چارچوب برنامه ریزی مبتنی بر داده

چارچوب برنامه ریزی استراتژیک داده محور از دو بخش تشکیل شده است. بخش اول دنباله ای از کارهایی است که در طول جمع آوری و ارائه داده ها انجام می شود (شکل 2 را ببینید).

© Jerrold M. Grochow / Creative Commons مجوز BY-SA-NC شکل 2. چارچوب برنامه ریزی استراتژیک IT محور IT

قبل از ارزیابی کدام داده ها باید جمع آوری شود ، کمیته برنامه ریزی استراتژیک باید

• نوع و تمرکز پروژه برنامه ریزی استراتژیک را تعیین کنید (کار 1 در شکل 2) ، و
• موضوعات و سؤالات کلیدی ناشی از آن تمرکز را تعیین کنید (کار 2).

پروژه های برنامه ریزی استراتژیک از فعالیت های کاملاً جدید - مانند برنامه استراتژیک اولیه سازمان - تا به روزرسانی های سالانه یا دوسالانه نسبتاً ساده متغیر است. در بین پروژه های برنامه ریزی وجود دارد که یک برنامه استراتژیک موجود را مجدداً مورد بررسی قرار می دهد زیرا چیزی قابل توجه تغییر کرده است. مثالها شامل تغییر اساسی در سیاست های آموزشی ، مانند تمرکز بر آموزش آنلاین برای دانشجویان از راه دور یا تغییر از داخل به محاسبات ابری است. چنین پروژه هایی به بیش از یک به روزرسانی ساده نیاز دارند و اغلب به برنامه ریزی و جمع آوری داده های قابل توجهی نیاز دارند. نوار کناری "تعریف داده" در مورد نحوه تعریف داده هایی که می خواهید جمع آوری کنید ، بحث می کند.

تعریف داده ها

توجه اساسی به برنامه ریزی استراتژیک داده محور اطمینان از این است که شما هر نوع داده ای را که می خواهید جمع آوری کنید با دقت تعریف کنید. اگر نمی توانید به طور خاص این داده ها را تعریف کنید ، نمی توانید به طور مناسب تجزیه و تحلیل یا استنتاج از آنها را تجزیه و تحلیل کنید.

به عنوان مثال ، داده های مربوط به محل مبدأ متقاضیان ممکن است واضح به نظر برسد ، اما آیا داده های شما نشان می دهد که متقاضیان متولد شده اند ، جایی که بیشتر زندگی خود را گذرانده اند ، جایی که در حال حاضر در آن ساکن هستند ، یا در کدام دبیرستان ها در آن شرکت کرده اند؟عناصر داده ای که به ظاهر ساده هستند ، با این وجود نیاز به تعریف روشنی دارند ، همانطور که داده هایی که ممکن است از یک مجموعه پاسخ محدود حاصل نشوند. تصور کنید مشکل (و اهمیت) تعریف عناصر داده در مورد نیازهای دانشکده برای محاسبات با کارایی بالا: چگونه نیاز را تعریف می کنید؟(اگر هزینه یک میلیون دلار در ساعت باشد ، آیا هنوز هم نیاز است؟) عملکرد بالا چیست؟(رایانه های با کارایی بالا دیروز به سختی با امروز قابل مقایسه هستند.) و برای این موضوع ، دانشکده را چگونه تعریف می کنید؟

برخی از پروژه ها دامنه باریک دارند ، مانند مواردی که روی منابع و فرهنگ سازمانی تمرکز می کنند (به عنوان مثال کاهش بودجه شدید). ارائه خدمات خاص فناوری اطلاعات (مانند انتقال به ابر) ؛یا یک فناوری خاص (شامل هوش مصنوعی). پروژه های دیگر دامنه وسیع تری دارند که همه مناطق را در بر می گیرد. درک تمرکز و دامنه پروژه در تعیین انواع داده های مورد نیاز برای جمع آوری برای پشتیبانی از آن مهم است. اگر هدف پروژه بررسی موضوعات خاص مانند کاهش تأثیر بودجه باشد ، لیست این موضوعات می تواند جمع آوری داده های اولیه را راهنمایی کند.

پس از انجام این دو فعالیت اولیه ، چارچوب برنامه ریزی استراتژیک IT محور بر روی چهار کار بعدی در شکل 2 متمرکز است:

• تعیین کدام داده ها برای ارزیابی وضعیت فعلی ، مطرح کردن موضوعات (از جمله نگرانی های مربوط به منابع و موضوعات مؤثر بر حوزه انتخابیه خاص) ، و شناسایی روندها و درایورهایی که ممکن است آینده را تحت تأثیر قرار دهند (وظیفه 3)
• توسعه یک رویکرد سیستماتیک برای جمع آوری داده ها (کار 4)
• تجزیه و تحلیل داده ها (کار 5)
• سازماندهی و ارائه داده ها (کار 6)

پشتیبانی از کل فرایند برنامه ریزی استراتژیک به معنای جمع آوری داده ها برای کمک به هر یک از وظایف اصلی برنامه ریزی استراتژیک است: درک وضعیت فعلی ، درک محرک های دولت آینده ، تجزیه و تحلیل موضوعات و تعیین وضعیت آینده. این همچنین به معنای جمع آوری داده ها برای رسیدگی به موضوعات حوزه های انتخابیه متعدد ، از دانشجویان ، دانشکده ها ، محققان و کارمندان گرفته تا فارغ التحصیلان و متقاضیان است. ارائه داده هایی که هر یک از این وظایف یا ذینفعان را نادیده می گیرد ، روند برنامه ریزی را برای سؤال و شاید انتقاد باز می کند. با استفاده از قسمت دوم چارچوب-ماتریس داده های سازماندهی برنامه ریزی استراتژیک که بعداً شرح داده شده است-می تواند به شما در ردیابی دسته ها و اهداف مختلف داده کمک کند و مناطقی را که ممکن است به دنبال داده های اضافی باشید ، در معرض دید قرار دهید.

بعضی اوقات ، اعضای کمیته برنامه ریزی استراتژیک تصویر کاملی از وضعیت فعلی آن در دانشگاه ندارند. منبع اصلی این داده ها داده های فعلی استفاده از خدمات مانند تعداد رایانه های دانشگاه است. استفاده از Wi-Fi (براساس زمان ، مکان و نوع کاربر) ؛تعداد بسته های نرم افزاری مختلف پشتیبانی و استفاده شده است. میزان فضای اختصاص داده شده به منابع محاسباتی ، از جمله شبکه ها. تعداد عناصر داده در انبار داده ؛و به تعامل میز کمک کنید. لیست موارد داده ای که نشان دهنده استفاده از خدمات است می تواند بسیار طولانی شود. این تعداد را می توان با داده های مالی که نشان می دهد کل هزینه و هزینه برای هر واحد برای بسیاری از این خدمات ممکن است افزایش یابد.

داده های استفاده خدمات فعلی تصویر حجم را ارائه می دهد. برای درک تصویر عملکرد ، به داده های دیگری مانند آمار قطع و فرم های داده مانند نظرسنجی رضایت کاربر نیاز خواهید داشت. نظرسنجی ها را می توان با توصیفات کاربر (خوب و بد) و سایر داده های عملکرد کیفی و توصیفی افزایش داد.

اگر موضوعات خاص قبلاً مشخص شده است (یا توسط سازمان فناوری اطلاعات و یا به عهده تیم برنامه ریزی استراتژیک) ، باید داده ها را برای پشتیبانی از بحث و تحلیل آن موضوعات جمع آوری کنید. به عنوان مثال ، اگر کاهش قابل توجهی در بودجه در چند سال آینده انتظار می رود ، باید داده هایی را ارائه دهید که تأثیر کاهش در خدمات مختلف را نشان می دهد ، و همچنین آیا کاهش بودجه مرکزی فناوری اطلاعات به سادگی منجر به هزینه های اضافی دپارتمان خواهد شد.

ارائه داده های خام ، حتی داده های خام به خوبی تعریف شده ، به وضوح با ارزش کمتری نسبت به ارائه داده ها با تجزیه و تحلیل دارد. تجزیه و تحلیل می تواند اشکال مختلفی داشته باشد ، از آمار ساده گرفته تا تجزیه و تحلیل عاملی پیشرفته گرفته تا بحث های کیفی که داده های مرتبط را معرفی می کند. به عنوان مثال ، به عنوان مثال ، انتقال نوع خاصی از محاسبات تحقیقاتی به تجهیزات متمرکز ، 600000 دلار در سال صرفه جویی می کند. دانشکده ممکن است در ابتدا روی از دست دادن کنترل متمرکز شود که نتیجه این حرکت باشد ، اما اگر شما به آنها داده هایی را نیز بدهید که نشان می دهد 600000 دلار می تواند از 10 دستیار تحقیقاتی فارغ التحصیل پشتیبانی کند ، ممکن است نگاه دوم را به خود جلب کند. آمار و نمودارهایی که داده های مرتبط را ارائه می دهند (مانند هزینه یک دستیار تحقیق فارغ التحصیل) ارزش قابل توجهی را ارائه می دهند.

علاوه بر این ، در مثال جمعیتی دانشجویی در بالا ، حتی اگر اطلاعاتی را در مورد انواع مختلف منشاء جمع آوری کنید ، آیا هنگام ورود به دانشگاه ، اطلاعاتی در مورد نیازهای دانشجویی برای آموزش و توانایی های فناوری اطلاعات خواهید داشت؟ممکن است شما نیاز به ترکیب داده های مربوط به دبیرستان هایی که دانش آموزان از داده های اقتصادی اقتصادی و دانشگاهی از آن استفاده می کنند ، برای به دست آوردن تصویری کامل تر استفاده کنید. اگرچه این وظیفه ای است که کمیته برنامه ریزی استراتژیک لزوماً زمان و منابع لازم برای استفاده از آن را نخواهد داشت ، تیم منابع برنامه ریزی استراتژیک باید.

در تصمیم گیری در مورد نوع و سطح تجزیه و تحلیل برای انجام ، نحوه استفاده از داده ها (یا در توصیف وضعیت فعلی ، تجزیه و تحلیل مسائل یا تعیین وضعیت آینده یا عمل) را در نظر بگیرید. نحوه ارائه تجزیه و تحلیل داده ها به همان اندازه مهم است. ارائه داده ها در زمینه ها و فرم هایی که برای شرکت کنندگان در حال برنامه ریزی معنی دار است ، به آنها کمک می کند تا اهمیت استراتژیک داده ها را درک کنند.

نمودارها ، نمودارها و سایر فرمهای بصری ارزش را به جداول اعداد اضافه می کنند (که همیشه باید در دسترس باشد). این کار تیم منابع برنامه ریزی استراتژیک است که داده ها را در قالب های مختلف ، بدون تعصب و بدون اینکه داده های اصلی را مبهم کند ، ارائه دهد (به نوار کناری "کیفیت داده" مراجعه کنید). اعضای کمیته برنامه ریزی استراتژیک نیز باید بدانند که چرا تیم منابع فکر می کنند داده ها مهم هستند ، اما باید ذهن خود را در مورد موافقت خود تشکیل دهند.

کیفیت داده

داده های ارائه شده به تصمیم گیرندگان همیشه باید مورد بررسی قرار گیرند تا در حد امکان دقیق و عاری از تعصب باشند (دو اقدام کیفیت داده). اگرچه داده های با کیفیت بالا همیشه منجر به تصمیمات با کیفیت بالا نمی شوند ، داده های با کیفیت ضعیف اغلب منجر به تصمیمات ضعیف می شوند. کیفیت داده ها باید کاملاً مورد توجه قرار گیرد ، به ویژه هنگامی که شخص یا گروهی که آن داده ها را جمع آوری می کند ، به تصمیماتی که ممکن است با استفاده از آنها گرفته شود ، علاقه مند است.

کیفیت داده ها سؤالی است نه فقط در مورد اینکه آیا داده های خام دقیق هستند یا دقیق هستند بلکه در مورد اینکه آیا آنها به طور مناسب در متن و بدون تعصب ارائه شده اند. به عنوان مثال ، شما ممکن است مبلغ دلار دقیق را برای کل هزینه های IT برای هر یک از پنج سال گذشته تعیین کرده باشید ، اما برای بحث در مورد اینکه آیا این هزینه ها خیلی کم یا خیلی زیاد بوده اند ، به متن نیاز دارید. یکی از راه های ارائه زمینه ، در نظر گرفتن چگونگی هزینه های پشتیبانی از تحقیقات ، تدریس و مدیریت در هر منطقه در طی دوره پنج ساله است. نشان دادن نحوه مقایسه هزینه های موسسه شما با همسالان بر اساس سرانه می تواند اطلاعات اضافی را ارائه دهد. همچنین ، اضافه کردن معیارهایی مانند شدت تحقیق نسبی موسسات باید داده ها را حتی مفیدتر و در نتیجه کیفیت بالاتر برای تصمیم گیرندگان کند.

طبقه بندی داده ها

چگونه می دانید که آیا تمام پایه های جمع آوری داده ها برای کمیته برنامه ریزی استراتژیک را پوشش داده اید؟آیا عناصر یا مجموعه های مهم داده ای را که برای جلسات کمیته بسیار مهم است ، از دست داده اید؟رویکرد برنامه ریزی استراتژیک IT با داده محور ، انواع داده ها را به روش های مختلف طبقه بندی می کند تا اطمینان حاصل شود که هیچ سوراخ در تلاش برای جمع آوری داده های شما وجود ندارد. برای اطمینان از داده های مورد نیاز خود ، می توانید از قسمت دوم چارچوب استفاده کنید: ماتریس سازماندهی داده های استراتژیک (شکل 3 را ببینید).

© Jerrold M. Grochow / Creative Commons مجوز توسط SA-NC شکل 3. ماتریس سازماندهی داده های استراتژیک

ویژگی های داده مورد نظر عبارتند از:

• سوال استراتژیک پشتیبانی از داده ها (وضعیت فعلی ، درایور آینده ، وضعیت آینده و اجرای)
• اهمیت استراتژیک داده ها (وضعیت فعلی ، مسائل را مطرح می کند ، روندها را برجسته می کند ، حوزه های انتخابیه را متمایز می کند ، نگرانی منابع را ارائه می دهد)
• گروه داده ها (مالی ، جمعیتی ، عملیاتی ، مرتبط با عملکرد ، محیط خارجی ، توصیفی)
• حوزه انتخابیه علاقه مند به داده ها (دانشکده ، دانشجویان ، دولت و غیره)
• منبع داده ها ، از جمله اولیه (جمع آوری شده برای مطالعه حاضر) ، ثانویه (قبلاً جمع آوری شده) و خارجی (پایگاه داده های عمومی)

شما می توانید یک صفحه گسترده با موارد داده به عنوان ردیف و این خصوصیات به عنوان ستون برای طبقه بندی هر یک ایجاد کنید. سپس می توانید به دنبال "سوراخ" در داده های خود باشید و تصمیم بگیرید که آیا نیاز به یافتن داده ها با سایر ترکیبات ویژگی ها دارید. شکل 4 یک مثال را نشان می دهد.

© Jerrold M. Grochow / Creative Commons مجوز توسط SA-NC شکل 4. برنامه ریزی استراتژیک ماتریس سازماندهی نمونه

مثال برنامه ریزی استراتژیک

اگرچه ممکن است به زودی به لیست "Oldies اما Goodies" منتقل شود ، زیرا ما به خدمات ابری منتقل می شویم ، موضوع مورد علاقه کمیته های برنامه ریزی استراتژیک چگونه بهتر است خدمات ایمیل را به حوزه های انتخابیه مختلف یک موسسه ارائه دهیم. کدام داده ها برای تولید این بحث بیشتر مورد نیاز است؟داده های استفاده و هزینه فعلی گزینه های آشکار هستند ، اما روند صنعت و سایر پیش بینی ها نیز مفید هستند. مثال زیر نشان می دهد که چگونه این انواع داده ها می توانند موضوعاتی را برای بحث مطرح کنند. برای ساده سازی ، ما فقط روی داده های استفاده برای دانشجویان و دانشکده ها تمرکز خواهیم کرد (به جدول 1 مراجعه کنید).

جدول 1. داده های استفاده-ایمیل در هر ماه در طی یک دوره 5 ساله

اولین سؤالی که باید بپرسید این است که آیا این داده ها به خوبی تعریف شده اند یا خیر. به عنوان مثال ، آیا "سال" به یک سال تقویم یا یک سال تحصیلی اشاره دارد؟(در اینجا ، ما فرض خواهیم کرد که این یک سال تحصیلی است.) آیا "دانشجویان" دانشجویان تمام وقت ، پاره وقت ، مسکونی ، غیر مسکونی و آنلاین را شامل می شوند؟لیست چنین سؤالاتی ادامه دارد و یک تعریف کامل داده باید قبل از سؤال از آنها پاسخ دهد.

اکنون بیایید به جدول داده ها نگاه کنیم. ترسیم داده های جدول ، مانند شکل 5 ، نمای دیگری و اطلاعات بیشتری را ارائه می دهد. ما به وضوح می توانیم از جدول داده هایی که دانشجویان ارسال و دریافت می کنند تقریباً دو برابر تعداد ایمیل ها به عنوان دانشکده را ببینیم و تعداد ایمیل ها هر سال برای هر دو گروه به میزان قابل توجهی افزایش یافته است. آیا این چیزی است که انتظار داشتیم؟اگر چنین است (یا نه) ، چرا (یا چرا نه)؟در مورد رفتار ارتباطی دانشجویی و دانشکده چه می گوید؟علاوه بر این ، اگر بیشتر به جدول نگاه کنیم (یا به سادگی به طرح شکل 5 نگاه کنیم) ، می توانیم ببینیم که ایمیل های دانشجویی به نظر می رسد در حال پخش شدن هستند ، در حالی که ایمیل های دانشکده هنوز در حال رشد هستند ، اگرچه حتی این رشد کند است. این سؤالاتی راجع به آنچه اتفاق می افتد ایجاد می کند و آیا این روند را نشان می دهد که در آینده ادامه خواهد یافت یا حتی شتاب می یابد. اینها به وضوح موضوعاتی برای کشف بیشتر هستند ، شاید با جمع آوری داده های اضافی.

شکل 5. استفاده از ایمیل دانشجویی و دانشکده به مرور زمان

اگر داده های اضافی را جمع آوری کنیم - مثلاً پست های رسانه های اجتماعی - ممکن است توضیحی برای کاهش سرعت در ایمیل پیدا کنیم (شکل 6 را ببینید). در حقیقت ، طرح رسانه های اجتماعی برای اکثر دانشجویان از نمودار خارج خواهد شد! اضافه کردن داده ها در مورد پست های رسانه های اجتماعی می تواند مسئله مشترک آنچه را که برای ارتباطات دانشجویی و دانشکده در محوطه دانشگاه اتفاق می افتد حتی بیشتر از نگرانی (با توجه به اعتماد به نفس دانشکده به ایمیل!) ایجاد کند ، شاید یکی از آنها نیاز به یک نظرسنجی خاص داشته باشد. با فرض تغییر مطرح - این که دانشجویان به طور فزاینده ای از رسانه های اجتماعی به جای ایمیل استفاده می کنند - درست است ، آیا اعضای هیئت علمی متوجه این تغییر در عادات ارتباطی دانشجویان خود می شوند ("دانش آموزان حتی بیشتر ایمیل ها را از من نمی خوانند")؟آیا دانشکده ها باید علاوه بر ایمیل (یا به جای) از طریق ایمیل ، از رسانه های اجتماعی استفاده کنند؟استفاده فزاینده از رسانه های اجتماعی برای ارتباطات در محوطه دانشگاه برای بخش IT با توجه به اینکه هیچ ارتباطی با سیستم عامل های رسانه های اجتماعی که دانشجویان از آنها استفاده می کنند ، معنی ندارد؟همچنین ، این امر برای منابع و انواع افرادی که در صورت بروز مشکلات باید با آنها سر و کار داشته باشند چیست؟عوامل دیگر - مانند صداقت ، امنیت و در دسترس بودن ارتباطات - همه باید مورد بحث قرار گیرد.

شکل 6. مثال استفاده از ایمیل و رسانه های اجتماعی

همانطور که این مثال نشان می دهد ، ارائه داده های مربوط به وضعیت فعلی (تعداد ایمیل ها) توسط حوزه انتخابیه (دانشکده و دانشجویان) ، و عوامل مؤثر بر آینده (روندهای ایمیل در مقابل استفاده از رسانه های اجتماعی) می تواند منجر به بحث های استراتژیک مثمر ثمر در مورد مکان ارتباطات دانشگاه شودو آنچه برای پشتیبانی از آن باید انجام دهد. پر کردن ماتریس سازماندهی داده (شکل 7) همچنین برخی از داده های مفقود شده (به عنوان مثال اطلاعات مالی) را برجسته می کند که می تواند برای تجزیه و تحلیل بیشتر اضافه شود. این مثال ساده همچنین مقدار ارائه داده ها به اشکال مختلف را نشان می دهد - در اینجا ، یک جدول و طرح ، اما البته گزینه های بسیاری دیگر نیز وجود دارد.

© Jerrold M. Grochow / Creative Commons مجوز توسط SA-NC شکل 7. ماتریس سازماندهی داده های برنامه ریزی استراتژیک برای مثال ایمیل / رسانه های اجتماعی

استراتژی و برنامه ریزی سیستماتیک

برنامه های استراتژیک موفق IT ناشی از بحث در مورد طیف گسترده ای از موضوعات مربوط به ارائه آینده و استفاده از خدمات IT است. این بحث ها مبتنی بر درک کامل از وضعیت فعلی ، صنعت و روند فناوری و اطلاعات مرتبط است.

اطمینان از در دسترس بودن داده های مناسب برای کمیته برنامه ریزی استراتژیک برای این اهداف ، نیاز به یک رویکرد منظم برای شناسایی ، تعریف ، جمع آوری ، تجزیه و تحلیل ، سازماندهی و ارائه داده های برنامه ریزی استراتژیک دارد.