עולם הקבלנות הוא עולם מופלא ומעניין. מצד אחד, אם נסתכל על היתרונות, אפשר לקבל עבודה מחברה מתמחה בתחום, שעיקר עיסוקה הוא השירות אותו אתה מבקש לקבל. לדוגמא, אם נסתכל על תחום התוכנה באופן רחב, אין ספק ששירותים מחברת מיקרוסופט יהיו משמעותית טובים יותר בתחום האופיס מאשר אם מתכנתים מהארגון (מוצלחים ככל שיהיו) ינסו לבנות תוכנות דומות. אם נרצה לבנות בניין נעדיף לקבל לעבודה חברת בניה אשר תבצע את העבודה בצורה נכונה ויעילה יותר מכל דבר אחר שאנחנו יכולים לבצע בעצמנו.
מאידך גיסא, כל עיסוק בחברות קבלנות מכיל בתוכו איזשהו טעם נפגם בכל הקשור למסוגלות של חברה להתקיים בזכות עצמה.
לדעתי, אם מדובר על עיסוק חד פעמי (כמו בניית בניין למשל) ברור שאין טעם להעסיק מהנדסים, בנאים מנופאים ולרכוש להם את כל הציוד הרלוונטי הרבה יותר הגיוני לקבל את השירות הזה בקבלנות.
אבל, וזה אבל גדול, אם אנחנו מבקשים לקבל שירות באופן רציף, אני מאמין גדול בפיתוח יכולות עצמאיות או החזקת עובדים רלונטים כחלק מעובדי החברה בין אם מדובר במנקים\ות או בין אן מדובר בניהול ידע.
בפוסט זה התמבקשנו לתת את הדעת לגבי רכישת "ניהול ידע כשירות" Knowledge Management As A Service וביתרונות או בחסרונות שלו.
ולאחר ההקדמה הסוציאליסטית שלי, נפנה לעניינינו:
.ארגון מסוים החליט להעביר את כל פעילויות ניהול הידע שלו לענן ולהיעזר
בשירות ענן KMaaS.
א. מהם היתרונות שהארגון מצפה להם
ב. מנה שלושה תנאי סף להצלחה
היתרונות, כפי שציינתי, הן שברוב המקרים, במידה והחברה תבחר היטב, העבודה שהיא תקבל תהיה מקצועית ומהירה הרבה יותר מאשר להתחיל לפתח את היכולות הללו בעצמה. בד"כ תבחר חברה אשר ביצעה את זה בעבר (כחלק מתנאי הסף) והיא כבר תגיע בשלה לבצע את עבודה.
מצד שני, ניהול ידע הוא תחום מתמשך שעל פי דעתי יש כדאיות אמיתית לחברה לעשות בעצמה. אמנם יהיו חבלי לידה אך לאחר תקופה זו החברה תהיה חזקה יותר ומוכנה יותר לאתגרים הבאים.
על מנת לקבל שירות טוב (בהנחה שכן הולכים על KMAAS) אנחנו צריכים פשוט לקבל שירות טוב. השירות יכלול כמובן אבטח מידע, מהירות תגובה, שירות טוב מהספק ואמינות בכל מה שקשור לשרתים ולתקשרות הנתונים (בחר 3 מהם ותחליט שאלה יהיו המדדים).
מחשוב ערפל:
המונח מחשוב ערפל הוא בעצם חצי שלב בין מחשוב מקומי למחשוב ענן (ומכאן "הערפל").
אם בחישוב באופן מקומי כל החישוב מבוצע (ובד"כ נשמר) על המחשב עצמו ואילו במחשוב ענן המידע הגולמי מועלה לרשת והעיבוד שלו מתבצע בשרת כלשהו ורק התשובה מוחזרת למסוף במחשוב ערפל מתרחשת פעולת ביניים. חישובים ראשוניים מתבצעים באופן מקומי ורק המשך הפעולה ממשיכה כמחשוב ענן למידע שהוא לא מידע גולמי. מה היתרון בכך?
זמני התגובה הם בד"כ מהירים יותר משום שאפשר לסנן "מידע זבל" אשר סתם יתפוס לנו רוחב פס בתקשורת עם הענן ויתפוס לנו גם כח מחשוב משרתי הענן.
עוד יתרון לכך הוא שבצורה זו ניתן (במקרים מסויימים) לקבל תשובות ראשוניות במקום ורק לאחר חיבור לענן לקבל תשובות סופיותץ זה טוב למשל למקומות בהם אין תקשורת סדירה בין המסוף לבין השרת או שאנחנו לא יכולים לחכות לתשובה זמן רב מדי.
בהנחה שאתם אחראים בחברה גדולה להיערך לשיווק המוצרים בהתאם
למכירות בפועל ותוצאות הפעילות של הלקוחות שלכם באתר החברה וברשתות
חברתיות. האם לצורך אגירת הנתונים לפני עיבודם תבחרו במחסן נתונים או
אגם נתונים ?. נא לנמק
מהו בעצם אגם נתונים (data lake) ובמה הוא שונה ממחסן נתונים (data warehouse)?
במחסן נתונים בד"כ הנתונים נשמרים בהיררכיה. כלומר יש צורך לבצע ניתוח והבניה (structure) טרם שמירת הנתונים. פעולה זו לוקחת זמן רב אך היא בד"כ נוחה יותר לניתוח.
לעומת זאת, באגם מידע הנתונים נשמרים As is ומאפשרים לבצע פעולות חישוב רק במהלך הקריאה. זה טוב למהירות כתיבה על מנת לשמור את כל הנתונים מהר.
נהוג לומר כי לצורך ביצוע data mining נעדיף להשתמש בארכיטרקטורה של אגם נתונים. זאת כדי לשמור מהר נתונים רבים ולבצע את החישובים בזמן שנוח לנו.
אבל, עסקאות (גם בעסק גדול מאוד) הן עדיין מעטות ולא מאוד מהירות. הרבה יותר קל לבצע את החישובים לאחר הבניה של הנתונים ומשום שמדובר בנתוני מכירות בלבד וגם ככה העסקאות הן ממוחשבות והן נתונים מובנים. לדעתי עדיף להשתמש במחסן נתונים.
נהוג לומר כי לצורך ביצוע data mining נעדיף להשתמש בארכיטרקטורה של אגם נתונים. זאת כדי לשמור מהר נתונים רבים ולבצע את החישובים בזמן שנוח לנו.
אבל, עסקאות (גם בעסק גדול מאוד) הן עדיין מעטות ולא מאוד מהירות. הרבה יותר קל לבצע את החישובים לאחר הבניה של הנתונים ומשום שמדובר בנתוני מכירות בלבד וגם ככה העסקאות הן ממוחשבות והן נתונים מובנים. לדעתי עדיף להשתמש במחסן נתונים.