עדכון (מאי 2016): אני ממליץ בחום לעיין בפוסט המשלים שכתבתי על Power BI

אם הייתי יכול לחלק לשניים את התקופה שלי עד כה כ-CFO, ללא ספק הייתי בוחר ברגע שבו החלטתי שאני מטמיע מערכת BI בחברה אצלנו. מעבר לעובדה שמדובר באתגר טכנולוגי לא פשוט, השינוי שקרה בארגון בעקבות זאת היה לא פחות ממהפכה. פתאום כל המידע זמין, נגיש, עדכני; העובדים מדקלמים את המדדים שנבנו (אוקיי, אני קצת מגזים); הדיונים הם הרבה יותר מבוססי נתונים מאשר תחושות. בקיצור: אירופה.

לפני שנצלול למעמקי הנושא, הבא נגדיר קודם מהי בכלל מערכת BI, ואחר כך נדון באיך מטמיעים אחת.

בכנות, אני לא ממש יודע מהי ההגדרה הפורמלית של מערכת BI. עבורי, מדובר במערכת שיודעת לאסוף נתונים ממגוון מקורות, לאחד אותם אם צריך, לעשות כמה חישובים ולספק בסופו של התהליך הזה טבלה (או טבלאות) שמכילה את כל המידע שחשוב לספק למי שצריך לקבל החלטות והמידע הזה עשוי לעזור לו. אפשר להרחיב את ההגדרה הזו וגם לדרוש מהמערכת לא רק טבלה מסכמת יפה, אלא גם שתתמצת את המידע, בין אם זה בצורת תרשימים (כמו מכירות על פני זמן) או מספר אחד שחשוב לדעת (כמו מספר הלקוחות נכון לעכשיו). רגע, זה עוד לא הכל:

1. היא צריכה גם לאפשר לי ליצור דשבורד (לוח מחוונים) עם הגרפים והנתונים שחשוב לי להציג באופן שוטף;
2. שיהיה קל לשתף את אותו דשבורד (בתוך או מחוץ לארגון);
3. המידע שעליו מתבסס הדשבורד יתעדכן בצורה אוטומטית מדי שעה-שעתיים, כך שהדשבורד תמיד יציג מידע עדכני.

להלן דוגמא לדשבורד, מתוך עמוד המוצר של Power BI.

הקושי בהטמעת מערכת BI

כשמתעסקים בנושא כל כך רחב, ברור שיצוצו לא מעט קשיים בדרך. מהניסיון הלא-מאוד-רב שלי עם הנושא הזה, אני חושב שהקושי הכי גדול הוא לאו דווקא להחליט מה רוצים למדוד או עם איזה כלים, הקושי הגדול הוא בהשגת הנתונים. פריוריטי ERP למשל, בנויה מאינספור טבלאות שמקושרות אחת לשנייה בצורה שרק מומחים בה מכירים. לכן, צריך להיעזר באיש מקצוע שייצור מעין טבלה שטוחה מסכמת (view בעגה המקצועית) שתכלול את המידע לו אנו זקוקים. וזו עוד סוגיה פשוטה, בהרבה חברות, בעיקר גדולות, הנתונים מפוזרים באינספור מערכות ו/או טריטוריות ומלאכת הליקוט יכולה לקחת זמן רב. וזה בהנחה שבכלל יש גישה למידע, הרי בהרבה תאגידים ישנה מדיניות שיתוף מידע מגבילה ביותר. היום, ככל שמחשוב הענן תופס תאוצה, לא רק שכל המידע מאוחסן בענן, הרבה מהכלים יודעים להנגיש את המידע הרלוונטי באמצעות Web API ולפעמים גם לדבר אחד עם השני, כך שמה שהיה פעם החלק הקשה, טעינת הנתונים, הופך עם הזמן למשימה יותר ויותר פשוטה. Power BI למשל, מוסיפים על בסיס כמעט שבועי עוד ועוד ממשקים עם ספקי שירותי ענן מכל הסוגים. אם תשאלו אותי, היכולת של שירותי הענן לתקשר אחד עם השני היא היתרון הייחודי שיש להם על פני מערכות "של פעם". בקיצור, It's a brave new world.

אז… מה מודדים?

אוקיי, נגיד שהשגנו את המידע שרצינו. מה עושים איתו? מה מודדים?

פה כל מחלקה והצרכים שלה, או יותר נכון, האופן שבו היא נמדדת.

מחלקת הכספים תתעניין כנראה בגיול החובות, מדדי רווחיות שונים, מדדי תזרים מזומנים (כמה כסף נכנס, כמה יצא) וכו'.

מחלקת המכירות תתעניין בסך המכירות לחודש זה, מצב ה-Pipeline, השוואה ל-Pipeline בחודש קודם, רווחיות העסקאות וכו'.

מחלקת השיווק תתעניין ביחס ההמרה של הקמפיינים השונים (ממומן, מיילים וכו'), עלויות, סך הרכישות שביצעו לקוחות לפי חתכים מסוימים, שיעור הנטישה וכו'.

מחלקת הפיתוח יכולה (וצריכה, אם תשאלו אותי) להתעניין בעלויות השרתים או בפרמטרים שמשפיעים עליהן (מספר Instance-ים וכו').

למה בכלל צריך מערכת BI? הרי לכל מחלקה יש את הכלים שלה

זאת שאלה הוגנת וחשוב להתייחס אליה.

לכאורה, זה נכון. בהינתן שהארגון לא בן חודש ומונה יותר משלושה עובדים, סביר להניח שכל מחלקה סיגלה לעצמה שיטות עבודה ובקרה שמאפשרות לה לעבוד בצורה תקינה פחות או יותר. ואכן, יש מחלקות שפחות קריטי עבורן להצליב נתונים עם מחלקות אחרות (למשל, מחלקת הכספים) ויש מחלקות שזה יותר חשוב עבורן (למשל, מחלקת השיווק / מוצר, כי חשוב לשלב נתוני שימושיות עם נתוני עלויות והכנסות). כלומר, בהינתן שכולנו מסכימים על כך שחברה רצינית צריכה למדוד את עצמה ולנהל דיונים מבוססי נתונים, נשאלת השאלה האם קיים צורך להשתמש במערכת BI אחת שתרכז אותם.

לטעמי, השימוש במערכת BI אחת, בהנחה שהיא יודעת לענות על הצרכים הספציפיים של כל מחלקה, נושא בחובו שלושה יתרונות מרכזיים. היתרון הראשון הוא שהרבה יותר נוח שכל המדדים מרוכזים תחת קורת גג אחת, בטח בסטארט אפים, מאחר ולמנהלים יש בד"כ מספר כובעים. אצלנו למשל, היה דשבורד מכירות ב-Salesforce, דשבורד שימושיות (Engagement) בגוגל אנליטיקס ועוד דשבורדים במערכות אחרות. המעקב אחר כל כך הרבה מערכות הוא לא נוח ואני לא רואה סיבה להמשיך איתו. בתאגידים גדולים, בגלל שיש הרבה מורשת (Legacy), יכול מאוד להיות שישנן ארבע מערכות CRM, שש מערכות ERP, שתי מערכות Treasury וכן הלאה. בארגון קטן יותר אין סיבה להשלים עם אי נוחות מהסוג הזה.

היתרון השני הוא שבמערכת BI אפשר לעשות חישובים שאי אפשר לעשות בדוחות המובנים של המערכות השונות. למשל, ל-Salesforce יש מערכות Reporting מדהימה, הכי טובה שאי פעם ראיתי, אבל אפילו לה יש חסרונות, במיוחד בכל הקשור לשילוב מידע ממספר אובייקטים בעלי שדה מקשר. אחד השימושים המרכזיים שלי במערכת שלנו הוא משיכת הנתונים הגולמיים מ-Salesforce, עיבוד שלהם במערכת ה-BI ואז הצגת התוצאות בדשבורד. באופן כללי, ברגע שהנתונים זמינים מספיק, המגבלה היחידה היא הדמיון שלכם כי אפשר לעשות כמעט הכל עם מערכות BI איכותיות.

היתרון השלישי וכנראה החשוב ביותר, הוא שמערכת BI יכולה לאחד מידע ממספר מקורות שונים. למשל, במקום לעקוב אחר עסקאות במספר כלים (הנהלת חשבונות / בילינג, CRM, אנליטיקס, אנליטיקס של מיילים) אפשר פשוט לעקוב אחריהם במערכת הבילינג ולקשר בין המערכות השונות באמצעות שדה ה-ID של המשתמש. בכלל, גם אם קיימת יכולת לעקוב אחרי מדד מסוים בכל הכלים הרלוונטיים, זה כנראה לא המצב עם מדדים אחרים. אצלנו למשל, השימוש הכי נפוץ שאני עושה הוא משיכה של הנתונים הגולמיים ממערכת הנהלת החשבונות ואיחוד (Merge) עם נתוני שערי החליפין ההיסטוריים מבנק ישראל לצורך המרה מדויקת לדולרים של כל עסקה. שימוש אחר הוא בניית ניתוח Cohort של ההכנסות מלקוחות תוך הצלבת נתונים ממערכת ה-CRM ומערכת הבילינג.

כיצד לבחור את הכלי הנכון?

כמו כל הבלוג הזה, גם הפוסט הנוכחי נכתב מנקודת המבט של איש סטארט אפים, ולכן ייתכן שהחלק הנוכחי פחות ידבר אל מנהלי פרויקטים בחברות גדולות שיש להם את האמצעים לבצע הליך מסודר (ויקר). מצד שני, מנהלי פרויקטים בעלי אמצעים הם לא קהל היעד של הבלוג הזה…

אז ככה. חיפוש די קליל בגוגל ואתרי השוואות למיניהם יניב להם המווווןןןן תוצאות, שזה לא מפתיע כי התחום הזה קיים כבר 20 שנה לפחות. למשל, Qlik, אחת החברות הידועות בתחום, הוקמה בשנת 93'. בכל אופן, רוב המערכות שאני מצאתי במהלך שיטוטיי מכוונות לפלח השוק של חברות גדולות, הן מבחינת התמחור והן מבחינת מורכבות ההטמעה של המוצר. בין המערכות הללו נמצאות Tableau, Sisense, GoodData ו-Looker. בדיוק כשעמדתי להתייאש, גיליתי שיש כזה דבר מערכת BI Webית שיודעת למשוך נתונים ממגוון מקורות, לעבד אותם ולהציג אותם בווב, כל זאת במחיר נמוך יחסית. שמה היה Clicdata אבל לצערי היא פשוט לא עבדה :) ייתכן והיא השתפרה מאז (הניסיון האחרון שלי איתה היה בסביבות יולי 2015).

לאחר שכבר התייאשתי, ראיתי בפייסבוק פוסט של שיתוף פעולה כלשהו בין Pyramid הישראלית למיקרוסופט, מה שלא כל כך היה רלוונטי עבורי, אבל כן גילה בפניי שמיקרוסופט ביצעה מהלך די מגניב: היא הרחיבה את ליין המוצרים של Power Query ו-Power Pivot ושחררה מוצר בשם Power BI, שהוא מוצר נפרד שלוקח את יכולות איסוף ועיבוד הנתונים של Power Query, מוסיף להן יכולות ויזואליזציה In-house ומתבלן את הכל עם היכולת "לפרסם" את הדשבורדים באתר מיועד. ¹ וכמה עולה התענוג? 10 דולר לחודש, למשתמש. בקיצור, Jackpot!

תחשבו איזה כיף זה שיש את היכולת לקבל נתוני מכירות ממערכת הנהלת החשבונות, נתוני עסקאות ממערכת ה-CRM, נתונים של קמפיינים מ-Mailchimp/GoogleAdwords, נתוני שימושיות מ-Mixpanel/Localytics/Flurry/Google Analytic, נתוני שימושים מ-Azure/AWS ואת האפשרות לחבר את הכל יחד.

טוב, שכנעת אותי. מה שמים בדשבורד עצמו?

האלמנטים השונים שמרכיבים דשבורד מכונים ווידג'טים (Widgets), כאשר ישנם שלושה סוגים עיקריים שלהם:

• תרשימים – תחת הסוג הזה אני כולל את כל התרשימים שכולנו מכירים מחיי היומיום – עמודות, עוגה, מפה גיאוגרפית ובגדול כל דבר נוצץ עם צבעים יפים שעושים רושם במצגת. מגוון השימושים בסוג כזה של תרשימים הוא אינסופי, ממכירות על פני זמן ועד לפריסת הלקוחות ברחבי העולם. רצוי להיזהר מלכלול יותר מדי תרשימים מסוג זה בדשבורד, זה אמנם יפה בהתחלה אבל עלול להעמיס על העיניים.

• טבלאות – לפעמים, כל מה שבנאדם רוצה זה מידע ספציפי וממוקד. טבלאות הן אחלה דרך להשיג זאת. למשל, ייתכן ונרצה לדעת את שמותיהם של עשרת הלקוחות הגדולים שלנו, או את שמותיהם של הלקוחות שעזבו אותנו בחודש האחרון. אגב, לא כל הטבלאות הן פשוטות, יש טבלאות מסוג Matrix שיודעות להצליב נתונים ולהציג סיכום כלשהו שלהם.

• מספר גדול – כן כן, סתם מספר גדול. למשל, המכירות בחודש הנוכחי, אחוז הנטישה ההיסטורי או מספר הלקוחות הפעילים כרגע. מניסיון, תרשימים וטבלאות זה נחמד, אבל רוב האנשים יקחו מהדשבורד את השורה התחתונה והיא לרוב תהיה מספר מסכם כלשהו.

אגב, את רשימת הווידג'טים המלאה של Power BI תוכלו למצוא כאן, ולאחרונה הם גם פתחו את המערכת לתרשימים פרי פיתוחם של חברי קהילת המשתמשים, כך שניתן להרחיב את היכולות ולקבל סוגי תרשימים שלא נמצאים בגרסה הרשמית, כמו תרשים רדאר, Sunburst וכו'.

רוצים טיפים קצת יותר פרטניים? אז ככה.

בדשבורד שמשמש את מחלקת הכספים, הגרפים הקלאסיים הם Stacked Bar עבור מכירות על פני זמן תוך החלוקה למשפחות המוצר השונות. כמספרים בודדים, המכירות עד כה (Sales YTD) וסך החובות הפתוחים הם מספרים שרצוי להציג כדי שכולם ישננו אותם, ובצד הטבלאות, טבלת גיול חובות פתוחים היא חובה בעיניי.

בדשבורד המשמש את מחלקת השיווק/מוצר, רצוי לכלול את מטריקות ה-SaaS המוכרות במידה והן רלוונטיות: שיעור נטישה (Churn Rate), הכנסות חודשיות שחוזרות על עצמן (MRR – Monthly Recurring Revenues), שווי לקוח (LTV – LifeTime Value), ובכלל – מספר הלקוחות המשלמים. רצוי גם להציג את התפתחות המטריקות הללו על פני זמן, ואם יש לכם יכולת גם להציג Cohort Analysis אתם בכלל אלופים. כמו-כן, אפשר גם להציג את נתוני ה-Funnel.

בדשבורד המשמש את מחלקת המכירות כמובן שחובה לכלול את המכירות עד כה, אבל כנראה שנרצה בעיקר להראות חתכים קצת יותר ממוקדים, כמו למשל כמה הזדמנויות נותרו פתוחות כרגע, מהי הסבירות לסגירת עסקה וכו'.

Case Study בקטנה. הסיפור שלי

כמו שאמרתי, Power BI עובד חזק אצלנו בכל מחלקות. אבל אם הייתי צריך לבחור תחום אחד שבו הוא ממש עזר לנו לדעת איפה אנחנו עומדים הוא מטריקות SaaS. אני מתכנן לכתוב פוסט די נרחב על הנושא הזה, בהשראת הפוסט הזה של Andreessen Horowitz, אבל כרגע נניח שאנחנו מכירים את כל המטריקות. אגב, למי שמתעניין בנושא, אני ממליץ להתחיל עם מילון ה-SaaS הזה.

על כל פנים, הבא ניגש למלאכה.

ראשית כל, יצרתי טבלה שמציגה את מספר הלקוחות שהצטרפו בכל חודש ובאמצעותה חישבתי כמה לקוחות משלמים כרגע (עבור ווידג'ט מספר), וכמובן שהוספתי ווידג'ט Stacked Bar כדי לראות את מספר הלקוחות, תוך חלוקה לסוגי המסלולים השונים בכל טריטוריה. לאחר מכן, הוספתי גם תרשים Waterfall כדי להמחיש את הגידול במספר הלקוחות על פני זמן.

לאחר מכן, הוספתי לטבלה הזו Running Total כדי לראות כיצד סך הלקוחות משתנה מחודש לחודש. הוספתי עמודה ובה מספר הלקוחות שעזבו בכל חודש. מספר הלקוחות שעזבו בכל חודש חלקי מספר הלקוחות הכולל באותו חודש הוא למעשה שיעור הנטישה של אותו חודש (Churn Rate). אגב, במאמר מוסגר, יצירת Running Total היא הדבר הכי מסובך שיצא לי לעשות ב-Power BI וגם היא לא כ-זו מסובכת. רוצה לומר, הממשק שם מ-מ-ש ידידותי, כמעט אין צורך ללמוד שפת M (השפה שמניעה את המכונה הזו). ברגע שיש את מספר הלקוחות ושיעור הנטישה על פני זמן העניינים ממש מתחילים להסתדר. אפשר לחשב את ה-MRR של כל חודש כי אנחנו יודעים כמה לקוחות יש ואנחנו יודעים כמה אנחנו גובים מכל לקוח, אז אפשר לכפול זאת עבור כל חודש ולראות את התקדמות ה-MRR על פני זמן (כמובן שמאוד חשוב גם לעקוב אחרי ה-MRR הנוכחי). באמצעות MRR ושיעור נטישה אפשר לחשב את שווי הלקוח (LTV). בקיצור, חגיגה.

הדבר הכי מגניב בעסק SaaS הוא שמדובר בסוג עסק כל כך נפוץ שכל המטריקות החשובות למדידת איכות העסקים הם מאוד מוכרות ונפוצות, כך שהדיון תמיד עוסק בהן, ולא בתחושות עמומות. השמועה אומרת שגיגי לוי, המנכ"ל האגדי של 888, הוא זה שהביא את עולם הדשבורדים לישראל ושמעקב אובססיבי אחר המטריקות הללו היה סוד ההצלחה של 888. אני לא כזה שוחה בעולם הזה, אבל זה נשמע לי די הגיוני.

אצלנו, בכל אופן, זה ממש שינה את האופן שבו אנחנו מסתכלים על דברים. פתאום הכל תחת מעקב, המטריקות ידועות לכל מי שצריך לדעת אותן, ישנו מרדף בלתי פוסק אחר שיפור שלהן, הדיונים הם מבוססי נתונים יותר מאשר תחושות (אני יודע, כבר אמרתי את זה פעם פעמיים…) ובכלל – אין מחלקה אצלנו שלא הרגישה את הרוח החדשה שנשבה. משיחות שלי עם מקבילים אליי אני יודע שזה לא כל כך מובן מאליו.

סיכום

חברות קטנות, שעדיין בונות את עצמן בשוק, מנסות, נכשלות ושוב מנסות, מקבלות החלטות חשובות על בסיס שבועי. אני לא לגמרי נגד שימוש באינטואיציה, אבל חשוב לתת גם למספרים לדבר. אחרי הכל, מה הטעם בלנסות שוב אם לא מפיקים את המירב מהניסיון שנצבר? תתפלאו לשמוע, אבל לא חסרות חברות שהפרוטה מצויה בכיסיהן ועדיין לא הטמיעו מערכת BI איכותית. אם תשאלו אותי, זה ממש חבל. לא רק בגלל שהיתרונות כל כך רבים, אלא בעיקר שבימינו לא מדובר בעניין כזה מסובך.

מהקצת שיצא לי לראות, חשוב יותר שמנהל כספים בסטארט אפ יהיה איש אנליזה ולא איש חשבונאות. עם חשבונאות אפשר (וצריך) להיעזר ברואי החשבון, זה גם לא מאוד יקר. אנליזה היא צורך שוטף שצריך להתאים את עצמו כל הזמן לעסקי החברה. לכן, אם אתם מנהלי כספים בסטארט אפ, אני ממליץ לכם להשקיע כמה ימים בלמידת נושא ה-BI. זה לא מדע טילים, זה ישתלם לכם באופן אישי וזה ישתלם לחברות שתעבדו בהן.

הערות שוליים