آخرین مقالات

قانون ۸۰/۲۰ و اثرات آن در کسب و کار

قانون ۸۰/۲۰ و اثرات آن در کسب و کار

سازمان‌هایی با عملکرد بسیار خوب اشتیاق فراوانی برای درک اصل "ویلفردو پارتو" که یکی از مطرح‌ترین مهندسان و اقتصاد‌دانان ایتالیایی است از خود نشان می‌دهند. آن‌ها همواره تحت تاثیر قانون 20/80 او قرار گرفته بودند. این ایده که به قانون افراد اندک اساسی نیز معروف است می‌گوید: 80 درصد از نتایج امور (فروش، درآمد) محصول 20 درصد از علت‌های (محصولات، کارمندان) رخ داده است. بر طبق آنالیز انتقال نوآوری در یادگیری ماشین و الگوریتم هوش مصنوعی، نسل بعدی الگوریتم‌ها تاییده محکمی بر صحت پارادایم محرک تجربی "پارتو" خواهد بود. در این مقاله به سه روش ثابت می‌کنیم که تئوری هوش مصنوعی و یادگیری ماشین، نحوه کاربرد اصول پارتو را برای ایجاد نوآوری سودآور در سطوحی ماورای آنالیزهای مرسوم تعریف خواهند کرد. 

پارتو هوشمند

نکته اول: حجم عظیم و تنوع بسیار زیاد داده‌ها، بیانگر این حقیقت است که الگوریتم‌های موجود باید هوشمند‌تر و قدرتمندتر گردند. شبکه‌های دیجیتال نیز نتیجتا بر طبق الگوی پارتو که بردارهای اصلی را به متغییرهای باارزش جدید تبدیل می‌کند استوار خواهند شد. آنالیز و تجزیه و تحلیل آماری نوین در محل کار نشان می‌دهد که بیشتر سازمان‌ها می‌توانند 20 درصد از کارمندان خود را که 80 درصد از ارزش محصول، فرایند، و یا تجربه کاربر آن‌ها را ایجاد می‌کنند شناسایی کنند. روند رو به رشد دیجیتالی شدن فرایند تجارت، الگوها، و تجارب مشتریان همگی خبر از صحت دیدگاه خلاقانه پارتو می‌دهد: ارتقاء 20 درصدی پلتفرم در یک تجارت چگونه می‌تواند ارزش آن را تا 80 درصد افزایش دهد؟ در کدام شرایط ارتقاء 20 درصدی تجربیات مشتریان می‌تواند موجب افزایش و یا کاهش 80 درصدی ارزش بازار گردد؟ 

پارتو فوق‌العاده

نکته دوم: توزیع پارتو بشدت تغییر کرده و از آن شکل مرسوم خود فاصله گرفته است. امروزه راز بدست آوردن بهره‌وری بالا از اطلاعات این است که دیدگاه 20/80 پارتو به عنوان یک تجربه تاریخی به فراموشی سپرده شده است. بطور آماری سازمان‌ها و شرکت‌های بسیار موفق و مصمم تناسب معرفی شده توسط پارتو را 90/10، 50/5، 30/2، و گاهی 25/1 در نظر می‌گیرند. این امر کاملا به چگونگی تقسیم‌بندی و دسته‌بندی اطلاعات و داده‌های در دسترس برمی‌گردد و بصورت 50/1، 75/5 و 150/10 نیز مشاهده شده است. 

توزیع‌های بسیار شدید در تمامی صنایع و بخش‌ها بصورت بسیار گسترده‌ای به چشم می‌خورند. برای مثال، 10 درصد از کاربران اینترنت نیمی از تراکنش موجود در فضای مجازی را در اختیار دارند. کمتر از 0.25 درصد از کاربران بازی‌‌های رایانه‌ای بیش از نیمی از درآمد حاصل از این رشته را ایجاد می‌کنند. 

از نظر آماری، توجه بسیار زیاد به پارتو فوق‌العاده نیز نمی‌تواند مشکل‌گشای مشکلات باشد. بازار و رشد مرتبط با آن به داده‌های بسیار شفاف و واضحی نیاز دارد تا منجر به نتایج و آمار قابل پیش‌بینی ‌گردد. به عبارت دیگر، مجموعه داده‌های موجود را به مجموعه آموزش‌های موجود تبدیل کنید تا بتوانید الگوریتم‌های هوشمند داشته باشید. 

‌سازمان‌ها باید توجه ویژه‌ای به گرایش‌های اصل پارتو داشته باشند. آن‌ها باید با استفاده از الگوریتم‌های خاص کد‌های مربوط به پارامترهایی را که به شدت بر روی تجارت تاثیر می‌گذارند شکسته و رمزگشایی کنند. مدیران و تیم‌‌های متخصص داده باید پتانسیل‌ها و ظرفیت‌های موجود در اصل پارتو را با دقت بسیار بالایی شناسایی کنند. 

برای مثال، یکی از تجارت‌های چند میلیاردی با بیش از 2000 واحد سهم مشخص کرد که کمتر از 4 درصد از پیشنهاد‌های تجاری آن‌ها بیش از یک سوم از فروش و نیمی از سود آن‌ها را به خود اختصاص داده است. با گسترش آنالیز به خدمات و بخش نگهداری مشخص شد که تنها 100 محصول آ‌ن‌ها دو سوم از سود شرکت را به خود اختصاص می‌دهد. این مسئله باعث شد تا آن شرکت در مورد استراتژی خود درباره بسته‌بندی و قیمت‌گذاری تجدید نظر کند. 

آنالیز بسیار ظریف پارتو در مورد ویژگی‌ها و مشخصه‌های محصول، نه تنها اطلاعاتی را در مورد خود آن محصول در اختیار ما قرار داده بلکه دیدگاه‌های انگیزشی بسیاری را نیز در مورد آن ایجاد کرده است. تیم مهندسی و حسابداری شرکت، طراحی‌های مجدد داده محور، که در ارتباط با ویژگی‌های برجسته و عملکردها می‌باشد، را بجای خود محصولات مورد بررسی قرار داده‌اند. پردازش انواع دیگری از آنالیز‌ها باعث بروز دیدگاه‌های بسیار ارزشمندی از اصل پارتو می‌گردد. حذف هدفمند برخی از ویژگی‌ها، نه تنها موجب کاهش قیمت می‌گردد بلکه منجر به ایجاد تجارب بسیار خوشایندی برای مشتریان خواهد شد و سهم مشتریان در بازار فروش را افزایش می‌دهد. 

 ساپرا پارتو

نکته سوم: زمانیکه که داده‌ها بصورت دانه‌ای و آنالیز الگوریتم‌ها به روش‌های پیچیده‌تری تبدیل می‌شوند، عملکرد مدیریتی پارتو تغییر می‌کند. افراد متبحر در آنالیز و عملکرد، اصل پارتو را در مورد مدیریت خود مورد بررسی قرار می دهند. این اقدام به معنی وجود دیدگاه‌های متفاوتی از اصل پارتو در حوزه‌های مختلف سرمایه‌گذاری‌ است. در این مقاله "کی پی آی" مخفف اصطلاح "داده‌های کلیدی پارتو" است و به معنی "مشخصه‌های کلیدی عملکرد نیست. اگر نظریه داده‌های کلیدی پارتو نتواند راهگشای دیدگاه‌های داده محور پارتو باشد، مردم هرگز نمی‌توانند فرصتی برای ایجاد خلاقیت و ارتقاء شرایط موجود بدست آوردند. 

زمانیکه صاحبان فرایندهای شخصی، مدیران محصولات، و تیم‌های فروش بر روی ارتقاء فرایند پارتو خود متمرکز شوند، می‌توانند در مورد فرایند پارتو دیگر شرکت‌ها نظر داده و آن‌ها را نیز مورد بررسی قرار دهند. مدیران اجرایی و مدیران بسیار مصمم، منابع آنالیزی خود را در مواقع لزوم بکار گرفته و یا متوقف می‌کنند. آن‌ها شناخت بسیار خوبی از فرایند پارتو داشته و می‌دانند که در چه مواقعی این اصل در تمامی زمینه‌های سرمایه‌گذاری همپوشانی داشته، ترکیب شده و تداخل ایجاد می‌کند. 

مطمئن‌ترین راه برای زنده‌ نگه داشتن و تفکر مجدد درباره اصل پارتو ایجاد ارتباط مابین آن و یک پارتو دیگر است. واحدهای تجاری با منابع داده‌ای بسیار غنی و الگوریتم‌های بسیار پیشرفته می‌دانند که شرکت‌هایی با مدیریت مستقل توسط تعداد محدودی از مشخصه‌های پارتو به سمت مشاهده و بررسی صدها و گاهی هزاران مشخصه دیگر از اصل پراتو هدایت می‌شوند. در چنین شرایطی گروه‌هایی که بر طبق اصل پراتو عمل می‌کنند، گروه‌هایی هستند که دیدگاه‌های بسیار جالب و فرصت‌های بسیار جدیدی را برای خلاقیت ایجاد خواهند کرد.

شبکه پارتو نتیجتا به یکی از جذاب‌ترین و سازنده‌ترین مجموعه‌ها در آنالیز داده تبدیل شده است. بطوریکه گاهی 10 درصد از سهام برخی از شرکت‌ها می‌تواند توجیه کننده وجود بیش از 90 درصد از مشتریان، رشد و محدودیت‌های موجود در آن شرکت باشد. چالش موجود در رسیدن به خلاقیت در اصل "ساپرا پارتو"، همکاری داده محور و چند جانبه را مطالبه می‌کند. مدیران متبحر و کارآفرینان در سرمایه‌گذاری، همواره داشته‌های کوچک خود را برای رسیدن به موفقیت در کنار یکدیگر قرار می‌دهند. 

در ارتباطات مخابراتی در سطح جهانی، آنالیز‌های پارتو در انواع مختلف، توصیفی، پیشگویانه و تجویزی برای پیش‌بینی و جلوگیری از ریزش مشتریان طراحی و برنامه‌ریزی شده‌ است. تیم مدیریت ریزش مشتریان کار بسیار باارزشی را در شناسایی و حفظ میلیون‌ها مشتری که در معرض از دست رفتن هستند انجام داده است.

زمانی که یک گروه تجاری برای گسترش فعالیت خود اقدام می‌‌کند همه چیز تغییر می‌یابد. آن‌ها بجای اینکه بر اصل پارتو در جلب نظر مشتری، شکایات و خدمات ارائه شده به مشتریان متمرکز گردند، بر روی داده‌ها و بازارهای فروش متمرکز شدند: 20 درصد از مشتریانی که 80 درصد از محصولات و خدمات را به خود اختصاص می‌دادند؛ 25 درصد از مشتریان مسئول ایجاد 75 درصد از خطوط جدید تولید و برنامه‌های اطلاعاتی هستند. 

اگر بصورت تحلیلی به مشخصه‌های اصل پارتو تسلط پیدا کنیم، تیم مربوط به ریزش مشتری بجای تمرکز بر روی جلوگیری از ریزش مشتریان به فکر افزایش تعداد آن‌ها خواهد بود. آنالیز پسرفت و تکنیک‌های مدلینگ عامل محور، باعث ایجاد ارتباط بسیار مهمی مابین ریزش مشتریان و فروش محصولات بیشتر به آن‌ها شده است. 

نوشتن مقالات و انجام آزمایش‌های تجربی به آسانی و با هزینه بسیار کم قابل اجرا است. درحالیکه نتایج نهایی تاثیر فوری و آنی بر نتیجه کار ندارند و تاثیر آن‌ها بصورت تدریجی و در طی زمان حاصل خواهد شد. نه تنها تعداد مشتریان حفظ خواهد شد، بلکه تیم مربوط به ریزش مشتری نیز بجای اینکه بیشتر وقت خود را در تلاش برای حفظ مشتریان صرف کند تمرکز خود را بر روی تشویق آ‌ن‌ها برای خرید بیشتر قرار خواهد داد.      

گروه‌هایی که بر اساس اصل پارتو فعالیت می‌کنند، نوعی از شانس را نیز برای خود ایجاد می‌کنند، در عمل آن شانس در تجارت نصیب آن‌ها می‌گردد. افزایش تعداد مشتریان، افزایش میزان فروش، و عملکرد گروه مسئول کنترل ریزش مشتری بر اساس اصل پارتو، تاییده خوبی برای این اصل است. فعالیت‌های آن‌ها از طرفی موجب افزایش میزان رضایتمندی مشتریان شده و از طرفی نیز باعث کاهش نرخ ریزش مشتریان گردیده است و همه فعالان تجارت از این شرایط راضی و خشنود هستند. 

موفقیت گروه‌های مبتنی بر اصل پارتو در مراحل اولیه کار انتقادات بسیار شدیدی را از جانب مسئولان برگزاری رقابت نت‌فلیکس دریافت کردند. بهترین نتایح بدلیل ارتقاء مدل عملکرد انفرادی افراد نبوده‌، بلکه بدلیل ایجاد گروه‌هایی بوده است که در مجموع عملکرد بهتری داشته‌اند. آنالیز پارتو می‌تواند با ارزش‌ترین گروه‌ها را ایجاد کند.

مهم ترین نکته در اینجا این است که داشتن مدل‌های بسیار زیاد می‌تواند برای موفقیت در رقابت کمک کننده باشد. اما در عمل، سیستم‌های بسیار پیشرفته‌ای با استفاده از انتخاب صحیح مدل‌ها ایجاد می‌گردند. 

استفاده از آنالیز پارتو بسیار متداول شده است اما شرکت‌های معدودی از این سیستم بصورت روزمره استفاده می‌کنند. این رویه باید تغییر کند. نقشه‌های استراتژیک و نقشه راه فناوری باید بصورت بسیار شفافی از طریق مسیرهای پارتو شناسایی گردند. توانایی برای پیش‌بینی بهتر وقایع آینده، جمع‌آوری مناسب شاخص‌های کلیدی عملکرد در محدوده سرمایه‌گذاری، می‌تواند به منبع خوبی برای بهره‌وری بالا تبدیل شود. 

هرچقدر که الگوریتم شما و سازمان شما هوشمندتر گردند، شما به یادگیری و استفاده بیشتر از اصل پارتو نیاز خواهید داشت.               

 منبع: HBR.org

 

هنوز نظری وارد نشده است!

نظر خود را ارسال نمایید

پست الکترونیکی شما انتشار پیدا نمی کند.