مؤشّرات الأداء الرّئيسيّة KPIs لمبادرات البيانات الضّخمة

تعرّف على كيفيّة مواءمة مبادرات البيانات الضخمة مع إستراتيجيّة مؤسّستك، والتّحقّق من صحّة جهودك باستخدام مؤشّرات الأداء الرّئيسيّة.

الموضوعات الرّئيسيّة للمقال:

• ما هي البيانات الضّخمة؟
• تحدّيات البيانات الضّخمة
• مؤشّرات الأداء KPIs والبيانات الضّخمة
• التّركيز على البيانات الضّخمة
• اجعل البيانات الضّخمة قابلة للقياس
• الأتمتة بواسطة BSC Designer

قم بالتسجيل بخطة مجانية للوصول إلى Big Data Scorecard و كذلك 30 قالباً آخر لبطاقات الأدء.

نهاية العام هي الوقت المناسب للحديث عن الاتّجاهات النّاشئة: السّيارات ذاتيّة القيادة والذّكاء الاصطناعي والواقع الافتراضي وإنترنت الأشياء. ما هو تأثير هذه الاتّجاهات على عملك؟ كيف يمكنك أن تأخذ في الاعتبار التّأثير المحتمل لهذه الأفكار الّتي تغيّر قواعد اللّعبة؟ تستحقّ جميع الاتّجاهات المذكورة تحليلاً مفصّلاً، ولكن يبدو أنّ هناك اتّجاهاً مرتبطاً بجميع الاتّجاهات الأخرى. أنا أتحدّث عن البيانات الضّخمة.
سيحتاجه الذّكاء الاصطناعي وستعتمد عليه السّيّارات ذاتيّة القيادة وبالطّبع يتمّ استخدامه بالفعل من قبل العديد من الشّركات.

في BSC Designer كنّا نتحدّث كثيراً عن مؤشّرات الأداء الرّئيسيّة KPIs والاستراتيجيّة. أقترح في هذه المقالة مناقشة كيف يمكن للاستراتيجيّة الموصوفة جيّداً ومؤشّرات الأداء الرّئيسيّة KPIs المصمّمة خصّيصاً أن تساعد في التّركيز على جهود البيانات الضّخمة. هذه هي خطّتنا لهذا المقال:

• البيانات الضّخمة.ما هي؟ ماهي التّحدّيات الرّئيسيّة الّتي تواجهها؟
• مؤشّرات الأداء الرّئيسية للبيانات KPIs الضّخمة . 4. مستويات من مؤشرات الأداء الرئيسية وتحقيق المواءمة الاستراتيجيّة.
• خطة العمل. تنفيذ قابل للقياس للبيانات الضخمة.

ما المقصود بالبيانات الضّخمة؟

تتعلّق البيانات الضّخمة بتحليل مجموعات البيانات الكبيرة غير المنظّمة.

يمكن أن تتميز البيانات الضخمة بـ 3 مقابل 3 V:

• الحجم. من المفترض أن تكون مجموعات البيانات كبيرة. هناك بعض التّقديرات الّتي تشير إلى أنّه يجب أن تكون 10 غيغابايت أو 1 تيرابايت على الأقلّ، ولكن من المحتمل أن يكون المعيار الأفضل هو القول أنّ البيانات الضّخمة شيء يجب توزيعه (من حيث التخزين أو العمليات الحسابية). إذا كان عليك التبديل إلى Hadoop أو إطار عمل مشابه، فسيصبح كبيراً.
• التنوّع. فكّر في مصادر مختلفة للبيانات المهيكلة وغير المهيكلة. يمكن استخراجه من النّص أو الفيديو أو بيانات المبيعات أو وسائل التّواصل الاجتماعي أو توقّعات الطقس أو أي شيء منطقي في سياقك.
• السّرعة. يرجع الحجم الكبير للبيانات إلى سرعة توليد البيانات. فكّر في الآلاف من عناصر الطّائرات الّتي تتمّ مراقبتها باستمرار [1. Why every flight you take is obsessively monitored, 2015, Dan Bobkoff, Business Insider]، or أو حول التّدفّق المستمرّ للتّعليقات في وسائل التّواصل الاجتماعي، أو حول البيانات في الوقت الفعلي التي توفّرها الأجهزة القابلة للارتداء.

غالبًا (خذ IBM [2. The Four V’s of Big Data, IBM Big Data & Analytics Hub] or EY[3. Big data. Changing the way businesses compete and operate, 2014, Insights on governance, risk and compliance, EY] كمثال) ، هناك أيضًا حرف “V” رابع يشير إلى “Veracity الموثوقيّة:”

• . عندما نتحدّث عن البيانات، فإنّنا نتعامل دائماً مع مستوى معيّن من عدم اليقين. كيف تمّ الحصول على البيانات؟ هل قمنا بتحليل كل العوامل؟ هل تمّ التّلاعب بها؟ هل يمكننا الوثوق بهذه الأرقام؟

كيف يتمّ استخدام البيانات؟

تُستخدم البيانات الضّخمة لمجموعة واسعة من التّحليل التّنبؤي والسّلوكي. تطبّق المؤسّسات البيانات الضخمة لتقليل التكاليف وفهم احتياجات العملاء بشكل أفضل ولتخفيف المخاطر. فكّر في شركة تستخدم البيانات الضّخمة لتقديم تجربة مخصّصة للعملاء؛ فكّر في التّحقّق من الاحتيال لمزوّد التّجارة الإلكترونيّة.
ذكرت في بداية المقال بعض الاتّجاهات النّاشئة – البيانات الضخمة متضمّنة في كلّ منهم. لمعرفة المزيد حول الاستخدام العملي للبيانات الضّخمة، أوصي بالاستمرار مع “7 شركات مذهلة تحصل حقّاً على بيانات ضخمة.
[4. 7 Amazing Companies That Really Get Big Data, Bernard Marr, 2015, Wiley]” “بقلم الخبير المعترف به دوليّاً برنارد مار.

التّحدّيات الرّئيسيّة للبيانات الضّخمة

تبدو الرّؤية الموصوفة للبيانات الضّخمة طموحة للغاية. لماذا إذن تتباطأ الشّركات في تبنّي هذا الاتّجاه الجديد؟ ما هي التّحديات الرّئيسيّة للبيانات الضخمة؟

لم يعد التّنقيب عن البيانات يمثّل تحدّياً رئيسيّاً بعد الآن

في وقت لاحق من أكتوبر، كنت أتحدّث في مؤتمر نظّمته SCIP [5. Strategic and Competitive Intelligence Professionals (SCIP)] (متخصّصو الاستخبارات الإستراتيجيّة والتّنافسيّة). يتعامل أعضاء هذه المنظّمة مع البيانات الضّخمة في مجالات استخبارات السّوق. لم يكن الموضوع الرّئيسي للمؤتمر حول التّنقيب عن بعض بيانات CI / BI كما قد يتوقّع المرء، بل كان حول مواءمة جهود ذكاء الأعمال مع إستراتيجيّة المنظّمة. بمعنى آخر، بمجرّد أن تعرف الشّركة الأسئلة الّتي تريد طرحها، يصبح الباقي سهلاً نسبيّاً (انظر الاستطلاعات أدناه للحصول على بعض البيانات).

إذا لم يعد التّنقيب عن البيانات يمثّل مشكلة، فما هي التّحدّيات الرّئيسيّة؟

التّحدّي الأوّل: التّركيز على البيانات الضّخمة

يتمثّل التّحدّي الرّئيسي في تركيز البيانات الضّخمة على الأمور المهمّة، ثمّ تسليمها إلى المكتن الصّحيح. بمعنى آخر، يجب أن يكون هناك شخص ما في المنظّمة يجب أن يبدأ في طرح الأسئلة الصّحيحة.

لتوضيح هذه الفكرة ، دعونا نأخذ قصّة الهدف [6. How Companies Learn Your Secrets, Charles Duhigg, 2012, The New York Times Magazine] كان ذلك في عناوين الأخبار في عام 2012. نجح بائع التّجزئة هذا في استخدام بيانات تحليلات المتسوّقين للتّنبّؤ بأنّ بعض عملائه كانوا حوامل. دعنا نلقي نظرة على القصّة (دون مراعاة الجزء المتعلّق بالخصوصيّة) ونرى ما حدث بالفعل. لم يكن أندرو بول الإحصائي الّذي عمل في Target، يقدّم فقط جميع البيانات الممكنة، بل حصل على مهمّة محدّدة جدّاً من زملائه من التّسويق – تحديد المتسوّقات الحوامل في الثّلث الثّاني من الحمل.

كان هناك تركيز، وكان هناك قيمة تجاريّة ضخمة مرتبطة بهذا التّركيز، حيث يميل الآباء الجدد إلى تغيير عاداتهم الشّرائية وشراء كل شيء من متجر واحد للبيع بالتّجزئة. لم يكن الأمر يتعلّق فقط باللّعب بالبيانات، بل كان يتعلق بالعثور على البيانات الّتي من شأنها أن تساعد في الإجابة على سؤال محدّد للغاية.

التّحدّي الثّاني: التّوافق مع إستراتيجيّة العمل

ستغيّر البيانات الضّخمة قواعد اللعبة عندما توفّر قيمة تجاريّة ملموسة. بعبارة أخرى، يجب أن يكون واضحاً كيف تدعم مبادرات البيانات الضخمة استراتيجيّة الشّركة. شركاء NewVantage في استبيان المدراء التّنفيذيين للبيانات الضّخمة [7. Big Data Executive Survey, 2017, NewVantage Partners].
سأل المستجيبون عن العوائق الثّقافيّة الّتي تحول دون تبنّي أعمال البيانات الضّخمة. اختار 42.6٪ من أفراد العيّنة الإجابة “التّوافق التّنظيمي غير الكافي”. وشملت الخيارات الأخرى الافتقار إلى التبنّي، والافتقار إلى استراتيجيّة بيانات متماسكة، والافتقار إلى رؤية مشتركة.
بالعودة إلى الحالة المستهدفة، فقد نجحوا في معالجة عنصرين مهمين:

1. البيانات الضّخمة الّتي تركّز على استعلام محدّد: تمّ الطّلب من متخصّص بالبيانات أن يحدّد المتسوّقات الحوامل في ثلثهنّ الثّاني
2. التّوافق مع إستراتيجيّة العمل: كانت هناك قيمة تجاريّة واضحة للبيانات – العائلات الّتي ولد فيها طفل أصبحت عميلة لمتجر تجزئة واحد لفترة طويلة.

التّحدي الثّالث: أمان البيانات والخصوصيّة

هذا التّحدّي ليس سائد الاستخدام حتّى الآن، لكنّني أعتقد أنّه من الواضح لأيّ شخص أنّ جمع البيانات
وتحليلها يجب أن يكون أخلاقيّاً وقانونيّاً. أصبحت اللّائحة العامة لحماية البيانات (GDPR) قابلة للتّنفيذ اعتباراً من 25 مايو 2018 في أوروبا، وهناك لوائح مماثلة في بلدان أخرى. يجب أن تكون الشّركات أكثر جديّة بشأن اتّباع سياسات البيانات عند معالجة البيانات الشّخصيّة.

دعونا نناقش مؤشّرات الأداء الرّئيسيّة KPIs في سياق البيانات الضّخمة.

مؤشّرات الأداء الرّئيسيّة KPIs والبيانات الضّخمة

هل ستحلّ البيانات الضخمة محلّ مؤشّرات الأداء الرّئيسيّة KPIs؟ ليس تماماً. ستعمل البيانات الضّخمة على تعزيز مؤشّرات الأداء الرّئيسيّة KPIs برؤى أكثر دقّة وحداثة.
لنأخذ NPS (صافي نقاط التّرويج) كمثال:

• NPS الآن. كيف يتم حساب NPS (صافي نقاط التّرويج) في مؤسّستك اليوم؟ ربما تقوم بعمل نوع من استبيان العملاء على أساس ربع سنوي. وبالتّالي فإنّ هذا المؤشّر متأخّر في الوقت المناسب. إذا حدث شيء ما لعملك ، فستعرضه NPS بعد بضعة أشهر.
• NPS مدعوم بالبيانات الضخمة. تخيّل الآن أنّك تستخدم بعض أدوات البيانات الضّخمة الّتي تحلّل مشاعر العملاء في الوقت الفعلي (انظر مرجع Heedbook أدناه). في هذه الحالة، ستصبح NPS الخاصة بك مؤشّر أداء رئيسي في الوقت الفعلي. ستتمكّن من رؤية رد فعل عميل معيّن على عرض معيّن ونهج بيع محدّد.

في بعض الحالات، ستكون مهتمّاّ بالتعمّق في البيانات والوصول إلى المواقف المحدّدة، وفي بعض الحالات ستحتاج إلى الاطّلاع على البيانات المجمّعة للأسبوع أو الشّهر أو السّنة.

مؤشّرات الأداء الرّئيسيّةKPIs للبيانات الضّخمة

في حالة البيانات الضّخمة، نتحدّث عن استثمارات كبيرة في الأدوات والبنية الجديدة، لذلك من المنطقي مراقبة تلك المبادرات ببعض البيانات الثّابتة. يجب أيضاً قياس مبادرات البيانات الضّخمة وقياسها. يمكننا القيام بذلك على عدّة مستويات مختلفة.

المستوى 1. مقاييس – V

يمكن قياس 3V (الحجم والتّنوّع والسّرعة) للبيانات الضخمة بسهولة:

• Volume حجم البيانات هو مقياس في حد ذاته (جيجابايت ، تيرابايت ، إلخ)
• Variety التنوّع يمكن قياسه باعتباره عدد الأنواع المختلفة لمصادر البيانات
• Velocity السّرعة هي حجم البيانات الّتي تمّ إنشاؤها / تحليلها لكل فترة زمنيّة

ال V الرّابعة- Veracity الموثوقيّة قد تكون أكثر صعوبة. ستحتاج إلى تحديد ما يعتبره فريقك بيانات دقيقة وهذا يعتمد على السّياق. على سبيل المثال، بالنّسبة لسيّارات محرّك الاحتراق الّتي تقيس السّرعة الحاليّة بمستوى خطأ + -5 كم / ساعة، يمكن اعتبارها بيانات دقيقة، بينما بالنسبة للسّيّارات الكهربائيّة فهي غير مقبولة. حدّد مقياسين لإعطاء فكرة عن دقّة البيانات في حالتك.
هل المقاييس ثلاثيّة الأبعاد مفيدة؟ هذا يعتمد على السّياق الخاص بك. لنأخذ سيّارة Google ذاتيّة القيادة كمثال. تنتج السيارة 1 غيغابايت من بيانات المستشعر في الثّانية [8. Google X: Leveraging data and algorithms for self-driving cars, 2017, Harvard Bussiness School]. هذا الرّقم يبدو مثيراً للإعجاب! يمكننا تقدير حجم البيانات الضّخمة، لكن هذه الأرقام لن تساعدنا في مواجهة التّحديات الثّلاثة المذكورة سابقاً.

قم بالتسجيل بخطة مجانية للوصول إلى Big Data Scorecard و كذلك 30 قالباً آخر لبطاقات الأدء.

المستوى 2. مقاييس معالجة البيانات الضخمة

دعنا ننتقل إلى المستوى التّالي من التّجريد ونلقي نظرة على عمليّة البيانات الضّخمة. النّموذج المبسّط كالتّالي:

• الاستعلام
• المجموعة
• التّحليل
• إعداد التّقارير

ترتبط المقاييس الأكثر فائدة في هذه الحالة بالوقت:

• معدّل تكرار جمع البيانات
• الوقت اللّازم لإتاحة البيانات للتّحليل
• الوقت اللّازم لإعداد تقرير بالبيانات في شكل مؤشّرات أداء رئيسيّة KPIs

تعتمد معايير التّوقيت على سياق عملك. فمثلاً:

• تحتاج السّيّارة ذاتيّة القيادة إلى جمع البيانات وتحليلها في الوقت الفعلي، وإن الاختلاف بمقدار أجزاء من الثّانية مهمّ، ولكن
• في حالة مدراء NPS قد يكونون مهتمّين بمراجعة البيانات الأسبوعيّة المجمّعة

من حيث كفاءة العمليّة، يمكننا تتبّع ما يلي:

• استعلام للإبلاغ عن معدّل التّحويل ،% . في هذه الحالة، يجب علينا تحديد مفهوم الاستبيان المؤهّل أوّلاً، ثم تتبّع النّسبة المئويّة للاستعلامات المؤهّلة الّتي تمكِّن علماء البيانات لدينا من الإجابة عنها
• إمكانيّات التقاط البيانات.مستوى دقّة البيانات الّتي نلتقطها (الأفكار الّتي نوقشت أعلاه في الموثوقيّة Veracity). بالنّسبة لبعض الشّركات، تحدّد هذه الإمكانات ميزتها التّنافسيّة المستدامة.

تعطينا المقاييس من هذا المستوى فكرة أفضل عن مدى كفاءة البيانات الضّخمة، ولكن ليس لدينا أدنى فكرة عن تأثير البيانات الضّخمة على أهداف العمل الحقيقيّة.

المستوى 3. تأخّر مؤشّرات الأداء الرئيسية. مؤشّرات الأداء الرّئيسيّة للتّحقّق من نجاح البيانات الضّخمة.

سؤال آخر هو كيفيّة التّحقّق من صحّة نجاح مبادرات البيانات الضّخمة في الشّركة. من ناحية هناك بعض الاستثمارات المهمّة في البنية التّحتيّة، ومن ناحية أخرى يجب أن تؤتي البيانات الضّخمة ثمارها في شكل رؤى تجاريّة. كيف يمكننا قياس القيمة بالدولار لتلك الأفكار؟

في هذه الحالة، نحتاج إلى تتبّع التّحسينات الّتي يمكن أن تُنسب إلى استخدام البيانات الضّخمة:

• ما هي الدّروس الّتي تعلّمناها من البيانات الضّخمة؟ ما التّوفير في التّكلفة الّذي تمّ تحقيقه بعد تنفيذ هذه الأفكار؟
• كيف تغيّر معدل الاحتفاظ بالعملاء بسبب تقديم تجربة مخصّصة؟ كيف تتغيّر القيمة الدّائمة للعميل؟
• هل تساعد البيانات الضّخمة خدمة العملاء في أن تكون أكثر فعاليّة؟ كيف تغيّرمعدّل دقّة المكالمة الأولى ؟
• كيف تغيّرت عمليّات التّوظيف بعد البدء في استخدام البيانات الضّخمة؟ كيف تغيّر مقياس الموارد البشرية وقت الأداء ؟

كما ترى في هذا المستوى، فإنّنا نستخدم مؤشّرات الأداء الرّئيسيّة KPIs الكلاسيكيّة التي كنا نستخدمها من قبل. ما نحاول القيام به هو اعتماد بعض التّحسينات على تنفيذ البيانات الضّخمة.

قد يكون هذا الأسلوب متحيّزاً:

• نميل إلى احتساب التّغييرات الإيجابيّة على أنّها إنجازاتنا و
• نرى التّغييرات السّلبيّة كتقلّبات عاديّة تحدث دائماً.

الحلّ هو استهداف أهداف أكبر وأكثر واقعيّة.

تتمتّع العديد من المؤسّسات بمهارة جزء القياس هذا، وتقوم ببساطة بشراء “بعض البيانات الضّخمة”. بحسب التّقرير [9. Cracking the Data Conundrum: How Successful Companies Make Big Data Operational, Capgemini Consulting, 2014] بواسطة Capgemini Consulting ، 67٪ من الشّركات الّتي تمّت مقابلتها ليس لديها معايير محدّدة جيّداً لقياس نجاح مبادرات البيانات الضّخمة الخاصّة بهم. بالنّظر إلى حجم الاستثمار، يجب أن تكون الشّركات أكثر منهجيّة في تحديد الأهداف ومعايير نجاح تنفيذ البيانات الضّخمة.

قم بالتسجيل بخطة مجانية للوصول إلى Big Data Scorecard و كذلك 30 قالباً آخر لبطاقات الأدء.

المستوى 4. مؤشّرات الأداء الرّئيسيّة KPIs الرّائدة. ضمان نجاح البيانات الضّخمة.

الآن نحن نعرف كيف نقيس الجزء النّاتج من مبادرات البيانات الضّخمة، ولكن ماذا عن الجزء الرّائد؟ ما الّذي يجب أن نفعله لضمان التّنفيذ النّاجح للبيانات الضّخمة؟

الجزء الصّعب من البيانات الضّخمة ملموس تماماً، ويمكننا قياسه بمقاييس عامة مثل:

• الأموال المستثمرة في مبادرات البيانات الضّخمة
• قضاء الوقت في مبادرات البيانات الضّخمة

أهداف العمل تركز على البيانات الضّخمة

إليك سيناريو حقيقي: استثمرت شركة ملايين الدّولارات في البنية التّحتيّة والأدوات وجمع البيانات الضّخمة باستخدام مجموعةHadoop ، ولم يحدث شيء يمكن قياسه. هذا ما كنّا نتحدّث عنه في التّحدي الأوّل: البيانات الضّخمة ليست ذكاءً اصطناعيّاً، ولا يمكنها التّحدّث، وفريقك بحاجة إلى تعلّم طرح الأسئلة. كيف يمكننا قياس دور الفريق بعد ذلك؟

إليك بعض الأفكار للبدء:

• فعاليّة التّدريب على البيانات الضّخمة . احرص على أنّ الأعضاء الرّئيسيّين في فريقك قد تلقّوا بعض التّدريب على البيانات الضّخمة. ليس من الضّروري أن يصبحوا علماء بيانات، لكنّهم بحاجة إلى معرفة الأسئلة الّتي يمكنهم طرحها وكيفيّة صياغة هذه الأسئلة. المقاييس في هذه الحالة ستكون مرتبطة بفاعليّة التّدريب [10. Training Scorecard: From Exam Scores to KPI Effectiveness, Aleksey Savkin, 2016, BSC Designer].
• ٪ من الأهداف الإستراتيجيّة مع مبادرات البيانات الضّخمة . يمكننا تتبّع عدد استفسارات البيانات الضّخمة الّتي يصوغها كلّ فريق، ولكنّ هذا النّهج سيكون رسميّاً جدّاً وأقلّ فائدة. الخيار الأفضل هو تتبّع التّوافق بين الأهداف واستعلامات البيانات الضّخمة. اطلب من فريقك إلقاء نظرة على أهدافهم الإستراتيجيّة ثمّ مناقشة البيانات الّتي قد يحتاجون إليها لاتّخاذ قرارات أفضل في سياق تلك الأهداف.

البيانات الضّخمة تساعد في صياغة أهداف عمل جديدة

إنّ عمليّة مطابقة سياق الأعمال والبيانات الضّخمة هي عمليّة ثنائيّة الاتّجاه. في بعض الأحيان يكون لدينا تحدٍّ معيّن في الاعتبار ثمّ نبحث عن أدوات محدّدة للبيانات الضخمة (كما في حالة الهدف)، ونجد أحياناً أداة مثيرة للاهتمام ثمّ نحاول مطابقتها مع أهدافنا. وهنا بعض الأمثلة:

• وجد شخص في فريقك Heedbook [10. Heedbook – customer service evaluation through a neural network]. ، وهي خدمة تحلّل مشاعر العملاء في الوقت الفعلي. الخدمة مبنيّة على Microsoft Azure ومتاحة في السّحابة. قد يبتكر فريق خدمة العملاء لديك فكرة لاستخدام هذه الخدمة لحساب NPS بشكل أفضل.
• واجه موظفو تكنولوجيا المعلومات IT لديك تحديًا يتمثل في العثور على برنامج DLP (منع فقدان البيانات). لقد صادفوا SearchInform [11. SearchInform – the information security company in the CIS region] الّتي لا يمكنها تحليل الاتّصالات والملفّات المرسلة فحسب، بل يمكنها أيضاً فرض سياسات أمان معيّنة. يمكن تحديث استراتيجيّة تكنولوجيا المعلومات لمؤسّستك من خلال مراعاة إمكانيّات أداة DLP.

على أيّ حال، من الجيّد مطابقة أهداف عمل محدّدة مع متطلبات البيانات الضّخمة.

خطّة العمل. اجعل البيانات الضخمة قابلة للقياس.

دعنا نصوغ بعض الاستنتاجات من هذه المقالة. أفضل القيام بذلك في شكل خطة عمل.

1. راجع البيانات الضّخمة. كيف يتمّ جمع البيانات الآن، ما هي إمكانيّات التقاط البيانات لديك (استخدم مقاييس معالجة البيانات الضّخمة كإطار عمل).
2. قم بأداء واجبك. قم بصياغة إستراتيجيّتك على خريطة الإستراتيجيّة، وتسلسلها إلى وحدات العمل. راجع مؤشّرات الأداء الرّئيسيّة KPIs الحالية..
3. تحسين القدرات. خطط للمبادرات لمعالجة قدرات الفريق فيما يتعلّق بالبيانات الضّخمة. يجب على الأعضاء الأساسيّين فهم الأسئلة الّتي يمكنهم طرحها وكيفيّة صياغة هذه الأسئلة.
4. تركيز جهود البيانات الضخمة. راجع خريطة إستراتيجيّتك، وحدّد الفرص الّتي يمكن أن تدعم فيها البيانات الضّخمة أهداف العمل. صياغة استعلامات البيانات الضّخمة.
5. التّنفيذ. تحليل الرّؤى الّتي تقدّمها البيانات الضّخمة، وعكسها في شكل مؤشّرات الأداء الرّئيسيّة KPIs عند الحاجة.

دليل قصير لمستخدمي برنامج BSC Designer

بصفتك مستخدمًا لـ BSC Designer، لديك برنامج قوي يقوم بأتمتة العديد من مواءمات الإستراتيجيّة وجوانب مؤشّرات الأداء الرّئيسيّة KPIs الّتي تمّت مناقشتها في هذه المقالة:

• المواءمة الاستراتيجيّة والتّركيز على البيانات الضّخمة. إنشاء خريطة استراتيجيّة لتقديم أهداف عملك؛ مواءمة مؤشّرات الأداء الرّئيسيّةKPIs مع الأهداف على الخريطة. إذا لم يكن لديك خريطة إستراتيجيّة حتّى الآن، فاستخدم معالج الخريطة الإستراتيجيّة للبدء.

• التّأكّد من أنّ الفريق لديه إمكانات البيانات الضّخمة. استخدم بطاقة أداء التّدريب (يمكنك البدء بهذا المثال) للتأكّد من أنّ فريقك لديه القدرات اللّازمة للعمل مع البيانات الضّخمة.
• دعم مؤشّرات الأداء الرّئيسيّة KPIs بالبيانات الضّخمة. تتبع مقاييس الأداء لمبادرات البيانات الضّخمة؛ استخدم RESTFul API لإدخال تقارير البيانات الضّخمة في الوقت الفعلي في المؤشّرات.

إذا لم تكن مستخدماً بعد، فيمكنك البدءبخطّة مجانيّةمن BSC Designer ، والّتي تتوفّر عبر الإنترنت.

المزيد من الأمثلة على بطاقة الأداء المتوازن