انواع داده در مدیریت؛ منابع، کاربردها و محدودیت‌های ارزیابی
مدیری که می‌خواهد عملکرد یک برنامه را بررسی کند، ممکن است به سوابق ثبت‌نام، آمار فعالیت‌ها، نتایج یک پیمایش و نظرهای منتشرشده در شبکه‌های اجتماعی دسترسی داشته باشد. این منابع دربارهٔ یک موضوع‌اند، اما لزوماً به یک پرسش پاسخ نمی‌دهند. تعداد خدمات ارائه‌شده، تجربهٔ دریافت‌کنندگان خدمت و تغییر وضعیت آن‌ها سه موضوع متفاوت است؛ برای قضاوت دربارهٔ هرکدام باید دادهٔ متناسب را انتخاب کرد.
شناخت انواع داده در مدیریت از همین تفاوت آغاز می‌شود. این مقاله داده‌ها را از منظر منابع و کاربردشان در پایش و ارزیابی بررسی می‌کند: داده‌های اداری، داده‌های پایش، پیمایش‌های موجود، داده‌های تازهٔ گردآوری‌شده و داده‌های رسانه‌های اجتماعی. هدف این است که روشن شود هر منبع چه کمکی به تصمیم می‌کند و در استفاده از آن چه محدودیتی باید در نظر گرفت.
منبع داده را با شکل داده یکی نگیریم
تقسیم داده‌ها به کمی و کیفی با تقسیم آن‌ها به اداری، پیمایشی یا داده‌های رسانه‌های اجتماعی یکسان نیست. دسته‌بندی نخست به ماهیت اطلاعات مربوط است؛ دسته‌بندی دوم بیشتر به منشأ و شیوهٔ تولید آن‌ها توجه دارد. برای مثال، یک پیمایش می‌تواند پاسخ‌های عددی و شرح تجربهٔ افراد را دربر بگیرد. داده‌های یک رسانهٔ اجتماعی نیز ممکن است برای بررسی کمی یا کیفی به کار روند.
در انتخاب منبع، ابتدا باید پرسش را روشن کرد: می‌خواهیم بدانیم برنامه به چه کسانی رسیده، چگونه اجرا شده، چه خروجی‌هایی داشته یا وضعیت افراد پس از آن چگونه تغییر کرده است؟ نام منبع به‌تنهایی نشان نمی‌دهد داده برای پاسخ به این پرسش‌ها کافی است. تعریف آنچه ثبت شده، زمان گردآوری، جمعیت تحت پوشش و کیفیت ثبت نیز اهمیت دارند.
پس از انتخاب منبع، باید بررسی کرد داده از کدام ادعا پشتیبانی می‌کند. معیارهای این گام در مقالهٔ ارزیابی کیفیت شواهد توضیح داده شده‌اند.
داده‌های اداری: استفاده از سوابقی که در جریان کار تولید می‌شوند
داده‌های اداری عمدتاً برای انجام امور اجرایی تولید می‌شوند، نه برای پاسخ به یک پرسش پژوهشی مشخص. اطلاعات ثبت‌نام، تراکنش‌ها، سوابق مشتریان و خدمات ارائه‌شده از این نوع‌اند. پایگاه ملی دانش‌آموزان انگلستان وابسته به DfE و سوابق رایانهٔ ملی پلیس نیز از نمونه‌های مطرح در این حوزه هستند.
این داده‌ها می‌توانند در تولید آمار رسمی، شناخت وضعیت پیش از مداخله و بررسی روندها به کار روند. استفاده از سوابق موجود ممکن است هزینهٔ گردآوری دادهٔ تازه و بار پاسخ‌گویی افراد را کاهش دهد. به همین دلیل، بررسی داده‌های اداری و پیمایش‌های موجود باید از مرحلهٔ طراحی ارزیابی آغاز شود.
بااین‌حال، داده‌ای که برای ادارهٔ یک خدمت مناسب است، الزاماً برای ارزیابی آن کافی نیست. ممکن است اطلاعات مورد نیاز ثبت نشده باشد، فاصلهٔ زمانی ثبت‌ها با نیاز ارزیابی تناسب نداشته باشد یا تعریف متغیرها با مفهوم مورد نظر تفاوت داشته باشد. پوشش گستردهٔ یک پایگاه نیز باید بررسی شود؛ صرف اداری‌بودن آن به معنای پوشش کامل جمعیت هدف نیست.
برای نمونه، سوابق دریافت مستمری یا حقوق نشان می‌دهند چه کسانی این پرداخت‌ها را دریافت کرده‌اند. این اطلاعات را نمی‌توان بدون بررسی تعریف‌ها، معادل سنجش بیکاری دانست. ارتباط دو مفهوم، آن‌ها را به یک مفهوم تبدیل نمی‌کند. هنگام استفاده از داده‌های اداری باید پرسید: «آنچه ثبت شده دقیقاً چیست و تا چه حد همان چیزی است که می‌خواهیم بسنجیم؟»
داده‌های پایش: دنبال‌کردن مسیر اجرای برنامه
داده‌های پایش یا مدیریت عملکرد در طول اجرای برنامه گردآوری می‌شوند تا روند پیشرفت، مشکلات اجرا و نیاز به اقدام اصلاحی را نشان دهند. این داده‌ها می‌توانند ورودی‌ها، فعالیت‌ها، خروجی‌ها و نتایج برنامه را پوشش دهند. نقش اصلی آن‌ها فراهم‌کردن اطلاعات منظم دربارهٔ اجرای برنامه است و در صورت تناسب، در ارزیابی نیز استفاده می‌شوند.
برای طراحی پایش، پنج گروه اطلاعات را می‌توان از هم جدا کرد:
تعداد و ویژگی‌های دریافت‌کنندگان خدمت: کمک می‌کند بررسی کنیم برنامه تا چه حد به جمعیت هدف رسیده، چه کسانی از خدمت استفاده کرده‌اند و آیا گروه‌های خارج از هدف نیز درگیر شده‌اند. این اطلاعات با نظر یا رضایت افراد از خدمت یکسان نیست.
ورودی‌ها: سرمایه، تعداد کارکنان و سایر منابع نشان می‌دهند امکانات لازم برای اجرا چگونه فراهم شده‌اند. اطلاعات هزینه و زمان می‌توانند برای بررسی مفروضات اجرایی و تحلیل‌های اقتصادی بعدی نیز مفید باشند.
فرایندها و فعالیت‌ها: مواردی مانند تعداد مراجعات و زمان انتظار به بررسی نحوهٔ اجرا کمک می‌کنند. با این داده‌ها می‌توان پرسید برنامه طبق انتظار پیش می‌رود یا در بخش‌هایی با مشکل و پیامد ناخواسته روبه‌روست.
خروجی‌ها: اطلاعات مربوط به کارها یا خدمات انجام‌شده، مانند تعداد درخواست‌های پردازش‌شده، برای مقایسه با خروجی‌های مورد انتظار استفاده می‌شود. در این بررسی، کیفیت خروجی نیز باید مورد توجه باشد.
نتایج: تغییر در وضعیت مورد نظر، مانند وضعیت اشتغال یا دستمزد، به بررسی پیامدهای برنامه مربوط است. مشاهدهٔ تغییر در این شاخص‌ها به‌تنهایی نشان نمی‌دهد تمام آن تغییر ناشی از برنامه بوده است؛ چنین قضاوتی به طرح و شواهد ارزیابی نیاز دارد.
تفکیک این گروه‌ها از یک خطای رایج جلوگیری می‌کند: انجام فعالیت یا تولید خروجی را نباید خودبه‌خود معادل رسیدن به نتیجهٔ مورد نظر دانست. افزایش تعداد خدمت‌های ارائه‌شده می‌تواند نشانهٔ تغییر در خروجی باشد؛ برای داوری دربارهٔ وضعیت دریافت‌کنندگان، به داده‌های مربوط به همان وضعیت نیاز داریم.
طراحی پایش باید پیش از آغاز فعالیت میدانی انجام شود تا اطلاعات ضروری، از جمله داده‌های پایهٔ مورد نیاز، از دست نروند. تئوری تغییر می‌تواند ارتباط میان فعالیت‌ها و نتایج مورد انتظار را روشن کند و به شناسایی نیازهای داده‌ای کمک کند.
کیفیت ثبت نیز به نحوهٔ استفاده از اطلاعات وابسته است. اگر کارکنان گردآوری داده را صرفاً تکلیفی اداری ببینند، انگیزهٔ توجه به کیفیت ممکن است کاهش یابد. روشن‌بودن کاربرد اطلاعات در کار روزانه و تصمیم‌های اجرایی می‌تواند این انگیزه را تقویت کند، اما جای بررسی کیفیت داده را نمی‌گیرد.
پیمایش‌های موجود: منبعی برای شناخت زمینه و جمعیت
پیمایش‌های بزرگ و تکرارشونده معمولاً با هدف‌های آماری یا پژوهشی انجام می‌شوند. پیمایش نیروی کار و پیمایش جرم در انگلستان و ولز از نمونه‌های مطرح‌اند. نهادهای دولتی، ادارات آمار و نهادهای تأمین مالی پژوهش مانند UKRI نیز در این حوزه نقش دارند. در ایران، پیمایش اینترنت و کودکانِ پژوهشگاه فرهنگ، هنر و ارتباطات و پیمایش‌های اتاق بازرگانی دربارهٔ محیط کسب‌وکار از نمونه‌های اشاره‌شده‌اند. استفاده از هر مجموعه به بررسی دامنه، زمان، تعریف متغیرها و امکان دسترسی آن وابسته است.
این پیمایش‌ها می‌توانند برای شناخت رفتارها، فعالیت‌ها و نگرش‌های جمعیت، توضیح زمینهٔ مداخله یا بررسی وضعیت پیشین مفید باشند. استفاده از آن‌ها ممکن است از گردآوری دادهٔ جدید کم‌هزینه‌تر باشد. بااین‌حال، بزرگی نمونه به‌تنهایی کفایت داده برای یک ارزیابی مشخص را تضمین نمی‌کند.
تفاوت هدف: پرسش‌های پیمایش برای هدفی دیگر طراحی شده‌اند و ممکن است دقیقاً اطلاعات مورد نیاز ارزیابی را نداشته باشند.
پوشش جمعیت هدف: ممکن است نمونهٔ کل بزرگ باشد، اما تعداد افراد مرتبط با برنامه در آن کم باشد یا نتوان آن‌ها را به‌درستی شناسایی کرد.
زمان گردآوری: دورهٔ اجرای پیمایش ممکن است با زمان اجرای مداخله و مقایسهٔ مورد نیاز هماهنگ نباشد.
بنابراین، یک پیمایش می‌تواند برای شناخت زمینهٔ مسئله مناسب باشد، اما برای پاسخ مستقیم به سؤال اثرگذاری یک برنامه کافی نباشد. این دو کاربرد باید از هم جدا بمانند.
چه زمانی به دادهٔ تازه و روش‌های کیفی نیاز داریم؟
اگر منابع موجود به پرسش‌های مشخص ارزیابی پاسخ ندهند، ممکن است گردآوری دادهٔ تازه لازم شود. پیمایش اختصاصی، مصاحبه، مشاهده و گروه متمرکز از روش‌های مطرح برای این کار هستند. انتخاب آن‌ها باید بر اساس شکاف اطلاعاتی انجام شود؛ تازگی داده به‌تنهایی مزیت علمی ایجاد نمی‌کند. اگر برای برآورد یک نسبت به نمونه‌گیری احتمالیِ تازه نیاز دارید، مثال و شرط‌های فرمول کوکران را ببینید؛ انتخاب فرمول باید با همان طرح متناسب باشد.
داده‌های کیفی می‌توانند به فهم تجربه‌ها، برداشت‌ها، رفتارها و دلایل زمینه‌ای کمک کنند. برای مثال، آمار مراجعات می‌تواند بخشی از وضعیت خدمت را نشان دهد، اما برای فهم اینکه افراد مسیر دریافت خدمت را چگونه تجربه می‌کنند، ممکن است به گفت‌وگو یا مشاهده نیاز باشد. این مثال صرفاً توضیحی است و نتیجهٔ یک پژوهش را گزارش نمی‌کند.
ارتباط داده‌های کمی با سنجش مقدار و داده‌های کیفی با فهم «چگونه» و «چرا»، راهنمایی برای انتخاب است، نه مرزی قطعی میان همهٔ روش‌ها. باید دید هر روش در طرح مورد نظر چه اطلاعاتی تولید می‌کند و چه ادعایی را می‌توان بر پایهٔ آن مطرح کرد.
داده‌های رسانه‌های اجتماعی: حجم زیاد با محدودیت در نمایندگی
رسانه‌های اجتماعی می‌توانند برای مطالعهٔ واکنش‌ها و رفتارهای مرتبط با یک مداخله، از جمله واکنش‌های ناخواسته، منبع اطلاعات باشند. نوع استفاده به پرسش پژوهش، رفتار مورد بررسی و ویژگی‌های بستر انتخاب‌شده وابسته است. داده‌های این فضا می‌توانند در تحلیل کمی یا کیفی به کار روند.
ابزارهای گردآوری خودکار داده از وب، مانند وب‌اسکرپینگ یا Web Scraping، امکان جمع‌آوری و پردازش حجم بزرگی از اطلاعات را فراهم می‌کنند. اما حجم زیاد، سوگیری انتخاب را برطرف نمی‌کند. افرادی که در یک بستر حضور دارند یا دربارهٔ یک موضوع مطلب منتشر می‌کنند، لزوماً نمایندهٔ تمام افراد تحت تأثیر برنامه نیستند.
هنگام تفسیر این داده‌ها باید روشن باشد چه کسانی دیده می‌شوند، چه کسانی غایب‌اند و اطلاعات تا چه حد قابل اتکاست. تشخیص دقت و قابلیت اطمینان نیز همیشه ساده نیست. راهنمای GSR از منابع مطرح برای استفاده از داده‌های رسانه‌های اجتماعی است؛ بااین‌حال، مشخصات نسخه و جزئیات آن در این مقاله ارائه نشده و نمی‌توان از این اشاره، قاعدهٔ اجرایی مشخصی استخراج کرد.
مثال فرضی: انتخاب داده برای بررسی یک مرکز خدماتی
فرض کنید مدیر یک مرکز می‌خواهد بداند چرا دریافت خدمت برای برخی مراجعان طولانی شده است. هیچ نتیجه یا عدد تجربی برای این مثال در نظر گرفته نشده است. هدف، نشان‌دادن نقش متفاوت منابع داده است.
سوابق اداری می‌توانند نشان دهند چه کسانی ثبت‌نام کرده‌اند و چه خدماتی دریافت شده است؛ به شرط آنکه تعریف و کیفیت ثبت برای سؤال مناسب باشد.
داده‌های پایش می‌توانند مراحل کار، زمان انتظار و تعداد درخواست‌های رسیدگی‌شده را روشن کنند. این اطلاعات برای یافتن محل مشکل اجرایی مفیدند.
مصاحبه یا مشاهده می‌تواند به فهم تجربهٔ مراجعان و کارکنان و دشواری‌های مسیر خدمت کمک کند؛ اطلاعاتی که ممکن است در سوابق اداری ثبت نشده باشد.
نظرهای رسانه‌های اجتماعی ممکن است برخی واکنش‌ها را آشکار کنند، اما نمی‌توان آن‌ها را بدون بررسی پوشش و سوگیری، نظر تمام مراجعان دانست.
قرارگرفتن این منابع کنار هم زمانی مفید است که نقش هرکدام معلوم باشد. هیچ‌یک به‌تنهایی و صرفاً به دلیل در دسترس‌بودن، پاسخ کامل مسئله نیست. پس از بررسی داده‌ها نیز انتخاب اقدام به قضاوت دربارهٔ محدودیت‌های اجرا و منابع موجود نیاز دارد.
پیش از انتخاب منبع داده چه بپرسیم؟
دقیقاً کدام پرسش مدیریتی یا ارزیابی را می‌خواهیم پاسخ دهیم؟
داده چه چیزی را ثبت می‌کند و تعریف آن با مفهوم مورد نظر ما چه تفاوتی دارد؟
چه جمعیت و چه دورهٔ زمانی پوشش داده شده و چه گروه‌هایی غایب‌اند؟
آیا اطلاعات برای جمعیت هدف و مقایسهٔ مورد نیاز به اندازهٔ کافی جزئی است؟
کیفیت ثبت، محدودیت دسترسی و احتمال سوگیری چگونه بررسی می‌شود؟
کدام شکاف را می‌توان با دادهٔ موجود پاسخ داد و برای کدام بخش به گردآوری تازه نیاز است؟
از این داده چه نتیجه‌ای می‌توان گرفت و چه ادعایی هنوز پشتوانهٔ کافی ندارد؟
شناخت انواع داده به انتخاب نام یک روش محدود نمی‌شود. مدیر باید میان منبع اطلاعات، آنچه واقعاً سنجیده شده و ادعایی که می‌خواهد مطرح کند ارتباط روشنی برقرار کند. داده‌های اداری، پایش، پیمایش، روش‌های کیفی و رسانه‌های اجتماعی هرکدام می‌توانند بخشی از مسئله را روشن کنند؛ ارزش آن‌ها به تناسب با سؤال و کیفیت استفاده از آن‌ها وابسته است.