მონაცემთა კომუნიკაციის მნიშვნელობა გადაწყვეტილების მიღებისა და სტრატეგიული განვითარების პროცესში

წინათქმა: მონაცემთან კომუნიკაცია ეფექტური მონაცემთა კომუნიკაციის საწინდარია.

მეორე მსოფლიო ომის დროს, მოკავშირეები დილემის წინაშე აღმოჩნდნენ: აემაღლებინათ ავიაგამანადგურებლების ჯავშანგაუმტარი თვისებები ისე, რომ გაზრდილი თვითმფრინავის წონა უარყოფითად არ ასახულიყო მის ბალანსზე. აღნიშნული მიზნით, საბრძოლო მოქმედებების ზონიდან დაბრუნებული თვითმფრინავების შესწავლის პროცესში, ყველაზე მეტი დაზიანება ფრთებისა და კუდის სეგმენტებში აღირიცხა, რამაც მოკავშირეებს პრობლემური ნაწილების გამაგრებისკენ უბიძგა. თუმცა, მათემატიკოსმა, აბრაჰამ უოლდმა, მეთოდურ წუნზე მიუთითა. უოლდის დაკვირვებით, მოკავშირეები მხოლოდ საბრძოლო მოქმედებების ზონიდან დაბრუნებული, გადარჩენილი ავიაგამანადგურებლებიდან მიღებულ მონაცემებს ეყრდნობოდნენ, რაც ანალიზის მიღმა ტოვებდა ინფორმაციას განადგურებული თვითმფრინავების შესახებ, რომელთა შემთხვევაშიც, შესაძლოა სახეზე ყოფილიყო დაზიანებები უფრო კრიტიკულ სექციებში. უოლდის მეთოდმა არამხოლოდ მოკავშირეების მიდგომა, არამედ - საჰაერო ბრძოლის კუთხით არსებული ვითარებაც კარდინალურად შეცვალა (Eldridge, 2024).

ზემოთ ხსენებული დაკვირვება მნიშვნელოვანია, რადგან მონაცემთა ეფექტიანობა მათი სწორი ინტერპრეტაციითა და კომუნიკაციით განისაზღვრება. განურჩევლად სამხედრო თუ ბიზნეს სტრატეგიისა, გადაწყვეტილების შედეგიანობა არა ზედაპირულ, არამედ - სიღრმისეულ, დეტალებზე ორიენტირებულ მიდგომაზეა დამოკიდებული. თავის მხრივ, მონაცემთა არასათანადო ინტერპრეტაცია ან კომუნიკაცია არასწორ სტრატეგიულ არჩევანს და სერიოზულ დანაკარგებს განაპირობებს. წინამდებარე სტატია განიხილავს მონაცემთა სრულფასოვანი გაგების მნიშვნელობას მათ ეფექტურ კომუნიკაციაში - რამეთუ, მონაცემთან კომუნიკაცია მონაცემთა ეფექტური კომუნიკაციის საწინდარია.

მონაცემი, როგორც სტრატეგიული გადაწყვეტილების ხერხემალი

ახალი ბაზრის ათვისების, ინოვაციური პროდუქტის შემუშავებისა თუ ოპერაციული პროცესების დახვეწისას, კომპანიები თითოეული ნაბიჯის განსაზღვრაში მონაცემებს ეყრდნობიან, რაც თავის მხრივ, განყენებულად, არასაკმარისია - რადგან სტრატეგიის წარმატებას, საბოლოო ჯამში აღნიშნული მონაცემების სწორი ინტერპრეტაცია და მათი შემდგომი გამოყენება განსაზღვრავს.

მონაცემი გაურკვევლობას ამცირებს. როდესაც კომპანია ახალი ბაზრის ათვისების მიზანშეწონილობას განიხილავს, იგი ხშირად ეყრდნობა ინფორმაციას ბაზრის მოთხოვნის, მომხმარებელთა პრეფერენციების და კონკურენტების საბაზრო დინამიკის შესახებ. ინტუიციისა და ვარაუდისაგან განსხვავებით, მონაცემები კომპანიას ობიექტურ ხედვას სძენენ, რაც მათ საკუთარი სტრატეგიების ბაზრის სპეციფიკურ მახასიათებლებზე მორგებაში ეხმარება. აღნიშნული პრინციპი ვრცელდება პროდუქტის განვითარებაზეც - მომხმარებელთა უკუკავშირი, გაყიდვების ტენდენციები და კონკურენტთა კვლევა განსაზღვრავს პროდუქტის დიზაინს, ფუნქციებსა და საფასო პოლიტიკას.

• თუნდაც „ნეტფლიქსის“ (ინგ. Netflix) წარმატების ისტორია, რომელიც არამხოლოდ ტექნოლოგიის, არამედ - მტკიცებულებაზე დაფუძნებული ბიზნეს-პრაქტიკის მეშვეობით, ციფრული ვიდეო-დისკების (DVD) გაქირავების სერვისიდან გასართობ ინტერნეტ-სამაუწყებლო პლატფორმად გარდაიქმნა. მომხმარებელთა ქცევის ანალიზის დახმარებით, რაც თავის მხრივ მაყურებელთა გადაცემების ყურებასთან დაკავშირებული ტენდენციების - მათ შორის, დასრულებული და მიტოვებული შოუების შესწავლას ითვალისწინებდა, „ნეტფლიქსმა“ მაყურებლისთვის მასზე მორგებული რეკომენდაციების (გადაცემების) შეთავაზება დაიწყო. თუმცა, კიდევ უფრო საგულისხმოა, კომპანიის მიერ აღნიშნული მონაცემების საკუთარ კინოპროდუქციაში გამოყენება, რომლის ფარგლებშიც „ნეტფლიქსმა“ 2013 წლის პირველ თებერვალს, იმდროინდელ მონაცემებზე დაყრდნობით მომხმარებელთა საყვარელ, პოლიტიკური დრამის ჟანრში, ყველაზე მოთხოვნადი არტისტის, კევინ სპეისის მონაწილეობით, მისი პირველი ტელეგადაცემა - „ბანქოს სახლი“ (ინგ. House of Cards) გამოუშვა (Fan, 2024).

მონაცემები არამხოლოდ აღწერენ ტენდენციებს, არამედ - ქმნიან მათ. „ბანქოს სახლი“ სტრატეგიული განვითარებისა და კომპანიის გრძელვადიანი წარმატების პროცესში, მონაცემთა სწორი ინტერპრეტაციის მნიშვნელობის თვალსაჩინო მაგალითს წარმოადგენს. მომხმარებლის ქცევისა და პრეფერენციების შესწავლით, „ნეტფლიქსი“ არამხოლოდ რეაგირებდა ტენდენციებზე, არამედ ახალი კინოპროდუქტის სახით, - თავად ქმნიდა მათ. ამრიგად, მონაცემების სწორი ინტერპრეტაცია კომპანიისთვის მისი მომხმარებლების ერთგულების და ინოვაციის გარანტად იქცა.

თუმცა, მტკიცებულებაზე დაფუძნებული სტრატეგიების წარმატება მონაცემთა ინტერპრეტაციის სიზუსტითა და სიღრმით განისაზღვრება. მონაცემთა არასწორმა ინტერპრეტაციამ ან შემდგომმა კომუნიკაციამ, შესაძლოა კომპანია ჩიხში შეიყვანოს. 2007-2008 წლებში, უძრავი ქონების ბაზრის კრიზისის დროს, კომპანიების მიერ მონაცემთა სწორმა და არასწორმა ინტერპრეტაციებმა მკვეთრად განსხვავებული შედეგები განაპირობა:

• 2008 წლის ფინანსურ კრიზისამდე, ამერიკულმა ბანკებმა დაბალი საკრედიტო ქულის მქონე, გადახდისუუნარო მოქალაქეებზე ე.წ. „მეორე შანსის” იპოთეკური სესხების (ინგ. subprime mortgage) გაცემა დაიწყეს, მოლოდინით, რომ უძრავი ქონების თვითღირებულებასთან შეუსაბამო ფასი მომავალშიც გააგრძელებდა ზრდას. ფინანსური ერთეულების ვარაუდით, იმ შემთხვევაშიც კი, თუ მსესხებლები ვერ შეძლებდნენ ვალის დაფარვას, უძრავი ქონების ბანკის კუთვნილებაში სრულად გადასვლის შემდეგ, ეს უკანასკნელი მის გადაყიდვას სასურველ ფასად მაინც შეძლებდა. თუმცა, დებიტორების გაკოტრებასთან ერთად, უძრავი ქონების ბაზარიც ჩამოიქცა, რამაც სახლების ფასის მკვეთრი ვარდნა გამოიწვია, ხოლო ბანკებმა, მიღებული უძრავი ქონების თავდაპირველი სესხების დასაფარად საჭირო ფასად გაყიდვა ვერ შეძლეს. ისეთი ფაქტორების არასათანადო გათვალისწინებამ, როგორებიცაა - უძრავი ქონების თვითღირებულებასთან შეუსაბამო, პროგრესირებადი ფასი, მაღალრისკიანი სესხების რაოდენობის სწრაფი ზრდის ტემპი და ბაზრის გაჯერება - მასიური ზარალი და გლობალური ფინანსური კრიზისი გამოიწვია.
  
  საგულისხმოა, რომ ისეთმა ინვესტორებმა, როგორებიც არიან - მაიკლ ბერი, სტივ ეისმანი და ჯონ პოლსონი ზემოთ ხსენებული მონაცემები სწორად გაიგეს. არამდგრადი უძრავი ქონების ბაზრის პირობებში, სამმა ინვესტორმა სადაზღვევო კონტრაქტების ერთ-ერთი ფორმის - „საკრედიტო დეფოლტის სვოპების“ (ინგ. Credit Default Swaps - CDS) მასიური შესყიდვა დაიწყო, რომლის თანახმადაც უძრავი ქონების ბაზრის კრახის შემთხვევაში, მათ თანხას „სვოპების“ გამყიდველი კომპანიები აუნაზღაურებდნენ. Lehman Brothers-ის, Bear Steanrs-ის, American International Group-ისა (AIG) და სადაზღვევო კონტრაქტების გამყიდველი მათი მსგავსი კომპანიების შეფასებით, ინვესტორთა შეთავაზება მუქთა ფულს წარმოადგენდა, რამეთუ აღნიშნული ფინანსური ინსტიტუტები უძრავი ქონების ბაზრის კრახს არც კი განიხილავდნენ. თუმცა, როდესაც ბაზარი ჩამოიშალა, ზემოხსენებულ ინსტიტუტები მასიური ფინანსური ობლიგაციების წინაშე აღმოჩნდნენ. შედეგად, Lehman Brothers გაკოტრდა, Bear Sterns შეღავათიან ფასად გაიყიდა, ხოლო AIG ამერიკის შეერთებული შტატების ფედერალურმა რეზერვმა 180 მილიარდ დოლარად გამოისყიდა (FDIC, 2013).
  
  

ამრიგად, მონაცემები არამხოლოდ მტკიცებულებებით ამდიდრებენ გადაწყვეტილებას, არამედ - წარმართავენ მას. წარმატებული კომპანიები, სტრატეგიული ზომების მიღებამდე, დიდ დროს უთმობენ მონაცემთა სიღრმისეულ ანალიზს. მონაცემთან კომუნიკაცია, მათ მტკიცებულებაზე დაფუძნებული, შედეგიანი მოქმედების შესაძლებლობას აძლევს, რაც თავის მხრივ სტრატეგიის მიზნებთან თანხვედრასა და სიცხადეს უზრუნველყოფს. გადაწყვეტილების მტკიცებულებაზე დაფუძნება, რისკების შემცირებასთან ერთად, კომპანიის მიერ დასახული მიზნების მიღწევის შანსს ზრდის.

მიკერძოების პრობლემა მონაცემთა ინტერპრეტაციის პროცესში

... თუმცა, ყველა ვერ ახერხებს მონაცემების სწორად ინტერპრეტაციას. რატომ?, მიზეზი დეტალებზე ყურადღების გამახვილებისა და ობიექტურობის ნაკლებობაა. ისეთი ფართოდ გავრცელებული შეცდომები, როგორიცაა კონფირმაციული მიკერძოება, გადაწყვეტილების მიმღებ პირებს იმ მონაცემების გამოყენებისკენ უბიძგებს, რომელიც მათ წინასწარგანსაზღვრულ მიზნებსა და ხედვებს ერგება, თუმცა უგულებელყოფს საპირისპირო ტენდენციაზე მიმანიშნებელ მტკიცებულებებს. აღნიშნული მიდგომა სტრატეგიებს კომფორტულ და უმტკივნეულო, თუმცა მცდარ დასკვნებზე აშენებს.

• 90-იანი წლების ბოლოს, „კოდაკი“ (ინგ. “Kodak”) კონფირმაციული მიკერძოების გავლენის ქვეშ მოექცა. მიუხედავად იმისა, რომ 1975 წელს კომპანიამ პირველი ციფრული კამერა შექმნა, იგი მაინც იმ დროისათვის მომგებიან ფირიან მოწყობილობებზე ფოკუსირდა, რამეთუ კომპანიის სამმართველო საბჭო დარწმუნებული იყო არსებული ბიზნეს-მოდელის მდგრადობაში. თუმცა, საბჭომ მათი გადაწყვეტილება არა მონაცემებს მოარგო, არამედ პირიქით - მონაცემები მოარგო პროგნოზს, რომლის თანახმადაც ფირიანი მოწყობილობების გამოყენებას „კოდაკის“ მომხმარებლები მომავალშიც გააგრძელებდნენ. აღნიშნულმა მიკერძოებამ, კომპანიას ხელი შეუშალა მომხმარებელთა პრეფერენციების სწორად განსაზღვრაში. 2012 წლის 19 იანვარს, ამერიკული წარმატების ისტორია, Eastman Kodak Company, გაკოტრდა (Anthony, 2016).
  
  

მონაცემებთან მუშაობის დაწყებამდე, ობიექტურობის უზრუნველყოფის მიზნით, წინასწარი ვარაუდების აღრიცხვა და მათი სამუშაოს დასრულების შემდეგ გადახედვა, ზემოთ აღწერილი პრობლემის თავიდან აცილების ეფექტური საშუალებაა. მხოლოდ ხელსაყრელი მონაცემების გამოყენების ნაცვლად, მნიშვნელოვანია ყველა მტკიცებულება თანაბარი მიუკერძოებლობით შეფასდეს. აღნიშნული მიდგომა ხელს უწყობს ობიექტური დასკვნების გამოტანის და შესაბამისად, სწორი გადაწყვეტილებების მიღების პროცესს.

მონაცემებთან მუშაობის დროს, მორიგ ფართოდ გავრცელებულ პრობლემას ე.წ. „შერჩევითი მიკერძოება“ წარმოადგენს, რაც თავის მხრივ მონაცემების არარეპრეზენტატული (არაწარმომადგენლობითი) წყაროდან მიღებას გულისხმობს. მაგალითად, კომპანიას, რომელიც ახალ პროდუქტს მხოლოდ ერთგულ მომხმარებლებთან ტესტავს, შესაძლოა მოთხოვნის შესახებ მცდარი მოლოდინი შეექმნას, რამეთუ ერთგული მომხმარებელი, როგორც წესი, ნაკლებად კრიტიკულადაა განწყობილი.

• 2010-იანი წლების დასაწყისში, „გუგლმა“ (ინგ. Google) მისი პროდუქტის, Google Glass-ის გამოშვებისას, არასწორად განსაზღვრა მისი მოთხოვნა ბაზარზე. კომპანიამ პროდუქტის ტესტირებაში მეტწილად ტექნოლოგიით დაინტერესებული ენთუზიასტები ჩართო, რომლებიც ინოვაციების მიმართ მაღალი მიმღებლობით გამოირჩეოდნენ. აღნიშნულმა, „გუგლი“ მისი პროდუქტისადმი მაღალი მოთხოვნის არსებობაში დაარწმუნა. თუმცა, ფართო აუდიტორიამ Google Glass ყოველდღიური გამოყენებისთვის „არაპრაქტიკულ პროდუქტად" აღიქვა. არაწარმომადგენლობითი აუდიტორიიდან მიღებულ ინფორმაციაზე დაყრდნობამ, „გუგლი“ საკუთარი პროდუქტის გადაჭარბებულ პოპულარობაში დაარწმუნა, რაც საბოლოოდ მთლიანი კომერციული მიმართულების კრახით დასრულდა (Weidner, 2024).
  
  

შერჩევითი მიკერძოებისთვის თავის არიდება, მონაცემთა შეგროვების პროცესში შემთხვევითობისა და რეპრეზენტატულობის (წარმომადგენლობითობის) პრინციპების მკაცრ დაცვას მოითხოვს. ყოვლისმომცველი და ობიექტური ინფორმაციის შესაგროვებლად, შერჩევის სხვადასხვა მეთოდების გამოყენება კრიტიკულად მნიშვნელოვანია, რადგან აღნიშნული, მთლიანი სამიზნე ჯგუფის წარმომადგენლობითობას უზრუნველყოფს. ხსენებული მიდგომა ამცირებს სუბიექტური შეფასებებით გაჯერებული შედეგებისა და შესაბამისად, არასწორი დასკვნების გამოტანის რისკებს.

სტატუს-კვოს მიმართ მიკერძოება თავს იჩენს მაშინ, როდესაც კომპანიები სამომავლო ტენდენციების პროგნოზირებისთვის ძველ მონაცემებს იყენებენ. ასეთ დროს სტრატეგიული განვითარების პროცესი დრომოჭმულ შეხედულებებს ემყარება.

• 2000-იანი წლების დასაწყისში, „ნოკია“ (ინგ. Nokia) მობილური ტელეფონების ბაზარზე ლიდერ კომპანიას წარმოადგენდა. თუმცა, მოძველებული მოდელების ისტორიული წარმატების ცრურწმენის გამო, კომპანია დარწმუნებული იყო მომხმარებლების მიერ ღილაკიანი ტელეფონებისთვის მომავალშიც უპირატესობის მინიჭებაში. ამრიგად, „ნოკიამ“ უგულებელყო მონაცემები, რომელიც სენსორული ეკრანის და ახალი პროგრამული უზრუნველყოფის მქონე ე.წ. „ჭკვიანი ტელეფონების“ (სმარტფონები) უპირატესობაზე მიუთითებდა. მომხმარებელთა პრეფერენციებთან დაკავშირებით ძველი მონაცემების გამოყენებამ, კომპანია, iOS და Android-ის ოპერაციული სისტემების პოპულარიზაციის პროცესს მიღმა დატოვა, რის გამოც „ნოკიამ“ მისი წამყვანი საბაზრო პოზიცია, „ეფლის“ (ინგ. Apple) და „სამსუნგის“ (ინგ. Samsung) სასარგებლოდ დათმო (Wang, 2022).

სტატუს-კვოს მიმართ მიკერძოების თავიდან აცილების პრაქტიკულ გზას მონაცემების ისეთი წყაროებიდან მიღება წარმოადგენს, რომელიც თანამედროვე ტენდენციებს ასახავს. აუცილებელია გათვალისწინებული იქნას ის შეზღუდვები, რაც თან ახლავს ძველი მონაცემების გამოყენებას და ყურადღება გამახვილდეს ინკლუზიურ პრაქტიკაზე, რომელიც მიმდინარე ტენდენციებსაც ითვალისწინებს. აღნიშნული მიდგომა ახალი დინამიკის მიმართ სტრატეგიების შესაბამისობას და მოქნილობას უზრუნველყოფს.

ე.წ. „გადარჩენილის სისტემური შეცდომა“ თავის მხრივ მხოლოდ წარმატებული შემთხვევების გათვალისწინებასა და წარუმატებლის უგულებელყოფას გულისხმობს. აღნიშნულმა მიდგომამ შესაძლოა წარმატების განმაპირობებელი ფაქტორების შესახებ მცდარი შეხედულებები ჩამოაყალიბოს. წარუმატებელი შემთხვევების ანალიზისთვის თავის არიდებით, იკარგება ის ღირებული ინფორმაცია, რომელსაც სტრატეგიის გაუმჯობესება შეუძლია.

• კომერციული ინტერნეტ კომპანიების (ე.წ. „დოთ-ქომების“ / ინგ. dot-com/.com) ეპოქაში, ბევრი სტარტაპი მხოლოდ „ამაზონის“ (ინგ. Amazon) და „იბეის“ (ინგ. Ebay) მსგავსი კომპანიების წარმატებას აკვირდებოდა, რამაც მათ ონლაინ ბიზნესის წარმატების გარანტიის მცდარი მოლოდინი გაუჩინა. აღნიშნული სტარტაპები უყურადღებოდ ტოვებდნენ ისეთ კომპანიებს, როგორებიცაა - Pets.com და Webvan, რომლებიც მდგრადი ბიზნეს-მოდელის გარეშე, არაგეგმურად ფართოვდებოდნენ. მსგავსი შეცდომა დაუშვა „ბუ-ქომის“ (boo.com) სახელით ცნობილმა სტარტაპმაც, რომელიც ლოჯისტიკურ და საბაზრო გამოწვევებზე ფოკუსირების ნაცვლად, ზრდაზე კონცენტრირდა. მხოლოდ წარმატებული შემთხვევების შესწავლით, ზემოთ ხსენებულმა კომპანიებმა ვერ გაითვალისწინეს წარუმატებელი ინიციატივების შედეგად დაგროვილი მნიშვნელოვანი ცოდნა, რამაც საბოლოო ჯამში მათი წარუმატებლობაც განაპირობა (Wray, 2005).
  
  

მსგავსი შეცდომის დაშვების რისკის შესამცირებლად, კომპანიებმა მონაცემები როგორც წარმატებული, ისე - წარუმატებელი შემთხვევების შესწავლით უნდა შეაგროვონ. ორივე ტიპის გამოცდილების გათვალისწინება სრულყოფილ სურათს ქმნის იმასთან დაკავშირებით თუ რა მუშაობს, და რა - არა. ბალანსირებულ მიდგომას უზრუნველყოფს დასკვნების გამოტანა როგორც წარმატებული, ისე - წარუმატებელი შემთხვევებისგან.

ხელმისაწვდომი მონაცემის მიმართ მიკერძოება გულისხმობს დასკვნების რელევანტურ, სრულფასოვან ინფორმაციაზე დაყრდნობით გამოტანის ნაცვლად, მხოლოდ ხელთ არსებულ მონაცემზე ფოკუსირებას. აღნიშნულ მიდგომას ხშირად არასწორ მსჯელობამდე მივყავართ, რამეთუ ასეთი მონაცემები შესაძლოა არსებულ სურათს სრულყოფილად არ ასახავდეს.

• 2016 წელს, „სამსუნგი“ (ინგ. Samsung), Galaxy Note 7-ში ელემენტთან დაკავშირებული პრობლემის შესახებ არსებულ, მხოლოდ ადრეულ მიმართვებს დაეყრდნო, იმედით, რომ ხარვეზს გამონაკლისის სახე ჰქონდა და არ წარმოადგენდა ფართოდ გავრცელებულ პრობლემას. აღნიშნულ შემთხვევაში, ხარვეზის მასშტაბურობის გამორკვევის ნაცვლად, კომპანია იმპულსურად, მხოლოდ ხელმისაწვდომ მონაცემს მიენდო. „სამსუნგმა“ არ გაითვალისწინა, რომ დეფექტი შესაძლოა იმ მომენტისთვის ჯერ კიდევ აღურიცხავ შემთხვევებშიც დაფიქსირებულიყო. პრობლემის სიღრმისეული შესწავლისთვის თავის არიდებით, მათ გამოწვევის მასშტაბი არასათანადოდ შეაფასეს, რამაც შესაბამისი ზომების დაგვიანებით მიღება და მთლიანი პროდუქციის ხაზის გაუქმება გამოიწვია (Samuelson, 2016).
  
  

ცალკეულ ინციდენტებზე ზედმეტად ფოკუსირების ნაცვლად, ტენდენციებზე ორიენტირებას ზემოთ აღწერილი პრობლემის პრევენცია შეუძლია. ხელთ არსებულ ინფორმაციაზე იმპულსურად რეაგირების ნაცვლად, მონაცემთა წყაროების სიღრმისეული ანალიზი საკითხის უკეთ შეცნობას უზრუნველყოფს. აღნიშნული მიდგომა პრობლემის სრულყოფილად გამოვლენას უწყობს ხელს, რაც თავის მხრივ ცალკეულ შემთხვევებზე დაყრდნობით მიღებული, არამიზანშეწონილი გადაწყვეტილებების ნაცვლად, ბალანსირებულ მიდგომას განაპირობებს.

უჩვეულო მონაცემების მიმართ მიკერძოების პრობლემა ჩნდება მაშინ, როდესაც სტატისტიკური მონაცემებისგან განსხვავებულ, არაკანონზომიერ მონაცემს გადაჭარბებული ყურადღება ეთმობა. ასეთი მონაცემები, რიგ შემთხვევებში, მთლიან ანალიტიკურ პროცესზე მოქმედებს და გამოტანილ დასკვნებს ამრუდებს. უჩვეულო მონაცემებზე გადაჭარბებული აქცენტირება მიკერძოებული ხედვის ფორმირებას უწყობს ხელს. კონტექსტის გათვალისწინების, ან დამატებითი კვლევის გარეშე, ამგვარ მონაცემებზე დაყრდნობით მიღებულმა ზომებმა შესაძლოა არსებული სიტუაცია არ გაითვალისწინოს, რაც არაეფექტური ან მცდარ შეხედულებებზე დაფუძნებულ სტრატეგიების შექმნას განაპირობებს.

• 2014 წელს „გოუპროს“ (ინგ. „GoPro“) აქციების ფასი მკვეთრად გაიზარდა, რაც განპირობებული იყო ინოვაციური სპორტული კამერების პროდუქციის ხაზის ბაზარზე ჩაშვებით, რამაც კომპანიის გაყიდვებისა და საბაზრო ღირებულების მყისიერი ზრდა გამოიწვია. აღნიშნულმა მოვლენამ კომპანია დაარწმუნა სწრაფი გაფართოების აუცილებლობაში, რაც მათი პროდუქტის სამომავლო, მაღალი მოთხოვნის ვარაუდით იყო ნაკარნახები. თუმცა, ხსენებული ზრდა მხოლოდ ცალკეული პროდუქტისა და მასზე მაღალი მოთხოვნის დამთხვევის შედეგს წარმოადგენდა. უჩვეულო მონაცემზე დაყრდნობამ კომპანიას პროდუქტის ზედმეტი წარმოებისა და ბაზრის გაჯერებისკენ უბიძგა, რამაც მომდევნო წლებში მისი აქციების ფასის ვარდნა განაპირობა (Victor, 2024).
  
  

უჩვეულო მონაცემების მიმართ მიკერძოების რისკის შემცირება მონაცემთა სრულფასოვან ანალიზს მოიაზრებს, რაც ხშირ შემთხვევაში ტენდენციურ მონაცემებზე დაყრდნობასთან ერთად, არაკანონზომიერების ზოგად სტრატეგიაზე კრიტიკული გავლენის მოხდენის გარეშე შესწავლასაც ითვალისწინებს. აღნიშნული მიდგომა უჩვეულო მონაცემზე კონტექსტურ დაკვირვებას გულისხმობს, რაც ამცირებს მის მიერ საერთო ანალიზისთვის ხელის შეშლის საფრთხეს და უზრუნველყოფს მეტად ბალანსირებული გადაწყვეტილების მიღებას.

სხვა გამოწვევებთან ერთად, ზემოთ აღწერილი მიკერძოების ტიპებისთვის თავის არიდება, გადაწყვეტილების მიმღებ პირებთან მონაცემთა ეფექტური კომუნიკაციის საწინდარია. მონაცემთა სწორი, ობიექტური ინტერპრეტაცია პრაქტიკულ რჩევებს უზრუნველყოფს, რაც დადებითად აისახება სათანადო სტრატეგიების შემუშავებაზე, გადაწყვეტილების მიღების პროცესსა და მის შედეგიანობაზე.

 

მონაცემთა ჩურჩული, სამიზნე აუდიტორიის ყურამდე, ეფექტურად მხოლოდ სწორ კომუნიკაციას მიაქვს

არ არსებობს მონაცემთა ეფექტური კომუნიკაციის უნივერსალური მეთოდი. კომუნიკაციის სტილის სამიზნე აუდიტორიის საჭიროებებსა და სპეციფიკურ მახასიათებლებზე მორგება, კომპანიებს მიგნებების სწორად პრეზენტაციაში ეხმარება.

ფიგურა 1. მონაცემთა კომუნიკაციის ფორმები. წყარო: Rogue Penguin

• აღწერითი (დესკრიფციული) მონაცემთა კომუნიკაცია ეფექტურია მაშინ, როდესაც სათანადო, ტექნიკური ცოდნის მქონე აუდიტორია მონაცემებს დეტალურად ეცნობა. კომუნიკაციის აღნიშნული ფორმა, შეგროვებულ მონაცემთა რაობას ხსნის.
  
  
• ინფორმატიული მონაცემთა კომუნიკაცია საკითხის შესახებ სიღრმისეული ცოდნის მქონე აუდიტორიასთან გამოიყენება, რომელსაც გადაწყვეტილების მიღებაზე პასუხისმგებლობა არ ეკისრება. აღნიშნული მიდგომა საკითხით დაინტერესებული აუდიტორიის ინფორმირებას უზრუნველყოფს.
  
  
• დამყოლიებელი მონაცემთა კომუნიკაცია სათანადო ზომების მიღების აუცილებლობის პირობებში, მონაცემთა დამაჯერებლობაზე ფოკუსირდება. აღნიშნული კომუნიკაციის ფორმის მიზანს, წარმოდგენილ მონაცემებზე დაყრდნობით, აუდიტორიის კონკრეტული ქმედებისკენ მომართვა წარმოადგენს.
  
  
• ნარატიული მონაცემთა კომუნიკაცია აუდიტორიას განუმარტავს „რა“ მოხდა, ნაცვლად იმისა, თუ „რატომ“ მოხდა აღნიშნული. კომუნიკაციის ეს ფორმა მონაცემებს ერთ ამბად წარმოადგენს, რაც აუდიტორიას სწორხაზოვნებას მატებს და კონკრეტული დასკვნების დამოუკიდებლად გამოტანაში ეხმარება.
  
  
• ახსნითი (განმარტებითი) მონაცემთა კომუნიკაციის სამიზნე აუდიტორიას ტექნიკური დეტალებით ნაკლებად დაინტერესებული ჯგუფი წარმოადგენს, რომლის სურვილიც კონკრეტული შედეგების გამომწვევი მიზეზების გაცნობიერებაა.

აუცილებელია მონაცემთა კომუნიკაციის ფორმა სამიზნე აუდიტორიის სპეციფიკური მახასიათებლების გათვალისწინებით განისაზღვროს. წინააღმდეგ შემთხვევაში, ღირებული მიგნებები უშედეგო ხდება, რამეთუ იგი ვერ ზემოქმედებს გადაწყვეტილების მიღების პროცესზე. მონაცემთა კომუნიკაციის ფორმის სამიზნე აუდიტორიაზე მორგება ხელს უწყობს მიღებული შედეგების აღქმას, რაც საბოლოო ჯამში, სწორ და მნიშვნელოვან ცვლილებებს განაპირობებს.

დასკვნა

მონაცემთა ეფექტური კომუნიკაცია მის ინტერპრეტაციაზე უარყოფითად მოქმედი მიკერძოების რისკების შემცირებას ეფუძნება. აუდიტორიის სპეციფიკურ მახასიათებლებზე მორგებული, მრავალშრიანი საკომუნიკაციო სტრატეგიის გამოყენება, ღირებულ მიგნებებს ყურადსაღებ რეკომენდაციებად გარდაქმნის. ბალანსირებული მიდგომა არამარტო მონაცემთა სრულფასოვან გაგებას, არამედ - მტკიცებულებაზე დაფუძნებული გადაწყვეტილების მიღებასაც უზრუნველყოფს. საბოლოო ჯამში, მონაცემთა კომუნიკაციის ნიუანსური ცოდნა, მიგნებების კონკრეტულ ქმედებებად გარდაქმნის გზით, კომპანიებს გამოწვევების დაძლევაში ეხმარება.

---

გამოყენებული რესურსები: 

Eldridge, E. (2024). Survivorship Bias. Encyclopedia Britannica. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი;

Fan, H. (2024). Leader in the Digital Entertainment Market: Netflix's Continued Success in a Fiercely Competitive Environment. Advances in Economics, Management and Political Sciences 73 (1);

Federal Deposit Insurance Corporation (FDIC) (2013). Origins of The U.S. Financial Crisis of 2008. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი;

Anthony, D. S. (2016). Kodak’s Downfall Wasn’t About Technology. Harvard Business Review. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი;

Weidner, J. B. (2024). Why Google Glass Failed. Investopedia. ინტერნეტი; ბოლო ნახვა: 2024 წლი 3 ოქტომბერი;

Wang, S. (2022). Explanations to the Failure of Nokia Phone. 2022 7th International Conference on Financial Innovation and Economic Development;

Wray, R. (2005). Boo.Com Spent Fast And Died Young But Its Legacy Shaped Internet Retailing. The Guardian. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი;

Samuelson, K (2016). A Brief History of Samsung’s Troubled Galaxy Note 7 Smartphone. Time Magazine. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი;

Victor, D. (2024). GoPro Stock Is at an All-Time Low. Is It a Buy? The Motley Fool & Nasdaq. ინტერნეტი; ბოლო ნახვა: 2024 წლის 3 ოქტომბერი.