שיתוף משאבים עסקיים כערובה להצלחה.
המגפה, שינויי האקלים, אי-שיוון כלכלי. הסיבות שמובילות לפערים חברתיים נעוצים בתהליכים כלל-עולמיים, וכך גם הפתרונות למצב הקיים. חברות גדולות כמו "גוגל" ו"אמזון" מקימות מאגרי מידע רחבי היקף במטרה לנגוס נתחים גדולים יותר מהשוק ולבסוף לשלוט בו באופן מלא. למעט חברות יש משאבים כמו שיש לשתי אלו, אבל ההצלחה שלהן נעוצה לא רק בהון תאגידי אלא בזכות מערכי שרשראות אספקה מסועפות ש"דורסות" את העסקים הקטנים.
כיום, עסקים שרוצים להצליח נדרשים להשקיע לא רק בחדשנות פנים ארגונית אלא בעיקר במשאב האנושי – שכן כל טכנולוגיה ניתנת לפיתוח בלתי-מוגבל, אך ההון האנושי מוגבל, וארגונים שרוצים להצליח נדרשים לשיתופי פעולה אסטרטגיים וקהילתיים כדי לגייס אליהם את האנשים הכישרוניים להשגת היעדים העסקיים. (סימוכין לכך אנחנו מוצאים גם בסקר אחרון שנערך על ידי המרכז הבינתחומי בהרצליה (IDC).
נכון להיום: 77% ממנהלי מערכות המידע נערכים לקראת היום שלאחר המגפה. ("The Next Normal")
כדי להוביל את השוק – אתם צריכים לצעוד יחד
התמקדו בשרשרת ערך אשר תוכל לעמוד בכל התנגדות.
הנוף העסקי מספק לנו תובנות חדשות הנוגעות להתעמעמות מערכות היחסים העסקיות – פעם מתחרה היה מתחרה ולקוח היה לקוח ואילו כיום מתחרה יכול להפוך לשותף, שותף יכול להפוך ללקוח, ואילו לקוח יכול להפוך למתחרה. גבולות התחרות נמתחים ומצריכים יצירתיות שתוביל להדדיות ותוצאות מועילות.
מהו יתרון בעולם העסקי החדש?
העברת המיקוד ממוצרים לדאטה ולשירותים והעמקת שיתוף הפעולה העסקי.
הדרך היעילה ואולי היחידה באקלים העסקי הנוכחי היא לשנות את נקודת המבט מפיתוח פנים ארגוני לשיתוף ידע ופיתוח קהילה עסקית תומכת ומהימנה עם כללי מעורבות ברורים במטרה להפיק נתונים משותפים, תובנות וחדשנות – שלא ניתנת להשגה כשצועדים ללא שיתופי פעולה – במטרה לבנות שרשרת ערך מועילה לכל הצדדים.
עסקים רבים מופתעים לגלות שהפיכתם "למעורבים" יותר הוא לא עניין שמצריך מהם תשומות מרביות או ביצוע פעולות מורכבות.
כלכלת מדדי ה-API שינתה לחלוטין את הזירה העסקית, כך שההחלטה אם לקנות או למכור הופכת לפחות רלוונטית, ובפרט כעת כשכלל "הרכיבים" בשרשרת הייצור יכולים "לתקשר זה עם זה", כך שאתם יכולים "להרכיב" את המשימות שלכם, לשזור נתונים, להיעזר בבינה מלאכותית ולשלבה עם הידע המקצועי וכך לחבר בין תהליכים לבין אנשים. כיום הדרישה היא למהירות ולמהימנות, כאשר התובנות המשותפות משולות למטבע ואילו תוצאות מוצלחות משולות לתגמול.
הנה דוגמה שממחישה את הנושא:
כולנו היינו עדים למרוץ העולמי לפיתוח החיסון נגד נגיף הקורונה כאשר חברות התרופות שיתפו פעולה עם מכוני מחקר אקדמאיים במטרה להאיץ את תהליך הפיתוח. ראינו זאת גם כאשר משקיפים בודדים התאגדו יחדיו במטרה להפיל את קרנות הגידור (GameStop), ואנחנו רואים זאת בקהילות לשיתוף קוד פתוח, כאשר אקדמאים, עיתונאים, פעילים ואנליסטים משתפים פעולה ביניהם כדי ליצור "שלם" טוב יותר. גישה שיתופית זו מאיצה את החדשנות הדיגיטלית וסוללת את הדרך לקדמה טכנולוגית בעולם שמשחק על-פי חוקים "חדשים".
החוקים החדשים שכדאי להכיר – עשר מגמות דאטה ששינו לחלוטין את כללי התחרות המוכרים לנו:
- כריית נתונים משותפת. – לקריאה מורחבת על כריית מידע לחצו כאן.
- תפישה עיצוב מחודשת ללוח המחוונים (דשבורד) החדש.
- תובנות עסקיות ברורות יותר בזכות קשרי נתונים.
- תובנות מהירות ממוקדות עלות.
- העדפה גורפת של עננים מבוזרים.
- בינה עסקית שמוטמעת בכלל המערכות הארגוניות.
- אוטומציה של יישומים ושימוש בטריגרים.
- כל משתמש בארגון הופך למנתח נתונים.
- אבטחה בעדיפות הגבוהה ביותר.
- גישה מהירה לנתונים מבוזרים באמצעות Data Fabric.
כריית נתונים משותפת
מאז תחילת המגפה אנחנו חוזים בשינוי מהותי בתרבות הארגונית: עובדים רבים החלו לעבוד יותר ויותר מהבית, והמשרד הפיזי כבר לא משמש כגורם המקשר בין גורמים פנימיים לבין גורמים חיצוניים לארגון. למעשה גבולות הארגון "נמתחו" ו"הכשירו את הקרקע" לשיתוף פעולה פתוח יותר עם בעלי עניין שונים. כאשר תרבות הארגונית החדשה נסמכת יותר ויותר על מערכות לשיתוף ידע כמו מערכת הבינה העסקית הארגונית, יישומי ה-Zoom, ,Slackו- Teams.
כריית החלטות משותפת היא ההיפך הגמור מהסתרת ידע. בכריית נתונים משותפת, אנחנו מגייסים לשירות הארגון את נקודות המבט השונות של גורמים חיצוניים לארגון במטרה לקדם את הביצועים העסקיים.
בדרך זו אנחנו מזמינים את בעלי העניין לשיתוף פעולה אמיתי והדדי עם הארגון – שיתוף פעולה שמניב החלטות מועילות יותר, מפעיל מנגנון בקרה על ביצועים ויישומים של החלטות שונות, מבקר תהליכים פנים ארגוניים ומגביר את רמת האמון בין הצדדים. ראוי שכריית נתונים תעשה עוד בשלבים הראשונים של סיעור המוחות במטרה לתעל את תהליכי קבלת ההחלטות והסקת המסקנות ולאפשר למערכת הבינה העסקית לגזור נתונים חדשים וכך גם להגיע לתובנות עסקיות מעשיות עם תוצאות מיידיות.
תפישה עיצוב מחודשת ללוח המחוונים (דשבורד) החדש.
בימים אלו, רבים מציינים שזו סופו של עידן לוח המחוונים (הדשבורד), כי כיום כל אחד יכול ליצור תצוגה חזותית של דאטה ולהציג מדדי KPI, אבל יש הבדל גדול בין תצוגה סטטית של מדדי KPI שלא מבדלת את העסק מול מתחריו לבין יישום שמעודד חקירה מעמיקה ומציג ניתוח נתונים עשיר ואינטראקטיבי הנסמך על אינספור נתונים פנים וחוץ ארגוניים. הדשבורד החדש הוא כלי מתקדם שחושף מגמות נסתרות ומגדיר כיווני פעולה חדשים – ערכים אלו חשובים מאי פעם.
הדשבורד המפותח מבוסס על נתונים הקשורים בקשרים שונים בדאטה, כך שהמערכת מפיקה התראות מתוחכמות ותובנות חדשות בכל שינוי שחל בדאטה, כל זה מתאפשר הודות ליכולות הבינה המלאכותית, שמציגה מידע בהקשרים שונים וקובעת על מה כדאי לשים את הדגש בכל רגע נתון. הדשבורד החדש הוא תוצר של מכונה לומדת, מעבד רב-עוצמה ומרכז אנליטי שמקטלג נתונים ותובנות ומאפשר לשתף אותם בקלות רבה יותר בקרב בעלי עניין פנים וחוץ ארגוניים. יחי הדשבורד החדש!
תובנות עסקיות ברורות יותר בזכות קשרי נתונים.
אנליסטים מחפשים אחר אמת חד-משמעית, אך קשה מאוד להגיע לאמת כזו כאשר הנתונים משתנים בכל רגע נתון, וכל שכן כאשר הדאטה מפוצלת במערכות שונות. סיבות אלו הביאו לכך שאנליסטים נאלצו לעבוד כדי לייצר ידע ולחשב חישובים שונים למדדי הארגון. הקושי בחקירת האמת הביא למגמה חדשה ומעניינת שמוטמעת כבר כיום במערכות הבינה המלאכותית מהדור החדש. במגמה זו הדאטה מקושר בקשרים שונים בבסיס הנתונים ומוצג בהתאם להקשרו הישיר (לשאלה העסקית הנשאלת) והעקיף. כלומר חוקר הנתונים – שבמקרה זה יכול להיות אנליסט המידע או כל משתמש במערכת יכול לצפות בתמונה מלאה ואמינה יותר גם בפלטפורמות היפרסקאליות, כמו כן הוא יכול לעקוב אחר "מסלול הדאטה" – מה מקורו? לאילו נתונים הוא מקושר? ועל אילו נתונים הוא משפיע? השקיפות מעלה את תחושת הביטחון ומעודדת תהליך חקירה ובכלל הגעה לתובנות עסקיות מתוך הדאטה.
תובנות מהירות ממוקדות עלות.
תחזוקה של מערכות בינה מלאכותית ובכלל מסדי נתונים כרוכה בעלויות גבוהות ובפרט כאשר מדובר במערכות מידע מהסוג החדש שמאפשרות לתחקר דאטה בזמן אמת, אולם גובות את מחירן בכסף (עלויות אחסון בענן) והאטת ביצועיי המערכת. ארגונים יכולים להעסיק איש מקצוע שתפקידו לנהל את בסיס הנתונים ולמנוע את אותן ריצות מערכת מיותרות שמאיטות את הביצועים, שכן ברוב המקרים הרי רוב שאילתות התחקור ממילא מבוססות על מידע שקיים בתוך זיכרון המערכת ולא על מידע חדש שיש לעדכן, לאחד ולהטמיע. (צורך נוסף שמשפיע על עלויות התחזוקה) לעומת תצוגה מצטברת של נתונים (שעלות תחזוקתה נמוכה יותר).
ולכן כדי להפיק את המרב ממערכות המידע החדשות צריך למצוא את נקודת האיזון בין הצורך להפיק "שאילתות חיות" (שעלות כל תובנה שמופקת באמצעותן גבוהה יותר) לבין חקירת נתונים מתוך מאגרי הזיכרון שנחשבים לחסכוניים יותר.
העדפה גורפת של עננים מבוזרים.
אין זה סוד שהעולם ממשיך בתהליך הגלובליזציה, ותחום מערכות המידע ובכלל שיתוף המידע וביג דאטה נמצאים בחוד החנית של השינוי. פרויקט GAIA-X האירופאי הוא דוגמה לפיתוח יסודות תשתית נתונים שיתופית, מרכזית ומבוזרת, תוך הקפדה על מדיניות אבטחת מידע מחמירה ובכלל על חוק פרטיות המידע החדש (שמקורו בסין). שינויים אלו משפיעים על מנהלי IT בארגונים שנוטים להעדיף פתרון דיגיטלי שמותאם לדרישות העלות, הביצועים ומדיניות עומסי העבודה יותר מאשר פתרון כוללני יותר, שהיה נהוג בשנים עברו. (זאת על פי קבוצת המחקר הטכנולוגית 451).
השימוש בעננים מבוזרים יהיה רווח יותר (מה גם שבלתי-מאורגן) והאפשרות להשתמש בהם תהיה מותנית בשני תנאים: הראשון – אפשרות לחומרה מקומית, השני – שהטיפול בפערי הדאטה המאוחסנת בענן תהיה באחריות ארגונית ומבוססת על יכולת ניהול ועל ממשקי משתמש מותאמים. רק לאחר שהארגון התחייב לשני תנאים הללו הוא יוכל להפחית את התלות בספק אחד, לבזר את תשתית הענן וליהנות מביצועים גבוהים יותר המותנים בחוק הפרטיות החדש וברמת אבטחה גבוהה מאוד.
בינה עסקית שמוטמעת בכלל המערכות הארגוניות.
מגמות העתיד קושרות את החדשנות עם שיתוף ידע, וארגונים שישכילו לשתף תובנות עסקיות עם שותפים, לקוחות ועם הקהילה העסקית יפיקו תועלת רבה מכך. ברמת העסק, ברמת הלקוח ואף ברמת הלקוח של הלקוח. וזאת משום ששרשראות הערך בארגון מעלות את ערכן כאשר התובנות החדשות מתמזגות בכל שלבי תהילכי קבלת ההחלטות ולא רק בסופם. בדרך זו ניתן לשלב לוחות מחוונים גם במערכות שאינן מערכות בינה מלאכותית ולהוסיף התראות לתובנות זעירות שעשויות להוביל להחלטות עסקיות.
זכרו, תובנות הן כמו אדים, ומיקרו-תובנות שאופפות את כלל משתמשי הארגון בצמתי החלטה שונים (בזכות הטמעתן במערכות שונות בארגון) הופכות לנפוצות יותר ומגדילות את האמון בביסוס תהליכי קבלת ההחלטות על סמך דאטה.
אוטומציה של יישומים ושימוש בטריגרים.
כלכלת הבינה המלאכותית פותחת הזדמנויות רבות לעסקים, שותפים ולקוחות ואף למתחרים בזירה העסקית התחרותית "לשזור" ולשתף מידע ביוזמות משותפות. ולכן השאלה אם למכור או לקנות הופכת לפחות משמעותית ובפרט שכיום מערכות אלו נגישות ליותר שחקנים (גם ללא צורך לכתוב קוד מיוחד לשם כך) ומאפשרות להם לתזמן ולהרכיב יחד "שלם" גדול וטוב יותר שמטיב עם הסביבה.
התקשרות הארגונית מתרחבת וגורמים פנים וחוץ ארגוניים יכולים לתקשר זה עם זה באמצעות מערכת אחת פשוטה ובעזרת מספר טריגרים ותהליכי אוטומציה, שהופכים תקשורת זו לנגישה יותר ואף למהירה יותר. המערכות הללו מאפשרות לכל משתמש להגדיר התראות בהתאם להשגת היעדים ובהתאם לתהליכי העבודה גם ללא כל מעורבות אנושית.
כל משתמש בארגון הופך למנתח נתונים.
כיום הנגישות לדאטה הופכת לקלה יותר, הטכנולוגיה ידידותית יותר, ומשתמשים יכולים לחקור דאטה בחופשיות גם ללא כל צורך בתכנות או בלמידת קוד. מסיבות אלו הגישה לדאטה צריכה להתרחב לכל גורם בארגון ומחוצה לו. עם זאת כאשר מדובר במדע הנתונים התפישה הרווחת היא, כי רק מעטים הם בעלי ההכשרה ליצור תרחישי חיזוי ולנתח תרחישים אפשריים.
אך דעו שכבר היום תרחישי חיזוי נפוצים לרבות ניתוחי מנהלים ותרחישי "מה אם" נגישים יותר לציבור המשתמשים בזכות ממשק הבינה המלאכותית, בפרט כאשר אלו כוללים גם הסברים אודות המודלים ואודות הנתונים? ככל שיותר אנשים משתתפים בתהליכי קבלת ההחלטות כך הארגון מרוויח יותר – תובנות, בקרה על עשייה, מעורבות והטמעת תרבות ארגונית לומדת. בארגונים שכבר הטמיעו מערכת BI מהסוג החדש מדעני הנתונים ממקדים את עיקר מאמציהם לפיתוח המערכת, כתיבת קודים וקידום תהליכי המכונה הלומדת ולא "עובדים בלייצר ידע".
אבטחה בעדיפות הגבוהה ביותר.
שנת 2020 הזניקה את היצע פתרונות ה-SaaS ואת הפיתוח של טכנולוגיות חדשות נוספות, ושנת 2021 העלאתה את חשיבותה של אבטחת מידע נאותה ושמירה על ביטחון מידע. בשנת 2021 היינו עדים להתקפות האקרים רחבות היקף, כאשר המשמעותית שבהן הייתה נגד ספק אמריקני של רשת מרכולים שוודית, שנאלצה להשבית את פעילותה למשך שבוע ימים ב-500 סניפיה, ואילו אירוע ביטחון המידע החמור ביותר נרשם על שם ענקית המסחר האלקטרוני "אמזון" שנקנסה בסכום של 877 מיליון דולר עקב הפרת חוקי הגנת המידע.
אין זה צירוף מקרים שאבטחת מידע נמצאת בעדיפות ראשונה להשקעה בקרב מנהלי מערכות המידע. (על-פי הסקר השנתי של "גרנטר") הרגולציה מאחדת בין ניהול ידע לבין פרטיות מידע ואבטחת מידע, זהות וגישות ניהוליות, ובפרט כאשר הארגון משלב את תובנות הבינה העסקית במערכות פנים וחוץ ארגוניות – ככל שהשימוש ביכולות AI עולה – כך עולה הצורך להגן על הדאטה מפני כשלים, ובפרט כאשר משתנים ידע עם גורמים שונים במערכת האקולוגית המקיפה את הארגון – שותפים, לקוחות, מתחרים וקהילה – הגנת המידע הופכת לצורך הכרחי.
גישה מהירה לנתונים מבוזרים באמצעות Data Fabric.
Data Fabric (רשת נתונים או מארג נתונים (Data mesh) מאפשר גישה מהירה יותר לנתונים על פני distributed landscapes (הכוונה לעננים מבוזרים?) וניהול נתונים משולב מטה-אנליזה, סמנטיקה, מתן מענה לשאילתות בזמן אמת, תזמור נתונים ב- Pipeline ותנועות מונחות אירוע. במילים אחרות זוהי רשת שפותחת בפני הארגון מספר אפשרויות לניהול נתונים ולא קושרת אותו לספק אחד.
מצודדי הענן יכולים לטעון, שאין פה שום חידוש משום שבענן יש יכולת ליצור שכבת ידע שמאגדת את הנתונים יחדיו ומאפשרת גישה מהירה לנתונים וביצוע ניתוחים שונים. אך בעידן של שיתוף ידע ודאטה אינסופית ארגון לא יכול להסתכן בתלות בגורם אחד, ובפרט כאשר הוא יכול לבחור ברשת נתונים שמשמשת כמעין "שכבת נתונים" המאפשרת לשתף רכיבים בין מערכות וכך גם מאיצה את הביצועים ומייעלת אותם. מסיבה זו טכנולוגיית הארכיטקטורה החדשה היא הפתרון שעסקים המתמודדים עם ביג דאטה מחפשים. טכנולוגית פריסת הנתונים החדשה מאפשרת גישה מהירה לכל נתונים, הטמעה מהירה, שמירה על עקביות ברמת העסק ובמעגלים הסובבים אותו ויכולת לנהל את הדאטה באופן נרחב יותר ולשפר את הביצועים העסקיים.
