دلایل شکست در استقرار هوش تجاری

حسین نوریان، مشاور مدیریت کسب و کار

سرمقاله روزنامه دنیای اقتصاد، سه شنبه ۲۱ خرداد ماه ۱۳۹۷

ضرورت هوش تجاری در سازمان ها

امروزه دیگر مدیرانی که باور نداشته باشند که مدیریت کسب و کار باید برمبنای تحلیل های اطلاعاتی و دانشی انجام شود، بسیار نادرند اما با این وجود تعداد شرکت هایی که به صورت موفقیت آمیز از آن سیستم ها استفاده می کنند هم چندان زیاد نیست، اگرچه قیمت ابزارهای لازم برای تحلیل داده ها در سالهای اخیر کمتر شده است و دانش مدیران و کارشناسان در این حوزه هم افزایش یافته است اما کماکان دشواری های زیادی برای استقرار نظام های تحلیل داده ای کسب و کار وجود دارد.

در بنگاه های پیشرو حتا سمت های سازمانی با عنوان مدیر تحلیل گری یا مدیر دانشی نیز شکل گرفته است و انواع تحلیل های داده ای نیز تولید می شود اما عمده مشکل در آن است که این خروجی ها به سهولت و با کارامدی کافی تبدیل به راه حل های تصمیم گیری مناسب نمی شوند به طوری که تحلیل میدانی مکنزی نشان داده است تنها  هشت درصد از مدیران سازمان های پیشرو نسبت به اثربخشی رویکرد توسعه هوش تجاری در سازمان رضایت داشته اند و اکثر آنها باور دارند که بازگشت سرمایه گذاری در این حوزه چندان مناسب و موثر نبوده است.

هزینه بالای تامین این سیستم ها و انتظار زیاد مدیران از بازدهی آنان، لزوم بررسی دقیق و عوامل شکست را برجسته ساخته است و پژوهش گران گوناگون به عارضه یابی دلایل آن پرداخته اند که در ادامه به مهم ترین آنها اشاره می گردد.

 مدون نبودن فرایندهای کسب و کار برای هوش تجاری:

هنوز در برخی از سازمان ها، چرخه مدیریت فرایندهای کسب و کار به شیوه کارامدی تحلیل، مدل سازی و مستقر نگردیده است و بلوغ جاری سازی فرایندهای سازمانی پایین است. از آنجا که در این بنگاه ها روش های کاری در فرایندهای کسب و کار مختلف استاندارد نشده است، هر بار به یک شکل انجام می گردد و بنابر این نتایجی که از تحلیل داده های مرتبط با آنها به دست می آید قابل تاویل نیست و نمی توان بر مبنای آن اقدامات بهبودی تعریف کرد. زیرا نتایج تحلیل هر دوره، بستگی به کیفیت و شیوه متفاوت اجرای آن در همان مقطع دارد و روندنمای آن به صورت مشخص قابل تفسیر نیست، از این رو توصیه می شود که قبل از استقرار نظام های مربوط به تحلیل داده ها در سازمان و تامین تکنولوژی های هوش کسب و کار، فرایندهای بنگاه تحلیل، تدوین و استاندارد سازی گردد.

از سوی دیگر، ارزش ویژه داده های تحلیلی در آن است که سازمان بتواند عملکرد خود را با بنگاه های مشابه، متوسط صنعت و احیانا رقبا مقایسه نماید، پس اگر در تدوین فرایندها، از الگوهای مرجع فرایندی استفاده شود، سازمان می تواند از نتایج بهینه کاوی شاخص های فرایندی در مقایسه با سازمان های مشابه هم بهره مند گردد.

نتایج هوش تجاری و کسب و کار، باید ابزاری برای تصمیم گیری سریع باشد:

در بسیاری از بنگاه ها، نتایج تحلیل شاخص های کسب و کار با تاخیر زیاد و توسط واحدهای پشتیبانی تولید، تدوین و تحلیل می شود. این نقصان ضمن آنکه موجب می شود امکان تصمیم گیری سریع بر اساس نتایج فراهم نباشد، فرهنگ و سبک رهبری لایه میانی عملیاتی سازمان را هم با نارسائی “بی تفاوتی نسبت به نتایج” مواجه می کند، زیرا مدیرانی که خود در تولید و تحلیل نتایج نقش نداشته اند، به خروجی های سیستم هوش تجاری، به عنوان ابزاری برای تصمیم گیری نمی نگرند، بلکه آن را ابزاری برای پایش عملکرد خود می پندارند و طبیعتا نسبت به استفاده از آن، اقبال کافی نشان نمی دهند. برای رفع این مشکل بهتر است در سالهای اول استفرار سیستم، تعداد محدود اما با اولویتی از شاخص ها و تحلیل های هوش تجاری را در سازمان توسعه دهیم و بیشتر بر توسعه فرهنگ مدیرتی استفاده از آنها در تصمیمات استراتژیک و بین واحدی تمرکز بگذاریم و سپس در سالهای بعدی تعداد و تنوع شاخص ها را افزایش دهیم. میزان تاثیر شاخص در دستیابی به استراتژی های آن دوره و امکان پذیری تحلیل سریع آن، دو پارامتری هستند که می توانند بکار بیایند.

دانش و شایستگی های تحلیل داده های هوش تجاری باید در بدنه سازمان گسترش یابد:

امروزه شرکت های پیش رو، به استخدام افرادی برای سمت هایی مانند تحلیل گر داده، مدیر دانشی یا تحلیل گر هوش کسب و کار روی آورده و این مشاغل جذابیت زیادی یافته اند، اما باید توجه کنیم که مراحل فرایند ایجاد سیستم هوش کسب و کار، از جمع آوری داده ها تا تحلیل و تولید بینش هایی برای تصمیم گیری، روالی ” بین واحدی است” که در صورتی موفق خواهد بود که با کارامدی زیاد از میان واحدهای مختلف سازمان عبور کند و طبیعتا تحلیل گران داده یا مانند آن، همزمان تولید کننده و استفاده کننده از نتایج نیستند، پس شایستگی های این فرایند شامل جمع آوری، معماری داده، تحلیل و مدل سازی، تولید گزارشات و تبدیل آن به بینش های تجاری باید در تمامی لایه های مدیریتی سازمان توسعه بیابد و تحلیل گران داده، تسهیل گری مناسب این فرایند را برعهده گیرند

 ارزش افزا ترین مرحله، گام ترجمه است:

در برخی دیگر از بنگاه ها، داده های فرایندی جمع آوری و تحلیل می گردد و سپس در قالب گزارشات یا داشبوردهای مدیریتی در اختیار مدیران گذاشته می شود، اما نتایج این تحلیل های گران قیمت، نمی تواند عملا در استراتژی ها و بهبود فرایندهای آن سازمان نمود بیابد. بنابراین تخصصی لازم است که بتواند تاثیر این تحلیل ها را بر وضعیت داخلی و محیطی سازمان متجسم یا به عبارت ملموس تر، ترجمه نماید. مثلا اگر تحلیل های هوشمندی کسب و کار نشان می دهد که رضایت مشتری از مراحل تجربه او در برقراری ارتباط و تعامل با سازمان افزایش یافته است، باید بدانیم که این شاخص بر کدام یک از شیوه های پارامترهای کسب درامد در بنگاه تاثیر خواهد گذاشت و چگونه می توان از این بهبود برای درامد زایی بیشتر استفاده کرد

.شتابزدگی در استفاده از تکنولوژی، هدر رفت سرمایه را به همراه خواهد داشت:

متاسفانه بسیاری از مدیران، استقرار موفق سیستم هوش تجاری را در بهره گیری از تکنولوژی مدرن و گران قیمت می پندارند، فن آوری که بتواند داده ها را پالایش و روابط و الگوهای میان آنها را استخراج نمایند و سپس بینش هایی را در قالب گزارشات، داشبوردها و حتا تصمیمات اتوماتیک در سازمان جاری نماید. اما در اغلب موارد، سرمایه گذاری بر روی تامین چنین فن آوری هایی با شکست مواجه می شود، زیرا طرح ریزی یک سیستم هوش تجاری به تحلیل های اولیه ای شامل شناخت شاخص هوش تجاری، بررسی شیوه جمع آوری داده های مربوط به آن و الگوی ترجمه آن به بینش هایی که بتواند سازمان را متحول کند، محتاج است، عواملی که هیج فن آوری حتا اگر که بسیار پیشرفته و گران قیمت باشد، نمی تواند آن را فراهم سازد و تمرکز بیش از حد بر روی تکنولوژی، اگر ما را از سایر جنبه ها غافل کند، منجر به شکست در استقرار سیستم و هدر رفت منابع مالی خواهد شد

 

استفاده از موارد فوق با ذکر منبع مجاز است

برای دریافت مشاوره مدیریت فرایندهای کسب و کار با ایمیل 

hossein.nourian@gmail.com

تماس حاصل فرمایید

خدمات مشاوره مدیریت

استراتژی های دیجیتال

نقشه استراتژی