ניתוח נתונים והפקת תובנות

תמליל

עידית: שלום לכולם, בתוכנית הפעם נדבר על ניתוח נתונים והפקת תובנות. כל עולם הבקרה ומשוב. נלמד כמה מושגי יסוד, נגלה בעצם למה לא מספיק רק לעשות delivery של השירות, אלא בעצם גם לעשות מדידה, לנטר, לשקף ללקוח כל זאת ועוד ידבר אתנו האורח שלנו עינב צברי.
עינב הוא מנהל לקוח בפרויקט אינטגרטיבי בקבוצה. לעינב יש ניסיון עשיר בתחום, הוא עבר אינספור הכשרות ומכיר היטב את כל עולמות התוכן של ה-IFM ובפרט את עולמות המדידה והבקרה. אני ועינב כבר מכירים, הייתי אומרת משהו כמו חמש שנים ועבדנו בעבר ביחד. ללא ספק ידעתי שעינב יכול לתרום הרבה מאוד לקבוצה עם הידע והתכנים שהוא מכיר, כשצירפתי אותו לצוות ה-IFM שלי.  אז עינב מה שלומך? תודה שהצטרפת אלינו

עינב: שלום לכולם, שמח להיות פה.

עידית: כיף, כיף שבאת. אז לפני שאנחנו מתחילים, יש לנו ככה, כמנהגנו בקודש, איזשהו ציטוט לקבל מהאורח שלנו. אז איזה ציטוט הכנת לנו למאזינים?

עינב: יש ציטוט מאוד מעניין שאנחנו דווקא מביאים מהמקורות שלנו. יש שם ציטוט שאומר "אין לו לדיין, אלא מה שעיניו רואות" זה משהו שאנחנו מאוד מתחברים אליו מאחר ואנחנו מנהלים את כל שגרת היום שלנו למעשה עם החלטות שונות ומשונות על בסיס מידע שאנחנו מקבלים מהסביבה, מהמשפחה וכך אנחנו מקבלים למעשה החלטות. ואנחנו באמת צריכים להבין את העניין הזה איך לקבל את ההחלטה ועל פי איזה מידע שמתקבל.

עידית: מעולה, מעולה. אז מהי, למעשה, תפיסת הבקרה במדדי השירות?

עינב: כן, למעשה זה עולם שמדבר על הממשק או השפה בין הסביבה שאנחנו מנהלים לבין הלקוחות שלנו. למעשה, אנחנו באים ואומרים שאנחנו רוצים, על מנת שאנחנו מנהל את הנכסים או את השירות בצורה טובה יותר, אנחנו בעצם יודעים לבוא ולשאוב את המידע מכל הסביבה העסקית, לנתח אותו ובעצם להביא אותו לנקודה שאנחנו נוכל לעבוד עם המידע הזה ולהפיק ממנו הרבה הרבה דברים שאנחנו לא רואים.

עידית: ללא ספק, אני חושבת לגמרי בכלל שידע הוא כוח. שמעתי, נתקלנו המון במושגים של KPI's

מה זה KPI's?

עינב:KPI  זה מושג שאנחנו מקבלים אותו, למעשה אנחנו יורשים אותו מעולמות ה-global. זה אינדיקטורים מאוד מאוד ברורים שמסבירים לשני הצדדים, גם ללקוח וגם לנו, כיצד אנחנו נמדדים ומתי ואיך. זאת שפה שמוסכמת בין שני הצדדים שעל פיה אנחנו מנהלים את הביזנס.

עידית: כלומר, זה משהו שאנחנו מגדירים ביחד עם הלקוח. אנחנו מחליטים על איזשהו סט פרמטרים או סט אינדיקטורים שהוא בעצם ילווה את תכולת השירות שאנחנו נותנים ללקוח? או שזה משהו שהלקוח מחליט עבורנו? משתנה?

עינב: האידיאל פה בכל העניין הזה זה באמת לחבר איזשהו סט מדדים שהוא מתאים לשני הצדדים וגם שאפשר ליישם אותו. בדרך כלל לא תמיד זה קורה, אבל בדרך כלל הלקוח הוא זה שנותן את הטון ומסביר בדיוק מה הוא רוצה ואיך. ולפעמים גם שואלים את דעתנו המקצועית ובאמת יש, לפעמים אנחנו גם רואים שיש מדדים שכן שמים עליהם את הדגש יותר ועל כאלה שהן פחות. ולא תמיד אנחנו חושבים שזה באמת נכון לעשות כך.

עידית: בעצם הבנתי לצורך העניין ממה שאמרת שכל הנושא של הבקרה והמדידה מאוד מאוד חשוב בשביל שנוכל ליעל את תהליכים, נוכל להפיק איזה שהן תובנות מהדאטה שאנחנו רוצים ורמת הביצועים שלנו. אבל אני חושבת רגע על הצוותים שלנו, נותני השירות בשטח. לצורך העניין איך הם מרגישים עם כל הדבר הזה שהם יודעים בעצם שאנחנו מנטרים את הביצועים שלהם, משקפים להם גם את זה בצורה כזו או אחרת? ומנגד גם מול הלקוח? הרי אנחנו גם יכולים לעמוד בסיטואציה בה אנחנו משקפים ללקוח שלנו נתונים שהם ביצועים במה שנקרא low performance. איך אנחנו מתמודדים עם הדבר הזה?

עינב: כן, ראשית חשוב לומר שהמידע המנותח והנתונים שאנחנו משיגים לבסוף אחרי שהם עוברים עיבוד מקצועי, מחובתנו להציג ולהראות אותם גם לצוותים שלנו על מנת לרתום אותם לתהליך. אם אנחנו לא נעשה את זה הם לא יהיו רתומים לתהליך ולא יבינו ולא יכירו היכן הם נמצאים או באיזה סביבה הם עובדים. אם הם עושים את המלאכה כמו שצריך או האם הם מבצעים את המטלות שלהם ואת המשימות בצורה טובה ומדויקת. ולכן מחובתנו שוב פעם אני מדגיש, גם להציג את זה להם ולהסביר להם. וזה המהות של מדידת הנתונים, לסגור את המעגל הזה בין הצוותים לבין הנתונים שמתקבלים מהשטח. וכך אנחנו יכולים, באמת באמת, לעשות גם משהו עם הנתונים האלה ולא רק למדוד את עצמנו.

עידית: גם יש היגיון בזה, משום שנתונים זה משהו שמשקף באמת ביצועים ולא תחושות. כלומר יכול להיות לך עובד בצוות שיגיד "תשמעוף אני עובד מבוקר עד ליל ואני מטפל באלף קריאות", אבל לצורך העניין יש לנו מערכת שמנטרת ובודקת ורואה באמת את הביצועים שלו ביומיום. אז אני חושבת שעם נתונים קשה מאוד להתווכח כשרואים איזשהו דאטה שיוצא במערכת לעומת תחושות או אמירות כאלה שנאמרות על ידי הצוותים. להערכתי הנתונים הם הרבה יותר חזקים, הרבה יותר נתפס.

עינב: בהחלט, עם נתונים קשה מאוד להתווכח. החוכמה היא פה איזה נתונים מוספים ואיך מנתחים אותם וגם איך מציגים אותם.

עידית: איך מציגים, בדיוק.

עינב: אני אתן דוגמה דווקא על רוב החברות תמיד מחפשות את המדדים האדומים שמראים על אי סביבות רצון, אי עמידה ב-SLA וכאלה... אבל אני תמיד אומר שתמיד צריך גם לפני הכל, להסתכל גם על הדברים שהם כן עובדים כי יש הרבה וכל הזמן. וזו תפיסה!

עידית: לגמרי. תפיסה וגם גישה אני חושבת שזה כאילו אנחנו באים בגישה של בוא נשקף ללקוח שלנו כשותף שלנו גם את ה-low performance שלנו את ההיעדר בצועים הוא במקום שאנחנו צריכים לבוא ולהשתפר אז הנה אנחנו משקפים אנחנו עושים איזה שהוא lesson learned מפיקים את התובנות שלנו ועושים התייעלות בהתאם. כלומר זה משהו שהוא כלי בונה. זה סוג של רמזור ככה שאיך שאני רואה את זה שהוא כלי מאוד מסייע בכל הנושא של השירות.

עינב: בהחלט. גם כשיש מצבים של תת ביצוע ואנחנו מציגים את זה ללקוח או אצלנו גם בתוך הבית, זה אומר שאנחנו יודעים למדוד את התת ביצוע ,זה אומר שאנחנו עוקבים אחרי תת ביצוע, ואומר שיש לנו גם מסקנות ותובנות איך להיות לא להיות בתת ביצוע, לקחת את עצמנו למקום יותר טוב. זה נשמע ונראה אחרת לגמרי מאשר האופציה השנייה שמדברים על תחושות ומדברים על כן אנחנו יודעים או לא יודעים או בוא נבדוק או כל התשובות האלה היום זה כבר לא עובד ככה. הלקוחות היום יודעים באמת בצורה מאוד מדויקת מה הם רוצים ומתי. ואנחנו צריכים לעמוד בסטנדרטים האלה וכאשר אנחנו מגיעים למצב שאנחנו נמצאים בתת ביצוע או בחוסר שביעות רצון אנחנו מיד מיד יודעים לבוא ולהגיד, אוקיי, אנחנו נמצאים במקום שהוא פחות טוב ואנחנו עושים א' ב' ג' ד' כדי להיות מקום הרבה הרבה יותר טוב. זה נשמע אחרת זה נראה אחרת וכך עובד ארגון מקצועי.

עידית: זה מענה מאוד ממוקד ולא שיטת הכיבוי שריפות שהנה אנחנו עכשיו אירוע אז נבוא ונטפל בו, אלא כבר חזינו את זה לפני כן כי הנתונים מאוד עזרו לנו לקרוא את התמונה כמו שצריך. עכשיו בעצם באיזה מערכות מבחינה הטכנולוגיה או פלטפורמות שאתה מכיר שמשתמשים בהם בשביל לבצע את כל המדידה והניטור?

עינב: שאלה מצוינת. למעשה כל מה שמחובר לרשת או כל מה שכל מכונה או כל אפליקציה שמחוברת לנכס או לציוד או לביצועים של הצוותים, אפשר להוציא משם הרבה הרבה מידע נחוץ, לאבד אותו, לנתח אותו ולהוציא משם מסקנות ותובנות ממש ממש לביצוע איך לעבוד איתם. זאת אומנות.

עידית: זו פלטפורמה שבחלק מהמקרים היא של הלקוח. אנחנו נהיה חייבים להתלבש על  מערכת שלהם או במקרים מסוימים נוכל להכניס מערכת תומכת שלנו?

עינב: בהחלט. התשובה היא גם וגם. יש לפעמים מצבים שאנחנו נאלצים להשתמש במערכות או לשאוב נתונים ממערכות קיימות. ויש פעמים שדורשים מאיתנו להביא את הטכנולוגיה שלנו מהבית או לפתח משהו במיוחד לאותו לקוח או לאותה סביבת עבודה. ושוב פעם זה אומנות, זה מומחיות. אנחנו רוצים ויודעים איך לקחת את כל הנתונים האלה, לשים אותם באיזשהו מקום מרכזי, לעבד אותם עם המומחים שלנו. כל אחד בא ולוקח את הצדדים שהוא מבין יותר ואז אנחנו לוקחים את כל התובנות האלה ויוצרים איזשהי סביבת עבודה שהיא הרבה הרבה יותר מדויקת ונותנת מענה בלתי מתפשר ללקוח.

עידית: יפה, יפה. אז מה למעשה, אתה יודע, אין סוף למדידה. אפשר למדוד אלף ואחת פרמטרים ואינספור דברים. מה, למעשה, הגבול בין מדידה אפקטיבית לעודף מדידה?

עינב: שאלה גם מצוינת. זה הנושא שכל הביזנס מדבר עליו. איפה אנחנו יותר, איפה אנחנו פחות. אז זה אמור לעבוד בכמה שלבים. השלב הראשון הוא להגדיר באמת מה אני רוצה למדוד, מתי ואיך. ביחד עם הלקוח, ביחד עם אנשי המקצוע, המומחים שלנו. ואחרי כך אנחנו, אחרי שאנחנו בונים את השכבה הראשונה, אנחנו בעצם מתחילים לעבוד איתה. ואז אנחנו רואים לאט לאט במה אנחנו משתמשים יותר, ובמה אנחנו משתמשים פחות.
ואז אנחנו לוקחים עוד נתונים שמצטברים בסביבת עבודה מהלקוח עושים הצלבה, ואומרים אם אני נמצא במקום מסוים בצורה מאוד מאוד טובה...

עידית: אז פחות פוקוס על זה ויותר במקום אחר, זה תוך כדי תנועה בעצם.

עינב: אנחנו כל הזמן צריכים לבוא ולאתגר את המערכת, לאתגר את החשיבה, לאתגר את המדידה. זה לא משהו של פלאג אנד פליי, יוצאים לדך לדרך וגמרנו, ככה עובדים. זה לא ככה עובד, אנחנו כל הזמן צריכים לאתגר את השיטה, איך מודדים, מתי, כמה ולמה מה שנכון להיום לא יהיה נכון למחר וזו האמנות

עידית: ולסיום ככה. אנחנו נורא נורא נתקלים בזמן האחרון במושג AI. איך למעשה אינטליגנציה מלאכותית יכולה לסייע לנו בתחום הזה של הבקרה?

עינב: למעשה, זה תחום פורץ דרך. למעשה, מערכות של אינטליגנציה מלאכותית ולמידת מכונה מנסות לחכות את החשיבה האנושית והסקת המסקנות.

עידית: יש הבדל עצום בין אינטליגנציה אנושית למשהו שהוא מלאכותי.

עינב: ופה אנחנו מנסים לבוא וללמד את המכונה או ללמד את הסביבה, הממשק, המכונה, איך לחשוב במקום מומחה או בעל מקצוע ובעצם לעשות את העבודה של החשיבה מאחורי הקלעים וכבר להוציא מסקנות ותובנות תוך כדי המדידה של הנתונים. זאת לא משימה פשוטה, עושים את זה בחלקים אחרים של התעשייה. והיום אנחנו כן יודעים לבוא ולקחת את היכולות האלה ולשלב אותם במערכות, לשלב אותם בתוך האינטליגנציה של החברה ולמעשה לקחת את כל נושא מדידה ובקרה לא צעד קדימה, עשרה צעדים קדימה ולהפוך להיות במגננה ותגובה למעשה כמו התקפה. ולהיות במקום שאנחנו צריכים להיות בו או לפני שזה מתרחש.

עידית: לגמרי, לגמרי. להכין את עצמנו למציאות החדשה. וואי, היה מהמם. תודה רבה, מאוד מעשיר תודה שהתארחת אצלנו.

עינב: תודה לכולכם ושמחתי להיות פה. אני בטוח שהתחום הזה יוביל את הארגון למחוזות טובים ואיכותיים יותר.

עידית:  בהחלט. תודה, עינב.