تصمیم گیری داده محور: گام اول: تصمیم گیری درباره داده

تصمیم گیری داده محور: گام اول: تصمیم گیری درباره داده

فهرست مطالب

تصمیم گیری داده محور نیازمند شناخت و درک درستی از داده‌ها و نحوه تولید و جمع‌آوری آن‌هاست. در این مقاله به بررسی مسائل و سؤالات کلیدی در مورد انتخاب و جمع‌آوری داده‌ها برای تصمیم‌گیری و ارزیابی خط‌مشی‌ها پرداخته شده است. شناخت صحیح این مسائل به مدیران در تصمیم‌گیری مبتنی بر شواهد کمک می‌کند. فراموش نکنید که بدون شناخت داده ها نمیتوانید از آنها در اداره سازمان استفاده کنید. پس تا انتهای این مقاله را بادقت بخوانید. 

تصمیم گیری درباره داده پیش از تصمیم گیری داده محور !

احتمالا بارها شنیده‌اید که مدیران درباره تصمیم گیری داده محور و شواهد صحبت می‌کنند. اما در عمل و زمانی که پای پیاده سازی و استفاده از داده‌ ها در تصمیم گیری می رسد، کُمیت بسیاری از مدعیان می‌لنگد. در واقع موضوع داده و شواهد در تصمیم گیری یک موضوع سهل ممتنع است. در کلام و مباحث نظری استفاده از داده بسیار پسندیده است، اما زمانی که پای استفاده از داده‌ها می رسد دست بسیاری از مدیران خالی است. از کدام داده ها در تصمیمات استفاده کنیم؟ این داده ها کجا تولید می‌شوند؟ تا چه اندازه این داده‌ها قابل اتکا است؟ این مقاله به شما کمک می کند که به عنوان یک مدیر در گام اول شناخت بهتری از داده‌های خود داشته باشید.

مسائل کلیدی پیرامون داده در تصمیم گیری داده محور

مدیریت مبتنی بر داده و شواهد و ارزیابی عملکرد سازمان و مدیریت داده محور، بدون درک و تحلیل درست داده‎ ها امکان پذیر نیست. انجام برنامه‌ریزی برای جمع‌آوری داده‌ها هم‌زمان با توسعه مداخله، تضمین می‎کند که جمع‌آوری داده‌ها و دسترسی به داده‌ها در طراحی خط‌مشی و قوانین مرتبط گنجانده‌شده است. 

در گام اول توجه به این نکته مهم است که در هر مداخله مدیریتی، داده‌های پایه – داده‌های جمع‌آوری‌شده قبل از مداخله – باید زودتر جمع‌آوری شوند؛ و داده‌های مقایسه – داده‌های گروه‌هایی که تحت تأثیر مداخله قرار نگرفته اند – باید موردبحث و مذاکره قرار گیرد. اگر جمع‌آوری داده‌ها بد طراحی شده باشد، ممکن است منجر به جمع‌آوری داده‌های نادرست و استنتاج نادرست از ارزیابی شود.

بدون برنامه‌ریزی مناسب برای جمع‌آوری داده‌ها یا دسترسی به داده‌ها، ارزیابی مداخله احتمالاً غیرممکن، به‌شدت محدود یا به‌صورت غیرضروری گران خواهد شد. 

تئوری تغییر می‌تواند برای شناسایی نیازها و شکاف‌های داده استفاده شود. استفاده از ترکیبی از مجموعه داده‌های موجود و جدید اغلب امکان دستیابی به کامل‌ترین درک و ردیابی تئوری تغییر و اثربخشی مداخله را ارائه دهد. جمع‌آوری داده‌ها با استفاده از چندین روش، مانند پایش بر داده‌ها و پیمایش‌های سفارشی، اعتماد به یافته‌ها و استحکام ارزیابی را ایجاد می‌کند. این رویه به‌عنوان مثلث‌سازی شناخته می‌شود. در بسیاری از موارد، داده‌ها به اشخاص مربوط می‌شوند، اما می‌توانند به واحدهای دیگر مانند مدارس، مشاغل و مناطق جغرافیایی هم مربوط شوند، ملاحظات مشابه آنچه در اینجا ذکر آن رفت در همه موارد اعمال می‌شود.

تصمیم گیری داده محور

پرسش‌های بسیار مهم در تصمیم گیری داده محور : به چه داده‌هایی نیاز است ؟

انتخاب‌ها در تعیین داده‌های موردنیاز برای پاسخ به سؤالات ارزیابی مداخله ساده نیستند. باید از کسانی که تخصص مربوطه را دارند، درباره داده‌های ورودی تفحص کرد. جدول زیر سؤالات کلیدی را که باید در جمع‌آوری داده‌ها در هنگام برنامه‌ریزی ارزیابی در نظر گرفته شود را نشان می‌دهد:

چه نوعی از داده برای پاسخگویی به هر یک از پرسش‌های ارزیابی مورد نیاز است ؟

آنچه برای پاسخگویی به سؤالات ارزیابی شناسایی‌شده در مرحله‌ی تعیین حدود ارزیابی مورد نیاز است. انواع داده‌ها عبارت‌اند از:

  • داده‌های عددی
  • داده‌های اسنادی (داده‌ها یا اطلاعاتی که قبلاً جمع‌آوری‌شده است)
  • داده‌های مشاهده‌ای
  • شرح تجربیات، نظرات و دیدگاه‌های افراد
  • ترکیب/ مثلث‌بندی شواهد فوق

چه کسی و یا چه جیزی می‌تواند داده‌ها را تأمین کند؟

  • شرکت‌کنندگان در مداخله
  • ارائه‌دهندگان خدمات
  • ذینفعان
  • پایگاه‌های داده
  • پیمایش‌های موجود
  • پیمایش‌های سفارشی

آیا مسئله خاصی در مورد دسترسی و جمع‌آوری داده‌ها وجود دارد؟

  • مسائل دسترسی به داده‌ها (مانند مسائل حقوقی، رویه‌های داخلی، شناسایی گروه(های) هدف، جمع‌آوری داده‌های اثرگذار بر رقابت
  • حساسیت‌های داده/مسائل اخلاقی (مثلاً پژوهش در مورد جمعیت‌های که در مورد آن‌ها حساسیت وجود دارد، مسائل دسترسی به داده‌ها)
  • در دسترس بودن طرح نمونه‌برداری لازم
  • ظرفیت تحمل پاسخ‌دهندگان در تحمل بار داده؛ آیا درخواست از مردم برای ارائه این داده‌ها متناسب و درست است؟
  • چه کسی مسئولیت جمع‌آوری داده‌ها را بر عهده دارد؟
  • آیا وظیفه جمع‌آوری داده‌ها متناسب با ارزش آن است؟
  • آیا روش‌های دیگری امکان‌پذیر است؟
  • آیا عمل جمع‌آوری داده می‌تواند بر رفتار افراد اثر بگذارد؟

از کدام بخش از جامعه باید داده‌ها جمع‌آوری شود ؟ کدام قسمت جمعیت موردنظر است؟

روش‌های مختلفی برای جمع‌آوری داده‌ها از جمعیت موردنظر وجود دارد. این‌که تناسب با پاسخ به سؤالات ارزیابی را در نظر بگیرید مهم است. گزینه‌ها عبارت‌اند از:

  •  یک سرشماری از تمام داده‌های موجود/جمعیت‌های موردعلاقه
  • نمونه‌ای نماینده از داده‌های موجود/جمعیت موردنظر
  • زیرمجموعه‌ای از جمعیت موردعلاقه که به‌طور هدفمند برای پوشش طیفی از زمینه‌ها انتخاب شده است اما از نظر آماری نماینده نیست.

روش تجزیه‌وتحلیل داده‌های پیشنهادی چگونه بر داده‌های موردنیاز تأثیر می‌گذارد؟

نوع تجزیه‌وتحلیلی که روی داده‌ها اعمال می‌شود معمولاً ماهیت و کمیت داده‌های موردنیاز را تعیین می‌کند. مثلاً:

  • درجه دقت موردنیاز
  • زیرمجموعه‌هایی از جمعیت‌های موردنظر (و بنابراین، حجم نمونه ضروری)
  • ماهیت روش مورداستفاده و بر این مبنا، بایسته‌های داده‌ها
  • اینکه داده‌های گروه پایه یا کنترل ضروری است.

درمجموع، تصمیم‌گیری در مورد داده‌ها قبل از تصمیم گیری داده محور بر اساس آن‌ها حائز اهمیت است. با برنامه‌ریزی دقیق، توجه به نیازهای اطلاعاتی و ملاحظات اخلاقی و حقوقی، می‌توان داده‌های معتبری جمع‌آوری کرد که مبنای تصمیمات آگاهانه و مؤثر قرار گیرد.

 

بسته‌ ویژه تصمیم گیری داده محور

همه‌ی تلاش ما در مجموعه فرمانا این است که شما بتوانید به شکل کارآمدتری از داده‌ و شواهد در مدیریت استفاده کنید. به همین دلیل سه دسته از نیازمندی های هر تصمیم گیری داده محور، یعنی راهنماهای مدیریتی، داده‌های تصمیم گیری و ابزارهای تصمیم‌گیری را در کنار هم برای شما فراهم آورده‌ایم. امیدواریم که استفاده از  موارد زیر بتواند به شما در اتخاذ تصمیمات بهتر در تصمیم گیری داده محور یاری رساند.


داده‌های کمکی برای تصمیم گیری داده محور


ابزارهای کمکی برای تصمیم گیری داده محور


راهنماهای مدیریتی در تصمیم گیری داده محور

این مقاله را دوست داشتید؟ آن را با دوستان خود به اشتراک بگذارید.