Analytics 2014

Published on June 2016 | Categories: Documents | Downloads: 40 | Comments: 0 | Views: 559
of x
Download PDF   Embed   Report

Analytics 2014

Comments

Content

Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444

‫עגול‬-‫סיכום מפגש שולחן‬
Analytics – ‫אנליטיקה‬

‫מנחה‬
‫עינת שמעוני‬

1

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫לקוחות נכבדים שלום‪,‬‬
‫תודה על השתתפותכם במפגש שולחן עגול ‪ Round Table‬בנושא אנליטיקה ‪.Analytics -‬‬
‫בתחילת המפגש הוצגו כמה שקפים על ידי ‪ ,STKI‬הסוקרים את המגמות העיקריות בתחום‪ .‬בין השאר‪ ,‬דובר‬
‫על מודל הבשלות של תחום האנליטיקה‪ ,‬המתאר היכן רוב הארגונים בישראל נמצאים כיום‪ ,‬ולאן פניהם‬
‫מועדות בתחום זה בשנים הקרובות‪.‬‬
‫באבולוציה של ‪/ BI‬אנליטיקה‪ ,‬רוב הארגונים מספרים על תחושת "רוויה" מתחום ה‪ BI-DW‬המסורתי‪ .‬מנהלי ‪BI‬‬
‫בשנה האחרונה התעסקו בשיפור יוזמות ה ‪ BI‬בכמה היבטים‪ ,‬בעיקר יישום יותר מודלים של ‪Self service‬‬
‫(מצב בו משתמשים מפתחים בעצמם דוחות ואף מודלים‪ ,‬לעומת מצב בו ה ‪ IT‬הוא מפתח הדוחות העיקרי)‪,‬‬
‫וכן מעבר לגישת ה‪( Discoveries-‬לעומת ‪ .)Queries‬אולם הקפיצה העיקרית עליה מדברים מנהלי ‪ BI‬בשנים‬
‫הקרובות היא הקפיצה לתחומים היותר אנליטיים‪ ,‬לספק יכולות תחקור יותר עמוקות‪ ,‬הכוללות אלמנטים של‬
‫חיזוי‪ ,‬מגמות‪ ,‬חריגות‪ ,‬אופטימיזציות וכד'‪ .‬כמו כן‪ ,‬יש לציין כי מדובר על אנליטיקה שונה מזו שהכרנו לפני‬
‫כמה שנים במוב ן של הגבולות שלה‪ .‬מדובר על ניתוח כל סוג של מידע‪ ,‬מובנה וכן בלתי מובנה‪ ,‬נפחים שאינם‬
‫מוגבלים תיאורטית‪ ,‬ויכולות תחקור חדשות (לדוגמה‪ ,‬אנליטיקה "אוטומטית" שמספרת לנו מה קורה בנתונים‬
‫שלנו)‪.‬‬

‫בהמשך‪ ,‬בשולחן העגול נערך דיון פתוח בין משתתפי המפגש – רובם מנהלי ‪ BI‬בארגוני ‪ ,Enterprise‬ומקבלי‬
‫החלטות שונים‪ ,‬בסקטורים שונים‪ .‬ארגונים סיפרו היכן הם נמצאים כיום בתחום זה‪ ,‬מהן התכניות שלהם‬
‫בהמשך‪ ,‬התלבטויות וסוגיות‪ ,‬וחלקו תובנות על התחום‪.‬‬

‫‪2‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫בין הסוגיות שעלו בדיון‪:‬‬
‫‪‬‬

‫סוגיית ה"אמת המרכזית האחת" בארגון – כיצד מוודאים שתישמר‪ ,‬למרות כל ההתפתחויות‬
‫הטכנולוגיות וסוגיית ה ‪?Self service‬‬

‫‪‬‬

‫האם ארגונים בשלים ליישום מודלים סטטיסטיים‪ ,‬חיזוי וכד'?‬

‫‪‬‬

‫‪ Big data‬עלה כתשתית מאפשרת בדיון (רוב הארגונים התייחסו אליו כאמצעי‪ ,‬ולא כמטרה)‪.‬‬

‫‪‬‬

‫האם יש עדיין טעם ליישם "קוביות"‪ ,‬או שהתשתיות האנליטיות החדשות‪ ,‬מבוססות ‪,in memory‬‬
‫מייתרות נושא ותיק זה?‬

‫מצ"ב סיכום עיקרי הדברים שעלו במהלך המפגש‪ .‬במפגש עלו נושאים מהותיים שתומצתו בסיכום כפי שעלו‪.‬‬
‫אין בסיכום זה המלצה גורפת ללקוחות אלא מתן פרספקטיבה והצגה של ההתלבטויות שעלו במפגש‪ ,‬כלומר‬
‫"מהשטח"‪.‬‬
‫קריאה מהנה‪,‬‬
‫בברכה‪ ,‬עינת שמעוני‪.‬‬

‫‪3‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תוכן עניינים‬
‫הגיע הזמן לאנליטיקה! ‪5 ............... ................................ ................................ ................................‬‬
‫משתמשים שונים – צרכים שונים ‪5 .................................. ................................ ................................‬‬
‫איך מתחילים? הגישה המסודרת אל מול הגישה הניסיונית ‪5 ................................ ................................‬‬
‫איום על "אמת אחת" ‪6 .................. ................................ ................................ ................................‬‬
‫כלים טכנולוגיים ‪6 ........................ ................................ ................................ ................................‬‬
‫נספח – תגובות ספקים ויועצים לסיכום המפגש‪7 .............. ................................ ................................ :‬‬

‫‪4‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫הגיע הזמן לאנליטיקה!‬
‫משתתפי המפגש בהחלט ציינו כי הם מרגישים שה‪ BI-‬המסורתי וה‪ DW-‬הקלאסי מתקרבים למיצוי‪ .‬הם‬
‫מרגישים שתוך שנה‪-‬שנתיים זה כבר לא יספיק והם יידרשו לתת תובנות מסוג חדש לארגון‪ ,‬כאלו הנשענות‬
‫על כלים יותר אנליטיים‪ ,‬ניתוח סוגים חדשים של נתונים‪ ,‬וכן הכללת נושא החיזוי – ‪,Predictive analysis‬‬
‫כאשר ברקע – טכנולוגיות ביג דאטה מאפשרות הרחבת היריעה של האנליטיקה הקלאסית כפי שרובנו‬
‫מכירים אותה‪ ,‬ומאפשרות ניתוח מסה גדולה של נתונים‪ ,‬מגוון רחב של סוגי נתונים ועוד‪.‬בין היוזמות‬
‫שארגונים תיארו אשר הם רואים בהם ערך רב‪ ,‬והיו רוצים ליישם בארגונם‪:‬‬
‫‪‬‬

‫תמלול השיחות הטלפוניות במוקד השירות‪ ,‬ניתוח שיחות אלה להוצאת לידים‪ ,‬זיהוי לקוחות בסיכון‬
‫נטישה ועוד‪.‬‬

‫‪‬‬

‫ניתוח טקסט – חילוץ ישויות וקשרים בין ישויות (על גבי מסמכים‪ ,‬מיילים)‬

‫‪‬‬

‫עולמות אנליטיים "קלאסיים" כמו סגמנטציה‪ ,‬חיזוי נטישה‪ ,‬חיזוי הכנסות מול הוצאות‪ – Collection ,‬רמת‬
‫ודאות להגעה אל הכסף‪ ,‬סיכוני אשראי‪ ,‬חישוב עושר פיננסי ללקוח‬

‫ארגונים סיפרו על יוזמות שונות שניסו להתניע בארגון בנושא האנליטיקה‪ .‬בין היוזמות שתוארו ‪ -‬ניסיון לניתוח‬
‫שיחות טלפוניות במוקד השירות – סופר על ניסיון שלא הצליח‪ ,‬בגלל חוסר בשלות התחום ותמיכה לא מספיק‬
‫טובה בעברית‪.‬‬

‫משתמשים שונים – צרכים שונים‬
‫ברור שלא כל משתמשי הארגון ישתמשו ביכולות אנליטיות‪ .‬קיים צורך למפות סוגי משתמשים שונים כאשר‬
‫תהיה אולי סביבה ארגונית אחת לנתונים‪ ,‬אך כל אחד יעשה בה את השימוש שלו‪ .‬לדוגמה‪ ,‬אחת מחברות‬
‫הביטוח תיארו את האקטואריה ואנליסטים כמשתמשים פוטנציאלים של סביבות אנליטיות מבוססות ‪in-‬‬
‫‪( memory‬אותם אקטוארים משתמשים בכלי סטטיסטיקה וכריית נתונים כיום‪ ,‬אך באופן נקודתי ולוקאלי – על‬
‫המחשב שלהם ולא בהיקף ‪.)Enterprise‬‬
‫בצד השני‪ ,‬יש ארגונים בהם רוב המשתמשים עדיין ב ‪ Mindset‬של דוחות ארוזים בקופסה‪ .‬המשתמשים לא‬
‫מבקשים בכלל ‪ Self-service‬ולא ברור מי (אם בכלל) ישתמש בכלים כאלה‪ ,‬אם הארגון יספק אותם‪.‬‬

‫איך מתחילים? הגישה המסודרת אל מול הגישה הניסיונית‬
‫רוב משתתפי המפגש‪ ,‬כאמור‪ ,‬ציינו כי ברצונם להיכנס לעולם האנליטי‪ ,‬חלקם גם ציינו מפורשות את תחום‬
‫הביג דאטה כתחום שברור שצריך להתחיל לבדוק אותו כיום‪ ,‬אולם רובם ככולם מתקשים לאתר את‬
‫"הפרויקט" שיצדיק כניסה לתחומים אלה‪ .‬כלומר‪ ,‬אין כאן מצב בו מגיע משתמש עסקי עם צורך ו ‪Business‬‬
‫‪ Case‬ברור‪ ,‬אלא המצב הוא שמנהלי ‪ BI‬מרגישים שיש כאן קפיצה טכנולוגית שיכולה לספק לארגון תועלות‬
‫חדשות שהוא אינו מכיר‪ ,‬אך כיצד להתחיל להתניע מהלך כזה? לאיזה צורך עסקי כדאי "להתחבר"? כבר‬
‫‪5‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫ברור להרבה ארגונים שלא כדאי לשבת ולחכות שיגיע מנהל עסקי עם רעיון מגובש‪ ,‬אלא צריך להבהיר לארגון‬
‫מה הוא יכול לעשות עם כלים אלה‪.‬‬
‫גישה אחרת‪ ,‬שאחד המשתתפים תיאר במפגש‪ ,‬היא הגישה הנסיונית‪ .‬פשוט להתחיל "לשחק" עם התחום‪.‬‬
‫באחד הארגונים תואר מצב בו מסת הנתונים הייתה גדולה מדי‪ ,‬ולכן התחילו להוריד ‪ Hadoop‬ולהתנסות‪,‬‬
‫הקימו מערכות מעל‪ ,‬עשו שימוש בכלים ‪ /‬יוזמות קוד פתוח כדוגמת ‪ MongoDB‬ו ‪ ,Couchbase‬הכשירו אנשים‬
‫פנימית‪ ,‬וככל שנחשפו לזה בארגון‪" ,‬עם האוכל בא התיאבון" והם התחילו לקבל דרישות‪ .‬בשכבה האנליטית‪,‬‬
‫חוקרי ‪ ,data scientists‬מוכווני משימות‪ :‬מקבלים בעיה‪ ,‬מפתחים מודל‪ ,‬מכניסים בתוך אפליקציה וממשיכים‬
‫הלאה‪ .‬אותו נציג הביע אמון רב בכלי קוד פתוח ככלים העיקריים כיום בתחום זה‪ ,‬יותר מכלי ה ‪Enterprise‬‬
‫בצורה משמעותית‪ Cloudera .‬ו ‪ MAPR‬מתקדמים יותר ויותר לכיוון סוויטה שלמה שעושה הכל – האדופ‪,‬‬
‫אנליטיקה‪ ,‬ויזואליזציה‪ ...‬כיום קיימת סביבת ‪ ,Hadoop Sandbox‬אשר חיה לצד ה‪ DW-‬המסורתי‪.‬‬

‫איום על "אמת אחת"‬
‫הגישות האנליטיות החדשות‪ ,‬וגם סביבות ה‪ BI-‬החדשות‪ ,‬מאיימות על הסטטוס‪-‬קוו של שמירת ‪"Single‬‬
‫‪ "Version of the Truth‬שמנהלי ‪ BI‬כ"כ התאמצו להגיע אליו‪ .‬גישת ‪ Self service‬מייצרת "איים" של מידע‪,‬‬
‫ופרשנויות שונות של נתונים‪ .‬אנליסטים ‪ /‬משתמשים שונים מייצרים בעצמם מודלים ולכן מגיעים לתוצאות‬
‫עסקיות שונות‪ .‬ניסיונות שארגונים תארו על מנת להתגבר על אתגר זה‪:‬‬
‫‪‬‬

‫בשכבה האנליטית‪ ,‬ארגון פיננסי בנה מנגנון לאנליסט שיושב במחלקה העסקית‪ ,‬שעובד מול מסד נתונים‬
‫גדול של ה ‪ DW‬שלהם – כשאותו אנליסט רוצה להפוך מודל חכם שהוא בנה‪ ,‬למשהו "תפעולי" שה‪IT-‬‬
‫יארוז‪ ,‬אשר ירוץ כל הזמן‪ ,‬יש מנגנון שהוא עובר ומגיע ל ‪( IT‬עוטפים אותו‪ ,‬כולל תמיכה בהרשאות)‪.‬‬

‫‪‬‬

‫בשכבה של ה‪ ,BI-‬בתחום ‪ self service BI‬מגמה שהטמיעו די חזק – ב ‪ IT‬מייצרים שכבות סמנטיות‪,‬‬
‫עוטפים אפליקציות ומנגישים את המידע למשתמשים החכמים ‪ /‬אנליסטים‪.‬‬

‫‪‬‬

‫ארגונים גם דיברו על הגדרת מילון נתונים כדרך להתמודדות עם הביזור הטבעי שמתרחש כעת בעולם ה‪-‬‬
‫‪ – DW‬הגדרת מילון נתונים על כל טבלה וכל שדה‪ .‬מטפל גם בנושא המשמעות של נתון‪.‬‬

‫‪‬‬

‫יצירת "קהילת ‪ "BI‬בארגון שנפגשת מדי פעם‪ ,‬עושים כנסים והדרכות כיצד נכון להשתמש‪.‬‬

‫כלים טכנולוגיים‬
‫בין היתר‪ ,‬כלים טכנולוגים מעניינים שהוזכרו (זוהי כמובן לא רשימת כלים מלאה)‪ ,‬לא כולם מוכרים בישראל‪,‬‬
‫וחלקם בקוד פתוח‪:‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬

‫כלי בשם ‪ – WEKA‬כלי קוד פתוח ל ‪ ,machine learning‬בונה מודל חיזוי‪ ,classification ,‬קלסטרינג‪,‬‬
‫רשתות בייסיאניות‬
‫לצד השימוש בכלי ‪ ,SPSS ,SAS‬הוזכר גם מעט שימוש בכלי ‪ .R‬הוזכר גם כלי קוד פתוח שנקרא ‪PSPP‬‬
‫(שלא במקרה מזכיר את ‪)SPSS‬‬
‫‪ KNIME‬כלי ‪ ETL‬קוד פתוח בעולם הביג דאטה‪ ,‬גוררים ריבועים ומושכים חצים (ריבועים חכמים‬
‫שעושים קלסיפיקציה וקלסטרינג)‬
‫‪6‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫נספח – תגובות ספקים ויועצים לסיכום המפגש‪:‬‬
‫תגובת חברת מטריקס‪:‬‬
‫‪ SAP‬מספקת בשנים האחרונות פתרונות אנליטיקה מלאים המכסים כל צרכי האנליטיקה של הארגונים‪ ,‬החל מ‬
‫‪ Enterprise BI‬באמצעות סוויטת ה‪ BI -‬של ‪ ,SAP Business Objects‬פתרונות ה‪SAP Lumira Self Service BI-‬‬
‫ופתרונות האנליטיקה המתקדמת ‪.SAP Predictive analysis‬‬
‫פתרון ‪ SAP Lumira‬נועד לאפשר ‪ Self Service BI‬באופן שמאפשר יצירת "רשת של אמת"‪ ,‬ע"י יצירת‬
‫הניתוחים על בסיס עולמות והעשרתם במגוון נתונים רחב‪ ,‬החל מגיליונות נתונים‪ ,‬קבצים‪ ,‬בסיסי נתונים‬
‫אחרים‪ ,‬אפליקציות ענן ושירותי רשת‪ .‬הפתרון הינו פתרון קל לשימוש ואינטואיטיבי המאפשר זריזות ארגונית‬
‫תוך כדי שמירה על בטחון במידה ועל השכבה הסמנטית הקיימת בתשתיות ה‪ .IT-‬גישה חדשנית זו מהווה‬
‫יתרון מהותי מול גישות ה‪ Self ServiceBI-‬בשנים האחרונות‪.‬‬
‫‪ SAP Predictive analysis‬הינו פתרון כריית מידע המבוסס על רכישת חברת ‪ KXEN‬בשנת ‪ .2113‬פתרון זה‬
‫הינו פתרון קל לשימוש‪ ,‬מהיר‪ ,‬בעל ‪ Time to market‬הקצר בעשרות אחוזים לעומת שימוש בכלי‬
‫‪ Opensource‬או כלי כריית המידע המסורתיים בשוק‪ .‬הפתרון הינו פתרון אשר מאפשר לאנליסט פשוט שאינו‬
‫בעל ידע סטטיסטי מקיף לבנות מודלי חיזוי‪ ,‬קליסיפיקציה‪ ,‬מנגנוני המלצה וכדומה במהירות ובקלות רבה ללא‬
‫כל תלות במקור המידע‪ .‬הפתרון מיושם אצל מאות לקוחות בעולם במגוון תעשיות ולמעשה מגשר על הפערים‬
‫הקיימים בין רמת הידע הנדרשת עבור מדען מידע לעומת האנליסט העסקי שיכול להפעיל את הפתרון של‬
‫‪.SAP‬‬
‫איש הקשר ‪ :‬בעז גודוביץ ‪ ,‬מנהל מוצר ‪[email protected] , sap business objetcs‬‬

‫‪7‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תגובת חברת אמת מחשוב‪:‬‬
‫ארגונים רבים מוצאים ש‪ ,Splunk-‬מוצר לניתוח מידע ‪ ,IT‬מאפשר מענה מהיר וסקאלאבילי לאתגרי אנליטיקה‬
‫רבים‪ .‬מלבד מערכת הפעלה‪ ,‬אין צורך בתשתיות תוכנה נוספות‪ .‬המוצר כולל את כל הרכיבים הדרושים ‪-‬‬
‫ניהול מלא של מחזור החיים של מידע לאנליטיקה‪ ,‬מנוע תשאול וחיפוש‪ ,‬תשתית וויזואליציה מתקדמת ולאלו‬
‫המיישמים אנליטיקה בזמן אמת ‪ -‬מנגנוני תגובה לאירועים חריגים‪.‬‬
‫מול מערכות מבוססות ‪ ,RDBMS‬יישום ‪ Splunk‬לאנליטיקה מאפשר לדלג על שלבי ניתוח המידע ויישום‬
‫‪ .ETL‬מול יישומים מבוססי ‪ ,Hadoop‬הטמעת ‪ Splunk‬מהירה לאין שיעור וכוללת‪ ,‬במוצר אחד‪ ,‬את כל‬
‫הנדרש כדי לאפשר תחקור ע"י מדעני המידע בארגון‪.‬‬
‫באמצעות ‪ Spunk‬ניתן לתחקר כמויות מידע עצומות באמצעות שפת חיפוש עשירה הכוללת יכולות‬
‫סטטיסטיות נרחבות‪ .‬מתוך שפת החיפוש ניתן במידת הצורך להפעיל תוכניות ‪ R‬או מודולי הרחבה שונים‬
‫(כגון ‪ -‬הרחבות ל‪ ,Learning Machine-‬חיפושים צולבים במאגרי מידע מקומיים או מרוחקים ועוד)‪.‬‬
‫עם כניסת מקורות מידע בקצב גבוה כמו יישומי אינטרנט מבוססי ענן‪ ,‬יישומים להתקנים ניידים‪ ,‬ו‪Internet--‬‬
‫‪ ,of-Things‬מערכות אנליטיות צריכות להתמודד עם שינוי מהיר במידע‪ ,‬בנפחים ובתובנות הנדרשות‬
‫מהמידע‪ Splunk .‬מאפשר ההתמודדות זריזה ואפקטיבית עם שינויים כאלו מעצם היותו מוצר דינאמי (ללא‬
‫אכיפת סכימה‪ ,‬שליפת שדות בזמן חיפוש בלבד) ובעל יכולת גידול בנפח וביצועים באמצעות תוספת שרתים‬
‫בלבד תוך כדי פעולה‪ .‬תכונות אלו הופכות את ‪ Splunk‬למוצר אנליטיקה בעל מוכנות גבוהה מאוד לעתיד‬
‫והגנה משמעותית על ההשקעה‪.‬‬
‫איש הקשר‪ :‬אלי קפלן‪154-5771116 ,[email protected] ,‬‬

‫‪8‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תגובת חברת ‪:IBM‬‬
‫בעקבות שינויים מהותיים ודינמיים המתרחשים כיום בסביבה החיצונית והפנימית בארגונים‪ ,‬נדרשים מנמ"רים ומנהלי ‪BI‬‬
‫בארגונים לתת ערך מוסף עסקי‪-‬אנליטי ליחידות העסקיות השונות‪ .‬למעשה‪ ,‬נוצר מתח בין חדשנות ויצירתיות מול‬
‫תפעול ואופרציה של מערכות אנליטיות קיימות‪ .‬מעניין לציין‪ ,‬לדוגמא‪ ,‬כי פתרונות מתקדמים‪ ,‬כגון פתרון ניהול הונאות‬
‫(‪ )Counter Fraud Solution‬המוצג בהמשך‪ ,‬משלבים כלי אנליטיקה מתקדמת מהעולם ה"חדש" ומהעולם ה"ישן"‪,‬‬
‫בצורה אינטגרטיבית ‪ -‬על‪-‬מנת לתת מענה ורטיקלי מתקדם בתחום‪ .‬בנוסף לכך עולה השאלה הארכיטקטונית – כיצד‬
‫לבחור כלים שבסופו של דבר יאפשרו‪:‬‬
‫‪ ‬ניהול ארגוני בסטנדרטים הנדרשים (למשל‪ :‬אבטחה‪ ,‬ניהול‪ ,‬אינטגרציה)‬
‫‪ ‬תהליכי עבודה וניתוח שוטפים (למשל‪ :‬דוחות‪ ,‬נגישות עצמית לניתוח אד‪-‬הוק‪ ,‬לוח מחוונים ניהולי)‬
‫‪ ‬תהליכי ניתוח וחקר יצירתיים עבור ‪ Data Scientists‬ויכולת הטמעה שלהם בתהליכים שוטפים בארגון (למשל‪:‬‬
‫ניתוח מידע לא מובנה‪)Cognitive Analytics , Learning, Machine ,R ,Visual Analytics ,‬‬
‫יבמ תומכת בארגונים בכל רמה נדרשת על מנת לספק את הערכים הנדרשים לארגון‪ ,‬למנמ"ר ולמנהל ה ‪:BI‬‬
‫‪ ‬יחידת שירותי יעוץ עסקי ‪ Global Business Services (GBS) -‬לייעוץ ויישום פרויקטים מתקדמים‬
‫‪ ‬כלי תוכנה אינטגרטיביים מהמובילים בעולם‪ ,‬על‪-‬מנת לספק פתרונות המותאמים לצרכים הנזכרים לעיל‬
‫‪ ‬תשתיות ענן מתקדמות ביותר המאפשרות את ניהול פתרונות ה‪ BI -‬והאנליטיקה המתקדמת על ענן מחשוב או‬
‫כ‪.SaaS -‬‬
‫יחידת שירותי הייעוץ העסקיים של יבמ‬
‫יחידה זו מיישמת פרויקטים רבים בארץ בצד האנליטי הארגוני‪ ,‬ביניהם פרויקטים מתקדמים ביותר הכוללים ניתוח מידע‬
‫לא מובנה‪ ,‬ניתוח טקסט בעברית ובשפות נוספות‪Machine Learning, Visual Analytics, Cognitive Computing ,‬‬
‫ועוד‪ .‬היא מציגה הוכחת ערך משמעותי וייחודי לפרויקטים בעלי המאפיינים החדשים (‪Visual ,Text Analytics‬‬
‫‪ Analytics‬וכו') עבור הארגונים בהם היא פועלת‪ .‬לקוחות יכולים למנף את הניסיון והמומחים של יבמ מחו"ל‪ ,‬מעבדת‬
‫המחקר בחיפה (השנייה בגודלה מחוץ לארה"ב)‪ ,‬מעבדת התוכנה בישראל וצוות מומחים מקומי בעל הצלחות מוכחות‪,‬‬
‫שילווה את הלקוח בדרך להצלחה עסקית מהותית (דוגמאות יינתנו לפי בקשה)‪.‬‬
‫בתחום התוכנה‬
‫יבמ השקיעה מיליארדים רבים בשנים האחרונות ברכישה ופיתוח של כלי אנליטיקה מתקדמת‪.‬‬
‫להלן שימושים שונים של רכיבי תוכנה של יבמ הממחישים את היכולות השונות המוצגות בארכיטקטורה הכללית‪:‬‬
‫‪‬‬

‫‪‬‬

‫‪‬‬

‫‪‬‬
‫‪‬‬

‫™ ‪ - InfoSphere Streams‬תוכנה מעולם ה ‪ Real Time Analytics‬המאפשרת ניתוח של מידע מובנה‬
‫ולא מובנה בזמן אמת בפלטפורמה סקלבילית‪ ,‬לינארית לא מוגבלת‪ .‬בנוסף התוכנה כוללת ‪Toolkits‬‬
‫לעולמות תוכן שונים וכן אינטגרציה מלאה עם סביבת יבמ (למשל‪ ,‬אינטגרציה מלאה עם ‪SPSS‬‬
‫‪)Cognos ,BigInsights ,Moduler‬‬
‫‪ – InfoSphere BigInsights‬תוכנה מבוססת ‪ Apache Hadoop‬המשויכת לרכיב ‪Data Exploration‬‬
‫‪ Archive‬בארכיטקטורה‪ ,‬הכוללת רכיבים ושיפורים רבים שאינם חלק מה ‪ Hadoop‬הסטנדרטי‪ ,‬כגון‪ :‬מנוע‬
‫ניתוח טקסט‪ ,‬מנוע ‪ ,Machine Learning‬ממשק ‪ BigSQL‬לגישה סטנדרטית ב‪ SQL -‬למידע‪ .‬לתוכנה‪,‬‬
‫קישוריות מלאה וסטנדרטית עם כלי יבמ האחרים בתחום האנליטיקה‪ ,‬כגון‪SPSS, Cognos, :‬‬
‫‪ Streams‬ועוד‪.‬‬
‫‪ - Probabilistic Matching Engine-PME‬הינו רכיב המאפשר אינטגרציה מעניינת וייחודית של תוכנה‬
‫מעולם ה‪ ,MDM -‬המורץ מעל גבי סביבת ‪ Hadoop‬של יבמ ומאפשר יצירת רשומת לקוח אחודה על בסיס‬
‫מודלים הסתברותיים שהוכחו‪ ,‬כטובים מאוד בעולם איחוד מידע מרשתות חברתיות שונות וכן איחוד מידע‬
‫חיצוני ופנים ארגוני‬
‫‪ – InfoSphere Watson Explorer‬תוכנת אינדוקס וחיפוש ארגוני המתאימה למידע מובנה ולא מובנה גם‬
‫בסביבת ‪ ,Hadoop‬גם בסביבת אפליקציות ארגוניות וגם למידע חיצוני בארגון‬
‫‪ – SPSS Moduler‬מודול מתקדם ליצירת מודלים שיכולים להשתלב גם בריצה בזמן אמת ב‪,Streams -‬‬
‫גם בכלים כגון ‪ Unica‬וגם בצורה עצמאית על שרת אנליטי יעודי‬
‫משפחת מוצרי ‪ SPSS‬השלמה נותנת מענה רחב ומקיף לכל נושא ה ‪( Data Mining‬גם מעל ‪)Hadoop‬‬

‫‪9‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫קרי‪ ,‬ניתוח מידע מובנה ובלי מובנה (‪ )Text Analytics‬באמצעות מגוון רחב ועשיר של מודלים אנליטיים‬
‫ללמידה מבוקרת ובלתי מבוקרת‪ .‬משפחת ‪ SPSS‬מנגישה את נושא ה‪ Data Mining-‬לאנליסט העסקי‬
‫באמצעות ממשק משתמש ידידותי ואינה מחייבת כתיבת קוד‬
‫‪ - Information Catalogue ‬מאפשר למשתמשים לחפש‪ /‬לאתר נכסי מידע בקטלוג ארגוני (ריחוף מעל‬
‫פריט המידע ע"מ לקבל קונטקסט ומשמעות‪ ,‬בחירה במידע הדרוש ויצירת ‪ Data Collection‬המכיל פריטי‬
‫מידע רצויים המתאימים לו‪ ,‬ומשם אינטגרציה של הנתונים‪ ,‬בקליק‪ ,‬במיקום חדש ‪ -‬בין שהוא במחסן‬
‫הנתונים‪ ,‬תחת ‪ Hadoop‬או בענן)‬
‫‪ ‬ישנם מספר כלים ופתרונות לעולם ה‪ Big Data and Smarter Analytics -‬אשר יכולים לספק תובנות‬
‫והזדמנויות עסקיות מסוגי מקורות המידע השונים ומהותם‪ ,‬תוך התחשבות במימד הזמן‪ ,‬המקור ונפחי‬
‫המידע ההולכים וגלים‪ ,‬לדוגמא‪:‬‬
‫‪ – ICA- IBM Content Analytics‬סוויטה מלאה לניתוח תוכן וטקסטים הכוללת ממשק משתמש נח ונעים‬
‫להפקת תובנות חדשות עבור הארגון‬
‫‪ – i2 ‬כלי מחקרי מודיעיני שמאפשר יכולות ניתוח גרפיות מרשימות (‪ )Visual Analytics‬למציאת קשרים‬
‫(‪ )Link Analysis‬ועוד‪.‬‬
‫‪ ‬והרשימה עוד ארוכה אך לא נרחיב כאן‪...‬‬
‫כדאי לציין‪ ,‬שיבמ מציעה כיום גם הצעת רישוי ייחודית‪ ,Forward looking BI :‬המאפשרת לבצע ניתוח נתונים‪,‬‬
‫פרדיקציה ותכנון מעל דו"חות ‪ Cognos‬באמצעות פתרון המשלב כלי ‪ ,SPSS ,Cognos‬ו‪ TM1 -‬ברישוי אטרקטיבי אחד‪.‬‬
‫את כל היישומים האנליטיים‪ ,‬או את חלקם‪ ,‬יכולים ארגונים לפתח בענן‪ .‬ליבמ פתרונות מהמתקדמים והמובילים ביותר‬
‫בעולם בנושא זה‪:‬‬
‫‪ - SoftLayer‬מאפשרת הקמת אפליקציות ושירותים על ענן‪ ,‬אבל מאפשרת בנוסף יכולת הפרדת שרתים פיזיים‪,‬‬
‫עד כדי הקמת שרתים בתוך הסביבה הארגונית של הלקוח כחלק מהענן (הצעה ייחודית ליבמ)‪ .‬בצורה זו‪ ,‬ניתן‬
‫ליהנות מתשתיות ענן מבלי "להוציא" את המידע הארגוני מחוץ לתחומי הארגון‬
‫‪ - IBM BlueMix‬פלטפורמה של שירותי ענן המאפשרים הקמה של יישומים‪ ,‬במהירות הבזק‪ ,‬תוך שימוש ברכיבים‬
‫מתוך קטלוג רחב היקף‪ .‬בין היתר‪ ,‬ניתן למצוא שירותים (‪ )Services‬מתחום האנליטיקה והניתוח‪ ,‬בקטלוג המוכן‬
‫ליישום‪.‬‬
‫דוגמא מעניינת מהתחום‪ ,‬כאמור לעיל‪ ,‬הינה פתרון ‪ Counter Fraud‬של יבמ‪ .‬הפתרון משלב מגוון כלי טכנולוגיים ב‬
‫‪ bundle‬עסקי אחד במחיר תחרותי המאפשר לכל ארגון להטמיע מערכת ניהול הונאות מהמתקדמות בעולם במהירות‬
‫וביעילות‪ .‬חלק מהכלים המשולבים בפתרון הנם‪:‬‬
‫‪IBM Content Analytics (ICA) ‬‬
‫‪IBM Advanced Case Management (ACM) ‬‬
‫‪i2 Enterprise Analytics Platform (i2 IAP) ‬‬
‫‪FileNet ™ ‬‬
‫‪InfoSphere Streams™ ‬‬
‫‪InfoSphere BigInsights ‬‬
‫‪ ‬משפחת מוצרי ‪Cognos‬‬
‫‪ ‬משפחת מוצרי ‪SPSS‬‬
‫יישום הפתרון מבוצע באמצעות צוותים משולבים‪ :‬מומחי תוכן מחו"ל בעלי ניסיון בעבודה עם המערכות בארגונים גדולים‬
‫בעולם וצוות הייעוץ וההטמעה המקומי בחטיבת השירותים של יבמ ישראל‪.‬‬
‫אנשי קשר‪:‬‬
‫דוד בר –‬

‫מנהל תחום ‪Strategy & Analytics, GBS‬‬
‫דוא"ל‪ ,[email protected] :‬טל‪050-9165375 :.‬‬

‫מיכל שני‪-‬פלר –‬

‫מומחה מכירות בתחום ‪Business Analytics‬‬
‫דוא"ל‪ ,[email protected] :‬טל‪050-505369178 :.‬‬

‫איילת יוסף‬

‫מומחה מכירות בתחום ‪Business Analytics‬‬
‫דוא"ל‪ , [email protected] :‬טל‪050-2330623 :.‬‬

‫‪11‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תגובת חברת מיה מחשבים‪:‬‬
‫נשמע כי ארגונים רבים מתחילים להבין את הצורך בחיזוי אנליטי‪ ,‬ואת החשיבות של ללמוד מהמידע‬
‫ההיסטורי הקיים בארגון על שצופן העתיד‪ .‬אנו מבקשים לחלק את התייחסותנו ל‪ 3 -‬חלקים מרכזיים‪:‬‬
‫הצורך הארגוני‪:‬‬
‫א‪.‬‬
‫הארגונים מבינים את כוחו של המידע ומתחילים להבין את השלב הבא של ה‪ BI -‬שהוא השלב האנליטי‪-‬‬
‫חיזויי‪ .‬נוצר הכרח בפעילות פרו‪-‬אקטיבית בכל פן עסקי‪ ,‬אם בשיווק‪ ,‬בכספים‪ ,‬כוח אדם‪ ,‬לוגיסטיקה ועוד‪.‬‬
‫אנליטיקה מאפשרת למנף את תוצרי כלי ה ‪ BI‬על ידי הבנה של השאלות העסקיות *הנכונות* שיש‬
‫לשאלות‪ .‬מנהלים מתחילים לדרוש מאנשי המידע לקבל כלים לחיזוי וניתוח מידע‪.‬‬
‫בארגונים מתחילות להיעשות שתי פעולות הכנה מרכזיות‪ :‬האחד‪ ,‬טיפול באיחוד ואיכות המידע – שלב‬
‫בסיסי והכרחי בדרך לניתוח וחיזוי נכון (יכולות ‪ DQ ,ETL‬וכו)‪ .‬השני‪ ,‬מינוי מומחים שיהיו ה‪Data -‬‬
‫‪ Scientists‬של ארגון ויוכלו לשלב ידע סטטיסטי עם הבנת היכולות הטכנולוגיות וכמובן הבנת הפן העסקי‬
‫של הארגון ומהו המידע העסקי של הארגון (ספציפי לכל ארגון)‪.‬‬
‫טכנולוגיה וכלים‪:‬‬
‫ב‪.‬‬
‫כדי ליישם את "האמת הארגונית האחת" תוך שילוב עם כלי חיזוי‪ ,‬יש לעשות שימוש בכלים טכנולוגיים‬
‫רבים‪ ,‬שרק השימוש בהם יאפשר להשיג יעדים אלו‪ .‬להלן רשימה של כלים ויכולות מרכזיים והכרחיים‪:‬‬
‫‪ ‬יישום הפתרון באמצעות שילוב של כלי חיזוי שונים שיתנו יחד את הפתרון השלם (כלי אופטימיזציה‪,‬‬
‫ניתוח ‪ ,forecasting ,Mining‬תמחור‪ ,‬סיכונים‪ ,‬ניהול קמפיינים וכו')‪.‬‬
‫‪ ‬שילוב של כלי ‪ Self Service‬עם כלים למקצועי חיזוי וסטטיסטיקאים‬
‫‪ – Bigdata ‬עבודה עם בסיסי נתונים המאפשרים לטפל בכמות אדירה של נתונים‪ ,‬מידע מסוגים‬
‫שונים‪ ,‬מידע איכותי‪ ,‬ובמהירות‪ .‬יכולת עבודה עם כלים דוגמת ‪ Hadoop‬בסיסי נתונים ‪NoSQL‬‬
‫ובקיצור – כל בסיס נתונים‪.‬‬
‫‪ ‬עבודה ‪( In-Memory‬על גריד של שרתים ולא בשרת בודד) ויכולת לנתח במהירות רבה כמויות‬
‫אדירות של מידע‪.‬‬
‫‪ ‬כלי ‪ BI‬מתקדמים המשולבים בכלי ‪ Office‬ומחשבים ניידים וטלפונים‪.‬‬
‫ג‪.‬‬

‫דוגמאות לישומים ופתרונות אנליטיקה הנפוצים כיום הם‪:‬‬
‫ניתוח ערוצי דיגיטל – חווית לקוח והעצמת ערך הלקוח לארגון‬
‫‪.1‬‬
‫ניתוח רשתות חברתיות‬
‫‪.2‬‬
‫‪Sentiment analysis‬‬
‫‪.3‬‬
‫כריית מידע של נתונים טקסטואליים‬
‫‪.4‬‬
‫אופטימיזצית תהליכים – פעילויות שיווקיות‪ ,‬תהליכי גבייה‪ ,‬מלאים ועוד‬
‫‪.5‬‬
‫חיזוי ביקושים‬
‫‪.6‬‬
‫סיכונים‬
‫‪.7‬‬
‫‪ .8‬תמחור‬
‫‪ .9‬אופטימיזצית מלאי ורכש‬
‫‪ .11‬סייבר אנליטי‬

‫חברת ‪ ,SAS‬עפ"י גרטנר‪ ,‬עושה למעלה מ‪ 36% -‬מהאנליטיקה בעולם‪ .‬ככזו‪ ,‬לחברה מגוון רחב ביותר של‬
‫מוצרים בתחומי‪ ,Data Management :‬אנליטיקה‪ .BI ,‬מוצרים ‪ SAS‬פועלים על כל מערכות ההפעלה מ‪-‬‬
‫‪ MF‬ועד ‪ ,PC‬ועל כל בסיסי הנתונים הקיימים בשוק‪ .‬כמו כן‪ ,‬מוצרי החברה פועלים בטכנולוגיה ייחודית של‬
‫‪ SAS‬בשם ‪ High Performance Analytics‬ותומכים בסביבת ‪ BigData‬ו‪ In Memory -‬המאפשרים טיפול‬
‫בכמויות מידע ענקיות ובמהירות רבה‪.‬‬
‫על בסיס המוצרים הנ"ל ותשתיות ה‪ High Performance Analytics -‬נבנו פתרונות הכוללים ‪Best‬‬
‫‪ Practices‬למגזרים השונים (ביטוח‪ ,‬בנקאות‪ ,‬ממשלה‪ ,‬בריאות וכו')‪ SAS.‬מיוצגת בישראל ע"י מיה מחשבים‬
‫ולה כ‪ 71 -‬עובדים‪ ,‬מעל ‪ 51‬נמצאים אצל לקוחות כיועצים – מומחים‪.‬‬
‫איש קשר‪ :‬מוטי סדובסקי‪ ,‬מיה מחשבים‪ .‬טל‪ ,054-3385118 :‬אימייל‪[email protected] :‬‬

‫‪11‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תגובת חברת ‪:HP‬‬
‫יותר ויותר ארגונים היום מבינים שהכלים המסורתיים בסביבת מחסן הנתונים נכונים לצרכים הסטטיים של‬
‫הארגון‪ ,‬ומאוד מוגבלים ביכולת שלהם לתת מענה ל‪:‬‬
‫‬‫‬‫‬‫‪-‬‬

‫ניתוח עמוק של המידע‬
‫התמודדות עם צורכי ניתוח ואופטימיזציה בזמן אמת‬
‫יכולת לייצר עניין אצל לקוחות דרך הבנת הפרופיל מתוך ניתוח כמויות מידע היסטורי גדולות‬
‫ועוד‬

‫חברות טכנולוגיה רבות בארץ כבר מבינות את היתרון שבשימוש בכלי קיבול אנליטי כמו ורטיקה ומטמיעות‬
‫אותו כחלק מהסביבה שלהן‪ ,‬בין אם לצורכי ניתוח אנליטיים לאנליסטים בארגון ובין אם כחלק ממוצר כולל‬
‫אשר נבנה עבור לקוחות של החברה (‪.)OEM‬‬
‫מי שמימש פתרון זה מימש קפיצה אדירה וקיבל למשל שיפר ביצועים שבין פי ‪ 51‬לפי ‪ 1111‬ואף יותר מכך‪.‬‬
‫עצם העובדה שורטיקה הינו פתרון מבוסס ‪ SQL‬סטנדרטי‪ ,‬עם זמן קצר ביותר למימוש ההטמעה‪ ,‬הופכת את‬
‫ההחזר על ההשקעה למהיר מאוד ועלות בעלות כוללת נמוכה מאוד‪.‬‬
‫מרגע שהארגון נחשף ליכולות‪ ,‬מתנסה בביצועים תוך הוכחת יכולת קצרה‪ ,‬מתקבלת ההבנה שהשינוי הינו‬
‫הכרחי לצורך היכולת לשמור על היתרון הטכנולוגי וההובלה העסקית‪.‬‬
‫איש קשר‪:‬‬
‫ליאור צברי‪ ,‬מנהל תחום ‪ VERTICA‬ב‪ .HP -‬טל‪152-4840891 :‬‬

‫‪12‬‬

‫‪Moshav Bnei Zion P.O.Box 151, 60910 Israel Tel. 972-9-7907000 Fax. 972-97442444‬‬

‫תגובת חברת חילן‪ – S.P. Data ,‬מוצר ‪:Portrait Miner‬‬
‫אמר פעם משהו חכם ש"תשובה משוערת לבעיה הנכונה שווה הרבה יותר מתשובה מדויקת לבעיה‬
‫משוערת"‪ ,‬זה חלק מהרציונל והרעיון של המוצר שנקרא ‪ portrait miner‬שהגיע לשוק הישראלי‪.‬‬
‫איך לתת לאנאליסט לנסות ולהגיע לתשובה משוערת הכי קרוב שאפשר בעזרת כלים שיהיו מצד אחד מאוד‬
‫חזקים מבחינה סטטיסטית‪ ,‬אבל יתמכו גם ביכולות ויזואליות חזקות וגם ביכולות של האנאליסט להיות עצמאי‬
‫ולהתעסק לבד עם מאות מיליוני רשומות שיכולות להגיע ממגוון רחב של מקורות מידע‪.‬‬
‫תוכנת ה ‪ portrait miner‬שמה דגש על השילוב בין אינטואיציה שנדרשת מאנאליסט בכל זמן התחקור לבין‬
‫אלגוריתם סטטיסטי חזק‪ ,‬מתוך רצון לעזור לאנאליסט מצד אחד להכיר את המידע יותר טוב ולנתח אותו‪ ,‬אבל‬
‫גם לתת לו את האפשרות לענות על שאלות יותר מורכבות שדורשות פעולות סטטיסטיות כדי לענות עליהן‪.‬‬
‫התפיסה המרכזית היא שאנאליסט מנהל סוג של דו שיחה עם נתונים‪ ,‬וישנן פעמים בהן השאלות שהוא שואל‬
‫פשוטות ויש צורך לראות את התשובה שלהן על בסיס יכולות ויזואליות ייחודיות‪ ,‬וישנם מקרים בהם השאלות‬
‫מורכבות ואז יש צורך להריץ אלגוריתם סטטיסטי שיכוון את האנאליסט בהמשך הדרך‪.‬‬
‫הדבר נכון גם לגבי ניתוח של הנתונים וגם לגבי בניית מודל חיזוי או כל מודל סטטיסטי אחר שבו הוא נדרש‬
‫לבדוק את מהימנות החיזוי בכלים מהירים וויזואליים‪.‬‬
‫השילוב החזק בין היכולות הוויזואליות לבין הפשטות והאלגוריתם הסטטיסטי הם אלו שהופכים את ה‬
‫‪ Portrait Miner‬לאחד הכלים המובילים היום בעולם לניתוח וחיזוי של התנהגות לקוחות‪.‬‬
‫כבר כיום יש למוצר מאות לקוחות מרוצים בעולם בקרב בנקים‪ ,‬חברות ביטוח‪ ,‬חברות טלקום ועוד‪ .‬לקוחות‬
‫אלה נהנים מערכים מוספים כדוגמת הורדת אחוז הנוטשים‪ ,‬ניתוח סיכונים‪ ,‬ניתוח סל מוצרים‪ ,‬המלצה למוצר‬
‫הבא ועוד‪ ,‬אשר בסופו של יום מתבטאים ביכולת לחסוך בהוצאות או במקרים אחרים להגדיל את ההכנסות‪,‬‬
‫מה שמביא בסופו של יום לגידול ברווח‪.‬‬
‫להלן ריכוז חלק מהיכולות המרכזיות של המוצר שללא ספק הולכת לעשות מפכה בשוק הישראלי שכבר‬
‫הרבה שנים צמא ומחכה לפתרון מהסוג הזה בעולם שהולך והופך יותר תחרותי לצד הרצון להתאים לכל צרכן‬
‫את הפתרון שלו‪.‬‬
‫תוכנת ה ‪ portrait miner‬מיוצגת בארץ ע"י חברת ‪( S.P Data‬מקבוצת חילן)‪.‬‬
‫איש קשר‪ :‬מי שמוביל את הפעילות הוא יוגב פלד‪ :‬ממייסדי חברת ‪ QlikView Israel‬ומי שמוביל את נושא‬
‫החדשנות בחברת ‪ .S.P Data‬טל‪ ,154-7569714 :‬אימייל‪[email protected] :‬‬

‫‪13‬‬

Sponsor Documents

Or use your account on DocShare.tips

Hide

Forgot your password?

Or register your new account on DocShare.tips

Hide

Lost your password? Please enter your email address. You will receive a link to create a new password.

Back to log-in

Close