|
שלום לכולם,
בימים אלה שארגונים רבים, בעיקר סטארטאפים, מחפשים את האנשים המצוינים שירכיבו את צוותי הדאטה שלהם - ריכזנו מניסיוננו הרב את הנקודות החשובות שאליהן מומלץ להתייחס בתהליך.
כולנו יודעים ש"אנשים בונים חברות, ואנשים מפילים חברות".
לפי סקר שערכה חברת מחקרי השוק CB Insights ב-2019 עם 101 סטארטאפים שכשלו, הסיבה השלישית בחשיבותה לכישלון המיזמים היתה "הצוות הלא נכון" (Not the right team"). ההון האנושי הינו המרכיב הקריטי להצלחה. תכנון מבנה הצוות הנכון בהתאמה לארגון ובחירת המועמד הנכון הן עניין מורכב שדורש הרבה ניסיון.
קיימים מספר שיקולים כשבאים לתכנן ולבנות צוות דאטה מנצח:
-
החלוקה לצוותים ולפונקציות -
א. חלוקה בין Backend ל-Frontend - זוהי החלוקה ה"קלאסית", שעדיין קיימת בארגונים רבים - גדולים וקטנים, והיא מבוססת על התמחות טכנולוגית וחלוקת תפקידים מוגדרת: אנשי ה-FE עובדים מול הביזנס, אוספים דרישות, מבצעים ניתוח מערכת, התאמת המידע לויזואליות הנכונה ובסופו של דבר גם מספקים לביזנס את התוצר העסקי. לעומתם, אנשי ה-BE אחראים על תשתית הדאטה, איסוף הדאטה ועיקר הלוגיקה העסקית המורכבת - כולל הביצועים של התשתית והמידול הנכון של הדאטה. היתרון הברור הוא ההתמחות הטכנולוגית והיכולת לגייס אנשים באופן ממוקד לכלי מסוים. החיסרון הוא בצורך בתאום לוחות הזמנים בין הצוותים, בהעברת משימות ובעת תחקור תקלות.
ב. צוות ורסטילי - במבנה כזה - בין אם מדובר במספר צוותים שכל אחד מהם אחראי על נושא עסקי מסויים, או צוות אחד קטן שנותן מענה לכל הארגון - כל אחד מהעובדים הוא ורסטילי ועושה שימוש במגוון טכנולוגיות, מקצה לקצה. היתרון המשמעותי הוא בעובדה שהצוות הוא מאוד מוכוון-ביזנס, באופן שלכל תחום בביזנס יש איש קשר מרכזי. מצד שני - הרבה יותר קשה לגייס, לבנות ולשמר צוות דאטה שבו כל אחד טוב בהכל וכל אחד עושה הכל. במקרים בהם מדובר על צוות קטן (נניח עד 3 עובדים), כל אחד מהם צריך להיות ורסטילי ולעשות הכל מקצה לקצה.
-
אופן השתלבות צוות הדאטה במבנה הארגוני הכללי -
ישנן מספר דילמות שעולות לגבי השילוב המיטבי של צוות הדאטה במבנה הארגוני הכללי:
- האם צוות הדאטה צריך לכלול גם את האנליסטים, או שאלו צריכים להיות שייכים לגוף אנליזה מרכזי או אפילו מפוזרים ביחידות העסקיות?
- האם צוות הדאטה צריך לכלול גם את ה-BE וגם את ה-FE, או שראוי להפריד בין ה-BE שיהיה שייך ל-R&D - כי הוא תשתיתי במהותו - לבין ה-FE שיכול להיות שייך ל-Product או אפילו ל-Marketing?
- מי מוביל את הפעילות מול הביזנס? - האם אנשי ה-FE / מנתחי המערכות הם בעלי ההבנה העסקית, או גם אנשי ה-BE?
לא משנה באיזו גישה תבחרו, יש תכונות קריטיות הנדרשות מאנשי דאטה:
● הבנת תהליכים עסקיים ויכולת לתרגם אותם לתהליכי זרימת מידע
● יכולת תרגום דרישות עסקיות לטכנולוגיות ומשם לסיפור הנתונים
● הכרות עם DNA החברה והחזון אליו שואפים.
● בעלי יכולת לייצר פתרונות גנריים (עד כמה שניתן), אשר יוכלו להישאר רלוונטיים לאורך זמן.
כיוון שרוב האתגרים עימם תתמודדו לאורך כל הדרך יהיו קשורים לאנשים עימם אתם עובדים ולאו דווקא לטכנולוגיה, אנו ממליצים לבחון, מעבר לכישורים, לאינטליגנציה וליכולות, גם את התכונות הבאות:
- גישה של can-do: אנשים שיודעים לעשות ולא רק לדבר, מחפשים פתרונות יצירתיים לבעיות שאחרים פשוט התייאשו מהן, ותמיד באים לעבוד ולא "באים לעבודה"
- מוטיבציה
- רצון להיות חלק מצוות מנצח: במיוחד בגיוס לסטארט-אפ, המועמד צריך לרצות להצטרף לצוות, ולתת מעצמו גם לאחרים.
- התגייסות: אנשים שרואים בהצלחה של הסטארט-אפ את ההצלחה האישית שלהם ויתגייסו לכל משימה, קשה וקלה, לאורך כל הדרך
- כימיה אישית: מומלץ לבחור אנשים שיהיה לכם ולשאר הצוות נעים איתם גם בקבוצה וגם אחד על אחד
ועד שתמצאו את האנשים הנכונים, אנחנו מציעים לכם פתרון מקצועי, איכותי וזמין:
המומחים של BIyond, בעלי מקצועיות מוכחת במגוון טכנולוגיות וסקטורים עסקיים, מכירים היטב את האתגרים של חברות בדיוק כמוכם והובילו עשרות פרויקטים מקצה לקצה.
לפתרונות ש-BIyond מציעה יש מספר יתרונות בולטים:
- מאפשרים תחילת עבודה על הפרויקט במקביל לתהליך הגיוס של האנשים הפנימיים שלכם
- קיצור השלבים הראשונים, אשר תמיד מאופיינים בעבודה מאומצת ומאתגרת
- העברת ידע תוך כדי הפרויקט, הפחתת עלויות ותוצרים איכותיים יותר, על ידי עבודה בצוותים מעורבים: אנשי BIyond עם אנשי הלקוח
- מתן מענה גם בהמשך - בשלבי התחזוקה והרחבת הפתרון, עפ"י הצורך
- ליווי של מומחים שלא ישאירו אתכם לבד
ב"דברים מעניינים מהרשת" הבאנו מאמר שמדבר על הפער שבין אמינות התוצר של עבודת Data Science לבין המשמעות העסקית של אותו תוצר. כותב המאמר מתאר את הפער בין Statistical Significance לבין Business Significance - כלומר: הפער שבין תוצאה משמעותית מבחינה סטטיסטית, לבין תוצאה שאכן מביאה משמעות מבחינה עסקית. בין השאר, הכותב מתאר את המשמעויות העסקיות הנוספות שיש בארגון לפני שניתן לממש כיוון פעולה שהוא בעל משמעות סטטיסטית מבחינת Data Science. משמעויות עסקיות אלו - כמו עלויות נוספות לארגון בעת הוצאת קמפיין שיווקי, היערכות ארגונית נדרשת, בחינת ההתאמה של הפעילות השיווקית לאסטרטגיה הארגונית, ועוד - חייבות להיבחן גם הן ולהילקח בחשבון בעת הצגת תוצאות והמלצות של פרוייקט Data Science.
מומלץ לקרוא!
כמו תמיד – נשמח לקבל פידבקים ושיתופים.
תהנו!
אדר שומרון
מנכ"ל ביונד
054-7722289
adar@biyond.co.il
|
