اطلاعات ناقص خود را توجیه نکنید

روزنامه دنیای اقتصاد
نویسنده: Thomas C. Redman
مترجم: رویا مرسلی
بیشتر مدیران به این مساله اذعان دارند که پایگاه داده‌ای سازمانشان پر است از خطاها و اشتباهاتی که هر روز هزینه‌های زیادی را به سازمان تحمیل می‌کنند.
حتی بیشتر آنها مشکوک هستند که با افزایش حجم داده‌ها، این مساله نه تنها بهتر نمی‌شود بلکه بدتر شده است. با وجود این آنها معتقدند-یا امیدوارند- که این مساله بر برنامه‌ریزی و تصمیم‌گیری در سازمان اثر نداشته باشد.
متاسفانه، این امید واهی است. مشکلات ناشی از کیفیت داده‌ها در همه صنایع، شرکت‌ها، واحدهای کسب‌وکار، واحد‌ها و فرآیندها اثر می‌گذارند. کیفیت اطلاعات اثر خود را بالاخص در تصمیم‌گیری سطوح بالای سازمان نشان می‌دهد. شاید اشتباه در پایگاه داده‌ای مشتریان باعث از بین رفتن یک یا دو معامله شود. اما انبوه اطلاعات غلط می‌تواند باعث شود تصمیمات اشتباه گرفته شود که ممکن است سال‌ها به شرکت آسیب وارد كند.

تشخیص وجود اشکال اولین قدم است. بنابراین، سوالات زیر را از خود بپرسید:
• آیا واقعا من همه اطلاعات لازم را برای اخذ یک تصمیم درست دارم؟
• آیا متوجه می‌شوم این اطلاعات واقعا چه معنایی دارند؟
• آیا می‌توانم به این داده‌ها برای اخذ این تصمیم اطمینان کنم؟
• اگر به این اطلاعات اعتماد کنم، آیا این اعتماد توجیه دارد؟
موارد مربوط به کیفیت اطلاعات به شکل‌های مختلفی نمود می‌کنند-از نداشتن اطلاعاتی که واقعا به آن نیاز دارید گرفته تا اطلاعاتی که می‌توانند مورد سوء تفسیر قرار گیرند تا اطلاعاتی که اساسا قابل اطمینان نیستند. بدترین مشکل مربوط به کیفیت اطلاعات زمانی است که حتی از وجود این اطلاعات بی‌خبرید. متاسفانه این مشکل بسیار شایع نیز هست.
اولین پیامد حاصل از نداشتن اطلاعات مورد نیاز، از دست دادن حقایق مهم و نداشتن تصویر کلی از موضوع است. این مساله زیاد اتفاق می‌افتد و بالاخص در اندازه‌گیری کارآیی بیشتر آشکار می‌شود. به‌عنوان مثال، زمانی که لازم است یک شرکت یک فرآیند چندمرحله‌ای را سرعت ببخشد. مدیران میانی احتمالا درک نسبتا درستی از زمان‌بندی مرحله مربوط به خود در دست دارند اما مدیران ارشد هنوز نمی‌دانند کل فرآیند چه زمانی به اتمام خواهد رسید. علت بروز این فاصله این است که زمان سپری شده بین مراحل، اندازه‌گیری نشده‌اند. مدیران به علت نداشتن این اطلاعات قادر به اخذ تصمیمات درست درباره چگونگی و راه‌حل‌های کاهش زمان تکمیل فرآیند نخواهند بود. این مشکل بزرگی است: اگر زمان سپری شده بین فرآیندها زیاد باشد ایجاد رابطه بهتر و کارآمدتر میان فرآیندها می‌تواند تاثیر زیادی بر کاهش زمان تکمیل فرآیند داشته باشد. اما اگر زمان بین فرآیندها کوتاه باشد، سرعت کار در حین انجام هر مرحله باید افزایش یابد.
مشکل دومی که در نتیجه سوء تفسیر اطلاعات حاصل می‌شود می‌تواند طیف گسترده‌ای را شامل شود؛ از تعاریف نامربوط گرفته تا سوءتفاهم محاسباتی. یکی از مثال‌های قدیمی در این زمینه زمانی است که می‌پرسید «ما چه تعداد مشتری داریم؟» و پاسخ این است که «بستگی دارد منظورتان از «مشتری» چه باشد». یا مثلا شرکتی که من در آن کار می‌کردم فعالیت‌های فروش و بازاریابی خود را بر سهم بازار متمرکز کرده بود. هر هفته اثرگذاری فعالیت‌های هفته قبل خود را مورد ارزیابی دقیق قرار می‌داد و سهم بازار خود را با هفته‌های قبل مقایسه می‌کرد. اما با این حال شرکت این نگرانی را داشت که در اطلاعات هفتگی اختلال وجود داشته باشد و به همین خاطر یک الگوریتم هموارساز را برای رفع این مشکل به‌کار گرفت. آنها برای رفع این مشکل مانع از ورود برخی اطلاعات مربوط به اندازه‌گیری اثرگذاری شدند و این کار باعث تولید اعداد و ارقامی شد که کاملا گمراه‌کننده بودند. مثلا یک پیشرفت قابل ملاحظه واقعی در سهم بازار، در قالب الگوریتم بسیار ناچیز گزارش می‌شد.
نتیجه چه بود؟ از آنجا که رشد سهم بازار به سختی به دست می‌آید، وقتی این اتفاق رخ می‌دهد شرکت می‌خواهد این وضعیت را حفظ کند. به همین خاطر وقتی افزایش قابل‌توجهی در سهم بازار گزارش می‌شود شرکت مایل است عملکرد آن هفته را با دقت بیشتری مورد کند و کاو قرار دهد و بداند چه اقداماتی انجام داده یا نداده که باعث این رشد شده است. اما اگر پیشرفت در سهم بازار کوچک باشد، توجه کمی به آن می‌شود و فرصت‌های زیادی از دست می‌رود.در مورد مشکل سوم، من آن را این گونه تعریف می‌کنم که «نمی‌توان به کارکنان اطمینان کرد». شما اطلاعاتی را که لازم است در اختیار دارید و فکر می‌کنید معنای دقیق آن را می‌دانید. اما مطمئن نیستید این اطلاعات به اندازه کافی دقیق باشند و احتمالا از روی غریزه آن را از محاسبات خود در تصمیم‌گیری حذف می‌کنید. این مساله به‌خصوص زمانی مایوس‌کننده می‌شود که تحلیل داده‌ای بزرگی انجام می‌شود و یک دیدگاه خیره‌کننده از بطن این تحلیل حاصل می‌شود اما تیم داده‌ای 90 درصد از وقت خود را صرف تصفیه داده‌ها می‌کند. البته شما می‌دانید که آنها همه تلاش خود را کرده‌اند اما مطمئن نیستید به اندازه کافی خطاها رفع شده باشند و نه می‌توانید به خود اطلاعات اطمینان کنید، نه به تحلیل آن و نه به دیدگاهی که از آن حاصل می‌شود.هر چند هر یک از مشکلات مطرح‌شده می‌توانند در حکم یک مانع آشکار شوند اما با این حال نداشتن آن به مراتب خطرناک‌تر و ضررآفرین‌تر است. شما تصور می‌کنید تصویر کامل را در دست دارید و فکر می‌کنید معنا و تفسیر این داده‌ها را می‌دانید و براین باور هستید که این اطلاعات قابل اطمینان هستند درحالی که نمی‌دانید ممکن است موضوعی وجود داشته باشد که از اساس غلط است. مثال بالا درباره شرکتی که سهم بازار را بررسی می‌کرد مثال بسیار خوبی بود. این شرکت برای آنکه مطمئن شود اطلاعاتی که به‌دست می‌آورد دارای کیفیت بالایی است، خود را به دردسر بزرگی انداخت درحالی‌که نمی‌دانست با این کار برای خود دردسر بزرگ‌تری ایجاد کرده است. من بارها و بارها در همه سطوح با این مساله روبه‌رو شده‌ام. یک مدیر استخدام‌کننده فکر می‌کند همه اطلاعات را درباره متقاضی شغل دارد؛ یک مدیر تولید فکر می‌کند اعداد و ارقام بودجه‌ای او به‌روز هستند؛ یک مدیر آی‌تی فکر می‌کند درک کاملی از قیمت سیستم‌های شرکتی دارد؛ یک مدیر مالی فکر می‌کند هزینه قابل توجه دیگری به سه ماهه قبل اضافه نخواهد شد. البته گاهی اوقات نیز اوضاع به خوبی و طبق انتظار پیش می‌رود. گاهی اوقات ممکن است یک متقاضی شغل از آنچه مدیر تصور می‌کرد بهتر از آب درآید یا هزینه از حد تصور پایین‌تر شود. اما در اغلب موارد نتیجه پایین‌تر از حد مطلوب است. این روش درستی برای اداره یک شرکت نیست.ممکن است این بحث پیش بیاید که روح مدیریت اقتضا می‌کند که تصمیمات درست در شرایط عدم ثبات و عدم قطعیت اتخاذ شوند و اطلاعات نادرست نیز می‌توانند مصداق منبع عدم قطعیت باشند. مطرح کردن چنین مبحثی از دید من حماقت محض است به‌خصوص به این خاطر که الزامی برای آن وجود ندارد.

منبع