بدون شک با تبدیل  داده به یک  دارایی ارزشمند ، شاهد حضور موفق و  تاثیرگذار  داده در تحقق اهداف استراتژیک کسب و کار یک سازمان خواهیم بود . برای تبدیل داده به یک سرمایه و یا دارایی استراتژیک ، می بایست  در گام نحست تابع یک استراتژی داده باشیم  که همسو با استراتژی کسب و کار ایجاد شده باشد و  در گام  دوم با تدوین یک نقشه راه مشخص  و  اجرای مجموعه ای از پروژه های مدیریت داده به صورت فعال و هدفمند به سمت مقصد حرکت کرد. اجرای موفقیت آمیز هر پروژه مدیریت داده، نیازمند وجود یک فونداسیون مستحکم  است که می بایست قبل از هر چیز دیگر آماده شده باشد. عدم وجود حداقل های مورد نیاز، ریسک اجرای موفقیت آمیز پروژه ها را به شدت افزایش خواهد داد و در عمل شاهد آن خواهیم بود که یک پروژه با هزینه بیشتر ، خروجی کمتر و زمان طولانی تر به سرانجام برسد و یا در  نیمه راه کنار گذاشته شود.
ایجاد یک استراتژی داده، مستلزم  بررسی وضعیت  فعلی مدیریت داده  در یک سازمان و استقرار آن در یکی از نواحی چهارگانه شکل 1 می باشد . برای  تعیین سطح بلوغ  مدیریت داده در یک سازمان  از روش های مختلفی استفاده می گردد. پس از ارزیابی سطح بلوغ مدیریت داده ، یک طرح به همراه اهداف قابل سنجش تدوین می شود تا ضمن شناسایی مستند و دقیق وضعیت فعلی ، جایگاه سازمان در یکی از نواحی چهارگانه ( یکی از ربع ها ) تعیین و ضوابط  لازم حهت نقل و مکان به ناحیه بعدی مشخص گردد. سطح بلوغ مدیریت داده سازمانی با حرکت از Q1 به سمت Q4 پیشرفت می نماید . شکل 1 ، کانون استراتژی داده سازمانی  را نشان می دهد .


برای سازمان هایی که در Q1 هستند ، مدیریت داده یک ضرورت استراتژیک نمی باشد  و  اکثر تلاش ها و یا فعالیت ها  در جهت حفظ عملیات است .در  ناحیه  Q2 ، نیازهای سازمانی  ضرورت وجود یک استراتژی مدیریت داده با تمرکز بر روی افزایش اثربخشی و یا کارآیی  سازمانی را تعیین می کند . یکی از  مزایای بارز  ناحیه Q2 امکان ورود به آن بدون نیاز به سرمایه گذاری اضافی در فناوری است.سازمان های Q3 به این قابلیت رسیده اند که از داده به منظور ابداع ، ایجاد یا بازنگری مدل های  کسب و کار متعددی استفاده نمایند . سازمان های Q4 بهبود یافته های Q2 و Q3 هستند.
سازمان ها  می بایست با  دنبال نمودن صحیح هر مرحله  و ایجاد آمادگی لازم جهت ورود  به ناحیه بعدی ،  سطح بلوغ مدیریت داده را افزایش دهند. این کار همانند زندگی یک انسان است .در آغاز  باید یاد بگیریم با چهار دست و پا حرکت کنیم بعدا راه رفتن را بیاموزیم و با تمرین مستمر، شیوه  صحیح دویدن را یاد بگیریم . بدون وجود زیرساخت مورد نیاز نمی توان از Q1 به Q4 رفت . با استفاده از فونداسیون Q1 نمی توان به سراغ اجرای طرح های نوآورانه داده در ناحیه Q4 رفت . این کار  هزینه بیشتر ، خروجی  کمتر ، زمان طولانی تر و افزایش مشهود ریسک  اجرای پروژه را برای یک سازمان به دنبال خواهد داشت .

نتایج یک نظرسنجی در رابطه با مدیریت داده
اخیرا یکی از مراکز فعال و معتبر در حوزه داده نتایج نظر سنجی از یکصد شرکت فعال در صنایع  مختلف را با محوریت نگاه استراتژیک به داده  منتشر کرده است که به دلیل اهمیت زیاد آن در تغییر نگرش به داده و جایگاه استراتژیک آن ،به  نکات برجسته آن اشاره می کنیم . برخی از ویژگی های جامعه آماری عبارت است از :

•  3 / 1 پاسخ دهندگان  متخصصین کسب و کار   و  3 / 2  متخصصین فناوری اطلاعات
• 40 % از سازمان های شرکت کننده در نظرسنجی دارای یک اداره داده سازمانی می باشند که تمرکز آن ، نگاه به داده و مدیریت آن در سطح سازمانی است .
• اغلب افرادی که به پرسش های مطرح شده در این نظرسنجی پاسخ داده اند ، مدیران ارشد سازمان های خود می باشند . 24% مدیران ارشد C-Level   ، چیزی حدود 34 %  دیگر عناوین مدیریتی و  32 % عناوینی نظیر متخصصین کیفیت داده تا معماران داده
• سازمان های شرکت کننده در نظر سنجی از طیف گسترده ای انتخاب شده اند . 30 % دارای پرسنل کمتر از یکهزار ، 35 % بین هزار تا ده هزار ، و  35  % دیگر  سازمان های خیلی بزرگ
• سازمان های شرکت کننده در نظر سنجی از صنایع مختلفی انتخاب شده اند . شکل های  2 و 3 ، وضعیت سازمان های شرکت کننده در نظر سنجی را از بعد موضوع فعالیت و میزان درآمد نشان می دهد .

در این نظر سنجی ده سوال با نگاه استراتژیک به داده و خلق ارزش از آن در چارچوب مدیریت داده مطرح شده بود که در ادامه هر یک را بررسی می کنیم .

سوال 1 : برداشت و یا استنباط سازمان شما از ارزش چیست و  چگونه آن را تعریف می کند؟
شکل 4، نمودار پاسخ به سوال فوق را نشان می دهد .

توضیحات :رضایت مشتری تنها شاخص ارزش قابل اندازه گیری با عددی بالای 80 درصد است شاید این پاسخ تا اندازه ای طبیعی است چراکه تنها  7 % پاسخ دهندگان از سازمان های دولتی بودند . این نشان می دهد که ما در حال گذار از سازمان های متمرکز بر درآمد به  شاخص های وسیع تری از ارزش هستیم . دو آیتم بعدی که بیشترین درصد را به خود اختصاص داده است : درآمد و کیفیت سرویس و خدمات است .با این که مشاهده درصد بالا سودآوری تعجب برانگیز نیست ولی درصد بالای کیفیت خدمات و محصولات تاکید مجددی است بر توضیحات قبلی که سازمان ها بر روی ارزش های قابل سنجش بیشتر تاکید می نمایند . با این که بسیاری از سازمان ها ارزش را معادل درآمد در نظر می گیرند ، بسیاری دیگر  بر شاخص های قابل اندازه گیری نظیر کیفیت و رضایت  مشتری  تاکید دارند که این یک روند دلگرم کننده است .

سوال 2 : مهمترین هدف سازمان شما از اجرای پروژه های مدیریت داده چیست ؟
شکل 5، نمودار پاسخ به سوال فوق را نشان می دهد .


توضیحات :با پاسخ های غیرمنتظره ای مواجه شدیم :  80 %  ، افزایش توانمندی های سازمانی را عنوان کردند که بر روی مواردی نظیر نوآوری ، گزارش گیری ، کمک در تصمیم گیری ، تجزیه و تحلیل و ... تمرکز دارد . با استناد به  وضعیت فوق می توان به دو نکته بسیار مهم اشاره کرد . درصد فوق وضعیت پروژه های نوع Q3 را  نشان می دهد. پروژه های نوع  Q3 بدون وجود فونداسیون لازم مدیریت داده انجام شده است . بدیهی است اجرای این چنین پروژه هایی با هزینه بیشتر ،  خروجی کم ، زمان بیشتر و ریسک عملیاتی بالا  انجام خواهد بود( نسبت به پروژه هایی که بر روی یک فونداسیون قوی مدیریت داده ایجاد می شوند ). این توانمندی ها اغلب متکی به فناوری های خاصی هستند و اصرار بر اجرای پروژه هایی از این دست نشان می دهد که احتمال شکست این چنین پروژه هایی بسیار  زیاد است (به دلیل وابستگی بیش از حد به فناوری ها ). دومین درصد بالا ( چیزی حدود 56 درصد ) ، فعالیت های نوع Q2 می باشند که تاکید آنها بیشتر در جهت افزایش بهره وری است  (انجام عملیات جاری سریع تر ، بهتر و ارزان تر ) . یکی دیگر از مزایای فعالیت های Q2 این است که می توان با استفاده بهینه منابع از آنها جهت سرمایه گذاری در فعالیت های Q3 استفاده کرد.

سوال 3 : طرح های مدیریت داده  چند درصد با اهداف سازمانی شما همسو می باشد؟
شکل 6 نمودار پاسخ به سوال فوق را نشان می دهد .


توضیحات :تلاش های زیادی باید صورت پذیرد که پروژه های مدیریت داده سازگار با اهداف استراتژیک سازمان گردند. نتایج  نظرسنجی کاملا با چیزی که انتظار آن را داریم متفاوت است :
6 % از سازمان ها گزارش کرده اند که 90% پروژه های مدیریت داده آنها همسو  با اهداف استراتژیک است .  10 % ، گزارش داده اند که نیمی از پروژه های آنها همسو است .  5 % ، گزارش داده اند که فقط 10 % پروژه های آنها همسو با اهداف استراتژیک سازمانی است.  سوال مهمی که مطرح می شود این است که اگر پروژه های مدیریت داده از اهداف استراتژیک سازمانی شما حمایت نمی کنند ،چرا آنها را پیگیری می نمایید؟

سوال 4 : چند درصد از پروژه های مدیریت داده در سازمان شما با موفقیت انجام شده است ؟
شکل 7 نمودار پاسخ به سوال فوق را نشان می دهد .



توضیحات :  6 % سازمان ها اعلام کرده اند که 5 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است .  19 % اعلام کرده اند که   25 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است . 26 % اعلام کرده اند که 50 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است .  9 % اعلام کرده اند که 95 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است . 3% اعلام کرده اند که 100 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است .
با نگاهی به آمار فوق متوجه می شویم که  رکورد موفقیت پروژه های مدیریت داده مناسب نمی باشد و  تنها بین یک تا ده درصد از پروژه ها با موفقیت به اتمام رسیده است .

سوال  5 : چند درصد  از پروژه ها دارای اهدافی بوده اند که اولا به خوبی تعریف شده اند  و ثانیا پس از پیاده سازی اندازه گیری شده اند ؟
شکل 8 نمودار پاسخ به سوال فوق را نشان می دهد .

توضیحات :یکی از دلایلی که بسیاری از  سازمان ها  در اجرای یک پروژه مدیریت داده به موفقیت نمی رسند ، فقدان اهداف بخصوص و تعریف شده  است . 11% سازمان ها گزارش کرده اند که   صفر درصد پروژه ها دارای اهداف مشخص شده بوده اند و پس از انجام کار نیز اندازه گیری شده اند . 8 % سازمان ها گزارش کرده اند که 10 % پروژه ها دارای اهداف مشخص شده بوده اند و پس از انجام کار نیز اندازه گیری شده اند . 19 % سازمان ها گزارش کرده اند که 50 % پروژه ها دارای اهداف مشخص شده بوده اند و پس از انجام کار نیز اندازه گیری شده اند . 8 % سازمان ها گزارش کرده اند که 90 % پروژه ها دارای اهداف مشخص شده بوده اند و پس از انجام کار نیز اندازه گیری شده اند .

سوال 6  : دلایل شکست پروژه های مدیریت داده چیست ؟
شکل 9 نمودار پاسخ به سوال فوق را نشان می دهد .



توضیحات :نتایج نشان می دهد که بهبود آمادگی سازمانی ، بهبود مدیریت پروژه ، گره زدن طرحهای فناوری با اهداف کسب و کار سه نکته حیاتی در اجرای موفقیت آمیز پروژه های مدیریت داده می باشند .  شاید از  همه مهم تر ، میزان آمادگی سازمانی جهت اجرای یک پروژه مدیریت داده است .

سوال 7  : چه فرد یا دپارتمانی در خصوص سرمایه گذاری در انجام پروژه در سازمان شما تصمیم گیری می نماید ؟
شکل 10 نمودار پاسخ به سوال فوق را نشان می دهد .



توضیحات : 12 %  از حوزه کسب و کار ، 21 % از فناوری اطلاعات و 53% ترکیبی از فناوری و حوزه کسب و کار  در خصوص سرمایه گذاری پروژه های مدیریت داده تصمیم گیری می نمایند. وجود یک ساختار متمرکز مدیریت داده سازمانی که در راس آن  CDO ( برگرفته شده از Chief Data Officer )  قرار دارد توانسته است در سالیان اخیر رشد قابل توجهی داشته باشد و چیزی حدود   15 % اعلام کرده اند که کانون تصمیم گیری در خصوص سرمایه گذاری در حوزه مدیریت پروژه های داده در این مرکز اتخاذ می گردد که قطعا نسبت به آن چیزی که در گذشته وجود داشته است یک پیشرفت محسوس است .  همانگونه که اشاره گردید با این که 9 % از سازمان ها گزارش کرده اند که 95 % پروژه های مدیریت داده آنها موفقیت آمیز بوده است ، صرفا 31 % سازمان ها گزارش کرده اند که 50 % پروژه های مدیریت داده آنها 50 % موفقیت آمیز بوده است . این وضعیت یک زنگ هشدار است نسبت به این موضوع که ما می بایست  آموزش هایی با هدف افزایش سواد عمومی داده را در دستور کار خود قرار دهیم تا فرهنگ  نگاه به داده از جایگاه سازمانی بطور مناسب و در ابعاد وسیع تری گسترش یابد .

سوال  8 :  آیا تامین منابع مالی پروژه مشکل است ؟
شکل 11 نمودار پاسخ به سوال فوق را نشان می دهد .


توضیحات :50 %  پاسخ داده اند که مشکل است بتوان ارزش و یا دستاوردهای حاصل از اجرای پروژه های مدیریت داده را نشان داد . و  26 %  پاسخ داده اند که عدم همسویی با اهداف کسب و کار . سه چهارم پروژه های مدیریت داده جهت نشان داده ارزش برای کسب و کار دارای چالش جدی هستند و  یا با اهداف کسب وکار همسو نمی باشند . دقت در انتخاب پروژه ها می تواند این وضعیت را بهبود دهد .

سوال  9 :  وضعیت بلوغ سازمان  شما در حوزه مدیریت داده به چه صورت است ؟
شکل 12 نمودار پاسخ به سوال فوق را نشان می دهد .



توضیحات :مدل بلوغ مدیریت داده در یک سازمان  تاکنون توسط مراکز معتبری ارایه شده است که عموما برای آن پنج سطح ( از مرحله 1 تا مرحله 5 )  تعریف شده است . با بررسی وضعیت مدیریت داده در یک سازمان ، می توان جایگاه یک سازمان را بر اساس شاخص های تعریف شده مشخص کرد . بدیهی است جایگاه یک سازمان از منظر سطح بلوغ داده با میزان موفقیت پروژه های مدیریت داده ارتباط مستقیم دارد و به هر میزانی که  سطح بلوغ داده در یک سازمان بهتر باشد ،  درصد اجرای موفقیت آمیز یک پروژه مدیریت داده نیز افزایش خواهد یافت .
3 % سازمان ها مدیریت داده را به عنوان یک سرمایه استراتژیک انجام می دهند.( مرحله 5 ) ، 10 % با اثربخشی برنامه های مدیریت داده راضی هستند ( مرحله 4 ) ، 44 % برنامه های مدیریت داده را از طریق دپارتمان های خاصی و نه در سطح سازمانی انجام می دهند ( مرحله 3 )، 43 % در مراحل اولیه هستند ( مراحل 1 و 2 ). نتایج نشان می دهدکه تعداد اندکی از سازمان ها بطور واقعی از داده به عنوان یک سرمایه استراتژیک استفاده می کنند .

سوال  10 :  آیا یک تفکر  داده محور حاکم بر سازمان شما است و فرهنگ این کار وجود دارد یا ایجاد شده است؟
شکل 13  نمودار پاسخ به سوال فوق را نشان می دهد .

توضیحات : منظور از تفکر داده محور ، برخورد هدفمند و فعالانه با نیازهای داده ئی سازمان و اکوسیستم مربوطه در هر بخشی از برنامه ریزی فرآیند ، از ایجاد استراتژی تا پیاده سازی فناوری است. توجه داشته باشید که پیاده سازی موفقیت آمیز پروژه های مدیریت داده به این موضوع وابسته است . در پاسخ یک سوم سازمان ها از تفکر داده محورحمایت می کنند و دو سوم تفکر برنامه محور را در اولویت کاری خود  قرار داده اند .

خلاصه 
با بررسی و تحلیل نتایج حاصل از این نظرسنجی و رعایت چندین نکته کلیدی می توان به میزان قابل توجهی از بروز خطا و یا اشکالاتی که می تواند در ناکامی یک پروژه مدیریت داده تاثیرگذار باشد ، پیشگیری کرد .

•  صرفا 13 % سازمان ها برنامه ها و روش های صحیح و موثر مدیریت داده را در سطح سازمان پیاده سازی کرده اند.
• بازنگری در تفکر خلق ارزش با تمرکز بر روی رضایت مشتری و کیفیت خدمات و محصولات در مقابل تفکر سنتی شاخص های صرف سودآوری . مدیران داده با این کار فرصت لینک ارزش های تولید شده توسط پروژه های مدیریت داده را با اهداف سازمانی بدست می آورند .
• تعداد بسیار زیادی از پروژه های داده با استراتژی سازمانی همسو نیستند .یک استراتژی سازمانی می بایست خیلی هم پیچیده نباشد . پروژه هایی که نمی توانند به سادگی با اهداف استراتژیک لینک گردند ، نسبت به پروژه هایی که به سادگی با اهداف سازمانی لینک می شوند ، می بایست از اولویت کمتری برخوردار گردند .
• یکی از دلایل خروجی ضعیف بسیاری از پروژه های مدیریت داده ، استفاده از افراد و یا گروه هایی است که توان لازم جهت تصمیم گیری موثر در حوزه مدیریت داده را در طول پروژه ندارند و در مقابل تصمیمات خود نیز پاسخگو نیستند .
• تعداد زیادی از پروژه های داده بر روی اهدافی تمرکز می نمایند که در حال حاضر خارج از توانمندی سازمانی است .بسیاری از سازمان ها سعی می نمایند از فناوری ها و یا روش هایی استفاده نمایند که زیرساخت آن در سازمان وجود ندارد یا به درستی ایجاد نشده است. ما باید ابتدا شیوه چهار دست و پا رفتن را بیاموزیم قبل از این که بخواهیم راه برویم ، و یاد بگیریم راه برویم قبل از این که تصمیم به دویدن بگیریم و در نهایت راه درست دویدن را یاد بگیریم قبل از این که بخواهیم در یک مسابقه دو ماراتن شرکت کنیم