"הבינה המלאכותית תעשה סדר בבלגן הנתונים הארגוני"

"מנהלי.ות הנתונים בארגון, CDOs (ר"ת Chief Data Officer), מצויים במצוקה גדולה. הנתונים בארגון לא מאורגנים ומצויים בבלגן, בכל מיני מקומות, בתצורת איי מידע נפרדים. כך קשה להפוך את הנתונים למידע אמין. נוצר מצב שבו קשה לבסס את התובנות על מידע אחיד. בנוסף, יצירת התובנות עבור מקבלי ההחלטות אורכת זמן רב. לצד זאת, מופעל עליהם לחץ מצד ההנהלות להטמיע כלי בינה מלאכותית. ניתוח מבוסס בינה מלאכותית יוצרת (Gen AI), שמציג תובנות בשפה טבעית ובאופן חזותי – יאפשר ללקוחות לקבל החלטות טובות ומהירות יותר", כך אמר דניאל אלון, סמנכ"ל בכיר ל-Data intelligence (מודיעין נתונים, בינת נתונים) בסיילספורס.

בראיון לאנשים ומחשבים אמר אלון כי "המידע אינו אחיד: מקבלי ההחלטות מקבלים כל מיני נתונים, שקשה לבסס אותם, למשל 'מהי ההגדרה הנכונה והיחידה למונח החזר השקעה', כאשר לשאלה יש יותר מתשובה אחת, כיוון שכל אנליסט יכול לגשת למקור מידע שונה ולחשב את הנוסחה בצורה אחרת".

"מה שמשפר מצב זה", הסביר, "הוא שהעולם הולך לכיוון של שכבות סמנטיות. שכבה סמנטית הופכת את הנתונים בארגון לשימושיים לכולם, עם יצירת הקשר עסקי. היא מסייעת להגדיר הגדרות עסקיות המשרתות את כלל הארגון – 'מהו רווח', 'מהו החזר השקעה' וכדומה, וכך ליצור אמת ארגונית אחת, מדויקת ואחודה. בצורה זו, השכבה הסמנטית מסייעת לאנליסטים לעשות את העבודה יותר מהר ונכון, ומאפשרת למקבלי ההחלטות לבטוח בנתונים שמוצגים להם".

"שכבות סמנטיות הן מגמה שתופסת תאוצה, לפי חברות המחקר", ציין אלון. "הן מאפשרות לארגונים להיות תלויים פחות בזמינות המידע ולהתבסס יותר על הגדרות סמנטיות ארגוניות. כך נוצרת שכבה אבסטרקטית בין הדאטה והכלים שעובדים עליה, עם הגדרות עסקיות שמסייעות להתנהלות ביום יום של הארגון, ובלי צורך לגשת לדאטה עצמה, ברוב המקרים. חלק ניכר מהפיתוחים של השכבה הסמנטית שלנו נעשים במרכזי המו"פ של סיילספורס בארץ".

Tableau Pulse

לדבריו, "באחרונה השקנו את Tableau Pulse. זו פלטפורמת אנליטיקה שמאפשרת ללקוחות לקבל החלטות טובות יותר ומהירות יותר, בעזרת בינה מלאכותית יוצרת וניתוח מהימן של הנתונים. הפלטפורמה נועדה להציג תובנות, בשפה טבעית או באופן חזותי – מה שמקל על גילוי נתונים חשובים, קבלת תובנות, שאילת שאלות וחיבור נתונים להקשר עסקי. יש לנו ארכיטקטורת AI מאובטחת בפלטפורמה, להבטחת מהימנות ובטיחות הנתונים".

אלון הוסיף כי "הפלטפורמה מזהה אוטומטית מניעים, מגמות וחריגים עבור המדדים שמשתמשים עסקיים צריכים. לדוגמה, יכולת להתריע באופן יזום בפני מנהלי שיווק על צניחה בביצועי הקמפיין, עם המלצות לתיקון. היא מסייעת לקבל נראות בתחומים שונים, כמו פגמים בייצור ונתוני זמן פעולה של ציוד לתעשיית הרכב, ביצועי המוצרים בשוק והחזר השקעה של קמפיינים לתעשיית הקמעונאות, תובנות על הכנסות ושולי רווח לתעשיות שונות ועוד".

הוא ציין כי "יכולת נוספת היא לשתף סיכומים שנוצרו על ידי AI ותובנות הקשריות לגבי מדדי מפתח בערוץ סלאק מועדף. שכבה נוספת מסייעת לאנליסטים ליצור בקלות הגדרות מדדים קבועות, קבוצה של מטא-נתונים שמבססת משמעות והקשר עסקי של מדד, עם מקור אמת אחד ללקוחות".

"לצד השכבה הסמנטית", אמר, "הפלטפורמה מסייעת למקבלי ההחלטות להיות יותר עצמאיים ולא להיות תלויים באנליסטים".

"עסקים בכל מקום מנצלים את הבינה המלאכותית היוצרת כדי להאיץ את היעילות ולשפר את הפרודוקטיביות שלהם", סיכם אלון. "אנחנו עוזרים להם בכך, עם פונקציונליות חזותית ונתונים בזמן אמת – כדי לקבל תובנות מותאמות בינה מלאכותית עבור העובדים, ולקבל החלטות טובות ומהירות יותר, המגובות בנתונים מהימנים. כך מתקבל ניצחון משולש – למקבלי ההחלטות, למנהלי הדאטה ולארגון בכללותו".