4 סוגי אינטיליגנציה שאתם פשוט חייבים לטפח

שומעים את השריקה ....? חדה וברורה. מסלול הנינג'ה העסקי שלכם יצא לדרך. רבעון אחרון החל. זהו. יש לכם שלושה חודשים לשיפור ביצועים של השנה הנוכחית וסגירת תכניות ותקציבים לשנה הבאה.

אז ריכזנו עבורכם רשימה של ארבע שאלות קריטיות שאתם חייבים לשאול את עצמכם בדיוק עכשיו - בימים הראשונים של "אחרי החגים" ולפני שתפספסו את הרבעון האחרון.

כפי שתתרשמו כל שאלה עוסקת במימד אחר של Intelligence. והחיבור של כולן יחד לטעמנו מבדל בין מי שמוכן לאתגרים של 2019 לבין מי שרק יודע לדבר ופחות לעשות או סתם מפגר מאחור. אז קדימה לעבודה.

שאלה ראשונה:

האם אני מנהל עם מדד MI מספק ? ומהו אותו מדד MI ? זהו מדד לרמת ה Management Intelligence שלכם . עד כמה אתם מאופיינים ביכולות ניהוליות כאלו שמתאימות לקצב של 2019 . לאתגרי הדיגיטל והדאטה שיציבו לכם המתחרים . עד כמה אתם מעורים בפתרונות החדשניים הקיימים / מודעים לחולשות המובנות של הארגון שלכם ומטפלים בהן ומכירים את צרכי וחוות דעת הלקוחות שלכם . עד כמה אתם לא עוסקים רק במצגות ויחסי ציבור על חדשנות מוגזמת ולרוב חסרת ערך או יכולת יישום ממשית אלא באמת עושים שינוי בארגון שלכם ומקדמים פרויקטים פרקטיים לטובת הלקוחות. ואם אתם חושבים שיש לכם מדד MI גבוה אז תשאלו את עצמכם איזה פרויקט דאטה משמעותי קדמתם ב 2018 ומה היו תוצאותיו ? איזה מיזם דיגיטלי מוטה לקוח קדמתם בחצי שנה האחרונה ? איזה תהליך קיצרתם ? איזה משרות חסכתם עקב פעילות דיגיטלית ואילו תובנות עסקיות מינפתם באמצעות דאטה חדש ברבעון האחרון . לא מצליחים לענות על השאלות הללו? אתם סובלים ממדד MI נמוך מדי וחייבים להתעורר ולשנות גישה בכל היוזמות המתוכננות ל 2019. עניתם חיובית על חלקן? בואו נתרכז ברבעון הקרוב באלו שלא ועל ידי חיזוק החולשות נפתח פערים ונשפר ביצועים. עניתם על הכל חיובי ותמכתם בעובדות? נהדר אתם בעלי מדד MI גבוה ורק צריכים לשמר אותו ולשפרו כל הזמן גם בשנה הקרובה.

שאלה שנייה:

האם אתם מנהלים ומשפרים את ה CI של הארגון שלכם . ומהו אותו CI ? זהו המדד של Customer Intelligence שיכול לספר כמה אתם ארגון שנחשב Customer Company או שאתם פשוט ארגון מוטה מוצרים . כמה אתם באמת מאזינים למה שלקוחות מחפשים / כמה אתם באמת מתקנים את כל צווארי הבקבוק השירותיים שלכם / כמה אתם באמת מודעים לחווית הלקוח בנכסים הדיגיטליים שלכם/ כמה באמת אתם מנטרים ומנתחים דאטה של לקוחות שלכם ולא כסיסמת 360 אלא כתפיסת עולם של רצון לדעת באמת מה עושה וחושב הלקוח. ואם אתם חושבים שאתם כן אז תשאלו את עצמכם מיהם הקהלים המרכזיים שלכם/ מה מאפיין אותם/ איזה תהליך שירותי עדיין תקוע והוא מספיק חשוב ללקוחות כך שהוא בתעדוף עליון לתיקון / ומה תדירות הרכישות של לקוחות שלכם בנכסים הדיגיטליים ומה המסע לרכישה שהם עוברים בדרך. לא מצליחים לענות על השאלות הללו? אתם חלשים במדד ה CI ויש לכם הרבה עבודה כדי להוביל ב 2019 והגיע הזמן לא רק להגיד אנו מוטי לקוח אלא להפוך לכאלו. עניתם על רוב השאלות ויש לכם דוגמאות- נהדר ! אתם נהנים ממדד CI מעולה. שמרו אותו ושפרו בתנועה כל הזמן. הטמיעו התפיסה בארגון. תמשיכו לנצח.

שאלה שלישית:

האם אתם מודעים להתפתחויות סביבכם בעולם ה AI ? והאם אתם יודעים להסביר מהו אותו AI חוץ מלדעת לצטט את ראשי התיבות של Artificial Intelligence ? מה המגמות בתחום? אילו חברות עולמיות מיישמות באמצעות עולם ה AI מיזמים דיגיטליים מבוססי דאטה ופורצי דרך מלבד הדוגמאות השחוקות עד דק של חבורת ה GAFA ? באילו תחומים AI בעיקר עוזר לארגונים ומי מהם יתפוס תאוצה ב 2019 במימד זה ? ומה לעזאזל ההבדל בין AI ל ML ? לא יודעים לענות על השאלות הללו? אז קדימה לעבודה . יש לכם רבעון אחד לסגור פערים מול המתחרים שלכם ולהגיע לקוו הזינוק של 2019 מעודכנים/ ממוקדים ומקצועיים יותר כדי לדעת מה לדרוש בעולם הדאטה ומה לבחון ולמה לצפות . ואם אתם מכירים ושולטים קדימה לעבור ליישום ולהכיר ולבחון ולבחור מי מהמיזמי AI הנהדרים שמנוהלים בארץ רלבנטי לחבור אליכם כדי ליצור כח דאטה היברידי מנצח בתחרות שלפניכם

שאלה רביעית:

מה רמת ה DI שלכם ? כמה אתם באמת ממנפים Data Intelligence בארגון שלכם? האם אתם באמת data driven organization או שאתם עדיין עובדים ומכירים בעולם הדאטה רק על בסיס פתרונות וניתוח מעולמות ה BI? האם בחנתם כלים ופתרונות רלבנטיים שיאפשרו לכם קפיצת מדרגה ב 2019? האם אתם מסתמכים רק על אנליסטים אנושיים ואין לכם תמהיל שמשלב אנליסטים ומכונות לומדות? האם כל פרויקט דאטה עדיין לוקח לכם חודשים כולל שלב התסכול של הקמת עולם בדאטה בייס שלכם ואתם מבזבזים זמן יקר ערך? האם הדאטה שלכם ניתן לתחקור ומשמש משאב חשוב בפעילות? ואם כן אז מה המודלים שהאנליסטים שלכם יצרו על בסיס הדאטה הזה ב 2018 וכמה הם תרמו לביצועים העסקיים? לא יודעים לענות על חלק מהשאלות הללו? אין ספק שאתם עדיין תקועים בעולם הישן. ושימו לב - לא תצליחו לנצח בתחרות של 2019 עם שימוש בכלים ישנים. לא יוצאים לקרב חדש עם תכנית לחימה עתיקה. תתעוררו ותרעננו את כלי הדאטה שלכם . יש לכם עוד סיכוי. רבעון אחד להשלמה. ואם אתם מזמן כבר לא רק בתחנת ה BI לבטח אתם משלבים יכולות ML וחשוב שתמשיכו לעשות זאת ולמקסם את המשאבים שלרשותכם . הכירו פתרונות חדשים ב 2019 ותמשיכו להתקדם ולצמוח בעולם הדאטה. אין ספק שתהנו משובר שיוויון בתחרות.

אז אם הגעתם עד כאן לבטח בחנתם את עצמכם ואתם מודעים למידת מוכנותכם לאתגרי 2019. אז קחו את הרבעון האחרון הקרוב וסמנו בו כמה מטרות לסגירת פערים ולשיפור מדדים . זה הזמן לאימון למידה ושיפור בתנועה . את חצי הדרך עשיתם ואתם לפחות מודעים . עכשיו נשאר החלק של המיישמים.

שיהיה לכם בהצלחה.

מסע בעולם של נתונים - אבולוציית ניתוח המידע מBI ועד ML וAI

בשנים האחרונות מרגישים שינוי בכיוון הרוח

מכירים את הסצנה הנהדרת במלך האריות בה אבא של סימבה מלמד את בנו איך לזהות שינוי של כיוון הרוח ?אז זהו .....גם בימים אלו יש שינוי בכיוון הרוח פה בשוק המקומי בגזרת הדאטה

אנחנו בעידן של בשלות דאטה ארגונית ואם ננסה להמחיש את השלבים שארגון עובר אז לדעתי התמונה הזו ממחישה מצוין את ההתפתחות של עולם הדאטה הארגוני משלב BI עד לשלב המתקדם של AI

אין ספק שיותר ויותר ארגונים מזהים את הפוטנציאל של שינוי תמהיל האנליזה שלהם ושילוב של פתרונות ML ו AI במארג הכלים שעומד לרשותם

אז בואו נתחיל לעשות סדר...ולהכיר שלב אחר שלב...

נתחיל עם שלב ה BI

בשלב הזה ארגונים ממוקדים בשאילת שאלות עבר - כמה צרכנים קנו? כמה נטשו ? מה נמכר?, מנתחים מידע על בסיס טבלאות מובנות. מה שמאפיין את השלב הזה שפעילות הדיגיטל לא מהווה את לב הפעילות ולכן מדידת הדיגיטל הינה חלקית, אגריגטיבית ולא פרסונאלית ולא מנוטרת ברמת התנהגות הלקוח. למי שחייב דוגמא : ניתוח פעילות אתר באמצעות Google Analytics

למעשה בשלב זה מנתחים דאטה עבר על בסיס תוצאות. מצלמים מצב ולא מנתחים רצף פעולות.

השלב הבא - שלב הData mining מתפתח לרוב עקב רצון לנתח פעילות דיגיטלית בצורה מעמיקה.

הארגון מעביר את אנליזת הדאטה לחזית הבמה ומשתדל לפעול על בסיס תובנות ולא רק על בסיס תחושות או תוצאות עבר. בשלב זה יש כבר צוות אנליסטים ייעודי שנובר ומחפש בדאטה תובנות פרסונליות ונחשף כבר לעולמות של SQL ומודלי R , פייטון ועוד ולא רק מתבסס על דוחות שמפתחים עבורו ב IT

בשלב הזה ארגונים כבר מתחילים לשלב וגם ללמוד על העבר ולהסיק על העתיד....כמה לקוחות ירכשו מוצר מסוים? אילו לקוחות חזויים לרכוש מוצר כזה ? כמה חזויים לנטוש?

זה נחמד אבל עוד לא שובר שוויון .... בשלב זה היקפי הדאטה יחסית קטנים ותלויים בטעינת דאטה לרוב במהלך לילי ואינם תכופים

ברוב המקרים עולמות הדיגיטל והעולמות הפנימיים מנותחים באופן נפרד כ Silos

הניתוח הוא קבוע וסכמתי , הפרמטרים המשפיעים אינם דינמיים

בשורה התחתונה - רוב עבודת הניתוח היא ידנית ומצריכה משאב זמן הן בIT והן בצד העסקי

אבל כמו שפתחתי וציינתי משב הרוח משתנה ומתגבר ......

בנתיים הלקוחות דיגיטליים / מחוברים / מאמצי טכנולוגיות, אין להם זמן והם חסרי סבלנות ורוצים שליטה, הם דורשים מידע עדכני ושקוף , הם מחפשים יחס ובעיקר הצעת ערך אישית . ובעיקר הם מוכנים לשתף דאטה אם הם מבינים מה יוצא להם מזה ....מכאן שארגונים חייבים לעלות הילוך ולטפל ביותר דאטה ולנתח ממצאים בזמן אמת ולהגיב עם הצעות מתאימות.....ברוך הבא לשלב הMachine Learning ... הגעתם לליגה של הגדולים ....

כי לML יש יכולת לטפל בהיקפי דאטה משמעותיים

כי במודל של ML מתבצע ניתוח אוטומטי ולא ידני.

כי במודלי ML נוסחת הניתוח אינה קבועה אלא דינמית לאור מה שהמכונה לומדת על הדאטה

המטרה בML זה למצוא הקשרים וקורלציות בין משתנים ואיך הם משפיעים על שאלה עסקית שאנחנו רוצים לפתור. כשההבדל משלב הdata mining הינו שאנו לא נדרשים בשלב ה ML להגדיר פרמטרים מראש אלא נותנים למכונה ללמוד לבדה מתוך ה Row Data כששיפור הדיוק מבוצע באופן רציף ואוטומטי ובפרספקטיבה של שאר הנתונים

חשבתם שזה כל כך פשוט ? אז זהו שלא .....גם במימד של ML רצוי שנכיר 2 סוגי למידת מכונה:

למידה מונחית – Supervised – מבוסס אימון, מגדירים את המשתנים מראש, מחלקים למדגם של אימון ובדיקה ומדייקים את המודל באופן שוטף. משמש בעיקר לקלסיפיקציה וחיזוי

למידה בלתי מונחית – Unsupervised –טכניקה שבה מנסים ללמוד את התכונות והמבנה של אוסף דוגמאות נתונים כאשר הנתונים זמינים כפי שהם ללא תוספת שמות השדות/התיוגים. למשל, נתונים הכוללים מידע רפואי על נבדק, כמו: חום, דופק, לחץ דם ללא תיוג המציין אם הנתונים שייכים לאדם חולה או בריא. התובנות לגבי התכונות של הנתונים הבלתי מתויגים יכולות לשמש למשל כדי לזהות אנומליות או כדי לחלק את הנתונים לקטגוריות.

אז אחרי כל זה מה עושים בשלב המתקדם של AI וdeep learning ?

אתם זוכרים את שינוי כיוון הרוח?

אז כאן כבר מדובר בסערה של ממש ....

פריצות הדרך העיקריות מבוססות AI מתרחשות לאור 3 מגמות עיקריות: גידול עצום בהיקף הנתונים, גידול ושיפור בעיבודי מחשוב ומגוון רחב של מקורות דאטה שונים ולא טריוואלים כמו: קול, טקסט, תמונות, סרטונים וכו

ולכן לאור האתגר להתמודד עם היקפים וסוגים שונים של מידע משתמשים במודלים מתמטיים מתקדמים כמו רשת נוירונים שפותחה בהשראת תהליכים מוחיים ובאמצעותם מלמדים את המכונה. מלמדים מכונה לחשוב כאדם

בואו ניקח לדוגמא זיהוי תמונה - כלב או חתול

אם היינו רוצים לפתור את זה באמצעות ML supervise אז היינו צריכים להגדיר משתנים כמו: האם יש לחיה שפם או לא, האם יש לחיה אוזניים ואם כן האם הן עגולות? היינו צריכים להגדיר את כל המשתנים בפנים ואז באמצעות ML לזהות הקשרים שיתמכו בתובנה שיש לפנינו חיה

במקרה של AI מבוסס רשתות נוירונים מלמדים את המערכת בדיוק כמו שהמוח לומד: שכבה אחרי שכבה

מתחילים בשכבה שמסתכלת על הפיקסלים של התמונה. המערכת יודעת למצוא הבדלים בין קווים וצבעים. לאחר מכן היא עוברת למושגים אבסטרקטיים יותר - זיהוי של אוזן, שפם או זנב

זהו מודל הבנוי על סדרה של פעולות כשבסוף הוא מזהה את המכלול . ככל שמעמיקים עוד בשכבות, יכולת הזיהוי של אובייקטים שונים גבוהה יותר

ויפה לראות שכבר יש דוגמאות ליישומי AI בעולם העסקי (בינתיים בעיקר גלובלית ולא מקומית ...) למשל רשת התמרוקים SEPHORA ממנפת שירות מבוססת AR בעזרתו לקוחה יכולה לבחון מה האיפור הנכון לעור שלה . הפתרון מבוסס על אלגוריתמיקה מעולם ה AI

וכמו במקרה של ניתוח תמונה אותו כנ"ל רלבנטי לניתוח טקסטים, מכוניות אוטנומיות, צאט בוטים חכמים,עוזר קולי חכם, ניתוח סרטונים....ועוד מימדים נתמכי AI

אז מה עושים מחר בבוקר?

ראשית מפנימים באיזה שלב הארגון שלכם נמצא . מן הסתם לרוב תמצאו שאתם בשלב ה BI ומתקדמים ביניכם כבר בשלב ה Data Mining

לאחר מכן וכחלק מההערכות לתכנית עבודה 2019 אתם חייבים להכיר פתרונות מקומיים נהדרים מעולמות ה ML וה AI כדי שתוכלו לבחון שינוי של תמהיל כח האנליזה שלכם והעשרתו ביכולות אוטומציה במקביל לאנליסטים אנושיים כדי למקסם ערך ולפתוח פער מול המתחרים בוודאי בעידן של גידול בהיקפי וסוגי הדאטה שעומדים לרשותכם

בקרוב רובוטריקים 6 שובר קופות

מעצם תחום פעילותנו אנחנו נמצאים בהרבה דיונים על עולמות הדאטה והדיגיטל ופוגשים הרבה לקוחות וארגונים שממש בימים אלו מתכננים את תכניות העבודה שלהם ל 2018 .

ואז זה קורה לנו ... בכל פעם שמישהו אומר לנו שהארגון שלו רוצה לעשות "טרנספורמציה דיגיטלית" אנחנו נזכרים בסרט רובוטטריקים (באנגלית Transformers ...) . זה מעלה חיוך אנחנו יודעים . בכל זאת יושבים מולנו אנשים רציניים ואנחנו חושבים על סרט הרפתקאות.....אז זהו ....אנחנו לא מקלים ראש ברצון של אותם גורמים לעשות וליישם . אנחנו פשוט יודעים שהם כנראה לא ממש יודעים מה הם רוצים להשיג.

אתם קולטים ? טרנספורמציה היא מילה גבוהה. כמו בסרט המדובר כך גם בהגדרה המילונאית טרנספורמציה אמורה לתאר שינוי . דבר אחד הופך לדבר אחד . ולכן בסרט הידוע כל רובוטטריק היה למעשה משאית שיכלה להפוך בנקל לרובוט אימתני . כך גם במקרה של טרנספורמציה דיגיטלית . אמרתם אז התחייבתם. הייתם ארגון שפועל במימד הפיזי ואתם רוצים להפוך לארגון שפועל במימד הדיגיטלי . אתם רוצים להיות סוג של רובוטטריק רק שלצערכם החיים הם לא סרט ובמציאות אין כפתור פלא שיאפשר לכם לעשות את השינוי או את המהפך

לצערכם את השינוי הזה צריך לתכנן / לתחזק/ לתעדף/ לקדם /להטמיע וליישם ולתקן תוך כדי תנועה . אין פה קסמים . אתם לא תעבירו את הארגון שינוי ואתם לא תעבירו את הלקוח ממימד פעילות אחד לאחר . אתם צריכים להנחית את החלליות ולהרגע עם חזון אחרית הימים ולהתחיל לדבר פרקטית . אתם לא מגה טרון והבוס שלכם זה לא אופטימוס פריים (ומי שלא מזהה את השמות שילך לראות את הסרט.....).

בכלל כדאי שמהר מאד תפנימו שיש פער בין הגדרה מפוצצת למימוש שלה בפועל והפער הזה בא לידי ביטוי במספר מימדים ותחומי פעילות שאתם מעורבים בהם ולהלן רק כמה דוגמאות לשימושכם ובחינתכם עם עצמכם ועם ארגונכם :

1. החלק הרובוטי הכי קרוב שתפגשו ב"טרנספורמציה" הזו יהיה יישום של איזה פתרון צאט בוט באתר שלכם

הצעתנו ? תכירו את עולם האפשרויות של הבוטים והבינה החכמה ותנסו לפתור באמת בעיות של שירות שחוזרות על עצמן ומייצרות דפוס טיפול קבוע ...זיהיתם כאלו ? יש כאן פוטנציאל לבוט. אחרת זה יותר גימיק יחצ"ני מיותר

2. פרסונליזציה היא לא מוצר מוכן והיא לא נוצרת בלחיצת כפתור בשום כלי דאטה שתרכשו בהרבה כסף. פרסונליזציה היא תוצר של תהליך עבודה / אנליזה ואוטומציה . ניטור עיבוד ניתוח והתאמה . אז תפשילו שרוולים

הצעתנו? תכירו טוב טוב את עולם הדאטה שלכם. מה נאסף ומה לא ? תבחנו ותכירו ותשלטו בצרכי הלקוחות שלכם . מה ייחשב פרסונאלי מבחינתם? חברו בין מקורות הדאטה לאפשרויות יצירת הערך ללקוח. נתחו את הדאטה . סדרו אותו . גבשו הצעות ערך מתאימות ומגוונות .בחנו טיימינג וצורך בזמן אמת. תתנסו. תבחנו . תפיקו לקחים. תנהלו פרסונליזציה . אל תנסו לקנות אותה . היא לא למכירה.

3. הצלחות בעולם הדיגיטל פונקציונלי / שירותי מושגות לאט ובזהירות על ידי חינוך והטמעה . אין פה קסמים

הצעתנו? הגדירו לוחות זמנים סבירים לשיפור ביצועים. מדדים ריאליים שמתפתחים בהדרגה. טיפול בהתנגדויות על ידי חשיבה עם נותני השירות ומי שבא במגע עם הלקוח . ובעיקר סבלנות מההנהלה ומעצמכם כלפי עצמכם.

4. דיגיטל זה לא רק לנהל קמפיינים ולגייס לידים ולדווח שהעלות לחשיפה או העלות לליד ירדו . דיגיטל מלא קושר בין פעילות השיווק לפעילות המכרהסופית ופעילות השירות וחווית הלקוח ומאפשר שיפור הדרגתי בכל אחד ממרכיבים אלו

הצעתנו ? שיפור ביצועים דיגיטלי צריך לחצות ארגון. לאורכו ולרוחבו. הוא נוגע לצוות של בעלי תפקידים ואינו נחלת אנשי השיווק בלבד או אנשי מערכות המידע . שתפו פעולה . אחדו כוחות. חישבו רחב . אל תסתנוורו מעצמכם . זה שתצעקו מלא פעמים ברצף : " אנחנו דיגיטליים " לא יעשה אתכם כאלו וזה שהארגון שלכם הרים קמפיין שכולם מדברים עליו עוד לא אומר דבר לגבי חווית הלקוח האמיתית שמעניק מערך השירות שלכם.

5. זה שאתם רוכשים כל מוצר חדש בשוק וחתמתם שת"פ עם כל סטארטאפ אפשרי שם בחוץ לא עושה אתכם עדיין דיגיטליים. אם תבדקו טוב לפחות שליש מהמוצרים שהארגון שלכם רכש תחת סיסמת הובלת החדשנות אינם בשימוש מאז הרכישה ובודדים בארגון יודעים שהם בכלל קיימים .

הצעתנו? בואו תעצרו רגע ותנסו להכיר את מגוון הפתרונות שכבר נרכשו ונמצאים בארגון שלכם. אתם תופתעו . עשו את הבחינה יחד עם אנשי השיווק והעסק ואנשי מערכות המידע. לימדו נתחו והפיקו לקחים . צאו מהסכמי מוצר שלא הניבו דבר . לימדו מה לא עבד. תוסיפו מוצרים רק אחרי שתמצו את הפוטנציאל של אלו הקיימים.

6. רכשתם מרקטינג אוטומיישן סולושיין (באנגלית זה נשמע מגניב לא?) . ברכותינו. אבל.......אם בסוף הדרך מה שתעשו עם הפתרון זה שליחת עוד כמה מיילים ו SMS ותדווחו כמה פתחו וכמה לא אז לצערנו נאמר לכם שפיספסתם בגדול. לקחת מטוס ובמקום לטוס איתו אתם נוסעים בו . על הקרקע. מוגבל וללא דלק. לכן תגדירו לעצמכם מראש מה המטרות העסקיות במהלך הרכישה ותבינו באמת מהן היכולות של המערכות האלו

הצעתנו? אל תרוצו אחרי הטרנד. תנסו להבין מהן יכולות המוצר וכמה מהן אתם ממש צריכים ומה אתם יודעים או לא יודעים לעשות עם המוצר הזה מחר. הערכו מבחינת הון אנושי. אין מערכת שלא מצריכה ניהול מקצועי במשרה מלאה והתמחות. בטח לא בין מערכות הדיגיטל שאנו דנים בהן פה . גייסו את האנשים המנוסים והנכונים. תתכוננו ברצינות ותחליטו נכון

7. תפסת מרובה לא תפסת. בגלל שטרנספורמציה זו מילה כל כך גדולה מנהלים נוטים להתבלבל ולהגדיר המון פרויקטים ומשימות כתכולה לתהליך. הם רוצים חוויה חדשה והם רוצים UI והם רוצים הזדהות ביומטרית והם רוצים רספונסיביות והם רוצים פרויקט דאטה ושיהיה 360 והם רוצים ריל טיים והם רוצים מכירות והם רוצים מודלי חיזוי והם רוצים ....והם רוצים......והם שוכחים שלארגון שלהם אין קיבולת כזו ולעובדים שלהם אין 28 שעות ביממה וסל התקציב שלהם לא מגלה אלסטיות מושלמת ובעיקר הם שוכחים את המשימה המרכזית שלהם כמנהלים . לתעדף. לבחור נכון וחשוב . לייצב ולמקד. וכך חולפים החודשים והטרנספורמציה הדיגיטלית הופכת למשימה שרק נדחית ואף פעם לא מושגת. אלא רק בסרטים.

אז המלצתנו לכם ל 2018 :

תתמקדו. אל תעשו "טרנספורמציה" . כן תנסו לשפר . תרחיבו יכולות. תאפשרו. תמקסמו ערך ללקוח. תתייעלו. ובעיקר....תחליטו. תחליטו מה כן. מה חייבים. תתרכזו בזה ואל תתבלבלו מהמילים החדשות של 2018. לכם יש את המילה שלכם. היא שווה זהב. רק תגידו אותה . בקול גדול. ותוודאו שהבינו אותה ומתקדמים לפיה. ואז תוכלו לסכם את 2018 כשנת הסרט שלכם .