اين رويداد در 4 اسفند 1397 در ساعت 16:15 دقيقه پس از پخش قرآن و سرود ملي، با سخنراني آقايان دکتر بهروز رسولي و مهندس مصطفي ثابتي و با دبيري آقاي مصطفي اميني آغاز شد.
مقدمه‌ي دبير نشست (آقاي مصطفي اميني)
طبق بررسي هاي ما اين اولين نشست علمي درباره بررسي و مفهوم سازي « محصول داده محور » (Data-Driven product) در کشور ايران است. اين مفهوم با روندهاي جهاني مخصوصاً موضوعات مرتبط با انقلاب صنعتي چهارم و تحول ديجيتال در کشورها سازگاري دارد. به عنوان مثال در کشورهاي عضو اتحاديه اروپا اين موضوعات مطرح است. اتفاق مهمي که در مورد محصول مي‌افتد اين است که قبل از سال 2008 (در دوران انقلاب صنعتي دوم و سوم) معمولا در جوامع و سازمانها، محصولات تک منظوره، با هدف مشخص و مقصود کاملا از قبل تعيين شده توليد مي‌شدند، اما بعد از سال 2008 (عصر ديجيتال و دوران انقلاب صنعتي چهارم) محصولات چندمنظوره و متصل به شبکه شدند و فناوري اطلاعات در محصولات نفوذ کرد. يعني سازمانها تلاش کردند داده‌ها و هوش مصنوعي را در محصولات و خدمات تعبيه کنند. علاوه بر اينکه محصولات قابليت اتصال با ساير محصولات پيدا کردند، قدرت پايش و رصد کردن محصولات و خدمات هم افزايش پيدا کرد. به بيان ديگر، امروزه دوران محصولات چند منظوره‌ي متصل به شبکه است. در اين نشست چند مفهوم را مي‌خواهيم از هم تفکيک کنيم: 1) محصول داده‌محور (data-driven product) 2) مديريتِ محصول داده‌محور (data- driven management for product و 3) مديريتِ داده‌محورِ محصول(data-driven management for Product).
همچنين در اين نشست منظور ما از محصول يک مفهوم عام است که معمولا به دو بخش تقسيم مي شود: (1) خدمات (Services) و (2) کالاها (Goods).
آقاي دکتر بهروز رسولي
در مسأله‌ي داده، همه چيز از زمان اختراع کامپيوترها آغاز شد که فضاي بزرگي براي داده پديد آمد و مبحث «خلق داده» به يک موضوع مهم تبديل شد. انواع داده عبارتند از داده‌هاي جغرافيايي، فرهنگي، علمي، حمل و نقل، طبيعي،آماري و... که همه‌ي اين داده‌ها را امروز در قالب داده‌هاي بزرگ (Big Data) داريم و تحليل اين داده‌هاي بزرگ در ساخت محصول و خدمت به کار مي‌رود. امروزه بحث داده‌محور بودن در همه‌ي حوزه‌ها بطور جدي مطرح است از جمله طراحي محصول، سياست‌گذاري، بازاريابي، هدف‌گذاري و ساير موارد. تفکر داده‌محور مفهوم بزرگتري با عنوان دنياي ديجيتال (D-World) را خلق مي‌کند. امروز در جهاني زندگي مي‌کنيم که در بحث داده و ديجيتال بودن غوطه‌ور شده‌ايم. امروز در دنيايي زندگي مي‌کنيم که در آينده‌اي نه چندان دور، داده نقش بسيار راهبردي ايفا مي‌کند. امروزه حتي مؤسساتي که براي داده‌ها اولويت راهبردي قائل نبودند، در حال انجام سرمايه‌گذاري هاي قابل توجه در زمينه داده ها مي کنند. به عنوان مثال، بسياري از نرم‌افزارها و برنامه‌ها هستند که استفاده مي‌کنيم و نمي‌دانيم چرا رايگانند. در واقع صاحبان آنها داده‌هاي ما را جمع‌آوري مي‌کنند و کسب و کار خود را بر مبناي آن راه مي‌اندازند. پس بنابراين طبيعي است که امروز بيشتر درباره‌ي داده بشنويم و صحبت کنيم.
محصول داده محور، محصول يا خدمتي است که با داده يا در پيوند با داده ساخته شده باشد و پايه‌اش تحليل داده است. منظور از «در پيوند با داده» تلقي‌هايي است که از محصول داده محور وجود دارد. يک تلقي اين است که آيا از داده براي ساخت محصول استفاده مي‌کنيم يا خودِ کسب و کار داده محور است و تلقي ديگر اين است که در طراحي محصول از داده استفاده کنيم. به عنوان مثال، پايگاه اطلاعاتي Web of Science در حال مهاجرت از سطح «فراهم کننده دسترسي به منابع اطلاعاتي» به سطح فراهم کننده تحليل منابع داده اي» است. يعني خدمات اين پايگاه اطلاعاتي در مسير داده‌محور شدن است و محوريت آن با تحليل داده‌ها و نه دسترسي به منابع اطلاعاتي.
يکي از نخستين مراحل طراحي داده‌محور اين است که تصميم بگيريم محصول داده‌محور داشته باشيم يا نه. براي مثال: چه زماني ورزش کنم؟ چند ساعت در شبانه روز بخوابم؟ چه غذايي را چه زماني بخورم؟ ... اينکه از چه داده‌اي استفاده مي‌کنم و چه اطلاعاتي مي‌تواند به من کمک کند نخستين گام است.
در مرحله‌ي بعدي مدير محصول داده‌محور بايد به اين موارد توجه کند: چه سنجه‌هايي مهم‌اند و چرا؟ داشتن هدف روشن براي سنجه‌ها، اکنون اين سنجه‌ها چه وضعيتي دارند؟، شناسايي مسائل مهم در پيوند با سنجه‌ها؟، تعيين مسائل در پيوند با سنجه‌ها که توانايي پاسخگويي به آنها هست؟ و داشتن برنامه اقدام.
توسعه‌ي محصول داده‌محور نيازمند توجه به چند مسأله‌ي کليدي است: (1) درک کمّي از اين که يک محصول چه اندازه درآمدزايي مي‌کند (خلق ارزش مالي و غيرمالي مي‌کند)، (2) براي اولويت‌بندي ويژگي‌هاي محصول؛ داشتن سطحي بالا از ابزارسازي و تحليل مطمئن براي شناسايي عوامل دقيق تغيير در ويژگي‌هاي محصول؛ (3) ظرفيت تحليل‌گري و داشتن تيم متخصص تحليل داده.
يکي از مهمترين تمايزهاي چرخه‌ي توسعه‌ي محصول داده‌محور نسبت به چرخه‌هاي کلاسيک اين است که در آن داده‌هايي داريم که بسيار بزرگ است، اما قبلا به داده‌هاي انبوه دسترسي نداشتيم. ابزارهاي توسعه‌ي محصول داده‌محور را مي‌توان در گروه‌هاي مختلف دسته‌بندي کرد: ابزارهاي نقشه‌ي ذهني، ابزارهاي پژوهش کاربران، ابزارهاي ساخت پروتوتايپ، ابزارهاي سنجش بهره‌برداري، ابزارهاي تحليل.
چالش‌هايي که در زمينه توسعه‌ي محصول داده‌محور وجود دارد عبارتند از: حريم خصوصي کاربران، توسعه‌ي هر محصولي اخلاقي است؟ قيمت‌گذاري محصول و خدمات، شتاب تغيير رفتار مشتريان.
آقاي مهندس مصطفي ثابتي:
زياد نمي توانيم بگوييم که محصول داده‌محور مربوط به محصولات جديد است و قبلا وجود نداشته است. داده سال‌هاست که وجود دارد و از وقتي کارها صنعتي شد هميشه توليد محصول درگير داده بوده است. سال‌ها قبل وقتي اولين بار شرکت‌هايي ايجاد شدند که محصول توليد کردند، تحقيقات بازار (Market Research) جزو اولين کارهايي بود که انجام شد. اما الان تغييراتي ايجاد شده که مدل‌هاي قبلي جمع‌آوري داده را دستخوش تغيير کرده است. قبلا فقط در دنياي فيزيکي زندگي مي‌کرديم و داده‌ها فقط در دنياي فيزيکي بود و به دست آوردن داده کار آساني نبود. الان جمع‌آوري داده‌ها آسان‌تر شده است زيرا به جز دنياي فيزيکي در دنياي سايبري هم زندگي مي‌کنيم و انتقالِ بخشي از زندگي به دنياي سايبري باعث شده است توليد داده به صورت زنده اتفاق بيافتد. يک ديدگاه اين است که محصول توليد مي‌کنم و در توليد آن از داده استفاده مي‌کنم. يک ديدگاه ديگر اين است که خدماتي دارم که ذات آن مبتني بر داده است. براي مثال رباتي وجود دارد که به آدم‌ها کمک مي‌کند چگونه در بورس سرمايه‌گذاري کنند، اين محصول بدون داده‌هاي انبوه بي‌معني است.
قبلا در مورد خودکارسازي، مفاهيمي که مطرح مي‌کرديم بر مبناي فناوري اطلاعات بود. الان دنياي فيزيکي و سايبري ترکيب شده. نمي‌توانيم مرزي بين زندگي واقعي و سايبري قائل شويم. بايد ببينيم چرا اين موضوع اهميت پيدا کرده است. حجم و سرعت توليد داده رو به افزايش است. قبلا اين قدر داده توليد نمي‌شد يا ابزار پردازش آن را نداشتيم. بحث اينترنت اشيا يکي از دلايل آن است.
بحث ديگري که در اين زمينه مطرح مي‌شود بحث تست از عملکرد است که در محيط ديجيتال سرعت تست، افزايش يافته و هزينه‌ها کم شده است. در اکثر وب‌سايت‌ها تست مي‌کنند که چه دسته از کاربرهايي با چه دسته‌بندي و رده‌ي سني چه نمايي برايشان مناسب‌تر است و چه رفتار اطلاع يابي دارند. چرا اين موضع براي ما مهم شده است؟ چه ضرورتي دارد؟ چيزي که الان مطرح است اين است که در کسب و کار بيشتر از اينکه درباره محصول داده‌محور صحبت کنيم، کسب و کار داده‌محور (Data-Driven Business) مهم است. يعني منطق خلق ارزش مبتني بر داده ها مهم است. قبلا محصول يا خدمت مي‌فروختيم، اما الان تجربه مي‌فروشيم. براساس تجربه، افراد تصميم مي‌گيرند که دريافت خدمات و محصولات را از يک کسب و کار ادامه بدهند يا نه. آمار نشان مي‌دهد که روي خيلي از محصولات ديجيتال سرويس‌هايي که ارائه مي‌شود يکسان است و وجه تمايز و رقابت روي تجربه‌ي کاربر (User Experience) است. محصول داده‌محور اينجا اهميت پيدا مي‌کند. حالا درگير اين موضوع هستيم که در زماني که داده‌ها با سرعت زياد توليد مي‌شوند، چگونه همراهش شويم و از آن عقب نمانيم؟ سازمان بايد داده‌محور باشد و محصول داده‌محور توليد کند. سازمان بايد بازخورد مشتري‌ها را دريافت کند و براساس آن محصول را توليد کند. حتي عملکرد پرسنل بايد مبتني بر داده باشد.
چرخه‌ي چابک توليد محصول هم مهم است. اگر چابکي وجود نداشته باشد، سازمان نمي‌تواند هم‌پاي تغييرات پيش برود.
انتظار از محصول داده‌محور اين است که مبتني بر داده، اطلاعات به روز شود. اين امر از نظر فني قابليت اجرا دارد. قبلا داده براساس اظهارنظر مشتري از طريق پرسشنامه و مصاحبه در تحقيقات بازار بدست مي‌آمد. الان به خصوص درباره‌ي محصولات ديجيتال، داده‌هاي رفتار مشتري تحليل مي‌شود: اينکه مشتري کجا را بيشتر مي‌بيند، کجا بيشتر کليک مي‌کند. قبلا دنياي ديجيتال وجود نداشت و جمع‌آوري داده به اين سادگي نبود.
در چرخه‌ي توليد محصول داده‌محور، از مشتري سوال مي‌پرسيم، نيازش را استخراج مي‌کنيم، داده را پردازش مي‌کنيم. مدل مي‌سازيم و نهايتا مبتني بر آن محصول ارائه مي‌دهيم. و در اين ميان سرعت دسترسي ما به داده بصورت قابل توجهي افزايش يافته است.
استفاده از داده فقط براي توليد محصول نيست. سازمان‌هاي داده‌محور در فاز اول در بخش مربوط به مشتريان حتي براي انتخاب دقيق دسته‌بندي مشتري، از داده‌ها استفاده مي‌کنند. و وقتي قابليت دسترسي چابک به داده ها را داشته باشند و مي‌توان به جاي «دسته‌بندي گذشته‌نگر از مشتري»، يک «دسته‌بندي آينده‌نگر از مشتري» ارايه کنند. کانال ارائه‌ي خدمات و محصول به مشتري توسط داده‌ها کنترل مي‌شود. در بخش ارتباط با مشتري از مشتري بازخورد گرفته مي‌شود. بخش ارتباط با مشتري از قديم از درگاه‌هاي ورودي داده به صورت سنتي بوده است. اما امروز در سطح بالاتري عمل مي‌کند، افراد روي شبکه‌هاي اجتماعي نظراتشان را منتشر مي‌کنند، برنامه‌هايي هستند که اين داده‌ها را جمع‌آوري و تحليل مي‌کنند. داده فقط براي محصول کاربرد ندارد و در کل کسب و کار کاربرد دارد.
چهار استراتژي توليد محصول داده‌محور وجود دارد: 1. شناسايي نياز مشتري، 2. بهبود تجربه‌ي مشتري و تجربه‌ي کاربري، 3. اضافه کردن بينش به فرايند توسعه‌ي محصول، 4. شناسايي تفکر افراد مختلف درباره‌ي نياز مشتري و کاربر نهايي.
از نمونه‌هاي محصولات داده محور مي‌توان فناوري‌هاي نوين مالي (Fintech) را نام برد که ذاتشان مبتني بر داده است. نمي‌توانيم بگوييم محصولي اصلا داده‌محور نيست. اما طيف دارد يکي در سطح پاييني از داده‌محوري است و يکي در سطح بالاتر.
جمع‌بندي دبير نشست
در موج دوم فناوري اطلاعات تمرکز سازمانها روي خودکارسازي مراحل زنجيره‌ي تأمين بود اما در موج سوم فناوري اطلاعات خروجي‌هاي (محصولات و خدمات) هر مرحله از زنجيره‌ي تأمين، خودکار و مجهز به داده مي‌شوند. اينجاست که تعامل نزديک فناوري اطلاعات (IT) و علم اطلاعات (IT) عيان و جدي مي شود. اينجا است که مفهوم محصول داده‌محور اهميت پيدا مي‌کند.
محصول داده‌محور را مي‌توانيم به دو دسته‌ي خدمات داده محور (Data-Driven Services) و کالاهاي داده محور (Data-Driven Goods) تقسيم کنيم. خدمات مانند داده به عنوان خدمت (data as a service) و تحليل به عنوان خدمت (analytic as a service) و کالا مانند خودروي هوشمند (smart car ) يا خودرو متصل ( connected car ) و دستگاه هاي هوشمند ( smart device ) يا دستگاه هاي متصل ( connected device).
بايد دقت داشته باشيم که وقتي ما درباره محصول داده محور صحبت مي کنيم در حقيقت راجع به يک طيف صحبت مي‌کنيم که يک سر طيف آن داده‌محور بودن محصول (داده محوري محض) است و سر ديگر آن محصولات توانمند شده با داده (Data-enabled Product) است که داده به توانمندي محصول کمک مي‌کند. براي اين منظور ما بايد مثلث مواجه هستيم. مثلثي که يک راس آن محصول داده‌محور، يک راس آن سازمان داده‌محور و يک راس آن چابکي چرخه‌ي توليد است.
يک نکته قابل توجه درباره محصول داده محور اين است که داده محوري هم شامل داده هاي بزرگ و هم داده هاي خرد مي شود. به عنوان مثال ديگر، امروزه فرايند تحقيقات بازاريابي (مثل نظرسنجي،رضايت سنجي،رقابت سنجي ،برندسنجي و ...) يک روند داده محور است. تحقيقات بازار يعني دائم بتوان بازار را براي مشخص شدن اثرگذاري محصول و خدمات رصد کرد. در تحقيقات بازار دو رويکرد داريم. با رويکرد داده‌هاي بزرگ (Big Data) که معمولا فقط مي‌توان با آن تحقيق کمي انجام داد، اما با رويکرد داده‌هاي خرد (Small Data) هم تحقيق کمي و هم کيفي قابل انجام است. به عنوان مثال، کتاب ريزداده‌ها درباره‌ي نقش داده‌هاي خرد در تحول محصولات و خدمات و کسب و کارها معرفي شد.
چند مثال از نگاه محصول داده‌محور به عنوان واقعيت: موسسه factual.com که شرکتي است براي جمع‌آروري و فروش داده‌هاي مکاني و بيش از 130 ميليون داده‌ي مکاني از سراسر جهان را داراست. DnB.com که داده‌هاي 285 ميليون نهادهاي تجاري جهان را در بردارد. Infogroup.com که 260 ميليون رکورد اطلاعاتي را داراست.
با توجه به مطالب و پرسش‌هايي که مطرح شد مي‌توان بحث امروز را دو سطح جمع بندي کرد. دو نگاه وجود دارد. يک نگاه، نگاهي بود که اساتيد محترم داشتند که محصول داده‌محور را به عنوان واقعيت در نظر گرفتند، و نگاه دوم محصول داده‌محور را به عنوان يک استعاره در نظر مي‌گيرد.
پرسش و پاسخ در پايان سخنراني انجام شد و نشست با گرفتن عکس دسته جمعي در ساعت 18:15 به پايان رسيد.