دوشنبه , ۲۸ مهر ۱۳۹۹
صفحه اصلی » مهندسی فرایندها » آموزش BPM » ۵ استفاده تحلیل کلان داده (Big data) در مدیریت فرایندهای کسب کار (BPM)

۵ استفاده تحلیل کلان داده (Big data) در مدیریت فرایندهای کسب کار (BPM)

پیش مقدمه:

این روزها به هرجایی سر بزنید صحبت از داده های کلان و تجزیه و تحلیل آن و علم داده است. همه از روش یادگیری علم داده و زبانهای برنامه نویسی و نرم افزارهای تخصصی آن صحبت می کنند؛ ولی تقریبا کسی نمی گوید این دانش عالی و این ابزار خوب کجای صنعت و کجای کسب و کار مورد استفاده دارد.

مدیری را در نظر بگیرید که واقعا می خواهد کسب و کارش را بهبود بدهد، توسعه بدهد و منطبق بر دانش روز کند. این مدیر از کجا باید بداند تحلیل داده، داده کاوی، علم داده و یادگیری ماشین دقیقا چه تغییری در سازمانش ایجاد می کند.

در این مقاله و مقاله هایی که مد نظرم است، تلاش می کنم، گوشه ای از کاربردهای تحلیل داده را در کسب و کارها بنویسم.

مقدمه

تجزیه و تحلیل داده ها یکی از تغییر دهنده های بازی است. شرکت هایی که از قبل پتانسیل آن را درک کرده اند و استفاده از آن را در دستور کار خود قرار داده اند، سودهای عالی کسب می کنند.

تجزیه و تحلیل داده های بزرگ شامل بررسی مجموعه داده های بزرگ برای ایجاد ارتباطات، گرایش ها و الگوها است. از طرف دیگر، فرایندهای کسب و کار روشهایی هستند که برای تولید و تحویل کار به کار می روند.

تجزیه و تحلیل داده های بزرگ در مدیریت کسب و کار، دو رشته را به یک روش پیشرفته برای پیشرفت سازمان تبدیل می کند.

فرایندهای کسب و کار شامل انواع ورودی و خروجی هستند. نمونه هایی از فرآیندهای کسب و کار عبارتند از: فرایند استخدام کارکنان جدید، تولید محصول و جذب مشتری.

در این مقاله، به این موضوع پرداخته خواهد شد که چگونه تجزیه و تحلیل داده ها می تواند عملکرد کسب و کار را بهبود بخشد و فرآیندهای خراب شده و ناقص کسب و کار را ترمیم کند.

۵ استفاده از تحلیل داده های کلان در مدیریت فرایندهای کسب و کار

مدیریت ضایعات و اتلاف ها در سازمان

ضایعات و اتلاف ها بخش بزرگی از منابع کسب و کار را می بلعد. اتلاف زمان کاری در سازمانهای تولیدی و خدماتی، ضایعات مواد اولیه در کارخانه، ضایعات محصول، اقلام فروشگاهی در یک فروشگاه زنجیره ای و بسیاری از موارد دیگر را شامل شود. گزارشات نشان می دهد که این ضایعات می تواند ۲۰-۳۰ درصد از کل سرمایه در گردش یک سازمان را به خود اختصاص دهد. برای مثال، در یک فروشگاه زنجیره ای ۲۰ درصد هزینه برای ضایعات رقم بسیار قابل توجهی است که باید در مورد آن حساس بود و اقدام کرد.

با تجزیه و تحلیل داده ها، شرکت ها می توانند استراتژی های مدیریتی کارآمد برای انواع ضایعات خود ارائه دهند. مهمترین مزیت تجزیه و تحلیل داده ها در مقایسه با سایر روشهای هوش تجاری، دقت است. دقت در کسب و کار به تصمیم گیری آگاهانه درباره مدیریت ضایعات کمک می کند.

هسته مرکزی تجزیه و تحلیل داده ها برای مدیریت ضایعات اندازه گیری است. با استفاده از آن، شناسایی فرایندهای کسب و کاری که بیشترین ضایعات را در سازمان تولید می کنند، آسان می شود و طبیعی است که پس از آن می توان اهداف و روشهای کاهش ضایعات را تدوین نمود.

اگر قصد استفاده از تجزیه و تحلیل داده ها برای مدیریت ضایعات را دارید، نکات زیر به شما در به دست آوردن حداکثر بهره مندی از آن کمک می کند.

  • تصمیم بگیرید چه چیزی را می خواهید اندازه گیری کنید. این مورد می تواند بسته به کسب و کار شما، زمان، مصرف سوخت، مواد اولیه یا هر مورد دیگری باشد.
  • مراحل مختلف فرآیند کسب و کار را نقطه به نقطه مشخص کنید و برای هر نقطه مواردی را که باید اندازه گیری در آنها انجام شود را مشخص کنید. هرچه اندازه گیری ها بیشتر باشد، کیفیت داده ها بهتر می شود.
  • از کارشناسان خبره که فهم درستی از فرایندهای کسب و کار دارند و از نرم افزارهای تخصصی برای تعیین پیامدهای کسب و کار بهره گیری نمایید. ۲۰ تا ۳۰ درصد ضایعات مشکلی است که باید جدی گرفته شود.
  • بر اساس نتایج بدست آمده تصمیماتی اتخاذ کنید که ضایعات را کاهش دهد و ابزارهای اندازه گیری بکار بگیرید تا در صورت بروز ضایعات هشدارهای لازم را به شما بدهند.

استخدام و مدیریت منابع انسانی مناسب

منابع انسانی یکی از مهمترین مؤلفه های یک کسب و کار است و بر همین پایه باید گفت جذب و مدیریت استعدادها در سازمان باید کامل و دقیق انجام شود.

بخش منابع انسانی از تجزیه و تحلیل داده ها سود زیادی می برد. برای مثال، می توان از مدلهای پیش بینی داده برای ارزیابی عملکرد یک کارمند استفاده کرد.

خبر غم انگیز این است که اکثر کسب و کارها تصمیمات مربوط به مدیریت منابع انسانی خود را بر اساس داده های ناکافی می گیرند که موجب از دست رفتن ثروت منابع انسانی در آنها می شود.

نوع داده ای که می توانید برای توسعه استراتژی بهتر برای مدیریت منابع انسانی برای شرکت خود استفاده کنید، عبارتند از:

  • تأخیر در تولید و تحویل
  • پروفایل کارمندان
  • نرخ خطا و داده های خروجی کارمندان
  • سطح کارکنان و حجم کاری کارمندان
  • ارزیابی عملکرد و جوایز کارمندان
  • غیبت کارمندان
  • درآمد برای ارزیابی کارمندان
  • داده های شش سیگما
  • داده های آموزش کارمندان

استفاده از تجزیه و تحلیل داده ها در مدیریت منابع انسانی نتایج زیر را به همراه خواهد داشت:

  • کمک می کند تا مدیریت کسب و کار مشکلات مربوط به بهره وری را شناسایی کند.
  • به سازمان کمک می کند تا استعدادهای متناسب با نیازها و ارزشهای کسب و کار را جذب کند.
  • به مدیریت سازمان کمک می کند تا پیش بینی کند چه تغییری در گردش مالی سازمان به دلیل مشکلات کارمندان ایجاد می شود.
  • نوآوری در کسب و کار را تشویق می کند.
  • به مدیریت کمک می کند تا نیازها و توانایی های کارمندان مختلف را درک کند. این امر می تواند به کسب و کار کمک کند تا کارمندان ماهر را برای مدت طولانی تری حفظ کند.

مدیریت مشتری

اینجا یکی از حوزه هایی است که بطور گسترده ای از تجزیه و تحلیل داده ها استفاده می کند. بسیاری از تکنیک هایی که در تحلیل داده ها ایجاد شده است، به طور اختصاصی در این بخش در حال استفاده است.

از تجزیه و تحلیل داده ها در یک کسب و کار به دلایل زیر می تواند استفاده شود:

  • ارزیابی اثربخشی فرآیندهای مربوط به مشتری
  • ارزیابی کیفیت خدمات مشتری و رضایت مشتری
  • طبقه بندی دقیق مشتریان
  • جذب مشتریان جدید و حفظ مشتریان موجود
  • تائید اطلاعات مشتریان
  • پیش بینی رفتار مشتری
  • بهبود مدیریت زنجیره تأمین
  • پیش بینی های دقیق
  • سیاست های قیمت گذاری مطلوب
  • حداکثر کردن ارزش مشتری

توسعه محصول

از نظر تاریخی، تولید محصول شامل جمع آوری و تجزیه و تحلیل داده های زیادی است. شاید این مسئله توضیح دهد که چرا یکی از عمده کاربردهای تجزیه و تحلیل داده ها در فرآیندهای کسب و کار، توسعه محصول است.

قبل از تولید یک محصول و عرضه آن به بازار، توسعه دهندگان باید اطلاعات مربوط به مشخصات محصول، تجربه مشتری، رقابت و قیمت گذاری را جمع آوری و بررسی کنند. سؤالات زیر برخی از سؤالاتی است که باید به آنها پاسخ داده شود:

  • رقبا چه پیشنهادی دارند و با چه قیمتی
  • محصولات رقبا چه مشکلی را حل می کنند.
  • نقاط قوت و ضعف محصولات رقبا چیست؟
  • روند بازار چیست؟
  • کدام مشخصات محصول مشتری را تحت تأثیر قرار می دهد.

چنین فرآیندهای کسب و کاری شامل تجزیه و تحلیل مجموعه های بزرگ از داده ها است. در مقایسه با روش های سنتی هوش تجاری، تجزیه و تحلیل داده ها دقت و جامعیت در توسعه محصول را ارائه می دهد و تضمین می کند که نوع محصول توسعه یافته همان چیزی است که بازار به آن نیاز دارد.

اگر قصد راه اندازی یک محصول جدید را دارید، می توانید از تجزیه و تحلیل داده ها برای استخراج و استفاده از داده هایی از منابع زیر استفاده کنید:

  • بررسی محصولات آنلاین
  • وبلاگ های بازاریابی
  • نظرسنجی مشتری
  • کاتالوگ خرده فروشان
  • سایت های تولید کننده و سرمایه گذاری
  • انجمن محصولات

تولید

تولیدکنندگان برای افزایش دقت و کارآیی در فرآیندهای تولید از تجزیه و تحلیل داده استفاده می کنند. امروزه و با بکار گیری سنسورها و اینترنت اشیاء، تجزیه و تحلیل داده ها یک امر اجتناب ناپذیر در فرایند تولید است.

همانطور که انتظار می رود، تولید کننده هایی که فرآیندهای آنها شامل مجموعه داده های بزرگ است، زودتر به استفاده از تجزیه و تحلیل داده ها رو می آورند. به عنوان مثال، پیش از این، قبل از اینکه تراشه رایانه ای به بازار عرضه شود، باید حدود ۱۹۰۰۰ آزمایش را انجام می داند. اما امروز، با استفاده از مدل های داده های پیش بینی، شرکت های فن آوری تعداد تست های مورد نیاز را کاهش داده اند و در نتیجه تقریباً ۳ میلیون دلار در هزینه های تولید صرفه جویی شده است.

نباید تصور کرد که تجزیه و تحلیل داده ها فقط برای شرکت های بزرگ است. تولیدکنندگان در مقیاس کوچک نیز از تجزیه و تحلیل داده ها برای ساده سازی فرایندهای خود استفاده می کنند. صنایع تولیدی می توانند به روش های زیر از تجزیه و تحلیل داده ها استفاده کنند:

  • ردیابی نقص در فرایند تولید
  • افزایش راندمان انرژی
  • ردیابی کیفیت محصولات و ناهنجاری ها
  • ارزیابی کیفیت مواد اولیه و قطعات عرضه شده توسط اشخاص ثالث
  • ارزیابی عملکرد تهیه کنندگان مختلف
  • پیش بینی تغییرات در خروجی
  • تست و شبیه سازی محصولات جدید
  • مدیریت خطرات در زنجیره تأمین
  • سفارشی سازی محصولات تجاری

درباره‌ افشین صفایی

این مطلب را نیز بخوانید

فضاهای آفین

خیلی وقتها میخواهیم اشیایی که در فضای اطرافمان قرار دارند را بصورت هندسی نمایش دهیم. …

دیدگاهتان را بنویسید

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