בעידן בו מספר הולך ומתגבר של החלטות הן פועל יוצא של תהליכי בינה מלאכותית, ארגון שמנהל ומטייב את מאגרי המידע שלו, יקדים את מתחריו ויוכל להתפתח מהר וביעילות רבה יותר. מסיבה זאת, הטיפול בדטה הוא מפתח מרכזי לצמיחה עסקית ולהתייעלות תפעולית של ארגונים וחברות. עם זאת, מדובר גם באחד הנושאים המאתגרים ביותר בתקופה זו, שכן ארגונים נדרשים לאמוד את נפח הנתונים הדרושים ולקבוע אילו נתונים יש לאסוף ועל אילו לוותר, לאן אוספים את הנתונים ואיך בכלל משתמשים בהם על מנת להפיק ערך בסופו של יום.
לכולם ברור כי דטה הוא חומר הגלם המרכזי בעידן הבינה המלאכותית. הוא משמש בשלב הראשון ללימוד המכונה ובניית המודל ובשלב השני כמקום לכרות בו תובנות וטריגרים לפעולות אוטומטיות, אשר מדמות החלטות אנושיות באמצעות המודל המאומן. מנגנון אופטימלי מאפשר למכונה להמשיך וללמוד תוך כדי כריית התובנות ובכך לשפר את המודל ולדייק את התוצאות הבאות.
תפקידו של מנהל הדטה בארגון (ה- CDO) הוא לקבוע מהם תפקידם ויתרונותיהם של בני האדם בתהליך, איפה המחשב יעיל יותר, ולחלק את העבודה ביניהם כך שתיווצר סינרגיה. כחלק מכך, עליו לאפשר למנהלי היחידות העסקיות לצפות בנתונים ובתובנות בצורה פשוטה, אך ביקורתית, להפעיל שיקול דעת ולמנף את הנתונים להפקת ערך עסקי.
על מנת לעשות זאת, על מנהל הדטה להביא את המידע אל המשתמשים לאחר עיבוד, כאשר הוא כבר ״לעוס״ עבורם. יתרה מכך, כדי שהם יוכלו לסמוך על תוצאות העיבוד, עליו לספק להם גם הסבר, ואם ניתן גם סימוכין למידע הגולמי עליו מתבססת התוצאה. כמו כן מומלץ מאוד שיספק נתונים על היקף הנתונים שעובדו, מהי תקופת הזמן בהם נדגמו וכל נתון נוסף שיתקף את ההחלטה ויחזק את אמינותה.
איך מציגים דטה למשתמשים באופן איכותי?
הכלים להצגת מידע ותובנות מבוססי נתונים מתחלקים כמובן על פי קהל היעד. החלוקה המרכזית היא בין משתמשים פנים ארגוניים לבין לקוחות, כאשר כל אחד מהם יקבל תצוגה המותאמת לצרכיו. אלו הם מספר כלים מרכזיים להצגת דטה למשתמשים:
דוחות ודשבורדים: אלו הכלים הבסיסיים באמצעותם מציגים מידע למשתמשים. מטרת הדשבורד היא לשקף למשתמש מידע אנליטי (טרנדים, סטטיסטיקות, סיכומים ושורות תחתונות) בתצוגה ויזואלית על מנת להקל עליו לקבל החלטות או לבצע פעולות על בסיס מידע כמותי. המידע המוצג בדשבורד לרוב נגזר מתוך מאגרי המידע של הארגון וכולל גם מידע חיצוני משלים דוגמת שערי מטבעות, נתוני מסחר בבורסה, נתוני מזג אוויר וכדומה.
ישנם שלושה סוגים עיקריים של דשבורדים – אופרטיבי, אסטרטגי ואנליטי. ההבדלים בניהם נובעים מסוג וכמות המידע המוצג, וטווח הפעולות שהמשתמש יכול לבצע באמצעותם. האתגר המרכזי בבואנו לאפיין דשבורד הוא להיכנס לנעליו של המשתמש ולספק לו כלי אשר לא רק מציג סיכומים מספריים, טרנדים ואנליטיקות, אלא כלי שיאפשר לקבל החלטות מושכלות בזמן קצר והנעה לפעולה בדיוק במקרים הדרושים לו.
סימולציה: חיקוי או הדמיה של מציאות מורכבת. לעיתים היא כוללת גם תחזית עתידית באמצעות מודל מתאים. מטרת הסימולציה היא לייצג מאפיינים מסוימים בהתנהגות של תהליך או מערכת למטרות שונות, כגון: בידור, לימוד והסבר, בדיקת מערכות בטרם ייושמו בפועל, קבלת תחזיות על התנהגות מערכות, אימון של משתמשים עתידיים במערכת כלשהיא וכדומה.
סרטונים ואנימציות: אלו הם בדרך כלל תוצרים מתקדמים של סימולציות. באמצעותם מתקבל תוצר ויזואלי נוח וברור למשתמש שאיננו מנוסה בקריאה של נתונים רבים. סרטונים ואנימציות משמשים גם במקרים בהם הנתונים לבדם מורכבים מידי כדי שאדם ממוצע יוכל להפיק מהם ערך. אנו רואים שימוש בכלים אלו כחלק מהדמיה של מבנים מורכבים, מערכות נשק, תחבורה וכדומה. הדמיות יכולות להיות אנימטיביות או ראליסטיות, ולעיתים קרובות משקיעים בהן כאשר מדובר בתהליכים שהמימוש שלהם בפועל יקר או מסוכן בשלבי ניסוי או כאשר יש לבחון התכנות בטרם תתקבל החלטה לייצר מוצר. חברת Nvidia הגדילה לעשות ומשתמשת בכלים מתעשיית הקולנוע על מנת להפוך דטה לסרט של ממש, ובכך להציע למשתמשים תצוגה קולנועית של סימולציות מסוגים שונים.
תאומים דיגיטליים: גישה זו היא המורכבת ביותר מבחינה יישומית והיא כוללת יצירת העתק וירטואלי של אובייקט פיזי, תהליך או מערכת, שנוצר באמצעות נתונים ממקורות שונים, כגון חיישנים, תוכנות סימולציה ונתונים היסטוריים. התאום הדיגיטלי מספק ייצוג מונחה נתונים של האובייקט או המערכת הפיזיים בזמן אמת, דבר המאפשר ליצרנים ולבעלי עניין אחרים לנטר, לנתח ולמטב את הביצועים שלו לאורך מחזור חייו. ניתן לייצר תאומים דיגיטליים גם לתהליכים מורכבים כגון: פסי ייצור והרכבה, תהליכים ביולוגיים, תהליכים גיאולוגיים ועוד. התאום הדיגיטלי המורכב ביותר שיוצר עד כה פותח על ידי חברת Nvidia ונקרא Earth-2. הוא מיועד לסמלץ תהליכי אקלים ומזג אוויר ולהציג את השפעתם על כדור הארץ.
ישנם שני כלים נוספים שמטרתם לקרוא לתשומת הלב של משתמשים ולשמש כוויזואליזציה של מידע. משתמשים בהם במרבית המקרים כהרמת דגל או להנעה לפעולה.
המלצות מותאמות: מערכות של המלצות הפכו לחלק בלתי נפרד מחיי היום יום שלנו. בין אם מדובר בסרט הבא לצפייה או את במוצר הבא שעלינו לקנות, מערכות של המלצות נמצאות בכל מקום. מערכות אלו משמשות חנויות וירטואליות, שירותי סטרימינג, פלטפורמות מדיה חברתית ועוד שימושים רבים. כלי בינה מלאכותית מספקים המלצות למשתמשים על סמך התנהגותם, העדפותיהם ותחומי העניין שלהם ועל בסיס למידה ואימון של כמויות עצומות של משתמשים אחרים.
נוטיפיקציות: במרבית המקרים נוטיפיקציות הנן תוצר של תהליכי Marketing automation, בהם מאפיינים תגובות אוטומטיות לתסריטים או התנהגויות של משתמש מסוים. לדוגמה, משתמש שלא נכנס למערכת יותר משלושה ימים, יקבל הודעה ששואלת אותו לשלומו ומזכירה לו שיש תוכן חדש שיכול לעניין אותו או לחילופין מזכירה לו שיש בסל הקניות מספר פריטים שהוא טרם שילם עבורם וכדאי לו להשלים את הפעולה. קיים מגוון רחב של טריגרים שיפעילו שליחת נוטיפיקציה למשתמש. מודל ממוחשב יודע לתזמן את הנוטיפיקציה על מנת שתהיה בעלת ערך גבוה למשתמש.
לסיכום, קיימות דרכים רבות להציג מידע למשתמשים ולהניע אותם לפעולה, בין אם מדובר בגרף עם יעדים או מדדי ביקורת ובין אם אלו הן הדמיות הנראות כסרט פרסומת מבויים ומצולם היטב. חשוב שכולן יהיו מונעות על ידי מידע רב שנאסף כל העת ממגוון רחב של מקורות ושהן ישמשו את הארגון ברגע הנכון ביותר בו הן יביאו את הערך הגבוה ביותר.
רן רייכברג, CTO של וואן טכנולוגיות (ONE). קרדיט: טל יפתח
