روز پنجشنبه 21 دي ماه 96 مصاحبه اي با يكي از كارآفرينان موفق با سابقه بيش از 20 سال در حوزه فناوري اطلاعات صورت پذيرفت كه ذيلاً در اختيار علاقمندان قرار مي گيرد.

1-     لطفاً خودتان را معرفي فرماييد و سوابق فعاليت را ذکر نماييد

فرزاد خندان هستم. مدير عامل شرکت داده پردازي سيميا گران و در حدود 26 سال است که بصورت حرفه اي در زمينه نرم افزار و 4 سال در حوزه عظيم داده فعاليت داريم و قبل از آن در حوزه نوآوري سازماني و نظام پيشنهادها با بيش از سيصد مشتري در کشور فعاليت داشتيم. در حال حاضر نيز در مباحث عظيم داده حوزه بانکي بيشتر تمرکز داريم.

 

2-     مفهوم و تاريخچه عظيم داده را تعريف فرماييد

تعريف پذيرفته شده استانداردي داريم كه اگر يک سازماني با حجم بالايي از داده، سرعت بالايي در توليد داده و تنوع داده اي روبرو باشد که نتواند از فناوري هايي که قبلاً استفاده مي کرده به منظور پردازش و ذخيره و استفاده به موقع بهره مند شود،  مي گوييم که با يک مساله عظيم داده روبرو هستيم که بايد از مجموعه جديدي از فناوري هاي عظيم داده که عمدتاً بر مبناي پردازش موازي و پردازش توزيع شده بنا شده اند بهره گيريم. در کنار سه v اصلي يعني volume و velocity و variety امروزه با بلوغ مفهوم عظيم داده v هاي جديدي در کنار آنها ميبينيم. يکي از آنها veracity به معناي قابليت اتکا و اطمينان است که مثلاً براي تحيل متن و تحليل احساسات کاربرد دارد. علاوه بر اين تمام کارها انجام ميشود که در نهايت يک value يعني ارزش جديد يا ارزش افزوده ايجاد کنيم. توجيه عظيم داده همين ارزش است. به صرف اينکه فقط داده زيادي داريم اگر نتوانيم use case تعريف کنيم و نتوانيم آن را به سرانجام برسانيم، تنها داده جمع کرديم و سرمايه به هدر داديم. بسياري از سازمان ها از اين نکته غافل هستند. 

 عظيم داده مفهومي است که طول زمان جمع شد و يک سمت و سوي فناوري پيدا کرد. قبل از سال 2008 عظيم داده در شرکت هاي بزرگ نظير ياهو و گوگل شکل گرفته بود ولي پس از اين سال دسترسي به اين فناوري ها براي عموم فراهم شد. مي توان گفت شروع عصر عظيم داده از سال 2008 است. شروع عصر داده خيلي قبل تر بوده و همان داده به عظيم داده تبديل شد.

امروز ترکيبي از چندين فناوري در کنار يکديگر آينده اي روشن را براي عظيم داده رقم ميزند. فناوري عظيم داده براي پردازش و ذخيره سازي و مفهوم عظيم داده براي نوع جديدي در نگاه به کسب و کار و مورد ديگر بحث اينترنت اشيا و ديگري هوش مصنوعي. اين سه مورد در کنار هم معنا پيدا مي کنند. مثلاً اينترنت اشيا بدون عظيم داده معني ندارد و بدون هوش مصنوعي ارزش ندارد. پس اين سه بحث در کنار هم آينده فناوري و جوامع بشري را مي تواند رقم بزند.

 

3-     لطفاً تجارب خودتان را در مورد تحليل عظيم داده در کشور ذکر فرماييد.

پروژه اي بزرگ با يکي از بانک هاي بزرگ کشور، بانك ملت، داشتيم كه حوزه كاري ما عمدتاً در شروع پروژه تشخيص داده شده بود. در سه حوزه كاري مبارزه با پولشويي، پيش بيني ريزش مشتريان بانك و كشف تقلب كاركنان كار شد. نكته اي كه وجود دارد اين است كه در كشور ايران تحليل عظيم داده بسيار نو پا است. عظيم داده بيشتر با بهره وري و بهتر كار كردن سر و كار دارد. شايد هنوز مديران كشور ما به اين سمت و سوي قضيه بعنوان يك ارزش نگاه نمي كنند و شايد به همين دليل هنوز زود است كه براي كارهايي كه انجام شده صحبت كنيم و بهتر است راجع به اينكه چه كارهايي مي توان انجام داد صحبت كنيم. زيرا اين فرهنگ تازه در حال جا افتادن است و سازمان ها اخيراً در حال بيدار شدن هستند كه توسعه اين فرهنگ توسط اساتيد اين حوزه، مانند آقاي دكتر سعيد روحاني صورت مي گيرد. قبل از اينكه در يك سازمان به عظيم داده بپردازيم با data driven culture (فرهنگ داده محور) و data driven decision making (تصميم گيري بر اساس داده) بايد در سازمان توسعه يابد كه كار دشواري است. هنوز مديران ما سنتي و سياسي تصميم گيري مي كنند. هر چقدر سازمان بزرگتر باشد سياسي تر است و هرچقدر كوچك تر باشد سنتي تر است. كمتر مشاهده مي شود كه مديران بر اساس شواهد و داده ها تصميم بگيرند و به همين دليل كارشناسان سرخورده مي شوند. تحليل عظيم داده تلاش مي كند كه مديران بهتر تصميم بگيرند و بايد مجموعه بزرگي از قطعات را در كنار هم قرار دهيم كه يك زنجيره ارزش عظيم داده (Big data value chain) در سازمان تشكيل شود كه فرا واحدي بوده و با قدرت يك مدير در يك واحد پيش نمي رود و نيازمند حمايت مديريت ارشد سازمان است. مقاومت زيادي خواهد بود. هنوز بحث هاي پايه اي مانند مالكيت داده در سازمان ها حل نشده است. سازمان بايستي يك مسير بلوغي را طي كند كه همه جانبه بوده و بايستي در چند حوزه كار كند تا به نقطه اي برسد كه بتواند data driven culture (فرهنگ داده محور) را حل كند كه بسيار به مديريت ارشد بستگي دارد. اين اتفاق در حال رخ دادن است و شاهد اين هستيم كه برخي سازمان ها با تحول كسب و كار هاي پيش رو و تحت تاثير فضاي كسب و كار خارج از كشور لا اقل در حال كار روي تحليل عظيم داده هستند. باز شدن فضاي كسب و كار هاي كوچك و چابك و استارت آپ ها به سازمان هاي بزرگ به منظور حوزه هاي رقابتي و همكاري با آن ها فشار وارد مي كنند. بنابراين به اين سمت هرچند آهسته در حال حركت هستيم و ما نيز در بخش خصوص براي رسيدن به هدف تلاش مي كنيم

 

4-      نقش تحليل عظيم داده در آينده کشور را چگونه ميبينيد

صادقانه بگويم به نظر من اگر مديريت کشور به همين وضع اقتضايي و سياسي و reactive (واکنشي) ادامه يابد آينده اي نمي بينم. براي کشوري با ثروت خيلي زياد و جمعيت کم ممکن است بتوان به اين صورت حرکت کرد ولي ما کشوري داريم که ثروت نهفته زيادي داريم ولي متاسفانه به دلايل مختلف تشخيص اين ثروت دشوار شده است. مثلاً نفت مي فروشيم ولي به سرعتي که لازم است پولش برنمي گردد. ساختارها متناسب با جمعيت کشور رشد نکرده است. ما ناگزير هستيم که در تمامي عرصه هاي مديريتي کشور به سمت مديريت proactive  برويم. يعني قبل از اينکه اتفاقي رخ دهيد براي آن آماده باشيم و حتي جريان اتفاق را بدست بگيريم. يعني آينده را بسازيم نه اينکه منتظر حوادث آينده باشيم. تحليل عظيم داده يکي از کليد هاي proactive بودن است. يکي از انواع مدل هاي تحليلي، پيش بيني است. يعني بايد بتوانيم پيش بيني کنيم که چه اتفاقي قرار است بيفتد. حال اين پيش بيني مي تواند در سطح خرد يا کلان باشد. پس نيازمند حرکت بر مبناي شواهد هستيم نه بر مبناي تخيل. در بسياري از اتفاقات مديريتي اطراف ما مديران بر مبناي تخيل خودشان مديريت مي کنند. ما نيازمند اين هستيم که امروز بر مبناي اتفاقات يك روز قبل، يك ساعت قبل يا يک ثانيه قبل تحليل کنيم تا بتوانيم بر مبناي آن براي يك ثانيه بعد يا يك ساعت بعد يا يك روز بعد تصميم گيري کنيم. پس بايد فاصله بين validity  داده و on time بودن داده و سرعت پردازش داده را کم کنيم. يعني با داده هاي به روز تر و دقيق تر و با سرعت بالاتر تصميم گيري کنيم و همه اين ها، تحليل عظيم داده ميشود. به نظر من حداقل تا ده سال آينده در لايه هاي بالاي مديريتي  کشور تغيير خاصي در اين خصوص شاهد نخواهيم بود ولي آثاري مشاهده مي کنيم که نشان دهنده توجه مديران به اين مقوله هست. بايد به سمت سياست پژوهي و تحليل سياست ها بر مبناي داده قبل از اجرا و حتي تحليل در هنگام تدوين سياست و ارزيابي سياست ها برويم و سپس تصميم گيري کنيم. بخش زيادي از آثار اين تصميمات  شبيه سازي و پيش بيني شده باشد زيرا با جامعه اي روبرو هستيم که از جامعه ده سال پيش هم پوياتر است. مثلاً امروزه آثار فيلترينگ يک سايت بسيار متفاوت از ممنوعيت استفاده از دستگاه پخش کننده ويدئو است. پس قبل از انجام تصميمات اتخاذ شده بايد داده کافي در اختيار داشته باشيم و با همان سرعتي که اتفاقات ديگر در حال انجام است آنها را تحليل کنيم تا به همراه ساير تصميمات آن تصميم هم بدرستي اتخاذ شود. استفاده از تحليل عظيم داده در مديريت آينده کشور بسيار ضروري و واجب است. مديريت هاي کلان مانند مديريت شهري و مديريت انرژي و مديريت آب هاي سطحي همه اين ها عظيم داده است. همه مديران در تمامي سطوح امروز بايد به سراغ تحليل عظيم داده بروند. امروز ديگر expert panel و تصميم گيري در كنار هم و استفاده از متخصصين و كارشناسان يك ايده عمومي دارند و اصل قضيه در داده نهفته است و از آن بايستي مساله را بيابيم و ببينيم چگونه مساله حل ميشود و روش انتخاب شده براي حل آن چه اثري دارد.