افرادی را به کار بگیرید که علاوه بر اشراف فنی بر پردازش و تحلیل داده بتوانند مفاهیم پیچیده را با بیانی ساده بازگو کنند و ارتباطی موثر و مولد با تصمیم‌گیرندگان برقرار کنند. پیدا کردن چنین افرادی ساده نخواهد بود، برای همین سعی کنید همیشه حتی در زمان‌هایی که موقعیت شغلی را ایجاد نکرده‌اید دنبال آن‌ها بگردید.

از فناوری‌های درست استفاده کنید

 از فناوری‌هایی استفاده کنید که نیازهای متنوع شما را پوشش دهد، امکان توسعه و یکپارچه‌سازی داشته باشد، توسعه‌دهنده آن در بازار کار وجود داشته باشد و در طول زمان کارایی خود را از دست ندهد.

کاربردهای تحلیل داده

مقاله سپس نمونه‌های زیادی را از کسب‌وکارها در صنایع گوناگون روایت و طبقه‌بندی می‌کنند که موفق شده‌اند تحلیل داده را به عنوان یک مزیت اساسی در سطوح مختلف کسب‌وکار خود به خدمت درآورند. مقاله مثال‌های خود را در دسته‌های زیر طبقه‌بندی و تشریح می‌کند:

  • زنجیره تامین: شبیه‌سازی و بهینه‌سازی فرایندهای جاری در زنجیره تامین و کاهش موجودی و زمان‌های فقدان آن
  • شناسایی مشتری‌، وفاداری، خدمات: پیدا کردن مشتری‌هایی که بیشترین پتانسیل سودآوری را دارند و تلاش برای افزایش احتمال خرید و ارتقای وفاداری آن‌ها
  • قیمت‌گذاری: شناسایی قیمت‌هایی که بیشترین فروش و بالاترین سود را ایجاد کند
  • سرمایه‌های انسانی: انتخاب بهترین و مناسب‌ترین افراد برای هر یک از فعالیت‌ها و به وجود آوردن نظام‌های پاداش مبتنی بر عملکرد
  • کیفیت محصولات و خدمات: تشخیص زودهنگام مشکلات احتمالی در کیفیت محصولات و خدمات و رفع سریع آن‌ها
  • عملکرد مالی: درک عمیق‌تر عوامل موثر بر عملکرد مالی به ویژه عوامل غیرمالی
  • تحقیق و توسعه: ارتقای کیفیت، کارآمدی، بهره‌وری، کاربرد و امنیت محصولات و خدمات

این مقاله نخستین در سال 2006 در مجله بررسی‌های کسب‌وکار دانشگاه هاروارد منتشر شد، سپس در سال 2010 در گزیده 10 مقاله ضروری این مجله بازنشر شد. در این زمان بازار کار علوم داده تقریبا تازه رشد چشمگیر خود را آغاز کرده بود. از آن زمان چیزهای زیادی تغییر کرده است، با این حال صورت‌بندی مقاله هنوز گیرا و آموزنده است. شکست‌هایی که به دلیل عدم نگاه استراتژیک به تحلیل داده در به کارگیری موثر به آن در سال‌های گذشته در سازمان‌ها اتفاق افتاده از جمله مواردی است که ارزش این مقاله را بیشتر از گذشته آشکار می‌کند. متن کامل آن را می‌توانید در لینک زیر مطالعه کنید:

Competing on Analytics by Thomas H. Davenport

Some companies have built their very businesses on their ability to collect, analyze, and act on data. Every company can learn from what these firms do

پاورقی و ارجاع

 

[1] hbr.org

[2] HBR’s 10 Must Reads (+)

[3] HBR’S 10 Must Reads: The Essentials (+)

[4] tomdavenport.com/about

دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors