• Dana&Eyal

תובנות ולקחים משנה אחרת


אין ספק שזו הייתה שנה מאתגרת . פעם אמרו שהקבוע היחיד זה השינוי . על השנה הזו ניתן לומר שהקבוע היחיד שהיה בה זו אי הוודאות. אי וודאות בריאותית , אי וודאות פוליטית ובעיקר אי וודאות עסקית .

אבל עם כל הקושי והאתגרים זו היתה גם שנה של חישול ושל פיתוח יכולות . קמעונאים שלא חשבו ליישם יכולות דיגיטליות הפכו בתוך שבועות לאשפי אי קומרס , בתי עסק שמעולם לא חשבו על הפצה על ידי שליחות יצרו את היכולת הזו מהיום למחר , חברות הרחיבו את היצע המוצרים שלהם והוסיפו פתרונות של bundling ושילוב מוצרים משלימים , וגל ה D2C שטף את הארץ.

והיה תהליך נוסף שעבר על הארגונים הגדולים יותר . השנה יותר מבשנים קודמות המירוץ לפיתוח ויישום יכולות דאטה מתקדמות תפס תאוצה וקיבל רוח גבית מהקורונה. הסיבות לכך מגוונות אז ישבנו וריכזנו לעצמנו ועבורכם מספר מגמות דאטה שהתעצמו השנה דווקא בעידן של אי וודאות או יותר נכון בזכותה :


1. איתור פוטנציאל עסקי בדאטה הקיים . מנהלים מבינים שבעידן של צמצום משאבים ובחינת אפקטיביות מהלכים שיווקיים תחת זכוכית מגדלת התהליך הנכון לביצוע הינו מקסום ערך מדאטה קיים . איתור הזדמנויות בקרב סגמנטים וקהלים שטרם מיצינו. קידום מהלכים של data mining


2. שימוש בשירותים של אנליסטים ו data scientists . במישור הזה התרחשו מספר תהליכים . הראשון שחרור של אנליסטים מיחידות אנליזה גדולות וניסיון להפוך עבודת הצוותים ליעילה יותר . במקביל עליה בביקוש של חברות ויחידות שאין להן אנליסטים כדי להוציא לפועל מהלכי אנליזה וניתוח (ולממש את סעיף 1 ) . כך יצא שההיצע פגש את הביקוש. לשוק נפלטו אנליסטים מצוינים שהיו זנב לאריות ביחידותיהם והם הפכו במהרה למובילים בארגונים שעד הקורונה לא השכילו להתחמש בכח אנליטי מספק.


3. כהמשך ישיר למגמה בסעיף 2 הלכה והתרחבה השנה מגמת שכירת שירותי אנליזה ב outsourcing . אנחנו מסבירים את התופעה כאקט של זהירות. כאמור בסעיף 2 החברות והארגונים שגייסו אנליסטים הם כאלו שלא הפעילו כח אנליטי עד החודשים האחרונים. הצורך העסקי והדחף למיצוי פוטנציאל הניע אותם לבקש ולצרף אנליסטים ודאטה סיינטיסטים אולם אי הבהירות לגבי הדרך בה מפעילים כח כזה ואי הוודאות לגבי הערך המוסף שיתקבל בתהליך הביאו את אותם ארגונים לנקוט במשנה זהירות ולגייס אנליסטים במודל של outsourcing . מודל שמאפשר להם גמישות ואי מחויבות של יחסי עובד מעביד יחד עם למידה ואימון ומירווח זמן בו הם יכולים לקלוט את האנליסט לאחר שנה או שנה וחצי בבטחון מבחינתם שהעסקה כדאית להם


4. צמצום התלות בעבודה on prem . מודל העבודה מרחוק כאשר ברוב השנה למעלה מ 50% מכח העבודה חייב להשאר בבית ולא יכול להגיע למשרדים חייב ארגונים להקצות גם לאנליסטים ודאטה סיינטיסטים גישה מרחוק לנתונים כולל יכולות ניתוח ועיבוד ואנליזה ולא רק צפייה. הגמישות בגישה הזו פתחה אפשרויות לשילוב כוח אנליטי בעת בניית ופיתוח מודלים / יכולת חניכה והכוונה לאנליסטים צעירים על ידי צוות בכיר יותר וחסכון בזמן של פיתוח אימון והשבחת תוצרי data science


5. על אותו גל של סעיף 4 חברות רכבו גם לכיוון של הרחבת סוגי מאגרי הדאטה שברשותם . מגמה זו מומשה על ידי הוספת שכבות דאטה (data lakes ) מבוססות יכולות התרחבות כולל הוספת כמויות דאטה רחבות היקף (volume ) דרך הקמת שכבות דאטה בענן עם יכולות גישה מהירה לצורך תחקור וניתוח ואפשרות תחקור ב sql (velocity) ועד ייעוד של שכבות דאטה לצרכים ספציפיים לשימוש דאטה סיינטיסטים שצריכים מגוון של מקורות דאטה זמינים (variety ) . כך למשל פורחת המגמה של הקמת שכבת דאטה ייעודית לעולם הדיגיטלית ב data lakes זמינים לצד מאגרי המידע המסורתיים ) DWH )


6. היחס הישר בין אי הוודאות לערעור הבטחון בתזרים ההכנסות השוטף הביאו בשנה האחרונה יותר ויותר ארגונים להאצה של בחינת יכולות הרחבת מקורות הכנסה נוספים. הרחבה שכזו מתחילה בלמידה של הדאטה הקיים והבנת הערך המוסף הגלום בו שיכול לעניין שותפים או צד ג . המטרה לנסות ולהבין האם הדאטה מגלם בתוכו סטטיסטיקות או מגמות ותובנות (לא פרסונליות) שיעזרו לצד ג לשפר ביצועים והוא מוכן לשלם על כך . כמובן שהאתגר לא פשוט וכולל היבטים משפטיים / מסחריים / טכנולוגיים ועדיין עצם הבחינה ואיתור הפוטנציאל פתח אופקי חשיבה לא סטנדרטיים בארגונים רבים השנה


נסכם כפי שפתחנו. אין ספק שזו היתה שנה מאתגרת . אין ספק שכולנו מחכים כבר לבשורת הצלחת החיסונים וחזרה לשגרה . יחד עם זאת דווקא בעת הזו של אי וודאות הוכח מעבר לכל ספק שדאטה בשימוש נכון יכול לספק יציבות . יש מי שיחכה לניסים ולסוף הסגרים ויטמון את הראש בחול . ויש מי שינצל את תקופת הדמדומים הזו וימנף את הנכסים שיש לו ובעיקר את הדאטה שלו . לנו ברור מי מהם יוביל כשהסערה תחלוף.

Data Tapas 2019 ©