<
יום שבת , ינואר 20 2018
מבזקים
דף הבית > תוכנות > BIG DATA & BI Analytics > שולחן עגול – BI בעידן הענן

שולחן עגול – BI בעידן הענן

P1400474יהודה אלידע: כרגיל, הדיון מתחיל בכך שהמנחה זורק את הכדור למרכז השולחן, אתגר בשבילכם להרים. והפעם זו תובנה שלי – אולי היא נכונה, אולי לא, מותר לכם לחשוב עליה מה שאתם רוצים ולהגיב בהתאם: לי יש הרגשה, שאחרי ההבטחה הגדולה של BI, לפני 4 שנים בערך, צללנו בתהומות האכזבה. אני שומע מהרבה ארגונים שאומרים, "חשבנו שזו מהפכה אבל זה, בסך הכול, עוד משהו שצריך לקחת בחשבון בלי לצפות ליותר מדי. עכשיו, יהיו אנשים, כמובן, שיגידו שזה לא נכון, אצלנו זה לא כך. אצלנו, זה מכשיר ניהולי ממדרגה ראשונה. אני מקווה שזה נכון לגביכם, ומישהו שרוצה להביא דוגמאות נגד, מוזמן לעשות זאת עכשיו.

מאיר בן ניסים: הרבה מאוד ארגונים, מניסיוננו כחברת פתרונות בתחום, השקיעו בבניית תשתיות ולמעשה עדיין ממשיכים להשקיע. עם זאת, הציפייה של הארגונים שיהיה ניתן להפיק תובנות מיידיות על התשתיות הללו התבדתה. אנו מזהים כיום שתי מגמות: הראשונה – ארגונים המבקשים לבנות את הדור הבא של ה-BI (Data Science), כלומר, איך לוקחים את המאגרים הקיימים ומעליהם לבנות פרדיגמה אחרת של מיצוי המידע. מגמה זו מדברת על זיהוי דפוסים ואנומליות שקשה לזהות עם כלי ה-BI הסטנדרטיים. מגמה שנייה – אנשי הצד העסקי מבקשים לקבל פתרונות אנליטיקה. כלומר, הצד העסקי יודע היום לבקש מידע – שלא היה זמין לו בעבר. מגמות אלו מביאות לתוצאות פרקטיות יותר, שהופכות את ה-BI לרלוונטי ביותר.

שרון הר עוז: מיה מחשבים היא הנציגה של SAS, חלוצת האנליטיקה בארץ ולדעתי עדיין המובילה בתחום. כבר שנים שאני מתחילה את הצגת הנושא במילים "ה-BI מת, יחי ה-BI החדש". פעם אחת, ה-BI החדש מחדש בנושא יצירת דוחות, Reporting, פעם אחרת זה יותר אנליטיקה, ופעם שלישית, מדובר בלימוד מכונה, Machine Learning.

הרעיון המרכזי של Business Intelligence תמיד קיים, רק הטרנדים באים והולכים. אבל בסופו של דבר, בלי BI, ארגונים לא יכולים לדעת מה קורה, ולא יכולים לקבל החלטות פרו-אקטיביות, במקום להיגרר בתגובה לאירועים שאין להם שליטה עליהם. החלטות מושכלות, ולא מתוך אינטואיציות.  התחומים שאנחנו מתעסקים בהם – אנליטיקה, חיזוי Forecasting, כריית מידע ממחסני נתונים – הם בפירוש הדבר הבא.

יהודה אלידע: האם זה נכון, גם בארגונים לא ממש גדולים, בארגונים בהם ההנהלה הבכירה ביותר, עדיין מחוברת לשדה, המנכ"ל עדיין מקבל משוב בזמן אמת מאנשים שחשים את השטח, משום שהם בקשר אינטימי עם הלקוחות? או ש-BI זה הפך להיות מכשיר לקידום השקיפות באנטרפרייז, משום ששרשרת העברת המידע, מאנשי השטח למנכ"ל המבודד, מקולקלת כבר מזמן וצריך מכשיר טכני כדי להחליף אינטראקציה אנושית?

דניאל רוקח פורת: במיקרוסופט אנו מחלקים את האבלוציה של ה-BI לשלושה "גלים", הגל הראשון נקרא "Technical BI" ושייך לאנשי ה-IT בארגון, הם אילו שהיו אמונים על יצירת הדוחות בעבור המשתמשים השונים, הגל השני,

ה-"Self Service BI", מונח שהפך שגור בפינו בשנים האחרונות ואשר העביר את השרביט של יצירת הדוחות מאנשי ה-IT אל האנליסטים שבארגון והגל השלישי, העידן בו אנו חיים מאז השנה האחרונה אשר נקרא במיקרוסופט "End User BI" והוא נחלתם של כל המשתמשים בארגון באשר הם, בגל זה הפתרונות בראש ובראשונה סובבים סביב משתמש הקצה והאנליסטים תוך כדי שהוא משחרר את המשאבים של אנשי ה IT לניהול תשתיות הנתונים ( Data Governance ). אני בפירוש לא חושבת שיש אכזבה מעולם האנליטיקה אבל ללא ספק אפשר לומר שהארגונים מחפשים אחר כלים התומכים במעגל החלטה קצר המאפשר קיצור לוחות הזמנים עד לקבלת התובנה. מיקרוסופט חרטה על דגלה באופן בלתי מתפשר להגיש את הכלים לכל המשתמשים באשר הם ומאפשרת זאת באמצעות פלטפורמה המנגישה את התובנות לכלל המסכים (טלפונים חכמים, מסכי מחשב, טאבלטים וכו') והן מטפלת במקביל בהגשת המידע באמצעות פתרון

ה- Power BI ,תוך מתן הבחירה לארגון האם לממשו מקומית בענן או באופן היברידי. ה-BI עובר את מהפכת ה-SAAS , מהפכה בלתי נמנעת ומתבקשת עוד יותר בבואנו לחבר "את הנקודות" אשר נמצאות כבר ממילא ברובן בענן, מהות ה-BI הוא המידע ובימינו המידע ברובו כבר בענן בין אם ב-CRM, קמפיינים דיגיטליים, מידע חברתי כזה או אחר שנמצא בענן וכמובן האותות מהסנסורים השונים ש"נזרקים" לאוויר. פתרון ה-Power BI מאפשר למשתמש לבקש תובנות תוך שימוש בשפה חופשית וטבעית

(natural language) ותוצאת הבקשה תתורגם מיידית לדוחות ו-Dashboards ברמת ויזואליות גבוהה ובכך מושג קיצור זמנים מהותי בין הצורך במידע לקבלת התובנה.

עמרי קוהל – יזם סידרתי ומבכירי תעשיית היי טק הישראלי. צלם: דניאל בר-און

עמרי קוהל – יזם סידרתי ומבכירי תעשיית היי טק הישראלי.
צלם: דניאל בר-און

עמרי קוהל:  בסוף, ידע זה כוח, וככל שיש יותר ידע, וככל שיש יותר הבנה של הארגון, היכולת של הארגון להתייעל, לייצר יותר רווחים, הולכת וגדלה. אני מנסה להגיד, שזה לא BI, אלא זה Business Analytics – ובתוך אנליטיקה מקופלות הרבה מאוד הגדרות. בגדול, אני לא חושב שיש אכזבה מאנליטיקה, ישנו תהליך של התפכחות והתבגרות של התעשייה הזאת. פחות תיאוריות ויותר צרכים שנכנסים תחת המטריה של Business Analytics. יש לזה עשרות הגדרות שונות ומשונות…

יהודה אלידע:  כמספר הדוחות של גרטנר…

עמרי קוהל:  פחות או יותר, הם וחבריהם… אני לא חושב ש-BI מת, התחום חי ובועט וכן, הוא משנה את פניו. היום, אין ארגון, בינוני או גדול, שלא מחפש את אסטרטגיית ה-BI שלו. אך גם בארגון SMB, כאשר מוטת השליטה יותר קצרה והמנכ"ל יודע שהמכירות משתפרות משום שמבצע המכירות מזיז את הסחורה טיפה יותר מהר, הוא רוצה לדעת את הקשר בין אחוז ההנחה לאחוז הגידול במכירות. פתרון BI יודע לעשות What If analysis ולהגיד, אם היית מחליט כך, ולא אחרת, המבצע היה יותר מצליח, וזהו ניבוי שאף מערכת אחרת לא מסוגלת לנפק. לכן, העיקרון שידע זה כוח, לא מתחיל בארגון Enterprise ולא נגמר ב-SMB. אלא תובנה החוצה את כל שכבות הארגונים השונים. ובמקביל מתחוללת עוד מהפכה. מצריכה של BI כפתרון "ספקטרום צר" בתוך מחלקה, או בתוך פונקציה מסוימת, לצריכה כלל ארגונית, חוצה מחלקות וחוצה פונקציות. זו מאפשרת לכולם להסכים על מה שנקרא One Version Of The Truth. האמת אחת, יחידה, שיוצאת ממערכת BI מרכזית.

יהודה אלידע: אתה מתייחס, אם כך, רק לרובד הבסיסי ביותר של המילה intelligence, של איסוף הנתונים, כלומר, יצירת מסד נתונים ידוע המקובל על כולם, שזו האמת. אבל אתה לא מדבר על התהליך הקשה יותר, intelligence במשמעות של תבונה, לא של מודיעין.

תומר שטיינברג: גם ארגונים שבעבר לא יישמו אנליטיקה פשוטה של הפקת דוחות ממידע היסטורי, עושים היום צעדים משמעותיים קדימה, משתמשים בכלי Predictive Analytics המשולבים בתוך התהליכים העסקיים. לדוגמה, פרויקט החיזוי האנליטי שהצבא עשה בנושא הגיוס ואופטימיזציה של הצבת מתגייסים במקצועות שיפחיתו את הנשירה במהלך השירות כתוצאה מאי-התאמה לתפקיד. כחלק מתהליך הגיוס, משולב מנוע Predictive Analytics, שמשנה את התהליך, עוזר להציב את המועמד במקצוע המתאים לו יותר ומשפר את התהליך לתהליך טוב, יעיל וחסכוני יותר לצבא, וגם למתגייס.

מאיר בן ניסים: בהמשך למה שתומר אומר לגבי שינוי פני הארגון, אני חושב שפרדיגמת מיצוי המידע השתנתה. ארגונים מחפשים שלושה דברים ב-BI: Data Platform במקום DWH, כלומר, תשתיות גמישות שיוכלו להגיב במהירות למודלים עסקיים גמישים; כלים שיבצעו אנליזה למידע במהירות מבלי לצרוך זמן IT כבד, פיתוח ושכבות תחקור; ואולי הנקודה העיקרית, אנליזות שלא מבוססות על פונקצית מטרה מיושנות כגון שימור ונטישה, שהפכו למושגים בנאליים, אלא על אנליזות מתקדמות שמבוססות על זיהוי אירועים משמעותיים וחיוביים בחוויית הלקוח, כגון כאלו שיביאו לעלייה בשביעות הרצון והרווחיות שלו לאורך זמן.

הלקוחות העסקיים, לפעמים, מאוד מאוכזבים כי ה-Time To Market שהם רוצים, הוא מעכשיו לעכשיו. אנו חיים בעידן ה- Real Time. החלטות חייבות להתקבל על סמך נתוני זמן אמת. לכן, הדרישות של הארגונים מתחילות להתמקד בזריזות, Agility. ובשנים האחרונות, הכלים אכן הופכים להיות הרבה יותר פונקציונליים. הם מאפשרים לצרוך את

ה-BIEnterprise הוותיק ממחסן הנתונים הפרטי, הבטוח, אבל גם להגיב בזריזות כשצריך לקחת נתונים ממקומות שונים, מרשתות חברתיות, מגוגל אנליטיקס, להכניס למכונה ולקבל חיזוי אד-הוק, כי צריך לתכנן קמפיין עכשיו.

שרון הר-עוז, מובילת תחום CUSTOMER INTELLIGENCE במיה מחשבים

שרון הר-עוז, מובילת תחום CUSTOMER INTELLIGENCE במיה מחשבים

שרון הר עוז:  התפיסה שלנו היא ליצור במיוחד, לארגונים היותר גדולים, סביבה יותר מבוקרת. זאת אומרת, אפשרות לתחקר, בצורה מאוד דינאמית את הנתונים, תהליך שנקרא Innovation Lab. מעבדה וירטואלית לתוכה זורקים את כל הנתונים, ומשחקים בהם. לא תהליכים מובנים, אפילו לא מחפשים תקציבים גדולים עבור המשחק הזה. מנסים – ואם מצאנו איזשהו משהו מעניין, בתחום של אנליטיקה, בתחום של חיזוי, בתחום של תובנות כאלה ואחרות, מעבירים אותו לעולם היותר מסורתי, של בסיסי נתונים מובנים. ואז צריך לטייב את הנתונים וכול שאר התקורות של ניהול מידע ארגוני

שנדרשות גם בתחום הדינמי יותר של Big Data…

יהודה אלידע: "מעבדת החדשנות" שתיארת היא בעצם פלטפורמה למחקרים אנליטיים…

שרון הר עוז:  נכון, וכמו שתומר אמר, הכוח עובר לצרכנים. התחום של Self Service נהיה מאוד, מאוד חזק. הכלים היום מאפשרים, גם לאנליסטים שהם לא Data Scientists, כלכלנים או אנשי שיווק, מצד אחד לא לעשות שטויות, ומצד שני לגשת לנתונים ולעשות מה שהם רוצים.

טל וייסר: אני רוצה להתייחס, קודם כל, לקביעה הראשונה שלך, שאמרת שיש אכזבה מסוימת מ-BI. ואני אומר, נהפוך הוא – אין אכזבה, זו פשוט אבולוציה.  אם פעם, ה-BI היה כלי עזר למנכ"לים ולסמנכ"לים, אז היום, ה-BI- משמש דרגים נוספים בארגון בתהליכי קבלת ההחלטות. ה-BI הפך להיות כלי אופרטיבי, לכלל העובדים בארגון בכך למעשה הופך להיות כלי הכרחי מבחינתם , אם כי היום זה יותר הולך לכיוון של ויזואליזציה, Self Service , ו-Smart Data. ההתפתחות היא הכרח המציאות, כי כמות המידע מכפילה את עצמה כל שנתיים – אך לנו אין יותר זמן לניתוח הנתונים. אנחנו רוצים להוציא תובנות כמה שיותר מהר, ולייצר ערכים מוספים לארגון, שניתן ליישמם כבר היום. אני קורא לזה BI-Havior, שזה שילוב של BI עם יכולות ניתוח התנהגותיים . כיום, מעטים מנתחים התנהגות, זו שקרתה בעבר וזו שמתרחשת כעת, משום שעל בסיס דפוסי התנהגות מסוימים, אנחנו יכולים לייצר חיזוי שאמור לשמש אותנו ולייצר ערך לארגון. לדוגמה, לשפר תהליכי שימור לקוחות.

האתגר הינו להצליח לנתח את מה שקרה, ועל בסיס זה לבנות פרופיל התנהגות של לקוחות מסוימים, למשל לאפיין לקוחות על סף נטישה – אני יכול לתת לארגון תובנות עסקיות, איך לעצור או להקטין את היקף את הנטישה. וזה ערך מוסף ששווה הרבה מאוד כסף לארגון בעולם התחרותי של היום.

יהודה אלידע: אתה אומר, קודם להבין מצב נתון ולדעת איך לפעול במסגרתו, לפני שאנו מדברים על Prediction שמשמעותו זה לדעת לנחש, על מצב שהוא עוד לא נתון…

שרון הר עוז: Prediction בהגדרה, זה ליצור מודלים סטטיסטיים, על בסיס נתונים היסטוריים, מתוך איזושהי הנחה, שמה שהיה הוא מה שיהיה. אז יש לנו מתודולוגיות וקיימים היישומים שמוציאים אותן לפועל גם בלי לדרוש מהמנתח להיות סטטיסטיקאי. זאת אומרת, ה-BI נכנס ללקסיקון הניהול העסקי, שהוא כבר לא באיזה מגדל שן אקדמי. אפילו כל מיני Buzz Words של חוקרים ותיאורטיקאים, כמו Machine Learning ו-Data Mining, נהיו מילים ששגורות גם בין אנשי הביזנס, כן?

טל וייסר: הם לא יודעים איך להתמודד עם זה עדיין…

תומר שטיינברג, SAP  ישראל

תומר שטיינברג, SAP ישראל

תומר שטיינברג: רגע, זה מתחיל להיות מצב יותר קל לעיכול. הכלים האלה מתחילים להיות מספיק פשוטים, בשביל שהאנליסט יפתח לעצמו מודל, בלי שהוא יהיה סטטיסטיקאי מדופלם. עליו להבין מה הוא עושה – אם זה טוב, מצוין, זה עובד. הוא פשוט יודע, אם זה עובד או לא. ואם לא, היישום יכוון אותו לתיקון הנדרש במודל.

מאיר בן ניסים: אנחנו דווקא מזהים מגמות שונות בשוק בהקשר זה. לדוגמה בעולמות הבטחוניים וה-Cyber Security, שבהם כבר הקמנו מעבדות מחקר מתקדמות, מדברים הרבה מעבר למודלים סטטיסטיים, אלא יותר על היכולת לזהות דפוסים בצורה אוטומטית, לקטלג אירועים ולנסות, על בסיס דפוסים אלו, לייצר מעין "בינה אוטומטית" שחושבת בפני עצמה. אני מסכים שעדיין בארגוני אנטרפרייז המסורתיים, האנליזות עדיין מקובעות יחסית לסטנדרטים בשוק.

יהודה אלידע: השאלה שעדיין נשאלת היא, האם עמיתיו לצוות ההנהלה מאמינים לו. כשיושבים כל האנשים של הביזנס מסביב לשולחן, והוא בא ואומר, יש לנו בעיה, ואנחנו צריכים לעשות כך וכך, ולא ככה וככה, האם מנהלי הארגונים הגיעו לרמת בשלות, שהם מבינים שסטטיסטיקה זה מכשיר אמיתי?

שרון הר עוז: אתן דוגמה מתחום השיווק. עד לפני כמה שנים, לא היה הבדל משמעותי בין שיווק לפרסום, רוב התקשורת לקהל הייתה באפיקי הפרסום המוני.  בשנים האחרונות, נכנסו מנהלי השיווק לתחום של קמפיינים מותאמים אישית, One To One. התחום הזה היה בילדותו מאוד לא מכומת – חברה שהשקיעה כסף בקמפיינים אישיים, לא ממש ידעה אם זה אפקטיבי או לא…

בין השאר, כי אנשי שיווק לא כל כך אוהבים שמודדים אותם…

יהודה אלידע: יש מקומות בעולם, ששיווק זה מקצוע אמיתי… אפילו מדוייק. כמו הנדסה.

שרון הר עוז:  גם בארץ, לגמרי. אנחנו עושים, בשנה האחרונה, פרויקטים עם אנשי שיווק בבנקים וחברות ביטוח, בתחום שנקרא אופטימיזציה של פעילות שיווקית, המבוסס לחלוטין על מודלים שבאים מעולם הסטטיסטיקה ומחקר הביצועים. אנחנו יושבים עם כל האנשים, שאף אחד מהם לא מגיע מהעולם הסטטיסטי, מנהלי המוצרים בבנק – מי שאחראי על האשראי לעסקים ומי שאחראי על פיקדונות של לקוחות קמעונאים, מי שאחראי על כרטיסי האשראי ומי שאחראי על פעילות מקוונת, ומנהלים דיון. ובדיון לא תשמעו אף קללה סטטיסטית אלא דברים כמו, "תסתכלו על המסך של האפליקציה, בואו נראה מה יקרה אם נשנה משהו. מה יקרה, אם נמכור פחות, לצורך העניין, כרטיסי אשראי, ונמכור קצת יותר פיקדונות מסוג מסוים." שפה עסקית פרופר, שמשאירה את המורכבות הטכנית מאחורי הקלעים, מוטמעת בתהליך אנליטי שהלקוח לא צריך להתעמק בו. הסימולציה, שחוזה איך כל תמהיל השיווק ישתנה כתוצאה מהחלטה עסקית כזו או אחרת, היא משהו שאפשר לעשות רק עם כלים סטטיסטיים, אבל התוצאה היא בשפת ה-BI, האנשים עצמם רואים דוחות.

יהודה אלידע: הם מאמינים לתוצאה? הרי מלמדים אותנו לא להאמין לסטטיסטיקה – אפילו לא לסקרי בחירות…

שרון הר עוז:  מאמינים כי בסופו של דבר, זה עובד. בחודש הראשון אנשים נותנים בנו אמון בסיסי, ובחודש אחרי, רואים שהתחזיות באמת התרחשו. הם מפתחים אמון במערכת, כי זה חלק מהסיפור של BI.

מיקי ונגנהיים: אני רוצה לחזור לשאלה הראשונה שלך. ה-Bi בהחלט מוכיח את עצמו, מנתח ביצועי עבר, ומציע לנו להתבונן בקשרים חדשים שלא אובחנו קודם לכן. אנחנו, ארגו ייעוץ, עוסקים כבר 30 שנה באסטרטגיה, ניהול, תפעול ושירות, במרבית הארגונים הגדולים בכל הענפים במדינת ישראל.

אנו רואים, חזור ונשנה, שאם היו קודם הרבה דוחות והרבה דאטה, היום יש עוד יותר, וכל אחד יכול לעבד, לנתח, ולהביא עוד נתונים חדשים לשולחן ההנהלה. בין אם מכירים את הדוחות או לא, מתחיל לעתים ויכוח על אמינות הנתונים במקום לדון בנושאים החשובים על פי סדר עדיפויות. בסוף היום, ההנהלות טובעות בים של נתונים, ותובעים מאיתנו היועצים לעשות סדר בצורת הצגת הנתונים על פי חשיבות אסטרטגית להצלחה עסקית.

כל הארגונים הגדולים, בין השאר ארגונים שאתה מנית, שאת רובם אני מכיר, פשוט טובעים בתוך ים של אינפורמציה שאיננה ממוינת לפי חשיבותה לניהול ההווה ולניהוג העתיד.

מאיר בן ניסים: אני חושב שהיום הציפיה מה-BI או בשמו החדש ה-Analytics זה לא רק לספק תוצאות כגון מודלים סטטיסטיים "יבשים", אלא שיהיה מעורב יותר בתהליכים העסקיים. לדוגמה בפרויקט בארגון פיננסי בו אנו לוקחים חלק, הדרישה מה-BI הינה לא רק לספק דוחות או מודלים אלא להראות תוצאות עסקיות. למשל: להראות כיצד ה-BI מסייע "להמיר" לקוחות חברה א' לחברה ב'. זה כבר מעבר לדוחות, אלא להראות מצב של שיפור אחרי תהליך העבודה. אם בעבר, בפרויקט מסוג זה ה-BI היה מספק רק דוחות והצד העסקי היה נדרש להבין – מתוך דוחות אלו – להבין איפה להשתפר, אז היום הציפיה היא שה-BI למעשה יישא באחריות למודלים שהוא מספק.

דר' מיקי ונגנהיים - (Ph.D) מייסד ומנכ"ל ארגו ייעוץ בע"מ.

דר' מיקי ונגנהיים – (Ph.D) מייסד ומנכ"ל ארגו ייעוץ בע"מ

מיקי ונגנהיים: בסופו של דבר, ארגון צריך לייצר שלוש רגליים. הרגל הראשונה היא "אנליטיקס" (עיקר פעילות ה-BI כיום). לוקחים את הנתונים לצורך הניהול השוטף, מנתחים, בודקים, מייעלים, ועוקבים. זה בסדר לניהול השוטף. אבל ה- Intelligence ב- BI, כלומר – היגוי הארגון להשגת מטרותיו העתידיות, חייב לכלול היבט של – Business Performance Management, אשר חייב להיות אינטגרטיבי ואוניברסלי על כל הארגון. כלומר, יש לייצר עץ מדדים בעולמות תוכן משלימים כגון: כספים, לקוחות, תפעול ומשאבים. העץ מכוון את הארגון ליעדיו, בדרך כלל ליעדי סוף שנה. כל מנהל בארגון מקבל "מצפן" אשר מכוון אותו לטפל במה שחשוב, על מנת לכוון באופן מסונכרן למטרות והיעדים שלו ושל הארגון. לא יכול להיות שכל מנהל מציג מה שהוא רוצה, טובע ומטביע את ההנהלה בנתונים. הרגל השנייה חייבת להיות כלי מובנה, שמוביל את הארגון למטרותיו האסטרטגיות, ליעדים שהוצבו לסוף השנה, ולא רק לניתוח ולעיבוד נתונים היסטוריים שמציגים מה אנחנו עושים ברגע נתון זה.

הרגל השלישית הינה שיפור מתמיד על ידי קיום שגרות ניהוליות ועבודת צוות כדוגמת ישיבות ניהול חודשיות. ישיבות שבהן בוחנים את הסטיות ומגבשים החלטות לפעולות מתקנות.

יהודה אלידע: הרגל השנייה הזאת – יש לה כלים טכניים? או שהיא בנויה כולה, על חוכמתם של המנהלים?

מיקי ונגנהיים: בוודאי, כדוגמת סרגל הישגים מאוזן – Balanced Score Cardהמוצג בצורת לוח שעונים (Dashboard). יש מתודולוגיות מוכחות מבוססות כלי BI,

והיום, זה הכול נגיש, פשוט ואפילו עשוי להיות זול.

החוכמה היא לייצר את שלושת הרגליים, ולהעמיד את הארגון על שלושת הרגליים ולא לטבוע בעוד נתונים. חשוב לייצר גם את השגרות כך שאתה עובד נכון, בצורה מסונכרנת, אשר מוכוונת למטרות האסטרטגיות של הארגון. אנחנו קצת מאבדים את הרגליים היום, עם כל האמצעים שעומדים לרשותנו, עם כל הדאטה שעומד לרשותנו, עם כל הכלים שהם מאוד פשוטים לשימוש, ניתן לראות שהארגונים מתחילים להתבזר. במקום להתכנס ולהרגיש שהם שולטים יותר. כמו במערכת ניווט מודרנית, שמביאה אותם בזמן הקצר ביותר למטרות שלהם, הם מתחילים להתבלבל מכל הנתונים.

מנהלים מעלים בישיבות הנהלה דוחות ונתונים חדשים, ואז מתחיל וויכוח האם הנתונים נכונים או לא נכונים. אסור בכלל שזה יהיה על הפרק, צריך להגיע עם נתונים שהם נכונים, מאושרים מראש על ידי בעלי העניין, והדיון צריך להתנהל בנושאים המסודרים על פי החשיבות האסטרטגית.

יהודה אלידע: התובנות לא מתכנסות לכיוון אחד?

עמרי קוהל:  בעצם, העולם עובר תהליך של קונסולידציה, איחוד של הרבה מאוד כלים הקיימים בתוך הארגון, שמאפשר לייצר חתך נתונים אחד, אמת אחת המקובלת על כל הארגון. לצורך זה חשוב להסתכל מצד הכמות של משתמשי הקצה הפוטנציאליים, כי לא מספיק לדבר רק עם הסטטיסטיקאי, מנהל השיווק, או המנכ"ל. צריך להסתכל על כל מי שנמצא היום בתוך הארגון כמשתמש פוטנציאלי ב-BI. אנחנו, לדוגמה, עובדים בעיקר בארצות הברית, מול חברות שקנו מאיתנו אלפי ואפילו עשרות אלפי רישיונות לארגון אחד, בין השאר בתחומי ביטוח בריאות, בנקים, ריטייל וכו'. הרעיון הוא לנסות ולהנגיש את המידע לכולם, בלי פרויקטים פרטניים לכל מחלקה ובלי לנסות ולקחת אנשים לחדר לשבועיים, וללמד אותם איך לעשות תהליכים. אלא לתת להם כלים שמתאימים לפרופיל משתמש שלהם, בין אם הם אנליסטים בכירים שאמורים לייצר מידע למקבלי החלטות, ובין אם הם משתמשי קצה בסיסיים, שאחראיים על חמישה תחומים קטנים – ועדיין רוצים גישה למידע, שיאפשר להם לשפר את היכולות של הארגון.

לפחות מנקודת המבט שאני מסתכל על עולם האנליטיקה, קונסולידציה היא תהליך מרכזי שארגונים עוברים. המעבר מריבוי פלטפורמות, שהוקמו אד-הוק בתוך כל מיני מחלקות, לפלטפורמה אחודה המנגישה את הנתונים לכל משתמשי הקצה בלי לעבור דרך ה-IT, דוחפת הרבה מאוד הטמעות בתוך ארגונים. הצורך של משתמשי קצה שאינם אנליסטים מקצועיים, כמו סמנכ"ל השיווק, הולך וגדל בצורה מאוד משמעותית. הדרישה היום, באה בעיקר מהם, מקבלי ההחלטות. פעם, מנהל השיווק החזיק את הקלפים, קרוב אליו לחזה, מסיבות שהוזכרו פה קודם: הוא לא רצה להיות מדיד, הוא לא רצה לחשוף את הנתונים הכמותיים, הוא לא רצה להראות כמה הוא מצליח, או פחות מצליח. והיום, עם הכלים האנליטיים שזמינים לכל אחד, כולם יכולים להיות הגיבורים בחדר ישיבות ההנהלה, ולדעת את התשובות לפני כולם. היכולת להיכנס לחדר ישיבות עם טאבלט מקושר למערכת אנליטיקה, ולדעת את התשובות תוך כדי הישיבה, בזמן אמת, היא מכרעת דיונים. לא צריך לחכות שבועיים עד שה-IT ייצר דוח, שיוכיח כי צדקתי כשזה כבר לא רלוונטי, כי זה היה לפני שבועיים.

יהודה אלידע: אתה מתאר את מה שנקרא, "ניצחון הגיקים". פעם, מי שהשתלט על דיונים היה מי שהיה צועק הכי חזק, או שהיה לו סמכותיות של זכר אלפא… והנה, אתה מתאר שעכשיו אפשר לבוא לישיבה עם טאבלט ולדפוק את כולם עם הנתונים…

עמרי קוהל:  זו כבר אמת מוכחת, שלהיות גיק היום, זה הכי Cool… עם זה אי אפשר להתווכח, לצערנו או לשמחתנו. אפשר היום לנצח בתחרות העסקית עם מוצרים מובילים, עם ידע. ככל שיש יותר ידע בארגון, ככל שמבינים אותו יותר לעומק, קל יותר לנצח את המתחרים, להוביל את הקטגוריה.

טל וייסר מנכ"ל QlikView ישראל מקבוצת חילן

טל וייסר מנכ"ל QlikView ישראל מקבוצת חילן

טל וייסר: בנושא המשתמשים, רציתי להרחיב בשאלה למה BI חשוב להם? וזה כתוצאה משלושה גורמים עיקריים:

  • אחד, מתודולוגיה של הארגון. זה מתחיל במנכ"ל, בסמנכ"לים, שמתווים את תרבות הניהול של החברה, וכולם צריכים להתכנס ולעבוד כך. ככה מדווחים, ככה לומדים את העובדות, וכשמגיעים לדיונים, אנחנו מבקשים מכולם להיכנס לנתונים שהופקו במתודות הללו.
  • שתיים, הצורך להבין את משמעות הנתונים. לארגון יש הרבה מאוד נתונים, אבל רק כשיש למנהלים פלטפורמה אינטואיטיבית לניתוח, נגישה בכל מקום וזמן, המידע נותן להם כוח.
  • שלוש, הרצון להוכיח את טיבך כמנהל. רק מי שמבין את הנתונים גם יכול לשפר את הביצועים, גם אם הוא לא המנהל הכי בכיר שבארגון, ברגע שהוא תורם לשיפור הביצועים,יודעים להעריך אותו בארגון.

שלושת הגורמים הנ"ל ביחד, מביאים אותך למקום שאתה חייב לעשות BI – ואם לא תעשה את זה תמצא את עצמך מחוץ לארגון. פשוט כך. והתובנה הזאת יורדת לכלל העובדים בארגון ללא יוצא מן הכלל.

יהודה אלידע: אתה אומר, שה-BI נותן הזדמנויות לאנשים המתאימים, להחליף את האינטואיציה במקצוענות.

טל וייסר: אני יכול לתת לכם דוגמה בעולם שבו משרד משטרתי הטמיע מערכת מבוססת QlikView,שמבצעת ניתוחי BI של נתוני אירוע פלילי במעגלים רוחביים, כדי לאתר תבניות, לגלות את חשיבותם של פרטים שנראים במבט ראשון טריוויאליים, ולהתמקד על התנהגות חריגה. כשזה מצליח גם הבלש הפשוט יכול לייצר, סביב התובנות שהמערכת מציפה עבורו, פרופיל מסוים של החשוד ובכך לצמצם את מעגל האנשים אותם צריך לחקור בקפידה. ומדובר לא רק בניצול משאבים נדירים. ישנה חשיבות לאפקט הזמן, כשיש אירוע פלילי אתה רוצה להגיב מהר מאוד, ולכן עליך לתת את מירב היכולות, למשתמש הפשוט. לא צריך לחכות עד שהבלש המנוסה ביותר יתפנה לחקירה ממוקדת.

יהודה אלידע: בתנאי שבחקירה יודעים למיין ולשים את האינדקס הנכון על כל פרמטר שבודקים…

טל וייסר: אכן יש מומחיות של איך לייצר את זה. כי אם לא נדע לייצר את המסד החכם, לא נקבל את הערך של BI. אני מסכים איתך.

מיקי ונגנהיים:  ה"ביג דאטה" יכול להציג לנו קשרים אשר לאותו בלש שאתה מדבר עליו יקח הרבה זמן לאתר, ואולי לעולם לא יעלה עליהם. אנו מסוגלים לקבל היום הרגלי צריכה, על פי פילוח אחר של לקוחות, של מוצרים ושל שווקים, ולמצוא כל מיני קשרים שבעין בלתי מזוינת, או בעבודה סיזיפית דו-ממדית, ייקח לארגון זמן רב להגיע אליהם. לניהול השוטף והיגוי הארגון קדימה, חד משמעית יש יתרון ברור למחקרים שוטפים, אין כמו ה- BI.

שרון הר עוז:  בתהליך עסקי, חייב להיות ה"ביחד", האנליסט יודע לתחקר את המחשב בליווי של אנשים שמבינים את ההקשר העסקי, ויודעים על מה מדובר. בכל מערכת תומכת החלטה, גם אם היא הכי מתקדמת והכי משופעת בטכנולוגיה, צריך את הערך המוסף של הבנה אנושית.

יהודה אלידע: כלומר, בראש הפירמידה עדיין צריך להעמיד בן אדם.

שרון הר עוז:  אני לא יודעת אם בראש, אבל מישהו שיחזיק את הפירמידה…

מאיר בן ניסים,מנכ"ל משותף Matrix BI

מאיר בן ניסים,מנכ"ל משותף Matrix BI

מאיר בן ניסים: אני לא מאמין שבסופו של תהליך, מכונה אנליטית היא זו שתדע לתת את התובנות בצורה אוטומטית לגמרי. גם אם בוחנים את הכלים המתקדמים ביותר שעובדים איתם בתחום ה-Data Science, נתונים לא יכולים להחליף אינטואיציה. אני מאמין שיש לספק לאנשי הצד העסקי את התובנות הנכונות, לאו דווקא בתוך דוחות, אלא כמקרים חשובים בחיי הלקוח שהם לא היו מודעים או שלא נחשפו אליהם בעבר. בעזרת מידע זה, הם יוכלו לקבוע מדיניות חדשה, לשנות אסטרטגיה. כך לדוגמה, עבור לקוח גדול בתחום הפרסום הדיגיטלי, הקמנו מעבדת Data Science ומצאנו תובנות חדשות שסיפקו כלים לאנשי השיווק בחברה שסייעו להתאים את הצעת המכר לשוק, למדינה ואפילו לרמת הלקוח הספציפי.

תומר שטיינברג: התובנה ששואפים אליה יכולה גם להיות המלצה לתהליך עסקי. יש לנו לקוחות בתחום הזה, ארגוני מודיעין ומשטרות, שמשתמשים בפתרונות שלנו כדי להבין קהילות של אנשים וארגונים: מי עשוי להיות סוחר הסמים בתוך הרשת החברתית לכאורה? איך לאתר הלבנות הון? איפה לאתר הברחות מכס? מתי ואיפה הולך להתרחש השוד הבא? עדיין מישהו בסוף התהליך – האחראי באותה משמרת סיור, הבלש המרכז את החקירה, או האנליסט באותו ארגון מודיעין – צריך להפעיל שיקול דעת, האם ההתראה מסתדרת להם וההקשר הגיוני…

מאיר עשת:  רגע, אני רוצה לשאול אתכם. לאחרונה פורסם שרשות המיסים הוציאה 100 אלף מכתבים, לאנשים שהשכירו דירות, הרי יש לה את נתוני הנדל"ן, או כאלה שיש להם חשבונות בחו"ל, בדרישה להצהרות הון…

תומר שטיינברג: לדעתי, זה לא נעשה חכם, אבל איני יודע.

מאיר עשת:  האם היה חכם יותר אם הם היו משתמשים ב-BI?

תומר שטיינברג: כן, אבל זה עדיין ה-BI הישן, זה שמסתמך על הצלבת נתונים "מובנים" במסדים שנבנו במיוחד לשם כך. לעומת זאת, ה-BI החדש אומר, בוא נתחיל לבדוק העברות בנקאיות בין אנשים, טרנזאקציות כספיות בין אנשים שאני לא יודע דבר על הדירות שלהם, או על קשרים עסקיים אחרים. נייצר פרופיל של העברת תשלומי שכר דירה ועל סמך הפרופיל נלך לחפש למי יש דירות מושכרות ואנו כלל לא יודעים. כי הדירה רשומה על שם בן משפחה או דחליל קש אחר. ודרך אגב, מעלימי המס גם הם לומדים ומסתגלים וכך, כשתבוא שיטת הונאה חדשה המודל שבנית הולך לפח. אתה צריך לתפוס עכשיו 1000 הונאות חדשות, בשביל ללמוד את הפרופיל המעודכן. ככה זה עובד. לדוגמה, המכס של האיחוד האירופי, משתמש בפיתרון שלנו כדי לאתר הברחות. כשאתה שולח חבילה לאחת מארצות האיחוד האירופי, אתה צריך לענות על 5 שאלות, כחלק מהצהרת מכס. יש להם מודל לאיתור הונאה המספק התראת הברחה עבור כל תבנית הצהרה, מותאם במיוחד עבור כל שדה תעופה או נקודת כניסה לאיחוד האירופי, שמחליט, האם לעצור או לא לעצור את החבילה. אוטומטית.

ובמקביל הם עוצרים אקראית גם אחוז קטן נוסף, של חבילות לא חשודות, כדי ללמוד את מאפייני ההברחות החדשות. זו מערכת שלומדת, היא מלמדת את עצמה מלקחי הבדיקות האקראיות מה מאפיין את פרופיל ההברחה החדש. כך גם קרה בשוק הסלולר הצרפתי, כשבא שחקן חדש ושינה את חוקי המשחק בשוק שקודם לכן נשלט על ידי מודל מסורתי. בן לילה היה צריך לזרוק את מודל הנטישה המיושן, ולייצר כל יום מודל חדש, לנוטשים החדשים שנטשו היום ולעבוד עם המודל הזה מספר מועט של ימים, עד שבונים שוב מודל חדש לנוטשים החדשים.

יהודה אלידע: השאלה הבאה שלי היא, האם לאנליטיקה יש תפקיד מפתח בנושא GRC, הדרישות הרגולטוריות למיסוד תהליכי שליטה ניהולית בתחומי Governance, Risk, Compliance? כי הרבה ארגונים מתחבטים בדילמה, להכנסה זה הרי לא מוסיף, אז לפחות שההוצאה לא תהיה גדולה מדי?

תומר שטיינברג: אי אפשר לתאר רגולציה בלי אנליטיקה. בנק לא יכול להתקיים בלי לעמוד ברגולציה; חברת ביטוח לא יכולה להתקיים בלי לעמוד ברגולציה; אלה הדרייברים לאנליטיקה בארגונים האלה ואחרים. רוב העולם של האנליטיקה ב-GRC בא מרגולציה – הארגונים לא מחפשים להכניס לעצמם עוד הקשחות גם ככה הרגולציה שם מאוד, מאוד חריפה…

P1400557יהודה אלידע: האם מערך אנליטי מאפשר להם לתפקד יותר טוב תחת רגולציה?

תומר שטיינברג: לחלוטין, כן.

שרון הר עוז:  בבנק לאומי, מערכת ניהול הסיכונים התפעוליים, מופעלת על ידי אפליקציה של SAS, שבודק עבור כל תקנה ותקנה, מה הסיכון שהבנק חשוף אליו בכל אספקט: בסייבר, בהונאות פנימיות, בסכנה לשריפה או פגעי טבע, זה בכלל לא משנה מה המניע לחקירה. כל הניתוחים מבוססים על מודלים סטטיסטים, שנגזרו מניתוח כל האירועים ההיסטוריים שנרשמו בארגון או בארגונים אחרים, שעונים לשאלה, מה ההסתברות שסכנה תפעולית כזו או אחרת תתממש? יש מסדים גלובליים, שאפשר להשתמש בהם כדי לקבל את הסטטיסטיקות הדרושות. הלקוח לא צריך לחכות לארבע שריפות שיקרו אצלו, כדי לקבל סטטיסטיקה של תוחלת הנזק. משתמשים במסדי נתונים חיצוניים, מהם אפשר לקבל את האינפורמציה הזאת.

עמרי קוהל:  בעולם היותר קלאסי של BI, מדברים על היכולת לתת, מצד אחד, גמישות, Agility, ו-Ease Of Use לכל משתמש קצה – ומצד שני, עדיין לשמור על ה-Governance, שליטה בהרשאות, ציות לרגולציות, חוקי ארגון כמו, כמה פעמים מותר לכל משתמש להיכנס לתוך בסיס הנתונים? באיזה ימים, באיזה שעות, לאיזה נתונים, מה מותר לו ומה אסור לו לחלוק עם אחרים? וככל שהעולם עובר לפלטפורמות של קולבורציה, שיתוף מידע, הנושא של Governance הופך להיות הרבה יותר קריטי. כי לא בטוח שגם אם אנחנו יושבים באותו חדר, עדיין מותר לנו גם לדבר על אותם נתונים.

יהודה אלידע: אבל ברור שאף אחד מאיתנו לא הקדיש מספיק מחשבה, בשביל לכתוב את החוקים האלה.

עמרי קוהל:  החוקים האלה, בדרך כלל, נכתבים על ידי הרגולטור אחרי שהשריפות כבו…

יהודה אלידע: …והסוסים ברחו…

עמרי קוהל:  כן, והסוסים ברחו.

שרון הר עוז:  נכון, זה בדיוק כמו סוקס…

יהודה אלידע: כלומר, לקחו את המתודה של אבטחת רשתות ונתונים ויישמו אותה על אבטחת אנשים ותהליכים.

טל וייסר: כן, אם כי הרגולציה כאן, הינה פנימית וחיצונית, וזה מאוד חשוב באנליטיקה. נניח שאתה מנהל בית השקעות, וקיימות הגדרות לתמהיל של תיק השקעות, שאתה מחויב מול הרגולטור. עכשיו, אם בטעות מנהל ההשקעות שלך יבצע פעולה בניירות ערך שתוביל לחריגה מתמהיל התיק שלך, אתה עלול לחטוף קנס מהרשויות הממונות ולכן כדאי שתהייה לך מערכת אנליזה טובה, היודעת להתריע שאתה מתקרב לאזור הזה. כך אתה יכול לחסוך הרבה כסף, וגם לא לייצר לך תדמית שלילית בשוק. זו דוגמה קטנה אחת, לסיכונים שאפשר למנוע באמצעות פיקוח אנליטי בזמן אמת על פעולות שנדרשות על פי תקנות הרגולציה.

יהודה אלידע: זה מודל הפוך למה שדיברנו עליו קודם. קודם דיברנו על ניצול הזדמנויות – המכונה ממליצה, והאנשים המפקחים עליה בוחרים לעשות או לא. עכשיו בדוגמה שלך, האנשים עלולים לעשות פעולות מסוכנות, והמכונה מפקחת עליהם וחוסמת אותם במידה וקיים חשש לחריגה מרגולציה.

טל וייסר: זה שילוב, תלוי מאיפה אתה מסתכל. כי אתה לא יכול לשבת כל פעם עם האקסל, ולנתח כל השקעה שאתה שוקל, איך היא משתלבת בתיק ההשקעות שלך. כמה מהתיק החדש הוא אג"ח וכמה מושקע במניות חו"ל, אחוז המניות הישראליות,. אתה מחויב לעמוד בתמהיל התיק שלך, כפי שהבטחת לציבור המשקיעים שלך, ויש כלים שיודעים לעשות את זה, כל הזמן, ב-Real Time, לתת לך את ההתראות, שימנעו סיכוני חשיפות רגולטוריות – וכן חשיפה בפן הכספי.

יהודה אלידע: בשביל לחמם קצת את התחושה העתידנית שלנו, נדבר על אנליטיקה בתחום של Internet of Things. האם IoT הולך לעשות כאן מהפך? האם ההנחה שאפשר לעשות בכלל Internet of Things מותנית בכך, שיהיו מערכות אנליטיות אוטומטיות, שמפקחות על כל התנועה של מידע בין מכשירים ללא מעורבות אדם?

מאיר בן ניסים: אני יכול לספר לכם על שני פתרונות מעניינים שפיתחנו. הראשון בעולם של Cyber Analytics, והשני בעולם של Customer awareness. בפיתוחים אלו אנו משתמשים ביכולות שה-BI המסורתי לא משתמש בהם, כמו:

Search Analytics , Link analysis , Geo Analytics ועוד. בעזרתם, אנו מציגים תמונת לקוח/תמונת אתר שמאוד קשה להשיג בכלי ה-BI המסורתיים ומחייבת שילוב אינטגרציה של מספר פתרונות לכדי פתרון אחד מתקדם.

תומר שטיינברג: האנליזה יושבת בלב ה-IoT ומובילה שינוי מהותי במבנה של תעשיות שונות. לדוגמה, יש לנו לקוח בגרמניה, יצרן שהפך מוכר קומפרסורים, לספק שירות שמוכר אוויר דחוס. ברגע שאתה הופך להיות ספק שירותים כדרך לבדל את עצמך, מול חברות שיודעות למכור מוצר זול יותר – לקחת את כל הבעיה של הלקוח העברת אותה אליך כשירות במיקור חוץ, אתה חייב לחזות בדיוק לכמה חומרים תזדקק, כמה שעות עבודה אתה צריך, באיזה התמחויות, מתי, ואיפה…

יהודה אלידע: …ולא מספיק להסתכל על כמה זה עלה בשנה שעברה?

תומר שטיינברג: ממש לא, כי יש שעות קשות יותר, ושעות פחות רלוונטיות. לפעמים המכונה מתקלקלת, אבל אתה התחייבת לזמינות ברמה מאוד גבוהה. פעם זו הייתה בעיה של בית החולים, עכשיו זו הבעיה שלך, והרווחיות שלך תלויה ביכולת החיזוי המדויקת שלך. אחרת לא תשיג את מרווח היתרון של מיקור חוץ. ואנליטיקה היא הליבה של החיזוי. לא רק לדעת מה היה, אבל גם מה יקרה. האם כדאי להקדים את התחזוקה המונעת שלי, האם צריך לתכנן מחדש את שרשרת האספקה שלי, וזה בליבה של הפלטפורמה המאפשרת לקחת סיכונים של ספק שירות. הרבה מהארגונים שעושים את הטרנספורמציה לאספקת שירות במקום למכור מוצר, מנצלים את ההזדמנות כדי לשים את הפלטפורמה בענן. כי זה נגיש, והיישום הרבה יותר פשוט מבחינתם.

התוצאה, שירות יותר טוב ללקוח, כי זה זמין תמיד. ולכן אני יכול לעשות "הגדלת הזמנה", Up-Sale, עם הדבר הזה.אם אני יכול להבין שהטלפון שלך הולך להתקלקל, אני גם יכול להפוך את הבעיה להזדמנות. להציע לך להחליף טלפון בתנאים אטרקטיביים כחלק מחבילת שירות עשירה יותר.

שרון הר עוז:  SAS מסתכלת על הנושא של Internet of Things, ככל שזה נשמע מוזר, כאל Analytics of Things…

יהודה אלידע: מעבר לסיסמאות, מה המשמעות?

שרון הר עוז:  המשמעות היא שיש המון, המון נתונים, המון אירועים שנאספים אוסף של פריטים, שרובם חסרי משמעות ללא ניתוח, ללא סינון וזיהוי תבניות בזמן אמת. הסינון הזה, כדאי שהוא יהיה חכם. למשל, אם אנחנו מדברים על ניתוח סיכוני סייבר, התראות פרימיטיביות כבר לא עובדות. כולם מכירים אותן, ויודעים להתחמק מהן. החוכמה היא להפעיל אנליטיקה חכמה, שההאקר המצוי לא יודע לסנוור. גם בנושאים של חיזוי מגמות, חיזוי צריכה, חיזוי תחזוקה ודברים דומים, אנליטיקה חכמה היא שנותנת יתרון על המתחרים. אנחנו יכולים לזקק את התובנה שגילינו לרמה של מודל התנהגות, ברזולוציה של מוצר ספציפי, או ברזולוציה של פרופיל הלקוח.

יהודה אלידע:  לטובת האנשים שלא הבינו את השפה הגבוהה שלך, האם מה שאת אומרת דומה לכך שפעם – היום עדיין – כשאתה קונה אוטו, אתה מקבל תוכנית תחזוקה סטנדרטית מהחברה:כל 15 אלף קילומטר, תיכנס להחליף שמן, כל 50 אלף קילומטר תחליף צמיגים, אל תסתכל על מדיד השמן בכלל, חבל, תלכלך את האצבעות. עדיף להחליף ולא לחסוך. אבל עכשיו, כאשר במקום המדיד מותקן במנוע רכיב IoT, וגם בצמיג יש רכיב IoT שמודד לחץ – ושני אלה מדווחים לאיזה מכונת אנליזה גאונית, שנמצאת בענן, אני לא נכנס למוסך בלי הוראה ממנה. היא חוסכת ממני טיפולים מיותרים, ואני לא אבזבז זמן וכסף על תחזוקה מונעת שנובעת מההגדרה הסטטיסטית, להיות מרחק של 4 סיגמות מהקו של "מחצית אורך החיים" של הרכיב.

עמרי קוהל:  בצד של האנליטיקן, Internet of Things מוסיפה עוד שכבה של מידע, שעכשיו מתווסף לתוך הקלחת של Big Data. כי בסופו של יום, מה שחשוב זה להיות מסוגל לנתח את המידע, לעשות איתו משהו. לכן, מה שיכול להיות מעניין, לפחות מהזווית שאנחנו מסתכלים על IoT, זה לאפשר למשתמשי קצה, לקחת את כל האינפורמציה הזאת, ולחבר את המידע שנאסף מכל המכשירים החכמים, לפרקטיקה של הארגון.

דניאל רוקח פורת מנהלת שיווק בכירה בקבוצת ה-Cloud + Enterprise במיקרוסופט ישראל.

דניאל רוקח פורת מנהלת שיווק בכירה בקבוצת ה-Cloud + Enterprise במיקרוסופט ישראל.

דניאל רוקח פורת: כיום בעולם טכנולוגי רחב המטפל במגוון גדול של תחומים, החל מ – IOT וכלה ב – Big Data. המשמעות היא שהשגנו גמישות טכנולוגית לטיפול בהיקף נתונים גדול מאוד ובחתכי זמן המתקרבים ל – Near Real Time. היות והיקף הנתונים והתדירות אינם מאפשרים עוד קבלת החלטות בתהליך תחקור מובנה, הרי שיש צורך "בהצפת" המגמות והחריגים, יכולות המתאפשרות באמצעות כלים של  Machine Learning , גם כאן המטרה העיקרית היא להנגיש את הפתרון ככל שניתן למשתמשי הקצה. בימים אילו הכריזה מיקרוסופט על סוויטת הפתרונות האנליטית החדשה בשם "Cortana Analytics", אשר מהווה סוויטת אנליטיקה מלאה, הכוללת בין השאר Machine Learning, complex event processing הקמת חוות הדופ ועוד כפתרון SAAS. בנוסף חשוב לציין כי "Cortana Analytics" מהווה חלק מהפתרונות הרבים הקיימים בפלטפורמת Azure. פלטפורמת Azure תומכת בפתרונות רבים, כולל קוד פתוח – ברמת מערכות ההפעלה, מסדי הנתונים, שפות הפיתוח ופורמטים שונים של מדיה.

תומר שטיינברג: הרבה פעמים, עליך להגיע למצב, שתהליכים שתארת יהיו אוטומטיים, כי אתה לא מסוגל לטפל בהם ידנית אפילו לא ברמה של להסתכל. התהליך הזה חייב לרוץ באוטומציה מלאה…

עמרי קוהל: זה לא סותר, זה גם וגם. מצד אחד, אתה רוצה שהוא יפעיל את מה שאתה רוצה שהוא יפעיל, בזמן אמת ובלי מעורבות אדם. ומצד שני, אתה גם רוצה שיהיה מישהו שמבין עניין, שיכול לשבת מול המידע הזה ולנתח אותו כדי לקחת את הארגון עוד שלב אחד קדימה בדרך לארגון מוכוון תוצאות.

תומר שטיינברג: זה מה שרשות הנמל של המבורג צריכה לעשות – גידול תפוקת הנמל פי 2.5 תוך שנים ספורות, אתגר לא כל כך טריוויאלי בהתחשב בכך ששטח הנמל הוא קבוע כמו גם הרציפים ושטחי האחסון, וגם יום העבודה מתנהל סביב השעון. זאת אומרת, הנמל צריך להתייעל, ברמה של לעשות פי 2.5, ממה שהוא מצליח לעשות היום, באמצעות טכנולוגיה, בעיקר טכנולוגיות מידע וניהול תהליכים. חלק מהשלבים של הפרויקט כבר באוויר – כל מה שקשור לתנועת המכולות במרחב המצומצם של מחסני הנמל, ניהול הנהגים שנכנסים ויוצאים בדיוק בזמן בלי להפריע אחד לשני, ועוד. צריך לתזמר את המחול הזה בצורה מאוד, מאוד חכמה. זו לוגיסטיקה מורכבת שהנמל חייב לעשות בצורה אוטומטית, כי לא די בכך שאנליסט יסתכל על מה שהיה אתמול, ומתוך זה לנחש מה יהיה מחר. כי בעצם, מחר יהיה משהו שונה לגמרי. מחר אני צריך להעביר פי 3 יותר משאיות על אותם כבישים, לפרוק פי 3 יותר אוניות לצד אותם רציפים, פי 3 מכל מה שצריך כדי לשנע מכולות בין משאיות לאוניות.

יהודה אלידע: הנושא האחרון שעל סדר היום, הוא מערכות Big Data ורטיקליות, שעוסקות בתחומים כמו רפואה, חינוך, תחבורה, דברים שכל התעשייה רוצה לשתף פעולה בהם כדי למסד בסיס נתונים חוצה תעשייה לגביו, בסיס ידע משותף.

מאיר בן ניסים: בארה"ב ובמקומות נוספים בעולם בהחלט ניתן לראות שנושא זה הוא באמת מתקדם. אחד הנושאים שאנו בחנו הוא תחום הבריאות ובו זיהינו "קואליציות" שונות שמשתפות ידע לטובת מחקרים, כגון לימוד על התפרצות מחלות, רפואה מונעת ועוד.

תומר שטיינברג: זה כבר קורה. אנחנו חברה שמייצרת פתרונות טכנולוגיה ל-26 מגזרי תעשייה, ואנחנו רואים שיתופי פעולה ורטיקאליים בכולם. לדוגמה, SAP משתפת פעולה עם BMW ושחקנים נוספים בתחום הרכב, על מנת לייצר בסיס סטנדרטי למה שנקרא Connected Car, המכונית המחוברת לאינטרנט. וגם משתפים פעולה עם ערוץ המכירות ושירותי רכב, על מנת להגדיר את מכלול התהליכים שקשורים בבעלות על רכב, נסיעה, חנייה וכדומה, עבור הנוהג במכונית שמחוברת לרשת ומסוגלת לשתף מידע עם כל מכונית אחרת, עם תחנות דלק ומגרשי חנייה, ועם הבית החכם או המשרד הווירטואלי.

טל וייסר: אנו מזהים את זה בתחום באופן משמעותי בתחום הצרכנות לפיו ארגונים העוסקים בשירותי מתן מידע אוספים מידע על מכירות , מנתחים ומנגישים, את המידע ללקוחותיהם באמצעות אפליקציות אנליטיות מתקדמות , המידע כאמור נוגע לכלל הפריטים שלקוחותיהם רוצים לבחון ולהבין מה נתח השוק שלהם ואיך הם ממוצבים למול המתחרים.. וזה, למעשה, הוא שירות Big Data בענן, שהלקוחות יכולים לפתח ממנו פתרון סמארט דאטה פרטי, להבין איפה הוא נמצא ביחס למגמה הכללית, במגמה חיובית או שלילית .

P1400504מיקי ונגנהיים: רואים את זה בבירור במערכת הבריאות. אני חושב שבריאות זו דוגמה מצוינת. כיום התיק הרפואי נגיש, כמעט בכל מקום, במרפאות ובבתי החולים. בין אם זה משרד הבריאות, קופות החולים, ענבל, או המעסיקים שרוצים לנתח נתונים ולהבין, איפה יש פגיעות, ממה יש פגיעות, כמה זה עולה לנו, ואיך לעשות פעולות מניעה. בין אם זה לצורך מחקרים בבריאות, ללא חשיפת המידע האישי של האזרח, ניתן היום בעזרתביג דאטה לספק נתונים רבים שמשפרים את השירות, משפרים את המחקר ולפיכך את הבריאות ואת הבטיחות. ארגו למשל, עושה פרויקט שנקרא "כל הבריאות", עבור משרד הבריאות, שבו האזרח מקבל באתר אינטרנטי מידע על המחיר והזכאויות בכל קופות החולים. נאמר לאזרח, לכל אזרח, מה מגיע מבחינה חוקית, מה כל קופה נותנת, ובנוסף, ניתן כיום להתנייד מקופה לקופה. בקרוב יוכל כל אזרח להכניס נתונים אישיים על הביטוח שקנה בקופה ולבדוק מה מגיע לו ומה הוא מקבל בביטוח שרכש.

עכשיו, משרד האוצר מתחיל פרויקט משלים בנושא ביטוחי הבריאות הפרטיים המשלימים. אתר שיציג את המחיר לכל ביטוח למול הכיסויים וההשתתפות העצמית בכל חברת ביטוח ובכך יתחר את חברות הביטוח ויאפשר לאזרח לבחור את הכיסויים הטובים לו במחיר הטוב בעיניו. השילוב בין הביטוח בקופה לבין הביטוחים במשלימים בחברות הביטוח יצמצם כפל ביטוח ויחסוך לאזרח כסף רב.

יהודה אלידע: אחד היישומים הראשונים של BI, שהתוודעתי אליו בישראל, היה של אחת מקופות החולים, שבדקה באופן סטטיסטי, איזה תרופות רושם כל רופא. הרציונל העסקי, להוציא התראות לרופאים מסוימים, שמגזימים בתרופות יקרות. כי יש רופאים, שתמיד רושמים את התרופה האוריגינלית, היקרה, ה"אתית" כפי שקוראים לה היצרנים המקוריים. ויש רופאים שאומרים, "מה קרה? הבחור בסך הכול עשה אפצ'י, אז הוא יקבל תרופה גנרית, מה יש?" גישה לחוסכת לקופה הרבה כסף.

תומר שטיינברג: בתחום הרפואה אנחנו באמת רואים יותר מקבלי החלטות שמבינים שהטיפול בסרטן יכול להיות אופטימלי יותר, אם הוא "נתפר" ספציפית לאדם מסוים, עבור סוג הגידול שיש לו, על פי מידע גנטי ממוקד, וכדומה. קיימים היום מאגרי נתונים בגרמניה, לתוכם רופאים מזינים את הטיפולים שניתנו לחולים על פי דיאגנוזות ונתונים דמוגרפיים, סוגי התרופות ותוצאות הבדיקות, האפקטיביות היחסית ותסמיני לווי, בעצם מייצרים בסיס לאופטימיזציה של הרפואה העתידית באמצעות ביג דאטה. ניתוח תוצאות טיפולים של מאות אלפי מקרים בכל רחבי העולם מספק תמונה טובה יותר מנתונים מקומיים מצומצמים. הבעיה שעד לפני מספר שנים לא היה ניתן לנתח כמויות אדירות של מידע שעוצמת המיחשוב לא הספיקה. כיום זה אפשרי עם פלטפורמת SAP HANA שפיתחה SAP באמצעותה האנליטיקה מבוצעת במהירות אדירה. משהו שפעם לקח לרופא יומיים לחפש את סוג הטיפול שהוכח כ"הכי טוב" עבור מטופל מסוים, היום הוא עושה בדקות.

מאיר עשת: זמננו כמעט ותם. אני מציע שהמשתתפים יסכמו את הדיון בתובנות החשובות ביותר שיש להם להציע לקוראי IT מגזין.

P1400457עמרי קוהל: מהמקום שפירמיד אנליטיקס מסתכלת על התעשייה הזאת, אנחנו רואים את המעבר מ-Productivity Tools לפלטפורמות, בעצם, אולי עוד סלוגן, מעבר מ-Me BI ל-We BI. המגמה להנגיש את הפלטפורמות האנליטיות, ואת המידע שנצבר בהן, לכל משתמשי הקצה בארגון, החל מהרמה הבסיסית ביותר, ועד המתוחכמת ביותר. אנחנו חושבים שמה שחסר יותר מכל היא קונסולידציה. לקחת את הארגון כולו ולהתכנס לתוך מערכת אחת מרכזית, שנותנת מענה לכל הצרכנים. לשמור על אמת אחת משמעותית, שעליה מתכנסים ודרכה משוחחים. ובסוף, ידע זה כוח. ככל שהארגון יודע יותר, הוא לומד יותר על עצמו וכך הוא יכול להשתפר ולהתייעל.

תומר שטיינברג: SAP מספקת את הפלטפורמה המלאה, כדי לטפל במגוון סוגים של נתונים, מובנים ולא מובנים, שחלקם מגיע מתוך הארגון, ואחרים נמצאים מחוץ לו; לשלב את התובנות של האנליטיקה, בתוך תהליכים עסקיים, ובתוך הפלטפורמה שלנו ללוגיסטיקה, ניהול הלקוח והמסחר בכל הפתרונות הוורטיקליים השונים למגזרי התעשייה; עם דגש על היכולת להנגיש את המידע ולתת למשתמשים כלים אנליטיים פשוטים לנתח את הנתונים על פי צרכיהם, לקבל את התובנות ולחזות את האירועים שעתידים לבוא – בעצם לעשות אופטימיזציה לתהליכים העסקיים שלהם.

דניאל רוקח פורת: בסופו של דבר האתגר הגדול איננו קיומן של טכנולוגיות חדשניות אלא ביכולת לשלבן בצורה מובנית לקבלת פתרון חדשני, ישים ובעלות סבירה. דוגמא לפתרון כזה הציגה מיקרוסופט ביחד עם הערים ברצלונה ותל אביב וזכו על כך בפרס העיר החכמה. עיריית ברצלונה אשר הנגישה לכל תושביה מאגר מידע בזמן אמת על כל המדדים האזרחיים כגון תרבות , חינוך , ועד לתחבורה וניצול אנרגיה.

עיריית תל אביב זכתה בעיר החכמה על פרויקט העיר הנקרא "דיגיתל" ונושא זה הפך מנוף להמשך תהליכי דיגיטיזציה של השירותים לתושבים ותיירות.

לאור האתגר ההולך וגדל בעולמות האנלטיקה וה-Data, למיקרוסופט פתרון ייחודי אשר נותן פתרון מלא מקצה לקצה, אקו סיסטם שלם, משכבת אחסון הנתונים דרך מידול ופרדיקציה וכלה בויזואליזציה והנגשת התובנות ע"י dashboards ודוחות הן בעבור ה-BI המסורתי והן בעבור ה-SSBI למשתמשים העסקיים תוך כדי שמירה מלאה על אמת ארגונית אחת. בשורה התחתונה עולם ה-BI Analytics הינו חלק מ- Transition גדול יותר שעוברים הארגונים בניסיון להתייעל ולחסוך אבל ללא ספק ל-BI Analytics תפקיד מרכזי בחיי הארגון גם היום וגם בעתיד והוא המפתח להצלחה ולתובנות העסקיות.

מיקי ונגנהיים: אנחנו, היועצים וארגו בתוכם, מאמינים שאי אפשר בלי דאטה, ולצערנו, הים הופך להיות לאוקיינוס של דאטה. החוכמה היום, היא לייצר חזרה את המיקוד האסטרטגי, עם עץ יעדים, בכל עולמות התוכן המשלימים, לעשות סדר בדאטה, בין אם זה מידע תפעולי, פיננסי, או שירות, או כל דבר אחר, ולמצוא את הדרך לסנן אותו. אנחנו מציעים לבנות עץ מדדים ויעדים, שבעצם יוצר מערכת ניווט שנותנת למנהלים את האפשרות לקבל החלטות, לפי חשיבות אסטרטגית. לדעתי, אנחנו עדיין בתהליך, שבו אנחנו מגדילים ומגדילים את הקערה הזאת של הדאטה, לאור הנגישות לדאטה והקלות להגיע לדאטה. מוצאים המון נתונים, המון קשרים, מתבלבלים מכמויות המידע, והחוכמה ה-intelligence ב- BI טמונה באיך ניתן לייצר, מידע תמציתי, ערוך לפי חשיבות שמאפשר לנו להיות אפקטיביים ולהגיע ליעדינו, מהר ובקלות. לסיכום, על הארגון לעמוד על שלוש רגליים: ניהול שוטף, ניהול ליעדי סוף השנה וישיבות הנהלה סדורות.

טל וייסר: לנו ב-QlikView Israel, יש פתרון מלא שהינו Qlik Analytics Platform.

פלטפורמה שמספקת פתרון מלא ורחב לכלל המשמשים בארגון שנותנת מענה לצרכים המתקדמים של הארגונים כיום.

ה-BI של היום אינו עוד ה-BI שהיה לפני 5 שנים, עולם העסקים המודרני והמתפתח דורש כיום BI מודרני שהינו Smart Analytics .

Qlik Analytics Platform זוהי פלטפורמה עם מגוון רחב של פתרונות בפלטפורמה אחת ולא עוד מוצר אחד, ובכך ניתנת לארגון יכולת וגמישות להרחיב את השימוש לפי צרכי ואתגרי הארגון מבלי לחשוש שמא הצרכים הבאים לא יוכלו ליעשות באותו המוצר ובכך למעשה הארגון יכול לקבל החלטות בצורה מושכלת.

לאחרונה אנו מזהים מגמה שבה ארגונים מעוניינים להקטין את כמות המערכות ה-BI בארגון ולייצר תהליך של קונסולידציית מערכות BI למינימום שניתן. ריבוי מערכות BI בארגון גורם לבזבוז משאבים בארגון בשל הצורך ללמוד מספר רב של מערכות, הקצאת משאבי תחזוקה ופיתוח במקביל למספר מערכות.

שרון הר עוז: אני חושבת שהדבר העיקרי שחשוב, אם אנחנו מדברים לקוראים לא מקצועיים שנחשפים לתובנות הרבות שהובעו כאן, הוא:

א' – BI הוא אבולוציה, לא משהו שעושים, גומרים והולכים לאתגר הבא. BI הוא תהליך אבולוציוני, שמצריך לעבור שלבים שונים. צריך להיות בשלים להטמעת התהליכים השונים של BI.

ב' – כדי להגיע לאנליטיקה, צריך לבוא עם תשתית מסוימת. SAS עושה BI 30 שנה, ומהיום הראשון אנחנו מלווים את הלקוחות שלנו בתהליך הכנת התשתיות ל-BI, הבסיס ליכולות האנליטיקה, כושר החיזוי.

ג' – ה-Buzz Words באות והולכות, היום Internet of Things, מחרתיים יהיה באופנה משפט אחר. וזה לא משנה. כי ה-BI מת ויחי ה-BI החדש. הוא תמיד יישאר חיוני ותמיד ימשיך להשביח את תפעול הארגון, ולהוביל את הארגון קדימה.

P1400497

אודות מערכת ITnews

נגישות