סביב שולחן אחד היפגשנו את נציגי שלוש מובילות התוכנה בתחום ה-BI לשיחה על אתגרי הניהול ב- BIG DATA וב-BI
בועז דה–האן, שותף–מייסד באקסלנדו המספקת פתרונות בינה עסקית לעסקים מכל מגזר וגודל בישראל. אנחנו כאן
בועז דה-האן, אקסלנדו
Data Management: ארגון Data driven הפועל על סמך נתונים מהימנים ממקורות פנים וחוץ ארגוניים צריך למסד את תשתית האיסוף, תיעוד, מידול ותצוגת המידע. כמו כל משאב ארגוני נדרשת סיסטמה בכדי להפיק את הערך המירבי. פלטפורמות לעיבוד נתונים בענן דוגמת מיקרוסופט Azure Data Lake , מאפשרת לארגונים ליהנות מתשתית מתקדמת לניהול קטלוג הנתונים בסטנדרט העולמי הגבוהה ביותר, והכל כשירות מנוהל, ללא צורך בתשתית.
טכנולוגיה: באקסלנדו מאמינים שטכנית כמעט הכול אפשרי, האתגר מצוי בביזנס. לפני 6 שנים האקסל הפך למכונת BI משומנת ולפני כ 3 שנים התוועדנו לדור הבא, המשמר את אותה חוויה גמישה ומחכימה אך ללא המסורבלות שהכרנו קודם. Power BI שבר את תקרת הזכוכית עם פתרון BI ארגוני, ידידותי וסופר פרקטי. הטכנולוגיה חוסכת לעסקים כסף וזמן רב ומאפשרת להתקדם לחוויית ניהול מקצוענית יותר תוך ימי עבודה ספורים. מיקרוסופט העומדת ראשונה בחזית הטכנולוגיה [ראה דוח גרטנר פבר' 2019]מובילה בהשקעת משאבים בפלטפורמה המאפשרת לכלכלן – אנליסט לעשות את העבודה של הדאטה סיינטיסט. ולראיה, ML & AI הם עוד פיצ'ר ב Power BI שניתן להפעיל מבלי להיות מתכנת או סטטיסטיקאי.
רגולציה ופרטיות המידע – כשאתה מעניק ללקוח הגנה על הנתונים שלו באמצעות הענן העסקי המפותח והמאובטח בעולם, אתה מעלה את רמת אבטחת המידע של הארגון בכל הנוגע לגישה לבסיסי הנתונים והפצת מידע יחד עם עמידה ברגולציות ותקני אבטחת מידע מקומיים ובסטנדרט בינלאומי. להבנתנו, הלקוחות מעדיפים את שמירת הנתונים שלהם בענן של הארגון שזו ההתמחות שלו על פני שמירת הנתונים בשרת הפיזי שבאחריותם.
Deep Learning:סופר מעניין אך טרם הוכח בעסק הנורמלי. עשינו טסט על נתוני רשת קמעונאית מובילה בעלת כ 150 סניפים עם מאות אלפי טרנזקציות יומיות, במטרה לנבא קצב מכירות והתאמת רמות המלאי בסניפים. לצערנו, הדאטה לא הספיקה להפקת תובנה מובהקת. חיקוי תהליך החשיבה של האדם מצריכה כמות אדירה של מידע (ניסויים ותצפיות), מעטות החברות בישראל להם מידע תפעולי בכמות הנדרשת בכדי להגיע למודל מוכח ואמין. אנחנו מאמינים כי לעסק הנורמלי ישנם פיתרונות הנמצאים בהישג יד ואינם מצריכים טכנולוגיות אקזוטיות ומומחים יקרים לניסויים חד פעמיים. מסתמן כי הפיתרון מצוי באנליזה רבודה (augmented analytics) מכלים שיאפשרו הפעלת מערך נתונים מורכב מאחורי הקלעים במספר גרירות עכבר בהתאם להבנה והניסיון האנושי ופחות בעיסוק הטכני בארגון הנתונים.
מנתחי נתונים: כולנו. "ללא מידע אתה סתם עוד אדם עם דעה" אמר מדען הנתונים W. Edwards Deming. האנליסט ממוקד בניטור והצגה של מדדי הביצוע KPI לתהליכים עסקיים מהותיים. מרגע שהונחה התשתית לתחקור סטטיסטי ורב ממדי של נתונים מכלל המקורות, נוצרה ההיזדמנות להניע את הארגון בעזרת המידע. המון ניתן לעשות ללא ידע בBI –שירותי ענן מקלים ומייעלים את הפן הטכני בטיפול במידע ובכך מאפשרים לנו וללקוחות שלנו להישאר 'אנליסטים' המפוקסים בערך ולא באיך.
תובנות:בארגון שהוא Data Driven ההנעה ממוקדת ולא מוראלית. הנתונים מקצרים תהליכים עסקיים למינימום פעולות עם מקסימום אפקט. לרוב ההתנגדות לתהליך כזה נובעת מקיבעון ניהולי ושמרנות טכנולוגית. אנחנו מכוונים לדאטה שלא משפיע, לנתון שאתה לא מודע אליו ולכן הוא לא מניע אותך או לא פועל בשבילך. לא המצאנו את הגלגל אך קיצרנו את המרחק ליעד בעזרת תבניות BI לאתגרים נפוצים (מכירות, גביה, רכש, מלאי, מועדון) והנגשת אנליזות ומודלים שהם סטנדרט בשוק לאתגרים כמו שיפור רווחיות או סגמנטציית לקוחות (RFM). כיום אנו משקיעים בממשקים ביצירת אוטומציות והנעה לפעולה מתוך התובנות המתגלות בניתוח הדאטה.
לקוחות: המון לקוחות שואלים אותנו האם עליהם לאפיין את הדוחות החסרים להם או שאקסלנדו תמליץ על הkpi והמדדים החשובים לעסק שלהם. הלקוחות חוששים מהרפתקאה יקרה, מחוסר שליטה בדאטה הארגוני ובתלות במיישם. כשאנחנו מציגים להם את האקסלנדו בריין – המבוסס על הניסיון שצברנו ומאפשרים להם להזדהות עם המדדים והתצוגות שיצרנו לאתגרים עסקיים נפוצים, הם רואים למעשה את דרך ההסתכלות החדשה ומקבלים רעיונות למבט על העסק וניטור נתונים שאפילו לא אספו או חשבו להשתמש בהם כדי למקד את הפעילות העסקית במנועי הצמיחה. כך יוצא שהלקוח שלנו לומד מעסקים דומים לשלו כמו גם עסקי B2B לומדים מ-B2C ולהיפך. אנחנו גאים בעובדה שאנחנו משרתים היום לקוחות קטנים וענקיים המפרים זה את זה, מיקרוסופט לקוח שלנו לצד תחום המדיקל, יבואנים, יצרנים, הקמעונאים המוכרים, ולרוב הלקוחות אנחנו מספקים BI מהמדף כבר ביום המחרת. אנו מאמינים בשיטת הבופה ולא האופה זהו לא סל טכנולוגי אלא סל פתרונות שעובדים בעסקים דומים עם ROI מובהק ומיידי.
ERP ו–BI בעידן הענן: עידן הERP עבר, צריך להתייחס יותר ברצינות ל- CRM. לחברות רבות בישראל חסרים הרכיבים להעשרת מידע אוטומטית. הענן הוא הזדמנות להתחיל בקטן, להסתמך על נסיונם של אחרים ולגדול עד אינסוף. החלפת מערכת ERP כיום למערכת מעודכנת וחדשה יותר קלה ומהירה מפעולה כזו בעבר וכך גם ב-BI. האינטגרציות פשוטות וקלות יותר. נתקלנו בלא מעט מקרים בהם מעבר בין גרסאות באותה טכנולוגיה מורכב ויקר יותר ממעבר לטכנולוגיה אחרת. כיום בעידן הענן ובעולם ה-SaaS , יותר קל והגיוני לעבור למערכת אקסלנדו מאשר להחליף גירסה. מעבר מכלים וותיקים לכלים חדשים ומעודכנים הוא זריז ומהיר וייקח לך פחות זמן מהזמן בו אתה מפסיד תפוקות ויעילות.
לסיכום: הדאטה הוא המשאב עליו צריך להסתער כדי להיות חדשני, יעיל וידידותי ללקוח. המילניאלס מהיר חסר סבלנות לחוסר יעילות ולקליק אחד מיותר. תוכנות BI צריכות להסתגל למשתמשים החדשים שלהם ולעמוד בקצב. בפראפרזה הייתי אומר: to BI or not to BE. אל תימנעו מהאח הגדול, תראו בו העוזר האישי שלכם.
אלון נדב: מנהל תחום אנליטיקס SAP ישראל. אנחנו כאן
אלון נדב SAP ישראל
טכנולוגיה: SAP נמצאת בחזית הטכנולוגית בכל הנוגע לניהול וניתוח הנתונים בארגון. התשתית הטכנולוגית שלנו המבוססת על HANA כמנוע ה DATA בארגון מאפשרת ניתוח נתונים מובנים ולא מובנים, כגון טקסטים (Text Analysis) ממקורות מידע שונים כמו מרשתות חברתיות, או מכל מקור מידע אחר. פתרונות אלו הם חלק מעולם הביג דאטה, דבר המצריך מאתנו עבודת הכנה, על מנת להבין בסופו של יום, מה הן שאלות הניתוח, איזה סוג של מידע אני מעוניין ללמוד מהניתוח ומה יהיה שמיש בעבורי ויקדם את מטרות הארגון. אכן, כלי תשתית הינם יקרים ולכן הם מוצעים בעיקר ע"י חברות גלובליות בעלות משאבי פיתוח, כדוגמת SAP. ברור שהלקוחות נהנים מיתרונות השימוש בתשתיות כאלה לניתוחים מתקדמים ביותר.
רגולציה ופרטיות: SAP מחויבת באופן בלתי מתפשר ל GDPR ומתנהלים גם כאן בארץ לפי GDPR באופן מלא. גם הפניה ללקוחות פוטנציאלים מותנית באמות מידה קשיחות ושמירת פרטיותם היא נר לרגלנו. כחלק ממדיניות זו ומסיבות אחרות הנוגעות לפרטיות המידע, אנו מציעים ללקוחות גישה היברידית המאפשרת ללקוח שמירת הדאטה אצלו בארגון, ללא העלאתו לענן, אך עדיין שימוש במערכת אנליטית המאפשרת את עיבודו וניתוחו כך שייהנה מהעדכניות ומהיכולות של פתרון בענן. הדבר מאפשר למידע הרגיש והחסוי, להישאר בגבולות הארגון ועדיין לנתח אותו בפתרון המבוסס ענן, ואת היתר, הנתונים הלא רגישים, אפשר להעלות לענן ולקבל שירותים ויכולות נוספים ומתקדמים. זה נכון לכל ארגון, כולל עולם הרפואה הרגיש. הפרדת המידע למידע רגיש, ולנתונים פחות רגישים, "חסרי פרצוף", המאפשר העלאתו לענן וניתוחו במנועים אנליטיים מתקדמים וכל זה בלי לזהות את הפציינט.
דאטה אנליסט: בעבר ה-BI הקלאסי ניתח ביצועי העבר ואפשר לנו ללמוד על ביצועי הארגון. החלק השני והמעניין יותר הוא חיזוי מגמות וביצועים על סמך תוצאות העבר. הרצת תהליכי Machine learning תאפשר ניתוחים כאלה. מנתחי נתונים data scientists הם אלה שמקצועם והתמחותם מאפשרת להם להגיע לתובנות חיזוי על סמך נתוני העבר וכמובן תוך הסתמכות בכלי BI. SAP מציעה, כחלק מהפתרון האנליטי של SAP Analytics Cloud, מנוע חיזוי שמונגש למשתמש עסקי בארגון, שאינו חייב להיות סטטיסטיקאי, לקחת מידע, להריצו על ממשק המכונה ולקבל תובנות. מבחינת הארגון יש פה התקדמות משמעותית להבנה של התהליכים, תוצאותיהם והשפעתם של משתנים שונים על מכירות, רווחיות, שביעות רצון לקוחות ועוד. מנתחי נתונים, Data Scientist, עדיין נדרשים, אך הפתרון מאפשר לאנליסט העסקי ללמוד לא מעט מהנתונים הקיימים בעזרת מנוע זה, מבלי להידרש למאמץ או לעלויות נוספות.
הלקוחות: SAP מציעה כיום שירותי אנליטיקה מתקדמים, למשתמשי הקצה, מהסוג המיועד למנתחי נתונים. באמצעות הכלים המובנים שלנו המשתמש יכול להפיק ידע רב באופן פשוט. שערו בנפשכם שאדם מכניס את הנתונים ותוך דקות, וללא עלויות נוספות, הוא מקבל תובנות רלוונטיות. המשתמש יכול להחליט במקום, אם לקבל את התובנות, להמשיך לנתח ולפתח אותן בעזרת כלים מתקדמים, או לדחות אותן. למעשה, משתמש הקצה מפיק תובנות המסתמכות על הנתונים ההיסטוריים ולומד על השפעתם של הפרמטרים השונים בארגון על הביצועים. הפתרון ש SAP מציעה, מנגיש את יכולת החיזוי למשתמש הקצה ומורכב משלושה סוגים. הראשון: חיזוי על ציר הזמן. השני: סיווג, GO NO GO, כלומר: האם תהיה לי מכירה? או האם תהיה לי תלונת שירות וכד'. השלישית: רגרסיה. כלומר: למידת כל פרמטר והשפעתו על הביצועים, כגון מכירות, רווחיות וכד'. הפתרון הנ"ל מקדם את הארגון בקבלת החלטות המושתתת על נתונים ללא כל צורך בהשקעות נוספות.
ERP ו-BI בענן: בעבר הלא רחוק מערכות BI היו נחלתם של ארגונים גדולים שהיה להם הידע והכסף להפיק מהן תובנות. היום מערכות BI נפוצות הן עקב הוזלות עלויות והן עקב ההבנה שהן MUST בארגון המעוניין לשרוד ולהתפתח לארוך זמן. לכן מדובר היום על שילוב תובנות BI כחלק מהערכות התפעוליות של הארגון. לדוגמה, קניין רכש יכול היום לקבל ניתוח רכש עבור פריט שהוא רוצה לרכוש, ניתוח שיאפשר לו להבין עם איזה ספק יהיה כדאי לו לעבוד ולהגיע להחלטה מיטבית. השימוש בענן מאפשר כיום לארגון להשתמש במספר מוצרי BI אם זה SAP Analytics Cloud, או כל פתרון אנליטי אחר. SAP מציעה מוצר SAP Analytics HUB, שמהווה קטלוג דוחות בארגון ומאפשר למשתמש לנווט בין דוחות ה-BI השונים שפותחו במערכות שונות ממקום אחד. את משתמש הקצה לא מעניין באיזו פלטפורמה הדו"ח פותח, המערכת תפנה אותו לשם באופן אוטומטי. הגישה הזו מאפשרת חווית משתמש אחת ויחידה.
אופיר אייזיק סמנכ"ל מכירות ב- Qlik Israel. אנחנו כאן
אופיר אייזיק Qlik ישראל
Data Management: אחד האתגרים הגדולים עמם מתמודדים לקוחותינו, בדגש על לקוחות Enterprise, הוא אתגר מסות המידע הגדולות והמתרבות לצד מגוון המקורות הרב ומורכבויות הכרוכות בחיבור ביניהם. אנו מזהים שהאתגר הזה הולך וגובר והלקוחות הישראלים נאלצים להתמודד עם אתגרים שבעבר היו שמורים לתאגידי ענק בחו"ל. קליק זיהתה את השינוי שתחום האנליטיקה עובר ואת הצורך של ארגונים להתמודד עם אתגרי המידע הנוצרים הרבה לפני שלבי ניתוח והכנת הנתונים והחליטה לעדכן את האסטרטגיה שלה. עדכון זה הוביל בין השאר לסדרת רכישות אסטרטגיות המסתכמות יחד בכמיליארד דולר (לרבות אטיוניטי הישראלית ב- 560 מיליון דולר) והשקעות מהותיות בפיתוח יכולות חדשות כדי לייצר מענה איכותי להתמודדות עם אתגרים אלו. פלטפורמת Qlik כיום היא פלטפורמת Data המספקת בנוסף ליכולות BI ואנליטיקה המתקדמות בשוק, גם כלים להתמודדות עם נפחי מידע גדולים (עשרות TB ומעלה), כלים ליצירת Data Catalog המסייע לחבר את מקורות הנתונים ללא קשר לאופיים, מבניהם, רמת האגרגציה וגודלם, על מנת לאפשר חווית ניתוח נתונים (תלוית הרשאות) ו- Self Service אינטואיטיבית למשתמשים עסקיים הדומה לחוויית רכישה בחנות מקוונת. וזאת כדי לאפשר למשתמש לייצר תובנות בלחיצת כפתור.
רגולציה ופרטיות: הרגולציה בישראל מטפלת בשני מישורים באופן אינטנסיבי. הראשון הוא נתוני הפרט ובמיוחד נתונים פיננסים שלו ואי הוצאתם מחוץ לגבולות המדינה. חברות פיננסיות לעיתים לוקחות על עצמם מגבלות מחמירות, לעיתים אף יותר מהרגולטור וכול זאת על מנת לא להסתבך עם דרישות עתידיות. המישור השני הוא הסייבר ואבטחת המידע. גם כאן בארגונים רגישים ובטחונים רגולציה מחמירה של משרד ראש הממשלה מחייבת את הארגונים לשמור המידע בארץ ובאופן מוצפן בד"כ. במקרים אלו לא ניתן לבצע אנליזות נתונים או לייצא טבלאות שלמות ברות זיהוי לענן חיצוני ומפעילות מנגנוני אנונימיזציה והצפנה לנתונים על מנת להיעזר במשאבי הענן כשנדרש מבלי להתפשר על מגבלות הרגולציה. פתרון Qlik Sense נחשב לאחד הפתרונות המתקדמים מבחינת התמודדות עם צרכי הרשאות ואבטחת מידע, והוא מספק גמישות גבוהה בניהול המשתמשים הן מבחינת הרשאות גישה לנתונים עד רמת השדה ברשומה והן מבחינה פונקציונאלית של מה מותר לכל משתמש לעשות ובאילו תנאים. חברות ישראליות הנדרשות לכפיפות רגולטורית של GDPR בפתרונות SaaSשלנו מקבלים אישורי עמידה ב- GDPR.
דאטה אנליסט: לדעתי עידן Data Analyst/Scientists טרם עבר ו- Qlik Sense עושה את החיים קלים לאותם פונקציות בשל היכולת המובנית והנתמכת להתכתב עם R, Python ושפות נוספות, יחד עם זאת אנו כמובן מודעים היטב למחירם היקר של שירותים אלו ולכן השקענו כ 3 שנות פיתוח של יכולות Machin Learning (ML) משולב Artificial Intelligence (AI) המובנה כחלק אינהרנטי בפתרונות שלנו. כבר היום Qlik מציגה למשתמשים עסקיים שאינם מחזיקים יכולות אנליזה מתקדמות באמצעות פאנל מידע מונגש ולעוס כך שיוכל לעבוד אתו בשפה חופשית ואינטואיטיבית. המשתמש מבקש ומקבל את הניתוחים באופן פשוט ויעיל, המערכת, משלמדה את תחומי העניין של המשתמש, גם יודעת מה להציע למשתמש עוד בטרם בוצעה בקשה פרטנית. אנו מוציאים חמש גרסאות מידי שנה ובכול אחת עושים צעד נוסף לקראת המשתמש שאינו אנליסט נתונים. Qlik ממשיכה להשקיע בפיתוח יכולות אלו ואנו יודעים על יכולות נוספות הצפויות בעתיד הקרוב. למשל, אם אני כמקבל החלטות עסקי חווה ירידה במכירות ואני רוצה להבין ממה היא נובעת, בלחיצת כפתור אקבל מ- Qlik מידע ברור שיאפשר לי לעצור או לטפל ספציפית באותם גורמים המשפיעים. הפעולה החשובה שאנו רוצים וצריכים לנפק ללקוח היא חיווי מדויק של תובנות עסקיות על סמך נתונים קיימים באמצעות אלגוריתמיקה מורכבת. עם זאת, יש עדיין מצבים מורכבים ולכן Data Analyst/Scientists יש בהחלט מקום בארגון והוא צפוי להיות כאן עוד זמן רב. פיתוח ושימוש במכונות ואוטומציות כחלק מחלופות כ"א מקצועי, מקצר פערים ותהליכים במצבים פשוטים או שכיחים ומאפשר לנצל מקצוענים היכן שהם נדרשים והיכן שהמכונות עדיין לא נותנות מענה מספיק טוב.
Deep Learning: זהו תחום חם וחדש יחסית שנמצא לקראת פריצה גדולה. הניסיון לחקות את אופי החשיבה הנויירוני האנושי דורש המשך פיתוח ארוך טווח. תהליכי Deep Learning שונים מהותית מ- Analytics ו-BI. הם מטפלים ברבדים עמוקים ביותר של קשרים בין משתנים ומייצרים תובנות אחרות מבוססות למידה לעיתים בזמן אמת. באמצעות מערכות אלו ניתן למצוא קשרים מרוחקים ומהימנותם כמשפיעים על תופעות ולהתנבא ולהגיב בזמן אמת, אך השימוש במערכות אלו בשלב זה הוא מאוד מוגבל תלוי משימה.
לקוחות קיימים: הפופולריות הגבוהה של Qlik Sense מביא הרבה לקוחות QlikView קיימים לבחון את המעבר בין הפתרונות, היות ומדובר על אותה פלטפורמה ואותה תשתית מידע, לקוחות המתייעצים עמנו בעניין מבצעים זאת במקרים מסוימים בימים בודדים ושביעות הרצון גבוהה. כיום אנו מספקים מענה למגוון רחב של צרכים ארגוניים ותשתיתיים, לקוח יכול להחליט באיזה תשתית הוא מעוניין: מקומי, ענני (Saas או IaaS) או היברידי. ולספק מענה בכל תוכן עסקי הנדרש לו ובכל תרחיש.
