داتا
منو موبایل

داتا

چرا با رویکردهای سنتی، نمی‌توان سواد داده را آموزش داد؟

سواد داده، آموزش ریاضی نیست که بتوان آن را پای تخته سیاه و با رویکردهای سنتی به مخاطبان آموزش داد. زیرا این روشهای معمولی با غفلت از برخی جزییات، می‌توانند برای کسب‌وکارها، خصوصا شرکتهای بزرگتر، میلیون‌ها دلار آب بخورند. شاید برایتان سوال باشد که چگونه؟ باید در پاسخ به این سوال به کاهش بهره‌وری و در نهایت از دست رفتن تعامل مشتریان اشاره کرد. سازمانهای پیشرو با تعریف برنامه‌های اختصاصی و شخصی‌سازی شده برای آموزش سواد داده، بهبود نرخ بهره‌وری را در دستور کار خود قرار می‌دهند. این برنامه‌ها به‌گونه‌ای طراحی می‌شوند که کاملا با نیاز هر واحد مشخص از سازمان مطابقت داشته باشند و با ذکر مثال‌های مرتبطی از کاربردهای این آموخته‌ها در دنیای واقعی، تلاش می‌کنند که سواد داده را در وجود کارکنانشان نهادینه کنند.

تصور کنید در فروشگاهی قدم می‌زنید و پرسنل فروشگاه، به تمامی مشتریان، فارغ از سن، اندازه، استایل و موقعیت، یک ست مشخص را برای پرو کردن پیشنهاد می‌دهند. یا تصور کنید در فرآیند آموزش یک زبان جدید، صرفا عبارات کلی به شما آموزش داده شود و هیچ عبارتی که ارتباطی با کار و زندگی روزانه شما داشته باشد، در برنامه قرار نگیرد؛ آیا چنین آموزش زبانی دردی از شما دوا خواهد کرد؟ یا حتی تصور کنید که بنا باشد با آموزش از روی دستورالعمل‌های یک کتاب و بدون لمس فرمان و گاز و ترمز و یا قرار گرفتن در شرایط ترافیک، رانندگی یاد بگیرید. آیا با این روش چیزی می‌آموزید؟

تمام مثال‌های ذکر شده، دقیقا به همان اتفاقی اشاره دارند که با تعریف یک برنامه آموزشی خشک و آکادمیک برای آموزش سواد داده به اعضای سازمان رخ می‌دهد؛ آن هم چیزی نیست جز «نیاموختن». هیچ‌گاه نمی‌توان انتظار داشت که یک برنامه آموزشی کلی که برای ارائه به همه تدوین شده باشد، بتواند برای همه بازدهی خوب داشته باشد. این غیرممکن است. مثل اینکه فارغ از مقصدی که افراد دارند، به همه یک نقشه دهید و از آنها بخواهید حرکت کنند!

تیم‌های فروش اساسا درصدد درک الگوهای رفتاری مشتریان هستند و با یک تیم مالی که درصدد تحلیل شاخص‌های ریسک است، رویکرد مشابهی ندارند. کما اینکه آموزش زبان فرانسوی برای سرآشپزی که قرار است در آن کشور آشپزی کند، با آموزش این زبان به کسی که قرار است جلسات تجاری بین‌المللی را مدیریت کند متفاوت است. زیرا هر یک دایره واژگان متفاوتی نیاز دارند و یک برنامه آموزشی مشخص و واحد، نمی‌تواند نتیجه چندان موفقیت‌آمیزی برای این دو دسته در پی داشته باشد .

زمانی که یک سازمان در یک برنامه عمومی آموزش سواد داده ثبت‌نام می‌کند، برای اعضای تمامی تیم‌ها، نیازها، اهداف و چالش‌های مشابهی در نظر گرفته می‌شود و آموزش سواد داده به همه آنها با رویکردی یکسان به پیش برده می‌شود. عواقب و خسارات دنبال کردن چنین رویکردی، به اتلاف بودجه صرف شده برای آموزش محدود نمی‌شود؛ زیرا زیان تمامی فرصت‌هایی که در اثر ناقص بودن سواد داده‌ای کارکنان مورد غفلت قرار می‌گیرند، فرآيندهای تصمیم‌گیری که به کندی پیش می‌روند و مزیتهای رقابتی که از دست می‌روند، همگی به حساب سازمان نوشته خواهد شد و به تدریج خود را در صورت وضعیت مالی شرکت نشان خواهد داد.

بر اساس نتایج بررسی‌های گارتنر، ضعف کیفی داده‌ها به صورت متوسط سالانه ۱۲.۹ میلیون دلار برای شرکتها آب می‌خورد؛ زیانی چشمگیر که اغلب به شکافهای سواد داده در تیم‌ها بازمی‌گردد. وقتی کارکنان سازمان فاقد مهارت مناسب برای درک، مدیریت و تفسیر صحیح داده‌ها باشند، کیفیت از دست می‌رود و نتیجه آن چیزی جز ناکارآمدی، خطا و از دست رفتن فرصت‌ها نخواهد بود. نکته ناراحت‌کننده دیگر آن است که پژوهش‌های انجام شده نشان می‌دهند که تنها ۲۴ درصد از تصمیم‌سازانی که در یک برنامه عمومی آموزش داده شرکت کرده‌اند، خود را در زمینه داده باسواد می‌دانند. اینها صرفا آمار نیستند. بازتابی از اتفاقاتی واقعی‌اند که سازمانها در دنیای واقعی هر روز با آنها مواجه می‌شوند. این درحالی است که به طور کلی جهان به سمت داده‌محوری در حرکت است و داشتن سواد داده به ضرورتی اجتناب‌ناپذیر برای تضمین کیفی داده‌ها و حفظ مزیت رقابتی تبدیل شده است.

هزینه‌های پنهانی که احتمالا به آنها توجه نکرده‌اید

هزینه‌ای که اجرای یک برنامه آموزشی عمومی ارتقا سواد داده برای سازمان به دنبال دارد، بیش از هزینه‌ای است که صرف برگزاری این دوره شده و برای درک هزینه‌های اصلی، باید پیامدهای محدود شدن به این برنامه عمومی را در نظر داشت. شماری از هزینه‌های معمولی که در چنین شرایطی مورد غفلت قرار می‌گیرند عبارتند از:

بهره‌وری نامناسب: وقتی کارکنان نتوانند برای انجام وظایف روزانه‌شان با آن برنامه آموزشی عمومی ارتقا سواد داده ارتباط برقرار کنند، بخش زیادی از زمان ارزشمندشان را برای برگردان مفاهیم به برنامه‌های عملی و قابل‌اجرا صرف خواهند کرد. بررسی‌های یک مرکز بهداشت و درمان نشان داد که پرستارهای بخش‌ها، چیزی در حدود یک ساعت از زمان شیفتشان را برای برگردان مفاهیمی که با محوریت صنعت خرده‌فروشی به آنها آموزش داده شده بودند، صرف می‌کنند تا بتوانند آن مفاهیم را با نیازهای بخش بهداشت و درمان و بیماران سازگار کنند؛ زمانی که می‌توانست صرف نگهداری بهتر از بیماران شود، اما با یک غفلت از بین رفته است.

از دست رفتن فرصت‌ها: برنامه‌های آموزشی عمومی، اساسا در پرداختن به چالش‌های خاص یک صنعت ناکام می‌مانند و منجر به غفلت از برخی بینش‌ها و از دست رفتن فرصت‌های ناب خواهند شد. زمانی که تیم یک کسب‌وکار تولیدی، بر اساس برنامه‌ای که برای یک صنعت خرده‌فروشی تدوین شده آموزش ببیند، در درک الگوهای اساسی تولید داده توفیقی پیدا نخواهد کرد. وقتی تحلیلگران مالی گرفتار این سناریوهای آموزشی عمومی می‌شوند، از برخی شاخص‌های اساسی و مهم ارزیابی ریسک که در صنعت مالی اهمیت زیادی دارد غافل می‌مانند و از این طریق فرصت‌های زیادی را از دست می‌دهند.

عدم تعامل کارکنان: شاید یکی از بدترین هزینه‌های محدود کردن سازمان به یک برنامه عمومی آموزش سواد داده را باید در اثر منفی آن بر انگیزه و شوق کارکنان دید. وقتی کارکنان حس کنند که آموزش‌ها و راهکارهای ارائه شده به قدر کافی به کارشان مرتبط نیست، از تعامل و همراهی سازنده دست می‌کشند. برخی گزارش‌های ارائه شده از سوی سازمانها پس از برگزاری دوره‌های عمومی ارتقا سواد داده نشان داد که احتمالا بیش از ۴۵ درصد کارکنان، در برابر اقدامات و نوآوری‌های آتی سازمان در زمینه داده مقاومت خواهند داشت و این مساله به شکل‌گیری فرهنگ مقاومت در برابر تصمیم‌گیری داده‌‌محور خواهد انجامید.

اتلاف زمان ناشی از ضعف سواد داده

زمانی که نقش‌های سازمان با سواد به‌کارگیری بهینه داده‌ها عجین نشده باشد، کارفرما با پدیده‌ای مواجه خواهد شد که از آن با عنوان «مالیات زمانی» (time tax) یاد می‌شود. این عبارت به زمان بیشتری اشاره دارد که کارکنان فاقد مهارت کافی و یا اعتمادبه‌نفس، برای حل چالش‌ها و مسائل مرتبط با داده‌ها صرف خواهند کرد و در نهایت به افت بهره‌وری می‌انجامد. در ادامه به بررسی چگونگی اثرگذاری اجرای یک برنامه آموزشی ضعیف برای سواد داده می‌پردازیم و تشریح می‌شود که چگونه جایگزینی چنین برنامه‌ای با یک برنامه اختصاصی و به اصطلاح «تن‌دوخت» (Tailored) می‌تواند به کاهش چنین پیامدهایی بینجامد:

به تنگنا افتادن فرآيند آماده‌سازی داده: به‌طور معمول، متخصصان داده چیزی در حدود ۵۰ تا ۸۰ درصد از زمان خود را صرف آماده‌سازی (از پاکسازی و سازماندهی تا ساختاربندی) داده‌ها می‌کنند. اینکه اعضای سازمان به میزان کافی در زمینه سواد داده ماهر باشند، باعث بهبود کیفیت داده‌ها می‌شود و متخصصان داده را قادر می‌سازد بتوانند به جای درگیر شدن با ساماندهی داده، بخش اعظم تمرکز خود را روی تحلیل داده بگذارند. برنامه‌های تن‌دوخت و اختصاصی ارتقا سواد داده، باعث می‌شود کارکنان غیرفنی بتوانند امور مرتبط با داده را با کیفیت بهتری انجام دهند و از این طریق، پیامدها کاهش یابد.

اضافه بار ناشی از نیاز به صحت‌سنجی: به طور معمول، متخصصان داده بیش از ۴۰ درصد زمان کلی فرآیند تحلیل داده را صرف صحت‌سنجی داده‌ها می‌کنند تا مطمئن شوند داده‌های موجود برای انجام تحلیل و ارزیابی و انجام یک تصمیم‌گیری داده‌محور به میزان کافی معتبرند. بدون وجود سیستمی که ارتقا سواد داده در سازمان را تضمین کرده باشد، مدیریت گسسته داده‌ها و درک اشتباه استانداردهای داده‌ای در سراسر سازمان، بار کاری سازمان برای انجام یک تحلیل را افزایش می‌دهد. این درحالی است که وجود یک برنامه ارتقا داده که با داشتن تناسب حداکثری، با جان سازمان عجین شده باشد، به اعضای تیمهای مختلف کمک می‌کند که نقش‌های داده‌ای‌شان را به درستی درک کنند و با به‌کارگیری اصول مناسب در کارشان، نیاز به صحت‌سنجی‌های داده‌ای را به حداقل برسانند.

افت کارایی تیم‌های فروش: نبود اطلاعات تماس مناسب و دقیق در تیم‌های فروش و یا نواقص دیگری که در داده‌های مرتبط با این تیم ممکن است وجود داشته باشد، بهره ‌وری اعضای این تیم‌ها را حدود ۲۷ درصد کاهش می‌دهد. ارتقا سواد داده تیم‌های فروش به معنی آموزش اعضای تیم فروش برای وارد کردن، مدیریت و تفسیر درست داده‌های فروش از طریق ابزارهای مرتبط و مناسب است تا بتوان عملیات اجرایی را با سهولت بیشتری پیش برد و ریسک از دست رفتن فرصت‌ها را به حداقل رساند.

بدون داشتن برنامه سواد داده‌ای که مختص نقش‌های یک سازمان و صنعت مشخص تعریف شده باشد، مسائل و مشکلات زیادی که کمی پیشتر درباره آنها صحبت کردیم بر دوش کارکنان سازمان قرار می‌گیرد و در کنار افت بهره‌وری آنها، باعث غفلت از فرصت‌های ناب می‌شود. یک برنامه آموزشی اختصاصی و تن‌دوخت برای ارتقا سواد داده، این اطمینان را ایجاد می‌کند که هر یک از کارکنان سازمان، بتوانند با کارایی حداکثری به درک، اداره و تفسیر داده‌ها بپردازند و با صرفه‌‌جویی ایجاد شده در زمان و انرژی، باعث بهبود کلی عملکرد و کارایی سازمان شوند.

ماتریس زیر نشان می‌دهد که چگونه اجرای یک برنامه آموزشی اختصاصی برای ارتقا سواد داده، می‌تواند به صورت همزمان برای سازمان و کارکنانش ارزش‌آفرینی کند. این مزیت از طریق توازنی که میان بهره‌وری عملیاتی کوتاه‌مدت و مزایای استراتژیک بلند‌مدت ایجاد می‌شود به دست می‌آید.

اثرات دومینویی منفی برنامه های عمومی ارتقا سواد داده

  • پیامدهایی که ضعف در تدوین و اجرای برنامه‌های آموزشی ارتقا سواد داده می‌تواند ایجاد کند:
  • استفاده از دومین حدس برای تفسیر داده‌ها، چرخه تصمیم‌گیری را در حدود ۴۳ درصد طولانیتر می‌کند.
  • زمانی که تیم‌ها از درک مشترکی درباره داده‌ها برخوردار نباشند، همکاری‌های بین‌تیمی به شدت دشوار خواهد شد.
  • با چسبیدن کارکنان به روش‌های تجربی که آنها را به پاسخ مطلوب و مورد انتظارشان می‌رساند، در مقایسه با استفاده از بینیش‌های داده‌ای، روح نوآوری را در سازمان از بین می‌برد.
  • زمانی که رقبا با چابکی بیشتر و استفاده بهتر از داده‌ها، زودتر از شما دست به کار می‌شوند، مزیت‌های رقابتی بسیاری در سازمان از بین خواهد رفت.

چرا برنامه‌های آموزشی عمومی ارتقا سواد داده جذاب به نظر می‌رسند؟ (درحالی که در حقیقت اینطور نیستند)

مشخص است که چرا ممکن است مدیران سازمان ترجیح دهند که سراغ قفسه بروند و یک برنامه آموزشی عمومی و حاضر و آماده را انتخاب کنند؛ این برنامه‌ها اساسا چندان گران نیستند و اجرای آنها به سرعت انجام می‌شود. با این‌حال این توهم صرفه‌جویی در هزینه از طریق انتخاب یک برنامه عمومی، به طرز دردناکی باعث خطا و زیان می‌شود. زیرا اکثر سازمانها مجبور به هزینه دوباره می‌شوند؛ یکبار برای اجرای یک برنامه عمومی و درک ناکارآمدی آن؛ و بار دوم رفتن به سمت اجرای یک برنامه اختصاصی و بهینه که می‌تواند کارایی لازم را داشته‌باشد و شکاف ایجاد شده را پر کند.

اعداد اطلاعات جالبی دارند. درحالی که معمولا هزینه‌های اجرای یک برنامه آموزشی عمومی ۳۰ درصد پایین‌تر است،در نهایت سازمانها مجبور می‌شوند در بلندمدت، هزینه‌کردی دو الی سه برابری داشته باشند.

غفلت از چگونگی پیشرفت فرآیند آموزش در بزرگسالان

شکست برنامه‌های عمومی ارتقا سواد داده، تنها به ضعف محتوایی برنمی‌گردد و مشکلات بنیادی‌تری مانند غفلت از چگونگی طی شدن فرآیند آموزش در بزرگسالان نیز در آن مشاهده می‌شود. برخلاف کودکان، که فرآیند جذب اطلاعات در آنها از طریق نظریه‌ها و مفاهیم فشرده انجام می‌شود، بزرگسالان برای آموزش به بستری زمینه‌ای برای موضوع، ارتباط میان مفاهیم و آگاهی از فرصتهای کاربردی فوری برای آن آموزه‌ها نیاز دارند.

این مساله به‌خوبی گویای آن است که چرا برنامه‌های عمومی، چنین بازده پایینی دارند و مثلا زمانی که یک متخصص بازاریابی نتواند آن آموزه‌ها را با داده‌های کمپین‌هایش مرتبط سازد، یا زمانی که یک کارشناس اجرایی بخش بهداشت و درمان نتواند آن مفاهیم فشرده را به مسائل بیمار ارتباط دهد، قید تعامل با آن آموزش‌ها را زده و مسیر همیشگی آزمون و خطا و استفاده از تجربیات معمول خود را طی خواهد کرد. همین درک اشتباه از فرآیند آموزش در بزرگسالان، در ادامه به چالشی واقعی برای سازمانها تبدیل می‌شود.  

در نهایت یک برنامه اختصاصی و موفقیت‌آمیز آموزش سواد داده، به زبان خود سازمانتان با شما صحبت خواهد کرد. با چنین برنامه‌ای، تیم‌ فروش باید از داده‌های شبیه‌سازی شده فروش که آینه‌ای از داده‌های واقعی مورد استفاده سازمان هستند، بیاموزد. تیم عملیات شما باید با شاخص‌هایی که بازتابی از فرآیندهای واقعی هستند، کار کنند. تیم مالی‌تان باید از شاخص‌های مالی مدل شده روی ترندهای واقعی استفاده کند. با استفاده از چنین شبیه‌سازی‌های داده‌ای که رندوم و واقعی‌سازی‌شده که تصویری از داده‌های دنیای واقعی هستند، تیم‌های سازمان می‌توانند بدون حواس‌پرتی و ریسک‌های دنیای واقعی، از داده‌ها بیاموزند و بتوانند وظایف و نقش‌هایشان را با این خواسته‌های نوآورانه همراستا کنند.

منبع

مطالب مرتبط
ترندهای هوش تجاری

ترندهای هوش تجاری در جهان کسب‌وکار

هوش تجاری بدون شک حالا دیگر به یکی از دارایی‌های غیرقابل‌ چشم‌پوشی سازمانها -چه کوچک و چه بزرگ- تبدیل شده […]

13 دقیقه مطالعه مشاهده
هوش مصنوعی؛ نورسیده مقبول صنعت بانکی

هوش مصنوعی؛ نورسیده مقبول صنعت بانکی

با گذر زمان و فراگیری هوش مصنوعی، پذیرش جوامع نسبت به این فناوری و ابزارهای مرتبط با آن در حال […]

4 دقیقه مطالعه مشاهده
گریزی بر اهمیت اعتبارسنجی هوشمند در صنعت مالی

گریزی بر اهمیت اعتبارسنجی هوشمند در صنعت مالی

اعتبارسنجی هوشمند، رویکرد مدرنی برای ارزیابی اعتبار افراد با بهره‌گیری از پتانسیل‌های هوش مصنوعی و یادگیری ماشین است. سیستم‌های اعتبارسنجی […]

7 دقیقه مطالعه مشاهده

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *