خلاصه کتاب ذهن + ماشین

نکات حائز اهمیت

*عقاید نادرست درباره تحلیل و داده بزرگ، فراگیر است

*تصور هرم داده:با اطلاعات کم از پایین ترین سطح شروع کنید و سپس آنها را از طریق سطوح ارزشمند دانش و بینش افزایش دهید.

*در فرایند اطلاعات حلقه دانش، اطلاعات کم را جمع آوری کرده و آن را برای خلق دانش تحلیل میکند سپس دوباره آغاز میشود

*به جای تلاش برای جمع آوری اطلاعات، شرکت‌ها باید بیشترین داده های استراتژیک را جمع آوری کنند

*مدیریت دانش از اعتیاد رنج میبرد و اکثر افراد دشواری آن را برآورد میکنند

*شبکه های موبایل ارائه دهنده ی مزایای بسیاری در تحایل است

*تحلیل شخصی سازی میشود و مردم به طور گسترده آن را به اشتراک میگذارند

*زمان برنامه ریزی، طراحی و اجرای تحلیل، عامل اساسی را در ذهن نگه دارید

*به منظور اجرای موفق تحلیل، هدف اصولی را به کار گیرید مثل استفاده از اسلوب شناسی موردی

*بیشترین منافع از استفاده همزمان ذهن و دستگاه حاصل میشود

خلاصه مطلب

داده بزرگ:اعتیاد، سفسطه و واقعیت

داده بزرگ و حوزه های مربوطه مانند تحلیل از اعتیاد رنج میبرند. داده بزرگ غالبا مباحث مفید، متمرکز و اصولی از واقعیت داده بزرگ است. اولین مزیت آن این است که داده بزرگ همه چیز را حل میکند. اکثر افراد با داده بزرگ بدون ابزار و زمینه لازم مواجه میشوند. آنها به ساختارهای بهتری برای هدایت فضای داده نیاز دارند مانند تعریف چگونگی استفاده آنها از تحلیل، اهداف، معیار و کارکنان مشخص و حسابگر. مدیریت دانش باید هدفمند، محسوس و عمل گرا باشد تا به خوبی ارائه شود. برخی افراد به غلط معتقدند که شما به دریایی از داده و ابزار نیاز دارید. دریای داده همان جمع آوری وسیع اطلاعات است. شما می‌توانید فرایند اطلاعات را ارزانتر کنید اگر اطلاعات کمی را جمع آوری کنید. متاسفانه شما باید از داده کپی برداری کنید و اطلاعات را از دست داده  و در اداره بد سرمایه ذهنی ریسک کنید. مردم معتقدند که اطلاعات بیشتر به معنای بینش بیشتر است. آن میتواند درست باشد اگر فرایند روش و اطلاعات درست باشد که غالبا درست نیست

هرم داده

چهار سطح از هرم داده را بررسی کنید.سطح یک، داده کم است مانند تصاویر دوربین. سطح دو، اطلاعات نسبی تحلیل شده است. سطح سه، شما از تحلیلات بیشتری استفاده میکنید و به سطح خب که چی؟ میرسید. در اینجا درک شما از اطلاعات کافی میشود تا به بهبود تصمیم گیری خود کمک کنید.در سطح چهار، بالاترین سطح، شما با دانش خود بینش‌ها را به دیگران در زمینه های مختلف ارائه میدهید. تصمیم گیرندگان دانش سطح سه و چهار را میخواهند. بطور ساده افزودن داده بیشتر، تنها سطح یک و دو را پر میکند. درخصوص استفاده موردی، فرایندهای باهوش تر بوسیله ابزارهای مستقیمی که 80 درصد آن را در آنجا بدست می آورید، حمایت میشوند به همراه 20 درصد اضافه. فرایند اطلاعاتی شما باید حلقه دانش را شکل دهد. داده را جمع آوری کنید. داده را ساختاری و سازماندهی کنید تا به اطلاعات برسید. از اطلاعات برای تعمیم بینش استفاده کنید که به شما اجازه تصمیم گیری و خلق دانش میدهد. آن دانش را به اشتراک گذاشته و داده بیشتری جمع آوری کنید.تحلیل کم هرگز کافی نیست. شما باید نتایج تحلیل خود را به تصمیم گیرندگان ارائه دهید و بررسی کنید چگونه تحلیل مناسب سازمان شماست. نیروی کار، تحلیل گران، اعضای تیم فناوری اطلاعات، اعضای تیم ریسک پذیر و کاربران، همگی نیاز به درک نقشها و مسئولیتهای خود و چگونگی ارتباط آنها دارند

مدیریت دانش

مدیریت دانش مشکل است. حتی زمانیکه رهبران، دانش خاصی را که به آنان کمک کند،  بشناسند اما ممکن است ندانند چگونه از آن استفاده کنند. اکثر گزارشات وقت مردم را هدر میدهد. سیستم آن را بطور خودکار گسترش میدهد و مردم آن را به جای جذب بینش مفید با داده کم پر میکنند.ذهن به تنهایی بسیار گران و کند است. دستگاه فقط دانش یا بینش حقیقی را ارائه نمی‌دهد. اکثرا مدعی اند که هوش مصنوعی قویا مطرح شده و تحلیل بطور خودکار بازگشت سرمایه بهتری نخواهد داشت.در حقیقت 70 درصد پروژه های تحلیلی، سازمانها را برای مشارکت در آن ناامید میسازند. بررسی کنید چگونه تیم درستی بسازید که این پروژه را مدیریت کند و با یافته هایشان کار کند. تحلیل کاملا اصولی نیست. آن نیازمند هوش و بینش است و دربردارنده پدیده جالب احساسی است. مدیریت دانش پای قول خود نمانده زیرا اکثر دانش حیاتی، به جای صریح بودن، ضمنی است. اطلاعات کم برای ذخیره، اتوماتیک و مدیریت آسان تر است تا بینش سطح بالا. علی رغم این محدودیات، مدیریت دانش امکانات زیادی دارد

اهداف دانش

فعالیتهای مدیریت دانش خود را طراحی کنید تا عمل گرا شوید و اهداف محسوس و مشخصی داشته باشید. آنها بهتر کار میکنند اگر شما معماری درستی از اهداف دانش خود داشته باشید. اجرای اسلوب شناسی و خودکارسازی فرایند خود، اثر تحلیل شما را چندگانه میسازد. استفاده از این ابزارات به شما کمک میکند تا محصولات خود را سریعا در بازار بدست آورید و عملکرد خود را توسعه دهید. بازخورد سریع کاربر را کسب میکنید که طراحی منعطف را ارتقا میدهد.این روش به شما اجازه اجرای تحلیل را نیز میدهد. ترکیب صحیح ذهن برای موفقیت دستگاه ذهنی، حیاتی است. ابزار مدیریت دانش خود را نگه داشته و آن را در فرایند خود ادغام کنید. یک معیار سازمانی برای مدیریت دانش برقرار کنید. بر بینش سطح بالای کاربر متمرکز شوید. برنامه ریزی کنید چگونه محتوا و بینش سطح بالا را ذخیره و ارائه دهید و چهارچوب مشخصی برای سازماندهی خود داشته باشید. اطلاعات محتوایی و دانش به شما اجازه میدهد بدانید کهذگ اعضای سازمان شما چه چیزی میدانند. دانش خاص مسئول دانش فردی است.

رویه ها

برای تصمیم گیری جهانی از رویه کنونی تحلیل آگاه باشید. اولین چیز افزایش قدرت شبکه های کامپیوتری و موبایل است زیرا تبدیل به مقیاس منعطف، ارزان، سریع و آسان میشود. آن کارمندان را قادر میسازد تا بیشتر از موبایل استفاده کنند و جمع آوری داده برای شما را آسان میکند. شبکه موبایل، خلاقیت و رضایت کارمند را افزایش میدهد. بازاریابی یک به یک رویه ای مرتبط است. به جای استفاده از داده و مدلهای استاندارد مشتریان، اکنون میتوانید خواسته افراد را هدف قرار دهید. برنامه های ارزان به آسانی قابل دسترس نیست اما آنها بطور موازی در خدمات دیجیتال شکل میگیرند. رانندگان هدف دستگاه ذهنی اساسا نحوه درک یا طراحی، اجرا و حفظ موارد استفاده در فراسوی چرخه زندگی را تغییر میدهند. اکنون 99 درصد تحلیلات از پایه درونی استفاده میکنند. شما هزینه تحلیل و گواهی را پرداخت کنید حتی اگر هیچکدام از آن چیزها را نمی خواهید.شما خواستار خرید تحلیل کاربردی، نهایی و بیرونی هستید. انتظار میرود که آن گزینه ای مشترک شود.آن ارائه دهنده ی سرمایه و ریسک آغازین کمتری است با انعطاف و تخصص بیشتر

فواید چندگانه مشتری

فواید چندگانه مشتری، امکانات زیادی فراهم میکند. سرمایه داده کنونی مثل جاده ای است که دو شهر را مستقیما به هم وصل میکند. آنها به کارکرد جاده هایی که به شما گزینه های چندگانه میدهد، نیستند. اکنون موسسات بسیاری بارها و بارها برای جمع آوری داده مشابه پول میپردازند.موسساتی که به داده مشابه نیاز دارند، پول و زمان ذخیره میکنند و با تاسیس نقطه مرکزی گردآوری، ارزش بیشتری ایجاد میکنند. کیفیت بد داده تداوم می یابد تا یکی از بزرگترین مشکلات در تحلیل شود. اینترنت اشیا که در آن اشیای هوشمند زیادی را به شیوه الکترونیکی به هم متصل میکند، داده بیشتری را تعمیم میدهد و جهان را مسئول آرزوهای انسان میسازد. گذاشتن سنسورها در هر جایی زندگی روزانه را آسانتر و ساده تر میکند،داده بیشتری را برای تحلیل داده بزرگ تعمیم میدهد و زنجیره ذخیره را بهبود میبخشد. همه این دستگاه ها استاندارهای مشترک نیاز دارند. توسعه دهندگان باید با مسائل امنیتی، آزادی و حقوق سرمایه ذهنی، سروکار داشته باشند. اینترنت اشیا فرصت زیادی ارائه میدهد اما باید از موانع موجود اجتناب کرد

قوانین جدید

این مسائل با روند دیگری ارتباط دارند، جریان قوانین جدید که بر استفاده داده حاکم است.بحران جهانی مالی سال 2008 را دنبال کنید. همه صنعت گران بویژه کارمند امور مالی و بهداشت، قوانین بیشتری مشاهده کردند. اروپا قوانینی اعمال کرد که بر چگونگی استفاده سازمانها از داده شخصی حاکم است. قانون حفاظت از داده در سال 2018 به شیوه موثر برای کنترل بیشتر افراد از اطلاعاتشان طراحی شد. آن را برای مردم آسانتر میساخت تا حقوق خود را بر مسائل داده اعمال کنند و نیز برای شرکتها تا از امنیت ذخیره داده مطمئن شوند

جریان بازدهی

به جای جمع آوری همه داده ها، شرکتها باید بدنبال روشهای موثر برای استفاده از داده و استفاده مجدد از آن باشند و جریان بازده جدیدی از داده ایجاد کنند و خود را از رقبا متمایز کنند. دستگاه ذهنی جدید، چیزی خارج از علم تخیل است و شما را قادر میسازد تا با خلاقیت و آرامش بیشتری از تحلیل استفاده کنید. در اینجا اقتصاد مشترک قابل توجه است. طبق یک پیش بینی در سال 2025،آن به بزرگی بازار کرایه ای معمول خواهد بود. مدلهای مشترک مشابه تحلیل را شکل میدهد. برخی داده را میخرند، برخی آن را میفروشند و دیگران نیز آن را خرید و فروش میکنند.با این حال اشتراک گذاری بینش سطح بالا سخت است و شما نمی‌توانید آن داده را اشتراک گذاری کنید.استفاده زیاد از دستگاه برای حمایت از ذهن خلاق، مشخصه مشترک بسیاری از داده های متناوب و هوشمند است.شماری از افراد حرفه ای ماهر در تحلیل، روزانه رشد میکنند. شما میتوانید افراد خوب با حقوق کم، خارج از بازار غالب استخدام کنید. این به معنای نگاه به بخشهای دیگر جهان است اما ممکن است به معنای استخدام در بازار ثانویه نیز باشد نسبت به چیزیکه در نیویورک میگویند

هدف دستگاه و ذهن

برای سودمندی از این امکانات، شما به اجرای آنها با استفاده از هدف اصولی مانند روش اسلوب شناسی نیاز دارید. این هدف به تحلیل دستگاه ذهنی مانند نمونه کار مشخص می‌نگرد. در هر تحلیلی شما آن را برای ارتباط واحد تجاری اعمال میکنید و آن ارتباط را از آغاز تا پایان دنبال میکنید.وقتی تجارتها، تحایل را بدون تمرکز بر یک موضوع اعمال کنند، آنها مشکلات عمومی پدید می آورند. با تمرکز فرایند خود را آغاز کنید. چرا کاربر از دیگران میخواهد که این مساله را تحلیل کنند؟ و با تحلیل آن چه سودی حاصل میشود؟ روانشناسی تحلیل برآورد کمی شده و بعد آن نیز کمتر درک شده. مساله تجاری در هر موردی هست. آن را بطور محدود تعریف کنید و کاربر و مزایای وضوح برابر را شناسایی کنید. بررسی کنید چگونه این مساله با گذر زمان تغییر میکند و چگونه به حلقه دانش شما مرتبط است. این مساله را به دو مرحله متمایز تقسیم کنید، آن را اولویت بندی کنید و به هنگام تکمیل، آنها را کنترل کنید. برای اجتناب از فکر اینکه داشتن داده زیاد بهتر است، با درخت مساله آغاز کنید. مساله را به سطوح تقسیم کنید. قبل از اضافه نمودن توضیحات بیشتر، از راه حل خود نمونه سازی کنید و کاربرد و حقوق استفاده از داده را دنبال کنید.از داده بزرگ درصورت امکان اجتناب کنید. از کوچکترین میزان داده برای حل مشکل استفاده کنید. تنها بر اساس معیار برنامه ریزی شده داده را اضافه کنید.

ادغام ذهن و دستگاه

برای تعمیم مزایای بیشتر، از ذهن و دستگاه به طور موثر بهره گیرید. از جنبه دستگاه فرایند خود را تحلیل کنید، ببینید کجا میتوانید در صورت امکان آن را بطور خودکار اجرا کنید و از مدلهای موجود استفاده کنید.سیستمها را بطور منظم بهبود بخشید و روشها و تغییرات خود را مستند سازید.با تغییر زندگی باید ذهنمان را نیز تغییر دهیم. جنبه ذهنی نیازمند بهترین ترکیب اذهان است.کاربر یا رهبرشرکتی که به نتایج نیاز دارد باید فرایند را کنترل کند نه پرسنل را. فرایند توسعه برنامه را با نقشهای مشخص افراد مشارک در آن طرح کنید. از تخصص شرکت خود دوباره استفاده کنید یا به جای توسعه آن از منابع خارجی، آن را کرایه یا خریداری کنید. برای ارجاع آسان، اسامی استاندارد به مدلهای مورد استفاده بدهید. هرکاری که مردم انجام میدهند زا ضبط کنید و با بلوغ پروژه انتظار تغییر تمرین را داشته باشید.

جریانات کاری

دستگاه و ذهن بهتر کار میکند اگر جریان کاری درست و فضای منعطفی داشته باشید. هرچه ویژه تر کاربران نهایی مقصد خود را شناسایی کنید بهتر میتوانید پروژه خود را تا پایان پیش ببرید. این به معنی فکرکردن درباره آخرین کیلومتر در آغاز هر پروژه و نقشه داده مشخص موردنیاز شماست. راه حل های فنی را شناسایی و تعیین کنید

تجربه کاربر

وقتی تجربه کاربر خود را طرح میکنید، تنها به مشاورین فنی خود گوش ندهید و به جنبه انسانی تعامل دستگاه و ذهن نیز توجه کنید. به کاربران خود فشار نیاورید. ذهن هر کس محدودیت هایی دارد،مردم چیزها را فراموش میکنند و هر کس متفاوت می اندیشد. درخواست مدلهای ذهنی و ناآگاهانه مردم به آنان ارائه بهتری میدهد و بارخورد منظمی فراهم میکند. با استفاده از نمونه سازی سریع، مداخله خود را توسعه دهید و سپس کاربران متفاوت را برای آزمایش آن بدست آورید. زمانی که طراحی شما کار کند، آن را از طریق شرکت خود استاندارد سازی کنید.

استفاده از اسلوب شناسی موردی

برای نگه داشتن افراد در یک طیف مشابه، از یک لغت مشترک و یک هدف اشتراک گذاری شده استفاده کنید مانند اسلوب شناسی موردی. نقشها، مسئولیتها و اهداف را تعریف کنید. نمونه کار خود را از نظر ریسک پذیری یا سایر بخش‌های عرضه بررسی کنید. مطمئن شوید که همگان میدانند که مالک و خود شرکت تصمیم نهایی را میگیرد نه افرادی که صاحب سرمایه دانش اند. افراد مشارک در توسعه را جمع آوری کنید و مطمئن شوید افراد فنی در فرایند اولیه شروع به صحبت با کابران حقیقی میکنند. کلید اصلی این است که با راه حل های کم هزینه، نیاز کاربر نهایی را تامین کنید. مجموعه ای از اصول مدیریتی نمونه کار خود طرح کنید. درک مشخصی از اولویت ها را حفظ کنید، مایل به کشف مواردی باشید که عملکردی ندارند. انگیزه دستگاه و ذهن باید خلاقیت را بهبود بخشند تا به خودشان بپردازند.