top of page
  • תמונת הסופר/תדודי רוזנטל

בינה עסקית: 10 טעויות נפוצות

עודכן: 10 בינו׳ 2023

תחום הבינה העסקית התפתח מאד בעשור האחרון. יותר ויותר ארגונים יוצאים לפרויקטי BI בהיקפים שונים. בחלק מהפרויקטים חוזרות ונשנות טעויות שסופן יהיה פרויקט לא מוצלח:

  1. העדר תמיכת בכירים והתערבות עסקית - ידוע לכולם שפרויקט IT גדול חייב את תמכת ההנהלה, "רוח גבית". בפרויקטי BI במיוחד, העדר התערבות אקטיבית של מנהלי השיווק, התפעול ומקבלי החלטות עסקיות בכירים אחרים, עלולה להוביל לפספוס באפיון המערכת ואז בהקמתה והטמעתה. אותם בכירים דרושים בהזרמתם התדירה של תהליכים עסקיים ובשיקופה את אסטרטגית החברה על מנת להנחות את צוות מיישמי ה IT ,להגדיר ולתחם את תחומי הליבה העיקריים הדרושים. פרויקט BI ידועים כפרויקטים שעלותם חורגת מהתקציב המקורי שיועד להם. חריגה זו מתרחשת כאשר המיישמים לא מקבלים גבולות מוגדרים מההנהלה להיקף הנתונים העיקריים הדרושים. כתוצאה מכך, בסיסי הנתונים הופכים מפלצתיים וחלקים מהם אף לא שימושיים.

  2. העדר בחינה מתאימה של הנתונים - פלטפורמה טכנולוגית חזקה ובעלת יכולות גבוהות של חיתוכים וניתוחים אינה יודעת האם הנתונים המשוקפים ממנה נכונים או לא. נתונים באיכות ירודה עלולים ולרוב בהחלט יפגמו במהימנות ובתועלות מחסני הנתונים ובמערכות הBI ככלל. האתגר בהתאמת הנתונים אינו רק מחשובי אלא בעיקר אתגר עסקי. ניקוי וטיוב הנתונים והמידע הקיימים בארגון יפגע בסופו של יום בעבודה השוטפת וכמובן שגם בפרויקט ה BI.

  3. שימוש לא ידידותי - מיישמי BI שוכחים לעיתים, שהמרוויחים העיקריים של פרי פיתוחם הם עובדי הארגון שמגיעים מקשת רחבה של תחומי עיסוק וממחלקות שונות. פרופיל המשתמש הממוצע במערכת אינו קבוע ויכול לנוע בין רמות שונות מאד של אוריינות מחשוב והבנה עסקית. ממשק המשתמש וביצוע השאילתות צריכים להיות אינטאיטביים. משתמש ש"יתקע" בשימושיו הראשונים במערכת, לא תמיד יחזור אליה.

  4. ביצועים נמוכים - צפיות המשתמשים לזמן התגובה של ביצוע שאילתא הרבה יותר גבוהות ממה שחושבים. במידה והיקף הנתונים המחסני המידע גדול מדי עבור מספר המשתמשים היעודי, יש לשקול להוסיף עוד מעבדים או לפתח עוד קוביות על מנת לשפר את ביצועי המערכת. רצוי לבצע את הפעולות האלה לפני עלייתה לאויר ולא אחרי. טעות נוספת מאותה משפחה היא התעלמות מגורם ההתלהבות הראשוני. מערכת מוצלחת מולידה עניין גדול.

  5. ריבוי או מיעוט כלים - מחלקות ה IT צריכות לבחון בזהירות כמה כלים קיימים ונגישים לעובדים. ריבוי כלים ומערכות מוביל לבלבול ולעלויות הדרכה והטמעה גבוהות. מיעוט כלים מוביל לתסכול ואכזבה.

  6. לבצע לבד - לפני 10 שנים היה קשה למצוא מומחי BI לשווקים מסויימים. כיום, בעקבות הבשלות של התחום וכמות המחקרים הגדולה שבוצעו בנושא, הרי זו טעות לצאת לפרויקט גדול של BI ללא בחינה מדוקדקת של התהליכים, הפרויקטים, המוצרים והאנשים בארגון. בארגונים גדולים אף מומלץ להקים מרכז מצויינות (BI Competency Center), גוף ליבתי המכיל מומחים פנימיים וחיצוניים שממוקד רק בפרויקט. גוף ממוקד זה ייעץ ליחידות העסקיות בארגון, ילווה אותם וימנע טעויות נוספות.

  7. גידול מהיר מידי של נתונים - אחד מהאתגרים המרכזיים של העוסקים במלאכת ה BI הוא בקרה על קצב גדילת הנתונים. גידול מהיר מדי של נתונים עלול להוביל לאנדרלמוסיה במערכות, לחרוג מתחומי הליבה שהוגדרו ולהביא למצב של קבלת החלטות מוטעת.

  8. חוסר גמישות לשינויים - הודות לגלובליזציה, הכלכללה ההפכפכה, וגורמים נוספים, בניית מחסני נתונים נוקשים שאינם ניתנים לשינוי היא הדרך הבטוחה לכשלון בפרויקט. אסטרטגיה ומטרות של ארגון יכולות להשתנות, גורמים נוספים יכולים להשפיע על תהליך מסויים, פרמטרים יכולים להתווסף או להגרע ממחסני נתונים. יש לאפשר למערכת גמישות תיכנונית על מנת להתאים אותה לצורכים הרלוונטים באותו זמן.

  9. התעלמות מגורמים חיצוניים - מערכות ה BI חייבות לכלול בתוכם נתונים ומידע מגורמים חיצוניים. גורמים חיצוניים כגון כלכלה, פוליטיקה, רגולציות ואפילו מזג אויר יכולים להשפיע על קבלת ההחלטות ועל ביצוע מהלכים אסטרטגיים בארגונים.

  10. נתוני לקוחות שגויים/לא משקפים -במידה ושביעות רצון של הלקוחות היא המפתח להצלחת ארגונכם, והתבקשתם לפתח כלי שיכמת את שביעות הרצון, נסו להתגבר על הדחף לצבע סקר רגיל.סקר שביעות רצון שנתי שנתי לא יעזור כאשר זקוקים למידע עדכני בכל שבוע או חודש.

בחנו את כל המקורות הקיימים אצלכם: מוקד טלפוני, HELP DESK, וכו' – עבדו אותם ושלבו אותם בשאילתות.

bottom of page