گاه نامه ویکی تماس شماره 119 – ویکی بانکداری دیجیتال

چالش های تحلیل پیشرفته داده ها

نجمه نوذر

تحلیل پیشرفته1 داده‌ها علی‌رغم اینکه مزایای فراوانی را برای کسب‌وکارها فراهم می‌نماید، با چالش‌های نیز همراه است که می‌بایست مدیران داده و ریسک به آن توجه داشته باشند. در این نوشتار برخی از این چالش‌ها مطرح شده است.بهینه‌سازی عملیات، بهبود خدمات، پیش‌بینی نتایج و مدیریت بازاریابی، جلوگیری از رویگردانی مشتریان و حفظ مشتری، بررسی ریسک‌ها و جلوگیری از کلاهبرداری‌های آفلاین و آنلاین برخی از مزایا‌ی تحلیل خوب داده هستند. در مقابل داده‌ها و سامانه‌های بی‌کیفیت نه‌تنها مؤثر نیستند، بلکه اثرات سویی مانند پیش‌بینی‌ها و تصمیمات نادرست و بازاریابی بی‌فایده نیز دارند و به گزارش گارتنر کیفیت پایین داده‌ها می‌تواند سالانه 14.2 میلیون دلار هزینه برای شرکت‌ها در پی داشته باشد. مفهومی تحت GIGO3 وجود دارد که می‌گوید وقتی زباله به‌عنوان ورودی وارد شود، زباله خارج خواهد شد.کتی اونیل در کتاب «ریاضیات، سلاحی برای تخریب» می‌گوید: مدل‌های طبقه‌بندی، افراد را در گروه‌های مجزایی قرار می‌دهد؛ ممکن است سرویس‌های ویژه به طبقه خاصی داده شود که در حق بقیه اجحاف شود. وی بر این عقیده است که از علم داده می‌بایست به‌عنوان کاتالیزوری برای تقویت عدالت اجتماعی و دموکراسی استفاده کرد. اونیل از متخصصین علوم داده4 می‌خواهد تا نسبت به صحت داده‌های ورودی و اندازه کافی آنها اطمینان حاصل کنند و نتایج حاصل از مدل‌ها را کنترل کنند و بازخوردها را تطبیق دهند؛ خلاصه اینکه از مدل‌ها به‌عنوان جعبه سیاه استفاده نکنند و جواب آنها را بی‌چون‌وچرا نپذیرند.در بخش زیر به برخی چالش‌های تحلیل پیشرفته داده اشاره شده است:…