1. "إنها مجرد وظيفة"
يعتقد العديد من قادة شركات المرافق أن تحليلات بيانات الأعمال مشروع فني: دعوا تكنولوجيا المعلومات تُنشئ لوحات معلومات، وستظهر رؤىً سحرية. لكن هذا الاعتقاد يعكس الأسطورة الأولى التي حددتها شركة ماكينزي في تقريرها عن بيانات المرافق.
إليكم الحقيقة: التحليلات لا تعيش في فراغ. بالنسبة لشركات المرافق، حيث تُوازن بين موثوقية الشبكة والبنية التحتية والضغوط التنظيمية وتوقعات العملاء وغيرها، فأنت بحاجة إلى وجود فريق من العمليات ووحدات الأعمال والتنظيم وتكنولوجيا المعلومات في مكان واحد. إذا تعامل قادة الأعمال مع التحليلات على أنها "مشروع تكنولوجيا معلومات"، فلن تُعتمد الرؤى الناتجة.
عند تحليل بيانات الأعمال، لا يكفي بناء الأداة فحسب؛ بل عليك أيضًا تغيير العقليات والسلوكيات وعمليات العمل. لا تترك ذلك لتكنولوجيا المعلومات وحدها.
2. "أنظمتنا جاهزة، لذا ستتدفق الأفكار"
هناك اعتقاد خاطئ آخر: "لدينا كل هذه الأنظمة، لذا فإن تحليلات بيانات الأعمال ستتولى أمرها بنفسها". ماكينزي مجددًا: تفترض العديد من شركات المرافق أن دمج أنظمة تخطيط موارد المؤسسات (ERP) وإدارة الأصول المتنقلة (WAM) ونظم المعلومات الجغرافية (CIS) وغيرها يعني "أننا جاهزون". لكنهم ليسوا كذلك.
هنا تكمن المشكلة: قد يكون لديك كل البيانات، ولكن ما لم تفكر جيدًا في أي البيانات وفي أي تنسيق، وكيف يتم تجميعها، وكيف يتم تنظيفها، وما إذا كان بإمكان الأشخاص الوصول إليها في شكل قابل للاستخدام، فإن تحليلات بيانات الأعمال سوف تتوقف.
على سبيل المثال، قد تتحدث الأنظمة القديمة لغات بيانات مختلفة. وقد تبقى صوامع البيانات منعزلة. لذا، من المهم لمديري المرافق العامة: ربط بياناتكم عند تحليل بيانات الأعمال. اعرفوا المصادر، والتدفقات، والجودة، وكيفية ربطها.
3. "أنشئ بحيرة بيانات، والباقي سيُحل تلقائيًا"
ربما يكون هذا "نصف خرافة": تعتقد العديد من المؤسسات أنه بمجرد امتلاك مستودع ضخم للبيانات ("بحيرة بيانات")، ستجني رؤى قيّمة. لكن في قطاع المرافق، يُعد هذا الأمر محفوفًا بالمخاطر. ومرة أخرى، من ماكينزي: غالبًا ما تُصبح مخازن البيانات الضخمة غير المنظمة، دون سياق أعمال، مقابر باهظة الثمن لـ"البيانات المظلمة".
عند السعي وراء تحليلات بيانات الأعمال، لا تُعدّ البحيرة هي الهدف النهائي. ينبغي أن يكون السؤال: ما هو سؤال العمل الذي نُجيب عليه؟ ما هي حالات استخدام التحليلات التي تُقدّم قيمةً الآن؟ إن ضخّ كل شيء دون هدفٍ مُحدّد يعني غالبًا دفع التكلفة (التخزين، التعقيد) والحصول على القليل من العائد.
لذا، عندما تخطط لتحليلات بيانات الأعمال في سياق المرافق، ابدأ بالنتيجة، ثم قم ببناء النظام البيئي.
4. "جودة البيانات والاستراتيجية يمكن أن تنتظر إلى وقت لاحق"
من الأخطاء الشائعة الأخرى: قلة الاستثمار في حوكمة البيانات وجودتها واستراتيجية التحليلات. تُظهر الأبحاث في مختلف القطاعات أن الشركات التي تلجأ إلى تحليلات البيانات دون خطة واضحة غالبًا ما تُهدر الوقت والموارد وتفقد مصداقيتها.
في قطاع المرافق، غالبًا ما تُولَّد البيانات من مئات أو آلاف أجهزة الاستشعار، والأجهزة الميدانية، والعدادات الذكية، وكلها ببروتوكولات مختلفة وجودة متفاوتة. وتعتمد قيمة تحليلات بيانات الأعمال هنا على بيانات موثوقة، وعمليات منظمة، وحوكمة جيدة.
إذا تخطيت هذا، فإن تحليلاتك ستقدم نتائج مشكوك فيها ("القمامة تدخل، والقمامة تخرج") وستفقد قيادتك الثقة.
٥. "العزلة لا تهم؛ كل قسم قادر على إجراء تحليلاته الخاصة"
في قطاع المرافق، غالبًا ما تُدير وحدات الأعمال المختلفة (التوليد، والتوزيع، وخدمة العملاء، والتنظيم، والعمليات) جهودها الخاصة في تحليل البيانات أو إعداد تقاريرها. ولكن بمجرد بناء وحدات منفصلة، تتشتت طموحات تحليل بيانات الأعمال على مستوى مؤسستك. من منظور تحليلات الطاقة/المرافق، تُمثل وحدات البيانات المنفصلة عائقًا رئيسيًا.
إذا عمل كلٌّ من القسمين (أ) و(ب) على تحليلات متخصصة خاصة به دون استراتيجية بيانات مشتركة، فستفقد رؤى شاملة. على سبيل المثال، قد يكشف ربط أنماط استخدام العملاء ببيانات حالة أصول الشبكة عن أولويات صيانة جديدة. ولكن إذا كانت هذه الأولويات منفصلة، فلن تتمكن من رؤية الصورة الكاملة.
لذا، يتعين على المسؤولين التنفيذيين في شركات المرافق العامة الدفع نحو تحقيق محاذاة جهود تحليل بيانات الأعمال على مستوى المؤسسة بأكملها، وليس فقط على مستوى كل قسم على حدة.
٥½. "عائد الاستثمار في التحليلات سيأتي سريعًا إذا استثمرنا فقط"
إليكم "النقطة الجوهرية": هناك أمل أو اعتقاد بأن الإنفاق على أدوات التحليلات وتوظيف علماء بيانات سيحقق عوائد كبيرة بسرعة. لكن الواقع متباين. فقد أشارت إحدى المدونات إلى أن الشركات الكبرى لم تستثمر بشكل كافٍ في هياكل الدعم المتعلقة بالتحليلات، مما يؤدي إلى فشل المشاريع.
في قطاع المرافق، على وجه الخصوص، تتعامل مع أنظمة معقدة، وأصول قديمة، وقيود تنظيمية، واستثمارات طويلة الأجل. لذا، لن تُحقق تحليلات بيانات الأعمال دائمًا مكاسب قصيرة الأجل إلا إذا صُممت لتحقيق مكاسب سريعة وأفق زمني أطول.
الحل: اختر حالة أو حالتين استخدام عاليتي التأثير (مثل الصيانة التنبؤية، أو التنبؤ بالطلب) بمقاييس واضحة. ثم طوّر. أظهر القيمة. وسّع. لا تُراهن بكل قوتك على "سنُجري إصلاحًا شاملًا باستخدام التحليلات خلال ثلاثة أشهر".
جمع كل شيء معًا
عندما يتعامل المسؤولون التنفيذيون في شركات المرافق مع تحليلات بيانات الأعمال باعتبارها مربع اختيار ("دعونا ننفذ التحليلات")، فإنهم غالبًا ما يقعون في هذه الفخاخ: ترك الأمر لتكنولوجيا المعلومات، وافتراض أن الأنظمة وحدها ستقدم النتائج، وبناء بحيرات البيانات قبل أسئلة الأعمال، وتجاهل حوكمة البيانات، والتسامح مع الصوامع، وتوقع عائد الاستثمار الفوري.
بدلاً من ذلك، يبدو المسار الأفضل على النحو التالي:
• حدّد: ما هي النتيجة التجارية التي تستهدفها؟ (على سبيل المثال، تقليل وقت الانقطاع بنسبة 15%، تحسين تقييم تجربة العملاء، تحسين تكلفة دورة حياة الأصول).
• المحاذاة: إشراك فرق القيادة التجارية والعمليات وتكنولوجيا المعلومات والتحليلات معًا؛ فتحليلات بيانات الأعمال متعددة الوظائف.
• المخزون: قم بإعداد خريطة للبيانات التي لديك بالفعل، ومكان وجودها، ومدى نظافتها، ومدى إمكانية الوصول إليها.
• بناء هادف: اختر حالات الاستخدام المهمة. اربط الأنظمة. نظّف البيانات. اضمن الحوكمة.
• القياس: تتبع المقاييس من اليوم الأول، سواء مقاييس اعتماد التحليلات (من يستخدم الرؤى؟) أو مقاييس الأعمال (ما الذي تم تحسينه؟).
• النطاق: بمجرد أن يصبح النجاح واضحًا، قم بالتوسع إلى المزيد من المجالات والتحليلات الأكثر تقدمًا (التنبؤية/الوصفية) بدلاً من الاقتصار على الوصف فقط.
• التكرار: تحليلات بيانات الأعمال ليست عملية تتم مرة واحدة فقط؛ تتطور البيانات، وتنمو الأعمال، ويجب أن يتطور نضج التحليلات لديك.
اقرأ أيضًا: كيفية تعزيز عملك من خلال تدريب تحليلات البيانات
