لماذا تفشل التحول الرقمي: إنه مشكلة ذكاء عملياتي، وليس مشكلة تكنولوجية

كل برنامج للتحول يبدأ بخريطة عملية، مخططات مسارات السباحة، سير عمل موثق، واعتقاد مشترك بأن المنظمة تفهم كيف يتحرك عملها الخاص.

هذا الاعتقاد يكون غالبًا خاطئًا، وتكلفة اكتشافه أثناء الانتقال نادرًا ما تكون صغيرة. اسأل TSB.

في أبريل 2018، نقلت TSB 1.3 مليار سجل عملاء من منصة لوردز القديمة إلى نظام جديد بناه والدها الإسباني، ساباديل. خلال 48 ساعة، تم حظر 1.9 مليون عميل من الوصول إلى حساباتهم.

المزيدمن القصص

                                    في دفاع حذر عن Air Peace

9 مايو، 2026

                                    إصلاح المشكلة الحقيقية في نظام إعادة تدوير شرائح الاتصال في نيجيريا

7 مايو، 2026

عملاء الرهن العقاري قد يرون أرصدة أشخاص آخرين. حسابات الأعمال كانت غير متاحة لأسابيع.

تجاوزت التكلفة 330 مليون جنيه إسترليني. استقال المدير التنفيذي. أظهر مراجعة لاحقة أن عملية الانتقال تمت دون فهم كافٍ للتداخلات بين عمليات TSB الحالية وهندسة النظام الجديد. التقنية عملت، لكن لم يكن أحد قد رسم خريطة لما كان من المفترض أن تحمله. المشكلة لها اسم، وهو أدق مما تدرك معظم المؤسسات.

ما هو الذكاء التشغيلي؟

الذكاء التشغيلي يستمد صورة دقيقة من البيانات حول كيفية تحرك العمل فعليًا عبر العمليات، الأنظمة، القرارات، والأشخاص، من الأنظمة الموجودة بالفعل. يجيب على أسئلة لا يمكن لمقابلة أو ورشة عمل مع أصحاب المصلحة أن تجيب عليها بشكل موثوق: ما هي المسارات التي يتخذها العمل فعليًا؟ أين تتراكم التأخيرات، ولماذا؟ ما هي القرارات التي تُتخذ، في أي نقاط، من قبل من، وبأي اتساق؟ بدون ذلك، يحدث ثلاثة أشياء بشكل موثوق. تقوم الفرق بأتمتة سير عمل غير معرف. تقوم برقمنة الاختناقات. توسع الكفاءات غير الفعالة عبر المنصات.

طبقة البيانات

المادة الخام للذكاء التشغيلي هي بيانات الأحداث. كل نظام مؤسسي: ERP، CRM، إدارة الحالات، إدارة الطلبات يكتب سجلات الأحداث. كل تغيير حالة، محفز موافقة، وتحديث سجل يترك طابعًا زمنيًا. تلك الطوابع الزمنية، المرتبطة بمعرف الحالة، تحتوي على سجل كامل للسلوك التشغيلي الفعلي. البيانات موجودة بالفعل في الأنظمة التي تديرها المؤسسات. ما غالبًا لا يوجد هو ممارسة التعامل معها كمُدخل أساسي لاستراتيجية التحول بدلاً من أن تكون نتاجًا للامتثال.

من سجل أحداث نظيف، تقوم أدوات تعدين العمليات مثل Celonis، UiPath Process Mining، وSAP Signavio بإعادة بناء مسارات العمليات الفعلية، وتظهر أين تتراكم التأخيرات، وتقارن السلوك الحقيقي بالنماذج الموثقة. الفجوة بين ما يظهره خريطة العملية وما يظهره سجل الأحداث نادرًا ما تكون تافهة. الموافقات التي تبدو تلقائية في مخطط يمكن أن تتطلب ثلاث سلاسل بريد إلكتروني وورقة بيانات لم يصرح بها رسميًا أحد. عندما طبقت DHL تعدين العمليات على عمليات التخليص الجمركي، لم تجد الاختناقات التي توقعها مديروها. كانت معظم التأخيرات ليست في وقت المعالجة، بل في تأخير القرارات، الفجوة بين وصول الحالة إلى نقطة قرار واتخاذ القرار فعليًا.

هذا التمييز مهم. تركز معظم برامج التحول على رؤية العمليات: أين الأمور في الخط. رؤية القرارات تتعدى ذلك. نقطة القرار هي حيث يتفرع سير العمل، وتُظهر إضافة سمات الحالة على تلك الفروع العوامل التي تحكم اختيار المسار وما إذا كانت تلك الحوكمة متسقة عبر الفرق ومع مرور الوقت. يخبرك أي مسارات استثنائية تستهلك قدرة غير متناسبة وكيف يتصرف سير العمل فعليًا مقابل ما افترضه مهندسو العمليات.

الذكاء التشغيلي والاستعداد للذكاء الاصطناعي

هنا تكون المخاطر في أعلى مستوياتها، حيث يتسبب سوء الترتيب في أكبر قدر من الضرر. نموذج التعلم الآلي المدرب على أتمتة قرارات التوجيه سيؤدي أداءً جيدًا إذا كانت بيانات التدريب تعكس بدقة منطق القرار الذي يجب أن يحكم تلك القرارات. التركيز على “يجب”.

في معظم المؤسسات، لا تعكس بيانات القرارات التاريخية المنطق المقصود. إنها تعكس قواعد رسمية مختلطة مع حلول مؤقتة غير رسمية، وتقديرات فردية، واستثناءات تُعالج خارج النظام ولم تُسجل أبدًا. يتعلم النموذج المدرب على تلك البيانات نسخة فاسدة من المنطق المقصود، وليس القواعد، بل متوسط ما فعله الناس فعليًا، بما في ذلك كل اختصار ومسار تصعيد غير موثق. عند نشره على نطاق واسع، يعيد إنتاج تلك الأنماط بسرعة الآلة: بثقة، وبشكل متكرر، وخاطئ. إن وضع منطق قرار صحيح قبل التدريب، وبناء مجموعة بيانات تعكس السلوك المقصود بدلاً من الملاحظ، ليس خطوة نظافة. إنه الفرق بين نظام ذكاء اصطناعي يعزز القرارات الجيدة وآخر يوسع السيئ منها.

التسلسل قبل الاختيار

الذكاء التشغيلي ليس تدفق عمل يعمل بالتوازي مع التنفيذ. هو الشرط المسبق الذي يجعل قرارات التنفيذ مبررة. قبل اختيار أي منصة أو كتابة موجز الأتمتة، هناك ثلاثة أسئلة يجب أن تحصل على إجابات عنها من البيانات: ما هي المسارات التي يتخذها العمل فعليًا، وكم مرة يحدث كل نوع؟ أين تتراكم التأخيرات، وما السمات التي تتنبأ بها؟ في أي نقاط قرار يتفرع سير العمل، وما الذي يحكم تلك الفروع في الممارسة، ومدى اتساق تلك الحوكمة عبر الفرق ومع مرور الوقت؟

فليشيا أوييدارا محللة بيانات مقرها المملكة المتحدة، متخصصة في العمليات الرقمية، تحسين العمليات، وتحليلات القوى العاملة عبر بيئات التكنولوجيا المالية، المصارف، والاستشارات. تركز على ترجمة بيانات العمليات والقوى العاملة إلى رؤى واضحة وقابلة للتنفيذ تُحسن الأداء، وتبسط العمليات، وتدعم اتخاذ قرارات أفضل.