מה הקשר בין דאטה לחדשנות? חברות ומנהלים מבינים בשנים האחרונות שזה לא מספיק להצהיר על ארגון כ"Data driven" - הוא צריך גם להצליח לאחוז בתהליך מכל קצותיו: החל משלב איסוף המידע על שלל אתגריו, המשך בהסקת המסקנות מתוך המידע העצום שנאסף - וכלה בהטמעת התובנות הללו בתוך הארגון וכלפי הלקוחות.
בשולחן עגול בנושא "מידע וחדשנות", בשיתוף פעולה של Dell ו-tech12, אספנו בכירים מחברות שונות שהביאו אתגרים משולחן העבודה שלהם שנפתרו באמצעות ניהול מידע מתקדם.
אור לנצ'נר, מנכ"ל ברייט דאטה (Bright Data ( - המובילה העולמית באיסוף מידע פומבי מהאינטרנט - הסביר על הקשיים בתהליך האיסוף. ראשית, מדובר באתגר טכנולוגי: "האינטרנט לא נבנה למכונות", הוא מסביר בחיוך. "עמוד אינטרנט הוא ויזואלי". המשמעות היא שכדי לסרוק את המידע הפומבי באינטרנט, נדרשת קפיצת מדרגה טכנולוגית כך שהעמוד עצמו יהפוך למסד נתונים שחברות יכולות לעבוד איתו, ולהסיק ממנו את המידע הנחוץ להן.
אור לנצ'נר, מנכ"ל ברייט דאטה: "התאמת התוכן לגולש היא חיובית, אבל היא גם מייצרת מצב שבו אין מקור אחד של אמת - וצריך לדעת לאסוף את כל הגרסאות האלו"
"האתגר השני הוא אפליה", המשיך. "אם אני אשלח לכמה אנשים לינק לעמוד אי קומרס, עם מוצר - כל אחד מהם יראה מחיר קצת שונה, זמן שילוח קצת שונה, כותרת המוצר תשתנה, אולי סדר הביקורות - אולי אפילו שם המוצר יהיה אחר מגרסה לגרסה. התאמת התוכן לגולש היא גם חיובית, אבל גם מייצרת מצב שבו אין מקור אחד של אמת - וצריך לדעת לאסוף את כל הגרסאות האלו". כלומר, אתר מסחר שמעוניין לדעת בכמה מתמחרים מתחריו את המוצרים שהוא מוכר בעצמו, יתקשה מאוד לעקוב אחר כל הווריאציות השונות.
האתגר השלישי אותו הציג לנצ'נר הוא הניסיונות של החברות עצמן לחסום את האפשרות לאסוף מידע, מה שמסב לו תסכול עמוק. "בלי בושה, חלק מענקיות הטכנולוגיה מנסות לאסור גישה למידע פומבי". הוא מדגיש, כי הבעיה שלו אינה החסימה של מידע פרטי, אלא פומבי - "מידע שצריך לאסוף, אחרת לא תהיה חדשנות". כדוגמה הוא נותן את הצורך של מודלים כגון GPT לסרוק מידע פומבי. חסימה של מקורות המידע תמנע מהם עקומת שיפור הכרחית.
ניר שחר, מנהל מחלקת הדאטה של קופת חולים כללית, מוסיף אתגר ייחודי למידע רפואי: כיצד מידע שנאסף באינספור מקורות, יכול לתרגם את עצמו להתראה פשוטה שמקבל רופא מול מטופל. כאן, כמובן, נכנסת גם רגולציה. "הגנת מידע זה אחד הנושאים הכי קריטיים בכללית", הוא מסביר, "יש גם מבקר פנימי וגם רגולציה חיצונית. הנושא הזה חשוב במיוחד מבחינת הרשאות - מי יכול לראות ומתי איזה סוג של מידע, אנחנו משקיעים בזה המון המון זמן".
ניר שחר, מנהל מחלקת הדאטה של קופת חולים כללית: "אנחנו יודעים לנתח מידע של 20 שנה אחורה, ואת המידע הזה אנחנו מנגישים לרופאים"
שחר מספר כי בקופה פותח מוצר שנקרא "כללית AI", ובו ניתוח של מידע מטופלים מאפשר יצירת "אוכלוסיות", כגון אוכלוסיה שנמצאת בסיכון לחלות בסכרת. מרגע שנצבעה ה"אוכלוסיה" - הרופא יכול לדעת מי מבין המטופלים שלו נמנה על האוכלוסיה הזו, והוא מקבל התרעה רלוונטית. "אנחנו יודעים לנתח מידע של 20 שנה אחורה, הפקנו ממנו 'אוכלוסיות' עבור מחלות ספציפיות - ואת המידע הזה אנחנו מנגישים לרופאים, בתוספת ההמלצות לטיפול".
הסטארט אפ אגוואה (חברת פורטפוליו של קרן Amiti Ventures), מספק פתרונות ניהול דאטה אירגוני. דנה מזיא, סמנכ"לית אסטרטגיה ופיתוח עסקי של החברה, הציפה בשיחה את הפער בין חברות שאוספות מידע, לבין אלו שבפועל יודעות מה לעשות איתו. "מהנתונים שלנו, 85% מהארגונים יגדירו את עצמם 'דאטה דריבן', אבל בפועל - רק 25-30% מהארגונים ישתמשו במידע שהם אוספים. המשמעות היא שיש קבוצה גדולה של ארגונים שאוספת מידע ולא משתמשת בו".
דנה מזיא, סמנכ"לית אסטרטגיה ופיתוח עסקי של אגוואה: "85% מהארגונים יגדירו את עצמם 'דאטה דריבן', אבל בפועל - רק 25-30% מהארגונים ישתמשו במידע שהם אוספים
לדבריה, זה נובע מהיעדר אמון במהימנות המידע, ומהיעדר גישה נוחה. התשובה לכך היא התייחסות לדאטה כמוצר - מוצר שצריך לבחון את השימושים בו, להיות בקשר עם הלקוחות ולטייב שוב ושוב את הפרודקט. "אני חושבת שהמילה החשובה פה היא ערך - וואליו. לא מספיק להנגיש דאטה, צריך לעשות את הסייקל המלא שעושים עם כל מוצר, כדי להשיא ממנו את הערך למשתמשים, בין אם הם בתוך החברה או בין אם הם מחוץ לה".
דודי כרמי, שותף מנהל ייעוץ טכנולוגי ב-EY, מסכים שיש אתגר בנוגע לאמינות המידע. "הרבה היום פונים ל'ביג פור' (ארגוני הייעוץ המובילים, א"ז) - 'תנו לנו אישור שהדאטה אמין'. יש ארגונים שדאטה זה הכל עבורם, ועכשיו התחלנו לעשות חוות דעת על הנושא: האם הדאטה נוהל כמו שצריך? אילו מניפלוציות נערכו עליו? האם נשארו עקבות? האם הוא יעמוד בדרישות רגולציה עתידיות?"
עומרי קוהל, מנכ"ל ומייסד חברת ניתוח הנתונים העסקיים פירמיד אנליטיקס (Pyramid Analytics), מוסיף: "זה אתגר גדול להפוך להיות דאטה דריבן. מנהלים ותיקים באים עם ניסיון ואינטואיציה, האנליסטים מראים להם מספרים והם דופקים על השולחן ואומרים 'הכל שטויות'", הוא מחייך. "בסוף אנחנו צריכים להחליט מה עושים עם הדאטה ולא משנה כמה קסמים אנחנו עושים עם הדאטה - האתגר הוא כמעט תמיד תהליך ההטמעה. עבור ארגון זה אתגר מורכב כי אנשים הם אמוציונליים, ודאטה הוא חד-חד ערכי. ולכן אנחנו הרבה פעמים מפרשים את המידע בהמון דרכים".
לדבריו, הבעיה המרכזית של בני אדם היא אמון - וזה אחד האתגרים של טכנולוגיה, "לייצר ערך ואמון". נקודת האור, לדבריו, היא שעם הזמן, דאטה הפוך להיות מקור סמכות. מידע הופך להיות זמין ונגיש, ויש אימוץ הולך ועולה שלו בתהליכי קבלת החלטות - שבעבר היו מסתמכים בהם על דעות, עמדות או פרטים.
דוגמה לתהליך קבלת החלטות שמבוסס על איסוף מידע בהיקף משמעותי הביא עומר אונגר, מנכ"ל מאסטרקארד ישראל. בעולם התיירות, יש משמעות לשביעות הרצון של תיירים מהמדינה שבה הם מבקרים, אבל באופן טבעי גם להוצאות שלהם ביעד. "הסיקרט סוס שלנו הוא שאנחנו יודעים כמה הם הוציאו בפועל - זה מידע כמובן מותמם, אגרגטיבי וסטטיסטי, אנחנו לא יודעים לחבר אותו לבן אדם ספציפי. אבל כשמסתכלים על הדאטה אפשר לראות, למשל, שתיירים שמגיעים מאוסטריה, שוויץ או איטליה - מוציאים פחות מתיירים שמגיעים מהולנד. המידע הזה צריך לתרגם את עצמו לקמפיינים עבור הולנדים, שיבואו לבקר בישראל.
עומרי קוהל, פירמיד אנליטיקס: "זה אתגר גדול להפוך להיות דאטה דריבן. מנהלים ותיקים באים עם ניסיון ואינטואיציה, האנליסטים מראים להם מספרים והם דופקים על השולחן ואומרים 'הכל שטויות'"
"דוגמה נוספת היא למשל ההבדלים בין ירושלים ותל אביב. ב'טופ 10' של תיירים בירושלים, יש תיירים ממקסיקו וברזיל - שלא רואים בתל אביב יעד, כי זו תיירות דתית. זו מסקנה שצריך לפעול מולה. בואו נתמוך את התיירים האלה, למשל, במורי דרך רלוונטיים, באנשי מקצוע". לדברי אונגר, השיח הזה - שמתנהל, בעצם, בין מגזר פרטי לציבורי - עובד היטב מחוץ לישראל, בארץ הוא רק מתחיל למצות את הפוטנציאל שלו.
עומר אונגר, מנכ"ל מאסטרקארד ישראל: "הסיקרט סוס שלנו הוא שאנחנו יודעים כמה תיירים הוציאו בפועל. תיירים שמגיעים מאוסטריה, שוויץ או איטליה למשל - מוציאים פחות מתיירים שמגיעים מהולנד"
הילה מילוא, מנהלת אגף תהליכים ודאטה בקבוצת שופרסל, הציפה את האתגר שעמו מתמודדים בארגון, ואיך ניהול נכון של תובנות מידע סייע להם לפתור אותו. "האתגר שלנו הוא תיעדוף", מפרטת מילוא. "הרי מבחינה טכנולוגית, לכאורה, הכל אפשרי - זה רק עניין של משאבים. אבל ניקח לדוגמה זמינות פריטים על המדף. זה אתגר מטורף, שנוגע בשרשרת אספקה ותחזיות ביקוש ותהליכים מורכבים ברמה אנליטית וכמובן מעורבים גם בני אדם בתהליך". עם זאת, כשמנהלים את המדפים בחנות הפיזית, האתגר הזה פתיר על ידי הלקוח, אם אין את המוצר הספציפי שהוא מעוניין בו - הוא יקח מוצר אחר.
אבל מה קורה במסחר מקוון? מישהו אחר מלקט את ההזמנה, ולאחרונה מדובר אפילו לא במלקט אנושי, כי אם ברובוטים. איך הרובוט יודע אילו חלופות להציע ללקוח, כשאין את הפריט שהזמין? "בנינו מודל מורכב שמסתכל על איך הלקוח מגיב למה שהמלקט הציע לו", מסבירה מילוא. "בעצם, אנחנו יכולים להשתמש באינטגרציות עבר - כשהיה חוסר, ומה הלקוחות בחרו. מתוך זה אנחנו מאמנים את המודל. ככל שהזמן יעבור ויהיה יותר ויותר ליקוט רובוטי, המודל יהיה יותר אותנטי וישקף הצלחה אמיתית. אני חושבת שזה תהליך מאד ארוך", היא אומרת בכנות, אבל השמיים הם הגבול: "למה שלא יהיה מודל נפרד לכל אזור אחר בארץ? ולמה שהוא לא יהיה לגמרי פרסונלי? אם היינו יכולים ברמה הזו היינו עושים את זה, אלה סוגיות שבחרנו עוד לא להתמודד איתן".
ליאור פוני, מנכ"ל Dell ישראל, סבור שהאתגרים הנוכחיים, כולל אלה שהוצפו בשולחן העגול הנוכחי, הם כאין וכאפס למה שיציף תחום ה-AI הגנרטיבי. "הבינה המלאכותית תעזור לי לקבל כמעט את ההחלטה המוגמרת, ותעשה את השילוב בין הדאשבורדים. אנחנו ב-Dell מפתחים כלים לאחסון המידע ויש כלים שכבר מנגישים תובנות למשתמש, כבר בשלב הזה. כלומר, בתוך המוצרים הללו אנחנו מייצרים כבר את ההמלצה להחלטה בזמן אמת. ונראה יותר ויותר את הדברים הולכים לכיוונים האלו".
ליאור פוני, מנכ"ל Dell ישראל: "הדיבור היום על קבלת החלטות הוא כבר אולד פאשן, עוד 5 שנים מהיום כל זה יהיה היסטוריה. כל ההחלטות יתקבלו בצורה אוטומטית, ולא נראה כמעט מעורבות אנושית בתהליך"
עידו מוליחי, מנהל טכנולוגי בכיר מ-Dell, סיכם והוסיף: "אין ספק שאנחנו נמצאים בנקודה סינגולרית, מה שהיה כבר לא רלוונטי, ומה שיהיה הוא כבר לא הולדה של חיבור רצף האירועים שהיו. הגנטיקה הטכנולוגית השתנתה לחלוטין וזה פוגש אותנו בכל התחומים. עם זאת, האתגר הנוכחי בין השאר, הוא הסקיילביליות של התהליך".
עידו מוליחי, Dell: "אנחנו נמצאים בנקודה סינגולרית, מה שהיה כבר לא רלוונטי. הגנטיקה הטכנולוגית השתנתה לחלוטין וזה פוגש אותנו בכל התחומים. האתגר הנוכחי בין השאר, הוא הסקיילביליות של התהליך"
לדבריו, "פרויקטים מסוג כזה, של איסוף מידע וניתוח שלו, הם לא צפויים - הן מבחינת כמות המידע שנאגר והן בכוח העיבוד אשר נדרש כדי לעבד אותו, בוודאי עם התקדמות הפרויקט וטיוב המודלים והפרמטרים אותם אנחנו מוסיפים למודל. עלינו להבטיח כי בלחיצת כפתור המשאבים יהיו זמינים לנו". מוליחי מוסיף כי מה שמאפשר את התהליך אלו תשתיות AI מתקדמות הנשענות על ארכיטקטורת Cloud Native עם כלי אוטומציה אינהרנטיים, ואף מביא כדוגמה את בין ארכיטקטורת העיבוד המודרנית של AMD.
