3 جنبه انتقادی مدیریت موثر ذینفعان برای پروژه های علم داده
۱۴۰۰/۰۸/۲۲ تاریخ انتشار

چرا برخی فراموش می‌کنند که پروژه‌های علم داده مرتبط با مردم است؟ 

برای بسیاری از ما دانشمندان داده، به دلیل علاقه به داده‌ها و ایجاد محصولات و خدماتی که برای مشتریان ارزش‌آفرنی می‌کنند به این صنعت وارد می‌شویم. داده‌ها، مدل‌ها و الگوریتم‌ها همه مربوط به مردم است و توصیف‌کننده مفاهیم مثل این موضوع است که آن‌ها چه کسانی هستند یا چه خواسته هایی دارند. ما به دنبال این موضوع هستیم که بدانیم چرا کسی یک محصول را به جای محصول دیگری می‌خرد یا چه زمانی در چرخه زندگی او رفتار خاصی ظاهر می‌شود.

به‌طور خلاصه، ما در اینجا فقط در مورد اعداد صحبت نمی‌کنیم، زیرا انسان‌ها اهمیت دارند! و این نکته در مورد تمامی پروژه‌های علم داده  صادق است. فراموش کردن این موضوع کار ساده‌ای، زیرا بخش عمده‌ای از وقت دانشمندان داده را تجزیه و تحلیل جداول و نمودارهایی می‌گیرند که با استفاده از کامپیوتر  طراحی می‌شوند و زمان کمی برای تفکر در مورد انسان‌ها باقی می‌ماند. در شرایطی که نباید از مهم‌ترین موضوع که ذینفعان هستند غافل شوید، زیرا قرار است پروژه‌ای که ایجاد می‌کنید مورد تایید این افراد قرار گیرد تا کار ادامه پیدا کند. برخی دانشمندان داده تصور می‌کنند که ذینفعان به شکل نامحدود صبر می‌کنند تا کار آن‌ها به إتمام برسد، در حالی که این‌گونه نیست. به همین دلیل است که سازمان‌های بزرگ در آگهی‌های استخدامی به مجموعه مهارت‌های نرمی مثل مدیریت خوب ذینفعان اشاره می‌کنند و پس از آن به سراغ جذب دانشمندان داده می‌روند. 

 مدیریت انتظارات

  • همه پروژه‌های علم داده به روشی که ما برنامه‌ریزی کرده‌ایم پیش نمی‌روند. در واقع، پروژه‌های علم داده با دو مشکل بزرگ آماده‌سازی در زمان موردنظر و مقرون به صرفه بودن روبرو هستند. این دو مشکل به دلیل عدم وجود مجموعه ‌ها به وجود نمی‌آید، بلکه به دلیل پیچیدگی ناشی از تلاش برای درک رفتار انسان‌ها از زوایای مختلف به وجود می‌آید. مهم‌تر آن‌که نظر انسان‌ها در هر لحظه ممکن است فرق کند. 
  • برخی از دانشمندان داده فکر می‌کنند این توانایی را دارند که با قول دادن به ذینفعان مستقیم یا غیر مستقیم این مشکلات را در بازه‌های زمانی مختلف حل کنند، اما همان‌گونه که همه می‌دانیم، هیچ راهی برای کنترل همه متغیرها در هنگام درک نحوه رفتار مردم و این‌که چه نوع واکنشی در زمان خرید یک محصول یا خدمات از خود نشان می‌دهند وجود ندارد. به همین دلیل در بیشتر موارد این قول‌ها ناتمام باقی می‌مانند و نارضایتی مشتریان را به همراه دارند و به‌طور مستقیم به شما اعلام می‌دراند که منابع ارزشمند سازمان را از طریق مدیریت ضعیف ذینفعان هدر داده‌اید. 
  • یک رویکرد موثر برای مدیریت انتظارات این است که دانشمندان داده‌ها که مجموعه گسترده‌ای از نتایج بالقوه را ارائه دهند. آن‌ها سپس می‌توانند داده‌ها و مدل‌هایی که در محاسبات خود استفاده کرده‌اند را به ذینفعان نشان دهند، به طوری که شفافیت و درک در مورد این‌که چرا برخی از انتظارات واقع‌بینانه‌تر از سایرین وجود دارد قابل درک باشد. 
  • گلوگاه‌های زیادی وجود دارد که باعث می‌شوند پروژه‌های علم داده در مهلت مقرر یا با هزینه پیش‌بینی شده به سرانجام نرسند. به عنوان مثال‌، پروژه‌ها ممکن است زمان بیشتری را طلب کنند، زیرا داده‌ها قبل از تجزیه و تحلیل نیاز به پالایش دارند. پیش‌بینی‌های مبتنی بر داده‌ها ممکن است به دلیل اتفاقات پیش‌بینی نشده مانند بلایای طبیعی که زنجیره تامین را مختل می‌کند (به‌عنوان مثال، همه‌گیری) اشتباه شوند. برای هر دو طرف، ذینفعان و شما به عنوان دانشمند داده‌ها مهم است که شرایط را به گونه‌ای مدیریت کنید که ارتباطات حفظ شوند و به جای آن‌که اجازه دهید تا بازه زمانی همانند یک بمب ساعتی منفجر شوند و همه چیز را خراب کنند به شکل روشنی شرایط را برای ذینفعان شرح دهید. 
  • در علم داده ، هیچ پروژه‌ای بی نقص نیست، اما اگر انتظارات از ابتدا به درستی مدیریت وند ، ذینفعان می‌توانند از نتیجه راضی باشند!

ایجاد کانال‌های ارتباطی روشن

  • به‌طور شهودی منطقی است که دانشمندان داده نیاز به ارتباط موثر با ذینفعان داده داشته باشند، اما پروژه‌های علم داده اغلب دارای ذینفعان مختلف هستند که همیشه در یک واحد کار نمی‌کنند، چه برسد به این‌که نیازها و انتظارات یکسانی داشته باشند. به‌عنوان مثال، به احتمال زیاد ما دانشمندان داده باید با مدیران محصول و مهندسان در مورد محصولات یا خدمات مبتنی بر داده که برای مشتریان داخلی و خارجی طراحی می‌کنند، همکاری کنیم.
  • هرچه افراد بیشتری در ارتباط با تجزیه و تحلیل داده‌ها چه در داخل سازمان و چه در خارج از آن مشارکت داشته باشند، برقراری ارتباط اهمیت بیشتری پیدا می‌کند. به بیان دقیق‌تر، ایجاد کانال‌های قوی یکپارچه در یک شرکت کمی سخت است، اما برای موفقیت بسیار مهم است، زیرا داده‌ها قرار است میان افراد به‌اشتراک قرار بگیرد و به همین دلیل دانشمندان داده باید بتوانند آن‌چه را که انجام می‌دهند، توضیح دهند و شرح این مسئله بپردازند که چگونه افراد می‌توانند به آن‌ها کمک کنند. 
  • این نکته به روشن شدن شرح وظایف یک دانشمند داده در ارتباط با هدفی که دنبال می‌کند کمک می‌کند. نکات مهم باید مستندسازی شوند تا ذینفعان درک درستی از شما و انتظارات شما داشته باشند. علاوه بر این، باید جلسات منظم (به عنوان مثال، هفتگی) را از طریق کانال‌های ارتباطی مختلف مثل اسلک یا ایمیل با آن‌ها داشته باشید تا به پرسش و پاسخ با اعضای تیم علم داده بپردازید و ذینفعانی که قرار است داده‌هایی در اختیارتان قرار دهند یا گزارش‌های شما را دریافت کنند تعامل خوبی با شما داشته باشند. بهتر است به‌طور مرتب از روش‌های رسمی ارتباط مانند مکالمات تلفنی استفاده نکنید.

حلقه‌های همکاری و بازخورد را تسهیل کنید

  • برای اطمینان از این‌که پروژه شما نیازهای ذینفعان داده را برآورده می‌کند داده باید ذینفعان داخلی و خارجی را تشویق کنید که با شما همکاری کنند. این بدان معنا است که تعامل بیشتری با افرادی داشته باشید که خودشان قبلا در پروژه‌های علم داده عهده‌دار سمتی بودند. سرمایه‌گذاری روی حلقه‌های بازخوردی این اطمینان را به وجود می‌آورد که همه افراد در مورد اتفاقاتی که در حال رخ دادن است و دلیل اهمیت آن یک دیدگاه مشترک دارند. 
  • به عنوان مثال‌، دانشمندان داده ممکن است بخواهند یک ذینفع از یک بخش (مثلاً مدیریت محصول) را در این فرآیند دعوت کنند، زیرا در حال بررسی نحوه استفاده از داده‌ها در پروژه خود هستند. پس از جمع‌آوری، مصورسازی، جمع‌آوری، تجزیه و تحلیل داده‌ها و غیره، ممکن است فرد دیگری دعوت شود که شاید به‌طور مستقیم در تجزیه و تحلیل داده‌ها نقش نداشته باشد (مثل مهندسی که از اطلاعات حاصل از تحقیقات شما برای اخذ تصمیماتی در ارتباط با توسعه محصول استفاده می‌کند)، اما قرار است از اطلاعاتی که شما آماده‌ کرده‌اید استفاده کند و باید بداند که چگونه باید از اطلاعاتی که آماده کرده‌اید استفاده کند. 
  • رویکرد فوق ممکن است کار زیادی را طلب کند، اما می‌تواند برای موفقیت یک سازمان و پروژه حیاتی باشد و سوء برداشت‌ها به دلیل تفسیر نادرست را برطرف می‌کند. 

این یک مهارت نرم است که نمی‌توانید نادیده بگیرید

  • دانشمند داده باید اطمینان حاصل کند که ذینفعان انتظارات غیر واقعی در مورد آنچه دانشمندان قادر به انجام آن‌ها در طول پروژه هستند ندارند. یکی از راه‌هایی که می‌تواند از انتظارات غیرواقعی جلوگیری کنند، برقراری ارتباط واضح با ذینفعان و ایجاد کانال‌های ارتباطی روشن است، بنابراین هیچ گونه ابهامی در مورد انتظارات هر یک از ذینفعان از این تلاش تحقیقاتی مبتنی بر داده وجود ندارد!
  • به علاوه، دانشمندان داده باید برای تشویق حلقه‌های همکاری و بازخورد با ذینفعان در تمام سطوح درون سازمان و شرکای خارجی که ممکن است از روش‌های رسمی ارتباطات استفاده نکنند، تلاش کنند. این مهارت‌های نرم است که پروژه‌های علم داده برای تأثیرگذاری به آن نیاز دارند!
  • چه شما دانشمند داده باشید یا نباشید، مدیریت ذینفعان برای هر پروژه‌ای حیاتی است. ما شاهد شکست بسیاری از پروژه‌ها بوده‌ایم، زیرا مدیریت ذینفعان به درستی انجام نشده است. 

به این مطلب چند ستاره می‌دهید؟(امتیاز: 4.5 - رای: 1)

ثبت نظر تعداد نظرات: 0 تعداد نظرات: 0
usersvg