שלושת הלאוים של Big Data Analytics

יום ה', 19 באוקטובר 2017
 
מאת: מוטי סדובסקי
 
Big Data Analytics – גם לארגונים בינוניים וקטנים (לא רק לגדולים)
ההנחה הרווחת היא ש- Big Data Analytics  "זה רק לגדולים". בפועל, במציאות העסקית של חיינו, גם ארגונים קטנים ובינוניים חייבים להיות מבוססי ומוטי מידע ולבצע תחזיות הסתברותיות, או אופטימיזציה של מערך הרכש והאספקה, או תכנון בצורה מיטבית שיבוץ כ"א, מועמדים לקורסים וכו'.
הטעות נובעת מהשם Big Data.
 
הדיבורים על כמויות מידע אדירות שניתן לאגור באמצעות טכנולוגיות Big Data אומנם נכונות, אבל ממש מטעות. הכמות (Volume) הינה מרכיב אחד ולא הכרחי. אין מידה של כמות שמעליה הפתרון הוא Big Data ומתחתיה לא. המרכיבים המרכזיים של Big Data Analytics הינם היכולת לנתח ולהפיק תובנות עסקיות (Value) ממידע בפורמטים שונים (Verity) הכולל גם מסמכים, קול, תמונות, וידאו וכו' וגם מהיכולת לתת מענה מהיר "כאן ועכשיו" (Velocity).
 
Big Data Analytics הינו פתרון איכותי גם לארגונים בינוניים וקטנים המבקשים להפיק ערך מכל המידע שברשותם – פנימי או חיצוני, ולעשות זאת בעלות שתתאים לערך העיסקי שהם מקבלים ותחזיר להם בתוך זמן קצר יחסית את ההשקעה בבניית הפתרון (ROI).
התאמת מחיר מערכת Big Data Analytics לערך העסקי שתיתן המערכת, היא צו השעה לכל ארגון. חייבים להתאים את הפתרון לצרכים וליכולות הארגון, ולעשות שימוש מושכל ב"פתרון ענן", בשימוש במוצרי Open Source, בקביעת שלבים וסדרי עדיפות, וכו'.  
 
Big Data Analytics – לא להתחיל עם הטכנולוגיה
Big Data Analytics הינה טכנולוגיה שמאפשרת מימוש של יעדים עסקיים. ככזו, מנהלי ארגונים רבים מטילים על המחלקות הטכנולוגיות את האחריות להקמת המערכת, ואלו פונות לספקי הטכנולוגיה אותן הן מכירות. התוצאה במקרים רבים הינה רכש חומרה ותוכנה עוד לפני שהובן הצורך, הוגדרו השאלות העסקיות ובוצע ניתוח של סדרי העדיפות הארגוניים.
התחלה של פרויקט Big Data Analytics ברכש רכיבי החומרה והתוכנה הינה טעות נפוצה. כיום קיימת יותר מאלטרנטיבה אחת בכל תחום, והמערכות מתפתחות ומשתפרות כל העת לצד הוזלת עלויות מתמדת. את הרכש יש לבצע מאוחר ככל הניתן ורק לאחר שהשאלות העסקיות קיבלו מענה, בוצע ניתוח צרכים מסודר ונקבעו סדרי העדיפות הארגוניים. 
 
בכדי להגדיל את סיכויי ההצלחה של בניית הפתרון והתאמתו לארגון, מומלץ לעשות שימוש במתודולוגיה בה השלב הראשון הינו הגדרת שאלות המחקר העסקיות, וגיבוש סדרי עדיפות להתחלה. ההבנה מהי "שאלת המחקר" הראשונה לביצוע, תוביל את הארגון לשלב השני והוא מיפוי ובחינה של מקורות המידע הנדרשים למענה על שאלה זו. מידע זה יכול להיות פנימי או חיצוני (רשתות חברתיות, אינטרנט, וכו') ומסוגים שונים דוגמת מסמכים, וידאו, תמונות וכו'.
 
רק לאחר ששאלת המחקר הראשונה ברורה ומידע הקלט למערכת מאופיין וידוע, נוכל לעבור לשלבים הבאים הכוללים בחינה האם יש צורך לטייב (Quality) את המידע ולהשלימו, והאם ניתן להעבירו ל- Big Data באמצעות כלי Batch הפועלים אחת ליחידת זמן (יום, שעה, וכו'), או שיש צורך בפתרון Near Real Time ואז נדרשים כלי Streaming. 
אפיון שאלת המחקר יקבע גם את מוצרי האנליטיקה הנדרשים לניתוח והצגת התוצאה הנדרשת. 
 
לעיתים שאלת המחקר הארגונית עשויה גם להוביל לפתרון נקודתי, קטן, מהיר וזול. לדוגמא: ארגון המחפש פתרון לנטישת לקוחות, או מענה לשאלה של התאמת כ"א לתפקיד, או אישור מתן הלוואה ללקוחות, צריך רק מוצר אנליטי לחיזוי (Data Mining) ולא פתרון Big Data Analytics שלם. 
דוגמא אחרת הינה ארגון הזקוק לניתוח מסמכי טקסט בלבד וצריך לכן פתרון חלקי של Big Data Analytics שעיקרו מוצר אנליטי של Text Mining המסייע להפקת תובנות ממסמכים.
 
תובנות ואתגרים מרכזיים בפרויקטיי  Big Data Analytics 
בפרויקטיי Big Data Analytics שונים האתגרים המרכזיים אינם טכנולוגיים אלא קשורים באנשים, בתהליכי העבודה החדשים ובאיכות המידע הארגוני.
כל פרויקט חדשני יוצר תהליך שינוי, המוליד פחד אצל אנשים החוששים לאובדן כח בארגון. אנשים רבים בארגון אינם אוהבים לשנות את תפקודם ותהליכי העבודה שלהם, ולצאת "מאזור הנוחות". הארגון נידרש "לנהל את השינוי" ולהכין את האנשים שרובם יצטרכו לעבור שינוי, אך חלקם אף עלול למצוא עצמו בתפקיד אחר או אף להיפרד מהארגון. הרצון להצליח בפרויקט מצריך השקעה מסיבית באנשי הארגון וזיהוי אותם אנשים עימם ניתן לנוע קדימה (Early Adaptors), לצד אלו שעלולים לפגוע בהצלחת הפתרון החדש.
 
יש לבחון את תהליכי העבודה החדשים שתיצור מערכת ה- Big Data Analytics ולהכין את הארגון ואנשיו לקבלת החלטות המבוססת מידע ולא כאלו המבוססות על  "תחושות בטן".
תחום נוסף בו יש להיערך לטיפול הינו איכות ושלמות המידע.
בפרויקט אנליטי המסייע בתהליך קבלת ההחלטות והעושה שימוש בכלים סטטיסטיים יש להקפיד שבעתיים על איכות המידע ושלמותו ולהפוך את תהליך הטיוב לרכיב קבוע בקלט של המידע ל- Big Data.
 
לסיכום - יצירת תובנות וערך לארגון 
פרויקטיי Big Data Analytics מאפשרים קבלת החלטות איכותיות ובעיקר בתחומים כגון חיזוי. יצירת "אמת אחת", שקיפות תהליכי קבלת ההחלטות, ושיפור הידע הארגוני הם יעדי הפרויקט.
מניסיון בפרויקטים של Big Data Analytics, כ- 50% מזמן ומשאבי הפיתוח מוקדשים לטיפול בשיפור איכות המידע, תכנון התהליכים הארגוניים החדשים, והכשרת משתמשי הארגון. 
מומלץ לארגון לבצע תכנון בגדול של הפרויקט, אך לבצע בצעדים קטנים ומתאימים לארגון וכאלו שייצרו תוצרים איכותיים ומהירים.
------------------------------------------------------
מוטי סדובסקי,  חבר נשיאות הלשכה לטכנולוגיות המידע. בוגר ממר"ם, מומחה מידע ומנהל חברה לייעוץ אסטרטגי ופרויקטים בהייטק.
DCS – Data Consulting Services