אדווה: היי לכולם, אני אדווה שיסגל והיום נדבר על איך מנבאים את העתיד, או באופן יותר ספציפי, על מתודולוגיות ושיטות לתכנון קדימה. זוהי הרצאה נוספת מאירוע איך תראה 2024 שערכנו בתחילת השנה, והפעם הסשן הוא הרצאה של תומר קרמרמן, Head of Analytics to the CEO במאנדיי, ששיתף בדרכים השונות להסתכל על תכנון קדימה. בתיאור הפרק תוכלו למצוא קישור למצגת שליוותה את ההרצאה של תומר, כמו גם לכלי סינריו פלנינג שתומר והצוות שלו בנו, ואתם מוזמנים להשתמש בו לתכנון קדימה גם בסטארט אפ שלכם. שנתחיל? 

[נעימת פתיחה]

תומר: בוקר טוב, נעים מאוד לכולם, נחמד להיות כאן, נושא שיחה מעניין אני חושב. אז שמי תומר, כאמור אני מנהל קבוצה של Data Science שעובדת עם ההנהלה, אחת מההיבטים, אחת מהאחראויות שלנו זה לנבא את העתיד, שזו מטלה קצת מלחיצה, בהתחשב בזה שמי שאנחנו מספקים להם את הנבואות האלה הם אנשים רציניים ושאפתניים עם זיכרון מצוין וחשדנות בריאה בכל פעם שאומרים להם משהו על מספרים או על אלגוריתמים. והיום בכמה דקות ננסה לשתף קצת במתודולוגיות, שיטות ואולי גם דרכי חשיבה, לאו דווקא טכניות אלא יותר מהותיות, שאנחנו מוצאים שעוזרים לנו בין אם לתכנן, לקבוע יעדים, לנבא את העתיד או לגזור משמעויות כתוצאה מהעבודה שלנו. אני כן אגיד, אני מניח שבשיחה יש אנשים שהם צרכנים של נבואות כאלה או של תוכניות כאלה, יש כאלה שמייצרים אותן עבור אחרים ויש כאלה שעושים גם וגם, מייצרים עבור עצמם. הפרספקטיבה שלנו יותר של מי שמייצר את הדאטה עבור איזשהו צרכן, אבל ננסה לתאר היבטים, אני חושב שיכולים להיות שימושיים עבור כולם, לא משנה באיזה קונטקסט הם ניגשים לזה. אז אפשר לעשות חלוקה לשלושה סוגי תוצרים או שלוש מתודות כדי לחשוב על העתיד. הראשונה היא forecast, זה באופן טיפוסי איזושהי הערכה של מספר בתאריך בזמן. אפשר לייצר אותו עם data science מאוד מורכב, אפשר לייצר אותו עם ,heuristica אפשר לקחת את מה שעשינו השנה, להכפיל את זה בשתיים ולחשוב שזה מה שיקרה בשנה הבאה. זה בדרך כלל מה שלקוחות או הצרכנים שלנו מבקשים מאיתנו, הם רוצים לדעת מה יקרה, איפה נהיה ואיך נגיע לשם. כלי יותר מורכב או יותר גמיש בעיניי שאני מודה שפחות הכרתי כשהגעתי למאנדי ופיתחנו הרבה מתודולוגיות סביבו במהלך התקופה כאן, זה כלי של תרחיש או scenario אנליסיסט. אז במקום לייצר איזושהי הערכה של נקודה אחת בזמן וערך יחיד, אנחנו בונים מודל שיש לו Input ויש לו כל מיני הנחות, ואז זה מאפשר לנו לבנות תרחישים. בתרחיש מסוים האינפוטים יתנהגו בצורה מסוימת ונמצא את עצמנו במקום אחד, בתרחיש אחר, שליש מכוח האדם שלנו גויס למילואים באוקטובר ונמצא את עצמנו בנקודה אחרת. והחשיבה הגמישה הזאת ואולי הכלים שאפשר לאמץ סביבה, הם מאוד שימושיים להרבה פרקטיקות של תכנון. ההיבט האחרון זה קצת יותר אומנות ממדע וגם יש שם הבדל גדול בעיניי, יש כבר הרבה דאטה וזו איזושהי מכונה שעובדת בסקייל, או סטארט-אפ בשלבים הראשונים שלו, שהרבה פעמים הדמיון והתעוזה הם יותר חשובים אולי מאיזושהי אנליזה והכרה, אבל זה איך להוון את הפורקאסט ואת התרחיש למטרה, לשים יד בין אם זה לחברה כולה או לקבוצה ספציפית. וניגע גם בזה. כדי להדגים, לאורך כל השיחה, אז נשען על דמותו ועל העשייה של איש עסקים, cofounder, CFO ידוע, שזה סטרינגר בל מהסמויה, וננסה ביחד לחשוב איך היינו בונים את התוכנית השנתית לפינה שבה אנחנו מוכרים, אני לא זוכר מה מוכרים אפילו, אם זה הרואין או אם היה כבר קרק ב-2001, אני לא בטוח, מוכרים משהו. אז נתחיל דווקא מפורקאסט, הרקע שלי הוא מדאטה סיינס, ויש הרבה הייפ תמידי, כבר עשור בערך, סביב כלים שונים של דאטה, אז היכולת הזאת להסתכל על הרבה מספרים ולהגיד מה יהיה ברמת ודאות גבוהה, זה בדרך כלל או בהרבה הקשרים מה שיחידות תכנון ויחידות Data Science מתבקשות לייצר. לא בטוח שזה הדבר הכי יעיל עבור הצרכנית. כן ננסה לתת כמה פוינטרים או טיפים לגבי יצירת פורקאסטים. קודם כל Data Science הוא נהדר והוא מצוין כשאנחנו מנסים לשערך משהו מוגדר היטב כמו איש מכירות, כמו יוזר, כמו הזדמנות ויש לנו כבר הרבה Data History, עדיין כשאנחנו מסתכלים על סט של הזדמנויות, על סט של ביצועים של אנשי מכירות או בכל הקשר אחר, יכול להיות שעדיף גם שם לקחת את הפלט של המודל של ה-Data Science ולבנות סביבו איזה שהוא פורקאסט אגרגטיבי. זה יעזור לנו למשל לייצר טווחי ודאות, להבין יותר איפה טעינו ואיפה צדקנו. גם ההזרקה של היגיון בריא של הפרקטיקה של להסתכל על המספרים ולחשוב האם הם עושים שכל, האם הם דומים למה שהיה בעבר, אתגר של חלק מאנשים בתחום של Data Science ומועילה תמיד. נקודה נוספת זה תיעוד מדויק ומוקפד של כל האינפוטים של תהליך ה-forecast ושל התוצאה בפועל. זאת הדרך היחידה להשתפר וזה גם איזשהו … מאפשר לנו, אפילו אם כל מה שיש לנו זה . point estimateאמרנו לקחנו את השנה האחרונה, הכפלנו אותה בשתיים, ברגע שאנחנו מתחילים להבין מה חשבנו ש- איפה חשבנו שנהיה ואיפה היינו בפועל, זה מאפשר לנו להתחיל ליצור טווחי ביטחון. להגיד למשל אמירות כמו, אם השגיאה שלנו החודש היא השגיאה המקסימלית שתהיה לנו, שהייתה לנו אי פעם, זה הטווח שבו אנחנו יכולים לטעות. זה כמובן הפרקטיקה שמאפשרת פשוט להשתפר. הנקודה הזאת היא אולי קצת, היא יכולה להיתפס כמניפולטיבית, אבל אני כן רוצה לחדד אותה. אז לא רק- אני באופן כללי בן אדם פסימי, אוהד הפועל, רגיל להפסדים ולכישלונות. אני חושב שבהקשר של בניית פורקאסט, מה לעשות? הצרכנים של התוצר הזה הם ברוב המקרים בני אדם וטעות שהיא טעות למעלה, היא הרבה פעמים נתפסת בצורה הרבה יותר חזקה ושלילית מטעות שהיא טעות כלפי מטה. אני לא אומר להכניס הטעיה עקבית או להכניס שגיאה בכוונה אל המודל, יש הרבה מאוד נקודות החלטה שאפשר לקבל האם אנחנו שמרנים או אם אנחנו אופטימיים. ודרך להישאר רלוונטי זה לצבור אמון מצד הלקוחות ואולי להקפיד על שמרנות, זה איזשהו טיפ שעוזר לעשות את זה. חוכמת ההמון, אז כל מי שבנה אי פעם מודל יודע שדבר שיותר טוב ממודל אחד זה לבנות חמישה ולקחת את הממוצע שלהם. במנאנדיי אחד דברים שמצאנו שלא משנה כמה איטרציות עשינו על מודל הסיילס שלנו, הדרך הכי יעילה להבין איך ייסגר החודש זה ללכת ולשאול את כל אנשי המכירות ולסכום. בסוף הטעויות מסתכמות ומצטמצמות ונכון לחפש הזדמנויות כאלה גם בהקשרים אחרים.  מבחינת טולים, יש הרבה כלים שאפשר להשתמש בהם בשביל לנהל את התהליך הזה, בשביל לשקף את התוצאות שלו. לא משנה מה, רק טוב שהוא יהיה מאוד ויזאבילי, כי הפורקאסט הופך לאיזשהו מדד חי של איפה שאנחנו נמצאים בנקודת זמן מסוימת, ולמשהו שנושמים אותו ועוזר לדרבן ולהזיז את הארגון. חלופה להסתכלות הזאת, שהיא שוב בעיניי בהרבה הקשרים יעילה יותר, היא ליצור מכונת תרחישים, ליצור איזשהו מודל שלא מסתכל על תוצאה סופית ומנסה להעריך לאן נגיע בהמשך, אלא שיש לו אינפוטים מוגדרים היטב שאפשר לשחק איתם ולהבנות את התוצאה בצורה טובה יותר, איזשהו סימולטור. אז האומנות כאן היא לזהות מה הם התהליכים, מה הן המכפלות שאנחנו נרצה לשים עליהן אצבע, להוציא אותן מתוך הסימולטור שלנו ולאפשר למשתמש לסובב אותן למעלה או למעלה, המשתמש יכול להיות אנחנו, כדי לחשוב על הבעיה שעומדת למולו. זה עוזר לנו לשאול שאלות הרבה יותר ספציפיות, לזהות הזדמנויות, לגזור לאחורה זמנים של דברים שצריכים לקרות למתי, פשוט להיות באינטראקציה טובה יותר עם הכלי התכנוני הזה. כאן ההערכה שהעברתי לגבי ה-forecast, אני חושב שהיא הרבה יותר חזקה. תהליך שהוא ניתן להבין אותו בקלות, שהוא שקוף למשתמש, הרבה הרבה יותר טוב ממודל black boxing. כי כל הערך המוסף שאנחנו מחפשים כאן, זה את היכולת לתכנן. ובשביל לתכנן צריך להבין את התהליך, להבין מה אנחנו מזיזים. כמובן שיש מקום לדייק או לחדד את דרכי החישוב והיופי בו, זה שזה מאפשר לנו ללכת  high to go low, ולחפש את התרחיש שאנחנו מעוניינים בו. אז כאן נצא שנייה ונעבור על הגיליון. פה שכפלתי את אותם מספרים שראינו מקודם, השורה התחתונה היא זהה, כמובן שזה היה כי זה דוגמה, בחיים האמיתיים זה אף פעם לא זה, אבל לפחות אידיאלית קרוב. כדי שניתי את הפרספקטיבה, במקום פשוט סכום של כל אחד מאנשי המכירות שלנו, או לא משנה מה יהיה ה-input, אז הפכנו את זה לפרמטרים, כמה עובדים יש לנו, כמה חבילות כל אחד מהם מכר, ומה המחיר לחבילה. ברגע שיש לנו את שלושת הדברים האלה ביד, אנחנו יכולים לשאול שאלות הרבה יותר חכמות. כמו למשל, איפה נהיה אם נשכור עוד עובד בחודש מסוים, נראה את השורה החתונה משתנה. מה יקרה אם תיכנס תחרות, אייזנברג יבוא מניו מקסיקו ויתחיל למכור את החומר הכחול היותר טוב שלו, והמחירים והמכירות שלנו ייפלו. מתי אנחנו צריכים להתחיל לחפש עובד חדש? איך יראו ההוצאות שלנו בתקופת שפל? כל האלמנטים האלה אפשר לגעת בהם, אפשר לכוונן אותם, כמובן לפי הדאטה ההיסטורית, אבל כן עם איזשהו אינפוט מפורש. ושוב, להרבה הקשרים אני חושב שזאת נקודת הסתכלות נכונה יותר. הכלי המומלץ לעשייה מהסוג הזה, לא דאטה סיינס, לא מחברות, אלא spreadsheet כמו שיש בכל מחלקת פייל. האלמנט האחרון כאן הוא קביעת מטרות, שזה כאמור יותר מעשה אומנות או אלכימיה מאשר מדע, אבל גם כאן יש כל מיני היבטים שנכון לי לחשוב עליהם, או שאנחנו מציעים לחשוב עליהם. קודם כל מטרות כן צריכות להיות מדידות, לא לנצח, לא להיות הכי טובים, לא לבנות את חוויית המוצר הכי טובה, אלא משהו שאפשר להבין אותו, … בשאילתה האם הוא קרה או לא, והמטרות שהן כמותיות, עדיפות על מטרות של קרה או לא קרה. כמו לשחרר פיצ'ר. כי אז זה עוזר לנו לאורך זמן להבין איך אנחנו מתקדמים, זה משהו שאפשר להיות טובים מאוד בו, טובים קצת בו. אפשר, הוא הופך את התהליך לערכי יותר. מטרה פשוטה שקל להבין אותה, עדיפה על מטרה מאוד מורכבת ומסובכת, למרות שחשובה גם הקונסיסטנטיות עם היעדים הכלליים של החברה. לפעמים לכל מיני מחלקות יש את תת המדדים שלהם שהם אולי פשוטים ובשפה היום יומית שלהם, אבל מתקיימים ביקום נפרד מזה שכולם עושים עסקים ומדברים בו וזה גם מקשה. מטרת תוצאה תמיד עדיפה למטרת תהליך, כי אנחנו רוצים בסוף להשפיע, לא שיהיה תהליך מושלם ולא עשינו שום דבר כתוצאה ממנו. זו נקודה קצת עדינה יותר אבל יש הרבה פעמים סט של מטרות שהן מטרות ווליום, שזה להגיע ליעד מסוים, נגיד מיליוני דולרים, ולצידה מטרות יעילות. יש איזה אינטרפלי בין שניהם, אם אנחנו הולכים על ווליום מאוד גבוה, היעילות שלנו תידפק, אם אנחנו רוצים יעילות מקסימלית, כנראה שנרצה לצמצם את הפעילות שלנו, נמכור רק ללקוחות הטובים ביותר. גרסה בשלה של מערכת מטרות, היא מביאה בחשבון גם את השיקול הזה וגם את השיקול הזה, לפחות במרבית היחידות. כאן אני מציע משהו הפוך, כמובן בגבולות הבר השגה, רצוי למנע מ-די מוטיבציה או מלהיראות כמנותקים ולא קשורים לעשייה בפועל, אבל בסטארט-אפים בוודאי, הרעיון הוא להיות שאפתנים להגיע ל-10x, להגיע ל-20x, ודווקא כאן עדיף להבין איפה נהיה ולשים יעד משמעותית גבוה ממנו. זה היה ממעוף הציפור, אני יודע שזה קצת מהיר, שוב גישות, מחשבות, אלמנטים שאנחנו מוצאים שהם מועילים. ניפרד בעוד ציטוט מהסמויה, אני חושף פה את עולמי התרבותי הדל שנעצר ב-2012 בערך, אז ששואלים את עומר איך הוא שורד בעסקי הרצח של סוחרי סמים, הוא עונה: יום אחד בכל פעם. זה משקף איזה חשיבה שלנו, יש לפעמים white… black… כל מיני אירועים כאלה שקשה לצפות, אבל בסוף הדרך היעילה להגיע לתוצאות היא על ידי process מוקפד והדרגתי, שאנחנו מבינים איפה אנחנו רוצים להיות בכל יום, בכל תקופה ועובדים בהם, ככה לפחות אנחנו עובדים. יש פה את האימייל שלי, אם רוצים להמשיך לגעת בנושא, להתכתב לגביו, אז בשמחה. 

אדווה: ורגע לפני שנסיים, נזכיר שלינק למצגת שליוותה איתה הרצאה של תומר, ניתן למצוא בתיאור הפרק, שאם אתם רוצים לדעת כל פעם שיוצא פרק חדש, אתם מוזמנים לעקוב אחרינו בכל אחת מהאפליקציות. ואם יש לכם שאלות, ניתן לשאול אותן באתר או בקהילה שלנו. תודה רבה לתומר ותודה לכם שהאזנתם.

סוף הקלטה