۵ روشی که صفحات گسترده کسب و کار شما را نابود می کند

صفحات گسترده بالقوه مستعد خطا، ناامن و سخت برای نگهداری، سیلوهای داده ایجاد می کنند و همکاری را منع می کنند.

صفحه‌گسترده ابزاری قدرتمند و چند منظوره است که توسط افراد تجاری، تحلیلگران، دانشمندان داده و فن‌آوران برای جمع‌آوری، ادغام، پاکسازی، تجزیه و تحلیل و ارائه داده‌ها استفاده می‌شود. آنها در دهه ۱۹۸۰ با Visicalc و Lotus 1-2-3 محبوب شدند تا اینکه مایکروسافت اکسل اجرای غالب خود را در دهه ۱۹۹۰ آغاز کرد. امروزه، اکسل همچنان یک پلتفرم پیشرو مایکروسافت ۳۶۵ است، اما دارای رقبایی از جمله Google Sheets و Zoho Sheet است.

به‌عنوان فن‌آور، به خوبی از این ضرب‌المثل آگاه هستیم که «ابزارهای مناسب را برای کار انتخاب کنید»، و دلایل زیادی وجود دارد که مردم حداقل تا دهه آینده به استفاده از صفحات گسترده ادامه دهند. آنها مطمئناً ابزارهای همه کاره برای تجزیه و تحلیل داده‌ها، اشتراک‌گذاری و ارائه سبک وزن هستند، اما با افزایش مجموعه داده‌ها، افزایش همکاری، و گردش‌های کاری حیاتی‌تر برای کسب‌وکار، سودمندی آنها کاهش می‌یابد.

در کتاب خود، Driving Digital، برخی از موارد بزرگ را به اشتراک می گذارم -مسائل صفحه‌گسترده و ریسک‌های واقعی که گریبانگیر شرکت‌هایی مانند انرون شد. گروه علاقه خطرات صفحه گسترده اروپا مسائل مربوط به صفحه گسترده را ردیابی می کند. گزارش‌های اخیر شامل ۱۶۰۰۰ نتیجه آزمایش COVID-19 از دست رفته و تأخیر در افتتاح بیمارستان. صفحات گسترده می‌توانند تلاش‌ها برای تبدیل شدن به یک سازمان داده‌محور را تضعیف کنند.  و بدون نرده‌های محافظ، استفاده بیش از حد از صفحات گسترده واقعاً می‌تواند کسب‌وکار شما را نابود کند.

به‌عنوان فن‌آور، ما باید مشکلات را درک کنیم، راه‌حل‌ها را شناسایی کنیم، و سهامداران را برای تحول هماهنگ کنیم. در اینجا پنج دلیل وجود دارد که چرا صفحات گسترده در مقیاس ممکن است مشکل ساز باشند.

صفحات گسترده می توانند مشکلات کیفیت داده ایجاد کنند

جاستین گیج، سرپرست انجمن در Retool، تشخیص می‌دهد که افراد و تیم‌ها از صفحات گسترده برای ورود داده‌ها و عناصر گردش کار خود استفاده می‌کنند. اگرچه صفحات گسترده ابزارهای اعتبارسنجی داده ها را دارند، پرچم گذاری کاربران در مورد تاریخ ها، اعداد و سایر انواع داده های اولیه فقط اصول اولیه است. بسیاری از کاربران صفحه‌گسترده نمی‌دانند چگونه از آنها استفاده کنند، و در نهایت می‌توانید نام، آدرس، شماره تلفن و سایر اطلاعات ساده را در قالب‌های مختلف دریافت کنید.

Gage می گوید که مقیاس بندی اعتبار سنجی ورودی در صفحات گسترده مشکل ساز است. اگر نیاز به پیگیری داده‌ها، نمودار روندهای ساده یا ساخت ابزارهای اساسی دارید، صفحات گسترده راه سریعی برای شروع هستند. اما آنها مقیاس نمی شوند. هنگامی که باید در مورد اعتبارسنجی ورودی، کنترل‌های دسترسی کاربر یا هر چیز سفارشی فکر کنید، گیر می‌کنید.”

صفحات گسترده پیچیده اغلب مستعد خطا هستند

صفحه‌گسترده‌ها ابزار اولیه‌ای هستند که در فرآیندهای دستی استفاده می‌شوند و خطاها می‌توانند از سلول‌های کپی و جای‌گذاری شده، اشتباهات در فرمول‌ها، سطرها و ستون‌های اضافه شده، و تعداد بی‌شماری از نقص‌های دیگر ناشی شوند. همه اینها منجر به نتایج اشتباه می شود.

اسکات هندرسون، CTO در Celigo، می‌گوید: «فرآیندهای دستی، مانند صفحات گسترده معمولی، مقصر خطاهای پرهزینه، قطع ارتباط سیلوهای داده و کاهش بهره‌وری در هر بخش هستند. خودکارسازی فرآیندها در سراسر کسب‌وکار باعث صرفه‌جویی در زمان و منابع می‌شود و دیدی جامع برای تصمیم‌گیری بهتر ارائه می‌دهد.»

مشکل می‌تواند بدتر به بدتر شود زیرا اشکال‌زدایی فرمول‌های پیچیده، اسکریپت‌نویسی و سایر تکنیک‌های پیشرفته دشوار است. داگ فوئه، معاون ارشد در PriceFX، اضافه می‌کند: «با ایجاد دستی و فرمول‌های اغلب غیرقابل نفوذ، خطاها رایج هستند و پیدا کردن و حذف آن‌ها سخت است».

نگهداری صفحات گسترده زمانبر و خطر انطباق است

فراتر از نقص ها و مشکلات احتمالی صفحات گسترده، توسعه آنها نیز می تواند بسیار زمان بر باشد و نگهداری از آنها دشوار است. لوک جاکوبز، مدیرعامل و یکی از بنیانگذاران Encamp، می‌گوید: «استفاده از صفحه‌گسترده فرآیندی خسته‌کننده و زمان‌بر است که فضای زیادی برای اشتباهات باقی می‌گذارد. صفحه‌گسترده‌ها نه تنها خطر خطای انسانی را افزایش می‌دهند، بلکه به زمان زیادی نیاز دارند که می‌توان برای کارهای حیاتی دیگر صرف کرد.”

ایان وایت، بنیانگذار و مدیر عامل ChartHop، مورد استفاده جالبی را به اشتراک می‌گذارد که نگرانی‌هایی را در مورد خطاها، کارهای دستی و مشکلات احتمالی انطباق هنگام کار با داده‌های کارکنان و سایر اطلاعات حساس ایجاد می‌کند. وایت می‌گوید: «صفحه‌گسترده‌ها مدت‌هاست که تنها راه جمع‌آوری داده‌های کارکنان با هم از تمام سیستم‌هایی است که معمولاً تیم‌های منابع انسانی استفاده می‌کنند. این منجر به اتلاف ساعت‌ها در «ژیمناستیک صفحه‌گسترده» می‌شود، بدون اینکه پاسخ‌های معناداری برای اساسی‌ترین سؤالاتی که هر شرکتی باید بتواند در مورد جمعیت کارمند خود پاسخ دهد، ارائه کند.»

صفحه‌گسترده‌ها می‌توانند مانع همکاری و ایجاد سیلوهای داده شوند

چند بار شنیده اید که کسی می گوید، “فقط صفحه گسترده را برای من ایمیل کنید”؟ با وجود اینکه کارمندان می‌توانند دسترسی به OneDrive یا Google Drive را به اشتراک بگذارند، ارسال ایمیل هنوز هم امروز انجام می‌شود. داشتن چند نفر برای همکاری در یک صفحه گسترده می تواند مشکل باشد. چه کسی داده ها را تغییر داد؟ چگونه این ردیف ها ناپدید شدند؟ چرا فرمول تغییر کرد؟ وقتی یک تیم از صفحات گسترده برای همکاری به جای برنامه یا ابزار دیگر برای مدیریت گردش کار استفاده می‌کند، ردیابی تغییرات دشوار است.

Fuehne اضافه می‌کند، «صفحه‌گسترده‌ها به راحتی از محیط‌های تیمی با چندین طرف که به‌روزرسانی‌ها و تغییرات را انجام می‌دهند و مجبور به درک منطق هستند، پشتیبانی نمی‌کنند. ترکیب این عوامل به این معنی است که کسب‌وکار نه تنها با ریسک‌های درآمدی، بلکه با هزینه‌های عملیاتی بالایی نیز مواجه است.»

همکاری با صفحات گسترده نیز احتمال ایجاد سیلوهای داده را افزایش می دهد. هنگامی که تحلیلگران به منابع داده متصل می شوند، داده ها را دانلود می کنند و فرمول ها، محورها و سایر عملیات داده را ایجاد می کنند، آنها به طور موثر یک منبع داده ایزوله و مشتق شده می سازند. بدون اقداماتی برای ثبت مراحل پردازش داده ها و متمرکز کردن داده های مشتق شده، بعید است که دیگران در سازمان از این منبع داده مطلع شوند. این چرخه می‌تواند تداوم داشته باشد اگر تحلیل‌گران دیگری به همان داده‌ها ضربه بزنند و منابع داده مشتق‌شده تکراری ایجاد کنند.

البته، مشکلات تنها زمانی بدتر می‌شوند که کارمندان صفحات گسترده را با مشتریان و شرکایی که به شبکه شرکتی دسترسی ندارند به اشتراک بگذارند. در بسیاری از موقعیت‌ها، افراد این فایل‌ها را از طریق ایمیل ارسال می‌کنند و محافظت از داده‌های حساس دشوار است.

مجموعه‌های داده بزرگ اغلب عملکرد خوبی ندارند

چند وقت پیش بود که اکسل تنها از ۶۵۰۰۰ ردیف داده پشتیبانی می کرد. حتی امروز، مایکروسافت کاربرگ‌ها را به کمی بیش از ۱ میلیون ردیف و ۱۶۰۰۰ ستون، سلول‌هایی با عرض ستون ۲۵۵ کاراکتری و عوامل دیگر محدود می‌کند. بسیاری از تحلیلگران با مجموعه داده های بزرگتر گیگابایت یا ترابایت کار می کنند و تجزیه و تحلیل آنها با صفحات گسترده احتمالا امکان پذیر نیست. فونه می گوید که این یک نگرانی برای مشاغل است زیرا «صفحه های گسترده مقیاس نمی شوند. محاسبات پیچیده‌ای که به داده‌های بازار یا حجم قابل‌توجهی از داده‌های تراکنش متکی هستند، دیر به‌روزرسانی می‌شوند و اغلب متوقف می‌شوند.”

حتی مجموعه‌های داده با اندازه متوسط، فراتر از مسائل مربوط به عملکرد، چالش مهم‌تری ایجاد می‌کنند. با همه ابزارهای تجسم داده و قابلیت‌های یادگیری ماشینی موجود است، راه‌های کارآمدتر و هوشمندانه‌تری برای تجزیه و تحلیل مجموعه‌های داده طولانی و گسترده‌تر وجود دارد.

بنابراین، اگرچه صفحات گسترده همه کاره هستند، امروزه برای زمانی که کسب‌وکارها به پلتفرم‌های قوی‌تری نیاز دارند، مدیریت داده، تجسم، همکاری و گزینه‌های ادغام بهتری وجود دارد. در یک پست آینده، انواع ابزارها و پلتفرم هایی را که توسعه دهندگان و فناوران باید هنگام جایگزینی یا ارتقاء صفحات گسترده در نظر بگیرند، به اشتراک خواهم گذاشت.