10
سپتامبر

چرا کاربرد هوش تجاری به نسبت شرکت های خارجی بسیار کمتر است؟

وقتی صحبت از کاربرد هوش تجاری می شود، برای برخی از مدیران این واژه معادل داشتن داشبورد اطلاعات است که داده های تجمیعی و یا توصیفی را ارائه می دهد. این نگاه سطحی به داده ها باعث از دست رفتن فرصت های زیادی برای کسب و کار است. فرصت های رشد، افزایش فروش، افزایش قیمت سهام، بازگردانی مشتریان، ضرردهی کمتر و …

دلایل متعددی برای کم بودن استفاده و کاربرد بهینه از هوش تجاری در سازمان ها وجود دارد که در این مقاله به آنها می پردازیم. این دلایل شامل موارد زیر است:

عدم وجود دانش آماری کافی در مدیران برای کاربرد هوش تجاری

یک دلیل عمده برای عدم استفاده از هوش تجاری این است که نیاز آن در سازمان احساس نمی شود چرا که مدیران یا کارشناسان و مشاوران یک شرکت علم چندانی در مورد داده ها و آمار ندارند. علم آمار کمک می کند تا از میان انبوهی از داده ها تفسیرهای معنی دار از آن ارائه شود که در تصمیم گیری ها و سیاست گذاری های شرکت تاثیر بسزایی  می تواند داشته باشد. اگر اطلاعی از این نداشته باشیم که چه خروجی هایی ممکن است از داده ها بوجود آید، قطعا نمی توان عملیاتی برای استخراج آنها طراحی کرد.

عدم وجود دانش مدیریت کافی در کارشناسان آمار یا هوش تجاری

همانطور که مدیران ارشد یا میانی بایستی تا حدودی به دانش آمار و داده ها آشنایی داشته باشند، نیاز است که کارشناسان هوش تجاری یا هوش کسب و کار از کاربرد گزارش های داده ها، تحلیل و تفسیر آن مطلع باشند. بطور مثال یک کارشناس داده باید بداند که مقایسه بین رفتارهای دو گروه از مشتریان و یافتن تفاوت های معنی دار بین آنان باعث می شود که مدیران بازاریابی راهکارهای متفاوتی را در بازاریابی برای آنان در پیش بگیرند. شاید سپس مدیران بخواهند تاثیر گذاری راهبردهای خود را بر گروه های مختلف مشتریان بررسی کنند. تحلیل ها و آزمون های آماری بر روی داده معمولا بر اساس پیش فرض هایی است که درستی آن سنجیده می شود. برای اینکه کارشناسان آماری بتوانند در ذهن خود فرضیاتی را بسازند نیاز است که آنان در مورد مدیریت حوزه های مختلف کسب و کار که به داده نیاز دارد اطلاعات کسب کند.

کاربرد هوش تجاری

عدم وجود سازوکارهای مناسب برای ثبت داده ها

تا وقتی که داده های کافی موجود نباشد نمی توان از آن استفاده مفید داشت. یکی از مهمترین نکاتی که برای استفاده بهینه از هوش تجاری وجود دارد این است که سیستم های جمع آوری اطلاعات خوبی در کسب و کار وجود داشته باشد. بطور مثال فقط داده های مربوط به صندوق یک فروشگاه به تنهایی نمی تواند باعث شود که مدیران تصمیم بگیرند که آیا تغییرات در قیمت گذاری باعث افزایش فروش شده است یا نه؟ ممکن است عامل سومی مبنی بر بازدید بیشتر از فروشگاه باعث افزایش فروش شود، بنابراین لازم است که با استفاده از یک سنسور میزان مراجعات به یک مکان از فروشگاه یا کل فروشگاه در طی ساعات مختلف شبانه روز سنجیده شود. در آن صورت استنتاج مدیران فروشگاه از تاثیرگذاری قیمت گذاری به واقعیت نزدیکتر خواهد بود.

عدم استفاده از نرم افزارهای مناسب جهت کاربرد هوش تجاری

گاهی کسب و کار شما مانند یک بانک با انبوهی از داده های مالی، مشتریان، پس اندازها و … سر و کار دارد. هر کدام از شعبات نیز داده های مخصوص به خود را دارند. بنابراین لازم است تا شما یک نرم افزار قدرتمند با توانایی تحلیل حجم بالایی از داده ها را داشته باشد. این نرم افزار باید به ابزارهای تحلیل داده ها با حجم بالا که به اصطلاح (Data Mining) نامیده می شود را داشته باشد. گاهی برای یک کسب و کار پیش بینی روندها و تحلیل داده های زمانی اهمیت بسیار زیادی دارد. در این صورت این شرکت باید از نرم افزارهایی استفاده کند که به ابزارهای تحلیل زمانی و رگرسیونی داده ها بیشتر مجهز است. هر کدام از نرم افزارهای هوش تجاری ممکن است ویژگی های مطلوب و منحصر به فردی برای کاربردی خاص داشته باشند و یک شرکت بایستی با دقت زیادی یک نرم افزار هوش تجاری را استفاده کند. آنچه می توان گفت این است که یک نرم افزار هوش تجاری نمی تواند حتی پاسخ گویی بخش های مختلف یک سازمان باشد و آن سازمان از نرم افزارهای مختلف هوش تجاری استفاده کند. همگرا نبودن نرم افزار با نیازها و ابعاد باعث می شود تا استقبال کمی در استفاده از آن بوجود آید.

در مقاله بعدی در مورد اینکه چگونه مدیران سازمانی داده محور را بوجود آوردند، خواهیم نوشت. برای اینکه بخواهید در سازمان خود هوش تجاری پیاده سازی کنید با هوش تجاری هیستون تماس بگیرید.