نقش کلان داده در تغییر معادلات کسب‌وکار

مترجم: فریبا ولیزاده منبع: wsj حجم فراوانی از اطلاعات در اختیار همه ماست و کسب‌وکارها هم هر لحظه در پی بهره‌جویی از این اطلاعات هستند. کارشناسان از این پدیده تحت عنوان کلان داده یاد می‌کنند. شاید تعریف آن کمی پیچیده به‌نظر آید، اما می‌توان به اختصار گفت: شرکت‌ها در قیاس با گذشته امروزه به اطلاعات فراوانی دسترسی دارند که سر منشأ آنها منابع اطلاعاتی متفاوت است، شما به‌عنوان کاربر تقریبا به محض تولید این اطلاعات قادر به دسترسی و استفاده از آنها هستید.

کلان داده اغلب با کسب‌وکارهایی پیوند دارد که با حجم عظیمی از اطلاعات سر وکار دارند، نمونه آنها گوگل و فیس‌بوک یا آمازون است. کسب‌وکارهایی از صنایع مختلف، امروزه این اطلاعات را به بخشی محوری از عملیات و فرآیندهای خود تبدیل کرده‌اند. این کسب‌وکارها اطلاعات مختلفی را گردآوری می‌کنند و اغلب آنها را با تاکتیک‌های قدیمی برای تغییر سیاست‌های فروش ترکیب می‌کنند که معمولا براساس نظرات کاربران در شبکه‌های اجتماعی یا اطلاعات موقعیتی و جغرافیایی گردآوری شده از گوشی‌های تلفن همراه تهیه می‌شود و در نهایت با تحلیل این داده‌ها درخصوص نحوه توسعه محصولات و کاهش هزینه‌ها یا حفظ مشتریان خود تصمیماتی اتخاذ می‌کنند.

شرکت‌های باربری به واسطه داده‌های حاصل از سنسورهایی که در کامیون‌هایشان نصب شده است به دنبال سرعت بخشیدن به فرآیند تحویل کالا هستند. تولیدکنندگان با تحلیل هزاران نظری که در انجمن‌های اینترنتی وجود دارند در پی کسب اطمینان از مورد پسند واقع شدن ویژگی جدید محصولشان در میان مشتریان هستند، بنابراین استخدام مدیرانی برای تحقق تحلیل‌های مناسب به یک ضرورت تبدیل شده است. اما با وجود چنین شرایطی هنوز هم موانعی بر سر راه وجود دارد. برخی از این موانع فنی هستند. در بسیاری از شرکت‌ها تصمیمات هم چنان بر اساس فرضیه HIPPO- پذیرش نظر فردی با بالاترین پرداختی- اتخاذ می‌شوند، بنابراین متقاعد کردن مدیران برای پذیرش ارزشمند بودن نقش اطلاعات و داده‌ها در قیاس با فرآیندهای شهودی امری بس دشوار خواهد بود.

در ادامه به روش‌هایی پرداخته می‌شود که شرکت‌ها را در بهره‌مندی هر چه بیشتر از قابلیت داده‌های کلان در توسعه و پیشرفت کسب‌وکار یاری می‌رساند.

منابع انسانی

مزایایی که در اختیار کارکنان قرار می‌گیرند ازجمله طرح‌های مختلف سلامت، هزینه‌های بسیاری برای سازمان‌ها در بر دارد. برخی از شرکت‌ها با بهره‌مندی از کلان داده سعی در کاهش این هزینه‌ها دارند.

شرکت Caesars Entertainment، اقدام به تحلیل داده‌های حاصل از پرونده بیمه ۶۵ هزار کارمند خود و اعضای خانواده تحت پوشش آنان کرده است. مدیران صنایع مختلف می‌توانند هزاران متغیر را از خدمات مورد استفاده پزشکی کارکنان گرفته تا دفعات بهره‌مندی ازخدمات اورژانسی یا انتخاب داروهایی با برندهای مختلف را بررسی کنند.

در سال ۲۰۱۰ میلادی، داده‌های شرکت Harrah حاکی از این بود که تنها یازده درصد از مراجعات به مراکز مراقبت‌های ویژه ارزان‌قیمت بوده است. این آمار برای شرکت Caesars نیز ۳۴ درصد برآورد شده بود. تیم شرکت

Harrah با برپایی کمپینی تلاش کرد هزینه بالای مراجعات اورژانسی را به کارکنان خود متذکر شود و در مقابل جایگزین‌هایی را برای این موارد معرفی کرد. دو سال بعد، این آمار از ۴۰درصد به ۳۰ درصد کاهش پیدا کرد و درمجموع حدود ۴ میلیون دلار صرفه‌جویی برای شرکت به ارمغان آورد. کلان داده فرآیندهای استخدام را نیز تغییر می‌دهد. شرکت Catalyst IT Services در حوزه برون‌سپاری فناوری اطلاعات و ایجاد تیم‌های برنامه‌نویسی فعالیت می‌کند. در سال‌جاری، این شرکت پرونده بیش از ۱۰ هزار متقاضی استخدام را بررسی خواهد کرد. واضح است که استفاده از فرآیندهای سنتی استخدام زمانبر و دست و پا‌گیر است و البته به انتخاب‌هایی ختم می‌شود که اغلب چندان مناسب شغل مورد نظر هم نیستند. به باور Michael Rosenbaum، موسس و مدیر اجرایی Catalyst IT Services، مسلما در دنیای کسب وکار امروز به مدل‌هایی نیاز دارید که به شما کمک کنند تا نگرش فاعلی را کنار بگذارید، بنابراین Catalyst از متقاضیان استخدام می‌خواهد یک فرم آنلاین ارزیابی را تکمیل کنند (روشی که بسیاری از شرکت‌ها نظیر گوگل در حال حاضر از آن بهره می‌جویند). Catalyst ازاین فرم‌ها برای جمع آوری هزاران بیت اطلاعات در خصوص هر یک از متقاضیان استفاده می‌کند. در واقع، بخش مهمی از این اطلاعات از نحوه پاسخگویی افراد به پرسش‌ها به‌دست می‌آید، نه پاسخی که به پرسش داده شده است.

برای مثال ارزیابان شرکت Catalyst، از طریق همین ارزیابی آنلاین اطلاعاتی فراتر از انتظارات متقاضیان به‌دست می‌آورند، صرف زمان بسیار برای پاسخگویی، پاسخگویی سریع و بازگشت مجدد یا چشم‌پوشی کلی از پاسخ به پرسش! شخصی که برای پاسخ به سوالی دشوار زمان قابل‌توجهی را صرف می‌کند، به یقین در آینده نیز رویکردی روشمند برای حل مساله را خواهد برگزید، در مقابل فردی که رویکردی تهاجمی اتخاذ می‌کند به‌طور قطع در موقعیت‌های دیگر توانمند خواهد بود.

قدرت این رویکرد استخدام معمولا در شناسایی مهارت‌های مختلف افراد نهفته است، زیرا واضح است که افراد از تمامی مهارت‌های مورد نیاز برای یک شغل بهره‌مند نیستند. بدون شک تحلیل میلیون‌ها داده کمک بزرگی به روشن شدن مهارت‌های واقعی متقاضیان برای موقعیت‌های خاص و مختلف می‌کند. نمونه‌ای از موفقیت این رویکرد در فرآیند استخدام ترک کار ۱۵درصدی کارکنان در شرکت Catalyst است که این رقم معمولا برای رقبای آمریکایی این شرکت ۳۰درصد و برای سایر رقبا ۲۰ درصد است.

توسعه محصول

کلان داده در آشنایی با ترجیحات مشتری و به‌کارگیری این اطلاعات در طراحی محصولات جدید بسیار سودمند بوده است. شرکت‌های پیشرویی نظیر Zynga، تولیدکننده بازی‌های آنلاین (FarmVille) در سان‌فرانسیسکو، روزانه ۲۵ ترابایت داده از کاربران بازی‌های خود گردآوری می‌کنند. این اطلاعات در حوزه بهبود خدمات به مشتری، بهبود کیفیت و طراحی بازی‌های آتی به‌کار گرفته می‌شوند. برای نمونه در نسخه اصلی FarmVille، حیوانات عمدتا به عنوان جزئی از دکور بازی بودند ولی در نسخه‌های بعدی ارزیابان این شرکت به این نتیجه رسیدند که کاربران تمایل به تعامل بیشتری با این حیوانات دارند و ترجیح می‌دهند این حیوانات به بخشی از بازی تبدیل شوند! بنابراین درFarmVille ۲ حیوانات نقش محوری‌تری گرفتند. ازاین رو حتی طراحان شرکت Zynga هم از کلان داده برای طراحی ویژگی‌های جدید بهره می‌گیرند. البته تولیدکنندگان دنیای واقعی از کلان داده برای سنجش میزان علاقه‌مندی مشتریان خود استفاده می‌کنند.

شرکت فورد موتورز در حین طراحی اولین مدل subcompact خود در کلاس جهانی، به بررسی ویژگی‌های مشترکی در یک منطقه پرداخت که برای استفاده در مناطق دیگر جغرافیایی مناسب بودند. یکی از مهم‌ترین ویژگی‌هایی که فورد بررسی کرد، شاخص «three-blink» بود که سال‌ها در تولیدات این شرکت برای کشورهای اروپایی در دسترس بود. بر خلاف خودروهای آمریکایی این شرکت، این سیگنال با سه بار لمس راننده فعال شده و پس از آن خاموش می‌شد.

آزمون بازار و پژوهش در مقیاس گسترده پرهزینه و زمانبر برآورد می‌شد. بنابراین فورد با راه‌اندازی سایت‌هایی در قالب انجمن‌های کاربران محصولات خود سعی کرد نظرات مالکان را در خصوص شاخص مذکور تحلیل کند. با استفاده از الگوریتم‌های متن‌کاو، محققان بیش از ۱۰ هزار نظر را حذف و خلاصه‌ای از مرتبط‌ترین نظرات ارائه شده را تهیه کردند. شاخص مذکور (three-blink indicator) در سال ۲۰۱۰ و در محصول Fiesta شرکت فورد به بازار معرفی شد و هم‌اکنون در بیشتر محصولات این شرکت موجود است. درحالی که گروهی از کاربران اذعان کرده‌اند در استفاده از آن دچار مشکل شده‌اند، اما این تغییر مدافعان بسیاری نیز داشته است.

عملیات و فرآیندها

سال‌ها است شرکت‌ها از فناوری دیجیتال برای کارآمدتر کردن فرآیندهای کسب‌وکار بهره می‌برند. با ظهور کلان‌داده اطلاعات به مراتب بیشتری از منابع جدید در اختیار آنان قرار گرفت. شرکت United Parcel Service مدت‌های طولانی از این داده‌ها برای توسعه عملیات خود استفاده کرده است. در سال ۲۰۰۹ میلادی، این شرکت با نصب سنسورهایی به بررسی سرعت و موقعیت مکانی وسایل نقلیه، دفعات حرکت کامیون‌ها در جهت عکس و حتی استفاده رانندگان از کمربند ایمنی پرداخت.

در پایان روز اطلاعات در مرکز داده United Parcel Service بارگذاری می‌شد. با ترکیب داده‌های GPS و داده‌های حاصل از سنسور سوخت که روی بیش از ۴۶هزار کامیون نصب شده بود، شرکت UPS توانست مصرف سوخت و مسیرهای طی شده را به میزان قابل توجهی کاهش دهد.

بازاریابی

بازاریابان مدت‌ها از اطلاعات برای درک خواسته‌های مشتریان و هدف قرار دادن نیازهای آنان بهره گرفته‌اند. در حال حاضر فراوانی داده در واقع به معنای توان بازاریابان در ارسال پیام‌های اختصاصی‌تر به تک تک مشتریان است.

مانند بسیاری از مدیران هتل‌ها، مجموعه هتل‌های InterContinental سال‌ها مشغول گردآوری اطلاعاتی از ۷۱ میلیون عضو باشگاه مشتریان خود، نظیر سطح درآمد، آب وهوای مورد علاقه و سبک خانوادگی یا نوع سفر (خانوادگی یا کاری) بوده است. سال‌ها پیش این مجموعه اطلاعات گردآوری شده را به انبار داده‌ای انتقال داد که قادر است سریع‌تر از گذشته اطلاعات بیشتری از شبکه‌های اجتماعی گردآوری و تحلیل کند. به واسطه چنین سیستمی مجموعه هتل‌های InterContinental کمپین بازاریابی جدیدی برپا کرد. کمپین‌های پیشین معمولا ۷ تا ۱۵ پیام اختصاصی بازاریابی داشتند در صورتی که سیستم جدید ۱۵۵۲ پیام برای گروه‌های مختلف مشتریان طراحی کرده بود.پیام‌ها برای ۱۲ گروه مختلف از مشتریان طراحی شده بودند که هرکدام چهار هزار ویژگی منحصربه‌فرد داشتند. برای مثال یکی از این گروه‌ها ویژگی‌هایی ازجمله تمایل به اقامت آخر هفته، استفاده از کارت‌های هدیه و رزرو به واسطه قراردادهای همکاری با IHG را داشتند. بنابراین این گروه از مشتریان پیام‌هایی را دریافت می‌کردند که اطلاعاتی در خصوص رویدادهای محلی آخر هفته در اختیار آنان قرار می‌داد. این کمپین توانست به میزان ۳۵ درصد بیش از سایر کمپین‌ها نرخ تبدیل مشتری برای IHG را افزایش دهد.