دوقلوی دیجیتال سازمان (DTO) چیست؟

زمان مطالعه: 7 دقیقه

نوآوری و تغییر مداوم، یکی از مهارت‌های مورد نیاز برای بقای هر کسب و کاری است. اینکه سازمان شما چگونه تغییر را اجرا می‌کند، تنها به سازمان شما اختصاص دارد. با توجه به اینکه روندهای جدید معماری سازمانی همیشه برای جلب توجه شما در حال رقابتند، حفظ ارتباط با جدیدترین روش‌های اجرای تغییر معمولا سخت و پیچیده است. یکی از مواردی که در این زمینه می‌تواند به شما کمک کند، استفاده از دوقلوی دیجیتال سازمان (DTO) است که امروز راجع به آن صحبت می‌کنیم.

دوقلوی دیجیتال سازمان چیست؟

دوقلوی دیجیتال یا همزاد دیجیتال یک سازمان (Digital Twin of an Organization) یا DTO، نوعی نمایش مجازی از یک دارایی فیزیکی یا فرآیند است که شامل داده‌های جمع‌آوری شده از منابع متعدد، لایه‌ای از بینش‌های رفتاری برگرفته از داده‌ها و تجسم‌هاست. البته یک تجسم 3 بعدی ساده یا شبیه سازی مستقل، دوقلوی دیجیتال محسوب نمی‌شود، چرا که باید از مواردی مانند هوش مصنوعی، شبیه سازی‌های what if و تجسم‌های اضافی برای ایجاد یک دوقلوی دیجیتال بهتر و موثرتر استفاده کنید.

به عنوان مثال، دوقلوی دیجیتال یک سازمان (DTO) می‌تواند اطلاعات کاملی از مشتریان را به همراه تمام جزئیاتی که واحدهای تجاری و سیستم‌های یک سازمان در مورد آنها جمع‌آوری می‌کند، ارائه دهد. مثلا رفتار خرید آنلاین، رفتار خرید فروشگاهی، اطلاعات جمعیتی، روش‌های پرداخت و تعامل با مشتریان به چه صورت است. همچنین می‌تواند دیدگاه‌هایی در مورد داده‌ها مانند میانگین مدت تماس با بخش خدمات مشتریان را ایجاد کند.

مواردی که هوش مصنوعی از دوقلوی دیجیتال استفاده می‌کند، می‌تواند شامل مدل‌های تمایل به انحراف مشتریان یا سبدی از محصولاتی باشد که احتمالا مشتریان در آینده خریداری می‌کنند.

از سوی دیگر، ممکن است DTO عملیات دارایی یا فرآیندهای دنیای واقعی را تکرار کند و اطلاعاتی در مورد متوسط زمان از کار افتادن تجهیزات یا میانگین زمان تکمیل مونتاژ محصول تولید کند. استفاده از هوش مصنوعی که عملیات پشتیبانی را بر عهده دارد می‌تواند شامل تعمیر و نگهداری پیش بینی شده به همراه اتوماسیون و بهینه سازی فرآیندها باشد.

دوقلوی دیجیتال، زمان را برای ارزش گذاری و بازاریابی بسیاری از برنامه‌ها و موارد استفاده تسریع می‌کند، چرا که تیم‌های توسعه مجبور نیستند هر بار که یک برنامه را می‌سازند، برای ویرایش و بازسازی داده‌های خام وقت بگذارند.

می‌توانیم بگوئیم دوقلوی دیجیتال یا DTO، زمان لازم برای استقرار قابلیت‌های جدید مبتنی بر هوش مصنوعی و هزینه‌های سرمایه‌گذاری و عملیاتی را به میزان قابل توجهی کاهش می‌دهد. علاوه بر این، می‌تواند  بهره‌‌وری کسب و کارتان را بهبود ببخشد.

دوقلوی دیجیتال یک سازمان یا DTO، شامل داده‌هایی در ارتباط با موارد زیر است:

• عملکردهای قبلی
• اهداف تجاری
• مدل‌های کسب و کار
• فرآیندهای کسب و کار
• شاخص‌های کلیدی عملکرد (KPI) در سطوح هدف
• تجزیه و تحلیل دقیق فرآیند موقعیتی در سطح تراکنش

مدل‌های DTO برای بهینه سازی عملکرد به مواردی همچون به روز رسانی‌های مداوم در مورد عملکرد سازمان، استفاده از منابع، کیفیت محصولات و برآورده کردن نیازهای مشتریان نیاز دارند.

مزایای استفاده از دوقلوی دیجیتال سازمان چیست؟

• یک دوقلوی دیجیتال یا DTO، با ارائه یک مدل مجازی از کسب و کار، به رهبران سازمان امکان می‌دهد تا در صورت نیاز، تحلیل و تغییر فرآیندهای تجاری را انجام دهند.

• DTO ها می‌توانند نمود مجازی داینامیک یک سازمان را در زمینه عملیاتی فعال کنند.
• در DTO، نمود دیجیتالی کارکنان، فرآیندها، داده‌ها و دارایی‌ها کمک می‌کنند تا:

• هماهنگی در میان کارکنان سازمان افزایش پیدا کند.
• ناکارآمدی‌ها، نقص‌ها و نقطه ضعف‌ها شناسایی شوند.
• بستر مناسب برای آموزش کارکنان در مورد روش‌های جدید عملیات کاری فراهم شود.

• در DTO، تحلیل‌های پیش بینی کمک می‌کنند تا بتوانید:

• نتایج تغییرات را در فرآیندها، محصولات و خدمات مشاهده کنید.
• خطرات و هزینه‌های استفاده از فناوری‌های جدید را شناسایی و بررسی کنید.

چرا به دوقلوی دیجیتال نیاز دارید؟

دوقلوی دیجیتال یک سازمان (DTO)، مفهوم دوقلوی دیجیتال را به عنوان نوعی نمایش مجازی از یک محصول یا فرآیند گسترش می‌دهد. یک دوقلوی دیجیتال، ساختارهای سازمان را منعکس می‌کند، بخش‌های مختلف را به هم متصل می‌کند و در نهایت، یک نمای کلی مجازی کامل از کسب و کار ارائه می‌دهد. می‌توانیم بگوئیم DTO یک نقشه دیجیتال است که علاوه بر توصیف سازمان، افراد، داده‌ها و فرآیندها را نیز به هم متصل می‌کند.

ارتباط دوقلوی دیجیتال سازمان و فرآیند کاوی

دوقلوی دیجیتال سازمان (DTO)، با تمایل به ایجاد قابلیت‌های شبیه سازی بیشتر، می‌خواهد دیدی سراسری در سازمان ایجاد کند. در حالی که فرآیند کاوی با استفاده از مجموعه داده‌های مختلف به کسب و کارها کمک می‌کند فرآیندهای فعلی را بهتر درک کنند.

حمایت IBM

کاربران با استفاده از فرآیند کاوی IBM می‌توانند وظیفه کاوی و فرآیند کاوی را ادغام کرده و یک دوقلوی دیجیتال از سازمان ایجاد کنند.

کسب و کارها می‌توانند فرآیندها را با گرفتن گزارش‌های رویداد و داده‌های تعامل کاربران از سیستم‌های فناوری اطلاعات تجزیه و تحلیل کرده و دوقلوی دیجیتال فرآیندهای خود را تولید کنند.

کسب و کارها می‌توانند فرآیندهای فرضی را برای مشاهده رفتار با تغییرات داده شده، شبیه سازی کنند. سپس نتایج مورد انتظار (ROI) را محاسبه یا آنها را با فرآیندهای موجود مقایسه کنند.

فرآیند کاوی در مقابل وظیفه کاوی

فرآیند کاوی از داده‌های رویداد شروع می‌شود. به این معنی که ورودی برای فرآیند کاوی، یک گزارش رویداد است. گزارش رویداد، یک فرآیند را از یک زاویه خاص مشاهده می‌کند. در گزارش‌ها هر رویداد به موارد زیر اشاره می‌کند:

• یک نمونه فرآیند خاص

• یک فعالیت

• یک مهر زمانی

البته ممکن است ویژگی‌های رویداد اضافی با اشاره به منابع، افراد، هزینه‌ها و… وجود داشته باشد، اما این موارد کاملا اختیاری هستند.

فرآیند کاوی این داده‌ها را به یک گزارش رویداد تبدیل می‌کند. سپس به ایجاد تجسم‌هایی از فرآیند end-to-end همراه با تحلیل‌های مورد نیاز می‌پردازد. بنابراین، فرآیند کاوی از داده‌های رویداد برای پاسخ دادن به سوالات مرتبط با فرآیند استفاده می‌کند.

• خوب است بدانید end-to-end، فرآیندی را توصیف می‌کند که یک سیستم یا سرویس را از ابتدا تا انتها پیش می‌برد و بدون نیاز به دریافت چیزی از شخص ثالث، یک راه حل عملکردی کامل ارائه می‌دهد.

می‌توانید نرم افزار فرآیند کاوی را در موارد زیر مورد استفاده قرار دهید:

• کشف فرآیند برای فعال کردن اتوماسیون فرآیند

• کشف فرآیند برای فعال کردن اتوماسیون تصمیم گیری

• شبیه سازی فرآیند

• بهینه سازی فرآیند

• اعتبار سنجی انطباق

• استخراج سازمانی

اما دوقلوی دیجیتال یا DTO، از مدل فرآیند یک کپی دیجیتال با وضوح بالا ارائه می‌دهد که از جدیدترین داده‌های تجاری استفاده می‌کند تا به کسب و کارها نشان دهد که سازمان در یک لحظه مشخص (real-time) چگونه کار می‌کند. همچنین این امکان را فراهم می‌کند تا تغییرات متعدد در مدل مجازی، قبل از پیاده سازی در فرآیندهای واقعی، بررسی و آزمایش شوند. علاوه بر این، برای یافتن بهترین ابتکارات تغییر فرآیند که مربوط به بازار است و ارزش افزوده را تضمین می‌کند، راهی سریع و بدون ریسک به کسب و کارها پیشنهاد می‌کند.

دوقلوی دیجیتال سازمان چگونه از فرآیند استخراج اهرمی (leverage process mining) استفاده می‌کند؟

دوقلوی دیجیتال یا DTO، با داده‌های فرآیند ساخته می‌شوند، بنابراین بر فرآیند کاوی و تکنیک‌های استخراج وظایف تاکید می‌کنند.

وظیفه کاوی (Task Mining)

وظیفه کاوی، فرآیندی برای جمع‌آوری داده‌هاست که از گردش کار مرحله به مرحله کاربران با استفاده از شناسایی سیستم‌هایی که با آنها در تعامل هستند استفاده می‌کند. Task Mining برای ایجاد خودکار گزارش رویداد وظایف درون یک فعالیت فرآیندی، از یک الگوریتم استفاده می‌کند تا بتواند فرآیند پایان کار  (end-to-end) را استخراج کند.

استخراج قانون تجارت

قانون تجارت، قوانین کسب و کار را از تعامل در داده‌های کسب و کار برای تعیین مسیر یک فرآیند و همچنین ارائه پیش بینی در مورد فرآیندهای بعدی، استخراج می‌کند. این دیدگاه به کاربران امکان می‌دهد تا برای شبیه سازی و آزمایش اثربخشی، سناریوهای دقیقی ایجاد کنند.

شبیه سازی

کاربران با استفاده از فعالیت‌های استخراج شده و قوانین تجاری می‌توانند سناریوهای فرآیندی را در یک محیط مجازی ایجاد کنند تا حاشیه موفقیت یا شکست را مورد آزمایش قرار دهند. بنابراین، شبیه سازی فرآیند امکان شناسایی بدون ریسک توانایی‌های کسب و کار را برای حرکت رو به جلو با تغییر فرآیندها فراهم می‌کند.

ارتباط هوش مصنوعی و دوقلوی دیجیتال

هوش مصنوعی (AI) و دوقلوی دیجیتال (DTO)، به روش متقابل به عملکرد یکدیگر کمک می‌کنند. استفاده از هوش مصنوعی در دوقلوی دیجیتال، با مزایا و چالش‌های زیر همراه است.

مدل DTO، نمایش مجازی از یک فرآیند است که می‌تواند از تکرارها و سناریوهای متعدد عبور کند. داده‌های شبیه سازی شده تولید شده به وسیله DTO می‌تواند برای آموزش یک مدل هوش مصنوعی مورد استفاده قرار گیرد و امکانات زیر را فراهم کند:

• ایجاد سناریوهای آزمایشی مجازی برای آزمایش راه‌حل‌های آینده و بهینه سازی نتایج

• کشف الگو در داده‌های گردش کار

• پیش بینی خروجی مواردی که ممکن است در یک محیط آزمایشی عادی، کمی عجیب باشند.

در تجارت امروز، اغلب مدل‌های هوش مصنوعی مبتنی بر یادگیری ماشینی نظارت شده هستند. یعنی جایی که مدل، از نمونه‌های برچسب گذاری شده یاد می‌گیرد. به عنوان مثال، الگوریتم‌ها یاد می‌گیرند که یک گردش کاری خاص، محصولات یا خدماتی که قبلا «مثبت» نامیده شده بودند را به دست می‌آورد. سپس الگوهایی را در داده‌ها تشخیص می‌دهند که «نتایج مثبت» مشابهی به همراه دارد و سایر نتایج را به عنوان «نتایج غیر مثبت» برچسب گذاری می‌کند.

زمانی که کاربر می‌خواهد نتیجه شرایط بدون برچسب را پیش بینی کند، لازم است یادگیری ماشینی بدون نظارت را پیاده سازی کند. چرا که یادگیری ماشینی بدون نظارت، نتایج را به عنوان یک خوشه یا گروه، با کشف ساختارها یا الگوهای زیربنایی در داده‌های بدون برچسب، پیش بینی می‌کند.

برخی از چالش‌های پیاده سازی یادگیری ماشینی بدون نظارت عبارت است از:

• پیچیدگی محاسباتی به دلیل حجم بالای داده‌های آموزشی

• زمان طولانی برای تمرینات

• خطر بالای نتایج نادرست

• مداخلات انسانی برای اعتبار سنجی متغیرهای خروجی

• عدم شفافیت در مورد مبنایی که داده‌ها بر اساس آن خوشه بندی شده‌اند.

ایجاد دوقلوی دیجیتال برای کدام کسب و کارها مفیدتر است؟

همه انواع کسب و کارهایی که نیاز به تجزیه و تحلیل و نظارت بر فرآیندها دارند، به خصوص آن دسته از کسب و کارهایی که از رویکردهای شبیه سازی برای بهبود محصولات، خدمات و فرآیندها استفاده می‌کنند، می‌توانند از DTO بهره‌ ببرند.

***

ملاحظه کردید که دوقلوی دیجیتال هر سازمان کاملا منحصر به فرد است و ایجاد و حفظ آن، به ایجاد تغییرات اساسی در کسب و کار نیاز دارد. اگر می‌خواهید با DTO به اهداف کسب و کارتان برسید باید به طور دقیق از نحوه عملکرد سازمان مطلع باشید، تا بتوانید تحولات را در سطح سازمان گسترش دهید و راه را برای موفقیت هموار کنید.