בדיקת שמישות היא אחד מכלי המחקר החשובים בעיצוב חוויית המשתמש. בדיקה זו מפגישה את המוצר עם משתמשים קיימים או פוטנציאליים (תלוי במטרת הבדיקה ובמוצר), במטרה לבחון כיצד אותם משתמשים מתמודדים עם המוצר. המוצר יכול להיות חפץ או, בשני המקרים, העקרונות זהים.

שמישות מול שימושיות
• שמישות (Usability) - היכולת לעבוד עם האתר / מערכת ולבצע פעולות מצופות.
• שימושיות - הערך שמקבלים המשתמשים מהאתר / מערכת.

השאלה המרכזית שנרצה לשאול היא, כמה המשתמש צריך להשקיע מאמץ חשיבתי כדי להגיע למידע בו הוא חפץ. לשם כך נוכל להיעזר במספר שאלות מנחות:
• האם המשתמשים מצאו את אשר חיפשו?
• האם נעשו טעויות בדרך?
• האם המשתמש חווה התלבטויות בדרך?
• האם נעים ונוח להשתמש במערכת?

איננו מדברים על תהליך חד פעמי. בדיקות שמישות יכולות להתבצע בשלבים שונים של הפרויקט, ולמטרות שונות:
• לפני תחילת הפרויקט, כדי לבדוק את המצב הקיים.
• בזמן הפרויקט, כשיש שלדי- מסך (Wireframes) ראשונים, אפילו אם הם רק על נייר,

  כדי לבדוק את העיצוב: האם העיצוב עומד במדדי השמישות שהוגדרו בפרויקט?

  האם המשתמשים מצליחים לעבוד איתו בצורה יעילה ומספקת?

  הרבה פעמים מגלים מקומות בהם המשתמשים הולכים לאיבוד בלי יכולת לסיים את המשימה

  שהוטלה עליהם...
• לקראת סוף הפרויקט, כשיש כבר עיצוב גראפי או אפילו אב-טיפוס, כדי לחזור ולבדוק שוב את

  העיצוב.
• בסוף הפרויקט, כדי לבצע בדיקות לאבטחת איכות המוצר (QA).
• אחת לתקופה, כאשר המוצר / תוכנה כבר בשימוש, לטובת בחינת שינויים.

בדיקות שמישות יכולות להתבצע באחת משלוש דרכים:
• ב"מעבדה" (Usability Lab), כלומר בחדר מיוחד שהותאם לכך ברמה כזו או אחרת:

  מכשירי הקלטה, מראה חד כיוונית וכו'.
• באופן פרונטאלי, מנחה אל מול המשתמש - בדיקת שמישות של אחד על אחד, בודק ומשתמש,

  יכולה לגלות במהירות כמות אדירה של מידע על הדרך שבה אנשים משתמשים במוצר.
• בצורה מרוחקת (Remote Testing).

המושג Big Data (עולם גדול של נתונים) מעלה על המפה את ההצפה שיש לנו כיום בנתונים: הרבה מאגרים, מאגרים גדולים בהיקפם, הכוללים נתונים מובנים ושאינם מובנים.

מאגרי מידע הקרויים Big Data בעלי המאפיינים העיקריים הבאים:

היקפים גדולים של מידע (Volume) - כמויות הנתונים שמצטברים בארגון גדלים בקצב הולך וגדל (כך לדוגמא, נתונים על עיסקאות שבוצעו ואוחסנו במהלך השנים ישמשו לצורך ניתוח תבניות ומגמות בסחר במניות בבורסה). בנוסף, הגידול בהיקפי הנתונים נובע גם מהעובדה כי מתווספים מקורות נתונים נוספים למאגר המידע (כמו למשל, נתונים לא מובנים המגיעים מתוך הרשתות החברתיות). כל אלו מגדילים את כמות הנתונים שיש לנתחם.

גיוון הנתונים-(Variety) הנתונים כיום מגיעים בפורמטים שונים, נתונים מספריים מובנים במאגרי מידע מסורתיים, מידע לא מובנה הנוצר ממסמכים, מיילים, סרטוני וידאו, אתרים ורשתות חברתיות ועוד.

מורכבות (Complexity)– כפי שציינתי קודם, הנתונים מגיעים למאגר ממספר מקורות. לכן, יש צורך לבצע ניקוי והתאמה, של הנתונים בעיקר בדרך של זיהוי של תבניות וקשרים שונים אשר אינם ניתנים לחיזוי אנושי מראש.
לשם זיהוי תבניות מוכנסים לשימוש בתחום אלגוריתמים שהורחבו והותאמו לעבודה בכמויות ובקצבים הנדרשים.

מהירות קבלת הנתונים -(Velocity) עקב דרישת הלקוחות לקבלת תשובות מורכבות בזמן אמת (ככל שניתן). הנתונים זורמים במהירות רבה אל בסיס המידע ויש לטפל בהם בזמן המהיר ביותר. אופן ההתמודדות עם מהירות קבלת ועיבוד הנתונים הינה אתגר עבור רוב הארגונים. שכן ,נדרשים אמצעי האחסון מתקדמים התומכים בכמויות מידע גדולות המאפשרים גם כתיבה ושליפה מהירים מאוד.

בינה מיקומית הנה חלק מבינה עסקית.

תחום זה ממוקד בהבאת מידע גיאוגרפי (GIS ועוד) אודות ישות, כדי לסייע בקבלת החלטות מבוססות מידע לגביה. התוכנה מאפשרת שילוב סימונים, Alerts ומדדים על גבי רבדי מידע גיאוגרפי (בעיקר מפות אך לא רק).

דוגמאות לשימוש בבינה מיקומית: קבלת החלטה על מיקום פתיחת חנויות על סמך נתונים דמוגרפיים הקשורים לאותו אזור, תכנון רשתות, וכדומה.

עולמות תוכן בהן ישנם כבר יישומי בינה מיקומית הם מודיעין צבאי, ניהול נכסים, כספים, מלונאות ומסעדות, קמעונאות ועוד.

ישנן מספר תוכנות ייעודיות בשוק המשמשות לבינה מיקומית, דוגמת  SAS (משולב עם ESRI),

Pitney Bowes, Woburn, CMC DMTI Spatial ועוד .

תוכנות אלו כוללות על פי רוב שלושה מרכיבים: התוכנה עצמה, תוכן (גיאוגרפי) ושירותים.

רוב השוק עדיין מסתכל בשמרנות מסוימת על פתרונות בינה מיקומית אחרי שהתרגלנו שנים לראות את ה KPI-י השונים רק על דו"חות סטטיים, אך לא נראה שיקח זמן רב עד שיידעו להבחין בין מקומות בהם הבינה המיקומית הינה Nice to Have למקומות בהם היא מביאה ערך מוסף עסקי/צבאי אמיתי.

"בינה עסקית- נתונים ומידע, אך גם ידע והבנה"

איך מתחילה שגרת יום העבודה של מנהל בעולם המכירות?
בבדיקת דוחות: שורות על גבי שורות שמפרטות באופן דקדקני את כמות המכירות, מי הסוכן שמכר, מה המוצר שנמכר, האם מדובר במכירה בשוק הפרטי או בשוק העסקי, באיזה איזור גיאוגרפי בוצעה המכירה, מה ההטבות הנוספות שניתנו במכירת המוצר ועוד ועוד...

אין ספק שהדוחות מספקים לו הרבה מספרים, נתונים ומידע; הרבה מאוד מידע.
ואכן, הטכנולוגיות המתקדמות הקיימות כיום מאפשרות למנהלים בארגונים לקבל נתונים ומידע זמינים, מה שבהחלט יצר מהפכה בעולמות הניהול ובייחוד בעולמות ניהול המכירות.

• 
  אותו מנהל חרוץ שקרא ועבר על כל הדוח הארוך ביסודיות במשך שעה ארוכה, מה הוא הבין ? מה הוא יעשה עם כל המידע והנתונים האלו מחר ? בעוד שבוע ? בעוד חודש? מה זה בעצם אומר? התשובות לשאלות אלו בעצם נמצאות בעולם הבינה העסקית, ה -  BI על פי  Brian Canning מתייחס ל:
  
  • תהליך שאוסף נתונים ומציג מידע תפעולי עדכני, תמציתי ושימושי.
  • קבלת החלטות עסקיות טובות יותר באמצעות כל אותם נתונים ומידע שנאסף בארגון.
  • יכולת להגיב על מגמות והזדמנויות בשוק.

למעשה, אין הרבה שוני בין צבירת מידע ונתונים רבים לבין העדר נתונים ומידע.
בינה עסקית הינה שימושית רק אם ניתן  לפעול לפיה. רק אם ניתן לראות את היער בין כל העצים.

נחזור לרגע למנהל שלנו.
איזה החלטה עסקית הוא יכול לקבל לאחר שסרק את הדוח ? האם הוא יכול להסיק מהנתונים שכרגע יש ביקוש רב יותר למוצר מסוים יותר ממוצר אחר? האם הוא יודע איזה "מוצר" לקדם (ושאכן קיים במלאי החברה באותו רגע)? האם הוא יכול להגיב בזמן אמת על ירידה במכירות באזור הצפון בגלל מבצע נקודתי של החברה המתחרה?
לפני שיתעמק במה שהנתונים המונחים לפניו יכולים או לא יכולים לייצג קודם כל חשובה ההבנה: מי הלקוחות שלו ומה הצורך שלהם? מה היכולת של הארגון להתמודד עם האתגרים במענה על צרכי הלקוח? מה סדר העדיפויות הניהולי בארגון?
בינה עסקית הוא תהליך של איסוף מסיבי של נתונים בחברה (אינטראקציות עם לקוחות וסקרים,מצב המלאי, כוח אדם, דוחות פיננסים) במטרה לקבל את ההחלטות האסטרטגיות הטובות ביותר על בסיס המידע הטוב ביותר הזמין בארגון יחד עם היכולות להגיב ב"זמן אמת".

בינה עסקית היא מעל הכול ידע והבנה, ולא רק נתונים.

מקור:

http://motorage.search-autoparts.com/motorage/article/articleDetail.jsp?id=705643&pageID=1

המושג 2.0 משתלט לנו על סדר היום. הכל התחיל עם Tim O'reilly  שהמציא ביחד עם חברת הכנסים את מושג ה- WEB2.0 אי שם לקראת סוף 2004. המינוח בא לשקף אופטימיות של יציאה מהשבר הגדול בו היה נתון עולם DOT COM מאז התפוצצות הבועה. ואכן, רוח חדשה נשבה ומנשבת באוויר. יצאנו מהמיתון לתקופת צמיחה ופריחה (ונקווה שתמשיך). לקח זמן עד שהמונח תפס, אך בהחלט מ- 2007, מדובר באחד המונחים היותר פופולאריים. אני אישית מקבלת לא מעט הזמנות לתת הרצאות בנושא.

בחציה השני של שנת 2006 התחילו לדבר גם על KM2.0. הקשר ברור: WEB מסתכל על העולם החוץ ארגוני; KM (ניהול ידע)- על העולם הפנים ארגוני. עקרונות ה- WEB2.0 המתודולוגיים תואמים במידה ניכרת את עקרונות ניהול הידע המוכרים: מרכזיות המשתמש המשתף ותורם ידע. אנשי ניהול הידע התקנאו (ובצדק, לטעמי) בהצלחת ה- WEB2.0; ואיך המוני אנשים יוצרים ידע ומשתפים ידע, אפילו ללא בקשה. יש לציין שאנשי ניהול הידע מנסים להגיע למטרה זו שנים, ומשקיעים מאמצים לא מבוטלים בנדון. ההשלכה, על כן, נראתה טבעית.

אולם, בעת האחרונה, אנו עדים להתרחבות התופעה. כמעט כל תחום הקשור במחשבים, מאמץ לעצמו את התוספת הנכספת- 2.0. וכך- גם עולם הבינה העסקית (Business Intelligence). נעים להכיר: BI2.0.

בינה עסקית מאפשרת גישה, באמצעות הפקת דוחות, לנתוני החברה בעבר ובהווה ועל סמך נתונים אלו גם לחזות השקפות ותנועות עסקיות עתידיות.
תחום זה נמצא באחריות מחלקת מערכות מידע וכל בקשה לשימוש בנתונים עוברת דרכם.

עומס העבודה הנובע מאחוז גבוה של פניות ובקשות לשימוש כזה או אחר בנתוני החברה, הוליד את הצורך להפחית את כמות הפניות על ידי מתן הרשאות וכלים מתאימים ובכך לאפשר לכלל משתמשי הקצה, גם כאלו שאינם בעלי ידע ו/או מעמיק בעבודה עם מערכות בעלות אופי טכנולוגי, גישה בלתי אמצעית לנתונים שבעבר היו זמינים אך ורק בתיווך מערכות מידע: הפקת דוחות מותאמים לפי דרישה, ניתוח מחקרים ועוד.
כלומר, בינה עסקית ב"שירות עצמי".

בכדי לממש את הפוטנציאל הגלום ב"שירות העצמי", חייב להיווצר ממשק עבודה פשוט, ידידותי ונח למשתמש.
עליו להיות מצויד בכלי עזר כדוגמת מערכת עזרה (HELP) פשוטה הכוללת הסבר על פעולות לביצוע, מילון מונחים, עיצוב נח להתמצאות ושפה בהירה המותאמת לקהל היעד.
ממשק המכוון לסייע למשתמשים לממש את מירב הפוטנציאל.

כשלב הכנה, טרם הקמת ממשק עבודה ל"שירות עצמי", על הארגון לשאול את עצמו, איזו תועלת יוכלו וירצו להפיק ממנו המשתמשים? בחינה והגדרה של המטרות, תמקד את הדיון על הכלים הנחוצים ותאפשר להתאים אותם לצרכים האמיתיים.
ברוב הארגונים, בחינה שכזו מגלה כי 80% ממשתמשי הקצה יעשו שימוש בדוחות שיוגדרו על פי צורכיהם של 20% הנותרים.

לכאורה נראה שיש כאן הצלחה עבור שני הצדדים. משתמשי הקצה זוכים בגישה ישירה ופשוטה לנתונים, ומערכות מידע זוכים בהקלה בעומס העבודה. האומנם?
כפי שלא מעט ארגונים כבר הבינו בדרך הקשה, היישום של פתרון ה"שירות העצמי", אינו פשוט.

בואו נבחן מהם היתרונות בשיטת זו:

1. הפחתת עומס העבודה במחלקת מערכות המידע ופינוי זמן לעסוק בנושאים חדשים כמו פיתוח יישומים חדשים. 
2. חשיפת משתמשי הקצה לנתונים העסקיים ותהליך פשוט ונח של הפקת דוחות יאפשרו קבלת החלטות עסקיות מבוססות על נתוני אמת ולא על אינטואיציה. 
3. אספקת מידע מדויק ומתוזמן תסייע להחדיר בהדרגה תחושה של אמון אצל המשתמשים. 
4. אימוץ נרחב של מערכת בינה עסקית (BI) על ידי משתמשי הארגון ידגים את הערך המוסף של מחלקת מערכות מידע. 
5. ככל שיגבר השימוש העצמאי במסדי הנתונים של הארגון, וההחלטות העסקיות שיתקבלו יהיו מבוססות על נתונים שהופקו בזמן אמת, שביעות הרצון מהרווח הכפול, הן של המשתמשים והן של מערכות המידע, תהפוך להיות אבן דרך בהפיכת עובדי החברה לשותפים לדרך

בכל זאת יש גם חסרונות:

1. חשיפת העובדים לכמויות גדולות של מידע – הצפה במקום הקלה.
2. רוב משתמשי הארגון אינם מעוניינים לקבל על עצמם את כובד האחריות שבאיתור והפקת הדוחות. פעולות אלו גוזלות זמן ואצל מי שאינו מיומן ועלולות לייצר שגיאות וטעויות גורליות שעליהן יתבססו הנחות העבודה להמשך.
3. הפקת דוחות ארוכים או מורכבים עלולה להכביד על ביצועי המערכת.
4. כמות רבה של דוחות מקבילים / דומים – קושי באיתור הדוח הרצוי בזמן אמת.
5. דוחות רבים שנוצרו אך אינם בשימוש יוצרים עומס מיותר.

לסיכום, נראה שלמרות המשיכה הברורה לכיוון ה"שירות העצמי", לא בלתי סביר שהוא יגרום לצניחה בשימושיות של הבינה העסקית, ייצור מצבור גדל והולך של דוחות ויגרום לירידה של ביצועי המערכת.

בינה עסקית, במובנו הקלאסי של המונח, היא, בלא ספק, כלי אסטרטגי רב עוצמה עבור ארגונים. באמצעות עיבוד, ניתוח ומניפולציה של כמויות עצומות של נתונים יכול הארגון להפיק מידע וידע חדשים, המאפשרים למוביליו לתכנן באופן מושכל אסטרטגיה ודרכי פעולה עתידיות. אולם, זהו כלי המספק מענה לצורך ארגוני, מהותי ככול שיהיה, אחד בלבד - צורך אסטרטגי. כאשר אנו מדברים על בינה עסקית בהקשר של מתן מענה גם על הצרכים הטקטיים של הארגון, אנו מדברים למעשה על בינה עסקית בזמן אמת, או באנגלית, Real Time BI.

הקושי של הבינה העסקית (במובנו הקלאסי של המונח) לתת מענה טקטי, נובע מהעובדה שהנתונים המעובדים הם נתונים המתייחסים לעבר (בין אם העבר הקרוב- מספר ימים, ובין אם העבר הרחוק קצת יותר- מספר שבועות או חודשים). ב- Real Time BI לעומת זאת, מוזנים ומעובדים הנתונים העסקיים למערכות ה- BI בזמן אמת, עוד בעודם מתרחשים. כך ניתנת לארגון תמונה על מצבו בהווה, ותמיכה טקטית להתמודדות ולמתן תגובות מיידיות לאותם האירועים. מכאן נובע השם הנוסף בו מוכרות מערכות ה- Real Time BI - בינה עסקית מבוססת אירועים- Event-Driven BI. זאת ועוד, כאשר מבוצעת במערכות השוואה של נתוני ה- Real Time BI לדפוסי העבר, גוברת יכולת הארגון לזהות בעיות או הזדמנויות ולפעול לאורן באופן מושכל ופרואקטיבי. 

ה- Real Time BI מתאפשר הודות להתפתחויות שאירעו בשנים האחרונות בטכנולוגיות ה- BI אשר אפשרו לקצר את הזמן שבין התרחשות האירועים לבין הנגשתם לגורמים השונים הזקוקים להם. התפתחויות אלה באות לידי ביטוי הן בזמן שלוקח לאסוף את הנתונים והן בזמן שלוקח לנתחם. השאילתות המורכבות המבוצעות על כמויות הנתונים העצומות, שנמשכו בעבר מספר שעות, אורכות כיום שניות בודדות בלבד. כמו כן, תהליך איסוף הנתונים התקצר באופן משמעותי הודות למחשוב יעיל יותר בנקודות הקצה הארגוניות. כך מסוגלות כיום מערכות ה- Real Time BI להציג נתונים מעובדים בטווח הזמן הדמיוני כמעט שבין אלפית השנייה לכמה שניות.

הטמעת מערכותReal Time BI  בארגון, ולא פחות מכך הטמעת תהליכי עבודה שיובילו לשימוש אפקטיבי בנתונים המונגשים, אינן זולות. על כן, לפני הכנסת מערכות אלה, יש להבחין בין נתונים ומידע אותם יש הכרח להנגיש בזמן אמת (Must be real time), נתונים ומידע שלהנגשתם בזמן אמת ערך מוסף מוגבל בלבד ( Nice to have real time) ובין נתונים ומידע שכלל אין צורך להנגישם בזמן אמת (not at all real time).
לפיכך, בבואנו להטמיע פתרון BI, מומלץ, ראשית, לשאול את עצמנו, ועוד יותר מכך את הלקוחות השונים של המידע, מהו הזמן בו הם זקוקים למידע, ולהתאים את פתרון ה- BI בהתאם לכך.

מקורות:

http://businessintelligence.com/article/151

http://gigaom.com/2010/12/04/get-business-intelligence-ready-for-the-real-time-web/

הבינה העסקית (BI) מסייעת לארגון לקבל החלטות טובות יותר. בין אם מדובר בהחלטה אסטרטגית, טקטית או תפעולית, השילוב בין המידע הנכון, בזמן הנכון ובפורמט הנכון הינו קריטי לקבלת החלטה נכונה.

דו כיווניות (Bidirecionality) הינה תנועה או פעולה, המתבצעת לרוב בשני כיוונים מנוגדים.

ארגונים קטנים כגדולים מתמודדים עם אתגרי הבינה העסקית, בארגונים קטנים השליטה בנתונים זמינה יותר אך ככל שארגון גדל נוצרים בו איי מידע, מומחים שומרים מידע בתיקיות האישיות ובקבצי Excel מקומיים. על אף ההשקעה האדירה של מחלקת IT בפיתוח תשתיות BI, האתגר האמיתי העומד בפניה הינו הענקת גישה לאותם איי מידע. אם בשעת ה"ש" – כשהמידע נדרש, מושקעים משאבים עקיפים לאחזור המידע (שליחת מייל למומחה תוכן, שיחת טלפון לבעלי העניין הרלוונטיים, שיטוט בתיקיות רשת למציאת הקובץ הנכון וכד'), כנראה שה - BI זורם לכיוון אחד בלבד.

בינה עסקית דו כיוונית הופכת את ה BI ליישום אינטראקטיבי בעזרת שילוב ה - BI במערכות התפעוליות והצגת נתונים למשתמשים תוך השימוש במערכת. התוצאה: המשתמש יכול לקבל החלטה על בסיס הנתונים ולבצע פעולות במערכת. כך נוצר מעין "מעגל סגור" המאפשר הפקת תובנות ממשתמשי הקצה לכדי תועלת לרווחת הארגון. ה BI הופך למעשה ל "BI כיווני" מאחר והוא מבוסס על נתונים המגיעים מהמערכות התפעוליות, ובאופן כמעט פרדוקסלי הוא מוחזר אליהן כדי להועיל גם שם בהבנה וקבלת ההחלטות טובה יותר.

ניקח לדוגמא מערכת תפעולית לניהול שרשרת אספקה בארגון (ERP), מנהל תחום המזהה בעיה בהתהוות יוכל באמצעות מערכת דו כיוונית יוכל לפעול בהתאם לנתונים תוך צריכת נתונים חדשים – כל זאת בלי לעבור למערכת אחרת. בעוד ב BI המסורתי, ביצוע פעולות יתאפשר ככל הנראה לאחר בדיקה ושימוש במערכות משלימות, בשילוב מנהלי המערכות, ועוד מיילים, שיחות ואף פגישות... כך שלמעשה התגובה והשינוי יתבצו רק לאחר מספר ימים. המניע העיקרי של ארגונים להשתמש בכלים חכמים לניהול שרשרת האספקה הוא להגדיל את מהירות התגובה של הארגון לשינויי הביקושים המהירים. מודל שרשרת האספקה דורש אינטגרטיביות רבה ורציפה של מערכות המידע ו"שקיפות"  כך ש BI דו כיווני הינו צעד בכיוון הנכון.

כח מניע נוסף לטובת הבינה העסקית הדו כיוונית הוא מערכות BI מבוססות WEB. במערכות אלו למשתמשים יש יכולת לבצע אינטראקציה עם ה - Data. במידה מסוימת, מערכות אלו דומות לאפליקציות רגילות המאפשרות עדכון על ידי המשתמש. למערכות WEB יתרון נוסף בכך שקל יותר להנגיש בהן את המידע למשתמש – הממשק ידידותי ומוכר ובימינו אף עובד אינו זר לדפדפן ה Webi.

יש שיגידו ששימוש במערכת דו כיוונית טומנת בחובה השפעות על אמינות וניקיון הנתונים, דאגה אמיתית במערכות פתוחות ולא מנוהלות. אולם המציאות מוכיחה לנו כי מערכות BI בימינו יודעות לבצע מידור הרשאות וביזור השליטה באופן הקובע מי צופה בנתונים ומי רשאי לעדכנם, וכן מאפשרות לייצר כללים הקובעים כיצד המידע משתנה בעת הצורך (בקרת עמיתים, בקרת מומחים, אישור מנהל וכד') - במטרה להגן על אמינות וניקיון המידע במערכת.

בינה עסקית דו כיוונית מציידת את העובד ביכולת קבלת החלטות איכותית ומבוססת בזמן אמת, אך בנוסף גם תורמת לתהליך קבלת החלטות ידידותי יותר, ומביאה לתחושת מוכנות ותחושת ערך מוסף לעובד עצמו. באופן עקיף ניתן לראות עלייה בשימוש במערכת מאחר ולמשתמש יש הבנה מעמיקה יותר ותחושת בעלות ואחריות על הנתונים, כך שבשורה התחתונה היעילות הארגונית משתפרת. מרבית הארגונים עובדים כיום במודל חד ממדי, סביב הרעיון של איסוף ואגירת נתונים >> הצגת הנתונים >> צריכת הנתונים. חסר הניסיון לאינטראקציה או עדכון הנתונים תוך כדי תנועה. עוצמת הבינה העסקית הדו כיוונית טמונה בהענקת השליטה למשתמש, ובכך מאפשרת התמודדות עם השונות ותדירות השינוי של המידע שאותו עובד הידע צריך לקלוט, לעבד ולבסוף לפעול בהתאם, ובמקרים מסוימים אף להשפיע על הנתונים במידת האפשר. זאת בניגוד למצב הרווח של צריכה וניתוח מידע בלבד.

ככל שהזמן עובר המגמה מתחילה להשתנות- יותר ארגונים בוחנים הטמעת מערכות BI לתוך המערכות התפעוליות, ומייצרים מצב של "מעגל סגור" ודו כיווניות של מערכות ה-BI.

מקורות:

Business Intelligence Vision

Bidirectional Business Intelligence: What You Need to Know

Bidirectional

Bidirectional Business Intelligence

שרשרת האספקה

BI דינאמי הינו BI שעדכני כאשר הארגון צריך את המידע. לכאורה יכול להיות שמדובר במידע שמתעדכן אחת למספר חודשים, אך ברוב המקרים, כדי להבטיח עדכניות מלאה, אנו אכן מדברים על סביבת מחסן נתונים המתעדכנת תדירות, לפחות אחת לכמה שעות. משמעותו של ה BI הדינאמי ביכולתו לספק תשובות תלויות זמן לארגון; כלומר, תשובות שהמענה להן משתנה בהתאם לזמן שבהם נדרש ונבחן המידע. ושוב, אנו מדברים על השתנות בקצב מהיר.

לאילו יישומים חשובה השתנות תדירה גבוהה שכזו? אחד היישומים המשמעותיים הנו קביעת תעריפים. כאשר אנו רוצים לקבוע תעריפים בהתאם לפרמטרים בשטח, הרי שה- BI הדינאמי הנו המרכיב המאפשר לנו זאת. הדבר נכון בבתי מלון שמחירם משתנה בהתאם לרמת תפוסת החדרים, אך נכון לא פחות לכבישים בהם עלות הנסיעה תלויה בעומס. BI דינאמי יכול לסייע בקבלת החלטות הקשורות בשינוע, ובשרשרת אספקה בכלל. והדוגמאות מתרבות מידי יום.

אך יש לזכור שאנחנו בני אדם. קצב קבלת ההחלטות שלנו, אינו מהיר עד כדי כך, ועד שאנו דנים ומקבלים את ההחלטות, יתכן ואלו כבר אינם רלוונטיים. BI דינאמי מקבל משנה תוקף כאשר הוא מסייע לקבלת החלטות אוטומטית, ללא מגע יד אדם. בדוגמאות שציינו, קביעת תעריפי חדרים, תעריפי נסיעות, החלטות על שינוע ועוד, הרי שקבלת החלטות אוטומטית הנה בהחלט צעד הגיוני.

איפה יכולות להתעורר לנו בעיות? בסתירות בין נתונים אלו, לנתונם אחרים שאנו מביאים למחסן הנתונים, כאשר הנתונים האחרים מתעדכנים רק אחת ליום, שבוע או חודש, ואינם תואמים על כן, בסיכומיהם, לנתונים המגיעים באופן כמעט רציף. ברור לנו שיש להיזהר מסחף הדרגתי שיגרום לעדכון כלל מחסן הנתונים באופן רציף. מדובר במהלך יקר, שיכול להפריע לעבודתה התקינה של המערכת התפעולית. תנו דעתכם, ביישום BI דינאמי, מה התועלות, מה הסיכונים (כמו הסתירה הפנימית שהצבענו עליה, או לחילופין, השקעה מסיבית בהעברות מידע רציפות) ובחרו את הנתיב המתאים לארגונכם. רק זכרו- החליטו על כך באופן מושכל, והכריזו עליו. אל תגררו; הובילו.

"בינה עסקית משולבת" הינה שילוב דוחות ויכולות אנליטיות בתוך מערכות תפעוליות קיימות אשר משמשות את העובדים במהלך עבודתם השוטפת.
כלומר, BI מסוג זה משתלב בתוך העולם האופרטיבי ומסייע בקבלת החלטות טובה יותר בזמן אמת.

    הזדמנויות עסקיות.

בינה תהליכית, או Process Intelligence (PI), היא שם קוד למגוון טכנולוגיות, אשר חושפות ידע החבוי בתהליכים עסקיים ומסייעות לנו להשתמש בו בצורה יעילה יותר. יעדי הבינה התהליכית הם שיפור הפרודוקטיביות, שיפור איכות המוצר ואיכות השירות וכן שיפור הרווחיות העסקית על ידי הפיכת המידע והידע למובנים יותר ושיפור יעיל יותר במידע התהליכי. בינה תהליכית מסייעת לארגונים להשתמש במידע תהליכי לצורך שיפור התחרותיות

בינה תהליכית משמשת כמתווך בין ניהול טכני לניהול העסקי באמצעות גישה למאגרי מידע עסקיים, איתור תהליכים עסקיים מרכזיים בהם טמון ידע ושילוב הידע בצמתים חשובים בארגון (בניית לוחות זמנים וסימולאטורים) וכן תכנון אמצעי בקרה ותחזיות שיסייעו בקבלת החלטות.

בינה תהליכית מספקת למהנדסי תהליך ולמנהלים כלים לקבלת החלטות טובות יותר. דוגמאות לכלים כאלו הם:

כריית מידע, המאפשרת ללמוד על דרכי קבלת החלטות במגוון תנאים משתנים (להרחבה- כריית ידע - Knowledge Discovery ).

אלגוריתמים גנריים מתקדמים, אשר בונים מערכות לוחות זמנים בזמן אמת, המשלבת תהליכים כלכליים למסגרת של זמני יצור. אלגורתימים אלו מצמצמים חוסר יעילות על ידי ניצול קיבולת היצור באמצעות אינטגרציה של המלאי, התחשבות בהזמנות נוכחיות ובתכנון היצור. אינטגרציה זו מלה על התאמת לוחות הזמנים, בחינת לוחות זמנים חלופיים והקצאה מהירה של הזמנות.

ניתוח מקוון, המדמה וחוזה מדידות של תהליכים יקרים ומורכבים לחיזוי. אלו חיישינים וירטואלים קלים לעדכון, אשר חוסכים לארגון זמן וכסף על ידי חיזוי השינויים.

הבינה התהליכית מציעה טכנולוגיות שעשויות לסייע בהתמודדות עם הצפת המידע הקיימת, וליישם את המידע הדרוש בצורה האפקטיבית ביותר לצורך מיקסום התחרותיות.

המושג "בינת לקוח" (Customer  Intelligence) מתייחס לתהליך איסוף וניתוח מידע אודות הלקוחות הן על פרטיהם האישיים והן על הפעולות שהם מבצעים כך שלא רק ישמע קולו של הלקוח אלא גם יבינו אותו. תהליך זה מתבצע על מנת לשפר את ההחלטות האסטרטגיות  המתקבלות במחלקות השונות בחברה (מכירות, שיווק, לוגיסטיקה , פיתוח מוצרים וכו'). ובכדי ליצור קשרים מיטביים עם הלקוחות וליצור הזדמנויות עסקיות נוספות.

Customer Intelligence הינו מרכיב חשוב בניהול קשרי לקוחות וכאשר הוא מיושם בצורה אפקטיבית הוא מהווה מקור עשיר לתובנות  על התנהגויות והפעילויות של  לקוחות החברה.  כך לדוגמא, לקוחות שיוצאים מן החנות כאשר הם לא ביצעו שום רכישה, אינם מופיעים במערכות ה-CRM המסורתיות  של החברה אך עדיין חשוב לחברה לדעת מדוע לקוחות אלו עזבו את החנות ללא ביצוע רכישה. את המידע הנ"ל ניתן להשלים באמצעות  העברת שאלון למוכרים בחנויות  ובמידת האפשר, באמצעות בדיקה מול הלקוחות שעזבו את החנות מבלי לבצע רכישה. כך למעשה,  ניתן לקבל תובנות נוספות  לגבי ההתנהגויות של הלקוחות באינטראקציה שלהם עם החברה.

תהליך איסוף בינת הלקוח

בינת הלקוח מתבססת על מידע עובדתי  בסיסי אודות הלקוח. כמו לדוג' האיזור הגיאוגרפי בו הוא מתגורר. מידע זה נוסף על המידע הקיים במערכות ה-CRM על הפעולות שביצע הלקוח (לדוג' אילו רכישות נעשו , אילו פניות בוצעו לשירות הלקוחות ודרך אילו ערוצי תקשורת הלקוח פנה).

בנוסף, החברה יכולה להיעזר גם במידע תחרותי על המתחרים וכן במידע הנאסף דרך פעולות לקוח סמוי וזאת על מנת לקבל פרספקטיבה על איך השירות/ המוצרים שהם מספקים נתפסים בשוק.

ה-Customer Intelligence למעשה מבצע אנליזות על פילוח הלקוחות, נתוני מכירה צולבת, עלות הטיפול בלקוח, מידע על שביעות הרצון של הלקוח , ניתוח ניקוד האשראי של הלקוחות,  ניתוח השוק ועוד. כאשר בביצוע אנליזות אלו על המידע המתקבל בהקשר הנכון  אודות המתחרים, מצב השוק ומגמות כלליות ניתן לזהות מגמות אודות צרכים עתידים ונוכחיים של הלקוחות , לקבל  מידע על  תהליך קבלת ההחלטות של הלקוחות ולהניח הנחות לגבי התנהגותם העתידית.

מקורות מידע לדוגמא לאיסוף מידע על הלקוחות

• ניתוח שיחות – ניטור שיחות טלפון המתבצעות בין הלקוח לחברה באמצעות ניתוח פונטי או טקסטואלי על מנת למצוא מילים או ביטויים המאפשרים סיווג סוגי שיחות וזיהוי מגמות
• ניתוח קליקים באתרי החברה – ניטור פעילויות המתבצעות באתרי החברה, מידע זה יכול לספק רמזים על המוצרים המעניינים את הלקוחות ואת רצונות הרכישה שלהם
• מערכות CRM – שימוש בכלי תוכנה אשר מסייעים בניהול קשרי הלקוח ואשר מאחסנים מידע אודות סוג הלקוחות וסיבות פנייתם
• ניתוח טקסטואלי של סקרי שביעות רצון – שימוש בכלי ניתוח טקסטואלי אשר יסייעו בהבנת צרכי הלקוח והפערים הקיימים כיום
• ניתוח השפעת דיוור ללקוחות על ביצועי מכירות בחברה – שימוש בכלי ניתוח לבדיקת השפעת פעילויות שיווקיות על המכירות בחברה

יתרונות השימוש ב Customer  Intelligence :

שימוש ב-Customer  Intelligence מסייע בתהליכים הקשורים למחלקות רבות בחברה כגון: מכירות, שיווק, לוגיסטיקה ופיתוח מוצרים ומאפשרת התאמה טובה יותר של המבצעים ללקוחות, פיתוח מוצרים המתואמים לצרכי הלקוחות, במידת הצורך, שינוי בתהליכי טיפול וממשקים עם הלקוחות  ומאפשר:

1. לכוון בצורה יעילה יותר  את המסרים הנכונים  לקהל היעד הנכון ובכך לשפר את החשיפה בקרב קהלי היעד
2. לחשוף הזדמנויות עסקיות חדשות המתאימות לצרכי הלקוחות תוך פיתוח מענה לצרכים אלה לשיפור רווחיות החברה
3. להעריך את המתחרים  אשר עשויים להשפיע על החלטות הקונים
4. לזהות את מוקדי ההשפעה ואת מקבלי ההחלטות בקרב הקונים
5. לשפר תהליכי גביה-  באמצעות איתור לקוחות בעיתים
6. לשפר את השירות הניתן ללקוחות- באמצעות טיפול בסיבות הפניה של הלקוחות  ושיפור עלות תהליכי שיפור השירות

לסיכום, ה-Customer  Intelligence מהווה את אחד היישומים המרכזים לניתוחים עסקיים המספקים  יתרון תחרותי לחברה על ידי שילוב בין מיידעים הנוגעים לקשרי לקוחות לניתוחי BI שונים. היא מאפשרת הבנה טובה יותר לגבי התנסויות של הלקוחות בעת מגע עם החברה ומאפשרת לחזות את הסיבות מאחורי התנהגות הלקוחות. ידע זה יכול לסייע  להגברת האפקטיביות של ההחלטות האסטרטגיות המתקבלות בחברה. ובסופו של דבר  לשמר את הלקוחות בצורה טובה יותר ולגייס לקוחות נאמנים נוספים.

אומדן של הישגי הארגון הנוכחיים בניהול ידע, סביבת הידע, ומיפוי של מקורות הידע הסמוי והגלוי הפנויים. 

מהם היתרונות בהקמה וניהול של בלוג ארגוני?

בלוג (באנגלית 'Blog' , בעברית 'יומן רשת') הוא אתר אינטרנט / אינטראנט שבו נכתבות רשומות (נקראים גם 'פוסטים' , באנגלית Posts) העוסקות בחוויות, חדשות ומאמרים, לעיונם של גולשי האינטרנט לשם קריאה ובדרך כלל אף לתגובה. הרשומות מסודרות על פי הנושא החדש ביותר בהתחלה והישן ביותר בסוף. בעלי בלוג נקראים בלוגרים וקהילת בלוגרים נקראת בלוגוספירה.
המילה 'בלוג' היא הלחם של המילים מאנגלית: Web רשת ו-  Log יומן.
(מתוך הערך בלוג, ויקיפדיה)

הבלוג הוא חלק מתרבות האינטרנט בעידן ה-וב 2.0, והתפתחו במקביל להתפתחות הרשתות החברתיות וכלים אחרים העוסקים כולם ביצירה ושיתוף של תוכן גולשים.

הבלוג הארגוני נמצא לרוב ברשת האינטראנט הפנימית של הארגון, ונועד לשיתוף תוכן בין עובדי הארגון. לעיתים יהיה הבלוג הארגוני פתוח גם לכלל רשת האינטרנט, בעיקר במקרים של צורך בשיתוף תוכן עם לקוחות ושותפים מחוץ לארגון.

יתרונות הבלוג הארגוני:

• משמש מקור ידע מקצועי לעובדים בארגון
• מקדם ותומך בתהליכים עסקיים בארגון
• ממצב את כותב הבלוג כמומחה בתחומו בארגון
• מקדם העשרה ולמידה מקצועית
• מעודד חשיבה, תגובה ויצירת שיח בין העובדים
• מעודד את שימור הידע הארגוני
• תורם להפיכת ידע סמוי לידע גלוי
• מקדם ותומך בתהליכי שיווק, הדרכה, ניהול שינוי בארגון

המלצות לבלוג הארגוני:

• כותב התחום צריך להיות מומחה בתחומו / בעל פוטנציאל להפוך למומחה בתחומו
• מומלץ שכותב הבלוג יהיה בעל יכולות כתיבה / יקבל הכשרה בכתיבה אינטרנטית בכלל ובכתיבת בלוג בפרט
• יש להגדיר היטב את מסגרת הבלוג והנושאים בהם הוא עוסק – ולדבוק במסגרת
• ניתן ומומלץ להקים בלוגים שונים לנושאים שונים
• השקיעו הן באיכות וכן בנראות – יחד הם תורמים לבלוג מוצלח ושימושי יותר
• בלוג אינו מסמך רשמי – מומלץ לכתוב בשפה אישית ובמילים פשוטות (המתאימה לערכי הארגון ולקהל היעד של הבלוג, כמובן)
• יש לקשר את הבלוג ולייחצן אותו בהקשר לאתרים המקצועיים הקיימים בארגון לפי נושא העיסוק של הבלוג

לסיכום,
הבלוג הארגוני משמש כמקור ידע וככלי עבודה, התומך והמקדם את המטרות העסקיות והתהליכים העסקיים של הארגון, זאת תוך יצירת שיתוף ושיח בקרב העובדים בארגון. השימוש בבלוג כרכיב בפורטל הארגוני / באתר ידע מקצועי יכול לתרום לפורטל / לאתר ערך מוסף משמעותי. 

לקריאה נוספת:

ערך בלוג, ויקיפדיה

ערך תרבות האינטרנט, ויקיפדיה 

ערך וב 2.0, ויקיפדיה

מושג חדש בעולם ניהול הידע . המושג הינו קיצור של WEBLOG והוא מעין "מועדפים". שמירת פריטי מידע אישיים / ארגוני . בצורתו הפשוטה מה שנשמר הוא: שם הפריט, כתובת URL ותאריך שמירה. בצורה מתקדמת יותר נשמרים גם תיאור קצר וקטגוריה. ישנם שני סוגים עיקריים של בלוגים: 1. בלוג אישי – פורמט חופשי על כל נושא שבעולם מכל סוג. 2. בלוג אינפורמטיבי – מיוחס לנושא מוגדר ומטרתו להצביע על מקורות מידע או נושא מסוים ממוקד כגון Lotus Notes או רחב כגון ניהול ידע. ניתן ליצור כמובן, גם בלוגים משותפים שבהם מספר אנשים או קבוצה מפרסמת בלוג יחיד ומשותף. מכאן התפתח מונח נוסף הנקרא K-Log המייצג את הידע של הפרט דרך הפריט שנשמר על ידו. K-Log מאפשר לעובדים לפרסם מאמרים, נקודות מבט, קישורים, מסמכים, אי מיילים חשובים ותמונות באינטראנט ארגוני. בדרך שבה ניתן לערוך חיפוש, לעלעל ולאחסן את התוכן המפורסם וכך לשתף ידע. המידע מאורגן ע"פ זמן ובאופן אינדיבידואלי. K-Log הנו פשוט להפעלה ומספק תועלת מיידית למשתמשים: הפצת אינפורמציה שמאוחסנת בשולחן העבודה של העובד או בראשו ופרסום אישי. 

כאשר מתחילים פרויקט חדש, חלק חשוב בתכנונו הינו זיהוי "בעלי העניין" (Stakeholders) באמצעות מיפוי של כל אותם אנשים שמשפיעים על הפרויקט או מושפעים ממנו. זאת, כדי למנוע ולהקטין קונפליקטים עתידים שעשויים לפגוע בהצלחת הפרויקט.

פרויקטים רבים מתעכבים או נעצרים רק בגלל שמישהו שכח לערב גורם מסוים, עקף אותו, או לא לקח בחשבון את חשיבותו. פעמים רבות די בכך ששכחנו לכתב נמען וכבר מורגש מתח באוויר...

על מנת להתמודד עם כל אותם גורמים שיכולים להשפיע על הפרויקט, אסביר בסקירה זו את חשיבות הנושא ואף אציע מספר דרכים להתמודד עם ה-Stakeholders.

אז בואו נתחיל:
מה זה בכלל המושג STAKEHOLDERS?
בעברית, "בעלי עניין" –כל מי שמעורב בצורה אקטיבית בפרויקט, או כאלה שהאינטרסים שלהם מושפעים לטובה/לרעה מהפרויקט (לפי הגדרה של ה - - PMBOKגוף הידע בניהול פרויקטים).  במילים אחרות, כל מי שהפרויקט נוגע אליו בצורה כלשהי, לדוגמא: ספקים, לקוחות, סוכנויות ממשל, מועסקים, קבוצות אינטרס וכו'.
אם אלה לא נלקחים בחשבון בתהליך ניהול הפרויקט, קיים סיכוי גדול שייכשל.

כעת, אמנה מספר שלבים שיסייעו לזהות את אותם "בעלי עניין" ולרתום אותם להצלחת הפרויקט:

בשלות דיגיטלית היא מדד המשקף את בשלותו של האירגון ביחס למיצוי השימוש בערוצים וכלים דיגיטליים.

בשלות דיגיטלית מוגדרת כמדד ארגוני המתאר את ההיקף, העומק והאפקטיביות בה הארגון משתמש בטכנולוגיות דיגיטליות בביצוע עסקיו להגדלת היתרון התחרותי שלו. מדד זה מצביע על השלב בו הארגון נמצא בכל הקשור ליישום הטכנולוגיות הדיגיטליות, לטיב הכישורים והיכולות של מנהלי ועובדי הארגון להתמודד בעידן הדיגיטלי ולטיב כישוריו בהטמעת חדשנות, מודלים עסקיים דיגיטליים וטכנולוגיות דיגיטליות חדשניות.

ארגונים שונים אימצו לעצמם מודלים שונים בכדי לבחון את רמת בשלותם הדיגיטלית. להלן דוגמאות של שתי חברות מובילות: מקינזי ו- PWC:

חברת מקינזי: מודל המקדם הדיגיטלי - Digital Quotient

בדומה למבחני IQ, מודל זה של חברת מקינזי מעניק ציון משוקלל על בסיס ארבע קטגוריות, כאשר בכל קטגוריה ישנה התייחסות למספר תחומים/ פרמטרים (סה"כ 18 תחומים): אסטרטגיה; תרבות; ארגון; יכולות. מאחורי כל אחד מהתחומים, מקינזי בנתה שאלון (סודי) וכך היא מעריכה את הציון לכל תחום. קביעת משקלות שונות מעניקה את הציון הסופי לכל קטגוריה

מקדם ממוצע – 33
כחלק מתהליך בחינת הבשלות הדיגיטלית ותקפות המודל שלה, החברה ביצעה סקר מקיף של 150 חברות שונות וחישבה את המקדם הדיגיטלי שלהן. המקדם הממוצע שהתקבל היה 33 וניתן לראות שיש חברות רבות שקיבלו ציון נמוך מהממוצע ולא מעט חברות קיבלו ציון מעל הממוצע. את החברות שקיבלו ציון מעל הממוצע חילקה חברת McKinsey לשתי קבוצות – כאלה שקיבלו ציון בין 40 ל 50 הוגדרו כחברות מתפתחות דיגיטלית - Emergent Leaders ואלה שקיבלו ציון מעל 50 הוגדרו כחברות מובילות דיגיטלית Established Leaders

חברת PWC: מודל המקדם הדיגיטלי – Digital IQ

החברה זיהתה 5 התנהגויות ארגוניות שהופכות ארגון לארגון היודע לנצל היטב את הטכנולוגיות הדיגיטליות ולבנות את היתרון התחרותי שלו בעידן הדיגיטלי:

1.  המנכ"ל פועל כמוביל דיגיטלי
2. קשרים חזקים בין סמנכ"ל שיווק וסמנכ"ל טכנולוגיות מידע
3. גישות חדשות מבחוץ פנימה
4. השקעה בפלטפורמותIT חדשות
5. התייחסות לנושא הדיגיטל כיכולת ארגונית

החברה פיתחה שאלון המכיל 10 שאלות ובאמצעותו היא מבצעת הערכה של המקדם הדיגיטלי של הארגון. על כל שאלה הארגון יכול לענות כן או לא וכל תשובה חיובית מזכה בנקודה. סה"כ הנקודות שהארגון צבר מהווה את המקדם הדיגיטלי שלו.

לסיכום, היום כבר ברור ששילוב טכנולוגיה וכלים דיגיטליים בעולם של ניהול ידע ובכלל, הוא מהותי וכזה שמצביע על יכולת הארגון להתאים עצמו לשינויים ולמגמות חדשות. ארגונים רבים כבר מקדמים עצמם לכיוון ואפילו הגדירו תפקיד של מוביל דיגיטלי, אותם סוכני שינוי שעושים שימוש בחדשנות ודיגיטציה כדי לקדם פרוייקטים בארגון.

אז.. בחנו את עצמכם – עד כמה ארגונכם בשל דיגיטלית? (מבוסס על מודל PWC). יש לענות בכן או לא על כל היגד:

• המנכ"ל שלנו מוביל את המהלכים הדיגיטליים
• המנהלים האחראים על הנושאים הדיגיטליים מעורבים בגיבוש וקביעת האסטרטגיה הדיגיטלית
• האסטרטגיה הדיגיטלית מתואמת ומוסכמת על כל היחידות העסקיות ומקבלת את הגיבוי של ההנהלה הבכירה
• האסטרטגיה העסקית והדיגיטלית מתוקשרות היטב בכל דרגי הארגון
• הארגון משתף פעולה עם גורמים חיצוניים )ספקים, אוניברסיטאות ומעבדות( לאיסוף רעיונות ויישומם)
• הארגון מנתב את השקעות שלו בטכנולוגיות דיגיטליות בעיקר כדי ליצור יתרון תחרותי
• הארגון משתמש, מנצל היטב ומייצר ערך מנכסי הנתונים שהוא צובר ומנהל
• הארגון מודע ופועל לטפל בסוגיות צנעת הפרט ואבטחת מידע בכל הפרויקטים שהוא מבצע
• לארגון יש תכנית ומפת דרכים רב שנתית המתייחסת לכל התהליכים העסקיים והיכולות הנדרשות כולל ליכולות
  ולרכיבים הנדרשים באגף טכנולוגיות מידע
• הארגון מודד באופן רציף את התוצרים והתפוקות מהשקעותיו בנושאים הדיגיטליים