RFP Request For Proposal

RFP چیست و چگونه آن را تهیه کنیم؟

RFP (Request For Proposal):  یک سند تجاری است که جزئیات مربوط به یک پروژه را اعلام میکند. 

ابزاری برای خریداری خدمات که توسط کارفرما تهیهشده و در اختیار ارائهدهندگان خدمات قرار میگیرد تا کارفرما پیشنهادها و راهحلهای مختلفی را برای موضوع در اختیار داشته باشد. 

ترجمه RFP به فارسی «درخواست برای یک پیشنهاد» است.

درواقع RFP  روش تشریح اسناد یک پروژه است که پیمانکاران با خواندن و نوشتن طرح پیشنهادی خود،  تواناییهای خود را جهت اجرا در چارچوب پروژه اعلام میدارند. 

RFPها استاندارد خیلی خاصی ندارند و بسته به سازمان یا شرکت ارائهدهنده تنظیم میشوند. 

RFP فراتر از یک پیشنهاد قیمت برای پروژه است. 

درواقع اطلاعاتی از پروژه را در اختیار پیمانکاران قرار میدهد تا دید بهتری نسبت به ابعاد، نحوه انجام و هزینه برآوردی داشته باشند.

بخشی از آن درخواست، میزان بودجه پروژه است که توسط سازمان درخواستکننده تهیه میشود.

RFP روند مناقصه و شرایط قرارداد را بهطور خلاصه شرح میدهد و نحوه قالببندی پیشنهاد را راهنمایی میکند.

RFP ها عمدتاً توسط سازمانهای دولتی برای دریافت کمترین قیمت استفاده میشوند.

RFP ها به شرکت درخواستکننده اجازه میدهند تا از بین چندین پیمانکار، یکی را انتخاب نماید.

نکته مهم:
پیشنهاد نباید بیشازحد جزئی باشد زیرا ممکن است مانع خلاقیت پیمانکار شود و نباید آنقدر مبهم باشد که پیمانکار درک شفافی از آن نداشته باشد.

 

محتوای RFP عموماً شامل موارد زیر  است:

۱. خلاصه مدیریتی

۲. شرح ضرورت

۳. اطلاعاتی در مورد سازمان یا شرکت

۴. برنامهریزی و زمانبندی پروژه

۵. بودجه تخصیصیافته

۶. نتایج مطلوب پروژه

 

 روش تنظیم و تهیه RFP:

روند RFP با تهیه یک درخواست برای پیشنهاد آغاز میشود.

پیمانکاران درخواست را بررسی میکنند و پیشنهادهایی برای بهبود ارائه میدهند. 

کارفرما تعدادی از پیمانکاران را انتخاب میکند و در مورد قیمتگذاری و جزئیات فنی وارد مذاکره میشود. 

درنهایت با شرکتی که کمترین قیمت را پیشنهاد کند وارد معامله خواهند شد.

پسازاینکه مشخصات پروژه تعیین گردید فرآیند برنامهریزی آن آغاز میشود. 

برنامه مشخصشده  باید به مرحله اجرا  درآید  و نظارت مستمر و دقیقی در فرآیند اجرا وجود داشته باشد. 

نحوه و چگونگی عملکرد اجرا توسط فرآیند کنترل و ارزیابی بهدقت مورد تجسس واقع میشود و نهایتاً فرآیند پایانی سیستم انجام میگردد.

 

برای درک بیشتر مطلب به نمودار زیر توجه کنید.

نمودار چرخه مدیریت پروژه RFP
نمودار چرخه مدیریت پروژه RFP

 

تدوین درخواست پیشنهاد برای انجام پروژه (RFP)

این مرحله توسط کارفرمای پروژه یا متولی آن انجام میگیرد.

اهداف این مرحله عبارتاند از:

         ارائه اطلاعات و شرایط موردنیاز در ارتباط با انجام یک پروژه

         بیان اهداف، داشتهها، خواستهها، محدودیتها و شرایط مرتبط با انجام پروژه

         تعیین چارچوب موضوعاتی که باید در پیشنهاد انجام پروژه در مورد آنها توضیح داده شود.

 

ساختار و چهارچوب موضوعات اسناد موردبررسی به پنج بخش اصلی تقسیم میشوند:

بخش اول اداری و اجرایی، بخش دوم فنی، بخش سوم مدیریتی، بخش چهارم قیمت و بخش پنجم پیوستها.

حال به شرح مختصری در مورد آنها میپردازیم.

 

۱)       بخش اداری و اجرایی:

          مقدمه (هدف از ارائه درخواست، اهداف جزئی، سوابق، …)

          مشخصات کلی و اطلاعات مسئله موردنظر کارفرما

          اهداف کارفرما از تعریف و انجام پروژه

          محدودیتهای موجود در انجام پروژه

          شرایط شرکت در مسابقه و نحوه ارسال پیشنهادها به کارفرما

          قالب (موضوعی، شکلی و …) ارائه پیشنهادها

          ضوابط و نحوه ارزیابی پیشنهادها

          قوانین و مقررات حاکم بر پروژه

          دستورالعمل رفع ابهامات پیشنهاددهنده در خصوص ارائه پیشنهاد

          مشخصات گروه یا تیم تهیهکننده سند درخواست برای ارائه پیشنهاد

 

۲)       بخش فنی:

          اطلاعات وضعیت موجود سیستم یا محدودهای که مسئله مربوط به آن است

          نیازها و انتظارات کارفرما در سیستم یا محدوده اشارهشده

۳)       بخش مدیریتی:

          ارائه دیدگاه کارفرما در خصوص مراحل انجام پروژه و نحوه مدیریت آن

          طرح مدیریت پروژه

          روش طراحی، توسعه و پیادهسازی

          نحوه استقرار تیم پروژه

          نحوه تحویل، نصب و راهاندازی

          نحوه آزمون پذیرش

          نحوه آموزش و پشتیبانی

          نحوه مستندسازی فرآوردههای پروژه

۴)       بخش قیمت:

          نحوه ارائه قیمت کل برای انجام پروژه (ارزی، ریالی)

          نحوه آنالیز قیمت بر اساس نوع منابع موردنیاز برای انجام پروژه (نیروی انسانی، تجهیزات، ملزومات و مواد)

          نحوه آنالیز قیمت بر اساس خروجیهای مورد انتظار از انجام پروژه

۵)       بخش پیوستهای درخواست برای ارائه پیشنهاد:

          متن قرارداد پیشنهادی

          مستندات فنی در خصوص موارد اشارهشده در بندهای RFP

 

 

نکته پایانی:

اگر در جایگاه شرکت یا سازمان تهیهکننده RFP هستید سعی کنید سندهایی آماده کنید که در آنها کیفیت کار و خدماتتان بهروشنی بیانشده باشد.

اگر در جایگاه پیمانکار یا شرکت مجری هستید با دقت پروپوزال را مطالعه کنید و پرسشهای خود را مطرح کنید. 

دقت کنید هیچ نکته مبهمی وجود نداشته باشد. سپس نحوه ارائه خدمتدهی خود را مشخص کنید.

 

 

 

هوش مصنوعی

چگونه انسان توسط هوش مصنوعی شکست می‌خورد؟

شاید اصطلاح هوش مصنوعی یا ماشین‌های هوشمند را شنیده باشید.

برخی از فیلم‌های سینمایی با ژانر علمی تخیلی و موضوع آینده این موضوع را به تصویر کشیده‌اند.

در این فیلم‌ها، ماشین‌هایی را می‌بینید با ظاهری عجیب و بعضاً شبیه به انسان که بر انسان‌ها حکومت می‌کنند. 

جنگ‌های غیرقابل‌باور بین انسان‌ها و ربات‌ها.

در این نوشته می‌خواهیم کمی بیشتر در مورد هوش مصنوعی گفتگو کنیم.

به همین جهت در ابتدا تعریف درستی از هوش مصنوعی داشته باشیم.

هوش مصنوعی یا Artificial Intelligence:

سامانه‌هایی هستند که می‌توانند همانند انسان بیندیشند و عمل کنند.

ماشین‌هایی که با شیوه‌های درک و استدلالی آشنا هستند و می‌توانند مسائل را حل کنند.

سرعت و دقت تحلیل و محاسبه در انجام الگوریتم‌های پیچیده از دیگر مشخصات بارز آن‌هاست.

این ماشین‌ها به نرم‌افزارهایی مجهز هستند که می‌توانند با بررسی و شناخت محیط اطراف، وضعیت موجود را تحلیل کرده و بهترین تصمیمات را بگیرند.

این تصمیم‌ها فقط مربوط به همان زمان نیستند بلکه بسته به نوع مشکل، آن‌ها قادر خواهند بود تا چندین احتمال آینده را بررسی کرده و درست‌ترین راه‌حل‌ها را پیشنهاد و اجرا کنند.

هوش مصنوعی چه تفاوتی با یادگیری ماشین یا Machine Learning دارد؟

یادگیری ماشین همان‌طور که از نامش پیداست یعنی ماشین‌هایی که توانایی یادگیری دارند.

اگر انسان در مدت‌زمانی طولانی در حال آموختن مطالب زیادی باشد از دید دیگر انسان‌ها، او فرد باهوش و متخصصی است.

این انسان توانسته با استفاده از آموزش مطالب به درجه استدلال و تحلیل درست برسد و مشکلات مربوط به آن حیطه آموزشی را به‌درستی حل و بحث کند.

چنانچه این پدیده توسط ماشین انجام شود به آن «یادگیری ماشین» گفته می‌شود.

هوش مصنوعی نتیجه نهایی یادگیری ماشین است.

هدف نهایی هوش مصنوعی این است که بتوانیم رباتی بسازیم که همانند انسان بیندیشد.

تفاوت هوش مصنوعی با دیگر نرمافزارها چیست؟

هنگامی‌که یک مهندس یا طراح نرم‌افزار، سیستمی را طراحی می‌کند، اوست که روش کار و اجرای نرم‌افزار را مشخص می‌کند.

نرم‌افزار خودش قابلیت اجرای پروسه‌هایی که برایش برنامه‌ریزی نشده است را ندارد ولی در مبحث یادگیری ماشین، این ماشین است که می‌تواند بر اساس آموخته‌هایش حرکت بعدی را حدس بزند.

فرض کنید نرم‌افزاری شبیه به مغز انسان طراحی می‌کنیم.

اینک در کنار آن نرم‌افزار حجم عظیمی از اطلاعات و داده‌ها را قرار می‌دهیم.

همان‌طور که مغز انسان به‌مرور اطلاعات را درک می‌کند و روابط بین آن‌ها را تشخیص می‌دهد، آن برنامه نیز می‌تواند به‌مرور آموزش ببیند.

پس از مدتی نرم‌افزار می‌تواند ارتباط بین داده‌ها را تحلیل کرده و رفتار متناسب را برگزیند.

روند تکمیلی هوش مصنوعی چگونه است؟

اولین نسخه قابل‌اجرای هوش مصنوعی در سال ۱۹۷۰ ارائه شد.

بااینکه در حدود ۴۰ سال از آغاز به کار دانشمندان در این زمینه گذشته بود ولی تا آن موقع خروجی درستی از آن حاصل نشده بود.

هدف اصلی این بود که نرم‌افزاری ساخته شود تا بتواند بخشی از ذهن انسان را شبیه‌سازی کند.

مثلاً هوش مصنوعی که بتواند رانندگی کند، نقاشی کند، مانند یک پزشک دردهای انسان را تشخیص دهد، موزیک بنوازد و شبیه به آن.

تا سال ۲۰۱۳ حتی پیشرفته‌ترین هوش مصنوعی ساخته‌شده نمی‌توانست تفاوت بین سگ و گربه را تشخیص دهد ولی پس‌ازآن تحولات جالبی رخ داد.

اول: هم‌زمان با پیشرفت تکنولوژی، قدرت انتقال (Contagion Power) نیز افزایش یافت.

بدین معنا که ماشین‌های قوی‌تری به وجود آمدند که می‌توانستند اطلاعات را خیلی بیشتر و سریع‌تر پردازش کنند.

دوم: حجم اطلاعات (Data) خیلی زیاد شد.

این حجم بزرگ اطلاعات، به‌سرعتِ حل کردن الگوریتم‌ها کمک شایانی کرد.

با قوی شدن این دو عامل تئوری‌های هوش مصنوعی قدرت بیشتری گرفتند.

اینجا بود که پرسشی جالب مطرح شد:

با توجه به اینکه هوش مصنوعی تا سال ۲۰۱۳ هنوز فرق بین سگ و گربه را تشخیص نمیداد، چقدر زمان لازم بود تا آنها از انسان باهوشتر شوند؟

برای رسیدن به پاسخ واقعی‌تر، روش مقایسه‌ای مطرح شد.

این روش به آزمون تورینگ معروف است و بدین‌صورت است که یک سری آزمون یا بازی مانند شطرنج (Chess)، پوکر (Poker) و گو (Go Game) تعریف می‌شود.

سپس مسابقه‌ای بین الگوریتم‌های یادگیری ماشین و انسان برگزار می‌گردد و نتیجه بررسی می‌شود.

بازی شطرنج: 

بیست سال پیش این اتفاق افتاد و در آن سال انسان از ماشین شکست خورد.

بازی گو: 

در سال ۲۰۱۶ تیم AlphaGo که متخصص بازی گو بودند، قهرمان دنیا را شکست داد.

در همان سال این تیم، با ماشین مسابقه داد و نتیجه ۴ بر ۱ به سود ماشین بود.

سال بعد الگوریتم هوش مصنوعی ۲۰۱۶ در برابر الگوریتم جدید آن در سال ۲۰۱۷ در مسابقه‌ای روبه‌روی هم قرار گرفتند. یعنی رویارویی دو ماشین به فاصله یک‌سال پیشرفت.

فکر می‌کنید نتیجه این مسابقه چه بود؟

الگوریتم جدید توانست با نتیجه ۴۰۰ بر صفر، الگوریتم سال قبل را شکست دهد.

این در حالی بود که نسل جدید یادگیری ماشین هیچ‌گونه دسترسی به بازی‌های قبلی انسان نداشت و هر چه بلد بود خودش یاد گرفته بود.

خوب دقت کنید؛ نسل اولیه (سال ۲۰۱۶) از بازی انسان‌ها آموخته بود و ۴ بر یک انسان را شکست داد؛ نسل جدید (سال ۲۰۱۷) بدون یادگیری از بازی انسان‌ها و با استفاده از داده‌های خودش، ۴۰۰ بر صفر نسخه قبلی خودش را بُرد!

بازی پوکر:

در سال ۲۰۱۹ یک گروه تحقیقاتی از فیس بوک (Facebook) و کارنگی ملون (Carnegie Mellon University) یک نرم‌افزار یادگیری ماشین طراحی کردند و با ۵ نفر از پوکر بازان حرفه‌ای سر یک میز ۶ نفره مشغول بازی شدند.

نتیجه این شد که ماشین توانست در طی ۱۰٫۰۰۰ دست بازی، هر پنج نفر را شکست دهد.

با این تحقیقات، پاسخ این پرسش این است:

این اتفاق پیشتر به وقوع پیوسته و ماشین از انسان هوشمندتر شده است.

بااین‌وجود هنوز ماشین‌ها نمی‌توانند مانند انسان به‌صورت عمومی یا همه‌جانبه (General Thinking) فکر کنند.

آن‌ها تنها قادرند در همان موضوعاتی که آموزش‌دیده‌اند خوب عمل کنند.

زمانی خواهد رسید که ماشین‌ها از انسان‌ها پیشی می‌گیرند.

دو دلیل برای این ادعا وجود دارد:

دلیل اول: ماشین‌ها قابل تکثیر و بزرگ شدن هستند. برای روشن‌تر شدن مثالی می‌زنم.

فرض کنید نرم‌افزاری بر روی یک سخت‌افزار باقدرت ثابت در حال کار کردن است. 

با پیشرفت علم و تکنولوژی توانسته‌ایم آن سخت‌افزار را ۱۰۰ برابر کنیم درنتیجه قدرت ماشین تقریباً ۸۰ برابر می‌شود (چون دقیقاً نمی‌توانیم همان ۱۰۰ برابر را دریافت کنیم).

در مقابل آیا می‌توانم عملکرد مغز انسان را صد برابر کنیم یا مغز صد نفر را به هم وصل کنیم تا نتیجه بهتری بگیریم؟

دلیل دوم ارتباط کُند بین انسان‌هاست. 

ردوبدل کردن اطلاعات در انسان‌ها از روش صحبت کردن، شنیدن یا به‌طورکلی به‌وسیله حواس ما انجام می‌شود. 

نوع گفتگوی ما بسیار ضعیف‌تر از گفتگوی ماشین‌هاست. 

آن‌ها در کسری از ثانیه چندین ترابایت اطلاعات را ردوبدل می‌کنند. 

هیچ‌گاه انسان نمی‌تواند در این مورد با ماشین رقابت کند.

بانک اطلاعاتی
پایگاه داده

مبانی و ساختار بانک‌های اطلاعاتی رابطه‌ای (قسمت دوم)

در قسمت قبل، با مبانی و ساختار بانک‌های اطلاعاتی آشنایی مختصری پیدا کردیم.

برای آموختن هر حرفه‌ای در ابتدا باید با مفاهیم آن آشنا شد. 

این مفاهیم از طریق شناختن واژه‌های آن حرفه، امکان‌پذیر می‌شود.

اینک به بررسی مفهوم و عملکرد مهم‌ترین و پایه‌ای‌ترین واژگان در بانک‌های اطلاعاتی میپردازیم.

 

۱. پایگاه داده یا بانک اطلاعاتی Database

2. موجودیت Entity

3. خصوصیت Property

4. یک سطر اطلاعات Row

5. یک ستون اطلاعات Column

6. سلول Field

7. جنس داده Data Type

8. ارتباط Relation

 

۱. دیتابیس یا پایگاه داده یا بانک اطلاعاتی (Database)

مجموعهای از دادههای مرتبط با ساختار یک کسب‌وکار است. این داده‌ها به‌صورت کاملاً هدفمند و پیوسته توسط سیستمی مدیریت می‌شوند. به این سیستم، «سیستم مدیریت پایگاه داده (DBMS)» گفته می‌شود.

DBMS: Database Management System

اگر این داده‌ها با یکدیگر در تعامل باشند به شرطی که این تعامل توسط DBMS مدیریت شوند، به آن لقب «پایگاه داده رابطه‌ای» داده خواهد شد.

RDBMS: Relational Database Management System

درواقع پایگاه داده مجموعه‌ای به هم مرتبط و مجتمع از داده‌ها با کمترین افزونگی است. مجموعه‌ای از داده‌های ذخیره‌شده و پایا به‌صورت یکپارچه اما مرتبط به هم برای استفاده از یک یا چند کاربر یا چند نرم‌افزار به‌صورت هم‌زمان و اشتراکی.

 

پایگاه داده