ד"ר יצחק שמר, המכללה האקדמית לישראל: "יש להתייחס לכל הסוגיות בפרויקטי Big Data, אחרת הם ייכשלו"

"יש סוגיות רבות בפרויקטי Big Data שלא נותנים עליהן את הדעת. כשמטפלים בפרויקטים כאלה צריך להתייחס לכל הסוגיות, אחרת הם עלולים להיכשל", כך התריע ד"ר יצחק שמר, ראש תוכנית ניהול מערכות מידע במכללה האקדמית לישראל.

ד"ר שמר דיבר בכנס BAI-Big Data, שנערך באחרונה, בהפקת אנשים ומחשבים, במרכז הכנסים אווניו בקריית שדה התעופה. השתתפו בו 500 מקצועני BI ו-Big Data. הנחו אותו פלי הנמר, יזם ומנהיג אנשים ומחשבים, ופלורה לוין, מנכ"לית משותפת של B-Pro.

"אפשר לרכוב על גל ה-Big Data, אבל אפשר גם לטבוע", אמר ד"ר שמר. "כדי שזה לא יקרה, אחת הסוגיות שצריך לחשוב עליהן היא מיהם הבעלים של הנתונים הללו". לדבריו, "בעלות על נתונים פירושה אחריות. אם משהו לא בסדר, על הבעלים להסביר זאת".

הוא ציין כי "יש בעיה עם איכות הנתונים, שמועצמת ב-Big Data. בפרויקט אופייני של אנליטיקה משקיעים בין 60% ל-80% מהזמן בטיוב הנתונים. אין לכך פתרון לגבי הנתונים הקונבנציונליים. ב-Big Data זו שאלה פתוחה".

"בעיה נוספת היא סוגיה מתודולוגית, שקשורה ליישומים בחיזוי וניבוי", אמר ד"ר שמר. "השאלה היא: איך מבצעים את הניבוי? הדרך המקובלת היא שיש נתוני אימון והאלגוריתמים מתכווננים לפיהם, בצורה זו או אחרת. גם אם מתעלמים מהשאלה כמה נתוני אימון מספיקים, יש שתי בעיות אחרות שהרבה מאוד ארגונים לא מודעים להן. הבעיה הראשונה היא: האם נתונים אמנם היו בסופו של דבר כמו התחזית? נניח שאני רופא וברגע שמגיע מטופל, אני רוצה לדעת על סמך כל מיני נתונים מה הסיכוי שלו לאשפוז חוזר. כשאני בונה נתוני אימון, האם אני מסתמך על נתונים שהיו ידועים לי ברגע שבו הוא נכנס למרפאה שלי או שבדקתי מה קרה לאחר מעשה ותוך כדי תנועה השלמתי וטייבתי נתונים? ביותר מדי מקרים אני מגלה שנתוני אימון הם נתונים משופרים ולא מייצגים את נתוני העתיד לכאורה כפי שהיו ידועים באותו רגע. בעיה מתודולוגית שנייה עם נתוני אימון נוגעת לכך שאנחנו פוגעים במטרה נעה. עצם העובדה שאנחנו מפעילים נתונים ומשנים את התנהגות הלקוחות בזכות המערכת גורמת לכך שהנתונים הקודמים כבר לא מייצגים".

הוא ציין כי "עוד בעיה שמתעוררת היא העובדה שאנחנו יכולים לעקוב בזמן אמת אחרי היקף אדיר של נתונים אבל רוב המערכות לא יודעות לגבש תמונת מצב כוללת. ההחלטה שמתקבלת היא לא ההחלטה הנכונה והמיטבית, אף על פי שהיא מסתמכת על נתונים ועל ניתוחים מלומדים. אני לא בטוח שארגונים מתמודדים נכון ומאזנים את המתח בין התמונה הגדולה לשפע הנתונים והעדכניות שלהם".

ד"ר שמר התייחס לסוגיה נוספת בעולם ה-Big Data: "אנחנו מפתחים כלים שמיועדים למקבלי ההחלטות, בין אם בעצמם וביו אם דרך אנליסטים שיטחנו את המידע ויתנו אותו למקבלי ההחלטות בצורה נוחה יותר לעיכול. אלא שברגע שמציגים למקבלי החלטות את המידע ואת התוכנות בצורה שונה, זה מחייב אותם להתאים את עצמם. אני כמעט לא מכיר אנליסטים שמכשירים ומתרגלים את מקבלי ההחלטות".

המקרה של מלחמת לבנון השנייה
כדוגמה לכישלון של מערכת מאחר שמקבלי ההחלטות לא אומנו לפעול עימה ציין ד"ר שמר את מערכת התמיכה בקבלת ההחלטות של הדרגים הבכירים שהופעלה בצה"ל בעת מלחמת לבנון השנייה וזכתה לכינוי "תסמונת הפלזמה". הוא אמר כי "תוכנן תרגיל גדול שבו הייתה כוונה להתחיל לאמן את הדרך הבכיר בצה"ל על המערכת הזו, אך המלחמה פרצה לפניו. בצה"ל אבל גם בכל ארגון אחר, לקחת את מקבלי ההחלטות ולהציג להם את התפיסה השונה, המימד האחר, בלי ההכנה המתאימה ובלי תרגול עלול להוביל לתוצאה יותר גרועה".

"נקודה נוספת היא הפרטיות", לדבריו. "ה-Big Data מאפשר לארגון לדעת הרבה על לקוחותיו ולהצליב נתונים מעשרות מקומות עד כדי פגיעה בפרטיותו. מי שמנתח את פירוט כרטיס האשראי, הטלפון וחשבונות האי-מייל שלי יודע עליי יותר ממה שאני יכול לגלות על עצמי. האם זה כדאי? סקר העלה ששליש מהלקוחות של ארגון מסוים אמרו, ברגע שהדבר נודע להם, שזה עצבן אותם ופגע בפרטיות שלהם עד כדי כך שהם רוצים לעזוב. חברות מאמינות משום מה שאנחנו, הלקוחות, מזלזלים בפרטיות שלנו".

הוא הוסיף כי "הסוגיה האחרונה היא השאלה הקלאסית: איך מגדירים מהי הצלחה? מי מודד את ההצלחה ואיך היא נמדדת? בשירותי בריאות כללית, למשל, מודדים את התשומות ולא את התפוקות. כמות האשפוזים והביקורים החוזרים הם תשומות ולא מדד שמסביר את מידת הבריאות של הלקוח".

ד"ר שמר סיכם בציינו כי "יהיה ויכוח על ההכנסות והרווח של הפרויקטים אבל ברובם, אני לא רואה את ההצלחה מוגדרת מראש. אומרים שהם חשובים, שצריך לייצר תשתיות ולפתח יכולות. אני לא מאמין בדרך הזאת".