قبل أن تنشغل بالمقارنة بين النماذج وأحجامها وأسعارها، توقف عند سؤال أبسط: ما البيانات التي سيعمل عليها هذا النظام فعلاً؟ معظم المشاريع التي تتعثر في مرحلة التشغيل لم تفشل لأن النموذج ضعيف، بل لأن الأساس الذي بُني عليه كان مهلهلاً. والخبر الجيد أن هذا الخلل قابل للفحص قبل أن يكلفك كثيراً.
أين تُخزَّن بياناتك؟
ابدأ بالجرد. كثيراً ما يكتشف الفريق أن المعلومة التي يحتاجها موزعة على جداول بيانات قديمة، وسجلات في نظام لا يفتحه أحد، ومحادثات بريد لا تُحفظ في مكان واحد، وملفات على حاسوب موظف غادر الشركة منذ عامين. قبل أن تصمم أي شيء، اكتب قائمة بكل مكان توجد فيه البيانات المتصلة بالمهمة. هذه القائمة وحدها كثيراً ما تكشف أن المشروع أكبر أو أصعب مما بدا على الورق.
هل هي مكتملة ومتسقة؟
البيانات الموجودة ليست بالضرورة صالحة. انظر إلى الحقول الفارغة، وإلى الأسماء المكتوبة بثلاث طرق مختلفة لمدينة واحدة، وإلى التواريخ المسجلة بصيغ متعددة في العمود نفسه. النظام الذي يتعلم من بيانات غير متسقة سيتعلم التناقض ويعيده إليك بثقة. اختبر عينة عشوائية من مئة سجل وسجّل كم منها مكتمل وكم منها يتعارض مع غيره. النسبة التي ستراها ستقرر إن كنت تحتاج إلى أسابيع من التنظيف قبل أي بناء.
من يملك هذه البيانات؟
السؤال الذي يتجاهله الكثيرون هو سؤال الملكية. من يقرر ما الذي يُضاف إلى هذه البيانات، ومن يصححها حين تكون خاطئة، ومن يُسأل قبل أن تُستخدم في مهمة جديدة؟ حين لا يوجد جواب واضح، تتحول كل مشكلة في البيانات إلى نزاع بين أقسام لا تعرف من المسؤول. عيّن مالكاً محدداً لكل مجموعة بيانات أساسية، واكتب ذلك في وثيقة يراجعها الفريق. هذه الخطوة لا تكلف شيئاً، لكنها توفر أشهراً من التأخير لاحقاً.
هل فيها أمثلة حقيقية كافية؟
حتى لو كانت البيانات موجودة ومرتبة ويملكها أحد، قد لا تكفي. نظام يعمل على حالات نادرة يحتاج إلى مئات الأمثلة لكل حالة، ونظام يتعامل مع أخطاء الاستخدام اليومية يحتاج إلى أمثلة لتلك الأخطاء بالذات. اسأل نفسك: هل لدي أمثلة كافية للحالات التي تهمني أكثر، بما فيها الحالات الصعبة والاستثنائية؟ وإن كان الجواب لا، فالحل ليس في تغيير النموذج، بل في جمع الأمثلة أو توليدها بعناية وتحقق من جودتها.
ماذا تفعل بهذه النتائج؟
إذا اكتشفت خلال هذه الفحوصات الأربعة أن بياناتك متناثرة، أو ناقصة، أو بلا مالك، فهذا ليس سبباً للتراجع، بل معلومة تغير خطة العمل. أصلح الأساس أولاً، ثم ابنِ عليه. وإذا وجدت أن البيانات سليمة في معظمها، فانتقل بثقة إلى اختيار الأداة والنموذج، مع معرفة أن ما تبنيه يقف على أرض صلبة.
المشروع الناجح لا يُقاس بحداثة النموذج الذي يستخدمه، بل بقدرته على الوقوف يوماً بعد يوم في بيئة حقيقية. وأول خطوة نحو ذلك هي أن تنظر إلى بياناتك بعين صادقة قبل أن تنظر إلى أي شيء آخر.