دوگانگی داده‌ها در کسب‌وکار

blank

دوگانگی داده‌ها در کسب‌وکار

تا همین یک دهۀ پیش، بیشترِ تصمیم­های مرتبط با کسب و­کار متکی بر اطلاعات بسیار محدود بود. اخیرا رشد ناگهانی داده ها، کاهش چشمگیر هزینه های قدرت پردازش رایانه ای و پیشرفت در یادگیری ماشینی (هوش مصنوعی)، این توقع را ایجاد کرده است که میتوانیم از داده های سرشار و بی دردسری به نفع خود استفاده کنیم که بیشتر جنبه های کسب و کار را دگرکون میکند. واژه داده به لاتین به معنی چیزی که داده می شود، است. داده ای که یادگیری ماشینی و تجزیه و تحلیل براساس ان بنیان گذارده میشود، بدیهی و بی چون و چرا در نظر گرفته میشود. اما در حقیقت مدیران، دانشمندان علم اطلاعات و دانشمندان علوم اجتماعی داده را چیزی تعریف می‌کنند که بدیهی نبوده و نتیجه فرایندی سنجش و تعامل بین ناظر، تکنیک و زمینه است.

همانطور که هر مدیران اجرایی مجربی می داند، اتخاذ تصمیم مهمی مبتنی بر اطلاعات ، می تواند فرایندی را به جریان بیندازد که در ان ، اعداد و ارقام به صورتی تحریف  شده، گزینش شده، نامفهوم، حذف شده، کتمان شده، بریده بریده و حتی جعلی باشند. در عمل، نتیجه به این بستگی دارد که از چه کسی داده ها را درخواست می کنید (وابستگی به ناظر)، چگونه ان را درخواست میکنید (وابستگی به چارچوب )، و چه زمانی و تحت چه شرایطی به دنبال ان هستید (وابستگی به زمینه). به همان اندازه، فرآیندی که در ان ما از افراد می خواهیم در مورد ترجیحات، احساسات و ادراکاتشان گزارش دهند، می تواند با وضعیت زمینه ای در تعارض باشد، تا جایی که سوالات به جای گزارش حالت های مربوطه می توانند مواردی را خلق یا تولید کنند. “آیا خوشحال هستید؟” این جمله اغازگر مجموعه پیچیده ای از ملاحظات در مورد خود و دیگران است که موجب تفسیر ساده انگارانه ای میشود که در ان پاسخ بلی به این معنی است که “او خوشحال است.” تحقیقات نشان می دهد که تمایلات و گرایش های فردی در حقیقت مخصوص دوم شخص است (“خوشحال نسبت به کی؟ نشان دادن شادی در حضور چه کسی؟”).

کسب و کار روش روشن و قانع کننده ای برای مقابله با این محدودیت های داده ها و اندازه گیری انها ندارد و این مقوله معمولا به خطا و اختلال ربط داده می شود. اما این محدودیت ها دقیقا مشتق از مکانیک کوانتومی است (یکی از موفق ترین نظریه های پیش گویانه انسان برای توصیف جهان توسعه یافته). مکانیک کوانتومی یک مدل اندازه گیری را ایجاد کرده است که بسیار دقیق از مفاهیمی مبهم، همپوشان، گیج کننده و وابسته به ناظر استفاده می کند. این مدل را می توان در زمینه های دیگر، با پدیده هایی که در مقیاس فضا-زمان مکانیک کوانتومی رخ نمی دهد، استفاده کرد.

 ابهام (عدم قطعیت) :

ابهام به عدم امکان اندازه گیری جفت متغیرهای خاص مانند حرکت و موقعیت یک ذره با دقت بالا می پردازد. حین بررسی تعاملات اجتماعی و سازمانی ، سنجشی ایجاد میشود که ما ان را داده مینامیم. در این بین نمونه های بسیاری از جفت متغیرهای مکمل هایزنبرگ را می بینیم. مثلا شما سعی می کنید به طور همزمان نیروی انگیزشی یک وضعیت احساسی و آگاهی او از آن وضعیت را در یک فرد اندازه گیری کنید. اگر آگاهی یک شخص از وضعیتی (مثل “هیجان”) بر نیروی انگیزشی او در ان حالت تأثیر بگذارد (به عنوان مثال، فرایند پاسخ دادن به یک سوال یا پر کردن یک ابزار، شدت وضعیت را تغییر می دهد) یا برعکس، ما نمی توانیم هر دو متغیر را با دقتی مشابه بسنجیم. و اگر هر دو متغیر مربوط به تمایل فرد به عمل خاصی در یک موقعیت خاص باشد، ما با انتخاب از روی ناچاری مواجه هستیم.

blank

 همپوشانی و درهم تنیدگی :

مکانیک کوانتومی سیستم های فیزیکی را به عنوان حالتهای همپوشان (اسپین بالا یا اسپین پایین) توصیف می کند، نه حالت های گسسته. علاوه بر این، هنگامی که ما حالت یک ذره را اندازه گیری می کنیم (یک الکترون)، سنجش انتخابی ما (چرخش به بالا یا چرخش پایین) می تواند بر روی حالت اندازه گیری ذرات دیگر (الکترون های دیگر) تأثیر بگذارد، حتی اگر سنجش دوم انقدر دور اجرا شده که از ارتباط دو ذره با همدیگر در سرعت کمتر از سرعت نور جلوگیری کند. این چیزی است که فیزیکدانان «درهم تنیدگی» می نامند. فرایندهای تولید داده (یا همان “سنجش”) در سازمان ها می توانند الگوهای مشابهی را نشان دهند.

برهم نهی: انسانها اغلب دوگانگی اساسی را در خصوص حالت درونی و گرایش به عمل تجربه میکنند. تحقیقات نشان می دهد که این ناهماهنگی یا دوگانگی در واقع “عدم اطمینان در مورد چگونگی احساس شما” نیست – که می تواند توسط مشاهدات و تحقیقات هوشمندانه حل شود، اما نوعی همپوشانی از تمایلات، انگیزه ها یا حالتهای احساسی است. اندازه گیری موجب از بین رفتن این بر هم نهی به انطباق یک حالت واحد میشود، به عنوان مثال، به یک انگیزه یا فرد دیگری. آنچه که ما در نهایت ان را داده مینامیم – چیزهایی که ما برای الگوریتم های پیش بینی شده استفاده می کنیم و به عنوان مبنا قرار میدهیم – به فرایند اندازه گیری ما برای انجام”فروپاشی برهم نهی”  بستگی دارد.

نداشتن موقعیت: هنگامی که ما تلاش می کنیم برآوردی از متغیرهایی که در موفقیت یک سازمان اهمیت دارند (مثلا «توجه» یا «روراستی») با اندازه گیری متغیرهای سطح فردی (مانند “بازه زمانی توجه” و “حساسیت به پاداش”) انجام دهیم، پاسخ های ما احتمالا واکنشهای غیرخطی را نشان می دهد، حتی اگر جریان اطلاعات ماهیتا کلاسیک باشد. مدیران به گونه ای رفتار میکنند و واکنش نشان میدهند که به شبکه های معرفتی بنیادینی بستگی دارد که مواردی از این دست را بازتاب می کند: ذهنیتی که انها  نسبت به تفکر دیگران در شبکه شان دارند و ذهنیتی که انها نسبت به تفکر دیگران در خصوص تفکر خودشان دارند.

آنها اغلب پاسخهایی می دهند و رفتارهایی را به وجود می اورند که با زمینه اجتماعی درک شده (ملموس)، شکل گرفته  و سازگار میشود.

blank

 وابستگی به ناظر و وابستگی به چارچوب :

همانطور که هر مدیر اجرایی می داند، آغاز یک فرآیند تحول، نه تنها کار ساده ای نیست، بلکه خطرناک هم است: اطلاعاتی که شما برای انجام درست کار به ان نیاز دارید،‌ به شدت وابسته به ادراکات، انگیزه ها و رفتارهای کسانی است که بر آنان تکیه دارید. انتخاب ابعاد و عناوین در پرسشنامه ها ، مصاحبه و برگه های امتیازی گروه های تمرکز، واکنش های مختلفی را در پاسخگویی بر اساس انتخاب کلمات، توالی سوالات، پیچیدگی دستوری، قصد و هدف درک شده و همچنین درجه احساسی درک شده (فعال / غیرفعال، مثبت / منفی، مسلط/ مطیع) از ابزار مورد استفاده ما برای پرس و جو ایجاد میکند.

هنگامی که ما با پدیده های انسانی و سازمانی مواجه می شویم، تحت توهمی خوش بینانه اما در نهایت ناکارآمد از “اطلاعات کلاسیک” و “اندازه گیری های کلاسیک” قرار میگیریم. بینش های معرفت شناختی کوانتومی موجب ایجاد شک و تردید قدرتمندی در مورد داده ها می شود. اما افراد در کسب و کار نیاز به چیزی بیش  از تردید منطقی دارند: در واقع آنها نیازمند بینش و اقدامات به موقع هستند. چگونه می توان “اثرات کوانتومی” را در سازمان های انسانی به کار گرفت؟ “دانش شناسی کوانتومی پدیده های اجتماعی” همچنان در اغاز راه است، اما در حال حاضر می تواند با فراهم کردن پرسش های جدیدی برای کسانی که می خواهند فرایند اندازه گیری را درک کنند، نقش ایفا کند.

بومی سازی مفروضات: مثال هایی که در بالا به انها اشاره شد نشان می دهد که فرایند تولید داده ها چقدر اهمیت دارد به ویژه در پاسخ دهی به سوالات زیر:

  • هدف از اندازه گیری چیست؟
  • سازوکار”اندازه گیری” چیست؟

 درجه بندی اهمیت اثرات کوانتومی: این اثرات در بعضی زمینه ها نسبت به دیگر بخشها بسیار حیاتی است، که منجر به پرسشهای ما می شود:

  • آیا افرادی که رفتارشان اندازه گیری می شود با یکدیگر ارتباط برقرار می کنند؟
  • آیا شامل متغیرهای مکمل مانند ادراک و احساسات هستند؟

 جداسازی تفکیک شدنی ها: مثالها نیز نشان میدهند که چگونه تعاملات دو به دو  بین اندازه گیریهای مختلف اهمیت دارد، که موجب میشود ما سوالات زیر را مطرح کنیم:

  • متغیرهای سازمانی که احتمالا سنجش آنها با هم در تداخل است، کدامند؟
  • با چه مکانیسمی این تداخل اتفاق می افتد؟
  • چگونه می توانیم آن را کاهش دهیم؟

 

ساخت قسمت عدم قطعیت هیزنبرگی از ابزار محقق:‌

در اواخر قرن بیستم، دیوید امیل دورکیم، جامعه شناس مدعی شد که چیزی واقعی است که نتایج آن واقعی باشد. هر استراتژیستی کمی از دورکیم در ذهنش دارد:  او می داند که حتی صحبت در مورد سنجش متغیری که  با نتایج اقتصادی روی تصمیمی تاثیر می گذارد، خود عواقب اقتصادی به همراه دارد. این ملاحظات به ندرت به فرایندهای اندازه گیری اعمال می شوند که ما را به پرسیدن موارد زیر وا میدارد:

  • چگونه تصمیم به سنجش ادراکات و انگیزه ها را شکل میدهد؟
  • چگونه روش مشخص سنجش ما، انها را شکل میدهد؟
  • چگونه اعلام نتایج، تلاشهای بعدی سنجش و خروجی را شکل میدهد؟

جدی گرفتن همپوشانیها: همانطور که محاسبات کوانتومی، پدیده ی هم پوشانی را برای تولید کار مفید کنترل می کند ، جدی گرفتن عدم قطعیت اساسی حالت های موثر می تواند با پرسیدن موارد زیر استراتژی های مفیدی برای مداخله در سازمان ها ایجاد کند.

  • مجموعه احتمالی از حالتهایی که سیستم مورد سنجش همزمان در انها حضور دارد، کدام هستند؟
  • سنجش از چه راههایی میتواند جهان ممکنی را که میخواهیم به دست اوریم، واقعی سازد؟
  • سنجش از چه راههایی میتواند ما را از جهانی که قصد اجتناب از ان را داریم، دور نماید؟

به منظور ایجاد ارزش در سازمان های سیال و پویا و اکوسیستم های تجاری امروز، ما باید بهتر درک کنیم که چگونه تعاملات مردم به خودی خود ارزش خود ایجاد می کنند. ما باید ابزار اندازه گیری را که برای درک سازمانها استفاده می کنیم، مجددا بسازیم و مکانیک کوانتومی مبنای امیدوار کننده ای برای رسیدن به این هدف است.

 

  هر کسی در استفاده از کلماتی همچون «واقعیت»، «در واقع» و از این دست باید دقت ویژه ای کند،‌ زیرا این کلمات اغلب منجر به صدور گزاره ای بدون هیچ محتوای تجربی میشود.  “ورنر هایزنبرگ”

منبع: مک‌کنزی
مترجم: مارال مختارزاده

کتاب ها و دوره های آموزشی دوگانگی داده ها در کسب و کار

مقالات مرتبط

پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *