ייעוץ ניהולי
לממש את הפוטנציאל הארגוני: ארבעה שלבים למיצוי עסקי – מניהול משאבים חכם ועד AI אוטונומי
ארגונים רבים משקיעים משאבים רבים בכוח אדם, טכנולוגיה ותהליכים, אך בפועל הם אינם מצליחים למצות את מלוא הערך העסקי הגלום בהם. הבעיה אינה בהיעדר משאבים, אלא בניהול לא אופטימלי שלהם – תיעדוף לקוי, חוסר גמישות ארגונית והיעדר שימוש בנתונים לצורך קבלת החלטות מבוססות.
מנכ”לים, מנהלי פיתוח עסקי, מנהלי רכש וגם מנמ”רים בחברות וארגונים בכל המגזרים אך במיוחד במגזר הפיננסי (חברות וסוכני ביטוח, בנקים, חברות אשראי, ליסינג ועוד) צריכים תמיד לשאול את עצמם: האם אנחנו באמת מפיקים את המרב מהמשאבים שכבר יש לנו, או שאנחנו רק ממשיכים לעשות את מה שתמיד עשינו ?מנהלים שישפרו את היכולת של הארגון להגיב במהירות לשינויים – הם אלו שיובילו את הארגונים שלהם לצמיחה והצלחה.
ע”פ מחקרים של גרטנר (Gartner) נמצא כי ארגונים המשלבים טכנולוגיות מתקדמות, כגון אוטומציה של תהליכים, בינה מלאכותית וניתוח נתונים, מצליחים לשפר את ביצועיהם העסקיים. הדו”ח הדגיש את הצורך בשימוש בכלים טכנולוגיים ובתכנון אסטרטגי על מנת לייעל תהליכים, לשפר את יכולת קבלת ההחלטות וליצור יתרון תחרותי בשוק. בנוסף, גרטנר ציין כי ארגונים המתמקדים בטכנולוגיות מתקדמות שיפרו את תפוקתם העסקית, צמצמו הוצאות ויכלו להגיב בצורה מהירה וגמישה לשינויים בשוק.
לא ממצים את הפוטנציאל העסקי – הסיבות המרכזיות
1. מבנים ארגוניים מסורתיים והיררכית: בארגונים אלו כל מחלקה פועלת בנפרד, בצורה עצמאית, תוך תיעדוף המשימות בהתאם ליעדיה הפנימיים ופחות תוך התחשבות צורך הארגוני הכולל והמטרה העסקית המשותפת.
מבנים אלו יוצרים ניהול משאבים שמרני המתמקד בחלוקה סטנדרטית של תקציבים ואנשים, אך אינו בהכרח מותאם לאתגרים ולמטרות האסטרטגיות של הארגון. כך למשל, בארגוני שירות לקוחות, מוקדי השירות נמדדים לרוב לפי זמני השיחה (קצרים ככל הניתן) ומספר קריאות שטופלו ביום, בעוד שמחלקות המכירה והשימור נמדדות לפי אחוזי הצלחה בחידוש חוזים או במכירת מוצרים נוספים, וכך, פעמים רבות, יוצרים מדדים אלו ניגוד אינטרסים: נציגי שירות מתמקדים בסיום השיחה במהירות האפשרית כדי לעמוד ביעדיהם, אך תוך כדי כך מפספסים הזדמנויות לזהות לקוחות עם פוטנציאל לרכישה נוספת או כאלה שעלולים לעזוב את הארגון בקרוב. התוצאה היא שיפור מקומי במדדי השירות, אך אובדן הכנסות בטווח הרחוק. פתרון אפשרי הוא שילוב מערכות אנליטיות מתקדמות אשר מזהות לקוחות בעלי ערך גבוה בזמן אמת, ומאפשרות לנציגים לתעדף את השיחות כך שיתרמו לא רק לשיפור השירות, אלא גם להגדלת הכנסות הארגון (וכאשר אין ראייה מערכתית אין מיצוי של הממשקים, אין מכפיל כח ולא ניתן למצות את הפוטנציאל).
2. תהליכים מיושנים והיעדר אוטומציה: חוסר ניצול של כלים דיגיטליים אשר גורם לבזבוז זמן ומשאבים. בסוכנות ביטוח לדוגמא, תהליך הגשת התביעה כולל מילוי טפסים ידניים, איסוף מסמכים פיזיים ובדיקת התאמה לתנאי הפוליסה. תהליך זה גוזל זמן יקר, עלול לגרום לטעויות אנוש ומוביל לעיכובים בתשלום התביעה. חברת ביטוח אשר תשתמש במערכות אוטומטיות לזיהוי חריגות בזמן אמת במקום לבצע בקרות ידניות – אשר מבזבזות זמן שיכול היה להיות מנוצל למענה פניות נוספות, טיפול בעבודת בק אופיס או משימות אחרות – תוכל לצמצם טעויות, לייעל תהליכים ולשפר את חוויית הלקוח.
3. תיעדוף משאבים לקוי: החלטות מתקבלות לפי מה שדחוף במקום מה שחשוב ויוצר ערך אמיתי. אחד הגורמים המשמעותיים ביותר לאובדן ערך עסקי הוא תעדוף משאבים שאינו תואם את הצרכים האמיתיים של הארגון. לעיתים, משאבים מוקצים לפרויקטים או לתהליכים שאינם מניבים את הערך הגבוה ביותר, פשוט כי הם נתפסים כדחופים יותר או ככאלה שהיו קיימים תמיד. גישה חכמה לניהול משאבים מחייבת מעבר ממודלים של קבלת החלטות אינטואיטיבית למודלים מבוססי נתונים, המסייעים להגדיר סדרי עדיפויות באופן רציונלי ומדיד. כך לדוגמה, בנקים גדולים אשר מנהלים אשראי לעסקים משתמשים במודלים של למידת מכונה כדי לזהות אילו לקוחות נמצאים בסיכון פיננסי גבוה, ולתעדף את מאמצי ניהול הסיכונים בהתאם. גישה זו מאפשרת להם להקצות את כוח האדם ואת המשאבים הפיננסיים לאותם לקוחות בעלי פוטנציאל גבוה להחזרים, ובכך להקטין את שיעור החוב הלא משולם ולהפחית סיכונים. דוגמה נוספת מתייחסת לענף הלוגיסטיקה. חברות שילוח משתמשות בבינה מלאכותית כדי לתכנן מסלולי הפצה באופן שמותאם לעומסים, מזג האוויר וגורמים נוספים בזמן אמת. בכך הן חוסכות עלויות תפעוליות ומשפרות את רמת השירות, ללא צורך בהגדלת צי הרכב או גיוס כוח אדם נוסף. דוגמאות אלו ממחישות כיצד שימוש נכון בניתוח נתונים ותיעדוף חכם של פעולות מובילים לשיפור משמעותי של ביצועי הארגון, תוך מיצוי המשאבים הקיימים.
4. ניתוח לקוי של המידע: הדאטה אמורה להיות החמצן והדלק של הארגון אולם במקרים רבים מנתחים בארגון אירועים, תהליכים ונתונים שקיימים ולא את ‘הנתונים השקטים’- אלו שאינם. בנוסף, לא מקשרים בין ‘איי מידע’, ואת הריג’קטים אשר משפיעים על המכירה והרווח מנתחים בצורה חלקית בלבד. אם נחזור לסוכנויות הביטוח, הקושי בזיהוי מגמות נובע מאחסון נתוני לקוחות כגון גיל, מין או היסטוריית תביעות במערכות נפרדות, כך שלא ניתן לנצל אותם לביצוע ניתוחים עסקיים, להבין את צרכי הלקוחות ולהציע להם מוצרים מותאמים. שימוש מושכל בדאטה נוגע לחברות קמעונאיות אשר יכולות לנתח נתוני רכישה של לקוחות כדי לחזות מגמות צריכה, להתאים את מלאי המוצרים ובהתאם גם להציע מוצרים מותאמים אישית, לשפר את חוויית הקנייה ולהגדיל מכירות.
לסיכום, הערך המוסף של ניתוח נתונים קיים בכל המגזרים:
– בריאות: התאמת טיפולים אישיים למטופלים
– פיננסים: חיזוי נטישת לקוחות ושיפור גבייה
– תשתיות: חיזוי תקלות ותחזוקה מונעת
חוסר המודעות והחשיפה המצומצמת לפתרונות הנמצאים מתחת לאף גורמים להתנהלות לא אופטימלית וכאשר התחרות גוברת והצורך בגמישות ובמהירות תגובה הפך לקריטי – כמו בעידן הנוכחי – ניהול אפקטיבי של המשאבים הקיימים יכול להיות ההבדל בין ארגון שמצליח לשגשג לבין ארגון שמתקשה להדביק את הקצב. במקרים רבים, ארגונים לא מצליחים להפיק את המרב מהמשאבים שיש להם משום שהם ממשיכים לפעול על פי הרגלים ישנים, במקום לאמץ תכנון אסטרטגי, אנליזה עסקית ויישום כלים טכנולוגיים מתקדמים, לרבות בינה מלאכותית- אשר מסקר בנושא מדד הכישורים של TheMarker ואפקה, המכללה האקדמית להנדסה בתל אביב – אשר נערך ב-2024 זו השנה השנייה – עולה כי הן בהייטק והן בתעשייה הוא הכישור החשוב ביותר בו מנהלים מעוניינים עבור עצמם.
כדי לשפר תוצאות עסקיות ולממש פוטנציאל עסקי, יש להתמקד באתגרים ובפתרונות הכוללים תהליכים חוצי-ארגון, הגדרת יעדים ותיעדוף חכם של משימות ומשאבים בהתאם למטרות האסטרטגיות. ובעוד שאתגרים אלו יכולים להיות דומים לאורך השנים הרי שהפתרונות של היום אינם הפתרונות של פעם, ובינה מלאכותית כבר אינה גימיק אלא כלי עסקי נגיש אשר יכול לשפר תהליכים, לנהל מלאי, לחזות אירועים עתידיים וכמובן- להוביל ארגונים רבים למיצוי הפוטנציאל העסקי בתהליכים ממוקדים וקצרים מבעבר. אולם כאמור, בראש ובראשונה יש למקסם את המשאבים הקיימים. חשוב לבצע את התהליך בצורה מובנית ולשם כך מומלץ לאמץ את המודל הבא:
מודל למיצוי פוטנציאל עסקי
שלב 1 – מיצוי המשאבים הקיימים
התמקדות בניצול מלא של המשאבים הארגוניים הקיימים ללא השקעה נוספת:
– יישור קו אסטרטגי בין המחלקות השונות
– הגדרת מדדי הצלחה חוצי-ארגון המבטיחים שכל מחלקה תתרום למטרה המשותפת
– ניתוח וזיהוי פערים בהקצאת משאבים
– שימוש בנתונים ובמשאבים הקיימים לתיעדוף מדויק ואפקטיבי של משימות ופרויקטים
שלב 2 – השקעה במערכות לניהול ידע ואוטומציה באזורים עתירי משאבים
יישום פתרונות בסגנון Quick Wins
– הטמעת מערכות בסיסיות לניהול ידע וצ’אט-בוטים לתמיכה (כגון אוטומציה של בקרות ותהליכים חוזרים)
– הפחתת עבודה ידנית ושיפור זמינות המידע בארגון וכתוצאה: שחרור עובדים מפעולות סיזיפיות וחוזרות לטובת משימות המייצרות ערך
שלב 3 – ניתוח נתונים מתקדם ובינה מלאכותית
שימוש בכלי אנליטיקה מתקדמים לקבלת החלטות מבוססות נתונים:
– יישום Predictive Analytics לחיזוי צווארי בקבוק וזיהוי הזדמנויות
– תיעדוף חכם של משאבים, מוצרים ולקוחות באמצעות Machine Learning
– קבלת החלטות אפקטיבית יותר – כולל זיהוי המוצרים והלקוחות הרווחיים ביותר והקצאת משאבים בהתאם – המתחשבת במספר רב של משתנים
שלב 4 – תיעדוף אוטונומי מבוסס Generative AI
אוטומציה מקסימלית של תהליכים ובמקביל- תיעול המשאב האנושי לפעולות ייעודיות ומכניסות:
– התאמת משימות ומשאבים בזמן אמת
– פיתוח פתרונות מותאמים אישית לכל לקוח ומוצר
– אופטימיזציה אוטומטית של תהליכים עסקיים
– שימוש ב- Machine Learning לניתוב חכם של ההון האנושי למפגשים עם לקוחות בעלי פוטנציאל גבוה
– הפחתת עומסים בצווארי הבקבוק (מכירות? שירות?)
– המשך למידה והטמעה של המערכות המשתנות ומתייעלות חדשות לבקרים לשיפור האפקטיביות, מיצוי הפוטנציאל והגדלת הרווחיות
מודל זה מאפשר לארגונים למקסם את הרווחיות באמצעות מעבר הדרגתי, החל מניצול מיטבי של משאבים קיימים, דרך הטמעת אוטומציה בסיסית, ועד לשימוש מתקדם של בינה מלאכותית המאפשרת התאמה אישית לצורכי הארגון, ייעול מקסימלי של תהליכים ומשאבים. אין הכוונה שארגונים יאמצו פתרונות AI מורכבים באופן מיידי, אלא שיזהו את מיקומם הנוכחי על הרצף ויפעלו להתקדמות מדודה מנקודה זו. לשם כך יש צורך במיפוי משולב של התוצאות העסקיות, בחינת שילוב ה- AI בארגון, אבחון תועלות המשאב האנושי ועוד.
לסיכום, מיצוי פוטנציאל עסקי אינו תלוי בהכרח בהגדלת תקציב. בעקבות יישום המודל שהוצע, הארגון מיישם תהליך למידה והטמעה הדרגתי שבו המשאבים הקיימים מנוהלים באופן אופטימלי, התהליכים עוברים ייעול מתמיד, וטכנולוגיות חדשות מוטמעות בצורה אפקטיבית. התוצאה הסופית: יותר לקוחות, הכנסות גבוהות יותר ורווחיות משופרת – כל זאת תוך שימוש באמצעים מדידים ומינימום במשאבים.
ואיך הדברים קורים בארגון שלכם? האם אתם באמת מנצלים את המשאבים שלכם נכון – או פשוט ממשיכים לעבוד באותה הדרך ומצפים לתוצאות שונות?
אהבתם?
קבלו את התכנים שלנו ישירות לתיבת המייל
זאת תחילה של ידידות מופלאה (:
ממש בקרוב נתחיל לשלוח לך תכנים, נתראה באינבוקס!