وقتی به کلان داده فکر می کنید، ممکن است میلیاردها ردیف و پتابایت داده را تصور کنید که بسیاری از شرکت ها برای مدیریت و پردازش منظم آن ها تلاش می کنند. همچنین می‌توانید در مورد چالش‌های پردازش داده‌های مختلف بدون ساختار مانند فایل‌های صوتی، تصویری، تصاویر و متنی که از تعداد فزاینده‌ای از منابع به دست می‌آیند فکر کنید. با توجه به سه Vs of Big Data، ابعاد حجم و تنوع Big Data بیشترین توجه را به خود جلب می کند. با این حال، باید نگاه دقیق‌تری به بعد سرعت داده‌های بزرگ داشته باشید – این می‌تواند تأثیر بیشتری از آنچه فکر می‌کنید بر کسب‌وکار شما داشته باشد.
از نظر سرعت و کلان داده، به راحتی می توان به سرعت فزاینده ای که داده ها با آن به اکثر سازمان ها سرازیر می شود، ثابت کرد، به ویژه از منابع داده “فایرهوس” مانند رسانه های اجتماعی. با این حال، سرعت همچنین نیاز به پردازش سریع داده ها و مهمتر از همه، استفاده از آن را سریعتر از همیشه برجسته می کند. این چالش‌های سرعت معمولاً به‌عنوان فنی در نظر گرفته می‌شوند، اما اغلب چیزی بیشتر از فناوری وجود دارد. افراد، فرآیندها و محدودیت‌های فرهنگی می‌توانند شرکت شما را از منظر سرعت و چابکی بازدارند – مهم نیست چقدر سریع داده‌ها را جمع‌آوری و پردازش می‌کنید.
گفته می‌شود که داده‌ها مانند شراب پیر می‌شوند – به این معنی که هر چه مدت زمان بیشتری ذخیره شود، می‌توانید بینش بیشتری از آن به دست آورید. در حالی که این ممکن است برای برخی از انواع داده ها صادق باشد، این قیاس برای همه موقعیت ها اعمال نمی شود. بسیاری از انواع داده‌ها دارای ماندگاری محدودی هستند، جایی که ارزش آنها می‌تواند در طول زمان – در برخی موارد خیلی سریع – از بین برود. به عنوان مثال، در خرده فروشی، بهتر است بدانید که کدام محصولات از نظر چند ثانیه یا دقیقه به جای روز یا هفته موجود نیستند. هرچه یک خرده‌فروش سریعتر بتواند محصولات خود را مجدداً ذخیره کند، سریعتر می‌تواند به تولید فروش محصول بازگردد.
این را توییت کنیدبا استفاده از یک هشدار بلادرنگ، والمارت توانست یک کوکی جدید هالووین را شناسایی کند که در اکثر فروشگاه‌هایش محبوب بود – به جز دو مکان که اصلاً فروخته نمی‌شد. بررسی سریع این دو مکان نشان داد که یک نقص ساده در جوراب ساق بلند به این معنی است که کوکی‌ها هنوز در قفسه‌های فروشگاه نبوده‌اند. اگر والمارت این مشکل را پس از هالووین کشف می کرد، ارزش این بینش تا کنون از بین رفته بود. سرعت داده فقط مربوط به خرده فروشی نیست – می تواند برای بسیاری از مدل ها و عملکردهای تجاری مختلف اعمال شود.
سرعت بالای تصمیم گیری
اگر سازمان شما هنوز درگیر این است که چگونه داده محورتر شود، فکر کار با داده ها با سرعتی حتی سریع تر می تواند ناراحت کننده و ترسناک باشد – به خصوص وقتی صحبت از تصمیم گیری می شود. به طور سنتی، تصمیم گیرندگان کسب و کار عادت دارند روزها، هفته ها یا حتی ماه ها منتظر بمانند تا اطلاعات کافی را داشته باشند تا بتوانند بر اساس عملکرد تجاری گذشته تصمیمی با کیفیت بالا بگیرند. برای سازمان‌هایی مانند آمازون، رویکرد سنتی تصمیم‌گیری بسیار کند است.
در نامه اخیر مدیرعامل جف بزوس به سهامداران آمازون، او بر اهمیت «سرعت در تجارت» تاکید کرد و بر اهمیت «تصمیم‌گیری سریع» تمرکز کرد. بزوس پیشنهاد کرد: «بیشتر تصمیمات احتمالاً باید با حدود 70 درصد اطلاعاتی که می‌خواهید داشته باشید گرفته شود. اگر 90% منتظر هستید، احتمالاً در بیشتر مواقع کند هستید. با این حال، انتظار مداوم برای اطلاعات تقریباً کامل می تواند منجر به آتروفی و فرصت های از دست رفته شود. برای بزوس، بسیار مهم است که شرکت ها در تشخیص سریع و تصحیح تصمیمات بد خوب باشند. “اگر در تصحیح دوره مهارت دارید، ممکن است اشتباه کردن کمتر از آنچه فکر می کنید هزینه داشته باشد، در حالی که کند بودن مطمئنا برای شما گران تمام خواهد شد.”
** این مقاله در ابتدا در Forbes.com در 28 ژوئن 2017 منتشر شد.