داده، نفت جدید: چه کسی در اقتصاد هوش مصنوعی برنده است

یک آزمون سادهٔ آمادگی داده در هر سازمان: از تیم بخواهید فهرست مشتریانی را بدهند که در دوازده ماه گذشته خرید داشته‌اند. اگر پاسخ چند دقیقه طول بکشد، دادهٔ سازمان دارایی است. اگر چند روز طول بکشد و در پایان دو نسخهٔ ناهم‌خوان از فایل بیرون بیاید، همان داده هزینه است و هیچ مدلی این وضع را جبران نمی‌کند.

تشبیه «داده، نفت جدید» یک نکتهٔ مهم را جا می‌اندازد. نفت زیر زمین هم ارزش دارد؛ داده‌ای که پراکنده، بی‌برچسب و ناهم‌خوان ثبت شده باشد ارزشی ندارد و در عوض هزینهٔ نگهداری و ریسک امنیتی به سازمان تحمیل می‌کند. آنچه داده را به دارایی تبدیل می‌کند سه چیز است: قاعدهٔ روشن برای ثبت، مالکیت مشخص، و مسیری برای رسیدن به آن که از چند نفر واسطه نگذرد.

سه چیزی که داده را به دارایی تبدیل می‌کند

• قاعدهٔ ثبت: یک تعریف مشترک برای هر قلم داده تا «مشتری فعال» در دو گزارش دو معنا نداشته باشد.
• مالکیت مشخص: برای هر مجموعهٔ داده یک نام پاسخ‌گو، نه مسئولیتی پخش‌شده میان چند واحد.
• دسترسی قاعده‌مند: امکان رسیدن به داده در چند دقیقه، با سطح دسترسی روشن و ثبت رخداد.

دادهٔ اختصاصی، تنها مزیتی که خریدنی نیست

مدل‌ها کالای عمومی شده‌اند: همان موتوری که در اختیار شماست در اختیار رقیب هم هست. آنچه رقیب نمی‌تواند بخرد سابقهٔ عملیات خودتان است؛ تاریخچهٔ خرابی ماشین‌ها، الگوی مرجوعی محصولات، پرسش‌هایی که مشتریان مرتب تکرار می‌کنند و علت واقعی معطلی سفارش‌ها. این داده در بازار خرید و فروش نمی‌شود و به همین دلیل تنها لایه‌ای است که مزیت پایدار می‌سازد. برای سازمانی که سال‌ها فعال بوده این دارایی معمولاً وجود دارد؛ مشکل بی‌قاعده بودن ثبت آن است.

حاکمیت داده به زبان کسب‌وکار

حاکمیت داده در بیشتر سازمان‌های کوچک و متوسط به سه سند کوتاه خلاصه می‌شود، نه به یک پروژهٔ بزرگ. سند نخست: چه داده‌ای جمع می‌کنیم، برای چه هدفی و کجا نگه داشته می‌شود. سند دوم: چه کسی به چه سطحی دسترسی دارد. سند سوم: هر قلم داده چه مدت می‌ماند و چه زمانی حذف می‌شود. همین سه سند پاسخ به پرسش‌نامهٔ مشتری سازمانی را از چند هفته به چند ساعت می‌رساند و در عمل بیشترین بازده را میان کارهای مربوط به داده دارد.

چرا برای کسب‌وکارهای کوچک و متوسط ایران مهم است

بسیاری از شرکت‌های ایرانی سال‌ها سابقهٔ عملیاتی دارند که در فایل‌های پراکنده، دفترهای دستی و سامانه‌های قدیمی مانده است. این وضع بیش از آنکه ضعف باشد فرصت است: مادهٔ خام موجود است و آنچه کم است قاعده‌مند کردن آن. تجربهٔ عملی نشان می‌دهد چند هفته کار روی تمیز کردن و یکسان‌سازی دادهٔ یک فرآیند بازده بیشتری می‌دهد تا خرید ابزاری که روی همان دادهٔ آشفته اجرا شود. ترتیب کار مهم است: نخست داده، سپس مدل.

نقشهٔ ۹۰ روزهٔ مرتب کردن داده

• روز ۱ تا ۳۰: یک مجموعهٔ دادهٔ کلیدی را انتخاب کنید و بنویسید کجا ثبت می‌شود، چه کسی وارد می‌کند و چند درصد رکوردها ناقص است.
• روز ۳۰ تا ۶۰: برای همان مجموعه تعریف مشترک و قاعدهٔ ثبت بنویسید، مالک تعیین کنید و ورودی را در محل تولیدش اصلاح کنید.
• روز ۶۰ تا ۹۰: نرخ خطا را دوباره بسنجید و تنها پس از بهبود، اولین کاربرد تحلیلی یا مدل را روی همان داده اجرا کنید.

خطاهای پرتکرار

• پاک‌سازی یک‌بارهٔ داده بدون اصلاح فرم ورودی؛ داده چند ماه بعد به همان وضع برمی‌گردد.
• جمع کردن همه چیز برای روز مبادا؛ داده‌ای که استفاده نمی‌شود فقط هزینه و ریسک است.
• شروع از یک پروژهٔ انبار داده در سطح کل سازمان به‌جای یک مجموعهٔ داده و یک فرآیند.
• سپردن کیفیت داده به تیم فنی، در حالی که تعریف درست هر قلم داده کار واحد کسب‌وکار است.

سه اقدام برای همین فصل

• یک مجموعهٔ دادهٔ کلیدی را ممیزی کنید و درصد رکوردهای ناقص را مکتوب کنید.
• برای همان مجموعه یک مالک پاسخ‌گو و یک تعریف مشترک تعیین کنید.
• نرخ خطای داده را به شاخصی ماهانه تبدیل کنید تا بهبود قابل اثبات باشد.

پرسش‌های پرتکرار

• دادهٔ ما کم است؛ باز هم می‌شود شروع کرد؟
  بله. برای بسیاری از کاربردها دادهٔ چند ماه از یک فرآیند مشخص کافی است. حجم زیادِ آشفته از حجم کمِ مرتب بی‌فایده‌تر است.
• از کجا شروع کنیم؟
  از داده‌ای که مستقیم به یک تصمیم تکراری وصل است؛ اثر بهبود آن سریع دیده می‌شود و پشتیبانی مدیریت را تأمین می‌کند.
• آیا برای این کار باید سامانه‌ها را عوض کنیم؟
  معمولاً نه. بیشتر بهبود اولیه از یکسان‌سازی تعریف‌ها و اصلاح فرم‌های ورودی به دست می‌آید، نه از تعویض نرم‌افزار.

جمع‌بندی

در اقتصاد هوش مصنوعی برنده سازمانی نیست که بیشترین داده را انبار کرده؛ سازمانی است که داده‌اش تعریف مشترک، مالک مشخص و دسترسی قاعده‌مند دارد. آزمون همان است که در ابتدا آمد: یک پرسش واقعی از داده بپرسید و زمان رسیدن به پاسخ را بسنجید. آن عدد تصویر دقیقی از فاصلهٔ شما تا دارایی بودنِ داده است.

واژه‌نامه

• دادهٔ اختصاصی: داده‌ای که از عملیات خود سازمان می‌آید و در بازار قابل خریداری نیست.
• حاکمیت داده: مجموعهٔ قواعد مکتوب برای کیفیت، مالکیت، دسترسی و مدت نگهداری داده.
• مالک داده: فرد پاسخ‌گو در برابر درستی و کامل بودن یک مجموعهٔ داده.
• نرخ خطای داده: نسبت رکوردهای ناقص یا نادرست به کل رکوردها؛ شاخص سنجش کیفیت.
• سیاههٔ دارایی داده: فهرست مکتوب داده‌های سازمان همراه با محل، هدف و سطح دسترسی هر یک.