לקראת אירוע | Autonomy מתמקדת בהבנת המידע הארגוני – The Revolution in Information Technology
מאת עמית מנור, מנהל הפיתוח העסקי באגף אפליקציות ומוביל את פעילות אוטונומי בחטיבת Enterprise Services של HP
לאורך השנים והדורות הטכנולוגיים, התחלפה משמעות האות T ב-IT מספר פעמים – ממחשב מרכזי (מיינפריים), client-server וכעת לענן. באופן טבעי, החדשנות בעולם ה-IT התמקדה ב-T, כלומר בטכנולוגיה, יותר מאשר ב-I, קרי במידע. התהליך המואץ בו הטכנולוגיה הופכת למצרך להמונים, משנה את זווית ההסתכלות על הדברים: מתכנני מערכות המידע אומנם יוצרים תהליכים מובנים, אך מרבית האנשים לא מנהלים את חייהם בתוך עמודות ושורות של גיליונות נתונים.
בתחילת הדרך, כאשר אנשי הטכנולוגיה התמודדו לראשונה עם הרעיון – והאתגר – של עיבוד נתונים, המכונות לא ידעו להתמודד עם מידע עשיר, שנגזר ישירות מהעולם האמיתי. לכן הם יצרו פתרונות שמצמצמים את סוגי הנתונים ומחלקים למספר תצורות קבועות. מתוך גישה זו, נולד עולם מבני הנתונים, שהוכיח את עצמו בהצלחה רבה עד לאחרונה.
אבל בימינו, עסק שמתקשר ישירות עם לקוחותיו או עם ערוצי הפצה שונים, כבר לא מקבל את המידע בטבלאות נתונים מסודרות ומבניות. המידע מתקבל בטלפון, בציוץ בטוויטר, בהודעת דוא"ל או כמסר באתר. המידע הזה אינו משתלב בעולם ה-IT "הישן", שידע להתמודד רק עם מידע שמגיע בתבניות מוכרות, מידע שניתן לשייך אותו בקלות לקטגוריה כזו או אחרת.
מרבית המידע הקיים היום בעולם, נוצר בשנתיים האחרונות בלבד. וכאשר היקפי המידע עצומים כל כך, האתגר האמיתי הוא לנתח אותו בצורה מושכלת, להפיק ממנו תובנות, להסתייע בו בקבלת החלטות ולהיעזר בו להשגת המטרות השונות.
התובנה הזו הובילה את חברת HP לקבל את ההחלטה על רכישת Autonomy בשנה שעברה. בזכות חשיבה אחרת על הנראות העתידית של מערכות המידע ושימוש במה שקרוי על ידינו "טכנולוגיות בסיס המשמעות" (Meaning base technologies), אפשר כיום להבין ולקטלג גם מידע לא-מובנה, מידע שמובן לכל אדם – תכנים ברשתות חברתיות, תכני וידאו ואודיו ותכנים שנוצרים במכשירים ניידים שונים.
ניתוח מידע באמצעות טכנולוגיית בסיס המשמעות מאפשרת לארגונים להבין ולעבד ביעילות מידע שנוצר על ידי בני אדם ולא על ידי מכונות. בזכות זאת, משתחרר לחופשי 85% מהמידע שהיה אצור במאגרי המידע של ארגונים, אשר פשוט לא ניתן היה לנתח אותו בזמן אמת – ולרוב לא ניתן היה לנתח אותו כלל. כעת, ביכולתנו לנתח מידע תוך כדי תנועה ולעקוב אחר ערוצי המידע שזורמים בקביעות ממקורות שונים ומגוונים – ליצירת משמעות וערך ממשי.
ישנו צורך חיוני ביכולת להעריך להבין את משמעותו של מידע לא-מובנה. 90% מהמידע שמשמש תהליכים קריטיים, אינו מובנה – וזה גם המידע המעניין יותר. למשל, מי שמנסה לאתר רמזים להונאות במערכות פיננסיות, סביר יותר שימצא את הרמז בהודעת דוא"ל ולא בנתונים מובנים. סביר ביותר שההזדמנות העסקית הבאה והצורך החם של הלקוחות, מסתתרים בציוצי טוויטר.
ארגונים נדרשים ולהבין מהו המידע הרלוונטי מתוך מקורות תוכן רבים ומגוונים כגון מיילים, מסמכים, וידאו, רשתות חברתיות ועוד.מעבר לחיפוש של מילה או מונח מסוים, קיים צורך להגיע לתובנות מתוך מאסה של נתונים ובכך לאפשר לארגון להיות תחרותי ולהגיב לשינויים בזמן אמת. ניתן להדגים זאת באופן הבא – חברת סלולר ולה שירות לקוחות היתה מעונינת לזאת בזמן אמת מתי לקוח מדבר על "נטישת החברה" בין אם המילה נאמרה במפורש או ע"י זיהוי טון השיחה.
דוגמא אחרת היא השקה של מוצר חדש, חברה היתה מעוניינת לדעת מה התגובה לגבי אותו מוצר ברשת החברתית, האם היא חיובית/שלילית וכיו"ב. לשם כך – נדרש מנוע שמסוגל להתמודד ולהבין כמויות גדולות של מידע (Big data) ממקורות שונים Multichannel Analytics בזמן אמת.
בתאריך ה-10.7 יתקיים כנס פתרונות Autonomy הראשון. להרשמה לחץ על הקישור הבא
