من البيانات إلى القرار: كيف تبني مؤسسة تتخذ قراراتها بالأدلة لا بالحدس وحده

قد تواجه الإدارة قراراً لا توجد له إجابة جاهزة: هل نتوسع في سوق جديد؟ هل نوقف منتجاً؟ هل نعيد توزيع الموارد؟ في مثل هذه القرارات يكون الحدس مفيداً، لكنه لا يكفي وحده. والبيانات كذلك لا تكفي وحدها؛ قيمتها تبدأ عندما ترتبط بسؤال إداري واضح، وتُفهم حدودها، ثم تدخل في عملية قرار يمكن تفسيرها ومراجعتها.

الحدس سريع، لكنه ليس محايداً

يشرح دانيال كانيمان في Thinking, Fast and Slow التمييز بين نمط سريع وتلقائي من التفكير (System 1) ونمط أبطأ وأكثر تعمداً وتحليلاً (System 2). هذا الإطار لا يعني أن التفكير السريع سيئ؛ فالخبرة المهنية قد تجعل الحدس مفيداً في مواقف كثيرة. لكنه يذكّر القائد بأن الثقة في الانطباع لا تساوي بالضرورة جودة الدليل، وأن القرارات المهمة تستحق فحص الافتراضات والبدائل والبيانات المتاحة.

لذلك فالمؤسسة القائمة على البيانات ليست مؤسسة تستبدل المدير بلوحة مؤشرات، بل مؤسسة تجعل الادعاء الإداري قابلاً للاختبار: ما الذي نعتقد أنه يحدث؟ ما الدليل؟ ما الذي قد ينقض تفسيرنا؟ وما القرار الذي سيتغير إذا تغيرت البيانات؟

الفرق بين امتلاك البيانات واستخدامها في القرار

قد تمتلك المؤسسة عشرات الأنظمة والتقارير، ومع ذلك تظل قراراتها غير مبنية على البيانات. الفارق الحقيقي ليس في حجم المستودع، بل في ربط التحليل بقرارات محددة ومسؤوليات واضحة.

قدّم توماس داونبورت وجيان هاريس في Competing on Analytics التحليلات بوصفها قدرة تنافسية وليست مجرد وظيفة تقارير. وتوضح مواد Harvard Business Review المرتبطة بالكتاب أن التحليلات تتجاوز وصف ما حدث إلى التنبؤ بما قد يحدث، ثم استخدام النماذج لتحسين الخيارات والعمليات.

عملياً، يمكن ترتيب أسئلة التحليل على أربع درجات مفيدة للإدارة:

1. وصفي: ماذا حدث؟
2. تشخيصي: لماذا حدث؟
3. تنبؤي: ما الذي يُرجح أن يحدث؟
4. توجيهي/Prescriptive: ما الخيار الأفضل في ضوء الأهداف والقيود؟

ليست القيمة في الوصول دائماً إلى الدرجة الرابعة؛ القيمة في استخدام المستوى الذي يناسب القرار بدلاً من تقديم تحليل أعقد من الحاجة أو أبسط منها.

من البيانات إلى الحكمة: تصحيح شائع حول Ackoff

يرتبط اسم Russell L. Ackoff بمقاله From Data to Wisdom المنشور عام 1989. الصياغة الأصلية التي عرضها Ackoff لم تكن هرماً من أربع طبقات فقط؛ بل وضع تسلسلاً من البيانات، المعلومات، المعرفة، الفهم، ثم الحكمة.

هذا التفصيل مهم تنفيذياً. فالبيانات لا تتحول إلى قرار لمجرد تجميعها. نحتاج أولاً إلى معنى وسياق، ثم معرفة بالعلاقات، ثم فهم يفسر لماذا تحدث الأشياء، وأخيراً حكمة تربط الفهم بالاختيار والمسؤولية. لذلك فإن اختصار السلسلة إلى رسوم جميلة لا يعوّض غياب الفهم المؤسسي.

هل يرتبط القرار المبني على البيانات بالأداء؟

في دراسة لـ Erik Brynjolfsson وLorin Hitt وHeekyung Kim على 179 شركة عامة كبيرة، ارتبط تبني ممارسات اتخاذ القرار المبني على البيانات بمستويات من الإنتاج والإنتاجية أعلى بنحو 5–6% مما كان متوقعاً في ضوء الاستثمارات الأخرى واستخدام تقنية المعلومات. استخدمت الدراسة أساليب اقتصادية لفحص تفسيرات بديلة، لكنها تظل دليلاً بحثياً على الارتباط ولا تعني أن شراء أدوات التحليل وحده سيخلق هذه الزيادة تلقائياً.

الرسالة الإدارية أدق من شعار "البيانات تصنع النجاح": القيمة تظهر عندما تتكامل البيانات مع العمليات والمهارات وحقوق القرار والمتابعة.

نموذج تنفيذي من خمس خطوات

1. ابدأ بالقرار لا بالبيانات

حدّد القرار المطلوب، ومن يملكه، ومتى يجب اتخاذه. السؤال الجيد يسبق لوحة المؤشرات الجيدة.

2. عرّف الدليل المقبول

ما البيانات المطلوبة؟ ما مصدرها؟ ما حداثتها؟ وما نسبة الخطأ أو النقص التي يمكن تحملها؟ لا توجد "بيانات موثوقة" بصورة مطلقة؛ توجد بيانات مناسبة أو غير مناسبة لغرض محدد.

3. اختر التحليل المناسب

لا تستخدم نموذجاً تنبؤياً عندما يكفي تحليل وصفي، ولا تكتفِ بمتوسط عام عندما يكون القرار حساساً لفروق الشرائح أو الفترات.

4. افصل بين الإشارة والتفسير

قد يظهر ارتباط قوي بين متغيرين دون علاقة سببية. وقد تكون العينة غير ممثلة، أو القياس منحازاً، أو الفترة الاستثنائية هي التي صنعت النتيجة. اسأل دائماً: ما التفسير البديل؟

5. أغلق حلقة التعلم

بعد القرار، سجّل الفرضية والنتيجة المتوقعة ومؤشر النجاح، ثم ارجع بعد فترة محددة: ماذا حدث فعلاً؟ وما الذي نتعلمه للقرار التالي؟ هنا تتحول المؤسسة من "استخدام البيانات" إلى التعلم بالبيانات.

أربعة أخطاء تجعل الأرقام تبدو أذكى مما هي عليه

• تحيز التأكيد: نبحث عن الأرقام التي تؤيد رأينا ونهمل ما يعارضه.
• تحيز الاختيار: نستنتج من عينة لا تمثل الواقع الذي نريد القرار بشأنه.
• رداءة القياس: مؤشر سهل القياس يحل محل الظاهرة المهمة فعلاً.
• الخلط بين الارتباط والسببية: نرى علاقة رقمية فنفترض أن أحد المتغيرين سبّب الآخر.

ولهذا فإن عبارة "البيانات لا تكذب" غير دقيقة. البيانات قد تكون صحيحة، لكن تعريفها وجمعها وتنظيفها وتحليلها وتفسيرها كلها عمليات بشرية قابلة للخطأ.

أسئلة سريعة للقائد قبل اعتماد قرار "مبني على البيانات"

• ما القرار الذي ستغيّره هذه البيانات تحديداً؟
• هل مصدر البيانات معروف وجودتها كافية لهذا القرار؟
• ما الفرضية البديلة التي قد تفسر النتيجة نفسها؟
• هل نعرض عدم اليقين، أم نعرض رقماً واحداً يوحي بيقين زائف؟
• من يملك القرار ومن سيقيس أثره بعد التنفيذ؟

الخلاصة

المؤسسة القائمة على البيانات ليست الأكثر امتلاكاً للأرقام، بل الأكثر انضباطاً في الانتقال من السؤال → الدليل → التحليل → القرار → التعلم.

الحدس يبقى جزءاً من القيادة، لكنه يصبح أكثر قيمة عندما يعرف القائد متى يثق به، ومتى يختبره، ومتى يغيّر رأيه أمام دليل أقوى. والبيانات تبقى أداة؛ قوتها الحقيقية تظهر عندما تدخل في نظام قرار واضح، لا عندما تتحول إلى تقارير أكثر.

المراجع

1. Daniel Kahneman. Thinking, Fast and Slow. Farrar, Straus and Giroux, 2011.
2. Thomas H. Davenport & Jeanne G. Harris. Competing on Analytics: The New Science of Winning. Harvard Business School Press, 2007.
3. Russell L. Ackoff. “From Data to Wisdom.” Journal of Applied Systems Analysis, 16, 3–9, 1989.
4. Erik Brynjolfsson, Lorin M. Hitt & Heekyung Hellen Kim. “Strength in Numbers: How Does Data-Driven Decisionmaking Affect Firm Performance?” SSRN, 2011. DOI: 10.2139/ssrn.1819486.