مع التطور التكنولوجي والاقتصادي سترتفع كمية البيانات المتاحة للمنظمات، فضلاً عن ذلك، فالمعرفة قوة، والمعلومات معرفة، والبيانات معلومات في شكل رقمي، على الأقل كما هو محدد في تكنولوجيا المعلومات، وبالتالي إن البيانات قوة وضرورة حيوية للمنظمات. وطالما في عالم الأعمال اليوم تعتمد المنظمات بشكل كبير على البيانات، فهذا يؤكد أهمية جمعها بدقة عالية وتحليلها لاتخاذ قرارات مستنيرة. علماً أن جمع البيانات هو عملية جمع وقياس وتحليل البيانات الدقيقة من مجموعة متنوعة من المصادر ذات الصلة للعثور على إجابات لمشاكل الأعمال وحلها وتقييم النتائج والتنبؤ بالاتجاهات والاحتمالات.
الخطوات الأساسية في عملية جمع البيانات
1. تحديد البيانات المطلوب جمعها
أول خطوة يجب القيام بها هو تحديد البيانات المُراد جمعها. كذلك يجب اختيار الموضوعات التي ستغطيها البيانات، والمصادر التي سيتم استخدامها لجمعها، وكمية البيانات المطلوبة.
2. تحديد موعد نهائي لجمع البيانات
من خلال إنشاء استراتيجية واضحة لجمع البيانات يجب تحديد موعد نهائي لجمعها. علماً أن هناك بعض أشكال البيانات التي يمكن الاستمرار في جمعها لحاجة العمل واستمراريته.
3. تحديد نهج جمع البيانات
من الأهمية اختيار تقنية جمع البيانات التي ستكون بمثابة الأساس لخطة جمعها في هذه المرحلة. إضافة لذلك، يجب الأخذ بالاعتبار نوع البيانات المطلوب جمعها، والفترة الزمنية للحصول عليها، والعوامل الأخرى التي تحقق أفضل استراتيجية لجمعها.
4. جمع البيانات
بمجرد اكتمال الخطة، يمكن وضع خطة جمع البيانات موضع التنفيذ والبدء في جمعها، مع الأخذ بالاعتبار متابعتها ومراقبة كيفية عملها. إضافة لذلك، فإن إعداد جدول زمني للوقت الذي سنقوم فيه بالتحقق من كيفية القيام بذلك قد يكون مفيدًا.
5. تحليل البيانات وتطبيق النتائج
بعد ذلك، من الضروري تحليل البيانات وترتيب النتائج التي تم التوصل إليها. علماً أن مرحلة التحليل ضرورية لأنها تحول البيانات غير المعالجة إلى معرفة ثاقبة يمكن تطبيقها لتحسين خطط الأعمال واتخاذ قرارات مستنيرة مستندة عليها.
أدوات جمع البيانات
- المقابلات: هذه الطريقة هي إلى حد بعيد أكثر الوسائل شيوعًا، حيث يتم طرح أسئلة على عينة كبيرة من الأشخاص، إما عن طريق المقابلات المباشرة أو وسائل الاتصال الجماهيري مثل الهاتف أو البريد.
- جمع البيانات الإسقاطية: هو مقابلة غير مباشرة، حيث يحصل الأشخاص الذين تمت مقابلتهم على سؤال غير مكتمل، ويجب عليهم ملء الباقي باستخدام آرائهم ومشاعرهم ومواقفهم.
- تقنية دلفي: يستخدم الباحثون تقنية دلفي من خلال جمع المعلومات من لجنة من الخبراء. حيث يجيب كل خبير على أسئلة في مجال تخصصه، ويتم تجميع الردود في رأي واحد.
- مجموعات التركيز: تعتبر تقنية مجموعات التركيز شائعة الاستخدام، حيث تتكون المجموعة من ستة إلى عشرة أشخاص معاً بقيادة وسيط لمناقشة قضية محددة.
- الاستبيانات: الاستبيانات هي طريقة بسيطة ومباشرة، حيث يحصل المستجيبون على سلسلة من الأسئلة إما مفتوحة أو مغلقة تتعلق بالمسألة المطروحة.
التحديات أثناء جمع البيانات
1. جودة البيانات
تعتبر جودة البيانات على رأس الأولويات إذا كانت تقنيات مثل التعلُّم الآلي تعمل لجمعها. علماً أن التهديد الرئيسي للتطبيق الواسع والناجح للتعلُّم الآلي يتمثل في رداءة جودة البيانات.
2. عدم اتسِّاق البيانات
عند العمل مع مصادر مختلفة، من المرجح أحياناً أن تكون البيانات متناقضة. وبالتالي تركِّز المنظمات بشدَّة على اتساق و جمع بيانات موثوقة لدعم تحليلاتها.
3. وقت تعطُّل البيانات
قد تكون هناك فترات وجيزة عندما تكون البيانات غير موثوقة أو غير مصنفة بشكلٍ جيد. مع العلم أن عدم توفُّر البيانات الموثوقة في الوقت المناسب سيؤثر بشكل كبير على مسار الأعمال. في كثير الأحيان، تعد تعديلات المخطط ومشكلات الترحيل من أسباب تعطل البيانات. وبالتالي يجب مراقبة وقت تعطُّل البيانات باستمرار، ويجب تقليله من خلال الأتمتة.
4. عدم وضوح البيانات
أثناء تدفُّق البيانات بسرعة عالية، من الممكن حدوث بعض الأخطاء وعدم الوضوح في قواعد البيانات الضخمة. فضلاً عن ذلك قد يتسبب عدم وضوح البيانات في عدد من المشكلات أثناء إعداد التقارير والتحليلات.
5. وجود بيانات مكرَّرة
من المحتمل أن تتكرَّر مصادر البيانات وتتداخل مع بعضها البعض قليلاً. وبالتالي عند وجود بيانات مكرَّرة تزداد احتمالية النتائج التحليلية المتحيزة.
6. زيادة حجم البيانات
بينما يتم التأكيد على التحليلات المستندة إلى البيانات ومزاياها، فإن زيادة حجم البيانات تتطلب ضمان جودتها بشدَّة. لذلك تصبح المشاكل الأخرى المتعلقة بجودة البيانات أكثر خطورة، لا سيما عند التعامل مع تدفق البيانات والملفات الكبيرة أو قواعد البيانات.
7. عدم دقَّة البيانات
البيانات غير الدقيقة لا توفر الصورة الحقيقية للموقف ولا يمكن استخدامها للتخطيط الجيد للأعمال. يمكن أن يُعزى عدم دقة البيانات إلى الخطأ البشري وانحراف أو تلف البيانات. إضافة لذلك، يمكن اختراق سلامة ودقَّة البيانات أثناء نقلها بين أنظمة مختلفة، وقد تنخفض جودة البيانات مع مرور الوقت.
8. فقدان البيانات
تستخدم غالبية المنظمات جزءًا فقط من بياناتها، مع فقد الباقي أحيانًا في مستودعات البيانات أو يتم التخلص منه في مقابر البيانات. لذلك يؤدي فقدان البيانات إلى عدم إمكانية تطوير منتجات جديدة وتحسين الخدمات وتبسيط الإجراءات.
9. البحث عن البيانات ذات الصلة
هناك العديد من العوامل التي يجب أخذها في الاعتبار أثناء جمع البيانات ذات الصلة. على سبيل المثال، المجال، والتركيبة السكانية، والفترة الزمنية. علماً أن البيانات غير ذات الصلة تجعل الدراسات قديمة ولا يمكن المضي قدمًا في تحليلها بشكل فعَّال.
10. تحديد البيانات المطلوب جمعها
يعد تحديد البيانات المطلوب جمعها أحد أهم العوامل أثناء جمعها ويجب أن يكون أحد العوامل الأولى. لذلك يجب اختيار الموضوعات التي ستغطيها البيانات، والمصادر المستخدمة لجمعها، وكميتها المطلوبة. وبالتالي قد يؤدي عدم التقيُّد بهذه الأمور إلى مضاعفة العمل وجمع البيانات غير ذات الصلة.
11. التعامل مع البيانات الضخمة
إن البيانات الضخمة ذات هياكل أكثر تعقيدًا وتنوعًا، حيث تم إنشاءها من مصادر عديدة بتنسيقات متنوعة بمعدلات سريعة للغاية. وبالتالي يعد التعامل مع هذا النوع من البيانات أحد التحديات العديدة وهو خطوة حاسمة نحو جمع البيانات الفعالة.
في المشهد القائم على البيانات اليوم، أصبح جمع البيانات جزءاً لا يتجزأ من نجاح الأعمال، وضرورة حيوية للمنظمات. لذلك يجب التخطيط بعناية قبل إنفاق الوقت والمال. مع توفير الوقت والموارد، يمكن أن تساعد استراتيجيات جمع البيانات الفعَّالة لتكون أكثر ثراءً ودقةً. ومن خلال اتباع أفضل الممارسات يمكن الحصول على أفضل النتائج.
