גם אם לכל הארגון שלכם יש גישה לדטה – אתם רק בחצי הדרך

דטה היא צינור החמצן של ארגונים רבים, שבלעדיה מנהלים ומנהלות לא יכולים לקבל החלטות – עסקיות או ארגוניות. אבל ככל שיותר חברות וארגונים מבססים את פעילותם על דטה, הענקת הגישה לדטה לאורך ולרוחב הארגון כבר אינה עוד השאלה המרכזית. ארגון מבוסס דטה צריך לשאול את עצמו לא למי יש גישה לדטה, אלא איך להתמודד עם הדטה באופן היעיל ביותר. אם ניתוח הדטה וחילוץ התובנות מתוכו תקוע אצל הצוותים הטכניים העמוסים, בשעה שהצוותים האחרים – פיתוח עסקי, שיווק, מכירות, אופרציה או משאבי אנוש – לא יכולים להפיק ממנו תועלת בזמן ובאופן עצמאי, הדטה לא באמת משרת אותנו.

זהו אחד האתגרים הקיימים בתחום הבינה העסקית, שאמנם מציע היום פתרונות רבים, אך רובם עדיין נשענים על הצורך באנשי מקצוע טכניים שישלימו פערים בניתוח הדטה ויתמכו בקבלת ההחלטות של הצוותים העסקיים. הנתונים הזורמים לארגון ממגוון רחב של מקורות אינם בהכרח מסודרים ומאורגנים היטב, והכלים הדרושים לנתח אותם מעניקים לרוב פתרונות נקודתיים על פי דרישות ספציפיות – ניתוח מסוג אחד לצוותי הפיתוח העסקי, ניתוח מסוג אחר לצוותי השיווק וניתוח מסוג שלישי לצוותי האופרציה.

המציאות הזו מקשה על מנהלים ומנהלות לזהות מגמות, להצביע על אזורי פעילות הדורשים תשומת לב מיוחדת או לנקוט בצעדים הדרושים על מנת לתקנם – או לנצל הזדמנויות.

"ההתקדמות הטכנולוגית של פתרונות המשלבים בינה מלאכותית ולמידת מכונה מאפשרים כיום גם לצוותים הלא טכניים לחפור עמוק בתוך הנתונים בכוחות עצמם, ולחלץ את התובנות הדרושות להם."

השימוש המוגבר בנתונים הביא למציאות משובשת, שבה מנהלים רוצים לקבל החלטות חכמות יותר ומבוססות נתונים, אך נתקלים בחוסר בכל הקשור לידע הטכני. כלי ניתוח ובינה עסקית רבים עדיין מתוכננים עבור הצרכים של משתמשים טכניים, ולא הצרכים של העסק עצמו. הם דורשים הכשרה ומיומנות מקיפה, מה שהופך אותם לבלתי נגישים למגוון הרחב של בעלי תפקידים עסקיים ולשימוש יומיומי. אם מנהל רוצה להבין מדוע תחום מסוים בעסק מתפקד בצורה מסוימת, הוא צריך להזעיק את מומחי ה-BI, והתוצאה היא קבלת החלטות איטית – במקרה הטוב.

אתגר נוסף הוא הערפל העסקי שהמציאות הזו מכתיבה. לארגונים יש פתרון CRM יחיד לכל החברה לצורך ניהול קשרי לקוחות, ומערכת ERP אחת לניהול הסביבה הפיננסית או פעילות הייצור. אבל לפעמים יש לארגונים מאות יוזמות ופתרונות לניתוח הנתונים, והתוצאה היא הרבה מאוד ניתוחים ספציפיים אד-הוק אבל ללא מבט על החברה כולה.

בנוסף, קיים אתגר מורכב הקשור לתנועה המתמדת של הדטה בעידן הטרנספורמציה הדיגיטלית, שהואץ בעקבות מגיפת הקורונה. פעם הנתונים היו מעטים ו"תקועים" במאגרי הנתונים הארגוניים, ואילו כיום – למרות שיש שפע עצום של נתונים – הם נעים כל הזמן ממאגרים ספציפיים למאגר הכללי, מהמאגר לענן, מהענן לסביבה מרובת עננים, ועוד. לארגונים קשה לעמוד בקצב הזה, ואין להם את הגמישות הדרושה כדי להתמודד עם המגמה הזו, והתוצאה היא שיתוק ברמת קבלת ההחלטות או הסתמכות על תחושות בטן, היסטוריה או הרגלים – בין אם אלה הניבו הצלחות או לא.

דמוקרטיזציה של הדטה בארגון

ההתקדמות הטכנולוגית של פתרונות המשלבים בינה מלאכותית ולמידת מכונה מאפשרים כיום גם לצוותים הלא טכניים לחפור עמוק בתוך הנתונים בכוחות עצמם, ולחלץ את התובנות הדרושות להם.

ליכולת של צוותים עסקיים לנתח את הדטה בעצמם יש משמעות גדולה ביכולת להפיק תובנות חשובות מנתונים הזורמים לעסק במהירות, ולא לקבל החלטות על בסיס ספקולציות או ניסיון עבר. התוצאות יכולות להניב יתרון במגוון רחב של תחומים. תחנת כוח, למשל, יכולה לקבוע באיזה תמהיל של מקורות אנרגיה עליה להשתמש כדי למקסם את היעילות ולמזער את פליטת הפחמן שלה, מבלי להידרש למומחי ניתוח דטה כמתווכים. מנהל שמזהה איש צוות מכירות עם ביצועים נמוכים יכול לנתח את המצב באופן מושכל: האם הבעיה היא במוצר שהוא מוכר, באזור הפעילות שלו, בביקוש, או שמא בתמחור מול המתחרים – ולא לקבל החלטה פזיזה.

מדובר בדמוקרטיזציה של הדטה בארגון ובניצחון כפול: כאשר לא כל ניתוח דורש התערבות של צוותי מנתחי הנתונים הם מתפנים להתמקד בעבודה אסטרטגית יותר. במקום לספק דו"חות ולוחות מחוונים, הם יכולים להתמקד באספקת תובנות חזויות ומנחות, המאפשרות לזהות מגמות רחבות ומורכבות יותר בארגון.

מדובר בקפיצה קוונטית ביעילות וביכולת של ארגונים למנף את שפע הנתונים שזורמים אליהם באופן מהיר ויעיל –  גם עסקית. כל אחד בארגון יכול לחקור את הנתונים בעצמו גם אם אינו מכיר את מבני הנתונים, ההיררכיות והמדדים הבסיסיים. הפלטפורמה מייצרת עבור המשתמש תובנות, הניתנות ליישום או לשיתוף באופן ברור, שתורם לקבלת החלטות בריאה ומושכלת.

הכותב הוא מייסד שותף ומנכ"ל Pyramid Analytics.