לפני מספר ימים פורסם ציוץ של פרופ' רן בליצר, אחד מהאפידמיולוגים המומחים בישראל, שכלל הסבר בסיסי על הנוסחה של התפשטות תחלואה.
הנוסחה מזכירה מאוד נוסחאות אחרות שבהן אנליסטים עושים שימוש – בשביל לבצע אופטימיזציה של מדדים ולשפר את ביצועי הארגון.
אז לאור הפרסום, החלטתי לכתוב פוסט קצר בנושא מטרות עסקיות, והיישום האנליטי שלהן, כולל העיקרון שעומד מאחורי בלימת המגיפה.
ורגע לפני שנתחיל – דיסקליימר חשוב:
כל מה שרשום במאמר כאן מגיע מהזווית האנליטית בלבד, קרי מיפוי הבעיה האנליטית, כימות שלה והסקת מסקנות.
לעומת זאת, נושא מטרות עסקיות כולל הרבה מאוד הערכות, הגדרות והנחות עבודה, ולרוב, נדרשת היכרות טובה מאוד עם עולם התוכן העסקי של החברה/ארגון.
יש הטוענים, ובצדק מסוים שמדובר "ביותר אמנות ממדע", כלומר שנדרש ידע "רך" בנוסף לידע ה"קשה" של דאטה.
חוסר היכרות כזה יכול בקלות לגרום להנחות שגויות שעשויות לשבש את ההערכה, ואפילו בצורה משמעותית.
וספציפית בדוגמאות על הטיפול בקורונה:
קיימים מומחים לאפידמיולוגיה המכירים כנראה טוב מכולם את הסביבה של עולם התוכן, וכמובן שדעתם גוברת על הרשום במאמר כאן, וחשוב לקחת את האמור בהינתן זאת.
אז אחרי ההקדמה – בואו נתחיל!
קצת על פונקציות מטרה
לכל ארגון קיימת מטרה עסקית מסוימת – כזו שמהווה עבורו מעין מצפן למה הוא אמור לעשות.
בהתאם למטרה העסקית, נגזרים יעדים מסוימים, שהם מעין פרשנות כמותית למטרה, כלומר להשיג תוצאה מדידה X עד תאריך Y.
פונקציית המטרה היא היעד העסקי המרכזי, כאשר לרוב – נרצה כמה שיותר ממנו, לדוג' מקסימום הכנסות בשנה X, מקסימום משתמשים באפליקציה בחודש X.
בחברות שאינן עסקיות – לדוג' – משרדי ממשלה – הסיפור מעט שונה.
מאחר ואי אפשר לתת "מקסימום בריאות", או "מקסימום בטחון" – יש לתרגם את המטרה ליעדים מדידים ברורים, ובהרבה מקרים – ממוקדים בפעילות ספציפית.
לדוג', בטיפול בהתפרצות הקורונה, המטרה הברורה היא להקטין את היקף המתים מהמחלה כיעד עיקרי.
לאחרונה, לאור מחקרים בנושא, עלה גם כי אחוז לא מבוטל מהנדבקים מפתחים בעיות רפואיות לא פשוטות אף לאחר ההחלמה הראשונית, כך שהמטרה יכולה להפוך למזעור היקף הנדבקים בכלל.
או ברמה מדינתית, מזעור שיעור הנדבקים מתוך האוכלוסייה.
עוד כמה דוגמאות לפונקציות מטרה:
מזעור הונאות בחברת אבטחת עסקאות ברשת, מזעור סיכון לאי פירעון של הלוואות בעולם הבנקאות/אשראי וכיו"ב.
מרכיבי פונקציית המטרה
לאחר שזיהינו מהי המטרה העסקית, השלב הבא הוא לפרק אותה למרכיבים, אשר נוכל להשפיע על כל אחד מהם באמצעות פעולות שיעשה הארגון.
לדוג': רווח שנתי אפשר לפצל להכנסות ולהוצאות; וכל אחד ממרכיבים אלה אפשר לפרק לעוד מספר רכיבים.
כך שבסופו של דבר נקבל נוסחה מפורטת, שכל אחד מרכיביה ניתן לשיפור באמצעות פעולות מסוימות.
את כמות המשתמשים באפליקציה אפשר לפצל למשתמשים חדשים, למול משתמשים ותיקים (ביקור שני ומעלה);
משתמשים חדשים נדרש לגייס (User Acquisition), ומשתמשים קיימים נדרש לשמר (User Retention), כך שמדובר בשתי פעולות שיווקיות שונות שהחברה נדרשת לבצע בשביל למקסם את היעד העסקי.
בעולם ניהול הסיכונים (הלוואות, ביטוח וכיו"ב), נהוג לכמת את הסיכון לרמה הכספית החזויה באמצעות הנוסחה הבאה:
עלות הסיכון המוערכת =
הסיכוי להתממשות של אירוע הסיכון (לדוג': אי פירעון הלוואה, תאונה חס וחלילה);
כפול סכום האובדן הכספי בעת קרות אירוע הסיכון.
פונקציית המטרה בהתפשטות התחלואה – מקדם ההדבקה
לגבי התפשטות התחלואה (וזה הציוץ של פרופ' בליצר) – מדובר במקדם ההדבקה.
מקדם ההדבקה מתאר את כמות הנדבקים הממוצעת מנשא בודד.
אם המקדם גדול מ-1 (לדוג' 2) – המחלה תתפשט, כי כל נשא ידביק לפחות עוד אדם אחד:
נניח שאנחנו נמצאים כרגע עם 1000 נשאים ומקדם הדבקה 2:
1000 הנשאים הראשונים ידביקו עוד 2000 איש;
2000 הנשאים החדשים ידביקו עוד 4000 איש;
ה-4000 החדשים ידביקו עוד 8000 איש;
וכן הלאה – בדרך לאסון.
זו בדיוק ההדבקה המעריכית (אקספוננציאלית) שעליה מדובר בלי סוף בחדשות.
מצד שני, אם המקדם נמוך מ-1 (לדוג' 0.5) – המחלה תיבלם, כי כל נשא ידביק פחות מאדם נוסף.
בדוג' של 1000 נשאים עם מקדם הדבקה 0.5 (אחד מכל 2 נשאים ידביק אדם אחד נוסף):
1000 הנשאים הראשונים ידביקו עוד 500 איש;
500 הנשאים החדשים ידביקו עוד 250 איש;
250 החדשים ידביקו עוד 125 אנשים;
וכן הלאה – בדרך לבלימת ההתפשטות.
זה כבר טור גיאומטרי (הנדסי) מתכנס, ובדוג' הזו הוא יתכנס ל-2000 חולים בסה"כ (1000 * 1/(1-λ), כאשר λ הוא מקדם ההתכנסות – במקרה הזה 0.5).
נוסחת מקדם ההדבקה
על סמך הציוץ של פרופ' בליצר, מקדם ההדבקה נחלק ל-3 מרכיבים:
א. מספר המגעים של כל נשא בכל יום.
ב. סיכוי ההדבקה של הנשא את האדם שאיתו הוא נפגש.
ג. מספר הימים שבהם הנשא מידבק.
המכפלה של 3 הגורמים הללו תיתן את מקדם ההדבקה.
ואיך כל זה עוזר לנו כאנליסטים?
ברגע שמיפינו את המרכיבים של פונקציית המטרה, אפשר לעשות איתם בגדול 3 דברים:
א. דיווח – למדוד את פונקציית המטרה.
ב. ניתוח רגישות.
ג. אופטימיזציה של מדדים
שלב ראשון – כימות ודיווח על המצב הקיים
הדבר הראשון הוא לכמת מהו המצב הקיים – כלומר הערך הנוכחי של פונקציית המטרה.
במקרה של מקדם ההדבקה – קריטי לחשב אותו, קודם כל על מנת להבין האם הוא גדול מ-1 (התפרצות), או קטן מ-1 (התכנסות).
במקרה של רווח, קריטי לדעת האם החברה מרוויחה או מפסידה בטווח זמן מסוים.
חשוב לשים לב שכימות המצב הקיים אינו תמיד מהלך פשוט, מאחר והוא מחייב שמירה של נתונים רלוונטיים.
לדוג', במקרה של התפשטות הקורונה – ברמת המספר עצמו – אפשר כמובן לקחת את הנתון היומי ולחלק אותו בנתון יום קודם בשביל לקבל הערכה, אך זה לא מדויק.
במילים אחרות – אין לנו מידע ברמת מיקרו של כל נשא ונשא, אלא ברמת מאקרו – כלל התחלואה.
מבחינת הפירוק למרכיבים זו משימה אפילו יותר מורכבת:
הרי אין לנו באמת מידע ברמת כל המגעים שהיו לכל נשא.
ישנן החקירות האפידמיולוגיות, אך סביר להניח שהן רגישות מאוד לחוסר דיוקים, שכחה וכיו"ב.
מידע יותר עקבי אמור להיות איכוני הטלפונים, בהינתן הרגישויות שלו.
מבחינת הסיכוי להדבקה – כנ"ל.
לפחות מבחינת מספר ימי המיקדמות – כרגע לפחות המספר נגזר ממחקרים/הנחיות של גופים מקצועיים, והוא קבוע.
כך, שחשוב להבין שמדובר בהערכה, ועשוי להיות קשה לבצע אותה.
שלב שני – ניתוח מרכיבי הנוסחה
לאחר שיש לנו תמונת מצב נוכחית לגבי פונקציית המטרה, נשאלת השאלה כיצד אפשר לשפר את התוצאה.
התשובה היא – באמצעות שיפור כל אחד ממרכיבי הנוסחה.
לדוג': רוצים לשפר את הרווח? אין בעיה, נגדיל הכנסות, לא נגדיל את ההוצאות והרווח יגדל.
רוצים להגדיל את כמות המשתמשים באפליקציה?
נהדר, או שנשקיע הרבה בשיווק בשביל להביא משתמשים חדשים, או שנשקיע בשימור המשתמשים הקיימים.
ולגבי התפשטות הקורונה:
אפשר ליצור ריחוק חברתי, ובכך להקטין את מספר המגעים של כל נשא. הדוגמה הכי קיצונית לזה היא סגר, או כמובן בידוד.
אפשר להקטין את הסיכוי להדבקה באמצעות עטיית מסיכה (כמו שצריך – לא "חושפי האפים" או "מכסי הסנטרים").
ואפשר להקטין את מספר ימי המידבקות באמצעות טיפול כזה או אחר, או מחקר שיציג רמת מידבקות נמוכה במהלך חלק מהתקופה;
בנוסף, לפי פרופ' בליצר, גם בדיקה ובידוד מהירים של הנשאים יכול להיחשב בתור קיצור ימי המידבקות (למרות שקיים פוטנציאל הדבקה לא קטן בבידוד בבית עם שאר המשפחה).
ומה עדיף לשפר תחילה?
כאן אנחנו נכנסים לתחום מעניין בעולם האנליטי בשם ניתוח רגישות.
ניתוח רגישות בעצם מנסה לזהות היכן הכי כדאי לשפר, מאחר ושיפור קטן במרכיב מסוים – יביא לשיפור גדול בתוצאה.
איך זה מתבצע?
לוקחים כל רכיב, מורידים אותו ב-10%, ובודקים מה ההשפעה על התוצאה.
בחברות שבהן יש הרבה דאטה אפשר כמובן לעשות את זה יחסית בקלות באמצעות ניתוח אנליטי.
אם הנתונים לא קיימים – אפשר להעריך אותם, ובמקביל להתחיל לאסוף אותם בשביל לתקף את ההערכה.
ולמען האמת, זה אחד האתגרים הכי גדולים בטיפול בקורונה – שפשוט קשה מאוד לאסוף דאטה ברמת המיקרו, כלומר – מה באמת קורה עם כל נשא ונשא.
שלב שלישי – אופטימיזציה של מדדים
לאחר שזיהינו את המרכיבים שכדאי לשפר ראשונים – חשוב להעלות את הממצאים להנהלה.
לאחר קבלת ההחלטה, יש להוריד לשטח פעולות לשיפור, ולמדוד את האימפקט על מדד ההצלחה.
כמובן שהתהליך הזה אינו חד פעמי, אלא מתמשך.
ולאחר הרבה סבבים כאלה של ניתוח רגישות ויצירת Action Items לשיפור, פונקציית המטרה תשתפר – ואפילו משמעותית.
לחילופין, ברגע שנצבר הרבה מאוד דאטה לגבי הפעילות, אפשר לקחת את ערכי פונקציית המטרה מצד אחד, את ערכי המרכיבים שלה (ומרכיבים פוטנציאליים נוספים), וממש "לפצח" ע"י מודל סטטיסטי את ערכי המרכיבים שבהם פונקציית המטרה תהיה אופטימלית (הכי גבוהה/נמוכה).
התהליך הזה נקרא אופטימיזציה.
קיימים מקרים, בהם אפשר לבצע אופטימיזציה של מדדים בצורה סטטיסטית/מתמטית, אך ברוב המקרים, ומאחר והעולם הוא דינמי – נדרש לבצע הרבה ניסוי וטעיה בשביל להגיע לנקודה שבה המצב משופר באופן משמעותי.
סיכום
במאמר למדנו על פונקציות מטרה עסקיות, ואיך אנחנו כאנליסטים יכולים (וצריכים) לשפר אותן באמצעות אופטימיזציה של מדדים.
זה בעצם מנגנון העל שלנו לקחת תהליכים בחברה מצד אחד, את הדאטה מצד שני – ודרך השילוב שלהם לשפר את ביצועי החברה/ארגון.
חשוב שוב לציין, כי הנושא של כימות ושיפור/ אופטימיזציה של מדדים מחייב היכרות יחסית עמוקה עם עולם התוכן העסקי של החברה/ארגון.
זה כולל אילוצים, הגדרות, הנחות עבודה, הבנה של אופן השימוש בתוצרים האנליטיים וכמובן הצרכים העסקיים.
בתקווה שהסגר הנוכחי אכן יביא להקטנה דרמטית של מקדם ההדבקה,
שלא יהיו סגרים נוספים, שתקופת הקורונה תסתיים במהרה,
ונוכל לחזור לשגרה האנליטית של שיפור ביצועים ולא נתוני תחלואה.
בהצלחה!
אהבת את הפוסט?
הנה השלב הבא בלהפוך לדאטה אנליסט!