 | |||||||||||||||||||
  באותו נושא:  כריית מידע והפקת תובנות עסקיותהכנת דאשבורד - טיפים לתכנון היצג גרפי אפקטיבי כיצד לבחור את סוג התרשים הטוב ביותר להצגת נתונים ניתוח מידע באמצעות טבלאות ציר (Pivot Table) באקסל שיווק מונחה מידע: 15 המדדים שכל משווק חייב להכיר כריית מידע = Data mining תכונה = Attribute תובנה עסקית = Business insight ביג דאטה = Big data בינה עסקית = Business intelligence כריית מידע = Data mining נָתוּן = Data מֵידָע = Information יֶדַע = Knowledge תּוֹבָנָה = Insight פירמידת הידע = Knowledge pyramid עיבוד אנליטי מקוון = OLAP ההבדל שבין חיזוי ל- ניבוי הספרות המקצועית מבדילה בין המונחים חיזוי (Forecast) לבין ניבוי (Prediction). חיזוי הוא קביעת הנחה של תוצאה עתידית על בסיס נתוני הווה. ניבוי הוא הערכה של הערך של נתון מסוים שיניב תוצאה עתידית כלשהי. דוגמא לחיזוי: חזאי מזג אוויר מודד טמפרטורה, לחות, לחץ ברומטרי, כמות משקעים, ובצירוף עם מיקום גאוגרפי על כדור הארץ מנסה לחזות מה תהיה הטמפרטורה, כמות המשקעים ואחוז הלחות בעוד יום, יומיים, עד 5 ימים. דוגמא לניבוי: רואה חשבון מנסה להעריך מה צפוי להיות השווי הכספי של סעיף הנכסים השוטפים במאזן, כתלות ברמת המכירות בתום הרבעון. הקשר הזה יסייע לו בהערכה של השווי הנוכחי של הפירמה בשיטת דוח פרו-פורמה. כלומר, חיזוי מנסה להעריך תוצאות עתידיות על בסיס ערכים נוכחיים, ולרוב הוא רציף על פני הזמן. ניבוי מנסה להעריך ערך נוכחי על פי תוצאה עתידית אפשרית, ולרוב הוא נכון לנקודת זמן מסוימת. ולמה זה חשוב בעצם? ככל שההחלטה והתובנה הקשורה לה קשורות למימדים אסטרטגיים, תהליך החיזוי הוא הדומיננטי, ולכן ננסה להבין ולהסביר תוצאות באמצעות מדדים מסוימים. כאשר ההחלטה והתובנה קרובות יותר למימדים טקטיים ותפעוליים, ננסה לקבוע ערך יעד למדדים מסוימים כך שיניבו לנו תוצאות מסוימות. אנלוגיה טובה לנושא היא ההבדל שבין "ניתוח טכני" לבין "ניתוח פונדמנטלי" כשיטה לבחירת מניות. הניתוח הטכני מתבסס על ההנחה שכל המידע שמשפיע על הפירמה כבר מגולם במחיר המניה, ולכן באמצעות ניתוח דינאמיקת מחיר המניה ניתן לחזות את כיוון המגמה של המחיר ולתזמן רכישה או מכירה. במובן זה, ניתוח טכני אנלוגי לניבוי. ניתוח פונדמנטלי (ניתוח ערך) מתבסס על ההנחה שלפירמה יש ערך פנימי מסוים, שנקבע על בסיס קריאת הדוחות הכספיים וניתוח כלכלי, ומחיר המניה לא בהכרח מייצג את המידע הידוע למשקיעים, אלא הוא נע באופן לא ראציונלי. לכן, באמצעות ניתוח ערך ניתן לזהות חברות שנסחרות בפחות/יותר מהערך הפנימי שלהן, ולרכוש את מניותיהן. במובן זה, ניתוח ערך אנלוגי לחיזוי. לכן, תיאורטית, אסטרטגיה מנצחת למסחר במניות תכלול ניתוח ערך לצורך דירוג מניות לפי ערך פנימי, ושימוש בניתוח טכני לצורך תזמון מועד הרכישה. במובן זה, השימוש בתובנות של מערכת מידע עסקי חייב להיעשות בהתייחס לרמת ההחלטה - אסטרטגית, טקטית, או תפעולית. רשימת שאלות בארגון
מהפיכות במדע התרחשו פעמים רבות לאחר מהפיכות בכלי המדידה.
המידע הזמין למין האנושי מתרבה בקצב מסחרר, בתחומים השונים מפתחים דרכים לנצל את השפע הגדול.
ההבדלים בין מידע ידע מיטשטשים, ובהינתן נתונים גולמיים, אלגוריתמים עדכניים ומחשבים חזקים אפשר לחשוף תובנות חדשות שקודם לכן נותרו סמויות מן העין. עסקי ניהול המידע גדלים בקצב מסחרר; התעשייה מוערכת בשווי של יותר מ-100 מיליארד דולר וצומחת בקצב של כ-10% בשנה. יותר ויותר ארגונים ממנים סמנכ"לי מידע (CIO) ונוצר מקצוע חדש, מדען מידע, שמשלב בין מיומנויות של מתכנת מחשבים, סטטיסטיקאי ואמן-מספר סיפורים, כדי לחלץ את פירורי הזהב מתוך ערימות המידע. תפקיד הסטטיסטיקאי יהפוך לסקסי ביותר בסביבה. נתונים זמינים כמעט לכל דורש; היכולת להפיק מהם חוכמה היא נדירה.
מדידת נתונים היא המקבילה המודרנית למיקרוסקופ;
חיפושים בגוגל, פרסומים בפייסבוק והודעות בטוויטר
מאפשרים מדידה של התנהגות ורגש בפירוט מדוקדק ותוך כדי התרחשות.
בעסקים, בכלכלה ובתחומים אחרים
החלטות יהיו מבוססות יותר ויותר על נתונים וניתוח ופחות על ניסיון ואינטואיציה. "אנחנו יכולים להתחיל להיות הרבה יותר מדעיים"!"לביג-דאטה יש את הפוטנציאל לקבוע אילו מתחרים ינצחו ואיזה יפסידו. נכון להיום, חברות מנצלות פחות מ-5% מהמידע שנאגר אצלן. כלי ביג-דאטה יוכלו לאפשר להן לנצל את ה-95% הנותרים. כששתי חברות מתחרות מנתחות מידע באותה היעילות, והאחת מנצלת 5% מהמידע והשנייה 15% - מי לדעתכם תנצח?"
מדענים ומהנדסים זלזלו במושג Big Data כמושג שיווקי בלבד, אך יכולת שיווקית טובה נובעת מהיכולת לתמצת ולהעביר תקשורת בצורה יעילה - יכולת חשובה בכל תחום.
Big Data עוסקת בשימושים חדשים ותובנות חדשות, לא בהכרח בנתונים עצמם.
העידן הדיגיטלי הביא עמו זינוק קוואנטי בכמות המידע הזמינה לארגון המודרני.
וול-מארט מזינה יותר ממיליון עסקות בשעה למאגרי המידע שלה, שהיקפם מוערך ב-2.5 פטה-בייט. מאות מיליוני המשתמשים בפייסבוק יוצרים בממוצע 90 סטטוסים בכל שבוע למשתמש, ו-294 מיליארד מיילים נשלחים בכל יום.המהירות שבה הארגונים מקבלים את המידע, ריבוי הצורות שבו הוא מגיע, והתובנות שהוא מאפשר, משנים את כל מה שחשבנו על איסוף, ניתוח וניהול של מידע. הנתונים יכולים לחשוף בפנינו אמיתות משמעותיות על הדרך שבה העולם פועל, הדרך שבה מחלות מתפשטות, הדרך שבה ניתן להימנע ממשברים פיננסיים, והדרך לשפר את יכולתן של חברות להתמודד בשוק.
העולם טובע במידע.
מיליארד משתמשי פייסבוק מעלים לאתר 10 מיליון תמונות חדשות מדי שעה. 800 מיליון משתמשי יוטיוב מזינים לאתר שעה של תוכני וידיאו מדי שנייה. חברות סלולר, חברות אשראי, בנקים, רשתות סופרמרקטים - במחשבים של כולם נערמים הררי מידע מפורט על פעילות לקוחותיהם. מאמר מצוטט של חוקרים מאוניברסיטת ברקלי העריך שמשחר האנושות ועד 2003 האנושות יצרה, בספרים ומכתבים, הקלטות וסרטים, בולים ושלטים, 5 אקסה־בייט של מידע. כיום כמות המידע הזאת מיוצרת באינטרנט ביומיים.
רק 0.5% מהמידע הדיגיטלי מנותח ומסייע לקבלת החלטות!
במהלך השנתיים האחרונות לבדן הוכפל גודלו של היקום הדיגיטלי והגיע ל-2.8 זטה-בייט בשנה, לאור זאת מעריכים
חוקרים כי גודלו של היקום הדיגיטלי ימשיך ויוכפל בכל שנתיים עד להיקף של 40 זטה-בייט ב-2020;
כמות מידע גדולה בהרבה ממה שצפו מראש התחזיות בתחום.עודכן לאחרונה: 24 בינואר 2016 |
כריית מידע והפקת תובנות עסקיות
ניתוח מידע עסקי הוא חלק מהתחום המתפתח של בינה עסקית, שמטרתה הגברת התיאום בין העובדים בחברה
לבין המידע המאוחסן במערכות המידע של הארגון. באמצעות יישומי כריית מידע, ניתן להשיג אפקטיביות שיווקית, חיסכון בעלויות, הגדלת מכירות, והשאת ערך ללקוח. ניתוח מידע עסקי מתמקד בניתוח של מידע מלקוחות או מידע תפעולי ופיננסי פנימי כדי לתמוך בהחלטות אסטרטגיות, טקטיות ותפעוליות בפירמה, וכן כדי לנתח החלטות שנעשו בעבר. קצב המידע בכל ארגון גדל בקצב מסחרר - נפח אחסון מידע מכפיל עצמו בכל 20 חודשים. ניתוח תובנות עסקיות מן המידע (Business insights) ותרגום תובנה לרווחיות גבוהה יותר הם אחד המפתחות להצלחה עסקית. ניתוח המידע באופן נכון יכול לשמש לזיהוי מקורות חדשים של ערך כלכלי. פענוח וניתוח מידע הוא אחד התחומים העסקיים הגדלים ביותר, תחת ענף כללי שנקרא "ביג דאטה" (Big Data). מערכת בינה עסקית (Business intelligence) מציגה מידע היסטורי, מידע עכשווי, ותחזית עסקית, ומאפשרת לאתר תבניות, דפוסים ומחזורים משמעותיים לצורך יצירת דוחות, מתן התראות, ותמיכה בהחלטות. המטרה העיקרית של ניתוח מידע עסקי ושימוש בבינה עסקית היא הגברת התיאום (Alignment) שבין הארגון למערכות המידע שלו, לצורך הגדלת רווחיות והפחתת עלויות.  אתגרים ארגוניים ביישום ובשימוש ניתוח מידע ו"ביג דאטה" כריית מידע - יישומים וכלים בהם עושים שימוש בכריית מידע עושים שימוש בכלים סטטיסטיים ובאלגוריתמים, במטרה לענות על שאלות הקשורות לשיווק, תפעול וניהול:
 יישומים בניתוח מידע עסקי / Business Intelligence הדינמיקה של תהליך בינה עסקית
 תהליך הסקת תובנות עסקיות באמצעות איסוף נתונים וניתוח מידע מה צריך לשאול, מה צריך לדעת, מה מעניין, ואת מי ניתוח המידע והסקת התובנות צריכים להיות מותאמים לכל רמות ההיררכייה בארגון. לרוב ניתן לחלק את ההיררכייה בארגון לפי רמות על פני מימד הכילול. החלוקה הפשוטה ביותר היא לפי רמת ההחלטות שיש לעשות על בסיס התובנות: החלטות אסטרטגיות, החלטות טקטיות, החלטות תפעוליות.
המודל הבסיסי שמסייע לכוון את האנליסט שמבצע ניתוח עסקי להבין מה עליו למדוד, לנתח ולהציג הוא מודל "מה, למה, איך", WWW = What, Why, How.  מודל מה, למה, איך לתחקור והסקת תובנות ניתוח מידע עסקי מרמת המכירה ועד למנכ"ל מנכ"ל החברה החליט להתחיל בתהליך של ניתוח מידע עסקי כדי לבחון את המכירות, וכן כדי לבחון את מבנה העלויות של החנויות, במטרה לייעל את התפעול, ובמידת הצורך לאחד או לצמצם חנויות, ולשקול פתיחה של חנויות במיקומים חדשים. איך מתחילים לנתח את המידע?? מבנה הנתונים הבסיסי של כל חנות כולל את הנתונים הבאים: מס' זיהוי חנות, תאריך, שעה, מס' חשבונית, פריטים, מחירים, סך כל המכירה. בנוסף, בכל חנות ידועים העובדים והמנהל שנמצאו במשמרת. ייתכן גם שקיים מועדון לקוחות לחנות, אז ידועים פרטים כלליים על הלקוח: גיל, מין, מקום מגורים, טלפון, מצב משפחתי. מבנה הנתונים של מנהל מכירות איזורי כולל גם נתונים אודות כל חנות: שטח החנות, מיקום, שירותי חניה, כוח הקנייה של התושבים בקרבת החנות, מאפייני הרכישה של הלקוחות בכוח, וכד'. מנהל התפעול והשיווק מחזיקים גם הם מידע נוסף: עלויות שינוע, עלויות ניהול המלאי, עלות רכישה של מוצרים; מבצעי מכירות, מבצעים של המתחרים, מצב הכלכלה, רמת בטחון הצרכנים, נכונות הצרכנים להוציא כסף, אירועים רוחביים (חגים) או מקומיים, וכד'. מה מעניין מנהל חנות, מנהל מכירות איזורי, מנהל תפעול, מנהל שיווק, מנכ"ל?
שאלות 1 עד 4 הן שאלות שניתן לענות עליהן באמצעות שימוש בטבלאות שמכילות את הנתונים, בצירוף טכניקות של סינון, מיון ופעולות חשבון בסיסיות. שאלות 5 עד 9 הן שאלות שמצריכות שימוש באלגוריתמים, פרוצדורות וניתוח סטטיסטי. הניתוח נעשה בשני אופנים: ניתוח מסביר וניתוח מנבא. • ניתוח מסביר (Descriptive) - מציאת מאפיינים משותפים לנתונים במאגר המידע • ניתוח מנבא (Predictive) - בניית תחזית על בסיס מאפיינים משותפים במידע הקיים  דוגמא - דאשבורד מעורב, ובו מידע תפעולי, טקטי ואסטרטגי, באמצעות ניתוח מידע מרשימת השאלות אפשר להבחין בכמה סוגים של מאפיינים שונים ברמות המידע הדרושות ובעומק הניתוח:
|
www.SamsProjects.co.il