معنی و اهمیت تجزیه و تحلیل داده ها برای بخش دولتی

برای بهره مندی از تجزیه و تحلیل داده ها به منظور ارتقای بهره وری هرگز دیر نیست.

به گزارش پایگاه خبری بهره ور نیوز، هر سازمانی، دولتی یا خصوصی، هر روز تصمیمات بی شماری می گیرد. زندگی روزمره در یک سازمان مجموعه ای از تصمیمات مداوم در مورد نحوه تخصیص بودجه، خرید و فروش چه مواردی است، با چه کسی باید گفتگو و ارتباط برقرار کنید و چه کارهایی باید انجام شود.

در حالی که تصمیمات خوب موجب رونق یک سازمان می شوند، اما تصمیمات بد می توانند کشنده باشند. منظور از تصمیم گیری «خوب» یا «بد» برای بخش دولتی چیست؟ تصمیمات خوب به گونه ای عینی و منطقی اتخاذ می شوند که بر منافع محروم بخش های خاص اجتماعی و اقتصادی غلبه کنند. تصمیم زمانی عینی و منطقی است که مبتنی بر شواهد از طریق تجزیه و تحلیل علمی و نظام مند داده های معتبر و قابل اعتماد باشد.

از آنجایی که ارزش اطلاعات مبتنی بر داده در حال کشف مجدد است، «تجزیه و تحلیل داده» برای هر سازمان دولتی و خصوصی به واژه ای جذاب تبدیل شده است. تغییر سریع محیط ، سازمان ها را ملزم می کند تا تصمیمات کاملاً آگاهانه و پشتیبانی شده توسط تجزیه و تحلیل داده ها را اتخاذ کنند.

در حالی که بخش خصوصی به دنبال استفاده از تجزیه و تحلیل داده ها برای بهبود بهره وری و کشف فرصت های جدید تجاری است، سازمان های بخش دولتی انتظار دارند از آنها برای نوآوری در سبک های کاری و همچنین طراحی و ارائه خدمات با کیفیت بهتر به شهروندان استفاده کنند. با این حال، بخش دولتی در بسیاری از کشورها برای بهینه سازی فرصت های ارزشمند حاصل از تجزیه و تحلیل داده ها کند و آماده نیست.

در محیط های جدید مبتنی بر داده، به عنوان بهترین داده با داده های بزرگ، بخش خصوصی در تحلیل داده ها نه تنها به منظور بهبود کارایی مدیریتی و عملیاتی خود بلکه برای درک نیازهای مشتریان و پیش بینی رفتار بازار نیز به سرعت پیش می رود.

بخش دولتی از این نظر مستثنی نیست زیرا برخی از کشورها همچنین تجزیه و تحلیل داده ها را در زمینه های سیاسی از جمله کنترل ترافیک، خدمات بهداشتی و درمانی و سایر کشورها به کار گرفته اند تا ماهیت پیچیده مشکلات را به دست آورند و به راه حل های بهتری برسند. سیاست حمل و نقل عمومی یک نمونه است.

سازمان حمل و نقل قادر به جمع آوری اطلاعات مربوط به زمان واقعی ترافیک از منابع مختلف مانند سنسورهای سطح جاده، دوربین های ترافیک، GPS درون خودرو و پیام های SNS است. تکنیک های جدید تحلیلی به سازمان حمل و نقل اجازه می دهد تا این داده ها را پردازش و تجزیه و تحلیل کند تا اطلاعات راننده را در زمان واقعی در مورد ازدحام ترافیک فراهم کند.

هنگامی که داده ها در مورد تراکم، حجم و سرعت ترافیک با شرایط آب و هوایی و کیفیت جاده ادغام شود، سازمان حمل و نقل می تواند خطر حوادث را پیش بینی کند و بر این اساس، رانندگان را با احتیاط هشدار دهد. این نوع سیستم حمل و نقل هوشمند مبتنی بر داده بزرگ، یکی از مولفه های زیرساخت های شهر هوشمند است.

با این وجود، بخش دولتی از مزایای تجزیه و تحلیل داده ها به طور کامل استفاده نکرده است. اگر کسی در مورد اهمیت تجزیه و تحلیل داده ها به توافق برسد، موفقیت سازمان های دولتی می تواند به میزان توانایی آنها برای استخراج دانش و بینش جدید از تجزیه و تحلیل داده ها، تعیین شود.

معنی تجزیه و تحلیل داده ها

در استفاده معمول ، «تجزیه و تحلیل داده» اغلب به جای اشاره به هر یک از آنها برای اشاره به «تجزیه و تحلیل داده» استفاده می شود. دیکشنری Merriam-Webster’s «تجزیه و تحلیل» را به عنوان «بررسی دقیق هر پیچیده ای برای درک ماهیت آن یا تعیین ویژگی های اساسی آن»و «تجزیه و تحلیل» را به عنوان «روش تجزیه و تحلیل منطقی» تعریف می کند.

وقتی این تعاریف فرهنگ نویسی در حوزه علم داده اعمال می شود، دامنه تجزیه و تحلیل داده ها گسترده تر می شود و شامل تجزیه و تحلیل داده ها است، حتی اگر بهم پیوسته باشند. برای دقیق تر بودن، دانشمندان داده تجزیه و تحلیل داده ها را به عنوان فرایند «بازرسی، پاکسازی، تبدیل و مدل سازی داده ها» برای کشف اطلاعات مفید مفهوم می کنند.

از منظر سازمانی، هدف نهایی تجزیه و تحلیل داده ها استفاده حداکثری از نتایج تجزیه و تحلیل برای کسب بینش برای تصمیم گیری مناسب است. در مقابل، تجزیه و تحلیل داده ها مربوط به استفاده موثر از ابزارها و تکنیک ها است. اگرچه از نظر مفهومی متفاوت است، اما تجزیه و تحلیل داده ها و تجزیه و تحلیل در عمل نمی تواند قابل تفکیک باشد.

به طور خاص، اگر هر سازمانی بخواهد از داده ها ارزشی کسب کند، الگوها و روابط داده های ساختاریافته یا غیر ساختاری باید با استفاده از ابزارها و تکنیک های تحلیلی مربوطه تجزیه و تحلیل شود. برای رسیدن به این مهم، دانش پایه ریاضیات و آمار همراه با مهارت های رایانه ای ضروری است.

اهمیت تجزیه و تحلیل داده ها در بخش دولتی

سازمان های عمومی، اعم از آژانس های دولتی، بنگاه های دولتی یا سایر نهادها، یک ستون اصلی در اقتصاد ملی هستند. با گذشت سال ها، بخش دولتی در بسیاری از کشورها به سرعت رشد کرده است و بخش قابل توجهی از اشتغال و هزینه های اقتصاد ملی را تشکیل می دهد. با توجه به افزایش تقاضا برای خدمات عمومی متنوع، نقش این بخش، حداقل در آینده نزدیک کاهش نخواهد یافت.

به همین دلیل است که بخش دولتی باید به شیوه ای کارآمدتر، موثرتر، پاسخگو، مسئولانه و شفاف اداره شود. یکی از رویکردهایی که بخش دولتی می تواند برای پاسخگویی به این خواسته ها اتخاذ کند، تصمیم گیری بر اساس شواهد است.

در گذشته، هنگامی که داده های قابل اعتماد محدود بودند و جمع آوری و تجزیه و تحلیل داده ها به زمان و هزینه نیاز داشت، تصمیم گیری مبتنی بر شواهد به راحتی قابل اجرا نبود. با توجه به پیشرفت های یک محیط جدید که داده های بی درنگ از طریق شبکه های اجتماعی، جستجوی وب و اینترنت اشیا به صورت تصاعدی تولید می شوند، سازمان های عمومی اکنون قادر به جمع آوری داده ها با سرعتی بی نظیر هستند.

علاوه بر این، تکنیک های جدید تجزیه و تحلیل داده ها به بخش دولتی این امکان را می دهد تا از داده هایی که می تواند با آنها تصمیمات بهتری بگیرد، بینشی کسب کند.

مسلم است که این تغییر محیط ها فرصت های بی سابقه ای را برای بخش عمومی فراهم می کند. اگر نتواند از چنین تغییراتی استقبال کند، رویکرد «تجارت معمول» آن، بدون پیشرفت چشمگیر، رقابت را تضعیف می کند. تحت این شرایط، این امر انتخابی نیست بلکه باید بخش دولتی برای تحقق اهداف مأموریت خود، تجزیه و تحلیل داده ها را عمیقاً در عملیات و مدیریت خود جای دهد.

سودمندی تجزیه و تحلیل داده ها فراتر از تصمیم گیری بهتر است. بخش دولتی با چالش های دشواری روبرو است که ناشی از انتظارات افرادی است که می خواهند فرصت های جدید کسب و کار مبتنی بر داده را پیدا کنند.

به عبارت دیگر، بخش خصوصی معتقد است که داده های عمومی می توانند فرصتی برای ارزش آفرینی در بازار فراهم کنند و سطح بالاتری از دولت باز را بخواهند. در حالی که نحوه استفاده از داده های عمومی انتخاب بخش خصوصی است، در عین حال، بخش دولتی باید از تجزیه و تحلیل داده ها برای تعیین انواع داده های منتشر شده برای عموم استفاده کند.

چالش های اصلی تجزیه و تحلیل داده ها در بخش عمومی

با وجود اهمیت تجزیه و تحلیل داده ها، بخش دولتی در بسیاری از کشورها هنوز آماده استخراج ارزش از داده های عمومی نیست. موانع متعددی وجود دارد که از درک این بخش و از سود بالقوه تجزیه و تحلیل داده ها جلوگیری می کند. در زیر برخی از مبانی استفاده موثر از تجزیه و تحلیل داده ها آورده شده است که گاهی توسط بخش دولتی نادیده گرفته می شوند.

اصول تجزیه و تحلیل داده ها را درک کنید

ابزارهای جدید بسیاری وجود دارد که به بخش دولتی امکان تجزیه و تحلیل داده ها را می دهد. به عنوان مثال ، برنامه نویسی SAS و R ابزار رایج در تجزیه و تحلیل آماری و مدل سازی داده ها هستند، در حالی که Tableau public و Python به طور گسترده ای برای تجسم داده ها استفاده می شوند. اگرچه تجزیه و تحلیل داده ها توسط دانشمندان داخلی داده و کارشناسان خارجی انجام می شود، کارمندان بخش دولتی باید دانش اولیه ای از روند کار داشته باشند، که در این زمینه آمار اصلی است. بدون دانستن چگونگی جمع آوری، تحلیل، تفسیر و تجسم داده ها، صرفاً با مشاهده نتایج حاصل از تجزیه و تحلیل داده ها، نمی توان از ظرفیت آنها برای استخراج بینش مفید برای تصمیم گیری بهتر اطمینان حاصل کرد.

برای جمع آوری، مدیریت و باز کردن داده ها، زیرساخت دیجیتالی ایجاد کنید

تجزیه و تحلیل داده ها با جمع آوری داده ها شروع می شود. از آنجا که بخش عمومی وظایف مختلفی را انجام می دهد، دسترسی گسترده ای به منابع مختلف داده دارد. با وجود پتانسیل جمع آوری داده ها، بخش دولتی در برخی مواقع به استانداردسازی داده ها توجه نمی کند که برای آنها قالب و ساختار مشترک لازم است. اگر استانداردسازی داده وجود نداشته باشد، ادغام داده ها و استخراج اطلاعات ارزشمند از آنها دشوار است. علاوه بر این، داده های جمع آوری شده باید در سطح سازمانی و ملی دیجیتالی و ذخیره شوند. برای این کار، همانطور که بسیاری از سازمان های خصوصی انجام می دهند، بخش دولتی نیاز به تعیین یک مدیر ارشد داده (CDO) و ایجاد یک تیم اختصاص داده شده برای مدیریت کیفیت داده ها دارد. داده های جمع آوری شده باید برای دسترسی عموم آزاد باشد. انتشار داده ها نه تنها شفافیت بخش های دولتی را افزایش می دهد، بلکه فرصت های جدید تجاری نیز ایجاد می کند.

فرهنگ یکپارچه سازی و به اشتراک گذاری داده ها را ایجاد کنید

بخش دولتی باید درک کند که داده ها سرمایه مهمی برای طراحی سیاست های بهتر و اجرای موثرتر آنها هستند. برای استفاده از این، داده های جمع آوری شده توسط چندین واحد و سازمان باید از طریق پاکسازی، نقشه برداری و تحول متحد شوند. با این حال، داده ها در بسیاری از موارد تقسیم شده و در داخل یک سازمان و در سراسر سازمان پخش می شوند که مانع استفاده موثر می شود. از جمله دلایل تکه تکه شدن داده ها این برداشت است که داده ها و اطلاعات در اختیار دارندگان داده است و به صورت اختصاصی در نظر گرفته می شود و قابل اشتراک نیست. هم رهبری سازمانی و هم CDO باید تلاش کنند تا این برداشت قدیمی را از بین ببرند و فرهنگ جدیدی را برای به اشتراک گذاری داده ها ایجاد کنند.

ظرفیت تجزیه و تحلیل داده ها را ایجاد کنید

محیط های جدید با هدایت داده های بزرگ، انقلابی در حجم، تنوع و سرعت (یا همان 3 ولت) داده ها ایجاد می کنند. بر این اساس، ابزارهای جدیدی برای کمک به سازمان ها در انجام تجزیه و تحلیل داده ها آسان تر و سریعتر ساخته شده است. یکی از پیش نیازهایی که بخش دولتی را قادر می سازد تا این تکنیک های جدید تحلیلی را با موفقیت در سازمان های خود وارد کند، سرمایه گذاری مداوم در ظرفیت تجزیه و تحلیل داده ها در بین کارمندان است. ایجاد ظرفیت تحلیلی داده ها فقط به یادگیری ابزارهای تحلیلی تغییر نمی کند. این یک چشم انداز روشن است که تجزیه و تحلیل داده ها را با ماموریت سازمانی، دانش پایه ای از آمار و اخلاق داده ها همسو می کند.

نتیجه گیری

نحوه مدیریت ، مدیریت و تجزیه و تحلیل داده ها برای بخش های دولتی و خصوصی برای مدیریت کارآمدتر عملیات روزمره و اتخاذ تصمیمات کاملاً آگاهانه جهت خدمات بهتر شهروندان و مشتریان ضروری است. با توجه به اینکه مشکلات برای حل در بخش دولتی بسیار پیچیده تر و چند وجهی است تا بخش خصوصی، تجزیه و تحلیل داده ها به عنوان راهی اجتناب ناپذیر تلقی می شود که هر سازمان دولتی باید طی کند. انبوهی از مثال ها و روش ها وجود دارد که نشان می دهد بخش دولتی از استفاده از تجزیه و تحلیل داده ها بهره مند شده است. برای سازمان های بخش دولتی که هنوز تمایلی ندارند و آماده استفاده از تجزیه و تحلیل داده ها در تصمیم گیری خود نیستند، هرگز برای رسیدن به دستاوردهای تجزیه و تحلیل داده ها و شروع از اصول دیر نیست.

پروفسور Jin-Wook Choi مدرس دوره یادگیری الکترونیکی سازمان بهره وری آسیایی در دوره های تجزیه و تحلیل داده ها برای بخش عمومی است. توضیحات دوره در اینجا موجود است.

منبع: وبسایت سازمان بهره‌وری آسیایی/ ترجمه: محمد مجیدزاده