قسمت‌ اول این مقاله در مورد اهمیت تجزیه و تحلیل و ویژگی شرکت‌هایی که در این زمینه فعال هستند بود. در قسمت دوم با منابعی که به این شرکت‌ها قدرت می‌دهند آشنا شوید.

منابع قدرت

شرکت‌های تحلیل‌گر بیش از کارخانه‌های کوچک ساده هستند. به طور قطع آن‌ها از فناوری برای حل مسائل متعدد تجاری استفاده می‌کنند. اما این شرکت‌ها انرژی خود را در جهت یافتن نقطه‌ی تمرکز مناسب، ساختن فرهنگ درست و استخدام افراد متخصص برای استفاده مطلوب از اطلاعاتی که دائما در حال چرخش هستند هدایت می‌کنند. در نهایت، مردم و استراتژی، همانند فناوری اطلاعات، قدرت چنین سازمان‌هایی را به وجود می‌آورند.

نقطه تمرکز مناسب

هرچند رقبای تحلیل‌گر، تصمیمات مبتنی بر واقعیت‌های جهانی را می‌پسندند، باید تلاش‌های مبتنی بر منابع را هدایت کنند. به طور کلی، شرکت‌ها عملگرها یا طرح‌های متعددی را انتخاب می‌کنند تا همگی به یک استراتژی کلان کمک کنند. برای مثال، Harrah’s عمدتا فعالیت‌های تحلیلی خود را در راستای افزایش وفاداری مشتری، خدمات به مشتری و زمینه‌های مرتبط با آن، مانند قیمت گذاری و تبلیغات، متمرکز کرده است. UPS تمرکز خود را از بخش تدارکات تا بخش خدمات مشتریان در جهت ارائه خدمات برتر، گسترش داده است. در حالی که چنین استراتژی‌های چندگانه بینش تحلیل‌گران را تشریح می‌کند، مدیران موفقی در این زمینه، به شرکت‌ها هشدار می‌دهند تا در ابتکارات خود بیش از حد پراکنده نشوند و دیدگاه مشخصی از اهداف تجاری در پشت هر کدام از تحلیل‌ها را نادیده نگیرند.

مورد دیگری که هنگام تخصیص منابع باید مورد توجه قرار گیرد این است که تا چه حد توابع خاص قابل تجزیه و تحلیل عمیق هستند. حداقل هفت هدف مشترک در فعالیت‌‌های تحلیلی وجود دارد که البته صنایع خاص ممکن است اهداف مجزای خودشان را تعریف کنند. مدل‌های آماری و الگوریتم‌هایی که امکان دستیابی به موفقیت را تجزبه و تحلیل می‌کنند، بعضی از چشم اندازها را به شدت وسوسه انگیز نشان می‌دهند. به عنوان مثال، کمّی‌کردن بازاریابی همیشه سخت است زیرا ریشه در روانشناسی افراد دارد. اما در حال حاضر شرکت‌های تولید کننده محصولات مصرفی می‌توانند تحقیقات بازار خود را با استفاده از تئوری ابزار چند منظوره (multi-attribute utility theory) انجام دهند (که ابزاری برای درک و پیش بینی تصمیمات و رفتار مصرف کننده است). به طور مشابه، صنعت تبلیغات در حال بهره‌گیری از علوم اقتصادی است (روش‌های آماری برای اندازه گیری پیشرفت حاصل شده توسط آگهی‌های مختلف و تبلیغات در طول زمان).

شرکت‌های تحلیل‌گر نه تنها از این ابزار برای پیش‌برد اهداف خود استفاده می‌کنند، بلکه به مشتریان و تامین‌کنندگان هم این ابزار را ارائه می‌نمایند. برای مثال «Wal-Mart » اصرار دارد که تامین کنندگان از سیستم خرده فروشی خود برای نظارت بر حرکت محصول از طریق فروشگاه، برنامه ریزی تبلیغات و طرح بندی در داخل فروشگاه‌ها و کاهش هزینه‌های سهام استفاده کنند. «Procter & Gamble»، به عنوان بخشی از یک برنامه به نام «ایجاد ارزش مشترک (Joint Value Creation)» به تامین کنندگان و مشتریان خرده فروشی خود برای کمک به بهبود پاسخگویی و کاهش هزینه‌ها، داده‌های تحلیلی ارائه می‌کند. تامین کننده اقلام بیمارستانی «Owens & Minor» خدمات مشابهی را ارائه می‌دهد که مشتریان و تامین کنندگان را قادر می‌سازد تا اطلاعات خرید و فروش خود را به همراه الگوهای سفارش‌گیری به دست آورند و تجزیه و تحلیل کنند. به این ترتیب این شرکت تلاش می‌کند تا خریدهای خارج از قرارداد و از رقبا را شناسایی و در اصطلاح به چنگ آورد. به عنوان مثال، این شرکت به مدیران بیمارستان‌های زنجیره‌ای نشان می‌دهد که چه مقدار پول می‌توان از طریق ادغام خرید (خرید عمده) در مکان‌های مختلف صرفه جویی کرد یا به آن‌ها کمک می‌کند تا بین تحویل بار و موجودی انبار هماهنگی ایجاد کنند.

فرهنگ صحیح

فرهنگ یک مفهوم نرم است؛ تجزیه و تحلیل یک ابزار سخت و دقیق. با این وجود، تحلیل‌گران باید با احترام نسبت به اندازه گیری، آزمایش و ارزیابی شواهد در افراد مختلف اقدام کنند. کارکنان به تصمیم گیری در مورد واقعیت‌ها بر اساس اعداد بی‌روح تشویق می‌شوند و می‌دانند که عملکرد آن‌ها به همان شیوه اندازه‌گیری می‌شود. سازمان‌های مبتنی بر منابع انسانی در فعالیت‌های تحلیلی در مورد استفاده از معیارهای محاسبه‌ی خسارت و پاداش بسیار سخت‌گیرند. برای مثال Harrah’s تغییر چشمگیری در فرهنگ اختصاص پاداش بر اساس معیارهای مبهم به فرهنگ مبتنی بر اندازه گیری‌های دقیق جمع آوری شده به عنوان نتایج مالی و خدمات به مشتری ایجاد کرده‌است. مدیران ارشد نیز یک نمونه سازگار با نتیجه تجزیه و تحلیل‌‌ها از رفتار خودشان بروز می‌دهند، که نشان از  اعتماد به نفس و شوق استفاده از این ابزارها است. براکا (Beracha) از Sara Lee Bakery Group یکی از نمونه‌های شاخص این موضوع است. او که به «سگ داده (data dog)» مشهور بود همیشه با جدیت از کارمندان برای تایید فرضیه‌ها، می‌خواست داده و تحلیل ارایه کنند.

جای تعجب نیست که در فرهنگ تجزیه و تحلیل، گاهی اوقات بین نوآوری یا کارآفرینی و نیاز به شواهد متقن، تنش به وجود می‌آید. در این سازمان‌ها، تحقیق و توسعه، مانند سایر عوامل، به شدت متمرکز است. در شرکت‌های یاهو، Progressive و Capital One، تغییرات فرایند و محصول در مقیاس کوچک مورد آزمایش قرار گرفته و سپس اجرا می‌شود. این رویکرد می‌تواند در بسیاری از رشته‌های علمی‌ و تجاری (از جمله مهندسی، مدیریت کیفیت و روان‌شناسی)، در اکثر فرایندهای سازمانی، حتی در موارد نه چندان واضح، مانند منابع انسانی (human resources) و خدمات مشتری مورد استفاده قرار گیرد. برای مثال، منابع انسانی ممکن است نمایه‌ای از ویژگی‌های شخصیتی مدیران و سبک‌های رهبری را ایجاد و سپس آن مدیران را در شرایط مختلف آزمایش کند. پس از آن می‌توان داده‌های مربوط به عملکرد افراد را با داده‌های مربوط به ویژگی‌های شخصیتی ایشان مقایسه کرد تا مشخص شود چه ویژگی‌هایی برای مدیریت یک پروژه عقب‌مانده (از برنامه زمان‌بندی) مورد نیاز است و فرد مورد نظر انتخاب و استخدام شود.

با این حال، مواردی وجود دارد که تصمیم به تغییر چیزی یا امتحان موردی جدید باید برای تجزیه و تحلیل گسترده آن، خیلی سریع انجام شود، یا ممکن است امکان جمع آوری داده‌ها از قبل وجود نداشته باشد. برای مثال اگر آمازون می‌خواست رفتار مشتریان در مورد انتشارات جدید خود را پیش‌بینی کند،‌ نمی‌توانست این کار را بدون بررسی رفتارهای گذشته مشتریان در برابر انتشارات قبلی (حداقل ۱۲۰ هزار جلد) انجام دهد که هزینه بالایی در پی داشت. در برخی از موارد تنها با تکیه بر غریزه این تصمیمات گرفته شده که منجر به موفقیت هم شده است.

نیروهای کاری مناسب

شرکت‌های تحلیلی افراد اهل تحلیل را استخدام می‌کنند و مانند همه شرکت‌هایی که در یافتن استعدادها رقابت می‌کنند، دنبال بهترین‌ها هستند. برای مثال، هنگامی‌ که آمازون نیازمند یک رئیس جدید برای زنجیره تأمین جهانی خود بود، (گانگ یو (Gang Yu)» را که استاد علوم مدیریت و کارآفرین حوزه نرم افزار و یکی از مقامات برجسته جهان در زمینه تجزیه و تحلیل و بهینه سازی است، استخدام کرد. مدل کسب و کار Amazon نیاز به مدیریت جریان ثابتی از محصولات جدید، تامین کنندگان، مشتریان و تبلیغات، و همچنین ارائه سفارشات مطابق تاریخ وعده داده شده است. از زمان ورود گانگ یو، تیم وی طراحی و ساخت سیستم‌های پیچیده زنجیره تامین برای بهینه سازی این فرایندها را به عهده دارد. جالب است بدانید درحالی که گانگ یو مبدع عبارت‌هایی چون «فرایندهای تصادفی ناپایا (nonstationary stochastic processes)» است، نتایج را به سادگی برای مدیران توضیح می‌دهد.

رقبای دیگر اهل تحلیل مانند Capital One از اسکادرانی از تحلیل‌گران برای انجام آزمایش‌های کمّی‌ استفاده می‌کنند و با نتایج در دست، طراحی کارت اعتباری و سایر پیشنهادات مالی را انجام می‌دهند. این اقدامات نیاز به زنجیره‌ای از تخصص‌های ویژه دارند که در توضیح نیازمندی شغل شرکت در آگهی استخدام Capital One آمده است: «توانایی بالا در حل مسئله و تحلیل کمی، مهندسی، مالی، مشاوره و/یا سوابق دیگر کاری/آموزشی در حوزه تحلیل کمّی. توانایی یادگیری سریع استفاده از نرم‌افزارهای جدید، تجربه استفاده از مدل‌های اکسل، امتیاز بیشتر برای برخی از رشته‌های تحصیلی مانند MBA، تجربه قبلی از روش‌های مدیریت پروژه، ابزارهای تقویت فرایند یا آمار.»

شرکت‌های دیگر افراد مشابهی را استخدام می‌کنند، اما رقبای تجزیه و تحلیل‌گر هستند که آن‌ها را در تعداد بسیار بیشتری به کار می‌گیرند. Capital One سه برابر یک بانک عادی از ین دست افراد استخدام کرده است. یکی از کارمندان شرکت می‌گوید:

ما در واقع یک شرکت تحلیل‌گر هستیم. مهمترین شغل در این بانک، تحلیل‌گری است.

تحلیل‌گران خوب باید توانایی بیان ایده‌های پیچیده را در به شکل ساده داشته باشند و  با استفاده از مهارت‌های ارتباطی به خوبی با تصمیم گیرندگان ارتباط برقرار کنند.

رئیس گروه تحلیل مشتری در بانک «Wachovia» در مورد ارتباط با دیگران می‌گوید:

ما در حال تلاش برای ساختن افرادمان به عنوان بخشی از تیم کسب و کار هستیم. ما می‌خواهیم آن‌ها پشت میز کار نشسته و در بحث درباره مسائل کلیدی، تعیین اینکه چه اطلاعاتی برای کسب و کار وجود دارد و پیشنهاد اقدامات به شرکای تجاری شرکت‌ کنند. ما می‌خواهیم گروه تحلیل‌گران نه تنها یک ابزار کلی، بلکه بخش فعال و حساسی از موفقیت واحد تجاری باشد.

البته، پیدا کردن ترکیبی از مهارت‌های تحلیلی، کسب و کار و ارتباطات ممکن است دشوار باشد. هنگامی‌که شرکت نرم افزاری SAS تصمیم می‌گیرد که به یک متخصص در زمینه پیشرفته‌ترین برنامه‌های کسب و کار مانند مدل پیش‌بینی یا پارتیشن‌بندی مجدد نیاز دارد (قالبی از تجزیه و تحلیل تصمیم درختی بر روی مجموعه‌ای از داده‌های بسیار پیچیده اعمال می‌شود تا نتیجه به دست آید)، اقدام به استخدام از 18 ماه قبل از شروع کار می‌نماید.

در حقیقت شروع شکوفایی صنعت تحلیل از اوایل سال ۲۰۰۰ بوده در حالی که شروع شکوفایی برنامه‌نویسی سال ۱۹۹۰ است. البته، بازارهای کار ایالات متحده و اروپا کاملا از نامزدهای شغلی تحلیل پیچیده به شکل بومی‌ استفاده نمی‌کنند. بعضی از سازمان‌ها با بسیاری از کارشناسان کشورهایی مانند هند به عنوان میزبان بسیاری از صنایع کار می‌کنند. تا هنگامی‌ که مسئله به شکل یک موضوع مجزا و مجرد باشد، ممکن است مشکلی به وجود نیاید. اما اگر یک سری از جلسات تکراری با تصمیم گیرندگان کسب و کار لازم باشد، فاصله می‌تواند یک مانع بزرگ به حساب آید.

فناوری مناسب

رقابت در تجزیه و تحلیل به معنای رقابت در حوزه فناوری است. و در حالی که رقبا جدی‌ترین تحقیقات را بر الگوریتم‌های آماری و روش‌های تصمیم‌گیری علمی‌ انجام می‌دهند، به طور مداوم بر پیشرفت‌های حوزه IT تمرکز می‌نمایند. برخی گروه‌های تحلیلی شرکت‌‌های تولید محصول تا کنون به دنبال ساخت ابررایانه خود بوده‌اند زیرا به نظر می‌رسید که مدل‌های تجاری در دسترس برای خواسته‌های آن‌ها کارآمد نیست. چنین اقدامات بزرگی معمولا ضروری نیست، اما تحلیل جدی نیاز به موارد زیر دارد:

استراتژی داده‌ها

شرکت‌ها چندین میلیون دلار در سیستم‌هایی سرمایه گذاری کرده‌اند که اطلاعات را از هر منبع قابل تصور بیرون می‌کشد. برنامه ریزی منابع سازمانی، مدیریت ارتباط با مشتری، فروش مستقیم و سایر سیستم‌ها اطمینان حاصل می‌کنند که هیچ معامله یا تبادل قابل توجهی بدون ثبت شدن در سیستم داده‌‌ها، رخ نمی‌دهد. اما برای استفاده از این اطلاعات، شرکت‌ها باید آن‌ها را در قالب‌های استاندارد ارائه دهند، ادغام کنند، در یک انبار داده ذخیره کنند، و در نهایت این اطلاعات به راحتی برای هر کسی قابل دسترس باشند. این داده‌ها بسیار زیاد هستند. به عنوان مثال، یک شرکت ممکن است چندین سال طول بکشد تا داده‌های مربوط به رویکردهای بازاریابی مختلف را جمع‌آوری کند و بتواند به شکل قابل اعتمادی اثر بخشی یک کمپین تبلیغاتی را تجزیه و تحلیل نماید. شرکت ‌‌«‌Dell»، از شرکت «DDB Matrix (واحد تبلیغات شرکت DDB Worldwide)» برای ایجاد انبار داده‌ای با ۱.۵ میلیون داده از تمام رایانه‌ها،‌ رادیو، شبکه تلویزیونی و تبلیغات به همراه میزان فروش این برند (قبل و بعد از تبلیغات) در این مکان‌ها استفاده کرده است. این اطلاعات به Dell اجازه می‌دهد تا تبلیغات خود را برای هر رسانه ای در هر منطقه دنیا دقیقا تنظیم کند.

نرم‌افزار هوش تجاری

اصطلاح “هوش کسب و کار” که ابتدا در اواخر دهه 1980 ظهور کرد، مجموعه ای گسترده از فرایندها و نرم افزارهای مورد استفاده برای جمع‌آوری، تجزیه و تحلیل و انتشار داده‌ها را در اختیار روش‌های تصمیم‌گیری بهتر قرار می‌دهد. ابزارهای هوش کسب‌وکار به کارمندان امکان استخراج، تبدیل و بارگذاری داده‌ها را برای تجزیه و تحلیل می‌دهند و سپس نتایج آن را در گزارش‌ها و هشدارها به نمایش می‌گذارند. محبوبیت رقابت تحلیلی، بخشی از واکنش به ظهور بسته‌های یکپارچه این ابزارهاست.

سخت‌افزار محاسبه

حجم داده‌های مورد نیاز برای برنامه‌های کاربردی تجزیه و تحلیل ممکن است از ظرفیت کم رایانه‌ها و سرورها بسیار بیشتر باشد. بسیاری از شرکت‌ها سخت افزار خود را به پردازنده‌های 64 بیتی تبدیل می‌کنند که مقدار زیادی از داده‌ها را به سرعت پردازش می‌نماید.

مسیر دشوار پیش رو

بسیاری از شرکت‌ها در صنایع مختلف، دلایل خوبی برای دنبال کردن استراتژی‌هایی دارند که از طریق تجزیه و تحلیل طراحی شده‌اند. تقریبا تمام سازمان‌هایی که از ابزار تحلیلی قدرتمند استفاده می‌کنند، رهبران بی‌رقیب حوزه‌های صنعتی خود هستند و موفقیت زیادی در بهره برداری از داده‌ها دارند. رقابت جهانی نیاز به این نوع مهارت را تشدید می‌کند. برای مثال، شرکت‌های غربی قادر به رقابت با رقبای هندی و چینی خود در مورد هزینه‌های تولید محصول نیستند، اما می‌توانند از طریق فرایندهای کسب و کار، فرایندهای خود رابهینه سازی کنند.

با این حال، شرکت‌هایی که به تازگی چنین استراتژی‌هایی را در دنبال می‌کنند، متوجه می‌شوند که چندین سال طول می‌کشد تا به نتیجه برسند. سازمان‌ها یک سفر طولانی و گاهی دشوار را پشت سر گذاشته‌اند. برای مثال، بانک «Barclays » برای مدت پنج سال به تحلیل بازاریابی کارت‌های اعتباری و سایر محصولات مالی مشغول بوده است. این شرکت مجبور شد فرآیند جدید خود را تقریبا در هر جنبه‌ای از کسب و کار خود اعمال کند: ریسک حمایتی، محدودیت اعتبار، حسابداری، کنترل تقلب، فروش متقابل و غیره. این بانک تنها در بخش فنی، باید داده‌ها را در مورد 10 میلیون مشتری ادغام می‌کرد، کیفیت داده‌ها را بهبود می‌بخشید و سیستم‌هایی را برای جمع‌آوری سنگین داده‌ها و تجزیه و تحلیل ایجاد می‌نمود. علاوه بر این، شرکت شروع به انجام مجموعه ای از آزمایش‌های کوچک برای شروع به یادگیری نحوه جذب و حفظ بهترین مشتریان با کمترین قیمت نمود و و مجبور شد افراد جدیدی را با مهارت‌های تحلیل کمی‌ استخدام کند.

بخش عمده ای از زمان و هزینه مربوطه که هر سازمانی برای تبدیل شدن به یک تحلیل‌گر باید تقبل کند به نیازهای فناورانه اختصاص خواهد یافت: پالایش سیستم‌هایی که داده‌های تراکنش را تولید می‌کنند، امکان دست‌رسی به داده‌ها، انتخاب و اجرای نرم افزار تحلیلی و مونتاژ سخت افزار و محیط ارتباطات. کسانی که تاریخ را ضبط نمی‌کنند یا اطلاعات اشتباه را جمع‌آوری می‌کنند، محکوم به یاد نگرفتن‌اند در نتیجه باید اطلاعات کافی برای پشتیبانی از پیش‌بینیهای قابل اعتماد جمع‌آوری شود. یکی از مدیران تحلیل داده در UPS می‌گوید:

ما داده‌ها را برای شش یا هفت سال جمع آوری کرده ایم، اما تنها دو یا سه سال گذشته مورد استفاده قرار گرفته‌اند، زیرا ما برای به دست آوردن نتیجه بر اساس داده‌ها نیاز به زمان و تجربه داریم.

و البته، شرکت‌های تجزیه و تحلیل جدید مجبور خواهند شد که پرسنل اصلی خود را به کمک افراد تازه‌کار تقویت کنند. هنگامی‌که گری لاومن (Loveman became) به سمت مدیر اجرایی Harrah’s رسید، یک گروه از کارشناسان آماری را استخدام کرد که بتوانند کمپین‌های بازاریابی و برنامه‌های وفاداری مشتریان را طراحی و پیاده سازی کنند. در عین حال، کارکنان فعلی نیاز به آموزش گسترده ای دارند. آن‌ها باید بدانند که چه اطلاعاتی در دسترس است و تمام راه‌هایی که می‌توان اطلاعات را تحلیل کرد، بررسی کنند و با داده‌های از دست رفته به درستی برخورد نمایند. یکی از مدیران شرکت Procter & Gamble پیشنهاد می‌کند مدیران باید زمان بیشتری تا یادگیری تمام جوانب این روش کمّی در اختیار داشته باشند.

روتولف ویرچو (Rudolph Virchow)، آسیب شناس آلمانی، به وضوح به وظیفه علم به عنوان «از بین برنده‌ی محدودیت‌های دانستن» اشاره می‌کند. شرکت‌های تحلیل‌گر هدف مشابهی را دنبال می‌کنند، گرچه جهانی که آن‌ها می‌خواهند بشناسند بسیار به رفتارهای مشتری، حرکت محصول، عملکرد کارکنان و واکنش‌های مالی وابسته است. هر روزه پیشرفت در فناوری و روش‌ها، شرکت‌ها را بهتر و بهتر در مقابل بحران‌های عملیاتی یاری می‌کند.

منبع

 

بر اساس رای ۲ نفر
آیا این مطلب برای شما مفید بود؟
شما قبلا رای داده‌اید!
اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.