تحلیلگر الگوریتمی کسب و کار۲۲ مرداد, ۱۳۹۸

شرکت فورچون اصطلاح “مدیر عامل الگوریتمی” را در سال ۲۰۱۵

معرفی کرد. روندهایی که در دو سال گذشته شاهد آن بوده‌ایم اعتبار

بیشتری را به این عبارت داده است.

تحلیلگران زیادی در مورد اینکه الگوریتم‌ها چگونه باعث تحول کسب و کارها می‌شود، صحبت می­کنند. در سال‌های اخیر، ما چندین کسب و کار جدید را با تمرکز بر یادگیری ماشین، محاسبات شناختی و هوش مصنوعی مشاهده کرده ­ایم و همچنین شاهد این بوده‌ایم که تعداد زیادی از کسب و کارهای موجود با سرمایه گذاری سنگین در فن­آوری مبتنی بر کاربرد الگوریتم­ ها، به حوزه مسیر تحلیل کسب و کار الگوریتمی وارد شده‌اند. استفاده از الگوریتم‌ها معمولاً مواردی هستند که برای راهکارهای تحلیل پیشرفته داده­ های بزرگ برای بهینه­ سازی عملیات یا بهبود تجربه­ ی مشتری مورد استفاده قرار می­گیرند.عصر نوین استفاده از الگوریتم‌ها در تحلیل کسب و کار، همه عوامل اجرایی سازمان را مجبور می‌کند تا یک رویکرد جدید و متوازن را در خصوص آن اتخاذ کنند – از جمله مدیران اجرایی، مدیران ارشد بازاریابی و مدیران ارشد فناوری اطلاعات. این مسأله در مورد تحلیلگران کسب و کار که در این سال‌ها به عنوان پل میان “کسب و کار” و “فناوری” عمل کرده‌اند، به چه صورتی است؟ برای بقای کسب و کار در عصر تحلیل الگوریتمی، یک تحلیلگر کسب و کار باید چه مهارت‌هایی داشته باشد؟ یکی از راه­های پاسخ دادن به این پرسش این است که به پنج حوزه­ ی مختلف که موسسه مدیریت پروژه (PMI) برای تحلیل کسب و کار تعریف کردهاست، نگاه کنید و ببینید چه مهارت­ها و دانش­های اضافی مورد نیاز است.

۱- ارزیابی نیازها

حوزه ارزیابی نیازها به درک یک مسأله موجود در کسب و کار یا یک فرصت کسب و کار و ارزیابی ورودی­ های مختلف برای کمک به ایجاد یک راه­ حل موثر، مرتبط است. این ارزیابی برای تأیید بودجه و آغاز پروژه انجام می‌شود. تحلیلگر کسب و کار باید از فناوری‌هایی که محرک کاربرد الگوریتم‌ها در تحلیل کسب و کار هستند، استفاده کند – فناوری‌هایی مثل داده­ های بزرگ، محاسبات ابری، هوش مصنوعی، یادگیری ماشین، اینترنت اشیاء. تحلیلگر کسب و کار باید با ظرافت­ های روندهای مربوط به پروژه بیشتر آشنا باشد و این امر برای آنکه فرصت‌های کسب و کار را با شیوه ه­ای مناسب و هنرمندانه بیان کند، ضروری است.عصر الگوریتم به شدت وابسته به استفاده از داده ­ها است. ارزیابی نیازها به احتمال زیاد به ارزیابی داده برای ارائه­ ی نوآوری یا استفاده از داده‌ها برای حل یک مشکل یا بهبود نتایج کسب و کار نیاز دارد. از این رو تحلیلگر کسب و کار باید در شناسایی پتانسیل داده ­ها مهارت داشته باشد و روایت کسب و کار را با استفاده از داده­ ها بیان کند. توانایی ساخت روایت کسب و کار مبتنی بر داده­ها برای اجرای امور مختلف کسب و کار بسیار مهم است.یکی از چالش­های راه­ حل­ های الگوریتمی این است که بتوانیم ارزیابی کنیم که آیا یک راه­حل به اهدافش می­رسد یا خیر. این فرآیند ارزیابی اغلب مانند ساختن خود راه ­حل، یک فرآیند پیچیده است. به عنوان بخشی از ارزیابی نیازها، تحلیلگر کسب و کار باید بتواند فرآیند ارزیابی مورد انتظار را پوشش دهد، به طوری که تیم پروژه بتواند برای آن برنامه­ریزی کند.

۲- برنامه ­ریزی

دامنه­ ی برنامه ­ریزی شامل مدیریت موثر تمام فعالیت­های تحلیل کسب و کار مانند تعیین اقدامات مدیریتی مورد نیاز، ردیابی الزامات، کنترل تغییرات، کنترل اسناد و معیارهای پذیرش است.ایجاد معیارهای پذیرش، حوزه‌ای است که ممکن است برای یک پروژه­­ ی الگوریتمی پیچیده­ تر باشد. انتظار می­رود تحلیلگر کسب و کار اهداف کسب و کار را به اهداف یک الگوریتم خاص ترجمه و تبدیل کند. تعریف این هدف ممکن است نیاز به روشن شدن شرایط داده و مرزها داشته باشد. ممکن است لازم باشد مطالعات گسترده­ای در خصوص اطلاعات کسب و کار انجام دهید تا بتوانید این اهداف را درک کنید. همچنین ممکن است یک پلت‌فرم شبیه­ سازی برای اجرای یک الگوریتم با استفاده از داده‌های موجود مورد نیاز باشد. همچنین، در این برنامه‌ریزی باید نیاز به پلت‌فرم‌های یا داده­های اضافی نیز باید لحاظ شود. 

۳- تحلیل

دامنه ­ی تحلیل باید بر روی استنباط، تحلیل داده‌ها، پذیرش معیارها، تایید و اعتبارسنجی الزامات تمرکز داشته باشد. ممکن است نیاز باشد تا الزامات در چارچوب روند تکنولوژی که اجرای الگوریتم را هدایت می­کند تعریف شود. از این‌رو، تخصص تحلیلگر کسب و کار در شناخت روندهای مربوط تکنولوژی نیز در این فرآیند تحلیلی مورد نیاز است.

تحلیلگر کسب و کار باید متخصص شناخت داده‌ها باشد تا بتواند آن‌ها را تحلیل و ارتباط آن‌ها با کسب و کار را پیدا کند. بسته به نوع سازمان و پیچیدگی هر پروژه، یک تحلیلگر داده در هر پروژه باید وجود داشته باشد. حتی اگر یک نفر با مسئولیت تحلیلگر داده به صورت جداگانه وجود داشته باشد، تحلیلگر کسب و کار هم نیاز به داشتن سطح خاصی از مهارت در تحلیل داده­ها و تجسم آن‌ها دارد. انتظار می­رود که تحلیلگر کسب و کار بتواند ساختار مورد نظر خود را بر اساس تحلیلی که توسط تحلیلگر داده­ها ارائه شده است، تعریف کند. به عنوان مثال، تحلیلگر کسب و کار باید قادر به کشف ارتباطات داده­ ها، روندها و تناقضات – برای ایجاد یک روایت مشخص از داده‌ها باشد.شاید بپرسید در مورد بررسی شرایط مشتریان، بررسی و رسم نمودار روند کسب و کار و هر چیز دیگری که تحلیلگران کسب و کار به آن‌ها می‌پردازند، شرایط به چه صورت است؟ همه­ ی این موارد هنوز هم مهم هستند. تحلیلگر کسب و کار در واقع باید به یک سطح عمیق ­تر از دانش در این حوزه برسد، زیرا تمام این گزارش‌های استاندارد نیز به اتصال و ارتباط با سایر داده­ های کسب و کار نیاز دارند. 

۴- ردیابی و نظارت

دامنه­ ی ردیابی و نظارت مربوط به فعالیت­های مورد نیاز برای مدیریت چرخه عمر الزامات است. چرخه­ ی عمر الزامات و وظایف مدیریت چرخه­ ی عمر برای یک پروژه الگوریتمی متفاوت از یک پروژه استاندارد است. مدارک مورد استفاده برای اجرای الزامات ممکن است متفاوت باشند، اما روند کلی همچنان به صورت استاندارد باقی می­ماند. 

۵- ارزیابی

دامنه­ ی ارزیابی مربوط به فعالیت­ هایی است که نشان می‌دهند که آیا راهکار موردنظر، نیازهای کسب و کار را برآورده می­کند یا خیر. به طور معمول، یک تحلیلگر کسب و کار ارزیابی خود را از طریق برخی از آزمایش­ ها یا بررسی نتایج آزمایش از تیم تضمین کیفیت یا بررسی نسخه­ی نمایشی محصول یا ویژگی، انجام می‌دهد و این موارد در یک پروژه الگوریتمی مورد نیاز است.هنگامی که راه­ حل ایجاد شده باشد، تحلیلگر کسب و کار باید قادر به اجرای الگوریتم با استفاده از داده­های واقع­ بینانه باشد و ببیند که آیا الگوریتم اهداف خود را برآورده می­کند یا خیر؟ بسته به پیچیدگی پروژه، ممکن است نیاز به زیرساخت ­های اضافی و دخالت دیگر اعضای تیم وجود داشته ­باشد. اگر الگوریتم نتواند اهداف خود را برآورده کند، تحلیلگر کسب و کار ممکن است برای انجام تحلیل داده­ های اضافی و شناسایی شرایطی که تحت آن شکست رخ می­دهد، نیاز به اجرای فرآیندهای اضافی تحلیل داده­ی داشته باشد.

خلاصه

ضوابط استاندارد و سخت­گیرانه­ی مورد انتظار برای تحلیل کسب و کار در پروژه ­های الگوریتمی نیز اعمال می­شود. با این حال برای یک تحلیلگر کسب و کار که در عصر اطلاعات رشد کرده باشد، مهم است که این مهارت ­ها و مزیت­ های اضافی را داشته باشد.

۱. توانایی انتقال اهداف کسب و کار به معیارهای مربوطه

۲. اشتیاق برای تحلیل داده­ها

۳. علاقه­ ی شدید به روند تکنولوژی که محرک عصر الگوریتم

با داشتن این سه مزیت، یک تحلیلگر کسب و کار موفق، باعث موفقیت و سازماندهی بیشتر در اجرای تحلیل‌های الگوریتمی خود می­شود!