داده چه کاربردهایی دارد؟ این پرسش بسیار قدیمی است. شاید حتی پیش‌پاافتاده به نظر برسد. با این حال چندی پیش یکی از همکارانم با پرسیدن یک سوال، دوباره این موضوع را در ذهن من زنده کرد. او پرسید: «اگر بخواهم به اندازه یک مدیر محصول تحلیل داده یاد بگیرم، از کجا باید شروع کنم؟».
پس از شنیدن این سوال، با خودم گفتم اگر بدانم داده به چه دردی می‌خورد، احتمالا راحت‌تر می‌توانم به این پرسش پاسخ دهم. وقتی از کاربردهای داده صحبت می‌کنیم، اولین واژه‌ای که اغلب به ذهنمان می‌رسد، «تصمیم‌گیری» است: ما از داده استفاده می‌کنیم تا تصمیمات بهتری بگیریم. اما این تنها کاربرد داده نیست.
در این نوشته، می‌خواهم به کاربردهای اصلی «داده» اشاره کنم و بر اساس آن، تعریفی ساده از داده‌محور بودن ارائه دهم؛ تعریفی که برای طرفداران شهود هم معنادار باشد.
کاربردهای داده
وقتی آزمایشگاه بل در دهه ۱۹۳۰ میلادی، مشغول کار روی ارتباطات تلفنی راه‌دور بود، شنیدن یک نویز (بخوانید داده) با منبع نامشخص، منجر به پرسیدن این سوال شد که چه چیزی دارد در سیگنال‌های ما اختلال ایجاد می‌کند؟ این پرسش، بعدها منجر به کشف نویزهای رادیویی شد که از دل کهکشان راه‌شیری به زمین می‌رسد و منشا انسانی ندارد. این مثال، نشان می‌دهد که توجه به داده، منجر به کشف پرسش‌های جدید می‌شود.
داده، نه‌تنها منجر به اکتشاف پرسش‌ها می‌شود، بلکه همواره در پاسخ دادن به آن‌ها نیز نقشی کلیدی بازی کند. مثلا وقتی می‌خواهیم بدانیم «چرا نرخ ریزش کاربران افزایش یافته»، سعی می‌کنیم به شکل‌های مختلف داده جمع‌آوری کنیم.
علاوه کمک به تصمیم‌گیری و پاسخ دادن سوال‌ها، داده‌ها نقش سومی را هم بازی می‌کنند: امروزه داده‌ها به شکل‌های مختلفی پردازش و بسته‌بندی شده و در قالب یک محصول، به کاربران ارائه می‌شوند؛ مفهومی که به آن داده‌محصول (Data as a Product) یا DaaP می‌گوییم. مدل‌های زبانی بزرگ (LLM) نظیر ChatGPT، از مثال‌های بارز و شناخته‌شدهٔ داده‌محصول هستند.
براساس آن‌چه گفتیم، کاربردهای اصلی داده عبارتند از:
۱- پاسخ دادن به پرسش‌ها
۲- کشف پرسش‌های جدید
۳- توسعه داده‌محصول (Data as a Product)
شاید بپرسید چرا به «تصمیم‌گیری» اشاره نکردم؟ به این خاطر که تصمیم‌ها، به طور معمول به چند پرسش یا ابهام قابل‌تجزیه هستند. اگر پاسخ پرسش‌ها را پیدا کنیم، مسیر تصمیم‌گیری هموار می‌شود. بنابراین، لزومی ندارد به تصمیم‌گیری، به عنوان یک کاربرد مستقل اشاره کنیم.
داده‌محور بودن یعنی چه؟
اگر «پاسخ دادن به پرسش‌ها» و «کشف کردن پرسش‌های جدید» را به عنوان دو کاربرد کلی و کلاسیک داده در نظر بگیریم، فرد داده‌محور کسی است که از داده، به هر دو شکل استفاده کند.
داده‌محور بودن یعنی استفاده مداوم از داده، هم برای پاسخ دادن به پرسش‌های موجود و هم برای کشف پرسش‌های جدید.
برای این‌که بدانید چقدر داده‌محور هستید، رجوع به آخرین تصمیمات مبتنی بر داده گرفته‌اید، کافی نیست. بلکه باید بتوانید به راحتی، آخرین پرسشی را که کشف کرده‌اید به خاطر بیاورید.
در واقع، کشف پرسش‌های جدید، ابزار اصلی ما برای کاوش کردن (explore) است. ما با پاسخ دادن به پرسش‌ها، ابهامات فعلی‌مان را رفع می‌کنیم و با کشف پرسش‌های جدید، به سرزمین‌های ناشناخته قدم می‌گذاریم.
آشتی بین داده و شهود
در این بخش می‌خواهم با پرداختن به رابطه داده و شهود، بین این دو، آشتی برقرار کنم. این بخش نشان می‌دهد که داده‌محور بودن، با شهودی بودن منافاتی ندارد.
همان‌طور که اشاره شد، پاسخ به پرسش‌ها، گاهی به طور مستقیم به تصمیم‌گیری کمک می‌کند. اما برخی دیگر از پرسش‌ها را، فقط از سر کنجکاوی می‌پرسیم.
اگر داده‌ها یک کتابخانه بزرگ باشند، پرسش‌ها شبیه عناوین کتاب‌ها هستند. همزمان که مشغول خواندن کتاب‌هایی هستیم تا به کمک آن‌ها تصمیمات مشخصی بگیریم، ممکن است از سر کنجکاوی شروع به خواندن کتاب‌هایی کنیم که نمی‌دانیم محتوای آن‌ها به تصمیماتمان در آینده کمک می‌کند یا نه.
بیایید اندکی بیش‌تر به این ۲ نوع پرسش بپردازیم: پرسش‌هایی که در تصمیم‌گیری مؤثر هستند و پرسش‌هایی که فقط نتیجه کنجکاوی هستند. این کار به درک رابطه شهود و داده کمک می‌کند.
پرسش‌های مؤثر در تصمیم‌گیری
وقتی پاسخ سؤالی به تصمیم‌گیری ما جهت بدهد، یعنی قبل از پاسخ دادن به آن، تا حدی می‌دانیم به چه دردی می‌خورد. به عنوان مثال، فرض کنید به تازگی قابلیتی را به محصول اضافه کرده‌اید و درباره آن سؤال‌هایی در ذهن دارید؛ چقدر از کاربران قابلیت جدید را امتحان کرده‌اند؟ چند درصد جذب آن شده‌اند؟
پاسخ این پرسش‌ها می‌تواند به شکل‌گیری یک تصمیم کمک کند. به عبارت دیگر، یک «تصمیم» می‌تواند این پاسخ‌ها را به یکدیگر وصل کرده و از آن یک «اقدام» بسازد. مثلا می‌توانیم تصمیم بگیریم که «اگر ۳۰٪ کاربران از قابلیت A استفاده کنند و نرخ درگیر شدن آن‌ها ۵۰٪ باشد، توسعه قابلیت جدید را ادامه می‌دهیم». در این‌جا، داده به پرسش‌ها پاسخ می‌دهد و یک تصمیم، آن‌ها را تبدیل به اقدام می‌کند.
این مثال تا حدی برای درک ارتباط بین اقدام، تصمیم، پرسش و داده مفید است. اما به دلیل ساده‌سازی بیش از حد، ما را از پیچیدگی و بزرگی فضای عدم‌قطعیت در کسب‌وکارها غافل می‌کند. همیشه این‌طور نیست که یک تصمیمِ از قبل تعریف‌شده داشته باشیم که به محض به دست آوردن داده، تبدیل به یک اقدام شود. در عمل، برای این‌که تصمیمات تا این اندازه شفاف شوند، باید مسیر طولانی و پر ابهامی را سپری کنند.
بسیاری از ما تصور می‌کنیم که می‌دانیم چه اقدامی ما را به نتیجه مطلوب می‌رساند. به همین خاطر، بدون این‌که به تصمیماتمان فکر کنیم یا مشخص کنیم به دنبال چه نتایجی هستیم، یک‌راست به سراغ «اقدام» می‌رویم.
در دنیای کسب‌وکارها و به خصوص استارتاپ‌ها، بسیاری از تصمیمات، حساس به زمان هستند و ما نمی‌توانیم هزینه زمانی پاسخ دادن به پرسش‌ها را بپردازیم. علت این است که اقدام کردن در زمان درست، تأثیر بسیار زیادی در رسیدن به نتایج مطلوب دارد. مثلا اگر محصولی را دیر عرضه کنیم، ممکن است بازار را از دست بدهیم. این‌جاست که نقش شهود پررنگ می‌شود.
راحت‌ترین راه برای بهترین بودن، اولین بودن است – گوراو میسرا
شهود کمک می‌کند تا سریع‌تر تصمیم بگیریم، زودتر اقدام کنیم و فرایند یادگیری را تسریع کنیم. از طرف دیگر، «اقدام کردن» می‌تواند به سرعت داده‌های فراوانی در اختیارمان قرار دهد. قدرت اقدام کردن در پاسخ دادن به پرسش‌هایی است که هنوز آن‌ها را نپرسیده‌ایم.
قدرت اقدام کردن، در این است که می‌توانیم به سرعت به پرسش‌هایی پاسخ دهیم که هنوز آن‌ها را نپرسیده‌ایم.
شاید نزاع همیشگی بین داده و شهود، همین‌جا اتفاق می‌افتد. با کم‌رنگ شدن داده، به پرتگاهی نزدیک می‌شوید که گورستانی از کسب‌وکارها است. جایی که آرزوها و نظرات شخصی آدم‌ها – پشت نقابی به نام شهود – بی‌نهایت کسب‌وکار را به این پرتگاه عظیم هدایت کرده است.
ما می‌توانیم به جای تمرکز روی نقاط تقابل داده و شهود، نقطه تعادل آن دو را پیدا کنیم. به عبارت دیگر از خودمان بپرسیم: در یک تصمیم مشخص، مقدار بهینه داده و شهود چقدر است؟ برای تعیین این نقطه تعادل، به عوامل مختلفی باید توجه کرد، از جمله میزان پیچیدگی و استراتژیک بودن تصمیم، میزان عدم‌قطعیت فرد تصمیم‌گیرنده و بزرگی ریسک.
نکته مهم این است که میزان عدم‌قطعیت و نادانسته‌های هر فردی به خودش مربوط می‌شود و نه به تصمیمی که می‌گیرد. یعنی اگر تصمیم واحدی را همزمان به من و شما بسپارند، بسته به میزان عدم‌قطعیتی که هر کدام درباره آن مسئله داریم، تصمیم‌گیری برای یکی از ما دشوارتر خواهد بود. درباره «میزان اهمیت تصمیم و ریسک‌پذیری» هم می‌توان استدلال مشابهی را به کار برد.
بنابراین، ممکن است یک فرد بتواند درباره تصمیمی، بیش‌تر به شهود اتکا کند. حال آن‌که فردی دیگر – به خاطر ریسک‌هایی که او را تهدید می‌کند – با استفاده از داده، تصمیم دقیق و مطمئن‌تری بگیرد.
شاید توضیح بالا، برای پایان دادن به نزاع داده و شهود کافی باشد. برای این‌که بتوانیم در استفاده از داده یا شهود به دیگران کمک کنیم، باید با به اشتراک گذاشتن تجربه‌ها، توضیح دهیم که چگونه هر کدام به تصمیماتمان کمک کرده‌اند. این کار باعث می‌شود به جای این‌که افراد به سمت یکی از این دو، بیش‌تر متمایل شوند، روی استفاده بهینه از آن‌ها در تصمیماتشان تمرکز کنند.
پرسش‌های کنجکاوانه
ما بسیاری از پرسش‌ها را می‌پرسیم و پاسخ می‌دهیم، بدون آن‌که بدانیم قرار است از آن‌ها چه استفاده‌ای کنیم. حقیقت این است که بسیاری از اوقات، ما بدون این‌که پرسشی در سر داشته باشیم، با داده‌ها مواجه می‌شویم. شاید روزی شهود بتواند الگویی بین این داده‌های پراکنده پیدا کند؛ شاید تکه‌ای داده، منجر به خلق ایده خلاقانه‌ای شود.
اگر به مثال کتابخانه برگردیم، سؤال پرسیدن، شبیه به خواندن عناوین کتاب‌هاست. هر عنوان (یا پرسش)، ناحیه‌ای از عدم‌قطعیت (نادانسته‌های ما) را نشانه می‌گیرد. اگر به یک پرسش کنجکاوانه پاسخ دهیم، یعنی کتابی را از روی کنجکاوی برداشته‌ایم و در آن لحظه، نمی‌دانیم کجا به کارمان می‌آید.
در واقع این‌جا، یکی از نقاط اتصال داده و شهود است: پرسش‌های کنجکاوانه طرح می‌شوند، داده به پرسش‌ها پاسخ می‌دهد و شهود در زمان و مکانی نامعلوم، آن‌ها را تبدیل به تصمیم می‌کند یا از دل آن‌ها الگویی بیرون می‌کشد. برای این‌که درباره یک موضوع، شهود قوی‌تری داشته باشید، لازم است خود را در معرض داده‌ها و تجربیات بیش‌تری قرار دهید.
این‌جا یکی از نقاط اتصال داده و شهود است: پرسش‌ها طرح می‌شوند ← داده به پرسش‌ها پاسخ می‌دهد ← شهود در زمان و مکانی نامعلوم، آن‌ها را تبدیل به تصمیم می‌کند.
البته، پرداختن به پرسش‌های کنجکاوانه، خطرهایی هم دارد. مثلاً بسیاری از داده‌ها (یا کتاب‌ها) سرگرم‌کننده هستند، اما هرگز تأثیر قابل‌توجهی در کسب‌وکار ایجاد نمی‌کنند. سرگرم شدن با داده، ممکن است در قالب دیگری هم بروز پیدا کند؛ فردی را تصور کنید که بدون توجه به عناوین کتاب‌ها (بدون این‌که پرسشی در سر داشته باشد)، صفحاتی پراکنده از آن‌ها را زیر و رو می‌کند، ولی نتیجه خاصی عایدش نمی‌شود.
روی تاریک دیگر کار با داده، محدود شدن به داده‌هایی است که در دسترسمان است. برای درک موضوع، تصور کنید که می‌خواهید مشکل مشخصی را در محصول حل کنید و برای این کار، تعداد محدودی کتاب روی میزتان گذاشته‌اید و اصرار دارید که پاسخ را در همان کتاب‌ها پیدا کنید.
در چنین شرایطی، شهود می‌تواند ورقِ بازی را برگرداند. فرض کنید به جای جستجو کردن در کتاب‌های روی میز، از شما بخواهند درباره آن مشکل، رؤیاپردازی کنید. رؤیا، شما را پرواز می‌دهد و با رها کردن ذهنتان از بندِ کتاب‌های روی میز، اجازه می‌دهد قله‌های بلندتری را کشف کنید؛ قله‌هایی که در تیررس داده‌های پیرامون شما نیستند. این یعنی می‌توانید در نواحی (یا کتاب‌های) دیگر گشت بزنید و یا راه‌حلی خلق کنید که از قبل وجود نداشته است.
جمع‌بندی
ما می‌توانیم داده‌محور باشیم و همزمان به شهودمان هم اتکا کنیم. اما رسیدن به اجماع دربارهٔ نقطه تعادل داده و شهود، غیرممکن است. در واقع، هرکسی که از داده یا شهود دفاع می‌کند، دارد براساس دانسته‌ها و نادانسته‌های خودش، نقطه تعادلی را که گمان می‌کند جواب داده، برای دیگران تجویز می‌کند.
همچنین، داده‌محور بودن، نه فقط به معنای استفاده از داده برای پاسخ دادن به پرسش‌ها، بلکه به منظور کشف پرسش‌های جدید هم هست. داده، می‌تواند کیفی یا کمی باشد یا در قالب‌های مختلفی ارائه شود. آن‌چه مهم است، استفاده مداوم از داده‌ها برای مواجهه با عدم‌قطعیت است.
نوشته‌های روزانه من را درباره محصول، فناوری و کسب‌وکار در تلگرام دنبال کنید!
دیدگاهتان را بنویسید