סיפור לקוח- אוניברסיטת בר אילן

פרויקט חוצה ארגון הכולל בניית DWH בנוסף לשכבת ניתוח הנתונים ב- POWER BI.

אוניברסיטת בר אילן התחילה את פרויקט ה- BI  מול אקסלנדו בספטמבר 2017. הפרויקט הינו חוצה ארגון וכולל בניית DWH בנוסף לשכבת ניתוח הנתונים ב- POWER BI. אקסלנדו משקיעה הרבה תשומות בפרויקט הכולל קרוב ל-60 יוזרים בקשת תפקידים – דיקנים, ראשי מינהל, מנכ"ל, סמנכ"לים, צוות אגף תקשוב ועוד. את הפרויקט מלווים שלושה אנליסטים וארכיטקט. עד כניסתה של אקסלנדו, העבודה בבר אילן אופיינה בהרבה עבודה ידנית, עם עלויות חיצוניות ובעיקר ללא פיקוח אחד. נוצר מצב שמחלקות ונתונים לא היו מתואמים. לזכות הנהלת המוסד ייאמר, שהם קיבלו החלטה אמיצה להיכנס לפרויקט ארוך טווח ומשמעויות מדידות.

ת.ז. לקוח

אוניברסיטת בר-אילן נמנית עם האוניברסיטאות הגדולות בישראל. הקמפוס ממוקם בליבו של גוש דן ומדי יום פוקדים אותו אלפי סטודנטים מכל רחבי הארץ חברי סגל ומבקרים מישראל ומחו”ל. באוניברסיטה לומדים כ- 17,000 סטודנטים לתואר אקדמי, 4,000  תלמידים בקורסי העשרה, לימודי תעודה ותוכניות לימוד אחרות והיא עם רזומה של כ- 130,000 בוגרים וכ 700 חברי סגל בכיר. אוניברסיטת בר אילן, בדומה למוסדות אחרים להשכלה גבוהה ברמתה נאלצת להיאבק מול עשרות המכללות שנפתחו וקיבלו את הכרת המל"ג. שיווק וזיהוי מגמות הפך להיות יעד משמעותי עבור מובילי האוניברסיטה.

אתגרים ודרישות עיקריות

כשהגענו לאוניברסיטת בר-אילן, נדרשנו להקים בסיס נתונים אחד (DWH) ממספר מערכות ולייצר כלי יום יומי לניתוח ותחקור נתונים עבור שכבה רחבה של משתמשים.

האתגרים והדרישות העיקריות בפרויקט:

  1. הבאת הנתונים ממספר מערכות באוניברסיטה
  2. הקמת DWH חדש ותחזוקה
  3. כחלק מתהליך הקמת ה- DWH, המשימה של אקסלנדו עוסקת בהזנת הנתונים ושיפור תהליכים למערכות האוניברסיטה
  4. מורכבות ה- DWH והשכבה הסמנטית הכוללים Slowly Changing Dimension
  5. איסוף דרישות עסקיות, אפיון המדדים, הדוחות והדשבורדים, מתן דגש על זיהוי מגמות שקריטי לאוניברסיטה. אנו נדרשים לפתרונות יצירתיים שיעזרו בניהול היום יומי
  6. הנגשת נתונים למשתמשים רבים בעלי אופי עבודה שונה וצרכים שונים. כל משתמש יכול לצפות במודל הרלוונטי אליו. המודלים משמשים את מנכ"ל האוניברסיטה, בנוסף לראשי מחלקות, אנשי שיווק, אנשי רשות המחקר
  7. הפעלת הרשאות RLS (Row Level Security) – כל משתמש יכול לצפות במידע הרלוונטי אליו. ישנה מורכבות בכך שיש משתמשים אשר יכולים לצפות במסר מחלקות.

טכנולוגיה בפרויקט:

  1. Sql Server – DWH and ETL
  2. Power BI – Dashboards and reports

Use case:

אנו נוגעים במספר עולמות תוכן ובעלי תפקידים באוניברסיטה:

  1. ניתוח עבור השיווק לקראת תחילת שנת הלימודים:
    1. יצרנו עולם ניתוח לנרשמים מול איבוד נרשמים משלב הליד, לפנייה, למתקבלים להרשמה
    1. ניתוח תקופתי וזיהוי מגמות שנתיות
  2. ניתוח עולם הסטודנטים בדגש על:
    1. זיהוי תארים, מחלקות ופקולטות מובילות, במגמת עלייה ובמגמת ירידה.
    1. זיהוי אוכלוסיית הסטודנטים לפי מגורים, מגדר וגילאי הסטודנטים
    1. מגמות ציונים
    1. ניתוח תקופתי וזיהוי מגמות שנתיות
  3. ניתוח עולם המרצים והקורסים בדגש על:
    1. פופולאריות קורסים
    1. נרשמים ביחס לתחזית מקורית
    1. ניהול יעיל של חדרים שמוקצים לקורסים
    1. ניתוח תקופתי וזיהוי מגמות שנתיות
  4. פעילות של רשות המחקר והצלחה בהיבט הגשות וזכיות במענקים

בפועל, מנכ"ל האוניברסיטה משתמש במודל באופן יומיומי לקבלת החלטות, וכמוהו גם מחלקות פנימיות.

אהבתם? תשתפו!

Share on facebook
שתף ב-Facebook
Share on twitter
שתף ב-Twitter
Share on linkedin
שתף ב-LinkedIn
Share on pinterest
שתף ב-Pinterest

תגובות