روزنوشته های فربد صالحی

درباره زندگی و برنامه نویسی

دوره‌ی مقدماتی data science - مقدمه‌ای بر آمار

این چهارمین بخش از خلاصه‌ی مجموعه‌ی «دوره‌ی مقدماتی data science» هستش. 

بخش اول - مقدمه

بخش دوم - مقدمه‌ای بر داده‌ها

بخش سوم - تصویرسازی از داده‌ها و تحلیل آنها

 

تحلیل آماری

تجزیه و تحلیل آماری رو میشه هسته‌ی اصلی data science دونست. با استفاده از آمار میشه به چگونگی توزیع داده‌ها، تاثیر اونها بر هم و موارد بسیار زیاد دیگه‌ای پی‌برد. نقطه‌ی شروع برای استفاده از آمار در تجزیه و تحلیل داده‌ها، درک «آمار توصیفی» هستش که با استفاده از اون می‌تونیم توزیع داده‌هامون رو تحلیل کنیم. 

اگه به ستون دما در جدول اطلاعات فروش لیموناد که در بخش‌های قبلی ازش استفاده کردیم توجه کنیم، به چه نتایجی از بازه‌ی دماها می‌رسیم؟

کمترین مقدار 20.0 هستش که در «نرم‌افزار اکسل» با تابع ()MIN=، بیشترین مقدار 64.2 هستش که در اکسل با تابع ()MAX= و متوسط دما که با جمع مقادیر و تقسیم اون بر تعداد به دست میاد برابر 44.62 هستش و در اکسل با استفاده از تابع ()AVERAGE= میشه بهش رسید. همونطور که مشخصه مقدار متوسط به احتمال زیاد اصلا بین داده‌های موجود وجود نداره.

یه روش دیگه در تحلیل داده‌ها محاسبه‌ی «میانه» هستش. برای این کار داده‌ها رو از کوچک به بزرگ مرتب می‌کنیم و داده‌ی وسط رو انتخاب کنیم، که اگه این رو روی دماهای ذکر شده در بالا اجرا کنیم، به 46.2 می‌رسیم. اگر هم تعداد داده‌ها زوج باشه،‌ از میانگین دو داده‌ی وسط استفاده می‌کنیم. در اکسل برای رسیدن به این مقدار از تابع ()MEDIAN= استفاده میشه. 

گاهی ممکنه نیاز داشته باشیم بدونیم که در یه بازه‌ی زمانی چه داده‌ای بیشتر از بقیه تکرار شده که بهش «مُد» گفته میشه. در اعداد تصویر بالا عدد 46.2 دوبار ذکر شده در حالیکه بقیه‌ اعداد یک بار اومدن. در اکسل از تابع ()MODE= برای رسیدن به این مفهوم استفاده میشه. گاهی ممکنه چند عدد مُد باشن، یعنی چند تا عدد داشته باشیم که مثلا دوبار در فهرست داده‌ها اومده باشن. 

برای تصویرسازی از فراوانی داده‌ها میشه از نمودار «هیستوگرام» استفاده کرد. در این نمودار، داده‌ها در دسته‌هایی با بازه‌ی مشخص در محور افقی و تعداد اعضای هر دسته در محور عمودی نمایش داده میشه. نمودار هیستوگرام اعداد بالا به صورت زیر هستش و همونطور که مشخصه، اعداد در بازه‌هایی به طول ۱۰ در محور افقی قرار گرفتن. در این نمودار خیلی سریع می‌تونیم متوجه شیم که بیشترِ روزها (۵ روز) دمایی در بازه‌ی ۴۰ تا ۵۰ داشتن. 

 

ما معمولا برای اینکه یه دید کلی از داده‌ها داشته باشیم، به خصوص وقتی حجم داده‌ها زیاده، از محاسبه‌ی میانگین استفاده می‌کنیم. اما گاهی ممکنه میانگین ما رو به اشتباه بندازه. به عنوان مثال، اگه دو مجموعه داده داشته باشیم، یکی شامل ۱ و ۹ و دیگری شامل ۶ و ۴، میانگین هر دو مجموعه میشه ۵. اگه در یه گزارش فقط عدد میانگین‌ها رو بگیم، ممکنه این برداشت بوجود بیاد که اعداد دو مجموعه به هم نزدیکن. در حالیکه می‌بینیم در مجموعه‌ی اول ۸ واحد و در مجموعه‌ی دوم ۲ واحد اختلاف بین اعداد وجود داره، یعنی پراکندگی داده‌ها تو مجموعه‌ی اول بیشتره. برای حل این مساله از مفهوم «انحراف معیار» و برای محاسبه‌ی انحراف معیار از مفهوم «واریانس» استفاده می‌کنیم. فرمول ریاضی واریانس به صورت زیر هستش:

ممکنه در ظاهر پیچیده به نظر بیاد ولی ساده است. μ میانگین داده‌ها و N تعداد داده‌ها است.Xهم عضو iاُم مجموعه. در واقع معنیش میشه اینکه اول میانگین داده‌ها محاسبه و بعد اختلافش با هرکدوم از داده‌ها به توان ۲ می‌رسه. بعد مجموع اونها تقسیم بر تعداد داده‌ها میشه. 

برای مجموعه‌ی اول و دوم در مثال بالا، میانگین داده‌ها برابر با ۵ هستش. برای مجموعه‌ی اول:

۳۲  = ۲(۹-۵) + ۲(۱-۵) 

حالا تقسیم ۳۲ بر تعداد اعداد یعنی ۲، واریانس رو به ما میده: ۱۶. اما برای مجموعه‌ی دوم: 

۲ = ۲(۶-۵) + ۲(۴-۵) 

و اگه ۲ رو تقسیم بر تعداد اعداد یعنی ۲ کنیم واریانس میشه ۱. اون چیزی که ما دنبالش بودیم انحراف معیار بود که در واقع با محاسبه‌ی «جذر» یا ریشه‌ی دوم واریانس به دست میاد. جذر یا ریشه‌ی دوم ۱۶ میشه ۴ و جذر یا ریشه‌ی دوم ۱ هم همون ۱ هستش. این اعداد به علت سادگی مجموعه‌ی داده‌ی ما، با چشم هم قابل ملاحظه است. یعنی فاصله‌ی ۱ و ۹ با عدد ۵ (میانگین) برابر ۴ و فاصله‌ی ۴ و ۶ با عدد ۵ برابر ۱ هستش. همونطور که واضحه، هر چقدر که پراکندگی داده‌ها کمتر باشه انحراف معیار هم کمتر خواهد بود. در اکسل، برای محاسبه‌ی واریانس از تابع ()VAR.P= و برای محاسبه‌ی انحراف معیار از تابع ()STDEV.P= استفاده میشه. 

نمودار هیستوگرام نشون میده که نمونه داده‌های مربوط به دما که دیدیم، از «توزیع نرمال» پیروی می‌کنه. در یه توزیع نرمال، میانگین، میانه، مُد و خط تقارن در وسط قرار دارند:

 

طبیعتا همه‌ی داده‌ها از توزیع نرمال پیروی نمی‌کنن. به عنوان مثال، در تصویر زیر داده‌های مربوط به مقدار بارندگی، نمودار هیستوگرام و مقادیر میانگین و میانه و مُد مربوطه رو می‌بینیم. مفهومی که بوسیله نمودار زیر می‌تونیم بهش بپردازیم تقارن تابع توزیع یا «چولگی» (skewness) هستش. این نمودار دارای چولگی به راست (right skewed) هستش. 

رابطه بین فیلدهای مختلف داده‌ها

گاهی نیاز داریم که رابطه‌ی بین چند فیلد از یه مجموعه‌ی داده رو بدونیم. مثلا می‌خوایم بدونیم چه رابطه‌ای بین دمای هوا و میزان فروش لیموناد برقراره. قبلا هم دیدیم که برای این کار از نمودار نقشه استفاده می‌کنیم و روند حاکم بر فیلدها رو بدست میاریم. این همون مفهوم «همبستگی» (correlation) هستش و میشه به صورت عددی میزان این همبستگی رو محاسبه کرد. برای این کار تو اکسل از تابع (,)CORREL= استفاده میشه.

همبستگی دو متغیر، مقداری بین -۱ تا +۱ داره. هر چقدر مقدار همبستگی به ۱ نزدیک‌تر باشه (+۱ یا -۱)، نشان‌دهنده‌ی قویتر بودن رابطه‌ی خطی بین دو متغیر هستش. رابطه‌ی خطی یعنی تغییر یکی از متغیرها، مقدار متغیر دیگر را هم تغییر می‌دهد که این تغییرها می‌توانند در یک جهت یا در خلاف جهت باشند. در این صورت می‌شه روی نمودار نقشه‌، خطی فرضی با شیب مثبت یا منفی (بر اساس منفی یا مثبت بودن همبستگی) بین نقاط رسم کرد. اما هر چقدر مقدار همبستگی به صفر نزدیک‌تر باشه، نشان‌دهنده‌ی پراکندگی داده‌ها و عدم ارتباط بین تغییرات اونهاست. 

در تصویر بالا، بعد از محاسبه می‌بینیم که میزان همبستگی بین دما و تعداد فروش برابر با 0.93 هستش که خیلی به +۱ نزدیکه و روی نمودار هم می‌بینیم که خطی با شیب مثبت تونستیم بین نقاط رسم کنیم. 

نکته‌ی آخر در این مورد اینکه، همبستگیِ زیاد بین دو فیلد لزوما به این معنی نیست که تغییر یک فیلد داده، «دلیلِ» تغییر در فیلد دیگه است. بلکه ممکنه فیلد سومی روی هر دو اثر گذاشته باشه یا حتی به طور تصادفی این همبستگی بینشون دیده بشه. 

 

بخش پنجم - مقدمه‌ای بر یادگیری ماشین

 

 

 

۰ نظر
فربد صالحی

کتاب Running Lean: شناخت بخش‌های پر ریسک طرح - برای آزمایش آماده شوید

این پُست ششمین بخش از مجموعه‌ی خلاصه‌ی کتاب Running Lean یا اجرای ناب هستش.

بخش اول: مقدمه

بخش دوم: نقشه‌ی راه - اصول فراگیر

بخش سوم: نقشه‌ی راه - یک مثال

 بخش چهارم: مستند کردن طرح - بوم ناب

بخش پنجم: شناخت بخش‌های پر ریسک طرح - اولویت بندی و انتخاب نقطه‌ی شروع

 

بعد از شناخت مدل‌های آغازین و اولویت‌بندی ریسک‌ها، حالا وقتشه که برای انجام آزمایش‌ها آماده بشید.

 

یک تیم مساله/راه‌حل آماده کنید.

قبل از شروع اولین مجموعه از آزمایش‌ها، جمع کردن یه تیم خوب کار مهمیه. بهتره تقسیم‌بندی‌های سنتی مثل «مهندسی»، "QA"، «بازاریابی» و مانند این رو فراموش کنید. به جای اون بهتره دو تا تیم ایجاد کنید: تیم مساله، تیم راه‌حل. 

تیم مساله

تیم مساله بیشتر درگیر فعالیت‌های بیرونی نظیر مصاحبه با مشتری‌ها، اجرای تست‌های قابلیت استفاده و .. خواهد بود.

تیم راه‌حل

تیم راه‌حل بیشتر درگیر فعالیت‌های درونی نظیر کدنویسی، اجرای تست‌ها، انتشار محصول و .. خواهد بود.

اندازه‌ی ایده‌آل برای تیم مساله/راه‌حل ۲ یا ۳ نفر هستش. دلایل زیادی برای ساخت محصول نسخه‌ی ۱.۰ (یا همون کمترین محصول قابل ارائه) با یه تیم کوچک وجود داره: تعامل راحت‌تر، توسعه‌ی کمتر، پایین نگه داشتن هزینه.

من بیشتر CloudFire رو خودم به عنوان تک بنیان‌گذار ساختم. بیشترین چالش من در برقراری تعادل بین فعالیت‌های دورنی و بیرونی بود. اما با وجود اینکه می‌تونید یه محصول رو خودتون به تنهایی بسازید، من شدیدا توصیه می‌کنم حداقل با یه نفر دیگه که می‌تونه در سنجش واقعیت‌ها به شما کمک کنه همکاری کنید. در حالت ایده‌ال این شخص می‌تونه «هم‌بنیانگذار» باشه،‌ اما حتی مشاورین، سرمایه‌گذاران و .. می‌تونن چنین نقشی رو ایفا کنن. 

 

سه موردی که اجباریه: توسعه، طراحی و بازاریابی

همیشه نیاز نیست که ۳ نفر برای تکمیل تیم داشته باشید. گاهی این سه نیاز رو میشه با ۲ نفر هم رفع کرد. من علاقه‌مند به پیدا کردن افرادی هستم که سطوحی از تخصص رو در هر سه حوزه داشته باشن. 

توسعه

اگه در حال ساخت یه محصول باشید، شدیدا در تیمتون نیاز به مهارت‌های توسعه‌ی محصول خواهید داشت. داشتن تجربه‌ی قبلی در توسعه کلیدی هستش، همراه با تخصص در تکنولوژی‌ خاصی که می‌خواید ازش استفاده کنید. 

طراحی

منظور از طراحی، زیبایی‌شناسی و کاربردپذیری است. شاید در بازارهای جدید اهمیت عملکرد نسبت به فرم و ظاهر بیشتر باشه،‌ اما هر چه زمان میگذره به میزان اهمیت شکل و ظاهر افزوده میشه.

بازاریابی 

هر چیز دیگری غیر از دو مورد قبل بازاریابی است. بازاریابی حس دیگران به محصول شما رو مدیریت می‌کنه و برای این کار شما نیاز به افرادی دارید که بتونن خودشون رو جای مردم بذارن. تبلیغات عمومی و مهارت‌های ارتباطی قوی در اینجا کلیدی است. 

نسبت به «برون‌سپاری» تیم مساله/راه‌حل محتاط باشید. من دائما تیم‌هایی رو می‌بینم که یک یا چند مورد از این سه جنبه رو برون‌سپاری می‌کنن که معمولا ایده‌ی بدی هستش. چون این کار شما رو محدود به زمان‌بندی دیگران میکنه و سرعت‌ عمل شما رو در چرخه‌های تولید پایین میاره. یکی از مواردی که هرگز نباید برون‌سپاری بشه آموختن درباره‌ی مشتری‌هاست. 

 

اجرای آزمایش‌های موثر

در این بخش قوانینی برای تعریف و اجرای آزمایش‌های مفید وضع می‌کنیم. 

بیشینه‌سازی سرعت، آموختن و تمرکز

از اونجایی که هدف یک استارتاپ یافتن طرحیست که پیش از اتمام منابع ما به جواب برسه، سرعت که از طریق مدت زمان چرخش حلقه‌ی «ساخت-سنجش-آموختن» اندازه‌گیری میشه، برای ما مهمه. همچنین ما می‌دونیم که آموختن، بویژه آموختن درباره‌ی مشتری‌ها مساله‌ی مهمیه. اما چیزی که خیلی بهش توجه نمیشه تمرکز هستش. 

شما به هر سه مورد سرعت، آموختن و تمرکز برای اجرای یک آزمایش بهینه نیاز دارید. ببینیم که اگه هر سه مورد رو با هم نداشته باشید چه حالت‌هایی پیش میاد.

سرعت و تمرکز دارید: وقتی شما سریع و متمرکز، ولی بدون آموختن کار می‌کنید، تصویر سگی به ذهن میاد که دُم خودش رو دنبال می‌کنه. شما انرژی زیادی صرف می‌کنید ولی دور خودتون می‌چرخید.

یادگیری و تمرکز دارید: وقتی شما روی چیز درستی متمرکز شدید و یاد هم می‌گیرید اما به اندازه‌ی کافی سریع حرکت نمی‌کنید، شما در خطر پایان منابعِ در دسترس یا جایگزین شدن توسط یه رقیب هستید.

سرعت و یادگیری دارید: اگه شما یاد می‌گیرید و سریع هم حرکت می‌کنید اما متمرکز نیستید، ممکنه در تله‌ی «بهینه‌سازی زودرس» بیفتید. مثلا سرورها رو قبل از اینکه مشتری‌ای داشته باشید گسترش بدید و یا کدها رو مرتب بهینه کنید در حالیکه هنوز محصولی ندارید که کار کنه. 


یه پارامتر کلیدی یا هدف، مشخص کنید

برای آماده‌سازی یه آزمایش، روی یه آموخته یا پارامتر کلیدی که نیاز دارید بهش برسید (و بر اساس نوع و مرحله‌ای که محصول شما در اون قرار داره می‌تونه متفاوت باشه) تمرکز کنید. 

کوچکترین چیز ممکن برای یادگیری رو انجام بدید

میگن «بهترین»، دشمنِ «خوب» هستش. ساده‌ترین کاری که برای آزمایش یه نظریه می‌تونید انجام بدید رو انتخاب کنید.

فرضیه‌هایی را در نظر بگیرید که قابل ابطال باشد

بیشتر افراد چیزهایی رو برای بیزینس مدلشون می‌نویسن که قابل سنجش نیست. در حالیکه «استارتاپ ناب» عمیقا ریشه در روش علمی داشته و نیاز داره که شما فرضیات خودتون رو به فرضیه‌هایی ابطال‌پذیر تبدیل کنید. فرضیه‌ی ابطال‌پذیر عبارتی هستش که میشه رد شدنش رو به طور واضح اثبات کرد. 

بدون این کار، شما به سادگی می‌تونید در دام شواهدی بیفتید که اثبات می‌کنه فرضیه‌ای که شما دارید درسته. در اینجا دو عبارت رو مقایسه می‌کنیم:

خیلی مبهم: شناخته شدن به عنوان یه «متخصص»، روی پذیرندگان اولیه تاثیرگذار خواهد بود.

مشخص و قابل سنجش: یک پُست وبلاگ باعث ۱۰۰ مورد عضویت خواهد شد.  

درست یا غلط بودن عبارت اول قابل اثبات نیست، چون میزان تاثیرپذیری پذیرندگان اولیه قابل اندازه‌گیری نیست. به طور خاص، مشخص نیست که چند پذیرنده‌ی اولیه نیازه تا درستی این عبارت ثابت بشه. یا مشخص نیست «متخصص بودن» دقیقا به چه معنیه. عبارت دوم نه تنها یه خروجی مشخص و قابل اندازه‌گیری داره، بلکه بر اساس یک اقدام مشحصِ قابل تکرار هستش که باعث میشه قابل سنجش باشه. فرضیه‌ی ابطال‌پذیر یعنی یه اقدام مشخصِ قابل تکرار به یه نتیجه‌ی مشخصِ قابل اندازه‌گیری برسه.  

اعتبارسنجی کیفی، تایید کمّی 

قبل از تناسب محصول/بازار، میزان عدم قطعیت بالاست و خبر خوب اینه که وقتی عدم‌قطعیت زیاده، برای آموختن نیاز به داده‌ی زیادی نیست. هدف اولیه‌ی شما اینه که یه «نشانه‌ی» قوی (مثبت یا منفی) به دست بیارید که به طور معمول نیاز به نمونه داده‌ی زیادی نداره. شما احتمالا در مصاحبه با ۵ مشتری به این هدف می‌رسید. یه نشانه‌ی منفیِ قوی بر این دلالت می‌کنه که فرضیه‌ی اصلی شما به احتمال زیاد جواب نمیده و این باعث میشه که یا خیلی زود اون رو بهبود بدید یا کلا فراموشش کنید. با این حال نشانه‌ی مثبتِ قوی لزوما به این معنی نیست که فرضیه‌ی شما با افزایش نمونه‌ی آماری همچنان نشانه‌ی مثبت دریافت کنه، با این حال این مجوز رو به شما میده که با این فرضیه ادامه بدید تا زمانی که از طریق داده‌های کمّی تایید بشه. اعتبارسنجی فرضیه‌ها از این طریق، یعنی ابتدا کیفی و سپس کمّی، یک اصل کلیدی است که در ادامه زیاد باهاش مواجه می‌شیم.

مطمئن شوید که می‌توانید نتایج به دست آمده را به اقدامات مشخصی مربوط کنید

وقتی آزمایش‌های کیفی انجام می‌دید، مثل مصاحبه‌ها، مهمه که اونها رو تا بروز یه الگوی تکرارپذیرِ قطعی به شیوه‌ی ثابتی ادامه بدید. برای آزمایش‌های کمّی، روش‌های مشخصی برای رسیدن به این هدف وجود داره که بعدا بیشتر بررسی می‌کنیم. 

شفافیت

سنجش فرضیه‌ها می‌تونه برای بنیانگذارها ترسناک باشه که قابل درکه. چون اونها دوست ندارن ثابت بشه که نتیجه‌ی تلاش‌هاشون اشتباهه. اما بدون وجود سطحی از شفافیت و واقع‌گرایی این خطر وجود داره که شما استارتاپ خودتون رو فقط براساس باور و اعتقاد شخصی بنا کنید. 

تبادل آموخته‌ها

در بازه‌های زمانی مشخص درس‌های آموخته‌شده از آزمایش‌ها رو بین اعضا به بحث بگذارید. برای تیم داخلی خودتون به طور هفتگی و برای مشاورین و سرمایه‌گذاران به طور ماهیانه. این به شما اجازه میده که توقف کنید، به عنوان یه تیم به یافته‌ها واکنش نشون بدید و برای فعالیت‌های بعدی برنامه‌ریزی کنید. به این دو گام آخر «حسابداری نوآوری» گفته میشه. تصاویر زیر مدل حسابداری نوآوری که من استفاده می‌کنم رو نشون میده.

 

هدف در اینجا، سنجیدن کمترین محصولِ قابل ارائه‌ی ماست. ابتدا خلاصه‌ای از آموخته‌های ما از یک دوره‌ی مشخص در ۳ بخش مجزا ارائه شده: آنچه انتظار داشتیم اتفاق بیفته (your hypotheses)، آنچه واقعا اتفاق افتاد (your insights)، و آنچه در آینده می‌خواهیم انجام دهیم (future experiments). در ادامه، به نحوه‌ی برخورد و استفاده‌ی مشتری‌ها با محصول پرداخته شده. این روش اجازه می‌ده که در حین اینکه دائما در حال حرکت به سمت طرحی هستید که جواب بده،‌ به یادگیری ادامه بدید. 

 

استفاده از ابَر الگوی تکرار (iteration) برای ریسک‌ها

با استفاده از آزمایش‌ها میشه با ریسک‌ها مواجه شد. قبل از تناسب محصول/بازار، اگرچه شما ممکنه بتونی تعدادی از ریسک‌ها رو کم کنی، اما نمی‌تونی با استفاده از یه آزمایش اونها رو به طور کامل حذف کنی. 

در اینجا دو تا اتفاق ممکنه بیفته. یکی اینکه استارتاپ‌ها ممکنه بر اساس نتیجه‌ی منفی یا حتی نه چندان خوب اولیه، خیلی زود به سراغ چرخش (pivot) برن و یا دیگه سراغ آزمایش‌های بیشتر نرن. دومی کاملا برعکسه. یعنی استارتاپ‌ها از نتایج مثبت اولیه بیش از حد خوش‌بین بشن، به طوریکه بعدا با مشکل مواجه بشن. 

اولین نقطه‌ی هدف برای یه استارتاپ، رسیدن به تناسب محصول/بازار هستش. این فقط به معنی ساخت یه محصول مناسب نیست،‌ بلکه شامل یه بیزینس مدل مقیاس‌پذیر (scalable) هستش که جواب بده. 

برای شما به صرفه نیست که کورکورانه فرایندی رو دنبال کنید یا آزمایش‌هایی رو فقط برای آموختن اجرا کنید. بلکه باید روندی رو دنبال کنید که آزمایش‌های شما در «تکرارهای مرحله‌ای» قرار بگیره و به این ترتیب اموخته‌های شما هربار افزایش پیدا کنه:

هر بار بیشترین آموخته‌ رو (درباره‌ی اینکه چه چیزی پر ریسک‌ترین هستش) به دست بیار. 

نقطه‌ی شروع، یه بوم ناب تکمیل شده‌ست که طرحی رو ارائه میده که شما معتقدید جواب میده. بعد شما به صورت روش‌مند آزمایش‌های مرحله‌ای رو اجرا می‌کنید که نواحی روی بوم رو پوشش میدن. 

قبلا مساله، کانال‌ها،‌ و جریان درآمد رو پر ریسک‌ترین موارد برای شروع دونستیم. در اینجا بررسی می‌کنیم که چطور به صورت ساختارمند با این ۳ مورد مواجه بشیم: 

مرحله‌ی ۱: فهمیدن مساله

با مشتری‌ها مصاحبه‌‌ی رسمی انجام بدید یا از سایر روش‌های آشنایی با مشتری استفاده کنید تا بفهمید که آیا مساله‌ای دارید که ارزش حل کردن داشته باشه؟ مساله مربوط به کیه؟ مساله‌ی اصلی چیه و الان چطور حلش میکنن؟  

مرحله‌ی ۲: تعریف راه‌حل

با استفاده از اطلاعاتی که از مرحله‌ی ۱ کسب کرده‌اید،‌ راه‌حلی تعریف کنید، یک دمو تهیه کنید که مشتری بتونه تصوری از راه‌حل شما داشته باشه و بعد اون رو با مشتری‌ها آزمایش کنید. راه‌حل شما جواب میده؟ پذیرنده‌ی اولیه کیه؟ مدل قیمت‌گذاری کار می‌کنه؟

مرحله‌ی ۳: اعتبارسنجی کیفی

کمترین محصول قابل ارائه‌ی خودتون رو تولید کنید و به پذیرنده‌های اولیه ارائه بدید. اونها می‌تونن ارزش پیشنهادی منحصر‌به‌فرد شمارو تشخیص بدن؟ چطور می‌تونید یه تعداد پذیرنده‌‌ی اولیه برای دریافت اطلاعات پیدا کنید؟ باید هزینه‌ای پرداخت کنید؟

مرحله‌ی ۴: تایید کمّی

محصول بهینه شده‌ی خودتون رو برای تعداد افراد بیشتری منتشر کنید. مردم چیزی که ساختید رو می‌خوان؟ چطور می‌خواید تعداد مشتری‌ها رو به سرعت افزایش بدید؟ کسب و کار شما به راحتی در دسترس مردم قرار داره؟

 

در اینجا نحوه‌ی مواجهه با آنها بر اساس ریسک‌ها ارائه شده:

- ریسک محصول: تولید محصولِ درست

۱- اول مطمئن بشید که مساله‌ای دارید که ارزش حل کردن داره.

۲- سپس کمترین محصول قابل ارائه رو تعریف کنید.

۳- کمترین محصول قابل ارائه رو تولید و اون رو در ابعاد کوچیک اعتبارسنجی کنید.

۴- در نهایت اون رو در ابعاد وسیع بررسی کنید.

- ریسک مشتری: برای دسترسی مشتری‌ها به محصول مسیری بسازید

۱- اول مشخص کنید چه کسایی با این مساله مواجهن.

۲- بعد اونها رو به پذیرندگان اولیه‌ای که همین الان حاضرن از محصول شما استفاده کنن محدود کنید.

۳- خوبه که کار رو از کانال‌های بیرونی (outbound channels) شروع کنید.

۴- اما به تدریج کانال‌های درونی مقیاس‌پذیر (scalable inbound channels) رو توسعه بدید، هر چه زودتر بهتر.

- ریسک بازار: یه کسب و کار ماندگار بسازید.

۱- از طریق سایر راه‌حل‌های موجود، رقابت رو تشخیص بدید و برای راه‌حل خودتون قیمتی تعیین کنید.

۲- قیمت‌گذاری رو اول از طریق چیزی که مشتری‌ها میگن بسنجید.

۳- بعد از طریق رفتار مشتری‌ها قیمت‌گذاری رو بسنجید.

۴- ساختار هزینه‌ی خودتون رو بهینه کنید تا بیزینس مدل‌تون جواب بده. 

 

 

بخش هفتم: سنجش ساختارمند طرح - آمادگی برای مصاحبه با مشتریان

 

 

 

۰ نظر
فربد صالحی

تصمیم و قضاوت

 

به عنوان یه رشتی طرفدار فوتبال، شناخت من از «علیرضا جهانبخش» به زمانی برمیگرده که تو تیم «داماش گیلان» بازی می‌کرد و تا جایی که می‌دونستم اهل شهر «رودبار» تو استان «گیلان» بود. خیلی جوون بود و از بازیش مشخص بود که می‌تونه آینده‌ی خوبی داشته باشه. روندی که اون موقع می‌شد برای همچین بازیکنی در نظر داشت این بود که به یه تیم بزرگتر و ثروتمندتر، مثلا «سپاهان» یا «ذوب‌آهن» بره و اگه دچار اُفت و حاشیه‌های معمول فوتبالیست‌های جوون تو فوتبال ایران نشه، به یکی از تیم‌های «استقلال» یا «پرسپولیس» منتقل بشه. البته موردهایی هم بودن که مستقیما از یه تیم کوچک به یکی از دو تیم‌ بزرگ تهران منتقل شده بودن و این گزینه هم محتمل بود.

اما خبری که از جهانبخش بعد از ۲ فصل حضور تو تیم داماش منتشر شد، انتقالش به یه تیم «هلندی» بود. بعد از حضور تیم ملی ایران تو جام جهانی ۱۹۹۸، انتقال بازیکن‌های ایرانی به لیگ‌های اروپایی و بخصوص «آلمانی» چیز عجیبی نبود، اما سال‌ها ازون دوران گذشته بود و حالا اینکه بازیکنی از ایران تو سن خیلی پایین و مستقیما از یه تیم کوچک به تیمی تو یه لیگ آبرومند اروپایی بره خبر هیجان‌انگیزی بود، هر چند نگرانی‌هایی هم مطرح میشد. مثلا اینکه عدم تجربه‌ی حضور تو تیم‌های بزرگ ایرانی و یا حتی عدم حضور در لیگ‌‌های متوسط کشورهای همسایه مثل «قطر» و «امارات» باعث نشه که جهانبخش زیر فشار زیاد بازی‌های اروپایی نتونه عملکرد خوبی از خودش نشون بده و اصطلاحا بسوزه.

اما خبرهایی که از حضور جهانبخش تو هلند میومد خیلی خوب بود، طوریکه بعد از ۲ فصل، به یه تیم بزرگتر هلندی منتقل شد و تو فصل سوم حضورش تو اون تیم هم «آقای گل» لیگ برتر هلند شد که خیلی افتخار بزرگی بود. بعد از ۵ فصل حضور در فوتبال هلند، علیرضا جهانبخش با یه مبلغ قابل توجه به تیم «برایتون» انگلیس منتقل شد که تبدیلش کرد به گرانترین خرید تاریخ این باشگاه انگلیسی.

این انتقال از جهات زیادی تفاوت داشت با تجربه‌های قبلی علیرضا، چون لیگ برتر انگلیس یکی از سطح بالاترین لیگ‌های فوتبال دنیاست و ضمنا معروفه که مسابقاتش بسیار درگیرانه انجام میشه و قدرت بدنی و تمرکز بالایی می‌طلبه. خیلی خلاصه اینکه اوضاع واسه علیرضا تو انگلیس اونطور که باید پیش نرفت. تو فصل اول بازی‌های کمی انجام داد، نه گلی زد و نه تونست پاس گلی بده و این برای خرید یه باشگاه که گرانترین خرید تاریخ باشگاه هم هستش یه فاجعه محسوب میشه. مسلما طرفدارها و رسانه‌ها انتقاد می‌کنن و باشگاه و سرمربی زیرفشار قرار میگیرن. تو فصل دومش هم که همین فصل ۲۰۱۹-۲۰۲۰ هستش، اوضاع بدتر شد و کلا مربی تو ترکیب تیم قرار نمی‌دادش.

حالا دیگه بحث و انتقاد از داخل ایران هم شنیده می‌شد. بعضی‌ها معتقد بودن که رفتن به انگلیس از اولش اشتباه بود: وقتی توی هلند موفق بودی چرا رفتی یه کشور دیگه. فوقش میرفتی یه تیم بهتر، مثلا «آژاکس». بعضی‌ها هم میگفتن عجله کردی و کار درست این بود که به جای لیگ برتر انگلیس، از لیگ رده پایین‌تر این کشور (لیگ دسته‌ی اول) شروع می‌کردی تا کم کم جا بیفتی. این بحث هم مطرح بود که بهتره جهانبخش تا یه فصل رو کلا از دست نداده زودتر تیمش رو عوض کنه و حتی دوباره برگرده هلند. اما از مدیر برنامه‌های علیرضا خبر می‌رسید که علیرضا تصمیم داره بمونه و تلاش کنه.

امروز که دوم ژانویه 2020 هستش، علیرضا جهانبخش توی دو بازی پی در پی تو لیگ برتر انگلیس برای تیمش گل زده. اولیش رو قبل از اینکه هنوز بازی به دقیقه‌ی ۳ برسه زد که سریع‌ترین گل تاریخ برایتون تو لیگ برتر بوده و دومیش رو هم در دقایق انتهایی بازی با تیم بزرگ «چلسی»، با یه «قیچی برگردون» زیبا که باعث شد تیمش از شکست نجات پیدا کنه.

میشه تصور کرد که روزها و ماه‌های قبل از این دو تا گل چه فکرهایی از ذهنش گذشته. اینکه شاید این حرفهایی که کارشناس‌ها و رسانه‌ها در مورد انتخاب تیم و .. میزنن درسته. واقعا من اینقدر که برام هزینه شده ارزش دارم؟ چرا دیگه نمی‌تونم گل بزنم؟ اگه مربی تیم دیگه بهم بازی نده چی؟ چه کاری درسته؟ با همین تیم ادامه بدم یا تیمم رو عوض کنم؟ 

تصویر بالا که مربوط به بعد از اولین گلش تو لیگ برتر انگلیس میشه، نشون میده که این بازیکن از چه فشار روانی شدیدی رها شده. بعد از گل دومش هم که به طرز زیبایی به ثمر رسوند، همه دارن تحسینش می‌کنن که «موند و جنگید، تسلیم نشد، حاضر نشد به عقب برگرده و حالا داره مزد زحماتش رو می‌گیره».

خیلی وقتها قضاوتی که ما درباره‌ی تصمیم‌ها و انتخاب‌های دیگران داریم، فقط معطوف به «نتیجه‌» هستش. تا موقعی که گل بزنن و بدرخشن، همه‌چی درست و به موقع بوده، ولی اگه تو مقطعی دچار مشکل و اُفت بشن، باید خودشون رو برای انتقاد و سرزنش آماده کنن.

خیلی کلی‌تر، شاید بشه گفت هر چقدر که تو زندگی جلوتر میریم، هر چقدر تصمیم‌ها مهم‌تر و سرنوشت‌سازتر میشن، دیگه کمتر می‌تونیم قاطعانه بگیم چه کاری درسته و چه کاری غلط. شاید تنها کاری که ازمون بربیاد این باشه که تا جای ممکن اطلاعات جمع کنیم، با افراد با تجربه‌تر مشورت کنیم و با در نظر گرفتن همه‌ی جوانب تصمیم بگیریم. ولی بهتره بدونیم که هیچ تضمینی برای رسیدن به نتیجه‌ی دلخواه وجود نداره و باید برای هر نتیجه‌ای و بر اساس اون نتیجه، برای هر قضاوتی توسط بقیه‌ی افراد آماده باشیم.   

 

 

۰ نظر
فربد صالحی

دوره‌ی مقدماتی data science - تصویرسازی از داده‌ها و تحلیل آنها

این سومین بخش از خلاصه‌ی مجموعه‌ی «دوره‌ی مقدماتی data science» هستش. 

بخش اول - مقدمه

بخش دوم - مقدمه‌ای بر داده‌ها

 

توابع تجمیعی (aggregate functions)

در بخش قبلی با یکی از توابع تجمیعی یعنی «مجموع» آشنا شدیم و جمع مقادیر ستون درآمد رو محاسبه کردیم. عملیات تجمیعی یکی از ابتدایی‌ترین کارهایی هستش که معمولا روی داده‌ها انجام میدیم تا بتونیم به یه خلاصه و جمع‌بندی از اونها دست پیدا کنیم. متداول‌ترینِ این توابع شامل تعداد(Count)، مجموع(Sum)، میانگین(Average)، کمترین مقدار(Min) و بیشترین مقدار(Max) هستش. در زیر نتیجه‌ی اِعمال این توابع روی ردیف داده‌هامون رو می‌بینیم:

 

 

بسته به نوع داده، نتیجه‌ی بعضی توابع تجمیعی ممکنه کاربردی نداشته باشه. مثلا در جدول بالا، عملیات جمع (Sum) روی دما و قیمت، خروجی معناداری تولید نمی‌کنه. نکته‌ی دیگه اینکه روی بعضی داده‌ها، مثل روز هفته که برای دسته‌بندی اطلاعات استفاده میشه، محاسبه‌ی تعداد (Count) کمکی به ما نمی‌کنه و مثل جدول بالا بهتره از تعداد تفکیکی (DCount) استفاده کنیم. 

وقتی داده‌های ما براساس یک یا چند فیلد دسته‌بندی شده باشن، مثلا بر اساس فیلد روزهای هفته یا قیمت، می‌تونیم توابع تجمیعی رو به طور جداگانه روی هر کدوم از دسته‌ها اِعمال کنیم:

در تصویر بالا، «میانگین» دما و بارندگی، و «مجموع» تعداد آگهی و تعداد فروش و مقدار درآمد براساس روزهای هفته به طور جداگانه محاسبه شده. 

وقتی بیشتر از یک دسته در داده‌ها وجود داشته باشه، می‌تونیم داده‌ها رو به طور سلسله‌مراتبی «گروه‌بندی» کنیم. به عنوان مثال اگه تو جدول ابتدای این بخش دقت کنیم می‌بینیم که قیمت تو بعضی روزها 30 سِنت و تو بعضی روزها 50 سِنت هستش، یعنی ردیف‌ها بر اساس قیمت به دو دسته تقسیم میشن. اینجا می‌تونیم ابتدا ردیفها رو براساس قیمت گروه‌بندی کنیم و بعد توابع تجمیعی رو روی روزهای مختلف اِعمال کنیم:

اگه به تصویر زیر دقت کنیم متوجه می‌شیم که مجموع درآمد تو روزهایی که قیمت ۵۰ سِنت بوده (52.00)  با وجود فروش کمتر (104) بیشتر از روزهایی هستش که قیمت ۳۰ سِنت بوده (35.70) با وجود فروش بیشتر (119). شاید بشه نتیجه گرفت که فروش با قیمت ۵۰ سِنت به‌صرفه‌تر هستش. ضمن اینکه می‌بینیم تو روزهای جمعه، وقتی قیمت ۵۰ سِنت بوده، با وجود تعداد آگهی کمتر مقدار فروش و درآمد بیشتر بوده:

 

 

تصویرسازی از داده‌ها

استفاده از نمودار و گراف و به طور کلی تصویرسازی از داده‌ها به ما کمک می‌کنه که سریع‌تر و راحت‌تر بتونیم اطلاعات مورد نیاز رو از داده‌های موجود استخراج کنیم. 

در تصویر زیر یه نمودار خطی (line) ساده رو می‌بینیم که درآمد روزانه رو در بازه‌ی دو هفته‌ای نشون میده. در اینجا درآمد (محور عمودی) به صورت نقطه‌ای متناظر با تاریخ مربوطه (محور افقی) نمایش داده شده و از اتصال این نقاط به هم، این نمودار به دست اومده. 

به طور کلی به محور افقی نمودارها، محور Xها و به محور عمودی نمودارها، محور Yها گفته میشه. نمودارها معمولا شامل توضیح علائم (legend) هم هستن. مثلا تو تصویر بالا می‌فهمیم که خط آبی نمودار نشون‌دهنده‌ی درآمد (Revenue) هستش. مورد بعدی عنوان نمودار هستش که نشون میده نمودار قراره چه چیزی رو به ما اطلاع بده. مثلا در نمودار بالا، "Revenue Over Time" نشون میده که هدف نمودار، نمایش درآمد در طول زمان هستش. 

نمودار دایره‌ای (Pie) نوع دیگه‌ای از نمودارهاست که استفاده ازش متداول هم هست. همونطور که مشخصه این نوع نمودار محور عمودی و افقی نداره و مقادیر رو بر اساس مساحت اختصاص داده شده در سطح دایره نمایش میده. به عنوان مثال نمودار دایره‌ای زیر نشون میده که هر کدوم از روزهای هفته چه درصدی از میزان درآمد رو به خودشون اختصاص میدن. روز یکشنبه با ۱۸ درصد بالاترین سهم و روز جمعه با ۱۲ درصد پایین‌ترین سهم رو در درآمد دارن.  

 

استفاده از نمودار میله‌ای(bar) یا ستونی(column) روش دیگه‌ای در تصویرسازی داده‌هاست. در نمودار میله‌ای زیر، هر میله یا ستون نشون‌دهنده‌ی یه روز هفته و ارتفاع هر میله نشون‌دهنده‌ی مقدار درآمد کسب شده در اون روز هستش. 

اگه چند دسته داده داشته باشیم، مثل روزهای هفته و قیمت فروش، می‌تونیم از چند نوع میله یا ستون استفاده کنیم. مثلا تو نمودار زیر، میله‌های آبی نشون‌دهنده‌ی درآمد با فروش ۳۰ سِنت و میله‌های نارنجی نشون‌دهنده‌ی درآمد با فروش ۵۰ سِنت هستن. 

اگه نیاز داشته باشیم که یک روند رو بر اساس تغییرات دو داده‌ی مرتبط نشون بدیم، می‌تونیم از نمودار نقشه‌ای(plot) استفاده کنیم. نمودار زیر دما رو روی محور Xها، تعداد فروش رو روی محور Yها و تعداد فروش در هر دما رو با یه نقطه‌ی آبی نشون میده. روندی که می‌تونیم بیینیم اینه که هر چه دما بالاتر بوده، تعداد فروش هم بیشتر شده و برعکس. خط نارنجی این روند رو به ما نشون میده.  

 

بخش چهارم: مقدمه‌ای بر آمار

 

۰ نظر
فربد صالحی

کتاب Running Lean: شناخت بخش‌های پر ریسک طرح - اولویت بندی و انتخاب نقطه‌ی شروع

این پُست پنجمین بخش از مجموعه‌ی خلاصه‌ی کتاب Running Lean یا اجرای ناب هستش.

بخش اول: مقدمه

بخش دوم: نقشه‌ی راه - اصول فراگیر

بخش سوم: نقشه‌ی راه - یک مثال

 بخش چهارم: مستند کردن طرح - بوم ناب

 

ریسک چیه؟

ما می‌دونیم که استارتاپ‌ها با مساله‌ی «عدم قطعیت» مواجهن، ولی عدم قطعیت و ریسک دو تا چیز متفاوتن. ما می‌تونیم در مورد چیزای زیادی دچار عدم قطعیت باشیم، در حالیکه اون چیزا دارای ریسک نیستن. عدم قطعیت رو میشه «وجود بیشتر از یک حالت ممکن» دونست، در حالیکه ریسک رو میشه نوعی از عدم قطعیت دونست که در اون «بعضی از حالت‌های ممکن، نتایج ناخوشایندی خواهند داشت».

بوم ناب به طور خودکار عدم قطعیت‌هایی رو که در عین حال ریسک هم هستن مشخص می‌کنه. اما ریسک‌ها با هم متفاوتن. سنجش احتمال بروز یک نتیجه‌ی خاص، به همراه سنجش میزان خسارت در صورتی که شما در این کار مرتکب اشتباه بشید، روش سنجش ریسک در بیزینس مدل شماست.  

به عنوان مثال،‌ تو مطالعه‌ی موردی مربوط به نوشتن این کتاب که قبلا بررسی کردیم،‌ من قیمت رو به عنوان یه ریسک بالا در نظر نگرفتم، چون با وجود اینکه خسارت ناشی از عدم خرید کتاب خیلی بزرگ بود، احتمال این اتفاق با توجه به کتاب خوبی که می‌خواستم بنویسم پایین بود. به همین دلیل به جای قیمت، تمرکز خودم رو روی فهرست مطالب قرار دادم. 

در هر استارتاپ سه نوع ریسک کلی میشه در نظر گرفت: ریسک محصول (P)، ریسک مشتری (C) و ریسک بازار (M). مواجهه‌ی همزمان با همه‌ی این ریسک‌ها سخته، به همین دلیل باید بر اساس موقعیت محصول این ریسک‌ها رو اولویت‌بندی کرد و به طور ساختارمند با اونها مواجه شد. 

 

در حالیکه پرریسک‌ترین بخش مدل شما بر اساس نوع محصولی که قصد ساختش رو دارید متفاوت خواهد بود، ریسک‌هایی وجود دارند که عمومی‌ترن و نقطه‌ی شروع خوبی برای رتبه‌بندی بیزینس مدل‌ها هستن.

 

رتبه‌بندی بیزینس مدل‌ها

الان وقتشه که بوم‌های نابی که دارید رو کنار هم قرار بدید و بر اساس اولویت‌ها تصمیم بگیرید که با کدوم مدل شروع کنید. هدف ما در اینجا رسیدن به مدلیه که یه بازارِ به اندازه‌ی کافی بزرگ و مشتری‌هایی نیازمند به محصول ما داره، محصولی که می‌تونیم بر اساس اون یه کسب و کار راه بندازیم. 

من از این ترتیب وزنی استفاده می‌کنم، از بیشترین به کمترین:

۱- میزان نیاز مشتری (مساله)

دسته‌های مشتری‌ رو بر اساس میزان نیازشون به محصولتون اولویت‌بندی کنید. هدف رسیدن به مهم‌ترین مساله‌های مشتری‌هاست. 

۲- سهولت دسترسی (کانال‌ها)

ساخت یه مسیر دسترسی برای مشتری‌ها یکی از سخت‌ترین جنبه‌های ساخت یه محصول موفقه. اگه مسیر راحتی برای یه دسته از مشتری‌ها دارید، اون رو هم درنظر بگیرید. البته این تضمین نمی‌کنه که شما بتونید برای این دسته از مشتری‌ها مساله‌ای پیدا کنید که ارزش حل کردن داشته باشه.

۳- قیمت و سود (جریان‌های درآمد/ ساختار هزینه)

اینکه چقدر پول واسه محصولتون می‌تونید دریافت کنید تا حد زیادی به دسته‌ی مشتری مربوط میشه. دسته‌ی مشتری‌ای رو انتخاب کنید که به شما اجازه میده حاشیه‌ی سودتون رو بیشتر کنید. هر چه حاشیه‌ی سودتون بیشتر باشه، نیاز شما به پیدا کردن مشتری کمتر میشه. 

۴- اندازه‌ی بازار (دسته‌های مشتری‌)

دسته‌ای از مشتری‌ها رو انتخاب کنید که بازار بزرگی رو برای رسیدن به اهداف تجاری شما نمایندگی می‌کنن.

۵- امکان فنی (راه‌حل)

بررسی کنید که راه‌حل طراحی شده‌ی شما نه تنها عملی باشه، بلکه حداقل ویژگی‌های مورد نیاز مشتری رو ارائه کنه.

مطالعه‌ی موردی: CloudFire، اولویت‌بندی شروع

تصاویر زیر بوم‌های ناب CloudFire رو بر اساس رتبه‌بندی اونها نشون میده:

بوم والدین:

 

بوم عکاس‌ها:

 

بوم فیلمبردارها:

 

بوم مصرف‌کنندگان:

 

اگرچه دسته‌ی فیلم‌بردارها بیشترین حاشیه‌ی سود رو داره(با ۱۰۰ مشتری به نقطه‌ی سر به سر می‌رسید)،‌ اما چالش‌های تکنیکی زیادی در کار با فایل‌های حجیم (که اکثرا فایل‌های ویدئویی هستن) وجود داره. دسته‌ی مصرف‌کنندگان هم ضعیف‌ترین ارزش پیشنهادی و سخت‌ترین مدل درآمدزایی رو داره. براساس این رتبه‌بندی، من تصمیم گرفتم که با دسته‌های والدین و عکاس‌ها شروع کنم. 

 

مشورت با دیگران

این ضروری است که شما مدل خود را با حداقل یک نفر دیگر مطرح کنید.

من قبلا بعد از مستندسازی مدل اولیه بلافاصله سراغ مصاحبه با مشتری‌ها می‌رفتم،‌ اما حالا ترجیح میدم اول یه زمانی رو برای اولویت‌بندی ریسک‌ها و فکر کردن به مدل‌های جایگزین با افرادی غیر از مشتری‌ها، یعنی مشاورین صرف کنم. 

علت اصلی این کار افزایش سرعت و یادگیری هستش. مشتری‌ها نمی‌تونن مستقیما جواب همه‌ی سوال‌ها رو داشته باشن. ضمن اینکه انتخاب دسته‌ی مشتری ممکنه بدرستی انجام نشه. 

اما از طرف دیگه، مشاورین مناسب می‌تونن تو تعیین ریسک‌های کلی طرح و همچنین اصلاح و یا حتی حذف بعضی از مدل‌ها به شما کمک کنن. 

مشاور ابتدای کار ممکنه یکی از مشتری‌های اولیه، یه سرمایه‌گذار بالقوه، یه کارآفرین با تخصصی خاص یا یه شخص آگاه از حوزه‌ی فعالیت باشه. به عنوان مثال، من بعد از فروش آخرین شرکتم، آموخته‌های خودم از CloudFire رو با چندتا کارآفرین که اونها هم قصد داشتن والدین رو به عنوان مشتری انتخاب کنن به اشتراک گذاشتم. 

چندتا راهنمایی برای اجرای مصاحبه‌های مرتبط به بیزینس مدل:

۱- خودداری از روش ارائه با اسلایدهای ۱۰ قسمتی

از اونجایی که هدف ما در اینجا کسب اطلاعات هستش، من از اسلاید استفاده نمی‌کنم. به جای اون من از روش تکمیل تدریجی بوم ناب استفاده می‌کنم، یعنی با یه بوم خالی شروع می‌کنم و همینطور که جلو می‌رم بخش‌های مختلفش رو نمایش می‌دم. 

۲- اختصاص ۲۰ درصد زمان به ارائه و ۸۰ درصد زمان به گفتگو

معمولا ۳ تا ۵ دقیقه زمان برای توضیح مدل بوسیله‌ی من کافیه و بقیه زمان رو صرف گوش کردن می‌کنم. چیزی که من متوجه شدم اینه که اگه بوم تکمیل شده رو جلوی افراد باز بذارم،‌ اونا می‌تونن یه تصویرسازی از کل مدل انجام بدن و نظرشون رو ابراز کنن. 

۳- پرسیدن سوالات مشخص

من بطور خاص می‌خوام بدونم که:

- اونها کدوم جنبه از طرح رو پر ریسک‌تر می‌دونن. 

- اونها تجربه‌ی غلبه بر ریسک‌های مشابه رو داشتن؟ چطور؟

- اونها چطور این ریسک‌ها رو آزمایش کردن؟

- افراد دیگه‌ای هستن که صحبت با اونها می‌تونه به من کمک کنه؟

۴- مواظب «تناقض مشاور» بودن

همونطور که هدف ما از مصاحبه با مشتری‌ها این نیست که ازشون بپرسیم چی می‌خوان، هدف مصاحبه با مشاور هم این نیست که بپرسیم چکار باید کرد.

تناقض مشاور: مشاورها رو برای کسب توصیه‌‌ی خوب به کار بگیر، اما دنباله‌روی اون نباش، بلکه ازش استفاده کن. 

 از بازخوردها نه به منظور اعتبارسنجی، بلکه به منظور شناسایی و اولویت‌بندی ریسک‌ها باید استفاده کرد.

۵- به کارگیری مشاوران با بصیرت

همونطور که پذیرندگان اولیه علاقه دارن برای رفع مشکلاتشون به شما کمک کنن،‌ مشاورین با بصیرت هم وقتی مسائل جالبی رو باهاشون مطرح می‌کنید با شور و اشتیاق زیادی سعی می‌کنن به شما کمک کنن. شما می‌تونید این نوع از مشاورین رو از جواب‌ها و زبان بدنشون بشناسید. اگه با چنین مواردی برخورد کردید، اونها رو برای بکارگیری به عنوان مشاور رسمی خودتون در آینده در نظر داشته باشید.  

 

بخش ششم: شناخت بخش‌های پر ریسک طرح - برای آزمایش آماده شوید

 

 

 

 

۰ نظر
فربد صالحی

ذهن آلوده

 

روز جمعه فرصتی پیش اومد که ماشین رو ببرم کارواش. طبیعتا خیلی‌های دیگه هم جمعه رو برای این کار انتخاب کرده بودن و بیشتر از یک ساعت طول کشید تا کار ماشین تموم شه. وقتی وارد اتاق انتظار کارواش شدم، تلویزیون روشن بود و فیلم «دست‌های آلوده» پخش می‌شد. فکر کنم قبلا دو بار این فیلم رو دیده بودم. یه بار همون موقع اکرانش تو سینما حدودای سال ۷۸-۷۹ و یه بار هم چند سال قبل.

بار اول که اصلا خوشم نیومده بود. اون سالها سرعت تحولات اجتماعی و سیاسی خیلی زیاد بود، یا حداقل خیلی‌ها مثل من اینطور فکر می‌کردن و انتظار داشتن واقعا تحولی اتفاق بیفته. فیلم‌ها، کتاب‌ها و ترانه‌ها فقط وقتی واسه من قابل قبول بودن که «پیام» اجتماعی یا سیاسی می‌داشتن. مثلا از فیلم‌های «دو زن» (تهمینه میلانی، ۱۳۷۷) و یا «زیر پوست شهر» (رخشان بنی‌اعتماد، ۱۳۷۹) خوشم اومده بود، ولی از «قرمز» (فریدون جیرانی، ۱۳۷۷) یا همین فیلم دست‌های آلوده (سیروس الوند، ۱۳۷۸) نه. یعنی به نظرم خوب ساخته شده بودن، ولی میگفتم خب که چی، داستان چندتا آدم چرا باید واسه من جالب باشه آخه.

بار دوم که ۴-۵ سال قبل بود، تو یه موقعیت تقریبا اجباری فیلم رو دیدم. دیگه اون ذهنیت‌ها در مورد پیام اثر و این حرف‌ها رو نداشتم، اما خیلی جدی نگرفتمش و با همون ذهنیتی که از تماشای دفعه‌ پیش برام ایجاد شده بود دیدمش. فیلم که تموم شد با خودم گفتم انگار اونقدرها هم بد نبود، حتی شاید تو سبک خودش تو سینمای ایران خوب هم بود.

اما این دفعه فرق داشت. منی که ۳۵ سالگی رو رد کردم، تو آخرین جمعه‌ی پاییز سال ۱۳۹۸، در حالیکه بین غریبه‌هایی نشستم که اکثرشون تو سکوت مشغول موبایل‌هاشون هستن و آفتاب کم‌رمقِ وسط روز هم از پنجره به داخل اتاق می‌تابه، یه بار دیگه فیلم دست‌های آلوده رو دیدم. منی که یکی دو سالی هستش که تقریبا خیالم از بابت هر بهبودی در شرایط کشور راحت! شده و چند ماهی هم میشه که حتی از نظر شخصی هم چشم‌انداز روشنی واسه خودم نمی‌بینم. 

این دفعه چون داستان رو می‌دونستم، بیشتر به خود شخصیت‌های فیلم توجه کردم. عجیب بود که این دفعه برام خیلی باور‌پذیرتر بودن. احساساتشون، غصه‌هاشون و آرزوهاشون رو درک کردم. یه جورایی انگار از گذشته‌شون هم مطلع بودم بدون اینکه فیلم خیلی بهش پرداخته باشه. انگار وقتی ذهنم به خاطر جبر زمانه، بالا رفتن سن و یا مواجه شدن با واقعیت‌های زندگی از آلودگی به امیدها و آرزوهای پوچ و کاذب پاک شد، تواناییش تو درک آدم‌ها و احساساتشون هم بیشتر شد، بیشتر و بهتر دید همه‌چیز رو.

من دیدم که «ابوالفضل پورعرب» چقدر پخته بازی کرد، از دوره‌ی جوونی و اوج گذشته بود، ولی هنوزم ستاره بود. من «هدیه تهرانی» رو دیدم. برخلاف الان که خیلی کم کار شده، اون روزا سوپر استار سینمای ایران بود. الان تازه می‌فهمم که چرا جوونا اینقدر دوسش داشتن و همه‌ی فیلماشو میدیدن، چقدر دیر فهمیدم! «امین حیایی» چقدر جوونتر از الانش بود، چه جوون خوش‌قیافه‌ای هم بود. «عسل بدیعی» چقدر با احساس بازی کرد. یه لحظه فکر اینکه دیگه تو این دنیا نیست تکونم داد و ...البته ترانه‌ی زیبای «پروانگی» با صدای پر قدرت «نیما مسیحا» و آهنگ و تنظیم زیبای مرحوم «بابک بیات» رو شنیدم.

ای کاش دیگه ذهنم رو آلوده‌ی توهمات نکنم، دریچه‌های ذهنم رو باز بذارم و از آدم‌ها، احساسات و زندگیشون راحت و بی‌تفاوت نگذرم. البته احتمالا واسه افرادی مثل من، این کار سختیه و فقط هر از چندگاهی که یادم بیفته باعث میشه حسرت بخورم.

 

مثلِ یه پروانه ببین، اسیر مشتِ بسته‌ام

از این همه پرسه‌زدن، کوچه به کوچه، خسته‌ام

تو لحظه‌های بی‌کسی، اسیر ناباوری‌ام

تو قاب خالی جنون، یه عکس خاکستری‌ام

-----

توی این ثانیه‌های بی‌رمق، لحظه‌های آبیتو حروم نکن

این روزا ابری و خاکستریه، شبای آفتابیتو حروم نکن

بگو خورشید از کدوم ور در اومد، که تو مثل قصه رویایی شدی

ماهی زخمی پاشوره‌ی حوض، کیو خواب دیدی که دریایی شدی

-----

برای من، که رفیق سفرم، مرهم زخمای خستگی، تویی

برای من که غریب جاده‌هام، آخرین همدم خونگی، تویی

از رو گلبرگ گلای کاغذی، اشکامو با دست آلوده بچین

منو، تو آینه ها شستشو بده، تو چشام حادثه‌ی عشقو ببین

 

ترانه‌سرا: پیام پارسا

۰ نظر
فربد صالحی

دوره‌ی مقدماتی data science - مقدمه ای بر داده‌ها

این دومین بخش از خلاصه‌ی مجموعه‌ی «دوره‌ی مقدماتی data science» هستش. 

بخش اول - مقدمه

چیزی که مشخصه اینه که data science در مورد کاوش داده‌هاست. اما واقعا به چه چیزی داده گفته میشه؟

با یه مثال ساده شروع می‌کنیم. فرض می‌کنیم که «رُزی» تو وقت آزادش کنار خیابون لیموناد می‌فروشه و به دقت اطلاعات فروشش رو به صورت زیر ثبت میکنه:

 

 

همونطور که مشخصه، رُزی تاریخ (date)، روز هفته (day)، دما (temperature)، میزان بارندگی (rainfall)، تعداد برگه‌های تبلیغاتی که پخش کرده (flyers)، قیمت (price) و تعداد فروش (sales) رو ثبت کرده. در نتیجه می‌تونه آمار فروشش رو تجزیه و تحلیل کنه.

ستون Date از نوع داده‌ی «زمانی» هستش. این نوع داده‌ها ترتیب مشخصی دارن. مثلا ۲ ژانویه بعد از ۱ ژانویه و قبل از ۳ ژانویه است و به همین ترتیب. روی این نوع داده میشه عملیات محاسباتی انجام داد که البته متفاوت با عملیات محاسباتی‌ای هستش که روی داده‌های عددی انجام میشه. 

ستون Day نمونه‌ای از نوع داده‌ی «متنی» هستش. از این نوع داده میشه برای دسته بندی ردیف‌ها استفاده کرد. مثلا ردیف‌های مربوط به روزهای پنجشنبه و جمعه رو به عنوان اطلاعات مربوط به آخر هفته در نظر می‌گیریم.

بقیه ستون‌ها از نوع داده‌‌ی «عددی» هستن. ستون‌های دما و بارندگی از نوع اعداد «پیوسته» و ستون‌های آگهی و فروش از نوع اعداد «گسسته» هستن. وقتی می‌گیم عدد فروش از نوع گسسته است، یعنی تعداد فروش نمی‌تونه مثلا ده تا و نیم باشه، یا ده تاست یا یازده تا.

اما ستون قیمت داستانش یه مقدار متفاوته. با وجود اینکه از نظر مفهومی نوع داده‌ی عددیش از نوع پیوسته است، اما اگه به مقادیر نگاه کنیم می‌بینیم که تعداد مشخصی قیمت در ردیف‌ها ذکر شده: 0.30 و 0.50. بنابراین قیمت رو هم از نوع داده‌ی گسسته در نظر می‌گیریم. 

یکی از معمول‌ترین عملیات روی داده‌ها، «مرتب‌سازی» هستش. بر اساس اینکه داده‌ها بر چه مبنایی مرتب میشن،‌ میشه اطلاعات متفاوتی استخراج کرد.

مثلا وقتی داده‌های بالا رو بر اساس میزان فروش مرتب کنیم (ستون Sales)، تعیین اینکه کمترین و بیشترین فروش در چه دمایی بوده خیلی ‌سریع و راحت انجام میشهداده‌ها میتونن به صورت «صعودی» (سمت چپ) یا «نزولی» (سمت راست) مرتب بشن:

 

 

حالا اگه داده‌ها رو بر اساس ستون آگهی‌ها (Flyers) به صورت نزولی مرتب کنیم، به یه مورد تقریبا غیرعادی در داده‌ها می‌رسیم. بیشترین تعداد برگه‌ی آگهی که تو یه روز پخش شده 99 تاست که با تعداد بعد از خودش، یعنی 33 تفاوت فاحشی داره:

 

ممکنه رُزی یه روز اتفاقا تعداد زیادی برگه‌ی آگهی پخش کرده باشه. یا یه اشتباه تایپی باشه، مثلا به جای 19 نوشته 99. ما نمی‌دونیم کدومشون بوده، اما خوبه که موقع تجزیه و تحلیل بدونیم که همچین داده‌ی غیرعادی‌ای اینجا داریم. 

غیر از مرتب‌سازی، «فیلتر» فیلدها هم اطلاعات مفیدی به ما میده. مثلا برای بررسی فروش در روزهایی که دمای هوا کمتر از ۳۰ درجه بوده، می‌تونیم ستون Temperature رو با اعداد کوچکتر از ۳۰ فیلتر کنیم.

 

گاهی برحسب نیاز میشه «فیلدهای جدید»ی بر اساس فیلدهای موجود اضافه کرد. مثلا فیلد درآمد (Revenue) رو میشه با ضرب فیلدهای قیمت (Price) و تعداد فروش (Sales) اضافه کرد. همچنین با جمع مقادیر یه فیلد، مثلا درآمد، میشه به «داده‌ی جدید»ی مثل درآمد کل رسید:

 

 

نکته‌ی قابل ذکر دیگه اینه که وقتی حجم داده‌ها کمه، شاید بشه با یه نگاه چشمی داده‌ها رو با هم مقایسه کرد. اما وقتی تعداد ردیف‌ها زیاد شد، مقایسه‌ی داده‌ها کار سختی میشه. این‌طور مواقع میشه از روش‌هایی برای ساده‌سازی کار استفاده کرد. 

یه روش استفاده از رنگ هستش. مثلا تو ستون دما، دماهای بالاتر رو میشه پر رنگ‌تر نشون داد. یا مثلا بر اساس شرط خاصی، از رنگ‌های مختلفی استفاده کرد. به فرض تو ستون درآمد، ۲۵ درصد از بالاترین درآمدها  با رنگ سبز و ۲۵ درصد از پایین‌ترین درآمدها با رنگ قرمز نشون داده بشه. حتی از نمودار میله‌ای هم برای مقایسه‌ی داده‌ها میشه استفاده کرد. به فرض در ستون میزان بارش، بارش بیشتر دارای میله‌ی بلندتری خواهد بود:

 

 

به عنوان یه مثال، تو تصویر بالا میشه خیلی سریع و راحت متوجه شد که پایین‌ترین درآمد تو روزایی بوده که بیشترین بارندگی رو داشتن.

بخش سوم - نصویرسازی از داده‌ها و تحلیل آنها

 

۰ نظر
فربد صالحی

آپدیت ستون‌های یک جدول پایگاه داده بر اساس مقادیر جدولی دیگر

فرض کنیم جدولی به نام Products تو پایگاه داده داریم و ستون جدیدی به نام GroupId بهش اضافه کردیم:

 

 

این جدول ردیف‌های داده‌ی زیادی داره که باعث میشه اضافه کردن مقادیر این فیلد جدید به ردیف‌ها به صورت دستی کار سختی باشه. اما جدول دیگه‌ای به نام Categories داریم که GroupId درش مقدار داره و فیلد ProductCode اون با فیلد Code تو جدول قبلی مقادیرش مشترکه:

 

 

در این صورت تو Sql Server با دستور زیر می‌تونیم فیلد GroupId رو تو جدول Products مقداردهی کنیم:

 

 

UPDATE
    Products
SET
    Products.GroupId = cat.GroupId
FROM
    Products as pro
INNER JOIN
    Categories as cat
ON 
    pro.code = cat.ProductCode

 

در واقع با join جدول‌ها براساس فیلدهای Code و ProductCode (با دستور ON pro.code = cat.ProductCode)، یه جدول (مجازی) به دست میاد و بعد از اون انگار یه آپدیت معمولی روی یه فیلد (Products.GroupId) با استفاده از یه فیلد دیگه (cat.GroupId) داره انجام میشه. 

 

۰ نظر
فربد صالحی

کتاب Running Lean: مستند کردن طرح - بوم ناب

این پُست چهارمین بخش از مجموعه‌ی خلاصه‌ی کتاب Running Lean یا اجرای ناب هستش.

بخش اول: مقدمه

بخش دوم: نقشه‌ی راه - اصول فراگیر

بخش سوم: نقشه‌ی راه - یک مثال

 

بوم ناب (Lean Canvas)، بیزینس مدل رو در یک نمودار تک صفحه‌ای خلاصه و تعیین نقطه‌ی شروع و پیگیری روند یادگیری رو راحت‌تر می‌کنه. بهترین راه برای به تصویر کشیدن کاربرد بوم، استفاده از یک مثاله. برای این منظور من از اولین محصولم، "CloudFire" استفاده می‌کنم. 

 

طوفان فکری (Brainstorm) برای شناسایی مشتریان احتمالی

در شروع کار، همه یه ایده‌‌هایی در مورد مساله، راه‌حل و شاید مشتری‌ها دارن. همونطور که عجله در ساخت راه‌حل میتونه موجب اتلاف منابع بشه، تعیین مشتری‌ها و بیزینس مدل به طور خام‌اندیشانه هم ممکنه چنین نتیجه‌ای در پی داشته باشه. 

با طوفان فکری در مورد لیست مشتری‌های احتمالی شروع کنید:

بین مشتری‌ (customer) و کاربر (user) تمایز قائل بشید.

اگه چند دسته کاربر برای محصولتون در نظر گرفتید، بدونید کدومشون مشتری هستن. مشتری کسیه که برای محصول شما پول پرداخت میکنه.

مشتری‌ها رو به دسته‌های کوچکتر تقسیم کنید.

معمولا استارتاپ‌ها فکر می‌کنن که مساله‌ای که می‌خوان حل کنن خیلی عمومیه. اما نمیشه محصول رو برای کل افراد طراحی و تولید کرد و انتظار داشت نتیجه هم چیز خوبی از آب دربیاد. حتی «فیسبوک» هم با بیش از ۵۰۰ میلیون کاربرش،‌ در ابتدا کاربرای مشخصی رو هدف گرفت: دانشجوهای دانشگاه «هاروارد». 

در ابتدا همه‌ چیز رو در یک بوم قرار بده

اگه قصد دارید یه کسب و کار چندجانبه بسازید، ممکنه جدا کردن مسائل، ارزش‌های پیشنهادی و .. رو برای هر کدوم از جنبه‌ها ضروری بدونید. پیشنهاد من اینه که با یه بوم شروع کنید و از رنگ‌ها یا برچسب‌های مختلف برای شناسایی هر دسته از مشتری‌ها استفاده کنید. این به تصویرسازی کلی شما کمک میکنه. بعد اگه نیاز شد جداسازی رو انجام بدید.

یک بوم ناب برای هر دسته از مشتری‌ها طراحی کنید

همونطور که به زودی می‌بینید، عناصر بیزینس مدل شما بر اساس دسته‌ی مشتری‌ها بسیار متنوع خواهند بود. من پیشنهاد می‌کنم که با ۲ یا ۳ دسته‌ از مشتری‌ها که احساس می‌کنید درک بهتری از اونها دارید شروع کنید. 

مطالعه‌ی موردی: CloudFire

پیش‌زمینه: قبل از CloudFire، من یه اپلیکیشن اشتراکِ فایل به نام "BoxCloud" منتشر کرده بودم که فرایند به اشتراک‌گذاری فایل‌های حجیم رو ساده ‌می‌کرد. ارزش پیشنهادی منحصربه‌فرد این اپلیکیشن این بود که شخص می‌تونست فایل یا فولدر خودش رو مستقیما از کامپیوتر خودش و بدون آپلود چیزی به اشتراک بذاره. دریافت‌کننده، بدون نیاز به نصب هیچ نرم‌افزاری و مستقیما از طریق مرورگر خودش به این فایل یا فولدر دسترسی پیدا می‌کرد. 

BoxCloud در اصل کسب و کارها رو به عنوان کاربر هدف قرار داده بود و توسط طراحان گرافیکی،‌ وکلا،‌ حسابدارها و سایر صاحبین کسب و کارهای کوچک مورد استفاده قرار می‌گرفت. 

من علاقه‌مند شدم که استفاده‌های دیگه از این فریمورک رو بررسی کنم، مخصوصا در حوزه‌ی اشتراک‌گذاری عکس‌ها، ویدئوها و موسیقی، که نتیجه‌اش CloudFire شد. 

اخیرا من هم به دسته‌ی والدین اضافه شدم و شاهد دردسرهای زیادی در زمینه‌ی اشتراک عکس و به خصوص فیلم بودم. بنابراین تصمیم گرفتم این دسته از مشتری‌ها رو قبل از همه مدل‌سازی کنم. 

 

طراحی یک بوم ناب

در این بخش، روند طراحی یه بوم ناب رو بررسی می‌کنیم.

در یک نشست، یک بوم طراحی کنید.

شما باید بوم اولیه‌ی خودتون رو خیلی سریع، در کمتر از ۱۵ دقیقه طراحی کنید. تو این مرحله شما یه تصویر ازون چیزی که در ذهن دارید می‌سازید، بعدش پرخطرترین بخش‌ها رو تعیین می‌کنید و در نهایت، میرید بین مردم و مدلتون رو آزمایش می‌کنید. 

بعضی بخش‌ها رو خالی بذارید.

به جای تحقیق و بحث در مورد یه بخش، اونو خالی بذارید. این می‌تونه نشونه‌ی یه بخش پرخطر در مورد مدل شما و جایی برای شروع آزمایش باشه. رسیدن به جواب بعضی بخش‌ها ممکنه زمان‌بر باشه و ممکنه بهترین جواب در حال حاضر «نمی‌دونم» باشه. بوم قراره یه سند طبیعی باشه که با گذشت زمان تکمیل میشه. 

اختصار رو رعایت کن.

توضیح یه موضوع تو یه پاراگراف ساده‌تر از توضیحش در یه جمله هستش. محدودیت فضا کمک می‌کنه که بیزینس مدل شما در یک صفحه از ضروریات خلاصه بشه.

در زمان «حال» باش.

بیزینس پلن‌ها به سختی تلاش می‌کنن آینده رو پیش‌بینی کنن که غیر ممکنه. به جاش، شما بر اساس موقعیت فعلی و چیزی که الان می‌دونی، ببین چه فرضیه‌هایی رو باید آزمایش کنی تا محصولت یک قدم به جلو برداره. 

از یه رویکرد مبتنی بر مشتری استفاده کن. 

ازونجایی که اجرای ناب مشتری محوره، من شروع با رویکرد مبتنی بر مشتری رو مناسب می‌دونم. به‌ زودی می‌بینیم که تغییر در دسته‌ی مشتری‌ها می‌تونه کاملا بیزینس مدل رو تغییر بده. 

 

من وقتی می‌خوام بوم تهیه کنم، به ترتیب تصویر زیر عمل می‌کنم:

 

 

مساله و دسته‌های مشتری‌

من متوجه شدم که زوج «مساله-دسته‌ی مشتری» معمولا بقیه‌ی بوم رو تحت کنترل خودش داره. 

سه مساله‌ی اول رو مشخص کن.

برای هر دسته‌ از مشتری‌ها، ۳ مساله‌ی اولی که نیاز دارن حل بشه رو مشخص کن. یه راه برای تشخیص مساله‌ها، بررسی این موضوعه که مشتری‌ها نیاز دارن چه کاری انجام بشه. مشتری‌ها از محصولات یا خدمات برای انجام دادن کارها استفاده ‌می‌کنن. وظیفه‌ی فروشنده اینه که بفهمه مشتری‌ها در طول زندگیشون با چه کارهای به طور مداوم روبرو میشن.

راه‌حل‌های فعلی رو مشخص کن.

بررسی کن که همین امروز، مشتری‌ها چطور با این مساله‌ها مواجه میشن. خیلی وقتها راه‌حل موجود ممکنه از سمت رقبای ظاهری ارائه نشده باشه. به عنوان مثال، بزرگترین جایگزین برای یه «ابزار همکاری آنلاین»، اصلا یه ابزار همکاری آنلاین که یه شرکت دیگه ارائه میده نیست، بلکه ایمیل هستش. ضمنا اگه مساله به اندازه‌ی کافی برای مشتری حاد نباشه، ممکنه اصلا سراغ هیچ راه‌حلی نره. 

نقش‌های سایر کاربرها رو مشخص کنید.

نقش هر کاربری که با مشتری تعامل داره رو مشخص کنید. به عنوان مثال در یک پلتفرم وبلاگ‌نویسی، مشتری نویسنده‌ی وبلاگ و کاربر، خواننده‌ی وبلاگ هستش و در یک موتور جستجو، مشتری آگهی‌دهنده و کاربران، افرادی هستن که جستجو رو انجام میدن. 

مشتری‌های اولیه 

مشتری‌هایی رو هدف قرار بدید که می‌خواهید قبل از بقیه راه‌حل را در اختیارشون بگذارید.

مطالعه‌ی موردی: CloudFire، دسته‌های مشتری و مساله

بعد از بچه‌دار شدن، با طوفان کاملی از مسائل مواجه شدم:

۱- تعداد عکس‌ها و بخصوص ویدئوها بعد از تولد بچه بطور قابل توجهی افزایش پیدا کرد.

۲- راه‌‌حل‌های موجود وقت‌گیر و سخت بودند.

۳- نیاز دوستان و خانواده (بخصوص پدربزرگ‌ها و مادربزرگ‌ها) به چنین محتوایی قابل توجه بود.

 

 

 

ارزش پیشنهادی منحصربه‌فرد

یکی از مهم‌ترین و سخت‌ترین بخش‌های بوم ناب، ستون ارزش پیشنهادی منحصربه‌فرد (UVP) هستش: 

شما چه تفاوتی با بقیه‌ی رقبا دارید و چرا باید مورد توجه قرار بگیرید؟

توجه: بازدیدکنندگان در اولین بازدید به طور متوسط ۸ ثانیه در صفحه‌‌ای که به آن وارد شده‌اند وقت می‌گذرانند. ارزش پیشنهادی منحصربه‌فرد شما اولین تعامل آنها با محصول شماست که اگر مورد توجه آنها واقع شود، می‌مانند و به بقیه‌ی وبسایت هم توجه می‌کنند، در غیر این صورت به راحتی‌ شما را ترک می‌کنند. 

خبر خوب اینه که مثل بقیه‌ی چیزای روی بوم، لازم نیست از همون اول، کامل و درست این بخش رو پر کنید.

چطور یه ارزش پیشنهادی منحصر‌به‌فرد بسازیم؟

- متفاوت باش، اما مطمئن شو که این تفاوت مهمه: ارزش پیشنهادی منحصر‌به‌فرد شما باید مستقیما از مساله‌ی شماره‌ی یکی بیاد که شما قصد دارید براش راه‌حل ارائه بدید. اگه اون مساله، مساله‌ای باشه که ارزش حل کردن داشته باشه، شما بیشتر از نصف مسیر رو رفتید.

- مشتری‌های اولیه رو هدف قرار بده: محصول شما فعلا برای عموم مشتری‌ها آماده نیست. تنها کار شما باید این باشه که مشتری‌های اولیه رو بشناسید و پیام و هدف محصولتون رو به صورت برجسته و شفاف بهشون برسونید. 

- روی «مزیت‌‌‌ها»ی (benefits) داستان نهایی تمرکز کن: احتمالا در مورد اهمیت برجسته کردن مزیت‌ها نسبت به «ویژگی‌ها» (features) شنیدید. اما مزیت‌ها نیاز دارند تا به یه زبان قابل‌فهم برای مشتری ترجمه بشن. یه ارزش منحصر‌به‌فرد پیشنهادی خوب میره تو سر مشتری و روی مزیتی که مشتری بعد از استفاده از محصول شما بدست میاره تمرکز میکنه. به عنوان مثال،‌ اگه در حال ایجاد یک سرویس «ایجاد رزومه» هستید: 

ویژگی: قالب‌هایی که به صورت حرفه‌ای طراحی شدن.

مزیت: رزومه‌‌ای چشم‌گیر که مورد توجه واقع خواهد شد.

مزیت داستان نهایی: شغل رویاییت رو به دست بیار. 

کلمات رو با دقت به کار ببر.

کلمات، کلید هر کمپین خوب «برندینگ» و بازاریابی هستن. ببینید بهترین برندهای لوکس خودرو چطور از یک «تک‌کلمه» برای توصیف خودشون استفاده می‌کنند:

- BMW : کارایی (Performance)

- Audi: طراحی (Design)

- Mercedes: اعتبار (Prestige)

به این سوالا جواب بده: چه چیزی، چه کسی، و چرا

یه ارزش منحصر‌به‌فرد پیشنهادی باید به روشنی به دو سوال اول جواب بده: محصول شما چیست و مشتری شما کیست. سوال «چرا» رو گاهی نمیشه به این صورت در یک عبارت به کار برد. 

ارزش منحصر‌به‌فرد پیشنهادی دیگران رو مطالعه کن

به صفحات ورودی برندهایی که برات تحسین‌برانگیز هستن برو و ببین که چطور و چرا پیام‌هاشون جواب میده. 

یه تک‌جمله‌ی پر معنی (high-concept pitch) بساز

یکی دیگه از روش‌های مفید، ساختن یه تک‌جمله‌ی پر مفهوم هستش. این نوع جمله‌ها توسط تهیه‌کننده‌های هالیوودی و به منظور ارائه‌ی چکیده‌ای از طرح کلی فیلم زیاد استفاده میشه. تو شرکت‌ها هم مثلا یوتیوب از "Flickr for video" استفاده کرد (Flickr یه سایت به اشتراک‌گذاری و مدیریت عکس هستش). این تک‌جمله رو نباید با ارزش منحصر‌به‌فرد پیشنهادی اشتباه گرفت و قرار هم نیست که ازش تو صفحه‌ی ورودی استفاده بشه. 

مطالعه‌ی موردی: CloudFire، ارزش منحصر‌به‌فرد پیشنهادی

با بررسی فهرست راه‌حل‌های جایگزین موجود، تصمیم گرفتم از «سرعت» به عنوان ارزش منحصر‌به‌فرد پیشنهادی که دارای «یه تفاوت مهم» هستش و از عبارت «بی نیاز از آپلود» به عنوان تک‌جمله‌ی معنی‌دار استفاده کنم. بعدا می‌بینید که چطور این ارزش منحصر‌به‌فرد پیشنهادی بعد از چند مصاحبه با مشتری‌ها به طور قابل توجهی تکمیل شد. 

 

 

 

راه‌حل 

شما حالا آماده‌اید تا برید سراغ راه‌حل‌های ممکن. ازونجایی که همه‌ی چیزی که دارید یه تعداد مساله‌ی سنجیده نشده است که ممکنه بعد از چند مصاحبه با مشتری‌ها کاملا تغییر اولویت بدن یا کلا با موارد جدید جایگزین بشن،‌ پیشنهاد می‌کنم فعلا خیلی عمیق نشید روی راه‌حل‌هاتون. به جای اون، طرحی از ساده‌ترین راه‌حل احتمالی برای هر مساله داشته باشید: تا جای ممکن تعیین راه‌حل برای مساله‌تون رو به تاخیر بندازید. 

مطالعه‌ی موردی: CloudFire، راه‌حل

بر اساس فهرست مساله‌ها، فهرست کوتاهی از بهترین ویژگی‌هایی که در کمترین محصول قابل ارائه (MVP) قرار می‌دادم تهیه کردم. 

 

 

 

کانال‌ها

عدم موفقیت در ساخت یه مسیر مناسب برای آشنایی و دسترسی مشتری‌ها به محصول، از دلایل قابل‌توجه در شکست استارتاپ‌هاست. تعدادی از ویژگی‌های این مسیرها که ما بهشون «کانال» میگیم رو در ادامه بررسی می‌کنیم:

رایگان در مقابل پولی

اول از همه اینکه چیزی به اسم کانال رایگان نداریم. «هزینه‌ی سرمایه‌ی انسانی» مرتبط به کانال‌هایی مثل «سئو» (SEO)،‌ شبکه‌های اجتماعی و وبلاگ‌نویسی که ما معمولا آنها را به عنوان رایگان می‌شناسیم صفر نیست و محاسبه‌ی «بازگشت سرمایه» (ROI) هم در آنها پیچیده است. چون برخلاف کانال‌های پولی که بعد از پرداخت هزینه قابل استفاده خواهند بود، شما دائما از آنها استفاده می‌کنید.

یک نمونه‌‌ی معمول از کانال‌های پولی، «بازاریابی موتورهای جستجو» (SEM) است که در آن اگر به عنوان مثال «۵ دلار» در یک روز به "Google AdWords"  پرداخت کنید، 100 کلیک با هزینه‌ی هر کلیک «۵ سنت» بدست می‌آورید. همانطور که می‌بینید، میزان بازگشت سرمایه در این روش قابل محاسبه خواهد بود.

درونی در مقابل بیرونی

کانال‌های درونی (inbound) مثل وبلاگ‌ها، سئو،‌ کتاب‌های الکترونیکی، گزارش‌ها و سمینارهای آنلاین (webinar) اجازه می‌دهند که مشتری خودش به طور طبیعی به سراغ شما بیاید، در حالیکه کانال‌های بیرونی (outbound) مثل بازاریابی موتورهای جستجو، تبلیغات چاپی و تلویزیونی، نمایشگاه‌ها و تماس‌های تبلیغاتی (cold calling) با ارسال و نمایش پیام (push messaging)، مشتری را به سراغ شما می‌فرستند.

مستقیم در مقابل خودکار

از دید مقیاس‌پذیری، فروش مستقیم تنها در کسب و کارهای "B2B" و محصولات سازمانی معنی خواهد داشت. اما از دید یادگیری و جمع‌اوری اطلاعات، فروش مستقیم یکی از موثرترین‌ کانال‌هاست. چون شما چهره به چهره با مشتری در تعامل خواهید بود: اول حضوری بفروش، بعد فروش رو خودکار کن.

مستقیم در مقابل غیرمستقیم

یکی دیگه از حوزه‌هایی که استارتاپ‌ها در اون انرژی بیهوده صرف می‌کنن، تلاش برای برقراری شراکت استراتژیک با یه شرکت بزرگتر، به منظور بهره‌مندی از اعتبار و کانال‌های اونهاست. مشکل اینجاست که تا زمانی که شما یه محصول اثبات شده نداشته باشید، توجه کافی رو از بخش فروش شرکت‌های بزرگ دریافت نمی‌کنید. چون اونها هم علاقه دارن رو محصولی وقت و انرژی بذارن که مطمئن هستن سهم بیشتری از فروش رو نصیبشون میکنه: شما اول باید خودتون محصولتون رو بفروشید، بعد از دیگران بخواید که این کار رو براتون انجام بدن.

اول در یادها ماندن، بعد فراگیر شدن

بعضی از استارتاپ‌ها از روز اول به شدت به دنبال فراگیر کردن سریع استفاده از محصولشون هستن. اما چیزی که مهمه اینه که شما اول باید محصولی داشته باشید که ارزش فراگیر شدن داشته باشه: یه محصول قابل‌توجه بساز .

 

مطالعه‌ی موردی: CloudFire، کانال‌ها

من در نظر داشتم که مصاحبه‌ها رو با چندتا از کانال‌های بیرونی شروع کنم (دوستان و سایر والدین در مهدکودک) و چند مورد در دسترس رو فهرست کردم.

 

 

جریان‌های درآمد و ساختار هزینه

دو بخش آخر بوم ناب با عنوان «جریان‌های درآمد» و «ساختار هزینه»، برای مدل‌سازی قابلیت حیات کسب و کار استفاده می‌شوند.

جریان‌های درآمد

از اونجایی که بیشتر استارتاپ‌ها محصول خودشون رو کامل نمیدونن، مسائل مرتبط با قیمت‌گذاری رو به تعویق میندازن. چیزی که زیاد شنیده میشه اینه که «حداقل محصول قابل ارائه»، طبق تعریفش خیلی حداقلی هستش. چطور میشه برای همچین چیزی پول گرفت؟

حداقل محصول قابل ارائه، به معنی محصول نیمه‌ آماده یا مشکل‌دار نیست. این محصول باید به مهم‌ترین مسائل برای مشتری‌ها که ارزش حل کردن هم دارن بپردازه. طبق این تعریف، باید برای خلق ارزشی که دریافت هزینه رو توجیه می‌کنه برنامه‌ریزی کنید.

نکته‌ی دیگه اینه که در اکثر مواقع در شروع کار، دریافت هزینه به عنوان مانعی برای جذب مشتری‌های اولیه در نظر گرفته میشه. بنابراین افراد سعی می‌کنن تا جای ممکن استفاده از محصول رو راحت کنن. این رویکرد نه تنها باعث میشه اعتبارسنجی یکی از پر ریسک‌ترین بخش‌ها به تاخیر بیفته (چون استفاده‌ی کاربر از محصول راحت شده)، بلکه فقدان یک تعهد قوی از جانب مشتری در روند درس گرفتن ما مشکل ایجاد خواهد کرد. ضمن اینکه برای مرحله‌ی آموختن و درس گرفتن، نیاز به تعداد زیادی مشتری نیست، چند مشتری خوب کافیه.

به نظر من اگه شما میخواید هزینه‌ای برای محصولتون دریافت کنید، باید این کار رو از روز اول انجام بدید.

توجه: یه استثنای منطقی وقتیه که ارزش پیشنهادی شما در طول زمان ساخته میشه. به عنوان مثال حساب‌های کاربری ویژه در لینکدین.

اما چرا؟ چون:

قیمت بخشی از محصول شماست:

وقتی دو بطری آب یکی با قیمت ۵۰ سِنت و دیگری با قیمت ۲ دلار برای انتخاب دارید، حتی اگه هیچ اطلاعی از کیفیت اونها نداشته باشید و ظاهر اونها کاملا مشابه باشه، به احتمال زیاد بطری آب گرونتر از نظر شما کیفیت بالاتری داره. در اینجا، قیمت این توان رو داره که ذهنیت شما رو نسبت به محصول تغییر بده. 

قیمت، تعیین کننده‌ی مشتری‌های شماست:

قیمتی که شما واسه بطری آب تعیین می‌کنید، دسته‌‌ی مشتری‌های شما رو مشخص می‌کنه. برای هر دو بطری بازار وجود داره. قیمت شما مشخص میکنه که کدوم دسته مشتری رو می‌خواید جذب کنید.

کسب درآمد اولین شکل از اعتتبارسنجیه:

به دست آوردن مشتری‌‌ای که حاضر باشه پول پرداخت کنه، یکی از سخت‌ترین کارهایی هستش که شما از یه مشتری می‌تونید انتظار داشته باشید و یکی از اولین شکل‌های اعتبارسنجی محصول هستش.

 

یکی از روش‌های تعیین قیمت اولیه، قیمت‌گذاری بر اساس راه‌حل‌های جایگزینی هستش که در بخش مسائل تو بوم ناب نوشتیم.

 

ساختار هزینه

هزینه‌هایی که عملا تا زمان ارائه‌ی محصول به بازار متحمل خواهید شد رو فهرست کنید. محاسبه‌ی دقیق اونهایی که مربوط به آینده دور میشن مشکله. به جای اون روی زمان حال متمرکز بشید:

  • مصاحبه با ۳۰ تا ۵۰ مشتری چقدر برای شما هزینه خواهد داشت؟
  • تهیه و انتشار حداقل محصول قابل ارائه چقدر برای شما هزینه خواهد داشت؟
  • نرخ سوخت شدن سرمایه‌ی شما بر مبنای هزینه‌های ثابت و متغیر چقدر است؟

از اطلاعات کسب شده از جریان‌های درآمد و ساختار هزینه، برای محاسبه‌ی «نقطه‌ی سر به سر» (break-even point) استفاده کنید و پیش‌بینی کنید که چه مقدار زمان، هزینه و کوشش برای رسیدن به آن نقطه نیاز دارید. «نقطه‌ی سر به سر» یعنی جایی که هزینه و درآمد شما با یکدیگر یکسان می‌شود. بعدا از این اطلاعات برای اولویت‌بندی مدلی که کار را با آن شروع می‌کنید استفاده خواهید کرد.

مطالعه‌ی موردی: CloudFire، جریان‌های درآمد و ساختار هزینه

با استفاده از راه‌حل‌های موجود جایگزین، که هزینه‌ی سالیانه‌ی آنها از ۲۴ تا ۳۹ دلار برای Flickr و SmugMug و تا ۹۹ دلار برای MobileMe اپل نوسان داشت، تصمیم گرفتم با ۴۹ دلار شروع کنم. تنها هزینه‌ی اولیه برای تولید کمترین محصول قابل ارائه، هزینه‌ی افراد بود.

 

 

 

معیارهای کلیدی (Key Metrics)

هر کسب و کاری یه تعداد عدد کلیدی داره که می‌تونه با استفاده از اونها بفهمه اوضاعش چطوره. مدلی که من خیلی ازش استفاده می‌کنم در شکل زیر نشون داده شده:

با اینکه این مدل از ابتدا با هدف شرکت‌های نرم‌افزاری ایجاد شد، اما در واقع توسط انواع مختلفی از کسب و کار‌ها قابل استفاده است. ما اینجا هر گام بالا رو با استفاده از یه گل‌فروشی و یه محصول نرم‌افزاری به عنوان مثال بررسی می‌کنیم.

 

جذب (Acquisition)

جذب هنگامی اتفاق میفته که شما یه بازدید‌کننده‌ی ناآشنا رو به یه مشتری بالقوه تبدیل می‌کنید.

مثلا در مورد گل‌فروشی، وقتی کسی که از کنار ویترین شما رد میشه، توقف می‌کنه و وارد مغازه می‌شه، «جذب» اتفاق افتاده.

در مورد یه وبسایت،‌ همینکه کسی که وارد وبسایت شده ازون خارج نشه، «جذب» اتفاق افتاده. به طور خاص، من میزان موفقیت جذب رو با موفقیت در هدایت بازدیدکننده به صفحه عضویت وبسایت می‌سنجم. 

فعال‌سازی (Activation)

فعال‌سازی زمانی اتفاق میفته که مشتری بالقوه اولین تجربه‌ی کاربری لذت‌بخش خودش رو کسب می‌کنه. 

در گل‌فروشی، اگه بلافاصله بعد از ورود مشتری، مغازه به نظرش بی‌نظم و به هم ریخته بیاد، در اون صورت فعال‌سازی اتفاق نیفتاده.

در وبسایت، بلافاصله بعد از ثبت‌نام مشتری، مطمئن باشید که به جایی هدایتش می‌کنید که با ارزش پیشنهادی منحصر‌به‌فرد شما مواجه بشه. 

نگهداشت (Retention)

استفاده‌ی مجدد یا در تعامل بودن مشتری با محصول، با استفاده از این عامل اندازه‌گیری میشه. در گل‌فروشی، بازگشت به مغازه و در وبسایت، ورود مجدد به منظور استفاده‌ی دوباره، به معنای نگهداشت مشتری خواهد بود.

درآمد (Revenue)

درآمد هر رویدادی هستش که باعث دریافت پول توسط شما بشه. در گل‌فروشی خرید گل و یا در وبسایت خرید اشتراک منتهی به درآمد میشه. این اتفاق ممکنه در اولین بازدید اتفاق نیفته. 

ارجاع (Referral)

ارجاع شکل پیشرفته‌تری از جذب مشتری هستش. در گل‌فروشی مشتریِ راضی ممکنه با دوستش در مورد گل‌فروشی حرف بزنه. برای محصول نرم‌افزاری،‌ ممکنه از طریق فراگیری بین کاربران یا به اشتراک‌گذاری توسط دوستان در شبکه‌های اجتماعی اتفاق بیفته. 

مطالعه‌ی موردی: CloudFire، معیار‌های کلیدی

در شکل زیر، من اقدامات کاربر رو با معیارهایی کلیدی توضیح داده شده تطبیق دادم:

 

 

مزیت رقابتی

بیشتر بنیان‌گذارها مواردی رو به عنوان مزیت رقابتی مطرح می‌کنن که در واقع اشتباهه. مثل علاقه‌مندی، ویژگی‌ها یا «اولین بودن». اولین بودن حتی خیلی وقتا بار زیادی رو بر دوش یه کسب و کار تحمیل می‌کنه، چون باید زمین بازی رو برای خودش هموار کنه. فراموش نکنیم که شرکت‌هایی مثل فورد، تویوتا، گوگل،‌مایکروسافت،‌ اپل و فیسبوک اولین نبودن. 

باید به خاطر داشت که هر چیزی که ارزش کپی کردن داشته باشه،‌ بالاخره کپی میشه، بخصوص اگه یه بیزینس مدل موفق هم داشته باشه.

تصور کنید هم‌بنیان‌گذار شما کد شما رو بدزده، یه فروشگاه مثلا در کشور «کاستاریکا» راه بنداره و قیمت‌ها رو بشکنه. شما هنوز صاحب کسب و کار خواهید بود؟ اگه گوگل یا اپل شروع به رقابت با شما کنن و قیمت رو رایگان اعلام کنن چطور؟ 

 

یه مزیت رقابتی واقعی چیزیه که به راحتی قابل خریداری شدن یا کپی شدن نباشه. 

 

ممکنه در ابتدای کار شما نتونید همچین مزیت رقابتی‌ای پیدا کنید،‌ اما همیشه باید به این فکر کنید که چطور می‌تونید خودتون رو متمایز کنید و اهمیت این تمایز رو افزایش بدید. 

مطالعه‌ی موردی: CloudFire، مزیت رقابتی

با وجود اینکه CloudFire بر اساس یه فریمورک "p2web" ساخته شده که ممکنه به ما یه مزیت اولیه بده، هر چیزی که ارزش کپی داشته باشه کپی خواهد شد. بنابراین من تصمیم گرفتم که مزیت رقابتی رو بر مبنای چیزی قرار بدم که تکرارش سخت باشه. در این مورد، «جامعه» (community). 

 

حالا نوبت شماست

تعداد زیادی از بنیان‌گذارها ایده‌شون رو پیش خودشون نگه می‌دارن که باعث میشه ایجاد و تست یه کسب و کار به صورت ساختارمند مشکل بشه. برای ایجاد یه بوم ناب می‌تونید:

  • به بوم آنلاین تو این آدرس بسازید. 
  • یک نسخه ازش رو تو پاورپوینت ایجاد کنید.
  • یک بوم روی کاغذ طراحی کنید.

 

نکته مهم اینه که بعد از پایان کار، نظر حداقل یه نفر دیگه رو در مورد بوم ناب خودتون بپرسید.

 

 

بخش پنجم: شناخت بخش‌های پر ریسک طرح - اولویت بندی و انتخاب نقطه‌ی شروع

۰ نظر
فربد صالحی

رفتار درست با یه «ساول گودمن»

 

سریال "Breaking Bad" شخصیت‌های متعددی داشت. بعضی‌هاشون مثل «والتر وایت» و «جسی پینکمن» به عنوان شخصیت‌های محوری سریال خیلی مورد توجه قرار گرفتن و در مورد رفتارها و تصمیماتشون بحث‌های زیادی شکل گرفت، بعضی‌هاشون هم شخصیت‌های فرعی بودن و با وجود اینکه اونها هم در پیشبرد داستان نقش زیادی داشتن، توجهات کمتری بهشون جلب شد. شخصیت «ساول گودمن» تو این سریال از نوع دوم بود.

با وجود این، ظرفیت‌های این شخصیت از چشم سازندگان سریال دور نموند، تا جایی که اونها تصمیم گرفتن سریال "Better Call Saul" رو با محوریت ساول گودمن بسازن تا با جزئیات بیشتری به پیشینه و دلایلِ تصمیمات و رفتارهاش بپردازن. به همچین سریالی که در دنیایِ یه سریالِ دیگه ساخته شده باشه و بازیگر محوریش یکی از شخصیت‌های سریال قبلیه باشه «اسپین‌آف» (Spin-Off) گفته میشه. بنابراین Better Call Saul یه اسپین‌آف برای ‌Breaking Bad هستش. و البته مطابق تعریف یه اسپین‌آف، یه سریال کاملا مستقل هستش و برای دیدنش نیازی نیست سریال قبلی رو حتما دیده باشید، ولی اگه دیده باشید واقعا سریالِ جدید خیلی میتونه براتون جالب‌تر و هیجان‌انگیزتر باشه.

خیلی وقت‌ها اسپین‌آف‌ اصلا در حد و اندازه‌ی سریال اصلی موفق نمیشه و مورد توجه قرار نمی‌گیره، اما Better Call Saul به حدی موفق بود که الان حتی بعضی‌ها معتقدن از خود Breaking Bad هم بهتره. ارزش این اتفاق وقتی روشن میشه که به خاطر داشته باشیم Breaking Bad در لیست بهترین سریال‌ها، همیشه در رتبه‌های بالا حضور داره.

تو Breaking Bad چیزی که از ساول گودمن می‌دونستیم این بود که یه وکیلِ بدونِ اصول هستش و حاضره برای اینکه موکلینش، که اکثرا کسایی هستن که عادت به قانون‌شکنی دارن، تو دادگاه‌ها موفق بشن همه کاری بکنه و از حفره‌های قانونی بدون در نظر گرفتن هیچ اصل اخلاقی استفاده کنه. 

اگه اشتباه نکنم داستان Better Call Saul از ۶ سال قبل از اتفاقات Breaking Bad شروع میشه. اگه بخوام خیلی سر راست و مستقیم کلیتِ داستانِ ساول تو این سریال رو بگم، ساول اسمش «جیمی مک‌گیل» هستش، یه وکیل معمولی که سعی می‌کنه تعداد موکلهاش رو زیاد کنه. شبا تو یه اتاق کوچیک پشت یه آرایشگاه زنانه (یا سالن ناخن!) می‌خوابه که همون اتاق روزها دفتر کارش هست. یه ماشین کهنه هم داره. یه برادر بزرگ به اسم «چاک» داره که یکی از معروف‌ترین و موفق‌ترین وکلا هستش و جزو شرکای اصلی یه شرکت وکالتی بزرگه و از احترام زیادی بین همکاراش برخورداره. یه جورایی انگار اسطوره‌ی وکالت هستش.

 

 

اما یه مدتیه که چاک به خاطر یه جور بیماری یا وسواس فکری عجیب، تا جای ممکن از خونه خارج نمیشه و حتی در شرکت هم حضور پیدا نمی‌کنه. ساول تقریبا هر روز به برادرش سر میزنه و خریدهاش رو براش انجام میده. از نوع رفتار و مراقبتی که ساول از برادرش به عمل میاره، می‌تونیم به علاقه‌ی ساول به چاک پی ببریم. حتی بر اساس وقایع، به نظر میاد ساول خیلی به توجه و محبت چاک نیاز داره و از نظر کاری هم دائما سعی میکنه خودش رو به برادرش ثابت کنه. هر چند که تقریبا از دید همه یه وکیل سطح پایین هستش. حتی وقتی با یه زن و شوهر در حال مذاکره هستش که وکالتشون رو به عهده بگیره، زن خیلی تمایلی به این کار نشون نمیده و یه جورایی میگه که ساول شبیه وکلایی هستش که فقط وکالت خلافکارها رو به عهده می‌گیرن. هر چند که ساول خودش تعبیر دیگه‌ای از کاراش داره: «من چرخ‌دنده‌های عدالت رو روغن‌کاری می‌کنم.»

 

 

سریال تو موقعیت‌های مختلف به اتفاقات زندگی ساول در گذشته می‌پردازه و ما متوجه می‌شیم که سالهای خیلی قبل، وقتی که ساول خیلی جوون بود، تو شهر خودشون با یکی از دوستاش به کلاهبرداری‌های کوچیک از مردم مشغول بود و خوش‌نام نبود. بعد از اینکه تو یکی از ماجراهاش به زندان افتاد، برادرش وکالتش رو به عهده گرفت و بعد از آزادی، تو شرکت برادرش به عنوان نامه‌رسان شروع به کار کرد. در حین کار تو این شرکت، و شاید به خاطر علاقه به برادرش و با الگو گرفتن از اون، بدون اینکه به چاک یعنی برادرش بگه، شروع به تحصیل (مکاتبه‌ای) در رشته‌ی حقوق کرد و روزی که مدرک فارغ‌التحصیلی رو براش فرستادن، با خوشحالی موضوع رو به برادرش گفت و انتظار داشت که بعد از اون، تو شرکت یه کار مرتبط به رشته‌ی تحصیلیش بهش بدن. چاک هم بهش تبریک گفت و ازش خواست که منتظر باشه تا موضوع رو با شرکاش مطرح کنه. چند وقت بعد به ساول میگن که موضوع مورد تایید سران شرکت قرار نگرفته و بعدش ساول که خیلی ناراحت شده بود، کار خودش رو به عنوان یه وکیلِ مستقل شروع می‌کنه.

 

 

اتفاقات سریال و شخصیت‌پردازی‌هاش خیلی ظریف و دقیق هست و اینجا نمی‌شه اونطور که باید بهش پرداخت. اگه سریال رو ندیدین و قصد دارید ببینید، بهتره دیگه ادامه‌ی متن رو نخونید. اما شاید نکته‌ی کلیدی ماجرا جایی هستش که بر اساس اختلافاتی که بین ساول و چاک بوجود میاد، ما کم‌کم متوجه می‌شیم که چاک از اول موافق با کار وکالت برای ساول نیست. در واقع چاک نه شخصیت برادر کوچک‌ترش رو می‌پسنده و نه تحصیلات و مدرک نه‌چندان معتبرش رو. در واقع چاک کار حقوق و وکالت رو مقدس‌تر از اون میدونه که شخصی با پیشینه‌ی قانون‌شکنی‌های مکرر و زندان و ... فقط با گرفتن یه مدرک بهش وارد بشه. حتی متوجه می‌شیم که کسی که با کار ساول تو شرکت مخالفت کرده چاک بوده، و می‌فهمیم که مشکل چاک با ساول حتی محدود به حقوق و وکالت هم نیست. در یه صحنه می‌بینیم که وقتی مادرشون تو بیمارستان در حال فوت هستش، در لحظه‌ی آخر اسم ساول رو که اون لحظه اونجا نیست صدا می‌کنه. بعد از فوت مادر، ساول از چاک می‌پرسه مادر در لحظه‌ی آخر چیزی نگفت؟ و چاک میگه نه. 

 

 

با دیدن سریال آدم با خودش فکر می‌کنه که اگه چاک، با ساول رفتار بهتری می‌داشت، به عنوان یه وکیل قبولش کرده بود، اجازه می‌داد تو شرکت کار کنه و .. آیا ساول به انسان بهتری تبدیل نمی‌شد؟ اگه چاک نقش الگو بودن خودش رو برای ساول حفظ می‌کرد، آیا نمی‌تونست ساول رو به مسیر بهتری هدایت کنه تا دست از خرده خلاف‌هاش برداره؟ آیا ساول سرنوشتی بهتر از اون چیزی که تو Breaking Bad دیدیم پیدا نمی‌کرد؟ بر اون اساس حتی شاید سرنوشت خیلی از آدم‌های دیگه هم عوض می‌شد.

از طرفی، وقتی صادقانه به موضوع فکر می‌کنم، گاهی خودم رو در جایگاه چاک می‌بینم، حتی بدون اینکه از نظر اعتبار شغلی در اندازه‌ی چاک در سریال باشم. انگار ما گاهی برامون سخت میشه که قبول کنیم آدم‌هایی با پیشینه‌ی نامناسب، بدون برنامه و زحمت کافی، با زرنگ‌بازی و شاید کمی شانس و کمک دیگران، به اون جایگاهی برسن که دیگرانی عمر و زندگیشون رو برای رسیدن بهش صَرف کردن.

نمی‌تونم با اطمینان بگم حق با کدوم طرف هستش.

 

 

 

۰ نظر
فربد صالحی