פינת החדשנות
מיכל זיגלמן - פיזיקאית, מומחית לאסטרטגיה, חדשנות וקבלת החלטות בתנאי מורכבות ואי ודאות, מייסדת ומנכ"ל Duality, מפתחת שיטת הניהול הדואלי Bimodal ManagementTM
ארגונים יושביםעל מכרהזהב שלנתונים. בעידן הבינה המלאכותית (AI), למידת מכונה (ML) ועולם שמאיץ לעבר האינטרנט של הדברים (IOT), כמות הנתונים הנצברת גדלה אקספוננציאלית ואף זמינה לעוד ועוד ארגונים. בידיו של כל ארגון נמצאים לכאורה הכלים כדי להיות חדשן וצומח. מתוך הכרה בחשיבותם הקריטית של נתונים לקבלת החלטות עסקיות איכותיות, ומתוך ההבנה שנתונים הם משאב גולמי שיש לזקק ולעבד כדי להפיק ממנו ערך עסקי (״הנפט החדש״), ארגונים רבים אף משקיעים משאבים אדירים בניהול הנתונים שברשותם במסגרת תפיסת משילות נתונים (Data Governance), שכל מטרתה היא למצות את הערך העסקי הגלום בנתונים. למרות כל זאת, רוב תכניות משילות הנתונים כיום אינן יעילות ואחוז קטן בלבד מהארגונים משכילים לשחרראת העוצמההטמונה בנתונים שבידיהם כדי לקדם חדשנות ויתרון תחרותי.
עמית ג׳ושי, פרופסור לבינהמלאכותית, אנליטיקה ואסטרטגיהשיווקית בביה״ס למנהל עסקים IMD בשוויץ, מיישם את תפיסת ״פירמידת הצרכים״ של הפסיכולוג האמריקאי אברהם מסלאו בעולם הנתונים. ההתייחסות למשילות נתונים כהיררכיה של מסלאו, עשויה לתרום להכרה של מנהלים בשלושה שלבים שהם חיוניים בתהליך הפיכת הנתונים שבידי הארגון לנכס תחרותי. במאמר זה נעשה שימוש במודל זה כדי להאיר כמה אספקטים חשובים בדרכו של ארגון להפוך נתונים למקור של חדשנות.
שלב א׳ - ניהול:
· השקיעו בארגוןוניקוי הנתונים
בתחתית הפירמידהנמצא איסוף, אחסון, ניקוי וארגון הנתונים. סקר בקרב מדעני נתונים מראה שכ -80% מהזמן והמשאבים של חברות מושקעיםבאיסוף הנתונים ובניקוי ״העשבים השוטים״ מתוכם. זהו שלב בו מידע גולמי מסונן כדי להפיק ממנו מידע נקי ורלבנטי. ללא תהליכים מתאימים לניהולומיון נתונים אין טעם אפילו להתחילעם ניתוחים. מידע לא איכותי שיכנס למודלים הממוחשבים יוביל את החברה לתובנות גרועות שהן בסיס להחלטות גרועות.
לעתים קרובותלחברות אין את התשתיתוהכלים הנכונים כדילארגן נכוןאת הנתוניםהדרושים להן. לדוגמה, ארגון שולח שוברי הנחה ללקוחותכדי לעודדאותם לקנותיותר ממוצרמסוים, אך הנתונים על הרכישות של מוצר זהועל רכישות מוצרים אחרים של הארגון עשוייםלהיות מוסתריםבשרתים נפרדים שאינם ״מדברים״ האחד עם השני. ללא הצלבת המקורות וגישה לנתוניםנקיים ורלבנטיים החברה תתקשה לנתח את העדפות הלקוחותאו להצביע על מגמה החבויה בנתונים.
· זהו את הבעיה שברצונכםלפתור
ארגונים רבים מייצרים מסדי נתונים שהופכים לפילים לבנים, עלותם בנייתם גבוהה ובסופו של דבר הם יושבים עלשרת כלשהוללא יישום. כצעד ראשון ארגון חייב להגדיר היטב מהי הבעיה שברצונו לפתור, לשאול את השאלות הנכונות כדי לשלוף את המידע הרלבנטי מתוך ים הנתונים ולהנגיש אותו לאנשיםשמנסים לייצר פתרון חדשני לאותה בעיה.
שלב ב׳ - חקר ולמידה:
· גייסו אנשים מתאימים לפיענוחהנתונים
כדי להפיקמידע שישמש בסיס איתן לקבלת החלטות עסקיות, לא די לארגון בגיוס צבא של אנליסטים. עליו לוודא שישלאנשיו את הכישורים הנדרשים גם כדי להפיק את התובנות ולתרגם אותן לפעולות מעשיות. מדען נתוניםטוב ידעלזהות את סוג הנתוניםהנכון כדילפתור אתהבעיה, אבל לעתים קרובותתוצאות עבודתו עשויות להיות עמומות מבחינת הפרקטיקה. אנליסט עסקיטוב ידעלהבין את המספרים ולהפוךאותם לתובנותמעשיות, לדוגמה: ״עלינו להגדיל אתשיחות המכירה משלוש לארבע בחודש", או ״עלינו לשנות אתהתמחור שלנו מ- X ל- “Y.
· צרו צוותים חוצי פונקציות לפתרון הבעיה
עבודה ב״סילוס״ והעדר תקשורת ושיתוף ידע בין צוותים הם מתכון לפתרונות לא אפקטיביים ולהחמצת הזדמנויות לפתרונות חדשניים. למשל, לעתים מדענינתונים ומחלקותIT יישבו בנפרד ממשתמשיהקצה. המידע והתובנות אינם מוצלבים ו״מדברים״ זה עם זה. חברת דיסני היא דוגמה לארגון שמיטיב לקדם חדשנות באמצעות פתרונות חוצי צוותים. דיסני עושה שימוש מוצלח במיוחדבביג דאטהובלמידת מכונה כדילשפר אתחוויית הלקוח בפארקיהשעשועים ובאתרי הנופששלה. החברהמעסיקה כ -1,000 עובדים, בנוסף לספקים, הפועלים בסנכרון מלא ביניהם כדי לבנות יכולות ניתוח מתקדמות ולמצות נתוניםבמטרה לייעלכל פקטור עסקי בחברה, החל מלוגיסטיקה של פארקישעשועים ועד לתמחורכרטיסים והפקת סרטים.
· מידת החדשנות טמונה בשאלות שתשאלו על הנתונים
ארגונים משקיעים משאבים עצומים בתשתיות יקרות, בתוכנות ובכוח אדם ייעודי במטרה להפיק ערך חדשני מהמידע העצום שעומד לרשותם. הם נוטים להשקיע הרבה פחות בהגדרת השאלות האסטרטגיות שישמשו תשתית לעבודה עם הנתונים, או בטיפוח תרבות שמעודדת שאילת שאלות. בחלק מהארגונים שאילת שאלות פרובוקטיביות נתפסת כשיבוש שמערער את הסדר ומעכב התקדמות. השאלות שארגון בוחר לשאול על הנתונים - הן אלו שיקבעו את מידת החדשנות והיתרון שלו לטווח הארוך בשוק התזזיתי.
השאלות שארגון יכול לשאול על הנתונים שברשותו נחלקות לשני סוגים מהותיים:
סוג א׳ - שאלות קונפורמיות
אלו כוללות שאילתות קבועות ומובנות, כמו: מדוע צנחו ההכנסות ברבעון האחרון ממוצר מסוים? איך נגביר את כמות הלחיצות על כפתור Pay באתר? או - איך נהפוך את המוצר ליעיל ואטרקטיבי יותר? איך נצא לשוק לפני המתחרים?
הן מכוונות לגלות שינויים צפויים, מובילות בד״כ לתובנות נקודתיות לגבי מוצר, שרות או ביצועים, משמרות את הסטטוס קוו. האנליזה המסורתית של דאטה (BI מהדור הישן) מאופיינת בשאלות מסוג זה, מתחילה בשאלה ספציפית והשערה כלשהי לגבי אותה שאלה. התהליך יחסית מובנה.
שאלות מסוג 1 מקדמות חדשנות משפרת (Sustaining innovation) - זוהי חדשנות שמתמקדת בשיפור מוצרים/שירותים קיימים, עבור הלקוחותהקיימים. היא אינה יוצרת שווקים חדשים או מודל עסקי חדש, אלא מתמקדת במיצוי המודל העסקי הקיים.
סוג ב׳ - שאלות משבשות
לדוגמה: איך נהפוך שירות חיוני, שכיום הוא מזעזע מבחינת חווית משתמש, למדהים ומרגש לצרכן? (חברת למונייד)
באיזה עוד דרכים מפתיעות הלקוחות משתמשים במוצר שלנו? מהם התחליפים שלקוחות מוצאים למוצר/לשרות שלנו?
מיהם הלקוחות שאינם מצליחים ליהנות מהשירות שלנו למרות שהם זקוקים לו?
שאלות מסוג זה מזמינות חקר (exploration) חופשי ויצירתי על הנתונים. מאלצות את אנשי הארגון להתעלות מעל הפרטים הגלויים, להסתכל מערכתית, להתחקות אחר דפוסי התנהגות ומחזוריות של הנתונים, במטרה לזהות מגמות וקורלציות סמויות. הן מאתגרות בהתמדה וללא פחד את החשיבה הקונפורמית, מייצרות נקודות מבט אסטרטגיות ותובנות עסקיות מפתיעות על מה שיש כיום ומה יכול להיות בעתיד. אנליזה של ביג דאטה (BI מהדור החדש) מאופיינת בשאלות מהסוג הזה. מתחילה בהסתכלות על הנתונים דרך סט רחב של שאלות עסקיות. זהו תהליך חקר איטרטיבי, הרבה פחות מובנה, לרוב אין עליו תשובה מיידית.
שאלות מסוג 2 מקדמות חדשנות משבשת (Disruptive innovation) - תהליך של פיתוח מוצר, שירות או מודל עסקי חדש. הפיתוח המשבש מיועד לפלחי שוק וללקוחות חדשים שאינם צורכים כיום את המוצרים הקיימים מסיבות שונות. מציע ערך חדש בדרכים שהשוק לא ציפה להן.
ארגונים, באופן טבעי, נוטים להתמקד בשאלות הקונפורמיות המשמרות את הסדר, היציבות ואת הפרדיגמות הארגוניות. בשוק התזזיתי, במוקדם או במאוחר כל ארגון יעבור שיבוש. כדי להמשיך לצמוח בטווח הקצר וגם הארוך, ארגון נדרש לשאול את שני סוגי השאלות במטרה להניע בו זמנית את שני סוגי החדשנות: חדשנות משפרת, שתאפשר לו להמשיך לייצר ערך עדכני ללקוחותיו בטווח הקצר, ובמקביל, חדשנות משבשת, שתפתח בפניו שווקים נוספים ואפיקי צמיחה חדשים בטווח הארוך.
שלב ג׳ - ביצוע:
שלב הביצוע, ראש הפירמידה, מתייחס לנקיטת פעולות אסטרטגיות ואמיצות על בסיס ההמלצות מניתוח הנתונים, לעיתים בניגוד למסריםהפופולריים. אחד הכשלים של ארגונים בהפקת ערך מנתונים נמצא בשלב הביצוע. גם חברותשברשותן תשתית נתוניםאיכותית, חסרות לעיתים את היכולתלהפיק ממנה ערך עסקי.
· הסתכלו קונקרטי, הסתכלו מורכב - אתגר דואלי
אחת הסיבות לכשל בביצוע היא הקושי של מנהלים להתעלות מעבר למידע הקונקרטי ולראות רחב ומורכב. נתונים טומנים בחובם שני סוגים של מידע: מידע קונקרטי מוחשי, גלוי ומידע אינטואיטיבי מופשט, סמוי, הטמון בהקשרים שבין הנתונים ובמגמות העולות מהם. מנהיגים עסקייםצריכים להפעיל אינטואיציה כדי לזהות את התופעות הטמונות בנתונים ולהפוך אותן להחלטות עסקיות פרקטיות.
· נטרלו את הילת המסתורין המתלווה לניתוח נתונים
סיבה נוספת לכשל הביצוע היא מנהלים ועובדים שחשים מאוימיםמעבודה עם נתונים ומאמינים, בטעות,שעליהם להיות אנליסטיםאו מדענינתונים כדי להביןנתונים. ריבוי של כלים חדשניים ותוכנות אינטואיטיביות, שכבר מתחילים להיות זמינים בשוק, יאפשר לכל אדם בארגון, ללא קשר לידע הטכנישלו, לרתום את הנתונים כדי לייצר ערך.
לסיכום:
נתונים - אכן ״מכרה זהב״, אך אינם ערובה לצמיחה ולחדשנות של ארגון. כדי להפוך את המשאב הגולמי הזה לנכס בעל ערך חדשני אסטרטגי, ארגון נדרש לקיים תהליך ארוך, יקר ורב אתגרים. נתונים ישמשו מקור עשיר ומתמשך לחדשנות עבור אותם ארגונים שישכילו לעבוד איתם בצורה אסטרטגית: לנהל תשתיות איסוף וניקוי, להפעיל ״חקר חכם״ המכוון ליעדיו האסטרטגיים של הארגון, מעבר לתובנות הקונקרטיות הרוטיניות שהנתונים יכולים לספק.
ארגון שנצמד לוודאות ומתמיד לשאול שאלות קונפורמיות על הנתונים, ימצא עצמו מקדם בעיקר חדשנות משפרת. ארגון השואף לא רק לשרוד אלא גם לצמוח בשוק משבש, חייב לשאול בהתמדה שאלות משבשות, הן מנוע הצמיחה והתחרותיות של הארגון לטווח הארוך.
