ثروت آفرینی با بیگ‌دیتا

ثروت آفرینی با بیگ‌دیتا

ارجمندی معتقد است که دانش به معنایی که در مایکروسافت یا گوگل و اپل کاربرد و کارکرد دارد، در اکوسیستم ایران دیده نمی‌شود و بچه‌های ایرانی اغلب کپی‌کار محصولات خارجی شده‌اند و کمتر اعتماد‌به‌نفس خلق ارزشی منحصربه‌فرد را دارند. اهمیت بیگ‌دیتا، هوش مصنوعی، ضعف استفاده از این تکنولوژی در ایران، چرایی عدم کارایی داده‌ها در ایران و… از دیگر مباحثی بوده که با مدیرعامل میراث مطرح کردیم و در ادامه می‌خوانید. این آدم‌ها به ما کمک کردند که به توسعه فناوری سروشکل بدهیم و بدانیم که از چه فرایندهایی باید استفاده کنیم و در دنیا چه استانداردهایی وجود دارد. وقتی به این مسئله نگاه می‌کنیم و مقایسه می‌کنیم با یک شرکت کوچکی که تیم فنی آن دو جوان ۲۶، ۲۷ساله هستند و در اتاقی کوچکی در منطقه تجریش، ۴پتنت در زمینه بیگ‌دیتا منتشر می‌کنند، آن وقت بیشتر متوجه می‌شویم که حجم کاری که در اینجا انجام شده، چقدر است و چه ارزشی دارد. بنابراین این پتنت‌ها را ثبت کردیم و نشان دادیم که ایده‌های‌مان در زمینه فناوری بیگ‌دیتا یونیک بوده است و به‌عنوان یک حوزه نوین، حرف برای گفتن دارد. ما از این بستر برای ساخت یک سیستم ذخیره‌سازی اطلاعاتی استفاده کردیم که بتواند به سرعت داده‌ها را ذخیره کند و بعد بتواند روی آنها الگوریتم‌های هوش مصنوعی را اجرا کند. ما چیزی شبیه MPI نوشتیم با این تفاوت که وقتی شما با مدل MPI کار می‌کنید، فقط یک مدل پیش‌بینی را می‌توانید پیاده‌سازی کنید، ولی با سیستمی که ما ساختیم، یک بار سیستم ذخیره‌سازی اطلاعات نصب می‌شود و به هر تعدادی که بخواهید، می‌توان روی آن الگوریتم نوشت. وقتی قرار است این اطلاعات ذخیره‌سازی شوند، باید با سرعت خیلی زیاد پردازش‌شان کرد. ما در آنجا جذب سرمایه داشتیم و شرکت را ثبت کردیم اما بعد از مدتی با بررسی‌هایی که انجام دادیم، متوجه شدیم که اجراکردن کار در آنجا، با یکی از اصولی که در بیزینس‌مدل‌مان دیده بودیم، متفاوت بود. هدف ما این بود که بچه‌های باهوشی که در ایران هستند، از طریق شرکتی که ما ساخته‌ بودیم، ایده‌های‌شان را به آنجا بیاورند و پیاده‌سازی کنند؛ یعنی شرکت ما پلتفرمی باشد که بچه‌های ایرانی بتوانند روی آن و در سطح جهانی کار کنند. ما خیلی تخصصی وارد بخشی از زنجیره ارزش تحلیل داده شدیم و آن را بهبود دادیم اما در اطراف چنین چیزی، در دنیا چیزهای زیاد دیگری هم وجود دارد که موجب می‌شود از این قسمت بتوانیم استفاده کنیم. کاری که ما می‌کردیم این بود که این فرایند تحلیل را برای آنها خیلی سریع‌تر کرده بودیم و این برای‌شان ارزش زیادی داشت چون جنس مدت زمان کمتری در انبارشان می‌ماند و ‌‌زودتر به بازار فروش می‌رفت. اما در ایران خودرو چنین زنجیره‌ای وجود نداشت که قطعه‌ ساخته‌شده را به صورت داده‌محور بتوانیم آنالیز کنیم و داده‌هایش را جمع‌آوری و بعد رویش تحلیل انجام بدهیم که کیفیت آن مشخص شود. در واقع با اینکه قرار بود کار شرکت ما ارائه دیتاتکنولوژی باشد، اما بعدا فهمیدیم که وارد حوزه‌های زیادی باید بشویم و مثلا خودمان سرویس‌های خاصی یا محصولات ویژه‌ و راه‌حل‌هایی هم باید ارائه کنیم برای اینکه زنده بمانیم. اطلاعات این سیستم به صورت رمزشده است و یک کتاب چندصدصفحه‌ای در این زمینه وجود دارد که برای فهمیدن سازوکار این سیستم باید خواند. تفاوتش این است که اگر قرار بود از تکنولوژی پایگاه داده برای ذخیره‌کردن این اطلاعات استفاده کنند، باید برای این پیام‌ها ساختاری می‌ساختند. اما نکته این است که این بی‌نظمی که در ابتدای کار در ذخیره‌سازی اطلاعات دارید، منجر به دسترسی سخت به این داده‌ها نمی‌شود، بلکه خیلی ساده می‌شود. دلیلش هم این بود که اساسا تحلیل داده در کسب‌وکارهایی که ما با آنها سروکار‌ داشتیم، جایگاهی در ساختار کسب‌وکارشان ندارد، چون در بازار ایران رقابت به معنای واقعی وجود ندارد که کسب‌وکارها برای به دست آوردن مشتریان بیشتر، خود را نیازمند ‌تحلیل داده و بررسی رفتار و اعمال مشتری بدانند. اما سازمان‌ها می‌ترسند که در این زمینه کم خرج کنند، چون فکر می‌کنند که اگر برای تبلیغات کم خرج کنند، شکست می‌خورند. تمرکز زیادی روی بازار ایران نداریم و بیشتر با شرکت‌های خارجی کار می‌کنیم، اما در ایران با شرکت‌هایی چون ماهان، مپنا، بانک ملت و… که به اندازه کافی داده داشتند، وارد همکاری شدیم. اما چون در بازار ایران، تکنولوژی به معنای واقعی وجود ندارد، مجبور شدیم به حوزه محصول بیاییم. در حالی که کار میراث این است که مثلا یک الگوریتم ریاضی یا یک روش خاص برای برنامه‌نویسی ارائه می‌کند که تمامیت یک محصول حور محور همین تکنولوژی یعنی الگوریتم یا متد برنامه‌نویسی ساخته می‌شود. همان‌طور که اشاره کردم، ما در ایران با شرکت‌هایی که داده زیادی داشتند، همکاری می‌کردیم اما بعد از مدتی متوجه شدیم که دائما در حال ساخت تکنولوژی هستیم اما فروختن‌شان برای‌مان دشوار شده بود، چون در بازار ایران مشتریان زیادی برای خرید تکنولوژی وجود ندارد. مقاله‌ای هم در این زمینه منتشر کردیم و الان تیم‌هایی در دانشگاه‌های معتبر مانند هاروارد از سیستم ما برای تحلیل زبان فارسی استفاده می‌کنند، چون در حوزه زبان فارسی، ما در خیلی جهات از گوگل جلوتریم. در واقع کاری که مینیاتور انجام می‌دهد، این است که ذره‌ذره روی داده‌ها کار می‌کند و به مخاطب و کاربر این امکان را می‌‌دهد که یک بیگ‌پیکچر یا تصویر بزرگ از ‌نتیجه بررسی این ذره‌ها در اختیار داشته باشد. محصول دیگری را هم در حوزه فناوری‌های فین‌تک وارد بازار کردیم که در زمینه تحلیل اطلاعات بورس‌های دنیاست و یک محصول کاملا جهانی محسوب می‌شود. الان در فضای اکوسیستم استارتاپی ایران و حتی در حوزه‌های دولتی و شرکت‌های سنتی، اصطلاح بیگ‌دیتا زیاد به کار می‌رود و حتی مسئولان و بنیانگذاران کسب‌وکارها در مورد استفاده از این تکنولوژی حرف می‌زنند. اما می‌‌خواهم شما به‌عنوان کسی که به صورت تخصصی در این حوزه کار کرده‌اید، بگویید که اصولا در ایران چقدر این مفهوم در معنای درست خودش به کار می‌رود و چقدر ظرفیت و زیرساخت برای استفاده درست از آن را داریم؟ اتفاقی که معمولا در ایران روی چند ترند مختلف می‌افتد و من در مورد بلاکچین، وب، سیستم‌های انبارداری و حسابداری و الان روی بیگ‌دیتا دیده‌ام، این است که محصولی مانند ERP را که مثلا شرکت SAP یا اوراکل می‌دهد و در بازار خارجی در حال فروش است، ایرانی‌ها فکر می‌کنند در بازار ایران هم همان نتیجه را خواهد داد. یکی از همین شرکت‌های بزرگی که در ایران در حال فعالیت است، چندین سال پیش، ۷۰میلیارد تومان برای پیاده‌سازی ERP بودجه اختصاص دادند و حتی لایسنس ERP شرکت SAP را خریداری کردند. الان چنین نرم‌افزاری در بعضی از شرکت‌های ایرانی در حال فعالیت است اما نه به شکل و شیوه‌ای که برای آن طراحی شده است. مهم‌ترین دلیلش هم این است که آن نرم‌افزار براساس یک فرهنگ ساخته شده که مثلا بررسی کند که کارگر خط تولید طی چه فرایندی ارتقا‌ پیدا کند یا مسئولیت‌های جدید به او محول شود؛ یعنی یک تیم جداگانه این نرم‌افزار را مانیتور می‌کنند، اما در ایران به جای اینکه به بخش انسانی و کسب‌وکار و فرایند آن نگاه شود، بیشترین تمرکز روی بخش تکنولوژی است. برای بخش انسانی و بررسی بازار و… باید آدم‌های خبره از خارج از ایران می‌آوردیم که این کارها را انجام بدهند چون خودمان دانشش را نداریم. در واقع ما در خیلی از زمینه‌ها به این مسئله دچاریم، چون مثلا ساختن کسب‌وکار و چینش چارچوب کسب‌وکارهای بزرگ، دانشی است که ما نداریم و باید از مربی خارجی استفاده کنیم. شما الان به هر کدام از بانک‌های ایران که سر بزنید، در بولتن‌های خبری و وب‌سایت‌های‌شان صدها مقاله در مورد بیگ‌دیتا می‌بینید که به دست مدیر و رئیس بانک رسیده است، اما وقتی بیزینس‌مدل بانک را بررسی می‌کنید، اثری از استفاده‌کردن از بیگ‌دیتا نمی‌بینید یا درصد بسیار اندکی استفاده شده است. اگر فرد متخصصی این روند را بررسی می‌کند، قطعا می‌گوید که فرایند‌هایی که در ایران وجود دارد، اصلا اجازه استفاده از بیگ‌دیتا را به شما نمی‌دهد. اصلا کسی وجود نداشت که براساس این پیش‌بینی بخواهد تصمیم کلانی در سطح سازمان اتخاذ کند؛ یعنی جایگاهی برای چنین شخصی در ساختار شرکت‌ها و سازمان‌ها در نظر گرفته نشده است. از طرفی در بازار ایران هم رقابت آنچنانی وجود ندارد که شرکت‌ها بخواهند با استفاده از تحلیل داده برای بهبود فرایندها تلاش کنند. البته الان هم در شرکت‌های بزرگ اکوسیستم استارتاپی مانند دیجی‌کالا و اسنپ از تکنولوژی‌ بیگ‌دیتا استفاده می‌کنند اما این کار را به شیوه درستی انجام نمی‌دهند. تکنولوژی بیگ‌دیتا چه امکان و چه توانایی را برای شرکت‌ها فراهم می‌کند که به نظرتان الان این امکان و این توانایی در شرکت‌های ایرانی یا وجود ندارد یا کمرنگ است؟ تکنولوژی بیگ‌دیتا به افراد این امکان را می‌دهد که بدون اینکه برای ساختار اطلاعات پیش‌فرضی قرار دهید، خیلی زود به منابع داده‌ای مختلف وصل بشوید. (Datalake) در مرحله بعد، افرادی که به آنها دانشمند داده گفته می‌شود، این داده‌ها را تحلیل می‌کنند و این‌سایت‌ها (insight) یا بینش‌هایی را استخراج می‌کنند که در زمینه‌های مختلف ارزش ایجاد می‌کنند؛ از توسعه محصول و تولید محصول گرفته تا شیوه اتخاذ استراتژی برای گرفتن سهم بازار بیشتر، برای انبارداری، حتی برای ارتقای میزان رضایت کارکنان در بخش‌های مختلف شرکت و ده‌ها مورد دیگر که حاصل استفاده از تحلیل داده‌ها و استخراج بینش است. همان‌طور که در شرکت‌ها دپارتمان مالی و حقوقی و فنی وجود دارد که کار هر کدام، روی کلیت سازمان تاثیرگذار است، بحث بیگ‌دیتا و تحلیل داده هم از همین جنس است. ضمن اینکه هوش مصنوعی از ۱۹۸۴ توسط مهندسان برق اختراع شده بود و تکنولوژی جدیدی نبود اما جمع‌آوری داده به‌وسیله فناوری‌های بیگ‌دیتا و افزایش توان سخت‌افزاری، موجب شد که حجم پردازش‌ها بالاتر برود تا هوش مصنوعی بتواند با قدرت بیشتری تحلیل داده انجام بدهد؛ قدرتی که مدل‌های آماری نداشتند. به عنوان مثال اگر الگوریتم پیشنهاد به کاربر در دیجی‌کالا خاموش شود، اتفاق خاصی برای این شرکت رخ نمی‌دهد اما اگر انبارش دچار مسئله شود، حیاتش تهدید می‌شود. فقط این الگوریتم در یک شرکت، به دلار امروز و با همان قیمت سال‌۲۰۱۴ که قطعا الان چند برابر شده است، بیش از ۱۲هزار میلیارد تومان به پول ایران ارزش دارد. باید افراد متخصصی این کار را بکنند که براساس مدل ریاضی که پشت این اطلاعات وجود دارد، تشخیص بدهند که چه تعاملی باید بین این داده‌ها وجود داشته باشد که کارایی لازم را داشته باشد و مثلا بهترین پیشنهاد را به مشتریان بدهد. الان وضعیت در ایران به این صورت است که حتی شرکت‌های پیشرفته از ابزارها و تکنولوژی استفاده می‌کنند اما این ابزارها ارزش لازم را ایجاد نمی‌کنند؛ یعنی اگر الگوریتم پیشنهاد به کاربر در دیجی‌کالا خاموش شود، اتفاق خاصی برای این شرکت رخ نمی‌دهد اما اگر انبارش دچار مسئله شود، حیاتش تهدید می‌شود. بین حرف‌هایتان چندین‌بار به نبود دانش استفاده از داده و بیگ‌داده در ایران اشاره کردید؛ الان ما سازمان‌ها و نهادهای عریض و طویل و زیان‌دهی در ایران داریم که داده‌های زیادی در آنها انباشته شده است. در سوی دیگر داستان بسیاری از استارتاپ‌ها معتقدند که چون طی چندین سال، داده‌های کاربران را جمع‌آوری کرده‌اند، به فکر استفاده از این داده‌ها هستند و روی درآمدزایی از این حوزه حساب ویژه‌ای باز کرده‌اند. آیا صرف داشتن داده و داده‌های کاربران، می‌تواند زمینه راه‌اندازی یک استارتاپ باشد یا استارتاپ‌ها را به درآمدزایی از این حوزه امیدوار کند؟ شما چند بار بین حرف‌هایتان چنین چیزی را رد کردید. مثلا ما براساس تحلیل‌های بورسی محصول تولید کردیم و چنین داده‌هایی به صورت آنلاین وجود دارد و مشتریانی از سراسر دنیا به آن دسترسی دارند. به نظر من نگاه جهانی در بچه‌های ایرانی وجود دارد اما مسئله بزرگ‌تر، بحث کپی‌پیست است. شاید حرفم کمی تند باشد اما این یک واقعیت است که اگر بسیاری از مدیران استارتاپی ایران برای استخدام به شرکت‌هایی مانند همراه اول و ایرانسل بروند، رد می‌شوند چون تخصص ندارند. شاید حرفم کمی تند باشد اما این یک واقعیت است که اگر بسیاری از مدیران استارتاپی ایران برای استخدام به شرکت‌هایی مانند همراه اول و ایرانسل بروند، رد می‌شوند چون تخصص ندارند. اگر بچه‌ها به سمت داشتن تخصص بروند و بعد چهار پنج نفر از این متخصص‌ها در کنار هم روی یک پروژه کار کنند، بدون شک محصولی را می‌سازند که در کل دنیا قابل استفاده است. در ایران بحث دانش‌بنیان را پیش کشیده‌اند که فرایند علمی ایجاد شود اما مکانیسمی که این کار را می‌کند، به دلایل مختلف غلط است و آدم‌هایی هم که پشت این مکانیسم هستند، دانش لازم را ندارند. می‌خواهم به این سوال پاسخ بدهید که دانش و تجربه و دیدگاه فریدون کورنگی به‌عنوان کسی که تجربه خارج از کشور را دارد، چقدر در موفقیت استارتاپی مانند میراث تاثیرگذار بوده؟ چون گفتید که داشتید از ایران می‌رفتید اما با مپس آشنا شدید و به خاطر دیدگاه‌های آقای کورنگی، در ایران ماندید. در مورد شکست شتاب‌دهنده‌ها، موضوع این است که بحث شتاب‌دهی نه‌تنها در ایران بلکه در همه جای دنیا شکست خورد و تنها دو سه نمونه مانند وای‌کامبینیتور موفق عمل کرده‌اند. از طرفی همه می‌گفتند که چرا مپس سهام زیادی یعنی تا ۶۰درصد را از استارتاپ‌ها می‌گیرد و این فشار هم وجود داشت، اما ما در مپس ماندیم و ادامه دادیم و توانستیم کار را پیش ببریم. از طرفی همه می‌گفتند که چرا مپس سهام زیادی یعنی تا ۶۰درصد را از استارتاپ‌ها می‌گیرد و این فشار هم وجود داشت، اما ما در مپس ماندیم و ادامه دادیم و توانستیم کار را پیش ببریم.

متن کامل خبر در سایت هفته نامه شنبه

    منبع خبر

    هفته نامه شنبه

    هفته نامه شنبه

    هفته نامه شنبه یک رسانه در شهر تهران می باشد

    نظرات