حافظه انسان پدیده‌ای حیرت‌انگیز اما در عین حال بسیار فریبنده است.

بر خلاف تصور معمول، حافظه ما چیزی شبیه به یک هارد دیسک کامل و بی‌نقص نیست.

نیمه عمر حافظه ما، بالاخص در مورد جزئیات خورد رویدادها، گفته‌های دقیق و ارقام خاص، به شکل حیرت‌آوری پایین است.

چیزهایی که دیروز با قطعیت کامل به یاد داشتیم، امروز مبهم می‌شوند، رنگ می‌بازند و جای خود را به رویدادهای جدیدتر، برداشت‌های تازه‌تر و حتی تعابیر تغییر یافته می‌دهند.

این ذات فراموش‌کار و در عین حال انعطاف‌پذیر حافظه ما، متاسفانه فضایی وسیع را برای تغییر روایت‌ها، دستکاری حقایق و حتی نادیده گرفتن تدریجی وعده‌ها و تعهدات ایجاد می‌کند.

در این هیاهوی معلومات و تغییر روایت‌ها و قصه‌ها، چگونه می‌توانیم به «حقیقت» دست یابیم؟ چگونه می‌توانیم از خود در برابر فراموشی‌های طبیعی یا تحریف‌های عمدی محافظت کنیم؟

جواب در قدرتی نهفته است که زیادتر اوقات نادیده گرفته می‌شود و کمتر به آن ارزش داده می‌شود: تحلیل دیتا در مرور زمان.

این ابزار قدرتمند، نه تنها به ما کمک می‌کند تا گذشته را به یاد آوریم، بلکه اجازه می‌دهد تا رویدادهای جاری در زندگی شخصی و محیط اطراف خود را به‌شکل دقیق‌تر درک و تحلیل کنیم.

حافظه انسان پدیده‌ای حیرت‌انگیز است، اما برخلاف تصور ما، بی‌نقص و ابدی نیست.

درست مثل عناصر رادیواکتیف که نیمه‌عمر دارند، یعنی مدت زمانی که طول می‌کشد تا نیمی از اتم‌هایشان فرو بپاشند، معلومات در ذهن ما نیز دارای یک «نیمه‌عمر» هستند.

این مفهوم نشان می‌دهد که معلومات به مرور زمان و به طور طبیعی، در معرض فراموشی قرار می‌گیرند.

این پروسه‌ی فراموشی، به‌خصوص برای جزئیات و معلوماتی که به طور فعال مرور نمی‌شوند، بسیار سریع اتفاق می‌افتد.

مطالعات روانشناسی نشان داده‌اند که ما بخش قابل توجهی از معلومات جدید را تنها در عرض چند ساعت یا چند روز از دست می‌دهیم، مگر اینکه آن‌ها را تکرار کرده یا به شکل عمیق‌تری پردازش کنیم.

بنابراین، وقتی چیزی را فراموش می‌کنیم، همیشه به این معنی نیست که مشکل خاصی وجود دارد؛ بلکه بخشی طبیعی از نحوه عملکرد ذهن ماست.

مغز دائماً در حال مرتب‌سازی و اولویت‌بندی معلومات است و دیتای را که فکر می‌کند کمتر مهم هستند، به تدریج از دسترس خارج می‌کند.

این «فراموشی فعال» به ذهن ما فضای ضروری را برای یادگیری و ذخیره معلومات جدید می‌دهد.

همانطور که نفت خام برای تبدیل شدن به سوختی قابل استفاده، راهی طولانی را در تصفیه‌خانه‌ها طی می‌کند، دیتا نیز برای رسیدن به بینش‌های ارزشمند، نیازمند ابزارهایی قدرتمند است.

در این میان، Power BI نقشی حیاتی ایفا می‌کند.

پاور بی‌آی (Power BI) به طور خاص، و ابزارهای جامعی چون مایکروسافت فبریک (Microsoft Fabric) به شکل گسترده‌تر، مسئولیت این «تصفیه» را بر عهده دارند.

این ابزارها، دیتا را از منابع مختلف استخراج می‌کنند. سپس آن را پاک‌کاری کرده (تا ناخالصی‌ها و خطاها از بین بروند)، تغییر شکل می‌دهند (تا برای تحلیل آماده شود).

در ادامه، دیتا را مدل‌سازی می‌کنند (برای ایجاد روابط منطقی بین دیتاها) و در نهایت با مصورسازی (Visualization)، آن را به شکلی قابل فهم و جذاب آماده‌ی استفاده می‌سازند.

این همان مراحل و پروسه‌های است که به دیتا «جان» می‌بخشد.

Power BI که در سال ۲۰۱۳ ابتدا به عنوان بخشی از اکسل معرفی شد، به سرعت پوتنشیل خود را نشان داد و از سال ۲۰۱۵ به عنوان یک محصول مستقل و قدرتمند توسعه یافت.

این ابزار، به مدیران و تصمیم‌گیران کمک می‌کند تا به دیتای‌شان حیاتی تازه بخشند.

با کمک Power BI، آن‌ها می‌توانند تصمیم‌گیری دیتامحور را در سازمان و کاروبارشان به شکلی واقعی و عملی پیاده‌سازی کنند و از حدس و گمان فاصله بگیرند.

در افغانستان اما، Power BI ابزاری نسبتاً جدیدی به حساب می‌آید.

برای استفاده مؤثر از Power BI در اساسی‌ترین سطح خود، به حداقل‌هایی نیاز دارید: آشنایی با دیتا (فهم چیستی و انواع آن)، سواد دیتا (توانایی درک، تحلیل و استفاده از دیتا).

همچنین، آشنایی پایه با دیتابیس‌ها و از همه مهم‌تر، توانایی خواندن و تفسیر چارت‌ها و گراف‌ها ضروری است.

در افغانستان، استفاده از این ابزار قدرتمند بیشتر در میان موسسات بین‌المللی و سازمان‌های تحقیقاتی خارجی رایج است.

با این حال، انتظار می‌رود با رشد آگاهی و نیاز به رقابت، استفاده از Power BI و دیگر ابزارهای تحلیل دیتا به زودی در کاروبارهای پیشرو داخلی نیز آغاز شود و آینده تصمیم‌گیری در کشور را متحول سازد.

داستان از روزگاری آغاز می‌شود که کارخانه‌ها با «شهود» و «تجربه» اداره می‌شدند. تا اینکه فردریک وینسلو تیلور، انجنیر میخانیک، وارد میدان شد.

او به دنبال مطلوب‌سازی بود، حتی در ساده‌ترین کارها.

حدود یک قرن پیش، تیلور در یک کارخانه، به جای فقط تکیه کردن بر شهود، حدس و گمان، شروع به اندازه‌گیری دقیق کرد.

او محاسبه کرد که هر کارگر در یک ساعت چند قطعه آهن بارگیری می‌کند، وزن قطعات را سنجید و حتی زمان استراحت را هم در نظر گرفت.

با این اعداد و شواهد عینی، تیلور متوجه شد که خستگی کارگران ناشی از روش‌های غیرمطلوب است.

او بر اساس این دیتا، روش‌های جدیدی پیشنهاد داد که باعث افزایش چشمگیر حاصلات و کاهش خستگی کارگران شد.

تیلور با این کار خود میراث ارزشمندی برای عصر امروز گذاشت.

کاری که تیلور کرد، بذرهای اولیه «تصمیم‌گیری دیتامحور» را کاشت.

او نشان داد که با اتکا به اندازه‌گیری‌ها، اعداد و شواهد، می‌توان به بهترین روش‌ها دست یافت.

امروز، در عصر دیتای عظیم، میراث تیلور بیش از همیشه ارزشمند است.

از بازاریابی و مارکتینگ گرفته تا طب، همه جا دیتا گپ اول را می‌زنند.

دیگر کمتر کسی فقط بر اساس «شهود» تصمیم می‌گیرد؛ چرا که ارقام و شواهد، چراغِ راه ما در دنیای پیچیده امروز هستند.

او در میان مدیران، یک تفاوت اساسی داشت.

در حالی که اغلب مدیرانِ دیگر بر اساس برداشت کلی و شهود خود تصمیم می‌گرفتند، شیوه او کاملاً متفاوت بود.

این مدیر، به جای اتکا به حس درونی خود یا فقط تجربیات خویش، به شواهد می‌دید؛ شواهدی که در ارقام خود را نشان می‌دادند.

او اعداد و ارقام را کنار هم می‌چید، نه فقط به صورت یکی‌یکی و مجرد، بلکه آن‌ها را در بستر زمان و در زمینه‌ی کلان‌تر تحلیل می‌کرد.

برای او، تصمیم‌گیری ابتدا بر اساس شواهد و ارقام بود. از شهود و برداشت شخصی‌اش، فقط در مواقعِ ضروری استفاده می‌کرد؛ نه همیشه.

این رویکرد، او را به یک تصمیم‌گیرنده «دیتامحور» تبدیل کرده بود. کسی که می‌دانست قدرت واقعی در درک دیتا و استفاده از آن‌ها برای تدوین و هدایت نقشه‌راه است.

روزی در دفتر، خبر «شکست» پیچید. هرکسی درباره‌ی این شکست چیزی می‌گفت.

همکار اول مبهم گفت: «شکست خوردیم.»

همکار دوم کمی واضح‌تر: «شکست خوردیم، چون در تعداد مشتریان افزایش نداشتیم.»

همکار سوم دقیق‌تر شد: «باید ۱۰٪ افزایش مشتری می‌داشتیم که نداشتیم. این یعنی شکست خوردیم.»

اما همکار چهارم با وضوح کامل گفت: «باید تا ۳۱اُم ماه جاری ۱۰٪ افزایش مشتری می‌داشتیم. حالا تاریخ ۲۹ است و فقط ۶٪ افزایش داریم. ۴٪ عقب استیم؛ این یعنی شکست خوردیم!»

جواب آخر، مثل یک نور روشن بود.

او دقیقاً می‌دانست هدف چیست، چقدر پیش رفته‌ایم و چقدر فاصله داریم.

این یعنی او یک شاخص کلیدی عملکرد «KPI» داشت: یک معیار روشن و قابل اندازه‌گیری که مسیر را نشان می‌دهد.

تفاوت بین یک شکست مبهم و یک شکست قابل مدیریت، همین «KPI» است.