|
שלום לכולם,
אחרי השלמת ההכנות של תוכניות העבודה ל-2021, אפשר להניח שארגונים יודעים איפה הם נמצאים בתחום של דאטה ואנליטיקה, ולאן הם רוצים להגיע בשנים הקרובות.
למי שנמצא בתחילת הדרך, אנו ממליצים בחום על שני צעדים שהכרחי לבצע:
- מיפוי הדאטה והיכן היא נמצאת בארגון
לא חשוב לאיזה סקטור עסקי משתייך הארגון, הדאטה שלו נמצאת איפשהו: בקווי הייצור, במכונות, באקסלים, במערכות מחשוב ובסיסי נתונים, בסיכומי פגישות, וכמובן - בראש של העובדים.
אם עוד לא עשיתם את זה - מיפוי הדאטה הוא שלב ראשון והכרחי בתהליך של הפקת תובנות עסקיות. זיכרו במיפוי כי היקף הדאטה פחות משנה בשלב הזה, אלא מהותו ותרומתו העסקית, זמינותו לניתוח ואיכותו.
- מיפוי האתגרים בדרך לניהול נכון של הדאטה
ידע - לא תמיד קיים בארגון הידע איפה להתחיל, איך מתארגנים לפרוייקט דאטה ואנליטיקה בצורה נכונה, איך נכון לשאול את השאלות העסקיות ואיזה דאטה יתמוך בכל שאלה (ואלה רק דוגמאות, כמובן)
טכנולוגיה - לפעמים מערכות המידע והטכנולוגיות הקיימות בארגון אינן מספקות, או שיש כמויות דאטה שאין יכולת להתמודד איתן בכלים הקיימים. אתגרים טכנולוגיים יכולים לנבוע גם ממגמות בשוק ה-IT, כמו נושא הענן ואתגרי אבטחת מידע
משאבים - פרויקטי דאטה ואנליטיקה מחייבים הקצאת תקציבים וכוח אדם (פנימי ו/או חיצוני). הארגון צריך להכיר בחשיבות הנושא ובהיקף המשאבים הנדרש, כדי לתמוך בהקצאה מתאימה שתאפשר ביצוע פרויקט איכותי ומקיף
אזור הנוחות - כדי להיכנס למהלכים משמעותיים - שיש להם פוטנציאל אמיתי לשנות תרבות ארגונית - הארגון צריך להבין בצורה עמוקה שנדרש שינוי, ולהיות מוכן וערוך לשינוי זה. הצורך בשינוי יכול לנבוע מפרמטרים חיצוניים, כמו התגברות התחרות בשוק או רגולציה שנכפית על הארגון וכד' - ו/או מפרמטרים פנימיים, כמו כניסתו לתפקיד של מנכ"ל חדש, רצון לפתח מוצר חדש וכד'. אם אין אירוע מכונן מסוג זה, לעיתים יש קושי לצאת מאזור הנוחות
מודל בשלות המידע בארגון
בפגישות שלנו עם ארגונים, עולה מדי פעם פער בין המקום בו הם חושבים שהם נמצאים מבחינת דרגת ההתפתחות והבשלות של דאטה ואנליטיקה, לבין המקום בו הם נמצאים באמת.
החלטנו להציע מודל לבחינת הפערים האלה, אשר מבוסס על הניסיון רב-השנים שלנו עם מגוון ארגונים בסקטורים שונים ובגדלים שונים.
שתי הערות מקדימות, למען הסדר הטוב:
- במודל ניתן לראות שעם ההתפתחות והצמיחה העסקית ישנה התפתחות של הצורך במידע והשימוש בו, אולם גודל הארגון הוא לאו דווקא הפרמטר העיקרי כאן. דווקא התרבות הארגונית והחשיבות שהארגון מקנה לנושא הדאטה והאנליטיקה הם האלמנט המכריע (עיין ערך סעיף 2 לעיל, תחת "אזור הנוחות")
- לצורך תיאור המודל למטה נתנו דוגמה של ארגון תעשייתי-יצרני, אבל כמובן שניתן בקלות לגזור מהמודל את המקבילה הרלוונטית לכל ארגון בכל תחום
שלב 1 - אפטיות למידע: בארגון קטן כל שלבי שרשרת הערך יכולים להתרכז אפילו אצל אדם אחד או שניים. בנפח עבודה קטן יחסית, עם מוצרים שלא חוזרים על עצמם אלא "תפורים" לכל לקוח - הצורך במידע הוא מועט מאוד.
שלב 2 - מודעות למידע: עם הגידול בנפח הפעילות מתחילים להיווצר "צווארי בקבוק" בהזמנות ובייצור. הצורך לעמוד בזמני אספקה מחייב ניהול ובקרה יותר הדוקים. נוצר צורך בכלים תפעוליים וניהוליים, כגון: ניהול הייצור והאיכות, מעקב אחר הלקוחות, וכד'. גם אם הדברים לא הסתנכרנו בצורה טובה מספיק, לרוב עדיין לא הוקמה מערכת שמאחדת ומנהלת את כל המידע הזה.
שלב 3 - מידע קריטי: עם הצמיחה באות ההשקעות - בציוד, במכונות, בכוח אדם. הטכנולוגיות החדשות מפיקות יותר ויותר נתונים, וכתוצאה מכך טמון בהן יותר ויותר פוטנציאל להפקת תובנות באמצעות ניהול נכון של המידע. המידע החדש, אשר מרוכז במקום אחד, הופך זמין וקריטי למקבלי ההחלטות העסקיות. המידע לא תמיד מספיק מטויב או מנותח באופן שוטף, ולכן - בחלק מהמקרים - עדיין אין בו שימוש מספיק עמוק כחלק משגרות הניהול היומיומיות. בעיקר בעיתות משבר או במקרים של תקלות נעשה ניסיון לתחקר אותו על מנת להבין מה קרה.
שלב 4 - ארגון מוכוון-דאטה (Data-Driven Organization): הארגון הטמיע פתרון BI, אשר מרכז את כל המידע העסקי במקום אחד. קיימות תובנות זמינות, עדכניות ורלוונטיות בכל נקודת זמן. עובדי החברה מקבלים את המידע שרלוונטי עבורם מהמערכת באופן שוטף. ישיבות ההנהלה מתנהלות סביב המידע ועל בסיסו, ולפי זה נבנית תוכנית העבודה ונמדדים ביצועי הארגון. כתוצאה מכך השקיפות ויכולת הסינכרון בין המחלקות עלתה, מה שמשפיע גם על תפוקות הארגון. כעת הארגון שוקל צעדים מתקדמים אף יותר כדי להכניס את הדאטה והאנליטיקה עוד יותר עמוק לליבת פעילותו, כגון: פיתוח מוצרי דאטה, מונטיזציה של דאטה וקיצור מחזור החיים של משימות דאטה באמצעות הטמעת תפיסות ומתודולוגיות מודרניות.
ב"דברים מעניינים מהרשת" הבאנו לכם הפעם שני מאמרים -
המאמר הראשון מדבר על המונח החדש (יחסית) של Data Observability. Data Observability היא היכולת של הארגון להבין לעומק את איכות ואמינות הדאטה במערכות - אתגר שהולך וגדל בשנים האחרונות. Data Observability מורכבת מכמה פרמטרים, בהם תדירות רענון הדאטה, שלמות הדאטה, הגישה לדאטה ועוד - ומיועדת לתת תמונה כוללת וברורה על מנת לצמצם (ואף למנוע) Data Downtime = חוסר זמינות או חוסר שלמות דאטה. ככל שהתפקיד של דאטה ואנליטיקה בארגון קריטי יותר, כך גם עולה הרגישות לבעיות אלו - ומכאן חשיבות ה-Data Observability. מומלץ מאוד לקרוא!
המאמר השני עוסק ב-Data Science Governance.
בניגוד ל-Data Governance, שהוא תחום ותיק ומוכר (אם כי לא תמיד מטופל היטב...)
Data Science Governance הוא תחום חדש למדי, שעדיין לא צבר מתודולוגיות ברורות. יחד עם זאת, העובדה ש-Data Science נכנס עמוק יותר ויותר לליבה העיסקית של ארגונים, מחייבת תשומת לב רבה יותר לנושא זה. כותב המאמר מדגיש שלא מומלץ "להמציא את הגלגל", אלא דווקא להיעזר ב-Best Practices קיימים ומוכחים.
כמו תמיד – נשמח לקבל פידבקים ושיתופים.
תהנו!
אדר שומרון
מנכ"ל ביונד
054-7722289
adar@biyond.co.il
|
