انواع داده در مدیریت : همه چیزهایی که یک مدیر باید بداند

انواع داده در مدیریت : همه چیزهایی که یک مدیر باید بداند

فهرست مطالب

شناخت انواع داده در مدیریت مبتنی بر شواهد یک سازمان،  امری بسیار حیاتی است. این مقاله به بررسی گونه‌شناسی داده‌ها در مدیریت پرداخته و دیدگاهی جامع به انواع داده‌های اداری، نظارتی، پایش، و ارزیابی شهروندان از یک سرویس را ارائه می‌دهد. همچنین، نقش داده‌های ورودی، فرایندها-فعالیت‌ها، و خروجی در اداره و بهبود عملکرد سازمانی را مورد بررسی قرار می‌دهد.

اهمیت شناخت انواع داده ها در مدیریت یک سازمان

احتمالا شما هم مانند بسیاری از افرادی که مدیر هستند و یا مدیریت خوانده اند انواع دسته بندی داده ها مانند داده های کمی، داده های کیفی و… را شنیده اید. گاهی دیده می شود که به طور مثال دسته بندی انواع متغیر به داده تعمیم داده می شود که این امر اگر چه اشتباه بزرگی نیست اما بینش درستی به مدیران نمی دهد. به همین خاطر شاید بد نباشد با انواع داده ها در مدیریت و از نگاه مجموعه های استاندارد مدیریت آشنا شویم.

گونه‌شناسی داده در مدیریت

داده‌ها از منظر منابع داده

در زمان ارزیابی منابع مختلفی برای جمع‌آوری داده وجود دارد که باید آن‌ها را در نظر بگیرید. این منابع شامل موارد زیر است:

  • داده‌های اداری و حاصل از پایش: داده‌هایی که به سبب عملیات ناشی از مداخله یا سایر کارکردها اداری جمع‌آوری می‌شود.
  • داده‌های موجود از پیمایش‌های انجام‌شده در مقیاس وسیع: داده‌های نظرسنجی درازمدت و در مقیاس بزرگ، که اغلب توسط حکومت‌های مرکزی، اداره آمار ملی یا نهادهای تأمین مالی پژوهش‌ها مانند UKRI در انگلستان جمع‌آوری می‌شود (به‌عنوان مثال داده‌های بررسی نیروی کار یا بررسی جرم برای انگلستان و ولز).
  • منابع جدید داده‌هایی که به‌طور خاص برای ارزیابی طراحی‌شده‌اند: چنین داده‌هایی معمولاً از طریق روش‌هایی مانند پیمایش، روش‌های کیفی (مصاحبه، مشاهده، گروه‌های متمرکز)، داده‌کاوی در فضای وب به دست می‌آیند.
  • داده‌های رسانه‌های اجتماعی: رسانه‌های اجتماعی یک منبع نسبتاً جدید از داده‌ها است، اما  از نظر اندازه‌گیری واکنش‌های ناخواسته به یک مداخله به‌طور بالقوه بسیار غنی است.

هر جا که ممکن است، داده‌های اداری یا سایر داده‌های موجود باید استفاده شود، زیرا این امر مقرون‌به‌صرفه است و اغلب کل جمعیت موردنظر را پوشش می‌دهد. بااین‌حال، داده‌های جدید اغلب برای پاسخ به سؤالات خاص، به‌ویژه آن‌هایی که الزاماً برای مدیریت عملکرد یک برنامه ضروری نیستند، مورد نیاز است. طیف گسترده‌ای از روش‌های جمع‌آوری داده‌های کمی ‌و کیفی را می‌توان استفاده کرد. در ادامه بحث هر روش گردآوری داده به‌نوبه خود با هدف که پوشش می‌دهد، کاربرد و ملاحظات آن در یک ارزیابی شرح داده خواهد شد.

شناخت انواع داده : داده‌های اداری- نظارتی

داده‌های اداری 

داده‌های اداری عمدتاً برای اهداف اداری (غیرپژوهشی) جمع‎آوری، ذخیره و استفاده می‌شود. داده‌های اداری معمولاً در مورد ثبت‌نام‌ها، تراکنش‌ها و نگهداری سوابق جمع‌آوری می‌شوند. این دسته از داده‌ها معمولاً در حین ارائه خدمات جمع‌آوری می‌شوند. به‌عنوان مثال می‌توان به پایگاه ملی دانش‌آموزان در انگلستان‌ که توسط DfE، رایانه ملی پلیس که توسط وزارت  دادگستری نگهداری می‌شود؛ و یا سوابق ارائه‌دهندگان خدمات در مورد مشتریانشان و خدمات ارائه‌شده توسط آن‌ها  اشاره کرد.

مجموعه داده‌های اداری معمولاً برای تشکیل پایه انتشارات آمار رسمی ‌استفاده می‌شود. در دسترس بودن داده‌های اداری یا داده‌های یک پیمایش بلندمدت موجود باید همیشه در مرحله طراحی ارزیابی مداخله مورد توجه قرار گیرد. هر دو نوع داده می‌توانند به‌عنوان منابع مهم پیش‌زمینه یا داده‌های توضیحی که مربوط به قبل از مداخله هستند، اطلاعات عالی در مورد روندها ارائه کنند. در صورت امکان، استفاده از داده‌های موجود، هم هزینه‌های مالی ارزیابی و هم “تحمل دشواری برای پاسخ‌دهندگان” کاهش می‌یابد.

 بااین‌حال، هنگام استفاده از این داده‌ها برای اهداف ارزیابی باید مراقب بود زیرا ممکن است داده‌ها نه بر روی سؤالات خاص موردتوجه ما تمرکز نکنند و نه به‌طور منظم به اندازه کافی برای ارائه شواهد مفید در برابر سؤالات ارزیابی جمع‌آوری کنند. در برخی موارد، داده‌های اداری مفاهیمی ‌را اندازه‌گیری می‌کنند که با معیارهای موردعلاقه ما مرتبط هستند، اما یکسان نیستند. برای مثال، اگرچه داده‌های اداری می‌توانند با دقت و صحت زیادی به ما بگویند چه کسی مستمری یا حقوق دریافت می‌کند، اما اندازه‌گیری رایج‌ترین تعریف «بیکاری» به داده‌های پیمایشی نیاز دارد و اگرچه این دو مفهوم ارتباط نزدیکی دارند، اما یکسان نیستند.

داده های پایش 

داده‌های پایش یا داده‌های مدیریت عملکرد در طول یک مداخله مدیریتی(در حین مداخله) جمع‌آوری می‌شوند تا پاسخ‌هایی به تعدادی از سؤالات خط‌مشی، پژوهش و عملکرد ارائه کنند. داده‌های پایش معمولاً تمام جنبه‌های عملیات مداخله را پوشش می‌دهد. برای مثال  می‌توان به اطلاعات مربوط به افرادی که به یک سرویس دسترسی دارند، و همچنین ورودی‌ها، فرآیندها، خروجی‌ها و نتایج پروژه اشاره کرد.

داده‌های پایش اغلب کمی ‌هستند و عمدتاً برای اهداف ارزیابی تولید می‌شوند. این دسته از داده‌ها معمولاً برای کمک به پیگیری میزان پیشرفت در خدمت‌رسانیِ مداخله، و یا شناسایی مکان‌هایی که مداخله مطابق انتظار اجرا نمی‌شود، و این‌که چه اقدامات بیشتری لازم است تا اطمینان حاصل شود که می‌تواند به اهداف خود دست یابد، استفاده می‌شود. انواع داده‌های پایش عبارتند از: 

داده های ارزیابی شهروندان از یک سرویس (اعداد و ویژگی‌ها)

برای ارزیابی اینکه آیا یک مداخله به جمعیت هدف خود می‌رسد و تا چه حد، ویژگی‌های آن جمعیت و اینکه آیا گروه‌های غیرهدف نیز تحت تأثیر قرار می‌گیرند یا خیر استفاده می‌شود.

داده های ورودی‌ها (سرمایه، تعداد کارکنان، منابع)

این داده‌ها این موضوع را بررسی می‌کند که آیا ورودی‌های موردنیاز انتظارات را برآورده کرده‌اند یا خیر.

همچنین برای خوراک دادن به تجزیه‌وتحلیل هزینه-فایده و تعیین اینکه آیا مفروضات مربوط به اجرای خط‌مشی، مانند هزینه و زمان، درست هستند یا خیر، استفاده می‌شود.

داده های فرایندها-فعالیت‌ها (مراجعات، زمان انتظار)

برای تعیین اینکه آیا خط‌مشی طبق برنامه‌ریزی اجرا می‌شود یا اینکه آیا پیامدهای ناخواسته‌ای وجود دارد استفاده می‌شود.

داده های خروجی (اعدادی که از طریق یک برنامه کاربردی پردازش می‌شوند)

برای اطلاع از ارزیابی اینکه آیا برنامه، خروجی‌های هدف را به کیفیت پیش‌بینی‌شده رسانده است یا خیر استفاده می‌شود.

داده مربوط به نتایج (مانند نرخ بیکاری، دستمزد)

برای اندازه‌گیری منافع حاصل از خروجی‌ها استفاده می‌شود.

انواع داده های مربوط به پایش برنامه ها

داده‌های پایش می‌تواند با ارائه داده‌های مفید در طول عمر یک خط‌مشی، و با ارائه داده‌هایی که برای انجام برخی از روش‌های تحلیل که در ادامه همین کتاب به آن‌های اشاره خواهد شد، نقش کلیدی در ارزیابی مداخله‌ها بازی کند. کیفیت داده‌های پایش اغلب تابعی از ارزشی است که مسئولین جمع‌آوری داده‌ها می‌توانند از کار مشاهده کنند. اگر صرفاً به‌عنوان یک سربار در کار اداری دیده شود، انگیزه اطمینان از کیفیت داده‌ها معمولاً پایین می‌شود. اگر مستقیماً توسط ارائه‌دهندگان خدمات استفاده شود، انگیزه تضمین کیفیت قوی است. 

در این مورد در ادامه توضیحات مبسوط‌تری ارائه خواهد شد؛ اما در همین راستا سؤالات و ملاحظات کلیدی باید در نظر گرفته شود تا طراحی یک سیستم پایش مؤثر را مشخص کند. قبل از شروع فعالیت میدانی باید یک سیستم پایش مؤثر طراحی شود که اطمینان حاصل شود که داده‌های جمع‌آوری‌شده لازم (به‌عنوان مثال داده‌های پایه) و به تئوری تغییر مربوط است. در مقاله روش پایش خروجی و عملکرد یا مانیتورینگ (Monitoring) در مدیریت چیست؟ به صورت مفصل به پرسش‌هایی که باید پیش از انجام ارزیابی به روش پایش پاسخ داده شود و چگونگی طراحی یک سیستم پایش پرداخته‌ایم. 

داده‌های پیمایش : استفاده از داده از داده‌های پیمایش در ارزیابی

داده‌های پیمایش در مقیاس بزرگ اغلب توسط ادارات حکومتی و آژانس‌های پژوهش‌های برای اهداف آماری و پژوهش‌های جمع‌آوری می‌شود. از نمونه‌های پیمایش‎‌های انجام‌شده که در این چارچوب قرار می‌گیرد پیمایش اینترنت و کودکان است که توسط پژوهشگاه فرهنگ، هنر و ارتباطات و پیمایش‌های اتاق بازرگانی در ارتباط با محیط کسب‌وکار در ایران است. داده‌های پیمایش در مقیاس بزرگ معمولاً نمونه‌های بزرگی دارند که برآوردهای قوی را ارائه می‌دهند.

استفاده از این پیمایش‌ها می‌تواند ارزان‌تر از جمع‌آوری داده‌های جدید باشد. اما بااین‌حال این داده‌ها معایبی نیز دارند که ازجمله آن‌ها  می‌توان به موارد زیر اشاره کرد:

  • هدف جمع‌آوری داده‌ها با هدف ارزیابی متفاوت خواهد بود.
  • بعید است که جزئیات موردنیاز یعنی پاسخ به سؤالات خاص یا اطلاعات مربوط به جمعیت‌های موردنظر را بیان کنند. به‌عنوان مثال، کل نمونه پیمایش ممکن است بزرگ باشد، اما تعداد افراد در نمونه هدف مداخله ممکن است کم باشد و ممکن است تشخیص دقیق آن‌ها امکان‌پذیر نباشد.
  • زمان انجام پیمایش‌ها ثابت خواهد بود و ممکن است با اهداف ارزیابی مطابقت نداشته باشد.

بااین‌حال، این پیمایش‌ها اغلب منابع عالی از داده‌های اکتشافی یا برای بررسی پیشینه هستند. به‌عنوان مثال، می‌توان به ارائه فعالیت‌ها، رفتارها و نگرش‌های خاص در جمعیت عمومی اشاره کرد که می‌تواند در چارچوب‌بندی مشکل یا توضیح زمینه مربوط به اعمال مداخله مفید باشد. برای آشنایی بیشتر با روش ارزیابی مبتنی بر پیمایش و یا نظرسنجی می توانید مقاله آموزشی ”  استفاده از پیمایش و نظرسنجی در ارزیابی ” را بخوانید.

داده های کیفی در ارزیابی و تصمیم گیری

روش‌های جمع‌آوری داده‌های کیفی، درک عمیقی از رفتارها، ادراکات و دلایل زمینه‌ای برای پدیده‌های اجتماعی فراهم می‌کنند. درحالی‌که روش‌های کمی‌ معمولاً برای اندازه‌گیری و پاسخ به پرسش «چه چیزی» استفاده می‌شوند، روش‌های کیفی اغلب برای بررسی و پاسخ به پرسش‌های «چگونه» و «چرا» استفاده می‌شوند.

استفاده از داده های شبکه اجتماعی در ارزیابی و مدیریت

استفاده از رسانه‌های اجتماعی به‌عنوان منبع داده برای ارزیابی در سال‌های اخیر، هم برای تحلیل کیفی و هم برای تحلیل کمی، رو به افزایش بوده است. نحوه استفاده از رسانه‌های اجتماعی به‌عنوان منبع داده بر اساس انواع رفتارهای مورد پژوهش و پلتفرم‌هایی که به‌عنوان منبع استفاده می‌شوند، تعیین می‌شود. توسعه ابزارهای خودکار (web-scraping) اجازه می‌دهد تا حجم زیادی از داده‌ها جمع‌آوری، پاک‌سازی، ذخیره و تجزیه‌وتحلیل سریع شوند. استفاده از داده‌های رسانه‌های اجتماعی چالش‌های ویژه‌ای را ایجاد می‌کند، زیرا  علی‌رغم آنکه که نمونه‌ها بسیار بزرگ هستند، دچار سوگیری در انتخاب می‌شوند، و ارزیابی قابلیت اطمینان دقت احتمالی داده‌ها همیشه آسان نیست. راهنمایی‌های بیشتر در مورداستفاده از داده‌های رسانه‌های اجتماعی از راهنمای  GSR در دسترس است.

به عنوان نتیجه‌گیری، مدیران سازمانی باید به اهمیت دقیق شناخت و مدیریت انواع مختلف داده‌ها پی ببرند. استفاده از داده‌های پیمایش و کیفی نیز می‌تواند در ارزیابی و تصمیم گیری‌های مؤثرتری کمک کند. همچنین، امکان بهره‌برداری از داده‌های شبکه‌های اجتماعی در ارتقاء مدیریت و ارزیابی سازمانی نیز وجود دارد.

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 زمینه 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.