חיזוי ואנליטיקה עסקית לארגונים

מרבית הארגונים משקיעים בשלב מסוים במערכת BI כלשהי, ומתחילים לראות דוחות ודשבורדים. אך לאחר זמן מה, מנהלים מגלים שהכלים הקיימים עונים בעיקר על שאלות של עבר: מה היו המכירות בחודש שעבר, כמה מלאי נצרך ברבעון הקודם, אילו לקוחות ביצעו רכישות.

השאלות שמנהלים עסקיים באמת צריכים לענות עליהן הן שונות: כמה מלאי להזמין לחודש הבא, אילו לקוחות נמצאים בסיכון נטישה, מה הצפי לביצועים הפיננסיים עד סוף הרבעון. הפער בין הנראות ההיסטורית לבין יכולת התחזית גורם לכך שהחלטות תפעוליות ופיננסיות מרכזיות ממשיכות להתקבל על בסיס ניחוש מקצועי, לא על בסיס מידע מעובד.

בארגונים עם מחזורי הזמנות ארוכים, עונתיות מורכבת או בסיס לקוחות גדול, הפער הזה מתורגם לעתים קרובות לעודפי מלאי, הכנסות שאובדות מלקוחות שעזבו ללא התראה, ותכנון תקציבי שמתוקן כל רבעון מחדש. הבעיה אינה בטכנולוגיה, היא בתכנון: אין מנגנון שהופך את הנתונים הקיימים לתחזיות שניתן לפעול לפיהן.

• נתונים היסטוריים לא אחידים כבסיס למודל חיזוי

  מודלי חיזוי מסתמכים על עקביות של נתונים לאורך זמן. בארגונים שעברו שינויי מערכת, מיזוגים או שינויים בשיטות הרישום, הנתונים ההיסטוריים מכילים פערים, שינויי מבנה ואי-עקביות. שימוש בנתונים כאלה ללא עיבוד מוקדם מוביל למודלים עם שגיאות שיטתיות ותחזיות בלתי אמינות.

• קושי לזהות אילו תהליכים מוכנים לחיזוי ואילו לא

  לא כל תהליך עסקי מתאים לחיזוי סטטיסטי. חלק מהתהליכים מושפעים מגורמים חיצוניים לא מדידים, וחלק מהנתונים דלים מכדי לבנות מודל אמין. ארגונים נכשלים לעתים כאשר משקיעים במודל חיזוי לתהליך שלא עומד בתנאים המינימליים הנדרשים לבניית מודל.

• תוצאות המודל אינן נגישות לאנשים שצריכים לפעול לפיהן

  גם כאשר מודל חיזוי בנוי ועובד, הוא לרוב נשאר בידי צוות הדאטה ואינו מחובר לתהליכי העבודה של מנהלים תפעוליים ומכירות. תחזיות שאינן נוגעות לשולחן של מקבל ההחלטות בזמן הנכון אינן מייצרות ערך תפעולי.

• חוסר בהירות לגבי דיוק המודל ורמת האמון הנדרשת

  מנהלים נדרשים לפעול על בסיס תחזיות, אך לעתים אין להם כלים להעריך עד כמה לסמוך על תוצאת המודל. ללא הצגה של מרווחי שגיאה, רמות ביטחון ומגבלות המודל, מנהלים נוטים לדחות את התחזיות או לאמץ אותן באופן עיוור — שניהם שגויים.

• תחזיות שאינן מתעדכנות בהתאם לשינויים בפעילות העסקית

  מודל שנבנה על נתוני שנה קודמת עלול לאבד את דיוקו כאשר העסק עובר שינויים כגון כניסה לשוק חדש, שינוי מבנה מחירים או שינוי בתמהיל הלקוחות. ללא מנגנון לעדכון ואימות שוטף של המודל, התחזיות מתיישנות מהר.

• קושי למדוד את ההשפעה התפעולית של שיפור דיוק התחזית

  ארגונים מתקשים לקשר בין שיפור בדיוק המודל לבין תוצאה עסקית מדידה כגון ירידה בעודפי מלאי או עלייה בשיעור שימור לקוחות. ללא מדידה כזו קשה להצדיק את ההשקעה ולבצע שיפורים מכוונים לאורך זמן.

הגישה מתחילה בזיהוי שלושה עד חמישה תהליכים עסקיים שעומדים בתנאים הנדרשים לבניית מודל חיזוי: היקף נתונים מספיק, נתונים אמינים יחסית ותוצאה עסקית שניתן למדוד. במקום לנסות לכסות את כל הארגון בבת אחת, בונים יכולת חיזוי מוכחת בתחום ממוקד אחד ומרחיבים ממנו.

על בסיס אותם נתונים קיימים, מוגדרים מודלים סטטיסטיים ומבוססי למידת מכונה המתאימים לסוג התהליך: מודלים לחיזוי ביקושים, מודלי סיווג לזיהוי לקוחות בסיכון, ומודלי רגרסיה לחיזויים פיננסיים. התוצאות מוזנות בפלטפורמות שנגישות לאנשי המכירות, השיווק והתפעול ולא רק לצוות הדאטה. לאורך כל התהליך שומרים על שקיפות לגבי מגבלות המודל ורמת הדיוק הצפויה, כך שמנהלים יכולים לפעול על בסיס תחזיות מבלי לאבד שיקול דעת עצמאי.

• שלב 1 - הגדרת תחזיות בעלות ערך תפעולי ברור

  השלב הראשון הוא מיפוי של ההחלטות העסקיות שמתקבלות כיום ללא תשתית תחזיות ברורה. מזהים אילו תחזיות, אם יהיו מדויקות ב-70% עד 85%, ישנו את אופן הפעולה בפועל. שלב זה מונע בנייה של מודלים שאיש אינו משתמש בהם.

• שלב 2 - בחינת זמינות ואיכות הנתונים הנדרשים

  בוחנים את הנתונים ההיסטוריים הרלוונטיים לתחזיות שנבחרו: מבנה, עקביות, פערים ורמת פירוט. אם קיימות בעיות מבניות בנתונים, מגדירים את הטיפול הנדרש לפני בניית המודל. שלב זה מציב ציפיות ריאליסטיות לגבי אופי התחזיות האפשריות.

• שלב 3 - בניית מודלי חיזוי ראשוניים ובדיקת דיוקם

  בונים מודלים ראשוניים על בסיס נתונים היסטוריים ומאמתים אותם על תקופות שכבר ידועות. מציגים למנהלים רלוונטיים את רמת הדיוק, המגבלות והתרחישים שבהם המודל פחות אמין. שלב זה הוא גם תהליך יישור ציפיות.

• שלב 4 - חיבור התחזיות לתצוגות תפעוליות נגישות

  תוצאות המודל מוטמעות בדשבורדים או דוחות שנגישים למנהלים שצריכים לפעול לפיהם: מנהלי מלאי, מנהלי מכירות, מנהלים פיננסיים. מגדירים התראות לאנומליות ולסטיות מהצפי כך שהתחזית הופכת לחלק מהשגרה התפעולית.

• שלב 5 - הגדרת מנגנון לעדכון ואימות שוטף של המודל

  מגדירים תהליך לעדכון תקופתי של המודל על בסיס נתונים חדשים, ומדד ביצועים לאימות דיוקו לאורך זמן. ככל שהעסק משתנה, המודל מתעדכן בהתאם ולא הופך למכשיר מיושן שמייצר תחזיות לא רלוונטיות.

• ירידה של 15% עד 30% ברמות מלאי עודף כתוצאה מחיזוי ביקושים מדויק יותר לעומת הערכה ידנית

• זיהוי מוקדם של לקוחות בסיכון נטישה מאפשר פנייה יזומה לפני ביטול — עם שיפור מדיד בשיעור שימור

• קיצור מחזור תכנון התקציב הרבעוני כאשר מנהלים פיננסיים פועלים על בסיס תחזיות מבוססות מודל ולא הנחות ידניות

• שיפור בדיוק תחזיות המכירות של צוות המכירות ביחס ליעדים שהוגדרו בתחילת הרבעון

• צמצום מספר ההפתעות התפעוליות הדורשות טיפול חירום עקב ביקוש לא צפוי או חוסרים פתאומיים

• קבלת החלטות גיוס כוח אדם וניהול קיבולת מבוססת על ביקוש צפוי ולא על תגובה לאחר המעשה