השאלות החשובות שכל ארגון נדרש לשאול את עצמו לפני שדרוג/החלפת מערכת ERP

בעבודתנו השוטפת אנחנו פוגשים באופן קבוע ארגונים שתשתית הERP שלהם מבוססת SAP ECC ונמצאים בצומת קריטית בה עליהם לקבל החלטה לגבי עתיד מערכות ה ERP. כידוע לכולנו, חברת SAP הודיע על end of support למערכת ה ECC (שהושקה ב 2005) בסוף 2027 ושיש צורך לשדרג את המערכת לגרסה העדכנית, S/4HANA שהושקה ב2015.

המעבר ממערכת ERP אחת לחדשה הוא תמיד אירוע מורכב, רגיש ומשמעותי בכל ארגון – צעד שדורש השקעה גבוהה של זמן, משאבי כ"א, פוקוס הנהלה ותקציב רב. המורכבות הזו היא גם אחת הסיבות שבגללן ארגונים לא ממהרים להתניע פרוייקטי הגירה שכאלו, והם מתעקשים להבין לעומק את הצעת הערך הכוללת שהארגון יכול לקבל ממהלך כזה.

במילים אחרות, מחפשים את "הגזר" ולא רק את "המקל" .

סביב הסוגייה המורכבת הזו עולות הרבה מאד שאלות חשובות, שלמענה עליהן השפעה על פעילות החברה. ריכזנו עבורכם מספר שאלות שכל ארגון נדרש לשאול את עצמו טרם קבלת החלטה על הכיוון שיבחרו בו:

· האם השדרוג הוא באמת הכרחי או שניתן להאריך את המשך התמיכה הזמינה במערכת הקיימת?

· בהנחה שהתשובה היא כן ואין ברירה אלא להחליף את מערכת, האם נוצרת הזדמנות לשקול החלפה של יצרן ה-ERP ובכך "לשפר עמדות" מבחינת יכולות המערכות והערך הכולל לארגון?

· בהנחה שמקבלים החלטה לעבור ל 4S, מתי נכון לבצע את הפרויקט? ואיזו תועלות עסקיות הארגון יפיק מהמעבר (בטווח הקצר/בינוני/ארוך)?

· מה צפויה להיות העלות הכוללת של ההטמעה וכיצד הסטת המשאבים תשפיע על פרויקטים ומהלכים טכנולוגיים מקבילים?

· ארכיטקטורה ותשתיות:

o On-premise או Cloud?

o במקרה של Cloud – RISE או GROW?

o איך משתלבת שכבת ה-BTP בארכיטקטורה הקיימת?

· באיזה גישת מימוש נבחר?

o – Brownfield שדרוג טכני בלבד

o – Greenfield הזדמנות לטרנספורמציה דיגיטלית

o – Bluefield גישה היברידית

· חדשנות ועתיד- אילו יכולות AI/GAI אפשריות בגרסה החדשה וכיצד ניתן לנצל יכולות אלו לטובת התייעלות והעלאת הproductivity? כיצד ניתן לשלב אוטומציה חכמה בתהליכים?

· איך מגדירים תוכנית מימוש שלא תפגע בעבודה השוטפת של הארגון?

· ועוד ועוד..

עם ניסיון עשיר ומגוון בליווי ארגונים גדולים בדיוק סביב השאלות הקריטיות הללו, אנו בשטראוס אסטרטגיה מציעים לכם.ן את המומחים הבכירים והמנוסים שלנו, שישמחו לסייע לארגון שלכן.ם במענה יסודי על השאלות הרבות והמורכבות הללו, במיפוי ובניית חלופות ריאליות, כולל אמדן עלות של תכנית המעבר, תכנית עבודה ליישום המעבר וגם יעניקו המלצות מנומקות לכל שאלה. אנו מאמינים קודם כל במענה מותאם ושקוף עבור הנהלת הארגון שיתחבר לאסטרטגיה העסקית, יעדי הארגון והאתגרים.

 

אז איפה אתם נמצאים בתהליך?

✓ יש לכם תשובות ברורות לשאלות האלו? מעולה! המומחים שלנו ישמחו לתקף יחד אתכם את המסקנות ולסייע בבניית תכנית פעולה מדויקת.

✓ עדיין מתלבטים? זה בדיוק הזמן הנכון להיעזר בניסיון העשיר שלנו. צוות המומחים בראשות מוריס קסנר יוביל אתכם בתהליך מובנה לקבלת החלטות מושכלות שיתאימו בדיוק לצרכים הייחודיים של הארגון שלכם.

בואו נדבר על זה. 

עוד כתבות עבורך

להבטיח רציפות עסקית גם בזמני משבר: כך עושים את זה נכון

בעולם העסקי המודרני, שבו שיבושים ואירועי חירום בלתי צפויים עשויים להתרחש בכל רגע, ההיערכות לכל תרחיש היא קריטית יותר מאי פעם. כאן נכנס לתמונה ניתוח השפעות עסקיות (BIA), אבן יסוד בניהול המשכיות עסקית (BCM) והבטחת חוסן ארגוני בכל ההיבטים – עסקיים, תפעוליים וטכנולוגיים.

המטרה המרכזית בניתוח השפעות עסקיות (BIA) היא לזהות ולמפות את התפקודים העסקיים הקריטיים בארגון, להעריך את ההשפעה הפוטנציאלית של שיבושים בתרחישים שונים, לקבוע סדרי עדיפויות לשיקום והתאוששות. ה-BIA מסייע לארגון להבין ולהגדיר אילו תהליכים חיוניים להמשך פעילותו ומהם הזמנים הקריטיים להחזרתם לפעילות תקינה.

התוצרים מתהליך ה-BIA מהווים את אבן היסוד לבניית תוכנית התאוששות מאסון (DRP) ולהקמת אתר DR. זה מבטיח התאמה מדויקת בין הדרישות העסקיות והתפעוליות של הארגון לבין הפתרונות הטכנולוגיים שאגף טכנולוגיות המידע מחויב לספק.

אנו שמחים לשתף אתכם בכך שסיימנו לאחרונה פרויקט חשוב בקבוצת שטראוס, שהתמקד בניתוח השפעות עסקיות (BIA) וביצוע התאמות לתוכנית התאוששות מאסון, בפרויקט השתתפו נציגים מהצד העסקי והטכנולוגי, מה שהבטיח הבנה מקיפה ומדויקת של כל ההיבטים הקריטיים. שיתוף פעולה זה אפשר התאמה מיטבית בין הצרכים העסקיים לבין הפתרונות הטכנולוגיים.

הצורך בביצוע ניתוח השפעות עסקיות עלה מאגף טכנולוגיות המידע, כחלק מהיערכות לשדרוג והתאמת אתר ה-DR לאתגרים ודרישות העסקיות. במהלך העבודה עלו שאלות כמו: מהם התהליכים הקריטיים ביותר? מהו סדר העדיפויות להעלאת שירותים ומערכות? אילו דרישות רגולטוריות יש למלא? האם ההשקעה בשדרוג אתר DR מספק את המענה העסקי הרצוי?

שאלות אלו הדגישו את החשיבות בביצוע ניתוח השפעות עסקיות (BIA), כדי להבטיח שהאתר המשודרג יענה באופן אופטימלי על צרכי הארגון ויתמוך בהשגת יעדיו העסקיים.

ה-BIA הוא אבן היסוד לכל פתרון התאוששות מאסון (DR) מוצלח, המספק מידע קריטי להבנת מה חשוב לשקם ומתי. כך הארגון יכול להמשיך לתפקד גם במצבי חירום קשים.

 

להלן כמה שלבים מרכזיים שכדאי להכיר בתהליך:

 

  • מיפוי מקיף של התהליכים העסקיים והתפעוליים של החברה.  
  • הגדרת תרחישי ייחוס רלוונטיים.
  • קביעת יעדי התאוששות ותיעדוף תהליכים עסקיים קריטיים.
  • זיהוי הקשרים ותלויות בין התהליכים העסקיים למערכות הטכנולוגיות.
  • מיפוי וזיהוי פערים טכנולוגיים ונקודות כשל אפשריות.
  • הערכת סיכונים והשפעות אפשריות על התהליכים העסקיים. 
  • מתן המלצות והתאמת תכנית ה-DR לצרכים העסקיים.  
  • בניית תיק חירום אסטרטגי, הכולל Playbook לניהול אירועים, הגדרת תפקידים ואחריות וריכוז כל המידע החיוני לניהול אפקטיבי של תרחישי חירום.

 

לסיכום: ה-BIA הוא כלי קריטי שכל חברה צריכה לאמץ כחלק מהתכנון האסטרטגי שלה. זהו הצעד הראשון לבניית חוסן אמיתי ולהבטחת המשכיות העסק בזמנים של אי-ודאות.

תודה רבה ליורם סדן, סמנכ"ל מערכות מידע ודיגיטל, ירון סבג ה-CTO, ואלי פטל, ה-GLOBAL CISO של קבוצת שטראוס על האמון והשותפות גם בפרויקט החשוב הזה.

 

צוות המומחים של שטראוס אסטרטגיה, ליווה ארגונים רבים במשק הישראלי בדיוק בנושא הזה, והם ישמחו לשתף אתכם בניסיון העשיר והמעשי שצברו כדי לסייע גם לארגון שלכם להיערך לאירועי חירום.

למידע נוסף, אנא פנו ל: maya@s-strategy.com

וובינר "ממגמות לפעולה – תובנות מהשטח לאימוץ בינה מלאכותית בארגונים" מבית שטראוס אסטרטגיה

מעל ל-350 איש השתתפו בוובינר שלנו "ממגמות לפעולה – תובנות מהשטח לאימוץ בינה מלאכותית בארגון".

בואו והקשיבו לוובינר הוליסטי, מגוון ורב-תחומי הכולל תובנות מרכזיות והדרכים להפוך מגמות עסקיות וטכנולוגיות למהלכים פרקטיים ואפקטיבים בעולם המרתק של בינה מלאכותית.

תודה מיוחדת לדוברות ולדוברים המקצועיים שלנו, שהביאו את נקודות המבט מהשטח ויצרו שיח מעשיר ומעורר השראה:

– על מה באמת חשוב לשים דגש כשמאמצים בינה מלאכותית בארגון.
– כיצד תשתיות גמישות, נתונים מדויקים, ויוזמות AI יכולים להפוך לחלק בלתי נפרד מהאסטרטגיה שלכם.
– ️ ובעיקר – איך נשלב טכנולוגיה, תרבות ארגונית ואנשים כדי להוביל תהליכים עסקים מוצלחים.

למידע נוסף על הצעדים והכלים שיסייעו לארגון שלכם לצעוד קדימה בעולם הבינה המלאכותית – צרו עמנו קשר בכתובת: maya@s-strategy.com

 

 

 

רופא מתמחה, רופא כללי , וקידמה אקספוננציאלית 🤖

בשבת לפנות בוקר נערך בטקסס קרב אגרוף בין מייק טייסון (גיבור מוערץ) לבין ג'ייק פול אקס-יוטיובר שהוסב למתאגרף. התוצאה צפויה לצערי – 30 שנות הפרש הן רמז עבה… אבל, הקרב הזה הזכיר לי שרציתי לכתוב על "דו-קרב" אחר בעל תוצאות הרבה פחות צפויות: מודלי שפה גנריים מול מודלי שפה מתמחים.

🎯 ממון רב מושקע באימון ו/או fine-tuning של מודלי שפה

בתקווה ליצור מודל מתמחה שמניב ביצועים עדיפים בעולם תוכן ספציפי. מודלים אלו מכונים DAPT (domain adaptive pretraining).
לכאורה טריוויאלי ומתבקש: מודלים שאומנו (pre trained) ו/או כויילו (fine tuned) כירורגית להתמחות בעולמות רפואה או פיננסים למשל, אמורים להניב תשובות מדויקות יותר בשימושים ייעודיים ממודל גנרי עדכני.

לכאורה.
שני מחקרים שפורסמו מטילים ספק בפרדיגמה הזאת.

💰לקסם הבא אני זקוק ל-10 מיליון $ ומודל GPT3

בלומברג – ענקית פיננסים מהמובילות בעולם – השקיעה לפני שנה+ למעלה מ-10 מיליון $ ביצירת BloombergGPT – מודל שפה ייעודי מבוסס GPT3.5 שאומן על דאטה פיננסי קנייני וציבורי.

BloombergGPT הוא מודל שפה בן 50 מיליארד פרמטרים. הוא אומן מהבסיס – משימה יקרה השמורה בד"כ לשחקנים מובילים. הוכן dataset עצום שמתבסס על מידע פיננסי שנצבר מ-40 שנות פעילות, בתוספת מאגרי מידע פיננסיים ציבוריים שיצרו גוף-ידע של למעלה מ-700 מיליארד טוקנים אותם היא זיקקה ל 50.

היעד היה שאפתני והתוצאה סמוך להשקה היתה חד-משמעית: המודל של בלומברג הציג ביצועים טובים יותר בהשוואה למודלים דוגמת GPT3.5 במשימות פיננסיות, ולתוצאות דומות או עדיפות במשימות כלליות.

אמריקה, וורסאנו. או שלא תמיד?

במחקר מקיף שהתפרסם באוק 23 נמצא שמספר חודשים מאוחר יותר – מודל GPT4 החינמי הזמין לכל מביס אותו ברוב המבדקים.

הסיפור של BloombergGPT ממחיש בצורה הכי גרפית את העקרון של "שיפור אינטרינסי אקספוננציאלי" ביכולות מודלי שפה והמשמעות הדרמטית שלו על אסטרטגיות מוצר או הצעת ערך.

⚕️האם מודלים רפואיים מתמחים בהכרח עדיפים?

חוקרים מאוניברסיטאות קרנגי-מלון וג'ון הופקינס פרסמו לאחרונה מחקר שמטיל ספק דומה בתחום הרפואי. המחקר השווה בין מספר מודלי שפה מתמחים (טקסטואלים וחזותיים) לבין מודלי הבסיס הגנריים המקבילים.


ניתן לעובדות לדבר:

מודלים מתמחים טקסטואליים
הניבו תשובות נחותות בהשוואה לאחיהם "הלא משכילים" ב 38.2% מהמבדקים, השיגו תיקו ב 49.8% מהם, והביסו את אחיהם "הגנריים" רק ב- 12.1% מהמבדקים.

המודלים החזותיים
הביסו את אחיהם הגנריים רק ב 6.3% מהמבדקים, הגיעו לתיקו ב 81.3%, והובסו ב 12.5% מהמבדקים.

📈 מחשבות ותובנות שלדעתי ראוי שכל מקבל החלטות ישקול:

שיקלו להשקיע באימון או fine-tuning במקרים מאד מובחנים

דוגמאות: דאטה ייחודי ובעל משמעות דרמטית לאיכות התשובה, צורך בסמנטיקה עמוקה או רצון לנתח/לבנות גרף ידע בתחום מאד מתמחה.

"פקטרו" שיפור "אבולוציוני" במוצר שלכם שנובע משיפור במודל-השפה

קצב השיפור האקספוננציאלי של מודלים גנריים מאפשר לעתים לתכנן מפת דרכים שממנפת שיפור "עצמוני" במוצר ⭐שלכם⭐ שנובע מעצם השיפור במודל הגנרי השלוב בו.

נסו שלא "לנוון" שיפור זה בגלל ארכיטקטורת שילוב/פרומפטינג קשיחה.

טכניקות פרומפטינג מדויקות

(דוגמת COT , few shots) כמו גם הינדוס חכם של זרימת השימוש במודלי השפה הגנריים מוכחים כיכולים לשפר דרמטית את איכות ועקביות התשובות