چرخ‌های کوچکی که سریع‌تر می‌چرخند

  آیا شرکتی مانند بویینگ، که به قدرت مهندسی خود شهرت دارد، در مساله استفاده از قدرت تحلیل دیجیتالی با چالش مواجه خواهد شد؟ تا حدودی بله. شرکتی پر از مهندس، ریاضیدان، دانشمند و متخصص آمار وجود دارد که به دستاوردهای بزرگ دست می‌یابد و تحلیل داده رشته جدیدی برای این شرکت به‌ حساب نمی‌آید. زمانی که برای اولین بار بر اهمیت این موضوع تاکید کردم حدود 800 نیروی کار داشتیم که دانشمند علوم داده تلقی می‌شدند. آن آغاز بزرگ بود. ولی وقتی سوال کردیم که چگونه تصمیم‌ها بر اساس داده‌ها اتخاذ می‌شوند و اینکه آیا از این دانش برای پیشبرد سازندگی و تقویت شرکت استفاده می‌کنیم یا خیر، به‌ سرعت دریافتیم که کارهای زیادی باید انجام دهیم. برای مثال می‌توانستیم برای یک دهه از توانایی‌های علوم داده در راستای بهبود تصمیمات استفاده کنیم. اما در چنین شرایطی نمی‌توانستیم از کف کارخانه‌ها داده جمع‌آوری کنیم و به نحوه عملکرد سامانه تولید بویینگ پی ببریم. زمانی که تحت فشار قرار داشتیم تا تولید را افزایش دهیم از کارخانه بویینگ در اورت (Everett) بازدید کردم. می‌خواستم سازوکار کارخانه‌ها را بهتر بشناسم. به‌ طور منطقی به من گفته شده بود فرایندهای ثبت‌شده در راهنمای کارخانه مورد استفاده قرار می‌گیرد و تنها کاری که نیاز است ورود به سامانه برای کسب مجوز است. در این راستا تلاش بیشتری به ‌عمل آوردیم تا بیشتر مسائل کف کارخانه را بشناسیم، نظیر مکانیک‌هایی که یک‌چهارم زمان خود را صرف شناسایی قطعات، برنامه‌ها و ابزار برای آغاز کارشان می‌کردند. ابتدا افراد بسیاری به من گفتند که هیچ مساله جدیدی در نظرات من مبنی بر تحلیل داده وجود ندارد. پاسخ معمول این بود که «هم‌اکنون نیز همین کار را می‌کنیم». تنها زمانی که در چنین نقاطی به اشکالات و نواقص اشاره می‌کنیم دیگران متوجه منظور ما می‌شوند - مثلاً زمانی که تحت فشار هستند تا حاشیه سرمایه را افزایش...