מאת: פלורה לוין

פוסט זה הנו חלק ממאמר מקיף שמתאר את תופעת הביג דאטה. אחרי שסיפרנו (בחלק א’) סיפורי גבורה על ההזדמנויות, הצורך והתרומה העסקית, מגיע חלק ב’ – משמעויות ואופן הכניסה לנושא.

 משמעויות ביג דאטה בארגון

ההזדמנויות ב”הקשבה” אפקטיבית לביג דאטה הן עצומות, אבל כך גם ההיערכות הנדרשת כדי לאתר ולשמור נתחים רלונטיים של מידע, לשנע אותו ברחבי הרשת, לתוך ובתוך הארגון, לבנות יכולות ניתוח אוטומטיות ולבצע ניתוחים מתקדמים. לפי ניתוח של גרטנר, למרות שמחירי איחסון הנתונים צנחו לכדי 1/6 מאז שנת 2005, ההשקעה הכוללת בניהול מידע בארגונים צמחה ב – 50% אחוז. לפי תחזית עולמית של גרטנר בשנת 2015, בגלל ביג דאטה:

  • יהיה גידול פי 10 במספר שרתי המחשוב
  • יהיה גידול פי 50 במידע המנוהל בארגונים
  • יהיה גידול פי 75 בתעבורת המידע
  • יהיה גידול פי 1.5 בכמות מקצועני המחשוב בארגונים

מכיון שנדרשות יכולות מחשוב עצומות כדי להתמודד עם כמויות המידע, ארגונים שיחליטו “להיכנס לנושא” יצטרכו להתאים את ארכיטקטורת המחשוב שלהם לטיפול במורכבות הביג דאטה, כדי לתת מענה לאתגרים של  Volume, Variety, Velocity. התאמות ארכיטקטורת המחשוב יכללו החלפה של חלק מהמערכות והכלים – השקעה כספית לא מבוטלת וגם תשומת לב ניהולית. במקרים רבים, מדובר במערכות וכלים שאינם “טבעיים” בארגז הכלים של מנהלי המחשוב. בנוסף, התאמת ארכיטקטורת המחשוב עשוייה לשלב שימוש בשירותים שניתנים ע”י ספקי צד ג’ בענן. למעשה, כיום למעלה מ – 80% מפתרונות ניתוח המידע האינטרנטי ניתנים במודל שירות (כלומר הארגון משלם עבור שירות שניתן בענן, במקום לפתח יכולות עצמאיות). במקרים רבים, השימוש בפתרונות אלה בארגון נצרך כיום עדיין כאיי מידע מנותקים מהמחשוב הארגוני, בהובלת סמנכ”ל שיווק או סמנכ”ל לקוחות. חברת גוגל מדווחת על 10 מליון משתמשים בגוגל אנאליטיקס לניתוח השימוש באתרים אינטרנטים. פחות ממחצית מהם משתמשים ביכולות מתקדמות של דוחות וסגמנטציות. ככל הנראה, עדיין לא מוצו כל האפשרויות המוצעות במודל זה.

ארגונים יצטרכו לתגבר משמעותית את יכולות הניתוח שלהם ולשלב Data Scientists, אנאליסטים בעלי הבנה עסקית, שתפקידם יהיה תכנון המידע והפקת תובנות ממנו. הם תשומה הכרחית לוודא שהארגון מתנהל לפי מידע ומשיג את המטרות שהציב לעצמו בעת הכניסה לתחום. Data Scientist הנו מקצוע חדש והביקוש לו בימים אלה הנו גדול מאד בארגונים. עם זאת, אנחנו עדים לתופעה שבה מיומנויות אנאליזה נלמדות בבתי הספר ומכשירות את כח האדם של העתיד, במטרה להדביק את פערי המחסור בכח אדם עם יכולות אלה.

בראייה רחבה יותר, עם הזמן התרבות הארגונית של קבלת החלטות תשתנה בהדרגה ברחבי הארגון והארגונים יהפכו ל – Data Driven Organizations. אם כיום מידע משמש לקבלת החלטות באיזורים מסויימים של הארגון, האיזורים האלה יתפשטו ויחלחלו לאורכו ולרוחבו. מכיוון שחלק מההחלטות מבוססות על מידע איכותי לעומת כמותי, ועל שילוב בין שני הסוגים, מנהלים ישכללו יכולות הבחנה בין סוגי הקלט להחלטות וידרשו לקבל מהאנאליסטים תובנות מעובדות (Insights) לתמיכה בקבלת החלטות.

לפני הכל, נדרש תכנון בכניסה לנושא – ועל כך בהרחבה בפסקה הבאה.

מה עושים מחר בבוקר?

הטעויות הנפוצות ביותר בטיפול בביג דאטה מתקשרות לתפיסתו כפרויקט טכנולוגי או כתרגיל באיסוף מידע. אסור להתחיל את הנושא מזוית של הזדמנות טכנולוגית או בחינת הרחבת יכולות אנאליטיות. במקום זה, אנחנו מציעים להתחיל בחמישה צעדים:

  1. להגדיר את השאלה העסקית – צעד כמעט טריוויאלי, שלמדנו כבר מתודולוגית להחיל על פרויקטי BI ואסור לדלג עליו גם בפרויקטים מסוג זה. וודאו שהשאלה העסקית ראויה – מכיוון שפרויקטי ביג דאטה טומנים בחובם הקצאת משאבים לא מבוטלת, וודאו שהשאלה העסקית הנה משמעותית דייה: שיש לה ערך עסקי גבוה, שאפשר להשתמש בתשובות לפעולות מעשיות מוגדרות בארגון.
  2. לבדוק מהי הדרך הזולה והמהירה להשיג תשובות – היכנסו לפרויקט ביג דאטה במועד הנכון. מידע רב ועדכני ממקורות רבים לא בהכרח נדרש לכל סוגי ההחלטות בארגון. עשו הערכה של המידע הנדרש ושל המשמעויות הטכנולוגיות, לגבי השאלה העסקית שהעלתם. אם אתם לא בכיוון – חכו להזדמנות ראויה, כדי להתניע פרויקט ממשי.
  3. לבצע פיילוט – גם אם צלחתם את שני השלבים הראשונים, כדאי להתחיל פרויקט ביג דאטה במשנה זהירות. מכיוון שמדובר בפרויקט בעל משמעויות נרחבות באיזורים שונים, עסקיים וטכנולוגיים, מומלץ לבצע הוכחת יכולת – לצמצם את התכולה לשאלה עסקית מוגדרת, לבחור מספר מצומצם של מקורות נתונים ותסריט שאותו בודקים. ובקצרה: פיילוט. חשוב להגדיר את מסגרת הזמן ואת הקריטריונים להצלחה ולתאם ציפיות בארגון לגבי תפקידו של שלב זה לעומת השינוי הממשי שמתוכנן.
  4. להגדיר פרויקט – ההגדרות צריכות לשלב היבטים שונים:
  • היבטי מידע – רלוונטיות המידע לשאלות העסקיות, זמינות, חוקיות השימוש במידע פרטי
  • ארכיטקטורה של מערכות מידע – שימוש בשירותי ענן, החלפת כלי מחשוב
  • היבטים פרויקטאליים – תכנון תהליך מודולארי, עם תוצרי ביניים,  שיאפשר “תיקון תוך כדי תנועה”
  • היבטי הארגון – תשתית ארגונית של אנאליסטים/ data scientists
  1. לבדוק תדיר האם אתם בכיוון ולכוונן – הגענו לשלב המימוש. במהלכו, חשוב להגדיר תוצרי ביניים שייבחנו במשותף ע”י הגורמים העסקיים וה-IT לפי פרמטרים שונים: איכות התוצר (האם הוא מניע לפעולה, רלוונטיות עסקית), סבירות ההשקעה שבוצעה (האם היא הולמת את התוצרים, האם היא מקדמת את הארכיטקטורה הארגונית) ועוד.

לסיכום: העולם הדיגיטאלי מייצר הזדמנויות עצומות לארגונים. הביג דאטה, כנגזרת, משול כיום למהפכת המחשוב האישי, האינטרנט או התקשורת. הוא הפך למיינסטרים בתעשיות בודדות (למשל תיירות) אבל נמצא בתחילת דרכו מבחינת פוטנציאל בתעשיות אחרות: פוטנציאל לשנות את השוק, המוצרים, ערוצי ההפצה ומבנה היחסים עם הלקוחות. כמו במהפכות אחרות, חלק מהארגונים (ה-early adopters) מבינים שעליהם להיות נוכחים, לפני המתחרים. אבל, כגודל ההזדמנות, כך גודל הסיכון ב”התבדרות” ביישום. משמעויות הביג דאטה בארגון כוללות התאמה של מערכות המחשוב והיערכות ארגונית – שילוב Data Scientists ומעבר לתרבות ארגונית של Data Driven Organizations. כשאתם, בארגונים, מתכננים את צעדיכם בכיוונים אלה – עשו זאת בתבונה: בהדרגה ותוך חיבור מתמיד של כל הגורמים בארגון.