36 חודשים · תחזית מול תוצאות אמת
כל תחזית נבחנת מול תוצאות אמת מדי חודש, ואנחנו מראים לכם את הפער.
אותו מבנה מדורג כמו במסמכי האפיון שאנחנו מגישים בפועל. כל שלב מסתיים בתוצאה מדידה ובהחלטה, וההתקשרות מרוויחה את השלב הבא שלה. לעמוד המלא: איך אנחנו עובדים
שלב א' · אפיון
ממפים יחד את הנתונים שלכם, את המערכות (Priority, SAP, חשבשבת) ואת ההחלטה העסקית שהמודל צריך לשרת. התוצר: מסמך אפיון עם מדדי הצלחה (KPI) שמוגדרים לפני שבונים דבר.
כל מדד מוגדר עם בסיס להשוואה. לדוגמה: שיפור 'טעות הרכש' בלפחות 10% מהמצב הקיים.
נקודת יציאה הוגנת. שלב האפיון יכול להסתיים במסקנה ש-AI אינו הכלי הנכון עדיין, או שהנתונים אינם בשלים לכך. אפשר לעצור כאן, והממצאים נשארים אצלכם.
שלב ב' · הוכחת היתכנות ובחינת תוצאות אמת
בונים את היכולת על נתוני אמת שלכם, ובוחנים את התוצאות מול מדדי ההצלחה שהוגדרו. לא הדגמה: תקופת מבחן מדודה, עם מעקב טעויות שתוכלו לקרוא בעצמכם.
נקודת יציאה הוגנת. אם התוצאות אינן עוברות את הרף שקבענו יחד, ההתקשרות מסתיימת כאן, וההערכה המלאה נשארת בידיכם.
שלב ג' · הטמעה
הטמעה מדורגת אל תוך המערכות שאתם כבר מפעילים. הבחינה החודשית מול תוצאות אמת נמשכת גם בייצור, באותה משמעת של יומן התחזיות.
מה שאנחנו בונים נשאר שלכם: המודלים, הקוד וצנרת הנתונים. בלי מונה פלטפורמה, בלי תלות בספק.
תחזיות מכירות וביקושים בכמה אופקי זמן, שנבחנות מול תוצאות אמת מדי חודש.
תחזית ברזולוציית פריט, מלאי ביטחון דינמי והמלצות רכש, בתוך מערכת ה-ERP שאתם כבר מפעילים.
עדיף שנגיד את זה עכשיו ולא בפגישת פתיחה:
התקשרות Data Science של שלוש שנים עם יצרן תעשייתי מקבוצת Mueller (שוק ארה"ב). התחזיות נבחנו מול תוצאות אמת מדי חודש; המלצת מנכ"ל שמורה אצלנו.
לחברת תפעול מרובת אתרים פיתחנו והדגמנו סוכן ידע ארגוני: גישה בשפה חופשית לידע הארגון, על תוכן אמיתי שלו. הכול פועל בתוך רשת סגורה (סביבה מבודדת ללא חיבור לאינטרנט), ואף נתון אינו יוצא ממנה. במידת הצורך, אותה תשתית משמשת גם לחיפוש במסמכים פנימיים ולהפקת מסמכים.
פיתחנו והדגמנו מערכת מבוססת SAM שמבצעת סגמנטציה אוטומטית של שדות תעופה בתצלומי לוויין ואוויר, ומודדת אותם בכלי מדידה מדויקים, בתוך ממשק ייעודי עם תיקון ידני, הוספת אובייקטים והפקת דוחות. השלב היקר ביותר בעבודת ניתוח תצלומי אוויר הופך למשימה מפוקחת שנמשכת דקות.
דן מלכא מוביל אישית כל התקשרות: את האפיון, את הפיתוח ואת המסירה. מי שמאפיין אצלנו את המערכת הוא גם מי שבונה אותה ומטמיע אותה, ולכן נקודת המסירה שבה פרויקטי AI נתקעים שוב ושוב פשוט לא קיימת כאן. הרקורד בנוי מהתקשרויות פרודקשן רב-שנתיות, לא ממסירות חד-פעמיות. דן חוזר תוך יום עסקים אחד.
נגיד לכם אם הנתונים יכולים לשאת אותה, מה יידרש לשם כך, ואיך נמדוד את התוצאה.
