تحلیل داده و آسیب‌های آن – قسمت دوم

جادوبی تحلیل داده, داشبورد تحلیل داده و آسیب‌های آن – قسمت دوم

تحلیل داده داشبورد

تحلیل داده و آسیب‌های آن – قسمت دوم

در نوشته قبل با تعریف ساده و شفافی از تحلیل داده آشنا شدیم:

تحلیل داده، فرآیند بررسی، مرتب سازی، تبدیل و مدل سازی داده با هدف کشف اطلاعات مفید، پیشنهاد کردن، نتیجه گیری و پیشتیبانی از تصمیم‌گیری است.

و در انتها، به این موضوع اشاره شد که تحلیل داده نیز می‌تواند یک چاقوی دو لبه باشد. پس بهتر است پیش از بکارگیری آن با آسیب‌های آن بیشتر آشنا شوید.

در این نوشته قصد داریم تا به آسیب‌های استفاده از تحلیل داده بپردازیم.

آسیب اول – ظهور بدیهیات و مهملات

با ارزش‌ترین خروجی تحلیل داده، گزاره‌های دانشی (کشفیات) است؛ گزاره‌هایی که بتازگی کشف می‌شوند و بر دانش ما از سیستم تحت مطالعه می‌افزایند. با این همه، از آنجا که عمده فعالیت‌های مرتبط با فرآیند تحلیل داده توسط کامپیوتر انجام می‌گیرد، همه خروجی‌های آن گزاره‌های دانشی (مفید) نیست. اغلب خروجی‌ها گزاره‌هایی است که شناخته‌شده و بدیهی به نظر می‌رسند (بدیهیات). اینها می‌توانند مهر تاییدی بر درک ما از سیستم تحت مطالعه باشند. حتی ممکن است گزاره‌های ناقصی هم در خروجی تحلیل داده ظاهر شوند که به هیچ کار نیایند (مهملات). اینها به دلیل ناکافی بودن داده یا دلایل دیگر ظاهر می‌شوند که فعلا می‌توان به آنها توجه نکرد!

به عنوان یک مثال تصویری به شکل زیر توجه کنید. در این تصویر بدیهیات (محیط)، مهملات (نقش‌های پیرامون جغد) و کشفیات (خود جغد) در یک قاب نشان داده شده‌اند.

ظهور بدیهیات و مهملات در تحلیل داده

 

آسیب دوم – بی‌حسی نرم‌افزاری

فرآیند تحلیل داده برای بعضی‌ها از دانلود، نصب و راه‌اندازی نرم‌افزار تحلیل داده شروع می‌شود و در ادامه نیز صرفا به آشنایی با نحوه وارد کردن داده و فشردن دکمه تحلیل و بررسی خروجی خلاصه می‌شود. نرم‌افزارهای امروزی بخش زیادی از کارها را به طور خودکار انجام می‌دهند و تحلیلگر را از بسیاری از امور بی‌نیاز می‌کند. در این شرایط، بعید نیست تحلیلگر کار را تمام شده فرض کند و نسبت به انجام اصلی‌ترین مراحل تحلیل داده، بی‌حس شود. اصلی‌ترین مرحله تحلیل داده این است که تحلیلگر، به دور از نرم‌افزارها و کارکردهای آن، و صرفا منطبق و متناسب با مساله و شرایط آن، فرآیند موردنیاز برای تحلیل داده را ترسیم کند. سپس ببیند به چه ابزار یا ابزارهایی برای رسیدن به مقصد نیاز دارد.

مایلید با یک ابزار متفاوت تحلیل داده آشنا بشید؟

دوستی می‌گفت که فردی از او در زمینه انجام یک «پروژه تحلیل داده» کمک خواسته است. می‌گفت مساله او را دیدم و از او درباره داده‌اش هم پرسیدم. متوجه شدم که می‌خواهد رفتار فروش را بر اساس فروش دو دوره در گذشته بیابد. به او گفتم که دو نقطه را به هم وصل کن، بهترین خط برازش بدست می‌آید و نیازی به پروژه و نرم‌افزار هم نیست!!

آسیب سوم – توزیع پواسون!

مفاهیم تحلیل داده و ابزارهای آن به قدری جذاب هستند که به خودی خود هم درد هستند و هم درمان! این موضوع شاید از پرتمتراق بودن اصطلاحات آن یا پیوند قوی آن با بصری‌سازی‌های چشم‌نواز نشأت گرفته باشد. مثلا وقتی کسی می‌گوید برای حل مشکل شرکت را از روش کلاسترینگ استفاده کردم کلی بر اعتبار کارش افزوده می‌شود تا این که بگوید ۱۰ درصد بازدهی شرکت را بهبود دادم. اینجاست که اصل فرآیند تحلیل داده جهت حل مساله به فراموشی سپرده می‌شود.

یک نمونه واقعی: در بدو ورود، مساله‌اش را این گونه مطرح کرد: «می‌خواهم مساله‌ای را در شرکتم با استفاده از توزیع پوآسون حل کنم». از او پرسیده شد: «خب…مساله چیست؟» گفت: «فرقی نمی‌کند مهم این است که از توزیع پوآسون حل شود!!؟!»

انجماد داده

آسیب چهارم – انجماد داده

جهان پیرامون ما مدام در حال تغییر است. داده منجمد نمی‌شود بلکه مثل رودخانه جاری است. پس چطور می‌شود که در چنین شرایطی، برخی فریب می‌خورند و با یک بار انجام فرآیند تحلیل داده و رسیدن به خروجی، کار را تمام‌شده می‌دانند؟ بله، نمی‌توان فرآیند تحلیل داده را یک بار انجام داد و یک عمر از ان استفاده کرد؛ زیرا، به محض استفاده از آن، خود ما تغییر خواهیم کرد، محیط ما و مشتریان ما تغییر خواهند کرد و شرایط متفاوت خواهد شد. در شرایط متفاوت، تحلیل‌های جدید مورد نیاز است. البته اینکه فرآیند تحلیل داده بخواهد به طور مداوم در قالب پروژه‌های متعدد انجام شود غیراقتصادی و غیرمعقول است. چاره کار این است که بخش عمده این تحلیل‌ها به ابزار قدرتمندی بنام داشبورد مدیریتی سپرده شود.

همین الان یک داشبورد مدیریتی مال خود کنید

 

مطالب پیشنهادی

درج دیدگاه

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

*