شرح خبر
 
تاریخ
1397/4/21
عنوان گزارش نشست علمی نظريه داده براي مديريت داده
متن


دکتر مصطفي اميني
تغيير در نظريه داده مي تواند بر روي سبک مديريت داده موثر باشد بالاخص در حوزه کلان داده ها. نظريه داده يعني درک انسان چگونگي عملکرد داده ها. نظريه داده مي تواند به درک ما از قابليت هاي داده ها (همچون قابليت جذب داده، قابليت حفظ داده و ساير قابليتها) کمک کند.
به موضوع نظريه داده مي توان با سه رويکرد نگريست: (1) جنبه هاي تئوريکال و نظري داده ها ، (2) خود نظريه هاي داده و (3) ارتباط نظريه اطلاعات با داده ها.
جلسه امروز مي تواند ارتباط ميان نظريه داده و سبک هاي مديريت داده را مورد بررسي قرار دهد.


دکتر رحمت‌الله فتاحي
معرفي کتاب درآمدي بر نظريه داده‌ها، جستاري فلسفي و علمي پيرامون داده‌ها و اهداف نگارش کتاب
جايگاه داده ها در جهان هستي:
•    جهان هستي: مجموعه اي پويا و تعاملي متشکل از موجوديتها، رخدادها و روابط ميان آنها
•    آنچه به اين جهان زندگي مي بخشد و ارتباط ميان موجوديتها را برقرار مي کند، در درجه نخست، نشانه ها يا محرکهاي حسي از محيط پيراموني است.
•    ارتباط موجودات زنده در تعامل با جهان هستي از طريق سيستم عصبي و دريافت و پردازش نشانه ها (محرکهاي حسي) برقرار مي گردد.
•    اين نشانه ها درواقع داده‌ها هستند که، پس از دريافت، در سيستم عصبي پردازش و ذخيره مي شوند تا در فرايند تبديل به اطلاعات و دانش براي راهبري زندگي قرار گيرند.
الگوي کلي موجوديت-رابطه:
•    حاکميت الگوي موجوديت-رابطه بر جهان و ازجمله بر زندگي انسان و ساير موجودات
•    تعامل انسان به منزله يک موجوديت با ساير موجوديتها (موجودات زنده، اشياء، مفاهيم، و رخدادها) = رابطه
•    تاثير نشانه ها يا محرکهاي محيطي  بر انسان از راه حواس پنجگانه خود (بينايي، شنوايي، بويايي، چشايي، و لامسه)،
•    پردازش نشانه ها برپايه مکانيسمهاي غريزي (سيستم عصبي) و نيز پيشداشته ها (تجربه ها و دانش هاي ذخيره شده در ذهن)
•    اندامهاي حسي و دستگاه عصبي سيستم اصلي ارتباطي موجود زنده با محيط
•    کارشان: گردآوري، ترکيب، و استفاده از داده‌هاي محيطي
•    نقش حياتي داده‌ها در شکل دادن به اطلاعات و دانش براي کنش و واکنش (راهبري زندگي موجودات زنده در ارتباط با محيط بيروني)

ارزش و اهميت داده ها:
•    جهان، به دليل سرشت پوياي خود (وجود ميلياردها موجوديت و وقوع بي نهايت رخداد)، سرشار از داده‌ است
•    به همين دليل، داده‌ها يکي از مهمترين و حجيم ترين پيامدها يا محصولات جهان هستي است.
•    انسان و ساير موجودات زنده به طور پيوسته در معرض اين فرايند هستند.
•    از همين رو و به لحاظ فلسفي و نظري، مطالعه رفتار انسان در ارتباط با توليد، پردازش و مصرف داده‌ها يک پديده قابل بررسي و مطالعه است.
•    توجه در چند دهه اخير به ارزش فلسفي و علمي داده‌ها به منزله يک عنصر حياتي و داراي ارزش افزوده و قابليتهاي گسترده در زندگي فردي، اجتماعي و يا سازماني
•    ارزشمندي براي براي افراد و سازمانها،
•    شکل گيري و توسعه "علم داده‌ها" با گستره اي از گرايشهاي تخصصي
ه    داده‌هاي بزرگ يا کلان داده (Big data)، داده کاوي (Datamining)، چرخه حيات داده (Data cycle)، حاکميت داده‌ها (Data governance) ، داده‌هاي باز (Open data)، زيرساخت داده‌ها (Data infrastructure)، کيفيت داده‌ها (Data quality)، هوشمندي داده‌ها (Data intelligence)، کاربردپذيري داده‌ها (Data usability)، داده‌هاي تاثيرگذار (Effective data)، يگانگي داده‌ها (Data unification)، و مانند آنها
چرا به نظريه هايي در باره داده نياز داريم؟:
•    با وجود اهمّيت داده ها، هنوز در زمينه نظريه پردازي در باب داده‌ها حرکت جدي مشاهده نمي شود.
•    وجود ادبيات بسيار غني و نظريه هاي گوناگون در باره اطلاعات و دانش
•    فرانکسن (Franksen, 1985): با وجود اين واقعيت که مفهوم داده يک مفهوم زيربنايي در علوم به شمار مي رود، اما ما آن را در بافت نظريه هاي علمي، مبتني بر قوانين يا اصول خدشه ناپذير مطرح نکرده ايم بلکه تنها در ارتباط با برنامه هاي رايانه اي مورد توجه قرار داده ايم
•    کاپورو و يورلند (2003): پرداختن به موضوع داده‌ها با تاخير بسيار در علم اطلاعات صورت گرفته است.
•    بورگمن (Borgman, 2007) و فرنر (Furner, 2016) : مبحث داده در بسياري از متون حوزه علم اطلاعات و دانش مورد غفلت واقع شده است
•    فرنر (Furner, 2017) : فلسفه داده‌ها را نبايد به دليل ابهامهاي علمي و نبود راه حلهاي کاربردي براي حل آنها به کنار گذارد.
•    برعکس، فلسفه داده‌ها را بايد به منزله هسته اصلي مطالعات مرتبط با رياضيات، علوم رايانه، و کتابداري و اطلاع رساني مورد توجه قرار داد.

شناخت داده ها از طريق دسته بندي آنها:
فلوريدي (2008) : پنج نوع دسته بندي :
•    داده‌هاي اوليه
•    داده‌هاي ثانويه
•    فراداده‌ها
•    داده‌هاي عملياتي
•    داده‌هاي اشتقاقي

فرنر (2016): دسته بندي تفسيري 9 گانه:
•    تفسير کلاسيک: داده به منزله آنچه داده شده يا قابل اهدا است (از حدود 100 سال پيش از ميلاد مسيح)
•    تفسير مستند: داده‌ها به منزله فراداده (از حدود 100 سال پيش از ميلاد مسيح)
•    تفسير کليسايي: داده‌ها به منزله هديه خداوند (از حدود از سال 1614 به بعد)
•    تفسير هندسي: داده‌ها به منزله مباني هندسي (از حدود 1645 به بعد) به بعد)
•    تفسير رياضي: داده‌ها به منزله مباني علم رياضي (از حدود 1704 به بعد)
•    تفسير معرفت شناختي: داده‌ها به منزله شواهد (از حدود 1648 به بعد)
•    تفسير اطلاع مدار: داده‌ها به منزله مشخصه-مقادير (از حدود 1830 به بعد)
•    تفسير محاسباتي: داده‌ها به منزله بيت ها (از حدود 1980 به بعد)
•    تفسير تفاوت محور: داده‌ها به منزله تفاوتها (از حدود 2000 به بعد)

قابليتهاي داده ها براي مديريت:
•    قابليت "دريافت"
•    قابليت "ذخيره "
•    قابليت "انتقال و تبادل"
•    قابليت "خريد و فروش"
•    قابليت "سنجش و اندازه گيري"
•    قابليت "پالايش"
•    قابليت "پويايسازي"
•    قابليت "پردازش"
•    قابليت "ارتباط دهندگي و معناسازي"
کلان داده ها در مديريت:
•    فلوريدي (2012) : مفهوم کلان‌داده‌ها آنچنان گسترده و از زمينه هاي متنوع برخودار است که به لحاظ معرفت شناختي نيازمند مطالعه عميق است.
•    مشکل در پردازش حجم عظيم داده‌ها نيست بلکه مشکل در طرحواره هاي کوچک (خرد) توليد داده‌هاست.
•    ما نيازمند طرحواره کوچک هستيم تا در همان مرحله داده‌ها در حجم کوچک در هر زمينه مانند فناوري يا اقتصاد بتوان آنها را مديريت و تجميع کرد
•    هواشناسي/اقليم شناسي؛ زلزله نگاري
•    مديريت آموزش عالي؛ مديريت پژوهشها؛ اشتراک داده هاي پژوهشي
•    مديريت روابط با مشتري؛ بازاريابي؛ توسعه خدمات/فروش کالا ؛ بازنگري در مدلهاي اقتصادي
•    مديريت صنعتي؛ مديريت توليد؛ زنجيره تامين
•    مديريت دولتي؛ تدوين خط مشي ها؛ بازنگري در فرايندها
•    مديريت ارتباطات، رسانه ها و فضاي مجازي
•    مديريت شهري؛ انفورماتيک شهري
•    مديريت بهداشت و درمان
•    مديريت حمل و نقل؛ ترافيک
بيان ويژگيهاي کلان داده ها، ابعاد داده ها براي نظريه پردازي، تعريف نظريه و الزامات نظريه پردازي



دکتر سعيد روحاني
تحليل گري عظيم داده
حقايقي از دنياي امروز داده ها :
بيش از 60 درصد شرکت هاي راس ليست Fortune 500 در سال 2000  در سال 2015 ديگر در اين ليست حضور نداشتند!
فقط 7 درصد نسل Y (متولدين بين 1980 تا 2000) در سازمان هاي بزرگ فعاليت مي کنند. ما بقي جذب استارتاپ ها و شرکت هاي کوچک شده اند!
12 تجربه مثبت مي تواند اثر يک تجربه منفي در خدمات و محصول را جبران نمايد!
سهم بخش خدمات از اقتصاد کل جهان به بيش از 30 درصد و بخش دانش از اقتصاد کل به بيش از 15 درصد رسيده در حالي که سهم بخش توليد به ذيل 50 درصد کاهش پيدا کرده است!
13 درصد ارزش افزوده اقتصادي حاصل از C-Commerce  بين سازمان ها بر بستر اينترنت است!
اقتصاد داده محور:
داده ها همان نفت جديد ما هستند، ارزشمند هستند اما بدون پالايش قابل بهره برداري نيستند.
عظيم داده / مه داده/  BIG DATA :
مجموعه هاي داده بسيار بزرگ و پيچيده که نمي توان آن ها را با روش ها و ابزارهاي سنتي، ذخيره، پردازش و تحليل نمود.
استفاده و بکار گيري از تکنيک‏هاي نوآورانه و مقرون به صرفه‏ براي حل مشکلات امروز و آينده کسب وکار بلاخص آن دسته مسايلي که نيازمند منابع اي از قبيل فضاي مورد نياز جهت مديريت داده، منابع محاسباتي، فوريت و سرعت در بازنمايي اطلاعات حافظه و افزايش توانايي‏ها وظرفيت‏هاي سيستم‏هاي محاسباتي سنتي مي‏باشد.
ماشين يا انسان؟: مساله اين است!:
چارچوب ها، ابزارها و تکنيک ها در حوزه ذخيره سازي، پردازش و تحليل عظيم داده به حد کافي وجود دارند. اما راهبرد، برنامه ريزي و بکارگيري حرفه اي در مسائل کسب و کار به درستي رخ نداده و اين چالش نتيجه شکاف ميان تکنوکرات ها و مديران مي باشد. نيروي انساني با مهارت فني کافي با ديد کسب و کار، راه حل اين موضوع است.

نظريه عظيم داده، تمامي روش ها و رويکردهاي سنتي به ذخيره سازي، پردازش، تحليل و حتي کاربرد داده ها در تصميم گيري را به چالش مي کشاند.
اين نظريه، ساخت جهان تمام خودکار مانند (کارخانه بدون انسان) را عملي مي نمايد.



در انتهاي نشست سخنرانان به پرسش‌هاي شرکت کنندگان پاسخ دادند و نشست در 18:45 به پايان رسيد.
برای مشاهده اسلاید ها  اینجا و اینجا را کلیک کنید.

منبع