על האבחנה החשובה בין מוכוונות נתונים ומוכוונות החלטות

לאחרונה שומעים די הרבה את המונח ארגון מוכוון נתונים (Data Driven Organization). מנהלים רבים מציינים את הנושא כאחד היעדים האסטרטגיים של הארגון. הבעיה היא שהמונח שם דגש על הנתונים, במקום על קבלת החלטות לפתרון בעיות עסקיות באמצעות נתונים. במילים אחרות, הדגש הוא על חומר הגלם הנדרש לקבלת החלטות ופתרון בעיות עסקיות (הנתונים) ולא על התפוקה הרצויה של החלטות ופתרון בעיות עסקיות. כפי שנראה, מיקוד לא נכון עלול להביא לתוצאות לא נכונות.

מטרת המאמר היא לחדד את העובדה שהשימוש הנפוץ במונח Data Driven עלול להוביל לדרך לא נכונה בפתרון הבעיה העסקית

ניתן להבחין בין שתי גישות – מהחלטות אל הנתונים (Top Down) או מהנתונים אל ההחלטות (Bottom Up). הגישה הראשונה מתחילה מהגדרת ההחלטה והבעיה העסקית שיש לפתור, ומחפשת את הנתונים והמודלים הנדרשים לפתרון הבעיה. הגישה השנייה מתחילה מהנתונים והמודלים הקיימים ומשתמשת במסקנות לקבלת החלטות ופתרון הבעיה העסקית.

ארגון מוכוון החלטות (Decision Driven Organization) מתחיל מהגדרת הבעיה העסקית שיש לפתור, ולא מהנתונים והמודלים הקיימים. המנהלים העסקיים הם אלה שצריכים להגדיר את הבעיה העסקית ולהסתייע בהמשך במדעני הנתונים לבחינת המודלים והנתונים המתאימים ביותר. במילים אחרות – Decision first, Data Next.

רז הייפרמן, יועץ בכיר לטרנספורמציה דיגיטלית ודירקטור ב-BDO Digital. צילום: ניב קנטור

דוגמה לטעות נפוצה

כדי לחדד את הסכנה שבמיקוד לא נכון, נתייחס למאמר Leading with Decision-Driven Analytics, שפורסם ב-2020 במגזין MIT Sloan Management Review ונכתב על ידי הפרופסורים ברט דלנגה, חוקר שיווק ומדעי התנהגות באוניברסיטת Ramon Llull בברצלונה ו-סטפנו פונטוני, חוקר פסיכולוגיה במרכז האנליטיקה ומעבדת ה-AI באוניברסיטת Erasmus ברוטרדם. לטענתם, המונח Data Driven עלול להביא ארגונים לחשיבה מהנתונים אל הבעיה, בניסיון להפיק ערך מהנתונים הקיימים מבלי להקדיש מאמץ לחשיבה עד כמה הם מתאימים לפתרון הבעיה. גישה זו עלולה להוביל לתובנות והחלטות לא נכונות. לטענתם, הניתוח חייב להתחיל מהגדרה ברורה של הבעיה העסקית, ורק אחר כך להמשיך אל מציאת המודלים והנתונים הרלוונטיים, ואז – לקבלת החלטות.

להדגמת הסיכון הם משתמשים בחברת Rolling Boulder, סוכנות פרסום ותוכן באנגליה, הפועלת במודל עסקי של מנוי (Subscription). לקוחותיה יכולים חדש את המנוי השנתי על-ידי מענה למייל חידוש הנשלח לקראת סיום תקופת המנוי. במהלך השנים אגרה החברה מאגר נתונים עשיר על לקוחותיה, ועל בסיסו פיתחה מודל מתוחכם לחיזוי הנטישה. במטרה להקטין את הסתברות הנטישה, החליטה החברה לצרף למייל החידוש הטבה כלשהי (הנחה או משהו דומה). את ההטבה שלחה ללקוחות עם הסתברות גבוה לנטישה, פרקטיקה מקובלת בענפים רבים.

הסיכון הוא שמודל חיזוי הנטישה פותח להתמודדות עם השאלה "מה הסתברות הנטישה של לקוח" ולא עם השאלה "מה השפעת מתן הטבה על הסתברות הנטישה?". המודל שפותח, והנתונים עליהם הוא התבסס, לא נועד לענות על שאלת השפעת ההטבה על נוטשים פוטנציאליים, אלא עם שאלת הנטישה.

 כדי לענות על שאלת השפעת מתן ההטבה על הסתברות הנטישה, הם יכלו לבצע ניסוי מבוקר (A/B Test) – בחירה אקראית של לקוחות, מתן הטבה לחלקם, ובחינת הנטישה של לקוחות שקיבלו את ההטבה לעומת אלה שלא. יתכן שניסוי כזה היה מראה שלהטבה המוצעת השפעה מועטה על הסתברות הנטישה. חשיבה מוכוונת נתונים גרמה לכך שהחברה לא התחילה בבחינה מדויקת של הבעיה העסקית, אלא הניחה שמודל חיזוי הנטישה והנתונים עליהם הוא מתבסס, תומכים גם בשאלת השפעת ההטבה על נטישה, וזו עלולה להתברר כטעות שתוביל למסקנות לא נכונות. 

גישה מוכוונת החלטות

חשוב לבחור את המיקוד הנכון. מוכוונות נתונים מתחילה מהנתונים הקיימים, ומנסה להסיק תובנות מהנתונים ולפעול בהתאם לתובנות. הגישה יוצאת מתוך הנתונים הקיימים ולא בבחינה מעמיקה של הבעיה העסקית שמנסים לפתור.

לעומתה, גישה מוכוונת החלטות מתחילה בהגדרת הבעיה העסקית והחלטות שיש לקבל, מחפשת את המודלים והנתונים הדרושים לתמיכה בקבלת ההחלטות, בוחנת את הממצאים ומקבלת החלטות. לעיתים ניתן לגלות שהמודל והנתונים הקיימים לא מתאימים לפתרון הבעיה ויש לבחון מודלים נוספים ולהשלים נתונים חסרים. גישת מוכוונות החלטות מתחילה מהגדרת בעיה ובוחנת כיצד לפתור אותה, לפני החשיבה על הנתונים. סדר הדברים המומלץ צריך להיות:

 הגדרת ההחלטות העסקיות (Decision First) – יש להתחיל בניתוח ההחלטה שצריך לקבל ומה הם המודלים והנתונים הכי מתאימים. בשלב הזה מומלץ לבחון דרכי פעולה אפשריות (דפ"אות). בדוגמה שהצגנו חלופות יכולות להיות מתן הטבה, או שיפור המוצר או מכירה צולבת וכדומה. יש להתחיל בחשיבה רחבה של דרכי פעולה, ואחר כך לצמצם אותן לחלופות הכי רלוונטיות. שלב זה חייב להיות מובל על-ידי מנהלים עסקיים.

בחינת המודלים והנתונים (Data Next) – הגדרת המודלים והנתונים הנדרשים לקבלת ההחלטה. יחד עם מדעני הנתונים יש לבחון מהם המודלים והנתונים הנדרשים לתמיכה בקבלת ההחלטה. לעיתים יש לבחון מודלים נוספים והשלמת נתונים. המיקוד בהחלטה תחילה מאפשר זיהוי פערי ידע ונתונים ולא נעילה על הנתונים הקיימים בלבד.

ניתוח אנליטי ובחינת חלופות – ניתוח החלופות השונות באמצעות המודלים והנתונים, תוך שימוש במודלים אנליטיים שונים, שימוש ב-AI, ML וכדומה. שלב זה מובל על-ידי מדעני ומנתחי הנתונים.

קבלת ההחלטה – הצגת התוצאות ובחירת החלופה המועדפת. שלב זה מובל על-ידי המנהלים העסקיים. 

לסיכום: מטרת המאמר היא לחדד את העובדה שהשימוש הנפוץ במונח Data Driven עלול להוביל לדרך לא נכונה בפתרון הבעיה העסקית.

כדי להימנע מסיכון זה על הארגון להתחיל מהגדרת הבעיה העסקית, ואחר כך למצוא את הנתונים והמודלים הדרושים לתמיכה בקבלת ההחלטות, ולא להתמקד רק במודלים והנתונים הקיימים. אנליטיקה, AI, ML, Big Data ועוד – יכולים לסייע בפתרון הבעיות, אבל מנהלים הם אלה שצריכים להוביל ולקחת את האחריות. החלטות תחילה, נתונים אחר כך!

הכותב הוא יועץ בכיר לטרנספורמציה דיגיטלית ודירקטור BDO Digital