למה כ"כ הרבה אנליזה הופכת לכ"כ מעט שיפור בתוצאות

בעשור האחרון השתפרה משמעותית היכולת של חברות לאסוף, לאחסן ולנתח מידע רב על הפעילות העסקית שלהן. הזמינות המשופרת והקיטון בעלויות יצרו מצב בו חברות רבות אוספות כמוית עצומות של מידע על כמעט כל פעולה שמתרחשת בעסק שלהן. כל חברה הפכה לחברת דאטה, והמושג Data-driven (ביסוס החלטות עסקיות על תובנות מבוססות דאטה) הפך ל-Buzzword שכיח.

קלישאת ה-Data-driven

למה קלישאה? כי זה שחברה אוספת המון דאטה ומשקיעה המון משאבים בלנתח אותו לא אומר שההחלטות העסקיות בה מתקבלות על בסיס תובנות מהמידע הזה. על אף יכולות טכנולוגיות משופרות לטפל בדאטה כיום, מעטות החברות בהן יש תרבות עבודה בה תוצאות מאנליזות הופכות לא רק לידע, אלא גם לתובנות עסקיות המניעות פעולות שבאמת משפרות את ביצועי החברה. גם הרוב המוחלט של מנהלים בכירים בחברות מובילות מרגישים כך (רק 37.8% , על פי הסקר הזה, שנערך בקרב 70 חברות מהמובילות בעולם, מרגישים שהארגון שלהם הוא באמת Data-driven), ולא במקרה.

על אף יכולות טכנולוגיות משופרות לטפל בדאטה כיום, מעטות החברות בהן יש תרבות עבודה בה תוצאות מאנליזות הופכות לא רק לידע, אלא גם לתובנות עסקיות המניעות פעולות שבאמת משפרות את ביצועי החברה

החברה שלכם באמת Data-driven? בידקו את עצמכם

1. כמה מההחלטות העסקיות בחברה שלכם הן תוצאה של תובנות עסקיות מדאטה? וכמה לעומת זאת היו מבוססות על תחושת בטן, ניסיון והיכרות עם החברה והשוק או שמירה על המצב הקיים? (שימו לב - העובדה שהיה אנליסט בחדר בו התקבלו ההחלטות ו/או היתה לו מצגת עם נתונים ו/או הוא הציג אותם, לא אומר שההחלטות התקבלו בהתבסס עליהם)

2. איזה שיעור מהניתוחים שבוצעו ברבעון האחרון הפכו ל-Action Items או KPIs אשר הניעו תהליך שהביא בסופו של דבר לשיפור בביצועי החברה? כמה ניתוחים בוצעו, הפכו לידע וסיימו שם את תפקידם? מחקר של Gartner מראה שרק כ- 20% מהתובנות הופכות לתוצאות עסקיות

3. האם בארגון שלכם קיימת מסגרת עבודה המאפשרת לעובדים להפוך מסקנות מניתוחים לתוצאות עסקיות? האם אתם בטוחים שתובנות עסקיות חשובות שעולות בניתוחים של המחלקות השונות מניעות פעולות רלבנטיות המביאות לשיפור ביצועים ולא נופלות בין הכסאות?

איפה הכסף?

ישאל המנכ"ל שהשקיע המון כסף במחלקת BI / מחלקת AI / חשבון Data warehouse מנופח. איך יכול להיות שכל כך הרבה משאבים מושקעים, אבל בפועל שוב קיבלנו החלטות על סמך תחושות בטן?

המעבר בין דאטה גולמי לשיפור תוצאות עסקיות הינו תהליך מורכב שיש בו הרבה נקודות כשל פוטנציאליות. שתי הסיבות העקריות לכך הן -

1. המידע לא מנותח בצורה מוכוונת שיפור ביצועים (ולכן הופך לידע ולא ל-Action items)

2. אין תהליך תומך ותרבות ארגונית שיאפשרו לתובנות שעולות להפוך לפעולות משפרות ביצועים

כדי לטפל בשתי הבעיות האלו יש המון מה לעשות. אתם יכולים להתחיל מ-8 הצעדים הבאים.

---

8 צעדים שישפרו את היכולת של החברה שלכם להפוך דאטה לפעולות משפרות ביצועים

הנה 8 דברים שכדאי לוודא שקורים בחברה שלכם, החל באופן ביצוע הניתוחים ועד שלב ההוצאה לפועל של המסקנות, שיכולים לשפר את הסיכוי שההחלטה הבאה בחברה שלכם תהיה באמת מבוססת על דאטה . גם אם אתם לא מבצעים את הניתוחים בעצמכם, תוכלו לוודא שהתהליכים הנכונים מבוצעים על ידי אלו שכן -

1. הבינו את התהליך העסקי שאתה הולכים לנתח - לנסות לנתח תוצאות של תהליך או פעילות עסקית בלי להכיר אותם לעומק, שקול לנסיון ההבנה של עיוור במשל העוורים והפיל - המסקנות יהיו (במקרה הטוב) שטחיות או (במקרה הגרוע) לא מחוברות למציאות. לפני שניגשים לניתוח, יש להבין את היסטוריית הביצועים של התהליך, מה המצב הקיים ומה המטרות לעתיד. אחת הדרכים הטובות לשפר את ההיכרות עם תהליך או פעילות היא לראיין גורמים רלבנטיים בארגון שאחראים על התהליך ולקבל מהם תובנות והסברים. גם אם הם לא אנשי אנליזה, הסבירו להם מה הניתוח שאתם הולכים לבצע ולאן אתם מנסים להגיע, לעיתים תקבלו מהם תובנות שיחסכו לכם זמן רב.

2. הגדירו טוב יותר את השאלות העסקיות שלכם - ניתוח שלא מוכוון לענות על שאלות מוגדרות זה כמו לצאת למסע בלי יעד - כנראה שתגיעו לאנשהו, השאלה אם זה מה שחיפשתם. השיטה של נבירה בנתונים בתקווה שפתאום יקפצו לנו תובנות משמעותיות או שכמות גדולה של דאטה תתנקז פתאום למסקנה איכותית בעצמה, פשוט לא עובדת. זאת הדרך הנכונה לעשות את זה -

   1. להחליט מראש מה מטרת הניתוח שאנחנו הולכים לבצע ומה אנחנו מנסים ללמוד מהדאטה.

   2. לנסח, באופן מדויק כמה שניתן, את השאלות שעליהן ננסה לענות. כתבו את השאלות שניסחתם(!) ודאגו שהם יעמדו לכם מול העיניים במהלך הניתוח. שאלות שישארו בראש יישכחו, ופתאום באמצע הניתוח תשימו לב שאתם עונים על שאלות אחרות לגמרי.

   3. כשמנסחים את השאלות חשוב מאוד לשים לב - האם תשובה עליהן יכולה להפוך לתובנה עסקית שאפשר לעשות איתה משהו? מאמר חשוב ב-HBR מסביר את המאפיינים של שאלות שמראש יש סיכוי גבוה יותר שיהפכו ל-Action items לעומת שאלות שגם אם תצליחו לענות עליהן, סביר שיישארו בגדר תובנות תיאורתיות בלבד.

3. נסחו היפותזה ברורה - כתבו את ההשערה שלכם בצורה שתגרום לכם להיות יותר ממוקדים בחיפוש תשובות לשאלות שהגדרתם ותמנע בזבוז זמן על מסקנות שיהיו אולי מעניינות, אבל כנראה שלא יוכלו להוביל לפעולה שתביא לשיפור ביצועים. ההשערה צריכה להיות מורכבת משני חלקים עיקריים:

   1. אני צופה שאני אמצא ______________ (זוהי ההיפותזה)

   2. אם אני צודק, מה שנעשה כדי לשפר / לתקן את המצב הנוכחי הוא _____________ (זהו ה-Action-Item).

4. נתחו את הדאטה באופן מוכוון מסקנות איכותיות - קצרה היריעה מלדון לעומק בביצוע ניתוחים בצורה נכונה, מה גם שקיימים המון סוגי ניתוחים וההתייחסות צריכה להיות פרטנית. עם זאת, אלו כמה דגשים שיכולים לסייע להרבה ניתוחים להפוך לרלוונטיים ומדויקים יותר:

   1. בצעו השוואה של התוצאות להשערה שקבעתם לפני הניתוח - בדיקה למה התוצאה שונה משציפינו יכולה ללמד אותנו הרבה. האם ההיפותזה שלנו היתה נכונה? האם ה-Action items שהגדרנו באמת צריכים לצאת לפועל או שעלינו לבחור אחרים?

   2. בחרו את טווחי הזמן הנכונים - בחינה של תקופת זמן קצרה מדי או ארוכה מדי יכולה לגרום לפספוס התוצאה החשובה באמת.

   3. שימו לב לחסרונות של סכימות וממוצעים - אלו חשובים להבנה של התמונה הכוללת, אך לפעמים מטבעם, מסתירים את המסקנות האמיתיות.

   4. סגמנטציה - במקרים רבים המסקנות האיכותיות והחשובות ביותר יתגלו רק שתסתכלו על הנתונים והתוצאות בחלוקה לקבוצות הרלבנטיות.

   5. ביצוע השוואות - הרבה מהמסקנות החשובות יקפצו לעין משינויים ופערים לעומת תוצאות בתקופות קודמות, לעומת התקציב והיעדים של החברה או מול נתוני השוק והתחרות.

   6. אל תסתפקו בתובנות שטחיות ב-high level - הרבה פעמים נדרש ביצוע של ניתוח המשך כדי להגיע למסקנה האמיתית.

5. זום אאוט לבדיקת המסקנות - סיימתם את הניתוח? התנתקו ממנו למעט זמן ותעברו לעשות משהו אחר. לאחר מכן חזרו בראש נקי ובצעו מעבר נוסף על הניתוח והמסקנות בעיניים ביקורתיות ואובייקטיביות, כאילו שאתם בודקים מסקנות של מישהו אחר. מה המטרה? לפעמים מרוב שאנחנו דשים בנתונים ובניתוח אנחנו מפספסים דברים שקצת זום אאוט יכול לתקן, לדוגמא - שמבחינה מספרית אין לנו טעויות אבל אין הגיון עסקי במסקנות שאנחנו מעלים. אם בגלל קוצר זמן האופציה הזאת פחות רלבנטית, גם דיון עם קולגות על הניתוח והתוצאות יכול לגרום לחשיבה ביקורתית ולהביא לתוצאה הרצויה.

6. ויזואליזציה - גם על נושא הצגת המסקנות אפשר כמובן לכתוב ספרים שלמים. הנה כמה טיפים שעוזרים לי להציג מסקנות מניתוחים שאני מבצע באופן ברור שיגביר את הסיכוי שהמסקנות יהפכו לפעולות עסקיות -

   1. נשמע מובן מאליו - אבל את בחירת אופן ההצגה של המסקנות שמרו לסיום הניתוח.

   2. אל תזלזלו באסטתיקה של הצגת המסקנות - לאנשים יותר קל להסכים עם מסקנות שארוזות בתוצרים שנראים טוב.

   3. הצגת מסקנות נכונה היא סיפור טוב שצריך לכלול את כל החלקים הבאים -

      1. מה המצב הקיים

      2. אלו ניתוחים ביצענו

      3. מהן המסקנות שעלו מהניתוח

      4. מה צפויה להיות ההשפעה של הטמעת המסקנות על תוצאות פעילות החברה

      5. מהם ה-Action Items שעולים מהמסקנות ואיך אנחנו מתכננים להוציא אותם לפועל

7. צרו המשכיות לניתוח - ביצוע ניתוח והסקת מסקנות הם אינם אירוע חד פעמי אלא תהליך מתפתח ודינאמי. כדי לוודא שהתהליך שבוצע מוביל לתוצאות הרצויות נדרש:

   1. ביצוע פולו-אפ - יש לוודא שההחלטות מהניתוח הראשוני יוצאות אל הפועל.

   2. מוניטורינג - בתרבות עבודה אמיתית של החלטות מבוססות דאטה, כל החלטה שנלקחת, גם בהמשך התהליך, תהיה מבוססת על הנתונים המעודכנים והרלוונטיים ביותר. דאטה, מטבעו, מתעדכן ומשתנה. יש צורך לדאוג לקיום של סביבה שמשתפרת באופן מתמשך ולבדוק בכל פעם האם יש לעדכן את המסקנות הקיימות לאור מידע חדש.

8. סיימתם? זוהי רק ההתחלה - כדי לקבע תרבות Data driven, עליכם לדאוג שיקרו הצעדים הבאים -

   1. המסקנות שלכם צריכות להיות חלק מהיעדים - עובדי המחלקות השונות עסוקים מדי בשביל להתעסק בנתונים וניתוחים שאינם חלק מהיעדים שהוגדרו להם. רוצים שמישהו יתייחס למסקנות החשובות שלכם והן יהפכו לשינויים עסקיים בפועל? הגדירו באמצעותן הצלחה וכישלון עבור הצוותים הרלבנטיים.

   2. שפרו את הגישה של אחרים לדאטה שלכם - אם המסקנות המעודכנות לא יעמדו כל הזמן מול עיניהם של העובדים הרלבנטיים, הם לא ישתמשו בהן. צרו דשבורד מתעדכן / שלחו דוח שבועי עם התוצאות המעודכנות והעמידה ביעדים, כדי שאלו יגרמו לצוותים השונים לשים לב כל הזמן ולפעול לכיוון היעדים שהוצבו. בישיבות רלבנטיות תדאגו שיעברו על הנתונים המעודכנים האלו. אם זה לא יקרה באופן שוטף, המסקנות יעלמו בהמולת היום-יום ויהפכו במקרה הטוב לידע תיאורטי.

---

לגשר על הפער - האנשים שיכולים להביא את השינוי

המאמץ להפוך לחברה שמבססת את ההחלטות שלה על דאטה הוא חוצה חברה ודורש התגייסות והבנה של התהליך על ידי חלק גדול מהעובדים. אבל לפעמים גם התגייסות כוללת כזאת עלולה לא להספיק. במקרים רבים קיים פער בין אנשי האנליזה, שעסוקים בביצוע ניתוחים ולא תמיד יש להם את היכולות האישיות להוביל תהליכים חוצי ארגון, לבין אנשי הצוותים המקצועיים, כמו השיווק, הפיתוח והמוצר, שהם אנשי מקצוע שעסוקים באופן טבעי בתחומי האחריות שלהם. בתוך הפער הזה שבין אנשי האנליזה לצוותים העסקיים של החברה, נופלות לא פעם תובנות עסקיות חשובות, אשר חלקן יכלו להביא שינוי מהותי בחברה, אך לא ייצאו לפועל לעולם.

איך אפשר לדאוג לגשר על הפער הזה? יותר ויותר חברות מבינות שהן זקוקות לעובדים שזה תפקידם - אנשים בעלי הבנה עסקית עמוקה וידע נרחב באנליזה מצד אחד, ובנוסף בעלי יכולות וסמכות להוביל מהלכים חוצי ארגון כדי להטמיע שינויים משמעותיים שהדרישה אליהן עלתה כתוצאה ממסקנות של ניתוחים. זהו נושא מורכב וחשוב ושווה התייחסות והרחבה בפוסט נפרד.

סיכום

ברור לכולם היום שחברה שתבסס את ההחלטות שלה על תובנות איכותיות מניתוח הדאטה שלה, תשפר משמעותית את היכולת שלה לקחת החלטות שיזניקו אותה קדימה. עם זאת, יצירת תרבות ארגונית בה מידע הופך לפעולות עסקיות משפרות ביצועים והחלטות מתקבלות על בסיס ניתוח נתונים, היא לא משהו שיקרה מעצמו. אם לא תדאגו שזה יקרה, המשאבים היקרים שאתם משקיעים באיסוף וניתוח המידע שלכם יהפכו לידע תיאורטי, והחלטות עסקיות ימשיכו להתבסס על תחושות בטן. בהרבה מקרים אני מאמין מאוד בתחושות בטן של אנשים מוכשרים, אבל כתוכנית עבודה, זה לא משהו שהיינו רוצים לתלות בו את סיכויי ההצלחה שלנו.