חברת סטארטאפ מובילה, אשר פיתחה פלטפורמה לייצור דמויות אנושיות עבור מודלים של Computer Vision בתעשיית הרכב האוטונומי ותעשיות אחרות.
האתגר
הצמיחה המהירה של הלקוח הביאה לריבוי מערכות ביחידות העסקיות, ולהתמודדות עם הפקת תובנות מהדאטה העצום שמצטבר בהן והנגשתן למשתמשים, כאשר לכל יחידה עסקית מערכת מושגים משלה וכלים משלה.
נוצרה מציאות שבה הארגון מתמודד עם חוסר אחידות בשפה הארגונית וריבוי כלים שלא בהכרח “מדברים” אחד עם השני ושמציגים לפעמים תמונות שונות לחלוטין של אותה מציאות. כמובן שלכל זה יש עלויות גבוהות – ישירות ועקיפות.
הלקוח ייחס חשיבות גדולה מאוד להנגשה של תובנות, אשר ניתנות להפקה באמצעות החיבור של נתונים מהמקורות השונים.
דגשי הלקוח:
1. המידע צריך להיות נגיש גם באמצעות דשבורדים ודוחות וגם באמצעות שאילתות אד-הוק
2. יצירת שפה ארגונית אחידה עם הגדרות אחידות, והנגשתה לארגון
3. זיהוי תהליכי עבודה ידניים והצפתם, על מנת להחליף אותם בתהליכים אוטומטיים בעתיד
הפתרון
הפתרון שתוכנן והוקם מבוסס על Data Lake ו-DWH, באמצעות הטכנולוגיות הבאים:
1. Snowflake – מחסן נתונים שמאגד את כל המידע, כולל הלוגיקות העסקיות שפותחו ושיפותחו בעתיד. מאפשר להנגיש את המידע ללקוחות פנימיים וחיצוניים מבלי שיידרש שכפול של מידע.
2. Rivery – מאפשר חיבור מקורות מידע מגוונים בצורה קלה, ואין צורך בכתיבת קוד.
ניהול פשוט של הרצת התהליכים, ניטור ותחזוקה.
3. Tableau – כלי תחקור, אנליזה ודשבורדים למשתמשים. מאפשר קיצור תהליכים לקבלת תובנות.
התוצאה
הארגון עשה קפיצת מדרגה משמעותית בדרך להיות Data-Driven Organization, וכיום תהליך קבלת ההחלטות מתבסס על מידע אמיתי ולא על השערות וניחושים.
התוצר הראשון שעלה לאוויר היה דשבורד להנהלה הבכירה. ביום שבו הדשבורד הוצג המנכ”ל אמר: “קיבלתי את כל מה שרציתי ויותר מזה, כולל דברים שלא ידעתי שאני יכול לבקש”.
הדשבורד הפך לכלי עבודה יומיומי של ההנהלה והמנכ”ל, והוא התפתח לכלול תכנים נוספים (כמו KPIs אחודים ברמת החברה) ועולמות תוכן נוספים, ככל שהיישום מתקדם.
בהמשך הפרוייקט עלה לאוויר דשבורד שימוש במוצר, וכל שאר הארגון (לא רק ההנהלה) קיבל פתאום הבנה מה נעשה במוצר, אשר לא היתה זמינה לפני כן. ראשי הצוותים קיבלו כלי שמאפשר ניתוח הן ברמת הטרנד והן ברמת הלקוח הבודד, בהסתכלות רב מימדית.
בזכות הפתרון:
1. נוצרו בהירות ופוקוס אחרי אילו מטריקות כדאי לעקוב במהלך מחזור החיים של הלקוח: מה מנבא הצלחה, ומה פחות.
2. ניתוח הרגלי השימוש של לקוחות הקצה חסך זמן ומשאבים של פנייה ללקוחות, סקרים וכיוב’. כתוצאה מכך, החיסכון של הלקוח היה כפול: חיסכון ישיר בעלויות פיתוח והשקעה בבניית פיצ’רים חדשים וחיסכון בשימוש במקורות הדאטה. לא היה צורך לתשאל לקוחות או להשקיע בקמפיין ממוקד.
3. בעבר הלקוח לא יכל לדעת אם לקוח הקצה ניצל את כל החבילה שהוא רכש ובכל זאת המשיך לצרוך את המוצר, דבר שגרר בעיות כמו הפסד כספי על השימוש או דרישת תשלום נוסף מלקוח. כיום יש מידע מדוייק על הצריכה, וניתן ליצור קשר עם הלקוח לפני שהצריכה מגיעה ל-100%. שיפר גם את היחס מול הלקוח וגם צמצם הפסדים פוטנציאליים של החברה.
4. משך התחקור של באגים קריטיים בסביבת ה-Production התקצר משמעותית – מימים לשעות ספורות, ואיפשר תגובה מהירה ואיכותית לבעיות.
5. חלה ירידה משמעותית בכמות הפניות לצוותי הפיתוח בבקשה לקבלת מידע. המידע עכשיו נגיש בצורה קלה וידידותית למשתמש, ללא תלות בתיווך של גורם טכני.
דוגמה לדשבורד מרכזי:
Recent Comments