ضرورت برخورداری از دانش مدیریت داده‌ها و هوشمندی کسب و کار (BI) برای مدیران صنعت فولاد

با مطالعه موردی فولادساز روسی Evraz

حسام ادیب

رئیس هیات‌مدیره گروه دانش‌بنیان پاترون

واحد درسی آمار و احتمالات را، تقریبا همه ما، در دانشگاه گذرانده‌ایم. اما دانش ما از علم آمار و مهارت ما در تحلیل داده‌ها در چه حدی است؟ این مقاله تلاش می‌کند به‌طور خلاصه نوری بیافکند بر گوشه‌ای که جایگاه و اهمیت آن در صنعت و اقتصاد کشور تا حدی مغفول مانده است.

برخورداری از دانش مدیریت داده‌ها برای یک مدیر، ضرورت محسوب می‌شود. ضرورتی که در دنیای امروز، بی‌اطلاعی از آن، پایه سوءمدیریت علمی را تشکیل می‌دهد. مهارت تحلیل داده و اشراف بر موضوع هوش کسب و کار از لازمه‌های دانش یک مدیر در دنیای امروز است.

یک مدیر پیوسته با موضوعاتی روبروست که باید در مورد آنها تصمیم‌گیری کند. تصمیم‌گیری در مورد اهداف و برنامه‌های واحد تولید، نت، خرید، فروش و غیره و تحلیل داده‌های آنها به منظور تصمیم‌گیری برای اهداف و برنامه‌های جدید. بماند که متاسفانه ما در ایران با مدیرانی روبرو هستیم که بی‌عملی می‌کنند و خود را در معرض هیچ تصمیم‌گیری‌ای قرار نمی‌دهند و سازمان‌ها یا واحدهای تحت مدیریت‌شان، در سایه‌ای به ظاهر امن و محافظه‌کارانه، رو به قهقرا می‌روند و نه بازخواست می‌شوند و نه بازخواست می‌کنند. بدیهی است روی سخن این مطلب با این دسته از به ظاهر مدیران نیست.

یک مدیر برای تصمیم‌گیری به داده نیاز دارد. وقتی داده‌ها به دست آیند، تبدیل به گزارشاتی می‌شوند که خودشان برای یک مدیر تصمیم ایجاد میکنند. یعنی رابطه بین یک مدیر و داده، یک رابطه دو سویه است. هم مدیر داده را می‌سازد و هم داده مدیر را می‌سازد و پیش می‌برد.

می‌خواهید به پرسنل پاداش پرداخت کنید. آیا پاداش دادن واقعا منجر به رضایت پرسنل و بهبود عملکرد می‌شود؟ چقدر؟ یک مدیر با داده‌های عینی سر و کار دارد و نه با فرضیات ذهنی. تصمیم‌گیری بر اساس فرضیات ذهنی، می‌شود مدیریت تجربی و نه مدیریت علمی و می‌شود آنچه که به آن سعی و خطا می‌گوییم. مدیریت سعی و خطایی در دنیای امروز که علم مدیریت اینقدر پیشرفت کرده است، جایگاهی ندارد.

می‌خواهید کاهش هزینه بدهید. کدام بخش هزینه‌ها را می‌توان کاهش داد؟ هزینه‌های تولید یا سربار؟ سهم هر کدام و احتمال کاهش آنها چقدر است و اولویت‌بندی چه باید باشد؟ اگر می‌خواهید افزایش تولید بدهید، تحلیل شما از زمان ذوب واحد فولادسازی‌تان چیست؟ یا برعکس، داده‌های تولید چه تحلیلی را برای شما ایجاد می‌کنند و متوجه چه نقاط قابل‌بهبودی می‌شوید؟ بر این اساس هدف را چگونه تعیین می‌کنید و چگونه آن را کنترل نموده و بهبود می‌دهید؟

بازه منگنز در فولاد ساختمانی ۵Sp از ۲۸ صدم تا ۳۷ صدم درصد است. با توجه به قیمت و سهم هزینه فروآلیاژها در بهای تمام شده، سیاست خود را برای ضریب مصرف فروآلیاژها چگونه تعیین می‌کنید؟ نسبت منگنز با دیگر عناصر مثل سیلیس و کربن و کربن معادل چیست؟ در ذوب‌های مختلف که آنالیز اولیه مختلفی دارند، سیاست شما چگونه باید اجرایی شود؟ حد پذیرش شما چیست و این سیاست شما چه تاثیری در برندینگ و فروش و سودآوری شما دارد؟ ذهنی تصمیم می‌گیرید و سیاست کلی را اعلام می‌کنید و یا داده‌ها را تحلیل کرده و کنترل و نظارت دقیقی روی آنها دارید؟ نظارت شما منجر به چه تصمیمات و برنامه‌هایی می‌شود؟

این‌ها همه مثال‌هایی از مسائلی است که یک مدیر پیوسته با آنها سر و کار دارد. اما برای یک مدیریت علمی و مهندسی، چه باید کرد و چگونه می‌توان از داده‌ها در تصمیم‌گیری‌ها استفاده کرد؟

اولین گام ثبت داده‌ها و تصویری کردن (Visualization) آنهاست. می‌دانیم حداقل گزارشی که هر شرکت باید داشته باشد، اظهارنامه مالیاتی است. در اظهارنامه مالیاتی، کل عملکرد یک سال یک شرکت، اعم از خرید، فروش و هزینه ها ارائه می‌شود. اما این گزارش آنقدر کلی است که امکان ندارد به کمک آن بتوان اثر پرداخت پاداش را روی عملکرد فرد-فرد اعضای تیم فروش یا تولید یا غیره استخراج نمود. همچنین از این گزارش نمی‌توان استنباط کرد که چه هزینه‌ای باید کاهش یابد یا سیاست‌های کیفی چه تاثیری روی سودآوری داشته است. در نتیجه ما به داده‌های دقیق‎تری نیاز داریم که به تفکیک، در موقع وقوع، ثبت شوند و بتوان از آنها گزارش گرفت.

امروزه در شرکت‌ها سیستم‌های اطلاعاتی بسیاری مورد استفاده قرار می‌گیرد. از نرم‌افزارهای مالی، که سندهای انبار، تولید، خرید، فروش، هزینه‌ها را ثبت می‌کنند گرفته تا سیستم‌های PLC و اتوماسیون که داده تولید می‌کنند تا گزارشات تولید و نت که به صورت کاغذی یا نرم‌افزاری (مثل اکسل) به ثبت داده می‌پردازند تا سیستم‌های یکپارچه اطلاعاتی و در نهایت سیستم‌های ERP. خوشبختانه در کشور ما از این حیث کمبود خاصی احساس نمی‌شود چراکه حتی برای مدیران بی‌عمل، برخورداری از این نرم‌افزارها و سیستم ها پرستیژ محسوب می‌شود.

پراکندگی داده‌ها و جزیره‌ای بودن آنها اجازه تحلیل ارتباط آنها را به ما نمی‌دهد. فرض کنید توقف فنی منجر به طولانی شدن زمان ذوب شده است. چنانچه داده‌های توقفات در یک نرم‌افزار یا سیستم و داده‌های تولید در یک نرم‌افزار یا سیستم دیگر ثبت شده باشند، امکان تحلیل تاثیر پارامترهای مختلف و استخراج اثر آنها روی بهای تمام شده یا مدت زمان تحویل شمش فولادیِ تعهد شده وجود ندارد. بر همین اساس لازم است همه داده‌های موجود در سازمان، از منابع مختلف اطلاعاتی سازمان جمع‌آوری، دسته‌بندی و ذخیره گردند. به این بانک اطلاعاتی مخزن داده‌ها یا “انبار داده‌ها” (Data Warehouse) گفته می‌شود. برای رسیدن به سیستم “هوش کسب و کار” (Business Intelligence یا BI) برخورداری از انبار داده‌ها یک ضرورت پایه‌ای است. بدیهی است برای پیاده کردن این سیستم، نیازمند مشاوران یا متخصصان امر هستیم اما قبل از آن ضروری است یک مدیر بداند که به چه نیاز دارد و با درک درستی، بتواند پروژه را پیش ببرد. مدیرانی که در سازمانشان یک سیستم ERP کامل (که همه ماژول‌های مورد نیاز را داشته باشد) وجود دارد، یک قدم جلوتر هستند و این دسته از مدیران فقط لازم است بدانند که با سیستم اطلاعاتی که در اختیار دارند چه باید بکنند و از آن چه می‌خواهند.

برای درک بهتر داده، لازم است آن را تصویری و شهودی کنیم. انواع نمودارها در نرم‌افزارهایی مثل اکسل را دیده‌ایم. اما برای شهودی کردن داده‌ها روی یک انبار داده، اکسل دارای قدرت کافی نیست، بلکه لازم است از نرم‌افزارهای تخصصی استفاده نمود. این نرم‌افزارها به انبار داده متصل می‌شوند و به صورت لحظه‌ای گزارشات مورد نیاز را نشان می‌دهند. نرم‌افزارهای زیادی برای این کار ساخته شده است. گزارش معتبر گارتنر، هر ساله به بررسی این نرم‌افزارها و طبقه‌بندی آن‌ها می‌پردازد. گزارش سال ۲۰۲۰ گارتنر نشان می‌دهد نرم‌افزارهای شرکت “مایکروسافت” (Power BI)، “تابلو” (Tableau) و “کلیک‌ویو” (Qlik View) رهبران این بازار هستند.

این نرم‌افزارها چه کمکی به مدیران می‌کنند؟ در سازمان‌ها با حجم زیادی از داده‌ها روبرو هستیم. تنها زمانی قادر به درک این داده‌ها هستیم که بتوانیم آنها را به شکل مناسبی تصویری کنیم. در این نرم‌افزارها، با استفاده از نمودارهایی که خود می‌سازیم، قادر خواهیم بود آن تصویر لازمی که از کسب و کار خود نیاز داریم را ببینیم و آن را تحلیل کنیم. در واقع این نرم‌افزارها به ما کمک می‌کنند با ساده‌سازی، به آزمایش تصمیم‌گیری‌های قبلی (مثلا تحلیل اثربخشی پاداشی که قبلا به پرسنل پرداخت شده)، پیش‌بینی نتایج کسب و کار آینده (مثلا پیش‌بینی مقدار کاهش هزینه در صورت کاهش زمان‌های توقف)، به دست آوردن اطلاعات کسب و کار برای دیدن الگوها و کشف روابط جدید با داده‌کاوی (مثلا کشف ارتباط بین درصد عیوب کیفی شمش تولید شده با فروش دوره‌ای) و توضیح نتایج کسب شده با استفاده از تجزیه و تحلیل آماری یا تجزیه و تحلیل کمی، بپردازیم. نرم‌افزار تابلو از نظر بصری و قدرت ساخت نمودار، از بقیه نرم‌افزارها قوی‌تر است. این نمودارها قابلیت کلیک کردن و عمیق شدن در هر سطح را نیز دارا هستند، یعنی صرفا یک تصویر نیستند و قابلیت ریز شدن را با کلیک کردن دارند. این گزارشات امروزه به صورت داشبوردهای مدیریتی، در شکل‌های مختلفی در سازمان‌ها یا در نهادهای عمومی، بر روی تلفن همراه یا وبسایت‌ها در دسترس هستند.