استفاده از کلان داده‌ها در سیستم‌های برنامه‌ریزی منابع سازمانی

امروزه کسب‌وکارها، دولت‌ها و همچنین پژوهشگران دست به تحلیل کلان داده می‌زنند. اهداف مختلفی پشت این کار وجود دارند. به عنوان مثال بسیاری از کسب‌وکارها برای اینکه بتوانند فروش خودشان را افزایش دهند، از این تحلیل‌ها بهره می‌برند. اگر حالا نگاهی به این موضوع بیندازیم، به این نتیجه دست پیدا می‌کنیم که کاربردها از این موارد فراتر رفته‌اند و می‌توانند برای طراحی یک کسب‌وکار جدید مورد استفاده قرار بگیرند. از دیگر کاربردهای کلان‌های داده می‌توانیم به طراحی کارکردها و همچنین تعریف نقش‌های جدید و نو در یک سازمان اشاره داشته باشیم. علاوه بر آن دولت‌ها و پژوهشگران گوناگونی وجود دارند که از این کلان‌ها بهره می‌برند تا بتوانند رخدادهای اجتماعی را به خوبی پیش‌بینی کنند. در حوزه بهداشت و درمان نیز شاهد کاربردهای متنوع دیگری همچون تشخیص و درمان بیماری خواهید بود.

این مطلب را به این منظور جمع‌آوری کرده‌ایم تا شما را با تاثیرات گوناگون کلان داده در صنایع مختلف آشنا کنیم. از این رو در ابتدا کاربردها را بر اساس نوع داده مورد بررسی قرار خواهیم داد. سپس تاثیراتی که بر روی حوزه‌های مختلف دارد را با شما به اشتراک خواهیم گذاشت. در انتها نیز به شما خواهیم گفت که این کلان‌ها چه تاثیراتی را بر روی کسب‌وکارها و نوع کارکرد می‌توانند داشته باشند؛ پس تا انتهای مطلب دنبال‌کننده ما باشید.

کاربردهای کلان داده بر اساس نوع داده

کاربردهایی که در کلان داده بر اساس نوع داده به چشم می‌خورند، به 5 بخش مختلف تقسیم‌بندی می‌شوند که هر یک از آن‌ها اهمیت خاص خودشان را دارند. این کاربردها گزینه‌های زیر را به خود اختصاص داده‌اند:

تحلیل ساختارمند

داده‌هایی وجود دارند که دارای ساختار هستند و برای حوزه‌های علمی و تجاری طراحی و تولید شده‌اند. عوامل مختلفی وجود دارند که می‌توانند تاثیر خود را بر روی مدیریت کردن این داده‌ها بگذارند. به عنوان مثال سیستم مدیریت داده‌ای که در این زمینه وجود دارد، باید بتواند پاسخگو باشد. روش‌های مختلفی وجود دارند که با کمک آن‌ها می‌توانید دست به تحلیل داده‌ها بزنید که مهم‌ترین آن‌ها شامل داده‌کاوی و یادگیری ماشینی می‌شوند.

تحلیل متن؛ از دیگر کاربردهای برتر کلان داده

از عمومی‌ترین شکل‌هایی که برای داده‌های ‌ذخیره‌سازی وجود دارند، می‌توانیم به تحلیل متن اشاره کنیم. محتوای تشکیل‌دهنده تحلیل متن شامل اسناد سازمان‌ها، صفحات وب و محتواهای رسانه‌ای می‌شوند. از این رو می‌توانیم اینطور بیان کنیم که تحلیل انواع متن‌ها این قابلیت را دارد تا اطلاعات بسیار بیشتری را در مقایسه با تحلیل ساختارمند در اختیار شما بگذارد. متن‌کاوی که تحت عنوان Text Mining نیز خوانده می‌شود، از جمله زمینه‌های بین رشته‌ای است و حوزه‌های مختلفی در آن دخیل هستند؛ از جمله:

• یادگیری ماشین یا Machine Learning
• تحلیل و آمار
• پردازش زبان طبیعی یا NLP
• داده‌کاوی یا Data Mining

تحلیل وب

از دیگر کاربردهای کلان داده می‌توانیم به تحلیل وب اشاره داشته باشیم. در دهه‌ای که گذشته است، صفحات وب رشد انفجاری به خود دیده‌اند. همین موضوع زمینه را برای تحلیل فراهم کرده است. تحلیل وب تمرکز خود را بر روی چیزهای مختلفی می‌گذارد؛ از جمله:

• بازاریابی
• استخراج
• ارزیابی اطلاعات و دانش مفید

همچنین به وجود آمدن این حوزه به موارد مختلفی بر می‌گردد که مهم‌ترین آن‌ها شامل پایگاه داده، بازیابی اطلاعات، متن‌کاوی و پردازش طبیعی متن می‌شوند. تحلیل وب دارای دسته‌بندی‌های مختلفی است که هر کدام ساختار مخصوص به خود را دارند. این دسته‌بندی‌ها شامل گزینه‌های زیر می‌شوند:

• کاوش محتوای وب
• کاوش ساختار وب
• کاوش کاربران وب

تحلیل داده‌های چند رسانه‌ای؛ کاربرد دیگری که از کلان داده باید بدانید

کاربردهای کلان داده تنها به همین موارد ختم نشده و شامل گزینه‌های دیگری همچون تحلیل داده‌های چند رسانه‌ای می‌شود. این داده‌ها شامل پارامترهایی همچون تصویر، صوت و ویدئو هستند. رشد این داده‌ها به صورت غیرقابل‌باوری شگفت‌انگیز است. برای اینکه بتوان به فهمی که در داخل داده‌ها وجود دارند پی برد، استفاده از این تحلیل پیشنهاد می‌شود. علاوه بر آن تحلیل داده‌های چند رسانه‌ای در زمینه استخراج اطلاعات و دانش نیز می‌تواند بسیار کمک‌کننده باشد. این داده‌ها در مقایسه با نوع ساختارمند و نوع متن اطلاعات بیشتری را در خود گنجانده‌اند. همین موضوع باعث شده تا توجه پژوهشگران بیشتر از هر چیزی به آن‌ها جلب شود. پژوهش‌های داده‌های چند رسانه‌ای دایره گسترده‌ای از حوزه‌ها را احاطه کرده‌اند که از آن‌ها می‌توانیم به گزینه‌های زیر اشاره داشته باشیم:

• خلاصه‌سازی چند رسانه‌ای
• شاخص‌گذاری
• برچسب‌گذاری داده‌های چند رسانه‌ای
• بازیابی اطلاعات چند رسانه‌ای
• پیشنهاد چند رسانه‌ای
• تشخیص رویداد

تحلیل داده‌های شبکه و اینترنت

از آنجایی که شبکه‌های اجتماعی رشد فزاینده‌ای داشته‌اند، شاهد پدید آمدن نوعی از کاربرد کلان داده تحت عنوان تحلیل داده‌های شبکه و اینترنت بوده‌ایم. پدید آمدن این کاربرد به سال 2000 بر می‌گردد. شبکه‌های اجتماعی، حجم عظیمی از ارتباطات، داده‌های محتوایی و داده‌های ارتباطی را در دل خود جای داده‌اند. از این رو می‌توان آن‌ها را در قالب ساختار گرافی به نمایش گذاشت. این ساختار می‌تواند چیزهای زیادی را در معرض دید بگذارد؛ از جمله:

• ارتباط میان موجودیت‌ها
• محتوای متنی
• محتوای تصویری
• سایر داده‌های چند رسانه‌ای

اگر در داده‌های شبکه اجتماعی وضوح بالایی وجود داشته باشد، در آن صورت می‌توانید شاهد پدید آمدن امکانات گسترده‌ای در تحلیل داده‌ها باشید. تصویر زیر بهتر می‌تواند کاربرد کلان داده بر اساس داده را به نمایش بگذارد:

تاثیر کلان داده بر استراتژی‌های کسب‌وکار

رخنه کردن کلان داده در کسب‌وکارها و سازمان‌ها با سرعت بسیاری در حال انجام است؛ به گونه‌ای که حتی سازمان‌هایی که از آن بهره نمی‌برند و یا نسبت به استفاده از آن اجتناب می‌کنند، نمی‌توانند وجود آن را نادیده بگیرند و گاهی اوقات در برابر آن از مدیریت استراتژی استفاده می‌کنند. دیر یا زود شاهد خواهید بود که کلان‌های داده پای خود را در هر سازمان و کسب‌وکاری تثبیت خواهند کرد. در آن صورت سازمان‌ها از گروه مشاوره مدیریت، مشاوره منابع انسانی و مشاور سیستم ها فرآیندها کمک گرفته تا از آن بهره ببرند. آن دسته از سازمان‌هایی که موضع درستی را در برابر کلان داده اتخاذ کرده باشند، می‌توانند به بقا امید بیشتری را داشته و در عرصه رقابت شانس بیشتری برای پیروزی داشته باشند. این فناوری نوین در هر صنعتی که به کار گرفته ‌شود، دارای مراحل بلوغی خواهد بود.

آن دسته از سازمان‌هایی که از کلان داده بهره می‌برند، به مرور زمان می‌توانند مزایای زیادی را به دست بیاورند. مزیت رقابتی نمونه‌ای از این موارد به حساب می‌آید. این سازمان‌ها در ابتدا دست به جمع‌آوری داده‌ها می‌زنند و سپس با کمک ابزارهای پیشرفته‌ای که در دسترس دارند، انواع داده‌های ساختار یافته یا ساختار نیافته را تحلیل می‌کنند. بعد از مدتی به صورت کامل ابتکار عمل را در دست می‌گیرند. نتیجه این کار دگردیسی شدن کسب‌وکار مربوط است. سپس در صنعت مربوط یک اکوسیستم را ایجاد می‌کنند و این اکوسیستم می‌تواند تبدیل به یک سکوی کلان داده شود.

قابلیتی که سازمان‌ها باید داشته باشند

سازمان‌های دیگر باید این قابلیت را داشته باشند تا در مقابل هر کدام از این بسترها مدیریت پروژه را در دست بگیرند و بهترین استراتژی‌ها را اتخاذ کنند. استفاده از این بسترها مزایای گوناگونی را با خود به همراه دارد. به عنوان مثال هزینه‌های مبادله را به طور چشم‌گیری کاهش می‌دهد. همچنین سازمان‌ها می‌توانند دسترسی بیشتری را به مشتریان داشته باشند. لازم به ذکر است در صورتی که شرایط رقابت سخت‌تر شوند، این بسترها ممکن است به صورت عکس عمل کنند. یعنی کنترل بر مشتریان آنطور که باید وجود نداشته، رفتار آن‌ها به مرور زمان تغییر پیدا کند و در نهایت بسیاری از داده‌های مهم و مفید از بین بروند. ممکن است پرسش‌های مختلفی ذهن افراد را بعد از مواجه با بسترهای کلان داده، درگیر کنند؛ از جمله:

• آیا نیاز به ایجاد بسترهای اختصاصی خود است یا قابلیت استفاده از بسترهای موجود وجود دارد؟
• کدام یک از ویژگی بستر باید مورد استفاده قرار بگیرد؟
• کدام ویژگی بستر باید رد شود تا از این طریق مزیت رقابتی در بلند مدت از بین نرود؟

بسترهای مختلف کلان داده

بسترهای کلان داده نیز ممکن دارای مدل‌های مختلفی باشند. در ادامه این مدل‌ها را به شما معرفی خواهیم کرد و توضیحات مربوطه را ارائه خواهیم داد.

• بسترهای نرم‌افزاری و زیرساختی: می‌توانیم اینطور بیان کنیم که غالبا این بستر تشکیل‌شده از خدمات یا فناوری است. این خدمات و فناوری‌ها تشکیل‌دهنده زیربنای دیگر فناوری‌ها و محصولات هستند. از جمله این محصولات می‌توانیم به نرم‌افزارهای مدیریت منابع انسانی اشاره داشته باشیم.
• بسترهای واسط: موسساتی تحت عنوان واسط بازار وجود دارند. این موسسات برای تضمین بقای خود هزینه‌های جستجو را برای گروه‌های دیگر به صورت چشمگیری کاهش می‌دهند. موتورهای جستجوگر گوگل مثال خوبی برای این موضوع هستند.
• بسترهای ارائه‌دهنده یک خدمت: این بسترها در اکثر مواقع بخش خاصی از یک صنعت را زیر نظر گرفته و سپس آن را تحت اختیار خود در می‌آورند. این بسترها سعی می‌کنند تا بر روی نقطه تماس با مشتری نظارت ویژه‌ای را داشته باشند. اگر به دنبال مثال مناسبی هستید، می‌توانیم برای شما شبکه پخش iTuns را نام ببریم.

تاثیر کلان داده بر مدل‌های کسب‌وکار

واقعیت‌های جدیدی که درباره داده‌ها وجود دارند، باعث شده‌اند تا کسب‌وکارها دارای فرصت‌های نابی شده و ایجادکننده ارزش‌ شوند. با تحلیل کلان داده کارهای مختلفی امکان‌پذیر شده‌اند که از جمله آن‌ها می‌توانیم به گزینه‌های زیر اشاره داشته باشیم:

• ایجاد دانش
• ایجاد بینش
• پیش‌بینی برای انواع اقدامات
• خودکارسازی فرایندها

با یک مثال به درک بیشتر شما کمک خواهیم کرد. به عنوان مثال فرض کنید شرکت‌های بیمه آمریکایی در زمینه پیش‌بینی وقوع طوفان فعالیت دارند. این شرکت‌ها می‌توانند زمان وقوع و جزئیاتی که مربوط به طوفان هستند را پیش‌بینی کنند. برای این کار از داده‌های مختلف بهره برده می‌شود. از دیگر کاربردهای مرسوم کلان داده می‌توانیم به گزینه‌های زیر اشاره داشته باشیم:

• • زمینه‌های بازاریابی و فروش هدفمند

• مشاوره فروش و بازاریابی

• • مدیریت فروش و مدیریت بازاریابی
  • تشخیص بیماری و درمان هدفمند
  • بهینه‌سازی زنجیره ارزش و فرایندها

• مدیریت تولید

• مدیریت ریسک و مدیریت مالی

در ادامه قصد داریم تا برخی از تاثیرات واضحی را که کلان داده بر روی کسب‌وکارهای مختلف دارد، با شما به اشتراک بگذاریم. پس در ادامه نیز ما را همراهی کنید.

نظارت بر انواع مولفه‌ها، شرایط سیستم‌ها و نگهداری مبتنی بر پیش‌بینی

شرکت‌های مختلفی وجود دارند که در حوزه‌های گوناگون بسیار فعال هستند. از جمله این حوزه‌ها و صنایع می‌توانیم به مخابرات، چندرسانه‌ای، خرده‌فروشی‌ها، بیمه، بهداشت و درمان، حمل و نقل و تدارکات اشاره داشته باشیم. درباره مشتریان و فرایندهای کاری خارجی داده‌های عظیمی جمع‌آوری شده‌اند. همین موضوع زمینه را برای تغییر وضعیت هر کدام از حوزه‌ها فراهم کرده‌اند. بینشی که از جریان این داده‌ها به دست می‌آید، در راه‌های مختلفی مورد استفاده قرار می‌گیرد؛ از جمله بهبود فرآیندها، افزایش فروش و در نهایت افزایش سهم بازار.

بهینه‌سازی زنجیره ارزش

دومین تاثیر کلان داده مربوط به بهینه‌سازی زنجیره ارزش است. سازمان‌های گوناگونی وجود دارند که داده‌های مختلف همچون آب‌وهوا، ترافیک و هر داده‌ای که بر روی حمل‌ونقل تاثیر می‌گذارند را جمع‌آوری کرده و با کمک آن‌ها باعث بهبود زنجیره ارزش غذایی خود شده‌اند. مهم‌ترین این سازمان‌ها گزینه‌های زیر را شامل می‌شوند:

• سازمان فدکس یا FedEx
• سازمان والنویس ویلهلمسن یا Wallenius Wilhelmsen
• مرسک یا Maersk

خرده‌فروشی

تاثیر بعدی کلان داده در ارتباط با خرده‌فروشی است. شرکت‌های خرده‌فروشی بزرگی وجود دارند که از داده‌های نقطه فروش و داده‌های کارکردی خود در جهات و اهداف مختلفی بهره می‌برند. از جمله این اهداف می‌توانیم به افزایش تاثیرگذاری انواع تبلیغات، بهینه‌سازی کردن انبار و همچنین زنجیره تدارکات اشاره داشته باشیم. شرکت خرده‌فروشی والمارت یا DescriptionWalmart از این شیوه استفاده می‌کند. لازم به ذکر است پیش از هر چیزی تیم مدیریت و سایر کارکنان باید در دوره های آموزش سازمانی به منظور استفاده درست از کلان داده شرکت کنند. سپس با روش شاخص ارزیابی عملکرد به میزان تاثیرگذاری این کلان‌ها پی ببرند.

والمات از این شیوه بهره می‌برد تا اجازه دسترسی سیستم‌های خود را به انواع تامین‌کنندگان صادر کند. با این کار می‌تواند خود را به یک سکوی تجاری موفق تبدیل کرده و سپس تا زمانی که مشتریان همچنان به خرید خود ادامه می‌دهند، مالکیت خود را از دست ندهد.

معرفی سیستم‌های برنامه‌ریزی منابع سازمانی (ERP) به طور خاص، به تغییرات رویه‌ای در همه حوزه‌های کاربردی نیاز دارد.

پیشرفت تکنولوژی، در گرایش به سمت تغییر عملیاتی در بسیاری سازمان‌ها کمک می‌کند. معرفی سیستم‌های برنامه‌ریزی منابع سازمانی (ERP) به طور خاص، به تغییرات رویه‌ای در همه حوزه‌های کاربردی نیاز دارد. این سیستم‌ها فرایندهای تجاری را از طریق ارائه ماژول‌های مختلفی که حوزه‌های کاربردی تجارت را ادغام می‌کنند، ساده و مؤثر می‌کنند. سیستم‌های برنامه‌ریزی منابع سازمانی به تجارت اجازه می‌دهد که فرایندهای خود را ادغام کند، بنابراین مدیران در حوزه‌های کاربردی مختلف می‌توانند از طریق یک دیدگاه متمرکزتر تصمیم‌گیری‌های خود را بهبود بخشند. این دیدگاه متمرکز در جایی است که فرایندهای مدیران با استراتژی کلی متناسب است.

در سال 2002 مشاهده شد که 67% شرکت‌های متوسط و بزرگ از سیستم برنامه‌ریزی منابع سازمانی استفاده می‌کنند و 21 % به اجرای سیستم برنامه‌ریزی مدیریت سازمانی توجه می‌کنند. در حالی که هزینه‌ها برای برنامه‌ریزی مدیریت سازمانی در سال 2004، 30 میلیارد دلار بود و انتظار می‌رفت تا چیزی حدود 150% در سال افزایش یابد.

حرکت از محیط تجاری سیلویی به سمت استفاده از سیستم یکپارچه، و همینطور افزایش گنجایش برای ذخیره داده‌های بیشتر و ارتباطات در حوزه‌های کاربردی تجاری، در را به سوی روش جدیدتری می‌گشاید: کلان داده‌ها.

اصطلاح کلان داده یک اصطلاح ذهنی است. دانگ لنی در سال 2001 برای تعریف کلان داده سه اصطلاح ارائه کرد: حجم، سرعت و تنوع. بزرگ در نظر گرفته شدن مجموعه داده‌ها به سیستم ذخیره داده‌ها بستگی دارد. اما زمانی که یک مجموعه داده برای سیستم کنونی خود بسیار بزرگ باشد و سرعت پردازش ازمیزان مناسب خود کاهش یابد، می‌توان اصطلاح کلان داده‌ها را بکار برد. در پایان، داده‌ها باید از منابع مختلف جمع‌آوری شوند، این امر به بزرگی حجم کمک می‌کند.  تکنولوژی برنامه منابع سازمانی و یکپارچگی نتیجه در بین حوزه‌های کاربردی، هر دو در طول کانال‌های ارتباطی و امتیازات داده، امکان بیشتری را برای تنوع و حجم داده‌ها فراهم می‌کند. این امر می‌تواند توسط شرکت‌ها ذخیره و تجزیه و تحلیل شوند. در سال 2012، 15 بخش از 17 بخش تجاری در آمریکا، داده‌های ذخیره شده بیشتری در هر شرکت، نسبت به کتابخانه کنگره آمریکا داشتند. این داده‌ها برای ایجاد ارتباط در تجزیه و تحلیل پیش‌بینی شده استفاده می‌شوند. تجزیه و تحلیل پیش‌بینی شده براساس تجربه کمک می‌کند که تصمیمات تجاری اصلی گرفته شوند.

شرکت‌های متوسط و بزرگ، از طریق بخش‌های چندگانه در آمریکا و در سطح بین المللی، به جمع‌آوری کلان داده‌ها تمایل دارند. در سال 2012، مطالعه‌ای بر روی 1000 شرکت، توسط مجله بررسی تجاری هاروارد، انجام گرفت .(The Harvard Business Review) در این مطالعه مشخص شد که 85% از سازمان‌ها به برنامه‌ریزی در راستای اقدامات مربوط به کلان داده‌ها پرداخته‌اند و اکنون نیز در این زمینه حال پیشرفتند. در مطالعات مؤسسه جهانی مک کنزی نیز همکاری‌های بیشتری برای اجرای کلان داده‌ها انجام خواهد گرفت. این مؤسسه دریافت که افزایش پروژه‌های کلان داده موجب می‌شود که به 140000 تا 190000 کارمند جدید با مهارت‌های تحلیلی عمیق و همین‌طور به 1.5 میلیون مدیر با مهارت در تبدیل کلان داده‌ها به تصمیمات تحلیلی مؤثر نیاز پیدا کنیم.

بیشتر سازمان‌ها، سیستم‌ها و روش‌های جدید را برای سود بردن از کلان داده‌ها معرفی می‌کنند. این در حالی است که در همین زمان تلاش برای حفظ یکپارچگی داده‌ها، از سیستم حسابداری موروثی نشأت می‌گیرد. حسابداران مدیریت در جایگاهی قرار دارند که باید به سازمان‌هایشان در رسیدن به اهدافشان کمک کنند. در طول دهه‌های گذشته حسابداران مدعی بودند که کارشان فراتر از نگه داشتن سوابق مالی و تهیه صورت‌های مالی است. این موضوع به سال 1850 برمی‌گردد، زمانی که استاد ریاضیات، دیانیسوس لاردنر تأثیر تغییرات نرخ راه آهن را براساس حجم ترافیک پیش ‌ینی کرد و در سال 1920 وقتی که چت فیلد در کتاب تاریخ تفکرات حسابداری اظهار داشت که تصمیمات مدیریت داخلی (نه فقط گزارش مالی)، یکی از مسئولیت‌های حسابدار است.

به‌کارگیری گسترده سیستم‌های برنامه‌ریزی منابع سازمانی و استفاده از کلان داده‌ها فرصتی را برای ادامه یک رسم قدیمی به وجود می‌آورد، رسمی که در آن حسابداران مدیریت ارزش بیشتری برای توانایی سازمان در تصمیم‌گیری قائل می‌شدند. حسابداران مدیریت باید پروژه را به طور کامل درک کنند. آنها بیشتر از یک منبع هستند و به عنوان یک همکار تجاری با مهارت و آگاه به اقدامات تغییر عملیاتی کمک می‌کنند. حسابداران مدیریت باید از روش‌های مدیریت تغییر عملیاتی برای موفقیت در پروژه‌های مربوط به تغییر سیستم و فرایند در اداراتشان استفاده کنند.