אייל בירן

מצא את ההבדלים: BI מול ביג דאטה

אייל בירן
אייל בירן, ראש אגף דיגיטל וביג דאטה, עושה סדר ומסביר את ההבדלים בין השניים.

אייל בירן, ראש אגף דיגיטל וביג דאטה, עושה סדר ומסביר את ההבדלים בין השניים.

ביג דאטה. BI. ביג דאטה. BI. נדמה שאין מושגים שמתערבבים יותר משני המושגים הללו. לא אחת אני שומע על ארגונים שרוצים להתפתח בעולם הביג דאטה ושואלים איך ליישם פעילות BI. מנגד, אני נתקל במומחים שונים שעיקר פעילותם הוא בעולם ה-BI, אולם הם מתיימרים להבין ולייעץ גם בביג דאטה. על תקן מורה נבוכים, אנסה לעשות סדר בעולמות המעט חופפים הללו.

אתחיל מהסוף, משתי עובדות ברורות: הראשונה היא, שביג דאטה אינו מושג שווה ערך ל-BI. מדובר בשני שלבים שונים בעולם האנליזה. האחד מוקדם וכללי והאחר בשל ומתפתח. מי הוא מי? מיד נגלה; העובדה הברורה השניה היא, שעולם הביג דאטה אינו עוסק דווקא בהיקפים של כמויות וגודל, אלא דווקא במורכבות וביכולת להעשיר מידע סטנדרטי במידע אחר על מנת למקסם את ערכו. על כך בטורים אחרים, אולם בכל זאת חשוב לזכור זאת כבר עתה.

להלן ההבדלים:

שלב ה BI

 

מדובר למעשה בחקר וניתוח נתונים. לרוב יבוצעו הפעולות בו על ידי אנליסטים שמפעילים תוכנות מחקר מסוג ה-BO (ר”ת Business Objectives) או תוכנות מתקדמות יותר שיקבלו משימות שונות וקבצי דאטה. הרצת התוכנות על הדאטה תאפשר קבלת תמונה של תוצאות / מגמות / השוואות / גרפים / ממצאים מספריים. למעשה, פעולות BI מספקות לנו מידע עסקי או אחר, שמציג את הדאטה שחקרנו באופן תוצאתי. לרוב נענה בחלק זה על שאלות מוכרות לנו, כגון: מה קרה? מה היה? מתי? היכן? מה התוצאה?

לדוגמה, ניתן לחשוב על כל דו”ח בסיסי שמבקשים מנהלים בשגרת יומם: דו”ח מכירות והכנסות, דו”ח הוצאות, דו”ח אזורי או דו”ח דמוגרפי. מדובר בשאלות ידועות מראש שעליהן אנחנו מחפשים תשובות ברורות, ממוקדות ומיידיות.

בעולם ה-BI לוקחים דאטה שקיים בארגון או בפעילות, ומגישים אותו כמידע למקבלי ההחלטות. בחלק מהמקרים המידע אף יוגש באופן גרפי/ויזואלי, כולל תובנות ראשוניות תוצאתיות: מה עלה ומה ירד? מה הממוצע? מה השכיח והחציון? מה היה בתקופה מקבילה או בתקופה דומה? מה הפער מול המתחרים או מול היעדים? ויזואליזציה מתקדמת יכולה לעזור בהצלחת הטמעת פעילות ה-BI ולעודד שימוש בחקר הנתונים בשאלות הבאות.

שלב הביג דאטה

כאן כבר מתבצעת קפיצת מדרגה בחקר הנתונים. כבר לא נסתפק בהצלבת המידע ובהגשתו הלאה, אלא ננסה להביא מתוך המידע גם תובנות (Insights). מדובר על שלב שבו המידע הראשוני מנותח על ידי Scientists Data שהתמחותם הינה בחקר נתונים מעמיק המשתמשים בתוכנות שונות מהמתקדמות בשוק על מנת להוציא את המוץ מהתבן.

בשלב הביג דאטה, הנתונים אינם משמשים ליצירת מידע בלבד, אלא ליצירת ערך של ממש. המידע מקבל השבחה משמעותית והתובנות בגינו יכולות להשפיע על השורה התחתונה בדו”ח הרווחיות הבא או על פעילות השיווק האפקטיבית המתוכננת לחודש הקרוב.

אופן שאילת השאלות משתנה בשלב הזה – משאלות עבר לגבי מה היה, אנו עוברים בניתוח הביג דאטה לשאלות העוסקות באנליזה חיזוי וניבוי: מה יהיה? מה יקרה אם? מה יכול להיות? לדוגמה, נוכל להסתכל על דו”ח של פעילות לקוחות באתר אינטרנט ולנתח אותו במימד של מה עשו לקוחות דומים באתר מקביל ומשם לנסות לחזות מה יהיה המוצר הבא שיתאים לכל לקוח שגולש באתר.

חקר הנתונים בשלב הביג דאטה ישלב הצלבות של מידע מובנה הקיים בשוטף בארגון ומידע לא מובנה שייווצר בעזרת כלי איסוף וניטור מתקדמים, כמו כלי ניתוח טקסט או ניתוח דפוסי גלישה ויתורגם על ידי מודלים אנליטיים של חיזוי וניבוי פעילות וטרנזקציות. בשלב הביג דאטה נמצא גם מעורבות של מערכות מיכוניות אוטומטיות (Machine Learning) הלומדות את החזרות השונות בפעילות ומאפשרות למידענים לנתח קבוצות או פרטים בצורה מדויקת יותר.

לסיכום: BI זו התחלה חשובה ופעילות מחויבת במציאות העסקית, אולם ביג דאטה הינו שלב מתקדם הרבה יותר שלמעשה יוצר את הפער ושובר השוויון בין ארגון שיפרוץ בשנים הבאות למתחריו, ובין ארגון שיישאר מאחור.

* פורסם לראשונה באתר אנשים ומחשבים.

שדות חובה מסומנים בכוכבית

תגובתך הועברה לצוות לאומי בלוג ותפורסם לאחר אישורה.

האם אתה מסכים?