"ארגונים מבוססי נתונים צומחים פי שמונה לעומת אלה שלא"

"יש בארגונים כיום כמות עצומה של נתונים, אבל הם לא תמיד יודעים להפיק מהם תובנות", כך אמר אלון נדב, מנהל תחום אנליטיקס בסאפ ישראל

אלון נדב, מנהל תחום אנליטיקס בסאפ ישראל. צילום: יח"צ

"ארגונים כיום אוחזים בכמות עצומה של נתונים. זה לא אומר שיש להם גישה לנתונים ואיש לא אומר שהם יודעים להפיק מהם תובנות על מנת לקדם את העשייה העסקית על בסיסם. על פי פורסטר, ארגונים מונעי נתונים גדלים פי שמונה לעומת ארגונים שלא מתבססים בעבודתם על נתונים. על פי גרטנר, ארגונים המתנהלים על בסיס הפקת תובנות מהנתונים מתקדמים יותר מהאחרים", כך אמר אלון נדב, מנהל תחום אנליטיקס בסאפ ישראל.

נדב דיבר בכנס הווירטואלי Data Science, Big Data, BI, Analytics 2020, שהתקיים היום (א'), בהפקת אנשים ומחשבים.

לדבריו, "ארגונים מונעי תובנות (Insights Driven Businesses) תמיד ינסו להשתפר. הם יעשו זאת עם תהליך מחזורי לבדיקת השיפור. הבשורה הטובה היא שעדיין לא מאוחר להצטרף לשורת הארגונים הללו".

"משבר הקורונה הראה את החשיבות של השימוש בנתונים והניתוח שלהם. המשבר הבהיר כי הדרך הנכונה להתנהל היא על ידי בדיקת נתונים והפקת תובנות", אמר נדב.

"המשתמשים לא רוצים רק היסטוריה – אלא תובנות"

"בעבר", ציין, "כאשר ניתחנו, כאנשי מחשוב, את הנתונים עם מערכות BI, ניתחנו נתוני עבר היסטוריים, ועשינו זאת מלמעלה למטה. התהליכים הללו היו יקרים מבחינת הזמן וההשקעה. מפיצי התובנות הללו היו אנשי ה-IT, שעשו זאת במייל. כיום כבר אין צורך לפנות למחלקת המחשוב, וניתן לצרוך את השירותים הללו בשירות עצמי".

"העידן הנוכחי מכונה עידן ה-Augmented Analytics, ניתוח (הנתונים) הרבוד. על פי גרטנר, ניתוח שכזה מנצל לימוד מכונה ובינה מלאכותית כדי למכן תהליכי הכנת נתונים, חיקור והפקת תובנות, ושיתוף שלהם. הוא גם ממכן את מדע הנתונים ואת פיתוח המודלים של לימוד מכונה, ניהול והטמעה. המשמעות היא שהמשתמשים לא רוצים רק היסטוריה, הם רוצים תובנות, מה קרה לצד מה יקרה, עם יכולת חיזוי, כשתהליכי לימוד המכונה יצביעו היכן הבעיות, היכן הכישלונות".

צילום ועריכת וידיאו: אורי אלון

אנליטיקת ענן על פי סאפ

נדב הציג את SAP Analytics Cloud – מערכת שהושקה בשנה שעברה ומטרתה להביא לשיפורים בתכנון הארגוני. "באמצעותה", הסביר, "ניתן לאפשר למשתמשים לבצע אוטומציה של תהליכי תכנון נפוצים על ידי שימוש בכלים. הפתרון כולל אשף, המפשט את היצירה של תהליכי תכנון באמצעות יצירה אוטומטית של משימות יומן עבור הגורמים בתהליך התכנון. כלי הבנייה יוצר גרסאות שונות של תחזיות מתעדכנות. שיפורים ב-Data Actions כוללים משתנים שמאפשרים ליצור חישובים דומים עבור תכניות שונות, להשגת חיסכון בזמן ולשמירה על אחידות בין גרסאות. הכל לצורך קבלת החלטות עסקיות טובות יותר".

לדבריו, "ניתן להפנות למערכת שאלה עסקית פשוטה וקצרה – ולקבל תשובה: כמה מוצרים נמכרו? באיזה פילוח של אנשי מכירות? בחלוקה לזמנים? בחלוקה למדינות? אנשי המחשוב הם אלה שיקבעו מדדים שבהם המערכת תשתמש, למשל הערכת ההוצאות שלהם לאורך ציר הזמן. עוד ניתן לבחור האם לבצע תחזית אוטומטית או כזו שמתחשבת בנתונים שניתן להם משקל עודף. כמו כן, אפשר לבצע שיפור לתחזית, אם מידת האמינות שלה היא נמוכה. ניתן לקחת נתון חריג, כגון מדוע אנשי המכירות הירבו בנסיעות לחו"ל, להבין את המשמעויות של התשובה בכמה אופנים ואז לצלול לתשובות הפרטניות".

"אנחנו יודעים לספק פתרונות ניתוח רחבי היקף", אמר נדב לסיום, "ולא משנה האם ה-IT של הארגון מצוי בתצורת רישוי מסורתי או בענן. בכל מצב אנחנו יודעים להפוך את הארגון לכזה שמונע על ידי תובנות המופקות מהנתונים. ניתן להפנות למערכת שאלות עסקיות – ולקבל תשובות בפילוחים שונים, שלא כמו מערכות העבר הקלאסיות והסטטיות, שסיפרו לנו את ההיסטוריה".

תגובות

(0)

כתיבת תגובה

האימייל לא יוצג באתר.

אין לשלוח תגובות הכוללות דברי הסתה, דיבה, וסגנון החורג מהטעם הטוב

אירועים קרובים