Copy
View this email in your browser

שלום לכולם,  

עם תחילתו של עשור חדש, רצינו לשתף אתכם במחשבות שלנו על העתיד של Data Analytics.


 
לדעתנו, יש מספר תהליכים ומגמות שכבר מתרחשים, ושככל הנראה יימשכו ב-5-10 השנים הקרובות לפחות.אלה 5 העיקריים שבהם:

1. התחזקות החיבור בין Data Analytics לבין ה-Cloud – מהפיכת הענן, שנמצאת איתנו כבר למעלה מ-5 שנים רק תלך ותתגבר ב-5-10 שנים הקרובות, עד למצב שמרבית הארגונים יפעלו באופן מלא או חלקי בענן. זה כבר קורה עם סטארטאפים ועם חברות שמגדירות את עצמן כ-Data companies, אבל בשנים האחרונות גם יותר ויותר ארגוני Enterprise – כולל כאלו שנחשבים מסורתיים – עושים את המעבר, לפחות באופן חלקי. "טבילת האצבעות" הזהירה והחלקית הזאת ביכולות הענן בהחלט עשויה בהמשך להפוך למעבר מלא או כמעט מלא. החיבור של הענן עם תחום ה-Data Analytics בעידן ה-Big Data הוא כבר כמעט מובן מאליו: הן בגמישות הענן לגידול מהיר בהיקפי ה-Data והן ביכולות ובשירותים שהענן מציע on-demand לכל מי שרוצה לאסוף, לאחסן, לעבד ולהפיק תוצרים מה-Data. ספקי הענן הגדולים הבינו זאת היטב כבר לפני כמה שנים, והם משקיעים משאבים אדירים בתחום. למעשה, זה אחד ממנועי הצמיחה העיקריים שלהם – ולכן יש לצפות לכך שבשנים הקרובות נשמע על עוד ועוד הכרזות על שירותים חדשים ומתקדמים, אשר עם הזמן יהפכו את ההתבססות של ארגונים על רכישת תוכנה ותשתית עבור Data Analytics למיושנים ומיותרים כמעט לגמרי

2. התמודדות עם אתגרי Data Quality – מרבית הארגונים משקיעים המון משאבים ומאמצים ב-Data Analytics, ומשיגים התקדמות בתחום – אבל כדי שבאמת ניתן יהיה לקצור פירות משמעותיים מה-Data, נדרשת השקעה משמעותית לא פחות בשיפור איכות הנתונים. מדובר באתגר גדול, שכן בעידן ה-Big Data מדובר בכמויות מידע אדירות שיש לסרוק, לנתח ולתקן – כאשר לפחות חלק מהמקורות הם חיצוניים לארגון ואין לו שליטה עליהן. דנו בבעיית איכות הנתונים מספר פעמים בעבר בניוזלטרים שלנו בשנים האחרונות, ולצערנו אנחנו עדיין בתחושה שאין לארגונים מספיק מודעות לממדי הבעיה, לקריטיות של הטיפול האינטנסיבי בה ולמשאבים הנדרשים לשם כך. להערכתנו, בשנים הקרובות יצוצו יותר ויותר פתרונות אוטומטיים או חצי-אוטומטיים – בעיקר בעזרת יכולות ML / AI –, כדי למכן, לפשט ולקצר לוחות זמנים בתחום זה. 

3.התקדמות של ארגונים ביכולות האנליטיות – כבר כיום ישנם לא מעט ארגונים שעברו משלב ה-Descriptive Analytics ("מה קרה?") לשלבי ה-Diagnostic Analytics ("למה זה קרה?") וה-Discovery Analytics ("מה ניתן ללמוד ממה שקרה?"). זאת התקדמות משמעותית שנעשתה בשנים האחרונות, בדרך לשלב המתקדם ביותר – Prescriptive Analytics ("מה הכי מומלץ לעשות?"). ארגונים כבר לא רק משתמשים ב-Data Analytics כדי לתמוך בתהליכי קבלת החלטות קיימים, אלא יותר ויותר ככלי לשיפור ההחלטות המתקבלות באמצעות תהליכים חדשים לגמרי שמתאפשרים רק בזכות היכולות האנליטיות של השנים האחרונות. להערכתנו, המרחק בין המצב הנוכחי לבין מצב בו החלטות יתקבלו – ואף ימומשו - באופן אוטומטי הולך ומתקצר, ומדובר במספר שנים עד שאוטומציה כזו תהיה חלק מהסביבה העיסקית.

4.אבטחת מידע ופרטיות יהפכו לאתגרים עוד יותר משמעותיים – גם בנושא הזה נגענו מספר פעמים בעבר, אבל מספיק לקרוא עיתון או לראות טלויזיה כדי לשמוע בכל שבוע כמעט על פריצה למאגרי מידע, פגיעה במוניטין, עבירה על חוקי פרטיות מידע – או, לחילופין, על רגולציה חדשה בתחום הפרטיות. כשנתיים אחרי כניסתן לתוקף של תקנות ה-GDPR והנושא רחוק מלמצות את עצמו. למעשה, המורכבות רק הולכת ונחשפת ככל שעובר הזמן, הטכנולוגיה מתקדמת, כמויות ה-Data גדלות באופן אקספוננציאלי – ואיתן הפוטנציאל של מה שניתן להפיק מה-Data באופן חוקי ולא-חוקי. להערכתנו, בשנים הקרובות נראה יותר ויותר רגולציה ברמה המדינתית (כמו, למשל, החוקים החדשים במדינת קליפורניה) והאזורית (כמו
ה-GDPR). האזורים בהם הנושא יישאר פרוץ יחסית – כמו הודו וחלקים ממזרח-אסיה – ילכו ויצטמצמו עם העלייה במודעות לנושא.

5.דמוקרטיזציה של Data Analytics על ידי חדשנות – עם עליית המורכבות של הטיפול ב-Data, הטיוב, המידול והפקת התובנות בכלים שונים – חלקם כלים שדורשים הבנה מעמיקה, כמו למשל בתחום ה-Data Science – עולה גם המורכבות של השימוש בתוצרים של תהליך מיצוי התובנות. ארגונים כבר הבינו שעל מנת להפיק באמת את מלוא הערך העיסקי מ-Data Analytics, עליהם למצוא דרכים לפשט ולהנגיש את התוצרים. גם חברות תוכנה הבינו זאת, והן משקיעות משאבים רבים בכלי ויזואליזציה מאוד ידידותיים שמאפשרים "למצוא מחט בערימת שחת", בכלים שמאפשרים תחקור בשפה טבעית (NLQNatural Language Querying) ואפילו תחקור באמצעות שאילתות קוליות. למעשה, יכולות של ML / AI משמשות גם על מנת לפשט את הגישה לתוצרים אנליטיים מתקדמים ומורכבים. להערכתנו, מגמה זו תתרחב לפחות ב-5 השנים הקרובות – הן באמצעות יכולות הנגשה טכנולוגיות אינטואיטיביות יותר והן באמצעות "חינוך" המשתמשים לתרבות ארגונית מוכוונת Data ו-Digital.

  
ב"דברים מעניינים מהרשת" הבאנו לכם שני מאמרים:
 
המאמר הראשון עוסק ב"בעיה" של ה-Big Data, והיא החוסר הגדל והולך ב-Data Scientists. הכותב מתאר את המצב בו כמויות אדירות של Data מאוחסנות במאגרי מידע שונים – בין אם הם Data Lakes או Data Warehouses – אבל האתגר האמיתי הוא לא באחסון, אלא בהפקת התובנות העיסקיות מה-Data המאוחסן – וכאן בדיוק נכנס לתמונה ה-Data Scientist. בשנים האחרונות הדרישה ל-Data Scientists רק הולכת וגדלה, עד למצב של מחסור חריף במומחים בתחום, ומשכורות שגדלות בקצב מהיר.
 
המאמר השני מציע גישה מעניינת לתכנון פרוייקט Data Analytics, על ידי הגדרה של 20 שאלות שבאמצעותן ניתן לתחם את הפרוייקט בצורה טובה – שהרי ללא תיחום שכזה הפרוייקט מועד לכישלון. הכותב מתאר משחק ילדים אלקטרוני אשר שואל את הילד סדרה של 20 שאלות, באמצעותן המשחק מזהה על מה הילד חושב. בהתאמה, הכותב מציע לבנות סדרת שאלות – בעצם מעין עץ החלטה – אשר כל תשובה לכל שאלה לוקחת לכיוון אחר ולשאלות אחרות בתור, עד להשלמת התהליך.
מעניין מאוד ומולץ לקריאה!
 

כמו תמיד – נשמח לקבל פידבקים ושיתופים.
 תהנו!

אדר שומרון
מנכ"ל ביונד
054-7722289
adar@biyond.co.il


 
קצת על ביונד

ביונד הינה חברת פרוייקטים מובילה, בעלת ניסיון רב בתכנון ויישום פתרונות BIBig Data ו-Analytics. אנחנו מסייעים לחברות טכנולוגיה להפיק ערך עסקי מ-Data.
 
לביונד מומחים אשר יודעים לטפל הן בהיבטים הטכנולוגיים והן בהיבטים העסקיים של הפקת המקסימום מ-Data, והם בעלי רקורד מוכח של שנים רבות במגזרי תעשייה שונים.
אנו גאים בערך העיסקי שאנו מביאים ללקוחותינו, אשר מושג באמצעות רמת מקצועיות גבוהה.
 
ביונד מציעה ללקוחותיה מגוון רחב של שירותים, ביניהם:
1.    (DAR)Data & Analytics Roadmap ניתוח עיסקי וטכנולוגי של פעילות הלקוח, והכנת תוכנית למינוף נכסי ה-Data של הלקוח לטווח ארוך בהיבטי טכנולוגיה, ארכיטקטורה, פרוייקט, עלויות, כוח אדם וכיוב'. 
2.    בחירת טכולוגיה: הובלת תהליך הערכת ובחירת הטכנולוגיה האופטימלית (פלטפורמת DataBI, כליETL, וכו') אשר תתאים לאסטרטגיה העסקית.
3.    יישום פתרונות BI ו- Analyticsמקצה לקצה: ביונד מומחית בכל ההיבטים של יישום פתרונות BI ו-Analytics מקצה לקצה במגוון רחב של טכנולוגיות.
4.    תכנון ויישום פתרונות Data Science ו-Machine Learningתוך שימוש במגוון של מודלים וטכנולוגיות. לדוגמא: Social Networks AnalysisSemantic Web Processing,Text Mining ועוד. אנו מציעים ייעוץ, יישום פתרון מקצה לקצה וכן קורסי Data Science - הן לאנשי העסקים והן לאנשי טכנולוגיה.
5.    תכנון וניהול פרויקטי BI ו-Big Dataתכנון הפרוייקט וניהולו מקצה לקצה: בחירת ספקים, הובלת ועדת היגוי, ישיבות סטטוס, ניהול סיכונים, ניהול ובקרת הפרוייקט בהיבטי תקציב, לו"ז ואיכות התוצרים, וכיוב'.
6.     RFI/RFPכתיבת RFI/RFP לפתרונות BIBig Data ו-Analytics
 
Copyright © 2020 BIyond, All rights reserved.


Want to change how you receive these emails?
You can update your preferences or unsubscribe from this list

Email Marketing Powered by Mailchimp