ارتباط بیگ‌دیتا و مدیریت دانش

بیگ‌دیتا، متاداده، بزرگ‌داده، عظیم داده یا کلان داده، مفهومی گسترده برای تعریف مجموعه‌های پیچیده و بزرگ از داده‌هاست که به‌وسیله ابزارهای سنتی، قابل‌پردازش نیستند و مسائلی چون تحلیل، دریافت، گزینش، اشتراک، انتقال و امنیت داده‌ها با افزایش حجم و تنوع آن‌ها برای کاربران حوزه‌های گوناگون چالش‌برانگیز شده است.در این مطلب به بررسی ارتباط بیگ‌دیتا و مدیریت دانش می‌پردازیم.

ویژگی‌های کلان‌داده

کلان‌داده ویژگی‌هایی دارد که آن را از انواع دیگر داده‌ها متفاوت می‌کند. این موارد عبارت‌اند از:

 حجم 

اصلی‌ترین ویژگی آن حجم است، این داده‌ها به‌طور مداوم از حجم با مقیاس ترابایت به حجم‌های پتابایت، اگزابایت و زابایت در حال رشد هستند.

 گوناگونی

داده‌های ساختارمند و غیر ساختارمند و امکان تبدیل شدن داده‌های ساختارمند به داده‌های غیر ساختارمند. با گسترش داده‌های دیجیتالی، تنوع داده‌ها از جالب‌ترین توسعه‌های فناوری به شمار می‌رود.

داده‌های سنتی (ساختارمند) شامل مواردی چون تاریخ، مبلغ و دیگر اطلاعات حساب‌های بانکی می‌شود. این داده‌ها به‌آسانی در بانک داده‌ها جای می‌گیرند و با ساده‌ترین ابزارها تحلیل می‌شوند. در این میان با پیدایش داده‌های ساختارنیافته (همانند صفحات وب، پایگاه‌های خبری، فایل‌های صوتی، تصاویر  MRI و غیره) که متا مدلی برای تعریف آن وجود ندارد، داده‌های گوناگون شکل می‌گیرند. بدین ترتیب بهره‌گیری از داده‌های ساختار نیافته، شناور شدن در مجموعه‌ای از داده‌ها به‌دوراز قوانین سخت حاکم بر آن‌ها را به همراه خواهد داشت. یک تصویر با صدای ضبط‌شده، ساختارهای متفاوتی دارند، اما ایده و افکاری را بیان می‌کنند که برگرفته از درک انسانی است. یکی از اهداف کلان داده این است که به کمک فناوری، داده‌های ساختارنیافته را دریافت و از آن مفاهیم قابل‌درک استخراج کند.

شتاب

به جریان داده یا تبدیل داده‌ها از داده‌های گروهی به داده‌های تکه‌تکه شده، شتاب داده می‌گویند. این مفهوم، تعیین‌کننده سرعت تولید و پردازش داده‌ها در برابر درخواست‌ها و پاسخ‌ها است. مرور مطالعات کلان داده‌ها نشان می‌دهد که تا سال ۲۰۱۱ تنها سه ویژگی از آن موردتوجه قرار گرفته است. این در حالی است که هم‌اکنون با گسترش ورود این مفهوم در حوزه‌های گوناگون، به سه ویژگی جدید در توصیف کلان داده اشاره می‌شود که عبارت‌اند از:

  درستی

با افزایش کاربرد مفهوم کلان داده‌ها، اعتبار منابع و محتوای آن نیز موردتوجه قرار گرفت. برای نمونه، هنگامی‌که کاربران از سیستم‌های پرداخت برخط  استفاده می‌کنند، صفحه‌ای که باز می‌شود می‌تواند از سوی یک هکر باشد یا با پروتکل تبادل داده‌های امن انجام شود؛ بنابراین درستی یا نادرستی داده‌ها برای کاربران اهمیت پیدا می‌کند.

تغییرپذیری

داده‌ها مدام تغییر می‌کنند که این ویژگی می‌تواند سبب عدم انسجام داده‌ها شود و از پردازش مؤثر داده‌ها جلوگیری کند.

 پیچیدگی

این ویژگی، مفاهیم مربوط به بافت داده‌های تولیدشده را موردتوجه قرار می‌دهد، بدین معنا که داده‌های تولیدشده در کنار یکدیگر، می‌توانند مفهومی را تولید کنند. هدف اصلی پردازش، تولید مفهوم از داده‌های خام است و زمانی می‌تواند آن را استخراج کند که بافت را به‌درستی بشناسد، اما گاهی بافت خود مبهم می‌شود. در کنار این ویژگی‌ها، آنچه بیگ‌دیتا‌ها را به‌واقع بزرگ می‌کند، استمرار تولید داده در طول زمان یا مکان است.

از سوی دیگر، در اواخر قرن بیستم با تکامل فناوری اطلاعات و پیشرفت‌های شگرف علمی و صنعتی در سازمان‌ها، استفاده از مدیریت دانش در سرلوحه کار سازمان‌ها و مدیران قرار گرفت، سازمان‌ها متوجه شدند.

که دانش و مدیریت آن یک سرمایه گران‌بهاست که به دست آوردن آن از الزامات هر سازمان صنعتی و خدماتی است، در همین رابطه پیتر دراکر در کتاب خود تحت عنوان «جامعه پساسرمایه‌داری» این مفهوم از دانش سازمانی را مورد تأیید قرار می‌دهد؛ مهم‌ترین منبع اقتصادی، یعنی ابزارهای تولید، دیگر سرمایه، منابع طبیعی یا نیروی کار نیستند، این منبع اقتصادی بنیادی دانش است و خواهد بود.

تعداد زیادی از مدیران سازمان‌ها، اکنون این واقعیت را به رسمیت می‌شناسند که دانش به‌خصوص دانش مبتنی بر اطلاعات می‌تواند اسلحه‌ای قدرتمند و راهبردی در کسب‌وکار به شمار رود. این دانش دارایی است که سازمان را قادر می‌سازد به مزیت‌های رقابتی و معناداری دست یابد. مدیریت دانش به‌صورت سازمان دادن برای دانستن، کوششی هماهنگ برای کسب دانش حیاتی سازمان، اشتراک دانش میان یک سازمان و برجسته کردن در حافظه جمعی سازمانی برای بهبود تصمیم‌گیری، افزایش بهره‌وری و نوآوری تعریف کرد؛ بنابراین مدیریت دانش شامل کسب دانش، خرد و تجربیات باارزش کارکنان، تسهیل، بازیابی مجدد و نگهداری آن به‌عنوان دارایی سازمانی است، مدیریت دانش کوششی است برای تبدیل دانش کارکنان (سرمایه انسانی) به دارایی مشترک سازمانی (سرمایه فکری ساختاری)

شش مرحله بیگ‌دیتا و مدیریت دانش

مرحله اول: شناسایی دانش:

شناسایی دانش بیرونی به معنی توصیف و تحلیل محیط دانش سازمان است. اکنون به‌طور شگفت‌انگیزی، شمار زیادی از سازمان‌ها در تهیه تصویری کلی از مهارت‌ها، اطلاعات و داده‌های درونی و بیرونی خود دچار مشکل‌اند. این عدم شفافیت به ناکارآمدی تصمیمات غیررسمی و دوباره‌کاری‌ها می‌انجامد. پس مدیریت اثربخش دانش باید شفافیت کافی درونی و بیرونی را تضمین کند و به کارکنان کمک کند تا آنچه را که نیاز دارند، بیابند.

مرحله دوم: اکتساب دانش:

سازمان‌ها بخش مهمی از دانش خود را از منابع بیرونی وارد می‌سازند. روابط با مشتریان، تهیه‌کنندگان، رقبا و شرکا در کارهای جمعی، پتانسیل چشمگیری در تهیه دانش دارد، پتانسیلی که ندرتاً به‌طور کامل مورد بهره‌برداری قرار می‌گیرند. سازمان‌ها می‌توانند دانشی را که خود قادر به توسعه آن نیستند از متخصصان با دیگر سازمان‌های مبتکر بخرند.

مرحله سوم: توسعه دانش:

توسعه دانش، عنصری بنیادی است که اکتساب دانش را تکمیل می‌کند، بر مهارت‌ها و تولیدات جدید، ایده‌های بهتر و فرآیند کارآمدتر تمرکز دارد. توسعه دانش در بردارنده همه تلاش‌های مدیریتی است که آگاهانه بر تولید توانایی‌هایی تمرکز دارند که هنوز در درون سازمان ارائه نشده‌اند یا حتی هنوز در درون یا بیرون آن وجود ندارند. به‌طورمعمول، توسعه دانش در بخش تحقیق در بازار سازمان یا در بخش تحقیق و توسعه آن صورت می‌گیرد، اما دانش مهم می‌تواند از دیگر بخش‌های سازمان هم سرچشمه بگیرد. وقتی که از دیدگاه مدیریت دانش بررسی کنیم، حتی فعالیت‌هایی که در گذشته تنها به‌عنوان فرآیندهای تولید تلقی می‌شدند، می‌توانند تحلیل و بهینه‌سازی شوند تا دانش به بار بنشیند.

مرحله چهارم، اشتراک و توزیع دانش:

شرط لازم برای تبدیل اطلاعات و تجارب منفک به آنچه که کل سازمان بتواند از آن استفاده کند، توزیع و اشتراک گذاشتن دانش در درون سازمان است. ضرورتی ندارد که هرکسی هر چیزی را بداند، بالعکس اصل تقسیم کار مستلزم مدیریت و توصیف معنی‌دار گستره توزیع دانش است. مهم‌ترین گام، تحلیل انتقال دانش از فرد به گروه با سازمان است توزیع دانش، فرآیند به اشتراک گذاشتن و گسترش دادن دانش است که اکنون در درون سازمان اجرا می‌شود.

مرحله پنجم: به‌کارگیری از دانش:

تمام سعی مدیریت دانش بر آن است تا اطمینان حاصل کند که آیا دانش موجود سازمان به‌طور مفیدی در جهت منفعت آن به کار برده می‌شود. متأسفانه، شناسایی و توزیع موفقیت‌آمیز دانش مناسب تضمینی به وجود نمی‌آورد که این دانش در فعالیت‌های روزمره سازمان به کار گرفته خواهد شد.

موانعی وجود دارند که مانع استفاده از دانش بیرونی می‌شوند. پس گام‌هایی باید برداشته شود تا این تضمین حاصل آید که مهارت‌های ارزشمند و دارایی دانش مانند پروانه‌های ثبت اختراع و مجوزها کاملاً مورد بهره‌برداری قرار می‌گیرند.

مرحله ششم: نگهداری دانش:

قابلیت‌هایی را که در گذشته فراگرفتیم، به‌طور خودکار و در تمام مدت در دسترس نیستند، نگهداری گزینشی اطلاعات، مدارک و تجارب به مدیریت نیاز دارد، سازمان‌ها معمولاً به دلیل اینکه سازمان‌دهی مجدد، به قیمت از دست دادن بخشی از دانش آن‌ها تمام شده است، اظهار نارضایتی می‌کنند. پس فرآیندهای گزینش، ذخیره‌سازی و روزآمد کردن منظم دانش که دارای ارزش بالقوه‌ای برای آینده است، باید به‌دقت سازماندهی شوند. اگر این کار صورت نگیرد، ممکن است که تخصص‌های ارزشمند به‌سادگی دور انداخت شوند. نگهداری دانش به استفاده مؤثر از دامنه وسیعی از رسانه‌های ذخیره سازمانی بستگی دارد.

اگرچه طی این سال‌ها سازمان‌ها و سازمان‌های تجاری با بهره‌گیری از برنامه‌ریزی منابع سازمانی و مدیریت یادگیری، اطلاعات بسیاری تولید کرده‌اند که انباشت و تحلیل آن‌ها چندان موردتوجه نبوده است، اما در سال‌های اخیر گسترش به‌کارگیری اینترنت از یک‌سو و تحولات اجتماعی از سوی دیگر، روند رشد اطلاعات را به‌طور چشمگیری افزایش داده است.

مدیران کارآمد امروزی باید داده‌های موردنیاز خود را از نظام‌های تولیدی، پایگاه داده‌ها و منابع داخلی و خارجی متعددی به دست آورند.

این‌گونه مدیران برای این که بتوانند از مزیت‌های رقابتی برخوردار شوند باید داده‌های کلان خام را تجزیه‌وتحلیل، تفکیک، همبسته‌سازی و مقابله نموده، آن‌ها را به اطلاعات معنادار سازمانی تبدیل و سپس این اطلاعات معنادار را به دانش مفید مبدل سازند، روش ایده‌ال عبارت است از توزیع و تقسیم این اطلاعات، به‌طوری‌که ضمن انجام آن، فرآیندی آغاز شود که بتواند دارایی‌های دانشی سازمان را افزایش دهد. سرانجام این که مدیران باید بتوانند دانش سازمانی ناشی از داده‌های کلان را به موفقیت در کسب‌وکار تبدیل کرده و با به‌کارگیری آن‌ها مزیت رقابتی، رشد پایدار و افزایش منافع ایجاد نمایند.

رشد سریع ابزارهای مختلف تحلیلگر و ابزارهایی که گونه‌ای از هوشمندی را برای سازمان به ارمغان می‌آورند، مشخص می‌سازد که دارایی‌های نامشهود سازمانی را می‌توان در نقاط مختلفی در داخل و خارج از سازمان جستجو کرد. این دارایی‌های دانشی فراتر از چیزی است که در گذشته به‌عنوان دارایی‌های نامشهود سازمانی در نظر گرفته می‌شد و برای مدیریت، به رویکردهایی مبتنی بر کلان داده نیاز دارند. داده‌هایی را که می‌توان از آن‌ها به‌عنوان ورودی برای تکنیک‌های بیگ‌دیتا و مدیریت دانش استفاده کرد، شامل داده‌های بازار، داده‌های منابع انسانی، داده‌های نتایج عملکردی سازمان و داده‌های مشتریان و رفتارها و عملکرد آن‌ها می‌باشد. به زبان ساده، ارزشی که تحلیل کلان داده از دید مدیریت دانش برای سازمان خلق می‌کند.

توانمندسازی سازمان در فهم این است که چه اقدامی انجام داده، اثرات این اقدام چه بوده و چه توصیه‌ها و نکاتی در مورد اقدام لازم در شرایط فعلی در دل داده‌ها نهفته است. در اصل تحلیل کلان داده را می‌توان شیوه‌ای برای خلق دانش در سازمان دانست. در رویکرد مبتنی بر کلان داده، تمامی داده‌های فرآیندی و تراکنشی در حوزه‌های عملکرد سازمان، مدنظر قرار خواهند گرفت.

بیگ‌دیتا و مدیریت دانش

با افزایش حجم داده‌ها، افزایش سرعت تولید ورودی‌ها و خروجی‌ها و گوناگونی داده‌ها و همچنین با در نظر گرفتن کاهش هزینه‌های مرتبط با ابزارهای فناوری اطلاعات، تحلیل گسترده‌تر پایگاه‌های داده و منابع اطلاعاتی جدید بیش از گذشته امکان‌پذیر خواهد بود و این امر موجب بهبود تصمیمات استراتژیک، تاکتیکی و عملیاتی خواهد شد. توجه به این نکته حائز اهمیت است که اندازه پایگاه‌های داده، فقط یکی از اجزاء معادله است. بر اساس رویکردهای مبتنی بر دانش و هوشمندی سازمانی، حجم واقعی اطلاعات تا زمانی که نتوان از آن‌ها بینشی استخراج نمود، نمایان نخواهد شد و این جایی است که توجه به بیگ‌دیتا و مدیریت دانش جهت تسهیل فرآیندهای تصمیم‌گیری، موردنیاز خواهد بود. تسهیل فرآیند تصمیم‌گیری فقط زمانی صورت خواهد گرفت که از تکنیک‌های تحلیلی به‌خوبی استفاده شده باشد و طی این فرآیند، تعاملات انسانی نیز تا حد لازم دخیل بوده باشد.

نویسندگان:

علیرضا سالک‌مقدم، رئیس اداره توسعه دانش و مدیریت بانک آینده

محدثه صادقی، مدیر گروه برنامه‌ریزی اشتراک دانش بانک آینده