فرادرسانقلاب ابرداده‌ها — چگونه مدیریت کنیم؟
آنچه را نمی‌توانید اندازه بگیرید، نمی‌توانید مدیریت کنید.
در این گفتار، فراست بسیار زیادی نهفته است و به دانشمندان حوزه مدیریت «W. Edwards Deming و Peter Drucker» نسبت داده می‌شود. این جمله توضیح می‌دهد که چرا انفجار اطلاعات دیجیتال در سالهای اخیر بسیار مهم است. به سادگی، به دلیل حجم بزرگ دادهها، مدیران می‌توانند همه چیز را اندازه‌گیری کنند و از این رو در مورد کسب و کار خود درک عمیق‌تری به دست آورند و این دانش را به طور مستقیم برای تصمیم‌گیری و عملکرد بهتر به کار گیرند.
خرده‌فروشی را در نظر بگیرید. کتاب‌فروشی‌ها در فروشگاه‌های فیزیکی (نه آن‌لاین) همیشه می‌توانند کتاب‌هایی را که فروخته‌‌‌اند و یا فروش نرفته‌اند لیست کنند. اگر ایشان یک برنامه وفاداری (loyalty program) داشتند، می‌توانستند برخی از این خریدها را به مشتریان خاص مربوط بدانند؛ به این معنی که الگوی خریدشان را حدس بزنند. با این حال، هنگامی که خرید اجناس به شکل آن‌لاین در آمد، درک رفتار مشتریان به طور چشمگیری افزایش یافت. خرده فروشان آن‌لاین نه تنها می‌دانند که مشتریان چه خریده‌اند، بلکه اجناسی را که نگاه کرده و نپسندیده‌اند لیست می‌کنند. می‌دانند مشتریان تحت تاثیر چه تبلیغاتی خریده کرده‌اند و چگونه به این بخش از سایت هدایت شدهاند. خرده‌فروشان آن‌لاین حتی شباهت‌های گروهی و فردی مشتریان را درک می‌کنند.
خرده‌فروشان سپس الگوریتمی را برای پیش‌بینی آنچه مشتریان فردی مایل به خواندن هستند طراحی کرده‌اند. هر بار که مشتری به یک پیشنهاد پاسخ مثبت داده یا آن را نادیده گرفته است، الگوریتم را بر اساس این دادهها بهبود داده‌اند. خرده فروشان سنتی به سادگی نمی‌توانند به این نوع اطلاعات دسترسی داشته باشند و ناچار به تن دادن به مدل جدیدند. جای تعجب نیست که آمازون کتاب فروشی‌های آجر و ملاتی (فیزیکی) خود را از تعطیل کرده است.
سادگی و بدیهی بودن داستان موفقیت آمازون، تقریبا کلید قدرت آن را مخفی می کند. ما انتظار داریم شرکت‌هایی که دیجیتال متولد شدهاند، کارهایی به انجام برسانند که مدیران دهه گذشته به اصطلاح خواب آن را می‌دیدند. اما در واقع استفاده از ابر دادهها، پتانسیل تغییر قالب کسب و کارهای سنتی را نیز دارد. این روش ممکن است فرصت‌های بیشتر و مزیتی رقابتی برایشان ایجاد کند (کسب و کارهای آن‌لاین همواره به این شکل شناخته شدهاند که بر سر چگونگی تجزیه و تحلیل دادهها رقابت می کنند). همان طور که در مورد جزئیات بیشتر بحث خواهیم کرد، ابر دادهها (big data) در این انقلاب، بسیار قدرتمند‌تر از تحلیل‌هایی است که در گذشته مورد استفاده قرار گرفته است. ما می توانیم اندازه‌گیری کنیم و بنابراین دقیق‌تر از هر زمان دیگری مدیریت نماییم. ما می‌توانیم پیش‌بینی‌های بهتر و تصمیمات دقیق‌تری اتخاذ کنیم. ما می‌توانیم به شکل هدف‌مند وارد کارزار شویم و می‌توانیم این کار را در زمینه‌هایی انجام دهیم که تاکنون تحت تأثیر روان و شهود قرار گرفته‌اند و نه داده‌های سخت و تحلیل‌های خالی از احساس.
چنانچه ابزار و فلسفه ابر دادهها گسترش می یابد، دانشمندان ایده‌های متفاوت و محکمی در مورد ارزش تجربه، ماهیت تخصص و عملکرد مدیریت ارائه خواهند کرد. رهبران هوشمند در سراسر جهان استفاده از ابر دادهها را به شکل واقعی خود درک خواهند کرد: انقلابی در مدیریت. اما مشابه تمام تغییرات بزرگ در عرضه کسب‌و‌کار، چالش مسلح شدن به ابر دادهها، نیاز به اراده رهبران و گاهی به تلاش کارکنان دارد. با این وجود، این موضوع یک تغییر حتمی است که مدیران باید امروز با آن درگیر شوند.
چه چیز جدیدی در ابر دادهها وجود دارد؟
مدیران اجرایی گاهی می‌پرسند که داستان ابر دادهها همان علم تجزیه و تحلیل (analytics) نیست؟ درست است که این دو به یکدیگر مرتبط هستند: جنبش ابر دادهها، مانند تجزیه و تحلیل، به دنبال جمع آوری اطلاعات از دادهها و ترجمه آن برای کسب مزیت در کسب و کار است. با این حال، سه تفاوت اصلی وجود دارد.
۱- حجم دادهها
از سال ۲۰۱۲، هر روز حدود ۲.۵ اگزابات (ده به توان هجده) داده تولید می‌شود و این تعداد هر 40 ماه دو برابر می‌شود. هر ثانیه اطلاعات بیشتری از کل ذخیره دادهها تا ۲۰ سال پیش، از طریق اینترنت در یک ثانیه رد و بدل می‌شود. این حجم داده به شرکت‌ها فرصتی برای کار با بسیاری از اطلاعات در یک مجموعه داده است که تنها از اینترنت به دست نمی‌آیند. به عنوان مثال، برآورد شده است که «Walmart» هر روز از معاملات مشتریان خود بیش از ۲.۵ پتابایت (ده به توان پانزده) داده جمع آوری می‌کند.
۲- سرعت انتقال
برای بسیاری از برنامه‌های کاربردی، سرعت ایجاد دادهها حتی بیشتر از حجم اهمیت دارد. انتقال اطلاعات هم‌زمان (real-time information)و یا تقریبا در زمان واقعی باعث می‌شود که یک شرکت بسیار سریعتر از رقبای خود باشد. برای نمونه الکس سندی پنتلند (Alex “Sandy” Pentland) و گروه تخصصی او در دانشگاه «MIT» از اطلاعات مکانی تلفن‌های همراه استفاده کردند تا تعداد افراد حاضر را در پارکینگ «Macy» در جمعه سیاه (شروع فصل خرید کریسمس در ایالات متحده) به دست بیاورند. این امر باعث شد که میزان خرده‌فروشی در آن روز شلوغ حتی قبل از آنکه خود Macy این فروش را ثبت کند، تخمین زده شود. بینش‌های سریع مانند این می تواند یک مزیت رقابتی چشمگیر برای تحلیلگران وال استریت (Wall Street) و مدیران «Main Street» باشد.
۳- تنوع دادهها
ابر دادهها به شکل پیام‌ها، به روز رسانی‌ها و تصاویر ارسال شده به شبکه‌های اجتماعی در می‌آيد. از حس‌گر‌های موبایل و غیره خوانده می‌شود. بسیاری از مهمترین منابع داده‌های بزرگ، نسبتا جدید هستند. به عنوان مثال، حجم عظیم اطلاعات شبکه‌های اجتماعی، تنها به‌اندازه عمر شبکه‌های خود، قدمت دارند؛ فیس‌بوک در سال ۲۰۰۴ و توییتر در سال ۲۰۰۶ راه‌اندازی شده است. همین امر برای گوشی‌های هوشمند و سایر دستگاه‌های تلفن همراه که در حال حاضر جریان‌های بسیار زیادی از اطلاعات مرتبط با افراد، فعالیت‌ها و مکان‌ها را از خود عبور می‌دهند، صادق است.
از آنجا که این دستگاه‌ها همه جا هستند، فراموش می‌شود که آیفون تنها پنج سال پیش و iPad در سال ۲۰۱۰ عرضه شده است. بنابراین پایگاه داده‌های ساختاری که اکثر اطلاعات شرکت‌ها را تا این اواخر ذخیره کرده‌اند، مناسب ذخیره و پردازش ابر دادهها نیستند. در عین حال، هزینه‌ی همه عناصر محاسبات-ذخیره سازی، حافظه، پردازش، پهنای باند و غیره در حال کاهش یافتن است به این معنی که رویکردهای گران پیش رو به سرعت در حال تبدیل شدن به موردی مقرون به صرفه هستند.
چنانچه فعالیت‌های بیشتر و بیشتری در کسب و کار دیجیتال ایجاد شده است، منابع جدید اطلاعات و تجهیزات ارزانتر ترکیب می‌شوند تا ما را با یک عصر جدید مواجه کنند. عصری که در آن حجم زیادی از اطلاعات دیجیتال تقریبا در هر موضوع مورد علاقه و کسب و کار مورد نظر وجود دارد. تلفن‌های همراه، خرید آن‌لاین، شبکه‌های اجتماعی، ارتباطات الکترونیکی، GPS و ماشین آلات ابزاری همه مشغول تولید دادهها به عنوان یک محصول جانبی از عملیات عادی خواند. هر یک از ما اکنون یک تولید کننده‌ی داده به اصطلاح دوپا (!) است. این دادهها عموما نامنظم و بدون طبقه‌بندی‌اند. کافی‌است کمی به سر و صدا گوش دهید، اطلاعات ارزشمندی به دست می‌آید. تجزیه و تحلیل، روش‌های دقیقی را برای تصمیم گیری به ارمغان آورده است. ابر دادهها اکنون ساده و قدرتمندند. همانطور که مدیر تحقیقات گوگل، «پیتر نورویگ (Peter Norvig)» می‌گوید:
ما الگوریتم‌های بهتری نداریم، ما تنها داده‌های بهتری داریم.
شرکت‌های مبتنی بر داده چگونه عمل می‌کنند؟
پرسش دوم احتمالا باید این باشد: آیا شواهدی وجود دارد که با استفاده از داده‌های هوشمند می‌توان هوشمندانه عملکرد کسب و کار را بهبود بخشید؟ مطبوعات کسب و کاری است که با سخنرانی‌ها و مطالعات موردی پیچیده دست و پنجه نرم می‌کند و ظاهرا ارزش دادهها را ثابت کرده است. اما حقیقتا، ما به تازگی متوجه شدیم، که هیچ کس تا به حال دقیقا به این سوال پاسخ نداده است. ما این فرضیه را بررسی کردیم که «شرکت‌های مبتنی بر ابر دادهها ، عملکرد بهتری دارند». در این تحقیق، مصاحبه ساختار یافته ای را با مدیران ۳۳۰ شرکت عمومی آمریکای شمالی در مورد شیوه‌های مدیریت سازمانی و فناوری انجام دادیم و داده‌های عملکرد را از گزارش‌های سالانه خود و منابع مستقل جمع آوری کردیم.
همه تصمیمات مبتنی بر داده را نپذیرفته بودند. در حقیقت، ما با طیف وسیعی از نگرش‌ها و رویکردها در هر صنعت روبرو شدیم. اما در تمام تحلیل‌هایی که انجام دادیم، یک رابطه مشترک وجود داشت: هرچه شرکت‌ها به شرکت‌های کاملا مبتنی بر داده شبیه‌تر بودند، در زمینه نتایج عملیاتی و مالی قابل‌اندازه‌گیری، موفق‌تر عمل می‌کردند. به طور خاص، شرکت‌های بزرگ (در سطح یک‌سوم بالای صنعت خود) که در تصمیم‌گیری مبتنی بر دادهها موفق بودند، به طور متوسط ۵٪ تولید بیشتر و ۶٪ سود‌آور‌تر از رقبای خود بودند. این تفاوت عملکرد پس از حسابرسی دقیق سرمایه، خدمات خریداری شده و سرمایه‌گذاری در فناوری اطلاعات روشن‌تر شد. این نتایج از لحاظ آماری معنی‌دار و از لحاظ اقتصادی مهم بود و در افزایش قابل توجه ارزش شرکت در بازار سهام منعکس شده بود.
پس چگونه مدیران از ابر دادهها استفاده می کنند؟ بیایید جزئیات دو شرکتی که از «Silicon Valley» دور هستند، بررسی کنیم. یکی از ابر دادهها برای ایجاد کسب و کار و دیگری برای افزایش فروش استفاده می‌کند.
سیستم ETAs
دقایق در فرودگاه مهم‌اند. پیش‌بینی دقیق زمان ورود به فرودگاه بسیار مهم است: اگر یک هواپیما قبل از آماده شدن باند فرود و کارکنان به زمین بنشیند، مسافران و خدمه کاملا در هواپیما به دام می‌افتند و اگر بعد از زمان مقرر فرود آید، کارکنان بیکار و خوشحال استراحت می‌کنند و در نتیجه هزینه‌ها را افزایش می‌دهند. بنابراین هنگامی که یک شرکت هواپیمایی بزرگ در ایالات متحده با یک مطالعه داخلی متوجه شد در ۱۰٪ پروزا‌ها حداقل ۱۰ دقیقه بین زمان تعیین شده و زمان فرود هواپیما تاخیر وجود دارد (یا بالعکس)، و ۳۰٪ پروازها تفاوت زمانی پنج دقیقه‌ای تچربه می‌کنند، دست به کار شد.
در آن زمان، شرکت هواپیمایی به مدت زیادی از ETAهای ارائه شده توسط خلبانان استفاده می‌کردند. خلبانان این تخمین‌ها را در طول فرود نهایی خود به فرودگاه، زمانی که سرشان به اصطلاح شلوغ بود، اعلام می‌کردند که باعث می‌شد از دقت کافی برخوردار نباشد. در جستجوی یک راه حل بهتر، این شرکت از «PASSUR Aerospace»، ارائه دهنده فن آوری‌های پشتیبانی در تصمیم‌گیری برای صنعت حمل و نقل کمک خواست. در سال ۲۰۰۱، PASSUR شروع به ارائه تخمین‌های رسمی خود تحت عنوان یک سرویس به نام «RightETA» نمود. PASSUR این بار با ترکیب داده‌های عمومی موجود در مورد آب و هوا، برنامه‌های پرواز و سایر عوامل با اطلاعات اختصاصی‌ای که خود شرکت هواپیمایی جمع آوری می‌کرد و در نهایت داده‌های یک شبکه از ایستگاه‌های رادار مجهز که در نزدیکی فرودگاه نصب شد، شروع به تخمین زمان دقیق فرود هواپیماها نمود.
PASSUR در ابتدا با تعداد معدودی رادار شروع کرد اما در سال ۲۰۱۲، ۱۵۵ عدد رادار نصب شده بود که هر ۴.۶ ثانیه اطلاعات دریافتی از مشاهده تمام هواپیماهای در دسترس را مخابره می‌کردند. نتیجه‌ی این عملیات، سیلی بزرگ و دائمی از داده‌های دیجیتال است. علاوه بر این، این شرکت تمام اطلاعاتی را که در طول زمان جمع آوری کرده است، نگاه می دارد؛ بنابراین اطلاعات زیاد چندین سالهای در اختیار دارد. این ابر دادهها امکان تجزیه و تحلیل دقیق و پیچیده را فراهم می‌کند. RightETA اساسا با این سوال‌ها روبرو است: «هنگامی که یک هواپیما با این شرایط در تمام موارد قبلی به فرودگاه نزدیک می‌شد، چه اتفاقی افتاد؟ دقیقا چه زمانی این هواپیما به زمین نشست؟»
بعد از استفاده از RightETA، شرکت هواپیمایی تقریبا فاصله بین تخمین‌ها و زمان‌های واقعی فرود را حذف کرد. PASSUR معتقد است این که یک شرکت هواپیمایی دقیقا بداند هواپیماها کی فرود می‌آیند و طبق آن برنامه ریزی کند، سالانه میلیون‌ها دلار ارزش افزوده ایجاد می‌کند. بسیار ساده است؛ استفاده از ابر دادهها منجر به تخمین بهتر پیش‌آمدها و در نتیجه باعث تصمیم‌گیری بهتر می‌شود.
تبلیغات بهتر و سریعتر
چند سال پیش، «Sears Holdings» به این نتیجه رسید که باید از داده‌های جمع‌آوری شده از مشتری‌ها، محصولات و تبلیغات، بهتر استفاده کند. بدیهی است، ترکیب و استفاده از تمام این دادهها برای تطبیق تبلیغات و سایر پیشنهادات با مشتریان و شخصی‌سازی پیشنهادات به منظور استفاده از شرایط محلی ارزشمند خواهد بود؛ ارزشمند اما مشکل. Sears هر بار حدود هشت هفته برای تغییر قالب تبلیغات قبلی زمان نیاز داشت، که در آن زمان بسیاری از این تبلیغات برای این شرکت مفید نبودند. این کار بسیار طول کشید. چراکه دادهها بسیار حجیم بودند و به دلیل جمع‌آوری توسط ورودی‌های مختلف و ناهماهنگ، دسته‌بندی نشده بودند.
Sears Holdings در جستجوی یک راه سریعتر و ارزانتر برای انجام کار تحلیلی خود، به فناوری ابر دادهها رو آورد. به عنوان یکی از اولین قدم‌های شرکت، «Hadoop cluster» راه‌اندازی شد. Hadoop cluster در مفهوم ساده خوشه‌ای از سرورهای ارزان قیمت است که فعالیتشان با یک چارچوب نرم افزاری نوین به نام Hadoop هماهنگ شده است. (به نام یک فیل اسباب بازی در خانواده Doug Cutting، یکی از توسعه دهندگان این برنامه نام‌گذاری شده است).
Sears شروع به استفاده از خوشه‌ها برای ذخیره داده‌های ورودی از همه برندها و حفظ و تمایز دادهها از بانکهای موجود داده کرد. سپس تجزیه و تحلیل روی خوشه به شکل مستقیم با اجتناب از پیچیدگی‌های وقت گیر استخراج دادهها و ترکیب آنها از منابع مختلف شروع شد. این تغییر به شرکت اجازه داد تا تبلیغات سریعتر و دقیق‌تری داشته باشد. به گفته‌ی مدیر فنی شرکت، «فیل شلی (Phil Shelley)»، زمان لازم برای تولید یک مجموعه کامل از تبلیغات از هشت هفته به یک کاهش یافته است و هنوز هم کاهش می یابد. و البته این تبلیغات از کیفیت بالایی برخوردار است، زیرا این تبلیغات به موقع، دقیق‌تر و شخصی‌تر هستند. خوشه‌ی Hadoop Sears ذخیره و پردازش چند پتابایتی دادهها را در کسری از هزینه یک بانک داده استاندارد انجام می‌دهد.
شلی می گوید از این که انتقال از رویکردهای قدیمی به روش‌های جدید ابر دادهها و تجزیه و تحلیل با کارایی بالا این‌قدر ساده بوده، شگفت زده شده است. از آنجا که مهارت‌ها و دانش مربوط به فناوری‌های جدید ابر داده در سال ۲۰۱۰ بسیار جوان بود، زمانی که Sears این کار را آغاز کرد، برخی از کارها را به شرکتی با نام «Cloudera» سپرد. اما با گذشت زمان، کارشناسان قدیمی IT و متخصصین تجزیه و تحلیل با ابزار و رویکردهای جدید اخت پیدا می‌کنند.
نمونه‌های PASSUR و Sears Holding نشان دهنده قدرت ابر دادهها است که پیش بینی‌های دقیق‌تر، تصمیمات بهتر و مداخلات دقیق را امکان پذیر می‌سازد و می تواند این موارد را در مقیاس به ظاهر بی حد و حصر فعال کند. در حال حاضر ابر دادهها برای مدیریت زنجیره تامین مورد استفاده قرار می‌گیرند تا درک کنیم چرا مشکلات تولید خودرو در یک بازه ناگهانی افزایش می یابد. با ابر دادهها خدمات مشتری به طور مداوم بررسی می‌شوند و روش‌های بهبود در مراقبت‌های بهداشتی میلیون‌ها نفر به دست می‌آید. در برنامه‌ریزی و پیش‌بینی آن‌لاین بهتر روی دادها از ابر دادهها کمک می‌گیریم تا تبلیغات موثری داشته باشیم. ما نتایج مشابهی را از مفید بودن ابر دادهها در بسیاری از صنایع و کارهای دیگر از قبیل فعالیت مالی، بازاریابی در هتل‌ها، بازی‌ها و از مدیریت منابع انسانی تا تعمیر ماشین‌ها دیده‌ایم.
تجزیه و تحلیل آماری به ما می گوید که آنچه می بینیم، فقط نمونه‌های جالب نیستند، بلکه نشان از یک تغییر اساسی در حوزه اقتصادند. ما متقاعد شده‌ایم که تقریبا هیچ حوزه فعالیت تجاری بدون تاثیر از این جنبش باقی نخواهد ماند.
فرهنگ جدیدی از تصمیم‌گیری
چالش‌های فنی استفاده از ابر دادهها بسیار جدی هستند. اما چالش‌های مدیریتی حتی بزرگ‌ترند و با شروع به کار تیم اجرایی ارشد ظاهر می شوند.
خفه کردن کرگدن‌ها
یکی از مهمترین توانایی‌های ابر دادهها تاثیر آن بر چگونگی تصمیم گیری است. و البته اینکه چه کسی باید تصمیم‌گیری کند. وقتی دادهها کمیاب‌اند، دستیابی به آنها گران است. امکان دارد دادهها در فرم دیجیتال موجود نباشند که در این حالت تصمیم گیری توسط افراد خبره بر اساس تجربه، الگوها و روابطی که با آن کار کرده‌اند، مجاز است. «شهود (Intuition)» برچسبی است که به این سبک استنباط و تصمیم گیری داده می‌شود. افراد نظرات خود را درباره آنچه در آینده اتفاق خواهد افتاد ابراز می‌کنند و سپس بر اساس آن برنامه ریزی صورت می‌گیرد.
تصمیم‌گیر این تصمیمات مهم، معمولا کارکنان ارشد سازمان هستند و یا به دلیل تخصص و تجربه، از خارج از سازمان با دستمزد بالا استخدام می‌شوند. بسیاری از اعضای جامعه‌ی ابر دادهها معتقدند که اغلب شرکت‌ها تصمیم‌های مهم خود را با اتکا به کرگردن‌ها (افرادی با بیشترین دستمزد در سازمان) اتخاذ می‌کنند. ما معتقدیم که در سراسر کسب و کار در جهان ، افراد بیش از حد بر تجربه و شهود تکیه و به‌اندازه کافی به دادهها اعتماد نمی کنند.
نقش‌های جدید
مدیران علاقه‌مند به هدایت ابر دادهها می‌توانند با دو مهارت ساده شروع کنند. به محض قرار گرفتن در موقعیت تصمیم‌گیری باید از خود سوال کنند: «دادهها چه می‌گویند؟» و کم‌کم سوالات باید تخصصی‌تر شوند: «این دادهها از کجا آمده است؟» یا «چه نوع تجزیه و تحلیلی روی این دادهها انجام شده است؟» و اینکه «چه قدر به این دادهها و منبعشان اعتماد داریم؟» (با این روش کارمندان هم مسیر درست را یاد می‌گیرند). دوم اینکه کمتر چیزی تاثیر بیشتری از تبعیت مدیران ارشد از دادهها بر کارمندان دارد. مخصوصا هنگامی که دادهها نظر مدیر را تایید نمی‌کنند.
البته، دانستن اینکه چه مشکلی با این دادهها حل می‌شود، تخصص کافی نیاز دارد. متخصصین هر حوزه به شکل سنتی (کسانی که عمیقا با یک رشته یا زمینه فنی آشنا هستند) کسانی هستند که بزرگترین فرصت‌ها و چالش‌ها را می‌شناسند. PASSUR، برای نمونه، در تلاش است که تا حد ممکن عمدتا افرادی را استخدام کند که دانش گسترده‌ای از عملیات هواپیمایی در فرودگاه‌های بزرگ ایالات متحده دارند. آنها از این جهت ارزشمند خواهند بود که به شرکت برای پیدا کردن مسیر‌ها و پیشنهاد‌های جدید کمک می‌کنند.
یشرفت ابر دادهها، نقش متخصصین هر زمینه را تغییر خواهد داد. ایشان نه برای رفتار کرگدنی خود بلکه برای پرسش سوال‌های مهم دستمزد می‌گیرند. جواب همه سوالات در ابر دادهها وجود دارد. «پابلو پیکاسو» احتمالا در مورد ابر دادهها سخن می‌گفت:
رایانه‌ها بی فایده هستند. آنها فقط جواب سوال‌ها را می دانند.
پنج چالش مدیریت
شرکت‌ها از مزایای کامل بهر‌برداری از ابر دادهها استفاده نخواهند کرد مگر اینکه بتوانند به شکل موثری تغییرات را مدیریت کنند. پنج حوزه در این فرایند بسیار مهم هستند.
۱- رهبری
شرکت‌ها در دوران ابر دادهها به این دلیل که داده‌های بیشتر یا بهتری دارند موفق نمی‌شوند، بلکه دلیل آن تیم‌های رهبری‌ای هستند که اهداف شفاف را نشانه می‌روند، موفقیت را شبیه‌‌سازی می کنند و سوالات درست می‌پرسند. قدرت ابر دادهها نیاز به بینش و دانش انسان را از بین نمی‌برد.
ما هنوز باید رهبران کسب و کاری داشته باشیم که می‌توانند فرصت‌های عالی را بیابند و درک کنند که چگونه بازار در حال توسعه است، خلاقانه فکر کنند و پیشنهادات جذاب ارائه کنند. این مدیران باید دیدگاه قانع کننده‌ای داشته باشند تا کارکنان متقاعد شوند برای تحقق این مسیر تلاش کنند. ایشان باید به شکل ویژه‌ای با مشتریان، کارکنان و سهام‌داران تعامل داشته باشند. شرکت‌های موفق دهه آینده، آن‌هایی هستند که رهبرانشان می‌توانند این کارها را سر و سامان دهند، در حالی که نحوه تصمیم‌گیری سازمان خود را تغییر می‌دهند.
۲- مدیریت استعداد
همانطور که دادهها ارزانتر می شوند، مکمل‌های اطلاعاتی نیز ارزشمندتر می شوند. برخی از مهمترین مکمل‌ها، دانشمندان تحلیل داده و متخصصین دیگری هستند که مهارت زیادی در کار با مقادیر زیاد اطلاعات دارند. شاید مهمترین مهارت، مهارت منظم کردن و سازماندهی مجموعه ابر دادهها باشد؛ عموما ابر دادهها به ندرت به شکل ساختاریافته جمع‌آوری می‌شوند. ابزار و مهارت‌های تجسم نیز هر روز با ارزش‌‌تر می‌شوند. همراه با دانشمندان داده، نسل جدیدی از دانشمندان رایانه، مهارت‌هایی را برای کار با مجموعه داده‌های بسیار بزرگ به ارمغان می آورند. متخصصان در طراحی آزمایش‌ها می تواند به شکاف میان همبستگی روابط و رابطه حقیقی اتفاقات کمک کنند. بهترین دانشمندان ابر داده هم با زبان ساده می‌توانند تحلیل خود را به مدیریت برای حمله به مشکلات ارائه دهند. جای تعجب نیست که افرادی با این مهارت‌ها گران و کم یابند.
۳- فناوری
ابزارهای موجود برای رسیدگی به حجم، سرعت و انواع ابر دادهها در سالهای اخیر به طور چشمگیری افزایش یافته است. البته این فن آوری‌ها به هیچ وجه گران نیستند و بیشتر نرم افزارها منبع باز (open source) است. Hadoop، به عنوان یک قالب معمول، سخت افزار کالا را با نرم افزاری منبع باز ترکیب می کند. Hadoop جریان ورودی دادهها را دریافت و آنها را بر روی دیسک‌های ارزان قیمت ذخیره می‌کند؛ همچنین ابزارهایی برای تحلیل دادهها فراهم می نماید. با این حال، این فناوری‌ها نیازمند یک مجموعه مهارت است که برای بسیاری از بخش‌های فناوری اطلاعات ناشناخته و جدید است و باید به سختی برای ادغام تمام منابع داخلی و خارجی دادهها، کار شود. اگرچه توجه صرف به فناوری کافی نیست، اما همیشه یک جزء ضروری از یک استراتژی مبتنی بر داده، همین فناوری است.
۴- تصمیم‌گیری
یک سازمان موثر، اطلاعات و تصمیمات مربوط را در محل مناسب خود قرار می‌دهد. در دوران ابر دادهها، اطلاعات ایجاد و منتقل می شوند اما تخصص، اغلب در مکان مناسب استفاده نمی‌گردد. یک رهبر هنرمند سازمان را به شکلی منعطف هدایت می‌کند که تمام اشکال نوآوری حمایت می‌شوند و تعامل متقابل بین کارمندان به حداکثر خود می‌رسد. افرادی که مشکلات را درک می کنند باید همراه با داده‌های درست یکجا جمع شوند تا ازین دادهها درست استفاده گردد.
۵- فرهنگ شرکت
اولین سوالی که یک شرکت مبتنی بر داده باید از خود بپرسد این نیست: «چگونه فکر می‌کنیم؟» بلکه این سوال است: «چه می‌دانیم؟» که نشان از تغییر از تصمیم‌گیری بر اساس غریزه به بنیان تجزیه و تحلیل دادهها است. همچنین این عادت بد باید کنار گذاشته شود: عادت تظاهر به تکیه بر دادهها. بسیاری از مدیران تنها انبوهی از دادهها را برای تایید تصمیم کرگدنی خود ارائه می‌کنند.
بدون شک راه تا موفقیت بسیار طولانی است. دانشمندان کمی در این حوزه وجود دارند. بسیاری از فناوری‌های مورد نیاز نو یا ناشناخته‌اند. بسیار ساده است که تحلیل غلطی از مجموعه دادهها به دست آید. فرهنگ سازمانی در حال تغییر سریع است و البته حفظ حریم خصوصی روز به روز اهمیت بیشتری پیدا می‌کند. با این‌حال، روند کلی هم در فناوری و هم در تجارت خالی از اشتباه عمل خواهد کرد.
واضح است که تصمیمات مبتنی بر ابر دادهها تصمیمات بهتری‌اند. یا مدیران خود را با این واقعیت وفق می‌دهند یا با کسانی که به این امر اعتقاد دارند عوض می‌شوند. در هر حوزه، شرکت‌هایی که موفق شوند تخصص را با داده درهم آمیزند از رقبا فاصله خواهند گرفت. نمی‌توانیم ادعا کنیم تنها عامل موفقیت دادهها هستند. اما ابر دادهها مطمئن‌ترین قمار این روزهای تجارت‌اند.
