צוות: מכללת בר-אוריין תאריך: 28.2.2026

התחזיות הקודרות של בנק ישראל משנת 2025 הופכות לנגד עינינו למציאות של שנת 2026. הנתונים מדברים על מסה קריטית: כ-21% מהמגזר הפרטי ו-15% מהמגזר הציבורי עוברים טרנספורמציה מבוססת AI. המשמעות המצטברת היא דרמטית – כ-800,000 עובדים בישראל עומדים בפני שינוי הגדרת תפקידם או אובדן מקום עבודתם עם הטמעת הכלים האוטונומיים.

למרות התחזית הזו, המשק הישראלי מפגין חוסן מפתיע עם שיעור תעסוקה יציב של כ-79% וקרוב ל-150,000 משרות פנויות. הפער הזה חושף את האמת המורכבת: הבעיה היא לא מחסור בעבודה, אלא מחסור בכישורים. לפי חברת הייעוץ הבינלאומית מקינזי, הבינה המלאכותית עתידה לייצר בין 8 ל-12 מיליון משרות חדשות ברחבי העולם בתחומי ניהול הנתונים, האתיקה והפיתוח. השאלה היא כבר לא מי יוחלף, אלא אילו מקצועות ישתנו ומי ידע להוביל את השינוי הזה.

מנהלים, לא מופעלים: האתגר של המגזר הציבורי ופורשי צה"ל

עבור מנהלים במשרדי ממשלה ופורשי מערכות הביטחון, שנת 2026 מציבה הזדמנות היסטורית. אלו אנשים שניהלו מערכות ענק, תקציבי עתק וכוח אדם מורכב. הידע הארגוני שצברו הוא נכס אסטרטגי, אך בעידן ה-AI, ניסיון לבדו כבר אינו מספיק.

מקצועות כמו חשבות שכר או ניהול דרג ביניים הופכים למקצועות "משלימי AI". מנהל שלא ידע לרתום את הבינה המלאכותית ככלי עבודה אינטגרלי, ימצא את עצמו מחוץ למשחק. כאן נכנס לתמונה המודל של ד"ר ענת קלומל-צוייג: היכולת לקחת את הניסיון הפיקודי והניהולי ולתרגם אותו לשפה של מינוף משאבים ותנופה עסקית.

המודל של ד"ר קלומל-צוייג: תשתית לצמיחה במערכות גדולות

במכללת בר-אוריין, אנו מלמדים את המנהלים הללו להפוך את הידע הארגוני שלהם ליתרון טכנולוגי. מודל ה-"0 הפתעות" אינו רק כלי למניעת תקלות, אלא תשתית לצמיחה המאפשרת למנהל במשרד ממשלתי או לפורש צבא בכיר לבנות ארכיטקטורה ארגונית חכמה.

היועצים האסטרטגיים המוכשרים במכללה לומדים כיצד:

• למנף את הידע המערכתי: שימוש ב-AI כדי לייעל תהליכים בירוקרטיים מורכבים ולהפוך אותם למנועי צמיחה.
• להוביל את ה-PRO Index: שימוש במדדים המוזהבים של בר-אוריין כדי לבחון את האפקטיביות הארגונית בעידן החדש.
• ניהול אתיקה ונתונים: כפי שחזתה מקינזי, אלו התפקידים החדשים שישלטו בשוק, והיועצים שלנו הם הראשונים לאייש אותם.

ההזמנה שלכם לשולחן מקבלי ההחלטות

הטרנספורמציה הארגונית להטמעת AI דורשת יד מכוונת, מקצועית ואסטרטגית. היועצים של מכללת בר-אוריין אינם רק "מומחי טכנולוגיה" – הם מנהיגים עסקיים שיודעים לקחת ארגון שקפא על שמריו ולהזניק אותו קדימה.

עבור פורשי מערכת הביטחון ומנהלי המגזר הציבורי, הקורס במכללה הוא הגשר בין הניסיון של האתמול לבין הניהול של המחר. בעידן שבו תפקידי ניהול פשוט לא יוכלו להתקיים ללא בינה מלאכותית, אנחנו מעניקים לכם את הכלים לא רק לשרוד את המהפכה – אלא להוביל אותה.

מכיסא המנהל לכורסת היועץ: ההזדמנות הגדולה של 2026

הפרדוקס של מנהלים בכירים, פורשי צה"ל ובכירי המגזר הציבורי, הוא שלעיתים הניסיון העצום שלהם נבלם אל מול בירוקרטיה ארגונית או מבנים מיושנים. כאן בדיוק טמונה ההזדמנות ההיסטורית שמביאה איתה שנת 2026: המעבר מסטטוס של "מנהל מערכת" לסטטוס של יועץ עסקי ואסטרטגי מבוסס AI.

ארגונים המתמודדים כיום עם משבר הטמעת הבינה המלאכותית אינם זקוקים לעוד מנהל תפעולי בשרשרת הפיקוד; הם משוועים לאוטוריטה מקצועית – יועץ פנימי או חיצוני – שיודע להסתכל על המערכת ממעוף הציפור. הם מחפשים אדם שיודע לקחת את הידע הארגוני המצטבר, לזהות את צווארי הבקבוק, ולתפור חליפת AI מותאמת אישית שתייצר תנופה עסקית וייעול משאבים.

הזינוק לקריירה הבאה: להיות אדריכלי השינוי

ההכשרה במכללת בר-אוריין אינה עוד קורס טכנולוגי ללימוד פקודות מחשב, אלא טרנספורמציה מקצועית שלמה. היא לוקחת את הניסיון העשיר בניהול משברים, בתכנון ארוך טווח ובהנעת עובדים, ויוצקת אותו לתוך מתודולוגיה של ייעוץ אסטרטגי חדשני.

כאשר מנהלים עושים את ההסבה והופכים ליועצים המוסמכים לפעול על פי מדד ה-PRO של בר-אוריין (מבחן 4 הזהב), הם רוכשים את היכולת לפרק כל מערכת מורכבת לגורמים. הם לומדים היכן ה-AI יכול להחליף תהליכים שוחקים, וכיצד לבנות בארגון תשתית ניהולית של "0 הפתעות". במקום להיות אלו שמקבלים מלמעלה הנחיות על צמצום כוח אדם, הם הופכים למובילי הטרנספורמציה – היועצים שיושבים בחדרי הדירקטוריון ומשרטטים את מפת הדרכים של הארגון בעידן החדש.

הבינה המלאכותית לא נועדה להחליף מנהלים בעלי שיעור קומה, היא נועדה לתת להם את הכלים להפוך ליועצי-על. מי שישכיל לעשות את המעבר הזה כעת, ימצא את עצמו בחזית הכלכלה של 2026, כשהוא מנווט את הספינה הארגונית בבטחה, ומייצר לעצמו וללקוחותיו יתרון תחרותי חסר תקדים.

לא עוד מנוי ל-AI, אלא אסטרטגיית ליבה ופיתוח מוצרים חדשים

הטעות הנפוצה והיקרה ביותר של מנכ"לים כיום היא המחשבה שהטמעת בינה מלאכותית מסתכמת ברכישת מנויים לכלי AI עבור מחלקה ספציפית או קבוצת עובדים נבחרת. תפיסה זו, המתייחסת לבינה המלאכותית כאל "כלי עבודה" משודרג ותו לא, משאירה את הארגון הרחק מאחור. התוכנית להכשרת יועצים אסטרטגיים במכללת בר-אוריין מבוססת על פרדיגמה שונה לחלוטין: בינה מלאכותית חייבת להיות מנוהלת כאסטרטגיה ארגונית שלמה.

הרעיון המרכזי מאחורי ההכשרה הוא בניית אסטרטגיית הטמעה שורשית הבוחנת כיצד הבינה המלאכותית משתלבת בכל רובד של העסק. היועץ האסטרטגי, החמוש במדד ה-PRO של בר-אוריין, לומד כיצד למפות את המשאבים הקיימים (הון אנושי, תקציבים, דאטה), לייעל אותם, והכי חשוב – למנף אותם לרמות חדשות של רווחיות והשפעה.

אך החזון אינו עוצר בהתייעלות ושימור הקיים. המעבר האמיתי מתפיסה של "הישרדות" במודל של 0 הפתעות לתפיסה של "תנופה עסקית", מתבטא ביצירתיות. היועצים האסטרטגיים, בוגרי מכללת בר-אוריין, מוכשרים להוביל את הארגון ליזמות פנים-ארגונית: בנייה ופיתוח של מוצרים ושירותים חדשים המבוססים הלכה למעשה על בינה מלאכותית, אשר משתלבים באופן אורגני עם סל המוצרים או השירותים הקיים של החברה.

במקום שהבינה המלאכותית רק תסייע לעובד לנסח מסמך או לנתח טבלת אקסל מהר יותר, היא הופכת למנוע שמייצר הצעת ערך חדשה, חוויית לקוח פורצת דרך, ואפיקי הכנסה שעליהם הארגון לא יכול היה לחלום קודם לכן. זהו המעבר מחשיבה טקטית של לחצני מצוקה, לחשיבה אסטרטגית של הובלת השוק.

הכירו את ה"צבא" החדש שלכם: כך נראה ייעוץ אסטרטגי ב-2026

היום כבר לא צריך "לזכור" מודלים. צריך לדעת איך להפעיל אותם – ומהר.

האתגר הגדול של יועצים ומנהלים בכירים היום הוא המעבר בין התיאוריה למעשה. איך לוקחים מודל מורכב, מחברים אותו לנתוני הביג דאטה של הארגון ומפיקים תובנה עסקית תוך דקות, ולא תוך שבועות?

המציאות הדיגיטלית טסה קדימה, וארגונים זקוקים ליועצים שיודעים לשלב בין חשיבה אסטרטגית, כלים מבוססי AI, ויכולת הובלת שינוי אמיתי.

 

מכללת בר-אוריין פורצת דרך ומזמינה אתכם להפוך מ"יועצים" ל"ארכיטקטים אסטרטגיים".

זהו מסלול הכשרה ייחודי המשלב את הכלים המתקדמים ביותר:

🚀 מודל '0 הפתעות' למינוף עסקי: מתודולוגיה ייחודית המבוססת על מחקריה של ד"ר ענת קלומל-צוייג. המודל מחבר בין מידענות תוצאתית (Consequential Information), מודיעין תחרותי ואסטרטגיית נתונים כדי לצמצם את אי-הוודאות בקבלת החלטות – ולהביא את מדד ההפתעה העסקית לאפס.

⚔️ "צבא" של 5 סוכני AIייעודיים (GPTs) מוכנים לעבודה: במסגרת ההכשרה, תקבלו גישה וליווי אישי ביישום פרוטוקול של 5 עוזרים וירטואליים שיעבדו עבורכם:

• סוכן ה-RADAR: לזיהוי טרנדים ואיומים עתידיים.
• סוכן ה-DATA: לאיתור פערי ידע קריטיים וסינון רעשים.
• סוכן ה-RISK: להרצת סימולציות של תרחישי קיצון.
• סוכן ה-DNA: לניתוח התרבות הארגונית וכיול התפיסה הניהולית.
• סוכן ה-ARCHITECT: לבניית Roadmap דינמי המסתגל לשינויים בזמן אמת.

זהו רישיון הפעלה למערך בינה מלאכותית מתקדם שהופך אתכם ל"ארכיטקטים של קבלת החלטות".

למי זה מתאים? מנכ"לים, סמנכ"לים, דוקטורים, ויועצים אסטרטגיים השואפים להוביל בשנת 2026, להטמיע AI הלכה למעשה, ולמנף את הארגון לצמיחה מואצת.

הרכבת הדיגיטלית טסה קדימה. אל תישארו בתחנה.

📈 אם אתם רוצים לייעץ אחרת – תחשבו תוצאה. לפרטים מלאים והרשמה > 

https://did.li/STRATEGY-PLAN

#ייעוץאסטרטגי #מודל0הפתעות #מינוףעסקי #AIבעסקים #ענת_קלומל_צוייג #הכשרהאסטרטגית #ניהולידע #חשיבהמבוססתדאטה #מידענותתוצאתית #מכללת_בר_אוריין

הפתעה היא לא מזל רע. היא כשל ניהולי שניתן למנוע.

קודאק המציאה את הצילום הדיגיטלי – ובכל זאת נפלה קורבן ל"הפתעת" המהפכה הדיגיטלית.
נוקיה שלטה ב-40% משוק הסלולר – ועדיין "הופתעה" מהאייפון.
בלוקבאסטר דחתה את ההזדמנות לקנות את נטפליקס ב-50 מיליון דולר – כי "לא ראתה" את השינוי.

מה המשותף לשלושת הענקיות האלה? הן לא סבלו ממחסור במידע. הן סבלו מפער בין מה שחשבו שיקרה לבין מה שקרה בפועל.

מהי הפתעה? ההגדרה שתשנה את הדרך שבה אתם מקבלים החלטות

ד"ר ענת קלומל-צוייג, חוקרת מידענות ומחקר מודיעין, הקדישה למעלה מ-20 שנה לחקר תופעת ההפתעה בארגונים. התיזה שלה מאוניברסיטת תל-אביב (2002) חקרה את ההבדל בין הפתעות צבאיות (כמו מלחמת יום כיפורים) להפתעות דיפלומטיות (כמו יוזמת השלום של סאדאת).

המסקנה המהפכנית שלה:

> **"הפתעה היא הפער בין תפיסת המציאות לבין המציאות עצמה.
> ככל שהפער גדול יותר – כך ההפתעה משמעותית יותר."**

הנוסחה המדעית להפתעה

ד"ר קלומל-צוייג פיתחה נוסחה פשוטה ועוצמתית:
S = |P – R
– S (Surprise) = גודל ההפתעה (ועוצמת המשבר)
– P (Perception) = התפיסה שלך (מה אתה חושב שקורה)
– R (Reality) = המציאות (מה שקורה באמת)

במילים פשוטות: ההפתעה אינה תוצר של העדר מידע. היא תוצר של פער בין מה שאנחנו יודעים (או חושבים שאנחנו יודעים) לבין מה שקורה בפועל.
למה זה קורה? שלושת גורמי הפער
במחקר שלה, ד"ר קלומל-צוייג זיהתה שלושה גורמים עיקריים ליצירת הפער:
1. הבעיה הקוגניטיבית** (איך המוח שלנו עובד)
המוח האנושי מחפש דפוסים ויוצר "קונספציות" – מסגרות חשיבה שקובעות מה אנחנו רואים ומה אנחנו מתעלמים ממנו.

דוגמה: לפני מלחמת יום כיפורים, אמ"ן היה בטוח שמצרים לא תתקוף כי "אין לה מענה לחיל האוויר שלנו". הקונספציה הזו סינן כל מידע סותר – כולל הכנות ברורות למלחמה.
2. הבעיה הארגונית  (פתולוגיות במערכות מידע)
ארגונים סובלים מ"רעשים" – מידע מיותר שמכסה על האותות החשובים. בנוסף, המידע עובר דרך פילטרים היררכיים שמעוותים אותו.

דוגמה: בקודאק, המהנדסים שפיתחו את הצילום הדיגיטלי העבירו את המידע למנהלים – אבל ההנהלה סיננה אותו כ"לא רלוונטי" כי זה איים על עסק הסרטים הרווחי.

3. הבעיה המודיעינית (למה גם עם מלא נתונים אנחנו נכשלים)
שפע מידע אינו שווה לידע נכון. אפשר לשבת על הר של דוחות, ועדיין לפספס את התמונה הגדולה.

דוגמה: נוקיה ידעה על האייפון חודשים לפני השקתו. היו להם כל הנתונים. אבל הם לא "הבינו" את המשמעות – שזה לא טלפון, זה מחשב בכיס.

ההשלכה העסקית: מה זה אומר עבורך?

אם את/ה מנהל/ת עסק, המשמעות היא ברורה:

✅ כל החלטה אסטרטגית שלך מבוססת על תפיסת המציאות שלך (P)
✅ אם התפיסה הזו שגויה – אתה צועד לעבר הפתעה (S)
✅ וההפתעה הזו עלולה לעלות לך בכסף, בלקוחות, או בעסק עצמו

הדרך למנוע הפתעה? "לסגור את הפער"

מודל 0 ההפתעות: מתיאוריה לפרקטיקה

ד"ר קלומל-צוייג לא הסתפקה במחקר אקדמי.
היא לקחה את הממצאים מ-20 שנות מחקר והפכה אותם למתודולוגיה עסקית מעשית – מודל 0 ההפתעות.

המטרה? להביא את S (ההפתעה) ל-0 על ידי סנכרון מושלם בין P (התפיסה שלך) ל-R (המציאות).

איך עושים את זה? 
באמצעות "5 סוכני אינטליגנציה"  שעובדים לפי פרוטוקולים מחקריים מוכחים:

1. סוכן RADAR – מזהה שינויים בשוק לפני שהם הופכים לאיום
2. סוכן DATA – מזקק עובדות וסוגר פערי ידע קריטיים
3. סוכן RISK – מנהל סיכונים בזמן אמת (לא בדוחות שאף אחד לא קורא)
4. סוכן DNA – מכייל את התפיסה שלך למציאות הארגונית
5. סוכן ARCHITECT – בונה תוכנית שיודעת להסתגל בזמן אמת

הפער שבין "לדעת" ל"להבין"

> "במלחמת יום כיפורים, ישראל ידעה על ההכנות המצריות.
> במקרה של קודאק, המהנדסים ידעו על הדיגיטל.
> במקרה של נוקיה, ההנהלה ידעה על האייפון.

הבעיה לא הייתה העדר מידע. הבעיה הייתה העדר הבנה של מה המידע הזה אומר על המציאות.

זו בדיוק המהות של מודל 0 ההפתעות – לא לאסוף עוד מידע, אלא לזהות את פערי הידע שמונעים ממך להבין את המציאות.

מוכנים להפסיק להיות מופתעים?

ד"ר ענת קלומל-צוייג מלמדת את המתודולוגיה הזו במכללת בר-אוריין במסלולי הסמכה ייחודיים:

– מנהלים בכירים ← ארכיטקטים אסטרטגיים (Strategic Architects)
– יזמים ויועצים ← מומחי צמיחה טקטית (AI Business Mentors)

כי בעולם של שיבושים טכנולוגיים וכאוס, ארגונים לא צריכים עוד "עצות" – הם צריכים יסודות עמידים.

על ד"ר ענת קלומל-צוייג : דוקטור במידענות ומחקר מודיעין | ארכיטקטית אסטרטגית| **מפתחת מודל 0 ההפתעות

ד"ר קלומל-צוייג עברה מסע מקצועי של 20 שנה: ממידענית אנליסטית, דרך חוקרת בתחומי המודיעין והדאטה, ועד ליועצת אסטרטגית לעסקים ורשויות ממשלה.

היא בעלת מכללת בר-אוריין ופורטל ערים חכמות בישראל, ומכשירה דור חדש של מנהלים שיודעים איך להפוך אי-ודאות למערכת מנוהלת ונשלטת.

החזון: עולם שבו מנהלים לא מופתעים – אלא מוכנים. (Always Ready)

💡 רוצים ללמוד איך לסגור את הפער ולמנוע הפתעות בארגון שלכם? הירשמו לקבלת מידע 

הכותב: מערכת מכללת בר-אוריין 
ראיון עומק עם ד"ר ענת קלומל־צוייג, מומחית למידענות אנליטית ולתהליכי קבלת החלטות מבוססי דאטה ו–AI

---

בעשור האחרון הפכו הנתונים לגורם המשפיע ביותר על קבלת החלטות עסקיות. מנהלים יודעים שעליהם “להיות מבוססי דאטה”, אבל בפועל — ארגונים רבים עדיין טובעים בקבצים לא אחידים, תהליכים ידניים, ונהלים היסטוריים שאינם תואמים את קצב העולם החדש.

בעוד חברות ענק בונות מערכי BI מתקדמים, דווקא המנהלים בשטח — סמנכ"לים, מנהלי תפעול, מנהלי כספים ויועצים — ממשיכים להסתמך על אקסלים בלתי נגמרים, קבצים ידניים והחלטות אינטואיטיביות.

ד"ר ענת קלומל־צוייג, מומחית למידענות אנליטית, יועצת אסטרטגית ומפתחת מודלים מקצועיים בתחום הדאטה, מזהה כאן את אחת הסיבות המרכזיות לחוסר היעילות הארגונית. בראיון מיוחד היא מציגה תפיסה מהפכנית: Data  Pipeline — כבסיס לייעוץ אסטרטגי ולניהול מודרני.

“הבעיה של ארגונים היא לא מחסור בנתונים — אלא עודף נתונים ללא תהליך”

“המנכ"לים שאני פוגשת לא חסרים נתונים,” אומרת ד"ר קלומל־צוייג. “הם חסרים תהליך. הם שוחים בים של קבצים, דוחות, מערכות ERP, CRM, אבל אין ‘צינור עבודה’ אחד שמסדר את הכול בצורה נקייה, עקבית ואמינה”.

לדבריה, זה בדיוק המקום שבו נכנס לתמונה ה–Data Pipeline — מונח שמגיע מעולמות ה–Data Engineering, אך משתלב כיום בכל ארגון שמבין את חשיבות הזרימה האחידה של מידע.

Pipeline, היא מסבירה, הוא לא כלי — אלא תהליך:
ייבוא נתונים → ניקוי → טיוב → מיזוג → בניית טבלת עבודה מרכזית → הפקת תובנות.

“כשאין תהליך קבוע, הנתונים הם כאוס. כשיש Pipeline — יש אמת אחת אחידה שמנהלים יכולים לסמוך עליה”.

החידוש: חיבור בין Data Pipeline לבין ייעוץ אסטרטגי

בשוק הייעוץ האסטרטגי הישראלי מתרכזים רבים בשיטות קלאסיות של ראיונות, סקרים ומודלים עסקיים.
ד"ר קלומל־צוייג טוענת שהמודלים הללו אינם מספיקים יותר.

“ייעוץ אסטרטגי היום לא יכול להישען רק על שיחות וניתוחי שוק. ההמלצה חייבת להסתמך על נתונים אמיתיים מתוך הארגון — מכירות, תפעול, שיווק, משאבי אנוש. כל החלטה צריכה להיות Data Driven”.

לשם כך פיתחה ד"ר קלומל־צוייג מודל ייעוץ משולב, שמורכב משלושה נדבכים:

1. מידענות תוצאתית — Outcome Driven Information Science

“לא מתחילים מהמידע — מתחילים מהשאלה הניהולית. מה התוצאה שרוצים להשיג?
משם נגזרת כמות המידע, איכות המידע, והאופן שבו מנתחים אותו.” המידענות התוצאתית היא תהליך איסוף מידע באופן אפקטיבי מכוון תוצאה. מיומנות זו נלמדת בקורס מידענות ומחקר מודיעין.

2. חשיבת דאטה פנים־ארגונית (Data Driven Mindset)

הדגש אינו על הכלי, אלא על יכולת להבין מה הנתונים אומרים על הארגון:
איפה הבקבוק הצר? מה משפיע על רווחיות? איפה בזבוז הזמן?
הדאטה מספר סיפור — צריך לדעת לקרוא אותו. מיומנויות אלו בטיפול בדאטה ויצירת דשבורדים נלמדות במסלול הלימודים דאטה אנליסט עסקי.

3. שילוב בינה מלאכותית בתהליך הניתוח

“AI כבר לא ‘בונוס’. הוא חלק מתהליך הניתוח”, היא אומרת.
“AI מאפשר לזהות מגמות, לבנות נוסחאות, להסביר אנומליות ולחזות תרחישים. זה מאיץ תהליכים ומעלה דיוק.”

לדבריה, זהו שילוב שהופך את תהליך הייעוץ לחד יותר, מדויק יותר — ובעיקר מבוסס מציאות.

Pipeline כבסיס למקבלי החלטות: “מנהלים מקבלים שקט”

כאשר שואלים אותה מה היתרון המרכזי של עבודה בתצורת Pipeline, התשובה שלה ברורה:

“מנהלים מקבלים שקט.יש להם מקור נתונים אחד, אחיד, אמין — כזה שמאפשר לקבל החלטות בלי להתווכח על המספרים”. כאן נכנסת גם משמעותו של Power Query, הכלי המוביל לבניית Pipeline באקסל.

“Power Query הוא המנוע של התהליך. הוא מאחד קבצים, מנקה נתונים, מבצע אוטומציה — ובונה את התשתית לכל החלטה. כשהוא משולב עם AI, התהליך קופץ מדרגה שלמה קדימה”.

השלב הבא: מקצוע חדש — Data Driven Strategic Advisor

כחלק מהתפיסה שלה, ד"ר קלומל־צוייג מציגה מקצוע מתפתח:
יועץ אסטרטגי המבוסס דאטה. זהו יועץ שאינו מסתפק בניתוח איכותני או בתחושות בטן, אלא מוביל תהליכי Data Pipeline, מנתח מגמות, בונה דוחות, ומשלב AI בתכנון אסטרטגיות.

“זה מקצוע העתיד,” היא אומרת. “יועץ אמיתי צריך להבין בנתונים. לא כדי להיות מתכנת — אלא כדי להבין מציאות.”

ההכשרה המעשית: Excel, Power Query, Power BI ו-AI — תחת קורת גג אחת

במכללת בר־אוריין פותחה הכשרה מעשית שמיישמת את המודל בפועל:
Excel Data Analyst בשילוב Power BI ו-AI.

הייחוד, לדבריה, אינו בכלים עצמם — אלא בתפיסה:

“לא מלמדים נוסחאות. מלמדים איך לבנות תהליך. איך לחשוב כמו אנליסט.איך לנהל דאטה כמו ארגון גדול — גם אם אתה עסק קטן או מנהל יחידה.”

בוגרי המסלול מיישמים תהליכים אמיתיים בארגוניהם:
חיסכון בזמן, שיפור רווחיות, יכולת לזהות בעיות מראש, ויצירת דוחות הנהלה שמסבירים לא רק מה קורה — אלא למה זה קורה.

“העולם משתנה — ומי שלא יהיה Data Driven יישאר מאחור”

לקראת סיום הראיון, שואלים את ד"ר קלומל־צוייג אם זו מגמה חולפת. היא מחייכת.

“זה לא טרנד. זה הסטנדרט החדש.
מי שלא ידע לנהל תהליכי דאטה — לא יוכל לקבל החלטות טובות.
מי שלא ישלב AI — יזוז לאט מדי.
ומי שלא יבנה Pipeline — ינהל ארגון על בסיס רעש”.

לדבריה, התפקיד של יועצים, מנהלים ואנליסטים הוא לא ‘ללמוד אקסל’ —
אלא ללמוד לחשוב עם דאטה.

המודל של ד"ר ענת קלומל־צוייג מציע מהפכה שקטה אך עמוקה: הפיכת הייעוץ האסטרטגי מתהליך איכותני בלבד —
לתהליך אנליטי, מובנה, מבוסס נתונים, ונתמך בינה מלאכותית.

עבור ארגונים שמבקשים לקבל החלטות מושכלות, להפחית אי־ודאות, ולבנות יכולת ניהול מודרנית — זו אינה המלצה.
זו חובה מקצועית.

ייעוץ אסטרטגי בעידן ה–AI — מקצוע שנולד מחדש

בתום השיחה עם ד"ר קלומל־צוייג ברור שחלה תפנית מהותית באופן שבו ארגונים צריכים לחשוב על ייעוץ אסטרטגי. לא עוד מודלים תיאורטיים, ראיונות או “התרשמות כללית” של יועצים. בעידן של זרמי מידע בלתי פוסקים ומערכות עסקיות מורכבות — התשתית שמובילה להחלטה הנכונה אינה אינטואיציה, אלא תהליך.

וזהו בדיוק המקום שבו מתחדדת הגישה שפיתחה ד"ר קלומל־צוייג:
ייעוץ אסטרטגי הפועל מתוך מידענות תוצאתית, ניתוח דאטה פנים־ארגוני ושימוש מושכל בכלי בינה מלאכותית.
זהו שילוב נדיר בין מדע המידע, יכולת מחקר אנליטית וראייה מערכתית ארגונית — שילוב שהופך את ההמלצה האסטרטגית לחדה, אמינה וברת־יישום.

“היועץ האסטרטגי המודרני חייב להיות איש מערכת,” היא אומרת.
“הוא חייב להבין את ה־Data Pipeline, את המבנה הפנימי של הארגון, את הדינמיקה בין מחלקות, ואת ההשלכות של כל החלטה ברמת התפעול, המכירות, השיווק והפיננסים. זה לא ‘ייעוץ’ — זו הנדסה מערכתית של קבלת החלטות”.

המהפכה מתרחשת בשני מישורים מקבילים:

1. התפיסה הניהולית משתנה

ארגונים מבינים שהם חייבים לעבוד מתוך תשתית נתונים מקצועית:
איסוף, ניקוי, טיוב, מיזוג והפקת תובנות.
בלי זה — אי אפשר לקבל החלטה אחת יציבה.

2. הבינה המלאכותית משנה את תפקיד היועץ

AI לא מחליף את היועץ — הוא מגדיל את היכולות שלו:
הוא מזרז ניתוחים, מדייק מסקנות, מציף אנומליות ומלווה בבניית תחזיות.
יועצים שאינם שולטים בכלי AI — פשוט נשארים מאחור.

לכן, כדי להכין ארגון למהפכת הבינה המלאכותית, היועץ חייב להביא לא רק ידע —
אלא ראייה מערכתית שלמה:
איך הארגון מתנהל, איך המידע זורם, איפה החסמים, איך מגדירים שיטות עבודה, ואיך בונים יכולת אנליטית שתשרת את כל ההנהלה.

ולכן, לדבריה, הייעוץ האסטרטגי החדש אינו מקצוע של “דעה” — אלא מקצוע של תהליך, נתונים ומתודולוגיה.

“העתיד,” מסכמת ד"ר ענת, “שייך לארגונים שמסוגלים להבין את המציאות דרך הנתונים שלהם — וליועצים שמסוגלים להוביל אותם לשם”.

*מי הם האנשים שמובילים את מהפכת ה–Data Driven?

ד"ר ענת קלומל־צוייג מספרת על הדור החדש של היועצים האסטרטגיים**

לצד השינויים הטכנולוגיים והחדירה המואצת של בינה מלאכותית למערכות ניהול, מתגבשת קבוצה מעניינת של מקצוענים שהחליטו לעשות צעד נוסף — ולהתמקצע בעולם ה־Data Driven.
לדברי ד"ר ענת קלומל־צוייג, מפתחת המודל הייחודי לייעוץ אסטרטגי מבוסס דאטה ומידענות תוצאתית, מדובר בקבוצה מגוונת אך בעלת מכנה משותף ברור: ניסיון ניהולי עמוק ורצון לעבור לשלב הבא של הקריירה — עם כלים אמיתיים לעולם החדש.

“האנשים שמגיעים אליי”, אומרת ד"ר קלומל־צוייג, “הם לא בהכרח אנשי טכנולוגיה, ולעיתים אפילו מגיעים מרקע הפוך. זה היופי. אלו אנשים עם ניסיון חיים מקצועי עשיר — והם מבינים שהשלב הבא בניהול ובייעוץ עובר דרך שליטה בנתונים”.

מנכ"לים, סמנכ"לים ומנהלים בכירים — שעברו כבר את כל השחור־לבן של ניהול

לפי ד"ר קלומל־צוייג, אחד הפרופילים הבולטים הוא של מנהלים בכירים שחוו כבר מערכות מורכבות, תקציבים, תפעול, משברים ומערכות יחסים ארגוניות.

“מנכ"לים וסמנכ"לים מגיעים כי הם מבינים שהיום ארגון שרוצה לשרוד — חייב ניתוח נתונים אמיתי ולא רק אינטואיציה ניהולית.
הם רוצים לדעת לקרוא דוחות, לזהות חריגות, לבנות תהליך Pipeline ולתת החלטה שמבוססת על משהו מוצק.”

יועצים ארגוניים ועסקיים — שרוצים להוסיף ‘שכבת עומק’ אמיתית

יועצים ארגוניים רבים, כך היא מספרת, מבינים שהעולם המקצועי שלהם משתנה.

“יועץ שלא מביא דאטה — מביא חצי תמונה.
הם רוצים להרחיב את ארגז הכלים, להעמיק את האבחון, ולהפוך את הייעוץ לתהליך מבוסס נתונים, מודלים ומתודולוגיות.
זו הסיבה שהם מצטרפים למסלול”.

מנהלי תפעול, לוגיסטיקה ומכירות — האנשים שמכירים את השטח

גם אנשי שטח בכירים מגיעים: מנהלי תפעול, לוגיסטיקה, מנהלי משמרת, מנהלי מכירות.

“אלה אנשים שיודעים איך מתנהלת מערכת.
הם מריחים בעיות, מבינים צווארי בקבוק, מכירים את השטח טוב יותר מכולם — וכשהם מקבלים כלי דאטה, זו קפיצה אדירה.
הם לומדים לנתח תהליכים, לפענח נתוני ביצוע, ולבנות המלצות אסטרטגיות שהן הרבה מעבר לניסיון חיים.”

פורשי צה"ל – אנשים עם יכולת מערכתית נדירה

אחת האוכלוסיות המפתיעות היא פורשי צה"ל: מפקדים, ראשי מדורים, קצינים בכירים.
“הם מגיעים בלי פחד, עם ראייה מערכתית מפותחת ויכולת ניהול אנשים ותהליכים.
כשנותנים להם מתודולוגיה של Pipeline, נתונים ו-AI — הם פורחים.
הם מבינים מהר מאוד את החיבור בין ניתוח נתונים לשיפור מערכות מורכבות”.

בוגרי מדעי החברה והרוח — לא מנוגד, אלא משלים

למרות שהעולם הולך לכיוון טכנולוגי, הרבה בוגרים מרקע לא טכנולוגי מצטרפים.

“זה מיתוס שאנליסט חייב להיות ‘איש מחשבים’.
אנשים מרקע פילוסופי, מדעי החברה או מדעי הרוח מביאים יכולת ניתוח, חשיבה ביקורתית, ראייה אנושית — ואז עם כלים נכונים הם הופכים לאנליסטים מצוינים.
אלה בדיוק האנשים שמקבלים את התפיסה שלי במהירות:
שדאטה הוא אמצעי, אבל החשיבה היא העיקר.”

למה דווקא הם?

לדברי ד"ר קלומל־צוייג: “האנשים שמגיעים הם אנשים שמבינים שהשלב הבא בעולם העבודה הוא שילוב בין ניסיון ניהולי לבין שליטה בנתונים.זה לא קורס טכני, אלא מיומנויות בעידן No Cod. זה תהליך של שינוי תפיסת עולם.”

היועץ האסטרטגי המודרני — חייב ראייה מערכתית ויכולת להכין ארגונים לעידן ה־AI

בסיום היא מדגישה:

“הייעוץ האסטרטגי החדש מבוסס על שלושה נדבכים:

1. מידענות תוצאתית – התחלה מהתוצאה והצבת השאלות הנכונות.

2. ניתוח דאטה פנים־ארגונית – הבנה מה המספרים מספרים באמת.

3. שימוש מושכל בבינה מלאכותית – לשיפור דיוק, חיזוי והאצה”.

השלב הבא: מהתבוננות בדאטה — ליצירת אסטרטגיות עתידיות

לאחר שהיועצים מאמצים את התשתית המתודולוגית — מידענות תוצאתית, Pipeline סדור, וניתוח דאטה פנים־ארגוני — מתחיל השלב המורכב והאינטלקטואלי ביותר בתהליך: בניית תכניות אסטרטגיות ארוכות טווח על בסיס מודלים אנליטיים וחשיבה יצירתית.

לדברי ד"ר קלומל־צוייג, זהו השלב שבו הייעוץ האסטרטגי מתרחק מעבודת “ניתוח” קלאסית והופך לתהליך של חיזוי, סימולציה ותכנון עתידי:

“אחרי שהדאטה מסודר, נקי ואמין — מתחיל למעשה השלב המרתק ביותר:
היכולת לנתח מגמות, להבין תהליכים ארגוניים לעומק, ולבנות תרחישי עתיד שמנחים את הארגון כיצד לפעול בשנים הקרובות.”

היא מתארת את השלב הזה כתהליך של ממש “אינטלקטואליזציה של הדאטה”:
חיבור בין עשרות מודלים לניתוח מידע, חשיבה מערכתית, מתודולוגיות של חדשנות, ומודלים שהוטמעו במסגרת מחקר הדוקטורט שלה.

“אין כאן נוסחה אחת. זהו שילוב בין ניתוח לוגי לבין יצירתיות ניהולית.
כדי לבנות תכנית אסטרטגית בעידן המהפכה הדיגיטלית —
צריך להבין גם מספרים וגם אנשים.”

היועץ האסטרטגי החדש: מקצוע שמשלב תהליך, דאטה וראייה מערכתית

בסופו של דבר, מדגישה ד"ר קלומל־צוייג, זוהי הגדרה חדשה לגמרי של תפקיד היועץ:

“הייעוץ האסטרטגי המודרני אינו מבוסס על דעה — אלא על שיטה.
הוא מבוסס על מידענות תוצאתית, על ניתוח דאטה פנים־ארגוני, ועל שימוש מושכל בכלי בינה מלאכותית.
יועץ שלא מבין את התמונה המערכתית — לא יוכל להוביל ארגון לעתיד”.

לפי גישתה, היועץ החדש אינו רק מנתח נתונים ואינו רק מנהל תהליך; הוא מכין את הארגון למהפכת הבינה המלאכותית, למעבר לעבודה מבוססת נתונים, ולהתמודדות עם שינויים מהירים בשוק.

“זו אינה טכניקה — זו יכולת מערכתית.
יועצים של היום חייבים לעזור לארגונים לזהות סיכונים, להיערך לשיבושים, לאמץ טכנולוגיות ולבנות תשתית חשיבה שמבוססת על נתונים ולא על אינטואיציה בלבד.”

ובמובן הזה, היא אומרת, התפקיד של היועץ האסטרטגי רק מתחיל איפה שהטכנולוגיה נגמרת.

לדבריה, הייעוץ האסטרטגי בעידן החדש הוא “הנדסה מערכתית של קבלת החלטות”, ולא עוד ליווי ניהולי כללי.
כדי ללוות ארגון לקראת מהפכת הבינה המלאכותית — היועץ חייב להבין תהליכים, מבנים, נתונים וזרימת מידע מהקצה לקצה.

“היועצים שמגיעים אליי לא לומדים ‘עוד נושא’.
הם לומדים מקצוע חדש — מקצוע שמכין ארגונים לעתיד”.

מטריצת GE-McKinsey (או Nine-Box Matrix) היא כלי אסטרטגי שמיועד לעזור לארגונים להעריך את התיק העסקי שלהם, כלומר להחליט באילו יחידות עסקיות כדאי להשקיע, להחזיק או לצמצם/למכור. המטריצה מבוססת על שני קריטריונים עיקריים:

1. אטרקטיביות השוק: כמה השוק שבו פועלת היחידה אטרקטיבי, מבחינת גודל, צמיחה, רווחיות ותחרותיות.
2. חוזק היחידה העסקית: עד כמה היחידה העסקית חזקה מבחינת יתרון תחרותי, נתח שוק, יעילות תפעולית ויכולת פיננסית.

המטריצה מחולקת ל-9 ריבועים שמייצגים את השילוב של שני הקריטריונים הללו ברמות שונות (נמוך, בינוני, גבוה). באמצעות המטריצה, מנהלים יכולים לזהות אילו יחידות עסקיות מציעות את הפוטנציאל הגדול ביותר להשקעה והרחבה, ואילו יחידות יש לשקול להפסיק או למכור.

איך מידענים יכולים לעבוד עם המטריצה בחיפוש מידע עסקי:

מידענים, המתמחים באיסוף וניתוח מידע רלוונטי, יכולים לתרום רבות לעבודה עם מטריצת GE-McKinsey כאשר הם מחפשים מידע עסקי עבור החברה. הנה הדרכים בהן הם יכולים לעבוד עם המטריצה:

1. איסוף מידע על אטרקטיביות השוק:

• מחקרי שוק: מידענים יכולים לחפש ולנתח דוחות שוק, תחזיות צמיחה, נתוני גודל שוק, מגמות טכנולוגיות ועוד כדי להעריך את הפוטנציאל של השוק שבו פועלת החברה.
• תחרותיות השוק: הם יכולים לחקור את מבנה התחרות בשוק, לרבות מי הם המתחרים המרכזיים, חסמי הכניסה, והיכולת לייצר יתרונות תחרותיים.
• רגולציה והשפעות חיצוניות: איתור של מידע רגולטורי שעשוי להשפיע על אטרקטיביות השוק, כמו חוקים, מיסוי או תקנות חדשות שעלולות להוות חסם לצמיחה.

2. ניתוח חוזק היחידה העסקית:

• מעמד תחרותי: מידענים יכולים לחקור את נתח השוק של החברה מול מתחרים, לאסוף מידע על המיצוב של המוצרים והשירותים של החברה ולבחון עד כמה החברה מצליחה לשמור על יתרון תחרותי.
• ניתוח ביצועים פיננסיים: ניתן לאסוף נתונים פיננסיים כגון רווחיות, נזילות ותשואות, כדי להעריך את החוזק הכלכלי של היחידות העסקיות השונות בתוך החברה.
• משאבים ויכולות: איתור מידע על המשאבים (אנושיים, טכנולוגיים ועוד) והיכולות הייחודיות של החברה, כמו יכולות חדשנות, פיתוח מוצרים או שרשרת אספקה יעילה.

3. הצעות לשיפור ותובנות עסקיות:

• לאחר ניתוח המידע שנאסף, המידענים יכולים להציג תובנות אסטרטגיות להנהלה, כגון המלצות היכן כדאי להשקיע, אילו תחומים דורשים יותר תשומת לב או שיפור, ואילו שווקים או יחידות כדאי לשקול לצמצם או למכור.

4. איתור הזדמנויות צמיחה:

• באמצעות חקר שווקים חדשים או תחומים טכנולוגיים מתפתחים, המידענים יכולים לזהות תחומים שבהם החברה עשויה להתרחב, כמו כניסה לשווקים חדשים או פיתוח מוצרים חדשים על סמך הזדמנויות עסקיות שנמצאו במהלך החיפוש.

5. ניטור מתחרים וחדשנות:

• מידענים יכולים לבצע מעקב שוטף אחרי פעולות מתחרים, ולבחון אם שינויים בתעשייה דורשים התאמה אסטרטגית מצד החברה, כמו גם לזהות טכנולוגיות חדשות שיכולות להשפיע על כוח התחרות של היחידה העסקית.

מטריצת GE-McKinsey היא אחד הכלים האסטרטגיים החשובים שבהם משתמשים ארגונים כדי להעריך את היחידות העסקיות שלהם ולתעדף השקעות. אך בעולם שבו הנתונים זורמים בכמויות עצומות, ויכולת קבלת ההחלטות תלויה במידע מדויק ועדכני, תפקידם של המידענים הופך למרכזי וחשוב יותר מאי פעם. המידען, שמומחיותו היא איסוף, ניתוח והערכת מידע, הופך לכתובת החשובה ביותר לאספקת תובנות מבוססות נתונים, במיוחד כאשר נדרשת החלטה אסטרטגית על בסיס ניתוח כמו מטריצת GE-McKinsey.

מה תפקיד המידענות בתהליכי ניתוח אסטרטגי בשימוש מטריצת GE-McKinsey?

מידענים ממלאים תפקיד מכריע בתהליך העבודה עם מטריצת GE-McKinsey על ידי אספקת המידע הנדרש לשתי הצירים המרכזיים שלה: אטרקטיביות השוק וחוזק היחידה העסקית. הם מספקים את התשתית המידעית להנהלה, כך שניתן יהיה להחליט אילו יחידות עסקיות ראויות להשקעה ואילו כדאי לצמצם או למכור.
מידענות היא למעשה המקור שבלעדיו מטריצת GE-McKinsey לא הייתה יכולה להתקיים:

• איסוף נתונים עסקיים ושיווקיים על מגמות שוק, נתוני צמיחה, שחקנים בשוק, חידושים טכנולוגיים וחסמי כניסה לתעשיות שונות, המספקים תמונה מלאה על אטרקטיביות השוק.
• ניתוח ביצועי יחידות עסקיות המבוסס על נתונים פיננסיים, ביצועים תחרותיים ויכולת חדשנות.

השילוב עם בינה מלאכותית

ההתקדמות הטכנולוגית בשנים האחרונות, ובעיקר בתחום הבינה המלאכותית (AI), פתחה אפשרויות חדשות למידענים ולניתוח עסקי בכלל. השילוב בין מידענות ובינה מלאכותית מאפשר להפוך את תהליך איסוף וניתוח המידע ליעיל יותר, עם יכולת להפיק תובנות עמוקות יותר ולקבל החלטות בזמן אמת.

איך בינה מלאכותית יכולה להשתלב בניתוח עם המטריצה?

1. איסוף מידע אוטומטי: בינה מלאכותית יכולה לסרוק מקורות מידע מגוונים – אתרי אינטרנט, דוחות פיננסיים, מאגרי מידע ועוד – במהירות ובדיוק רב יותר מאשר חיפוש ידני. AI יכול למפות את המידע הרלוונטי ולאחסן אותו בצורה מאורגנת לניתוח.
2. ניתוח מגמות ותחזיות: AI יכול לנתח מגמות בשוק ולהצביע על התפתחויות עתידיות על סמך למידת מכונה (Machine Learning). כך ניתן להעריך טוב יותר את אטרקטיביות השוק ולזהות הזדמנויות מוקדם יותר.
3. ניתוח תחרותי: כלי AI יכולים לנתח מתחרים בזמן אמת, לזהות שינויים במצבם העסקי, ולהשוות את הביצועים של היחידות העסקיות של החברה מול שחקנים מרכזיים בשוק.
4. הפקת תובנות חכמה: AI יכול להצליב נתונים ממספר מקורות ולהפיק תובנות אסטרטגיות מורכבות. למשל, על בסיס נתוני מכירות, תחזיות שוק ומידע על מתחרים, בינה מלאכותית יכולה להמליץ על הפעולות המיטביות ביחס למיקום יחידה עסקית במטריצה.
5. מעקב והערכה מתמשכת: בעוד שמידענים נדרשים לאסוף ולעדכן נתונים באופן שוטף, AI יכול לעשות זאת בזמן אמת, לעדכן את המטריצה באופן רציף ולאפשר לחברה להגיב לשינויים בשוק במהירות רבה יותר.

דוגמה לשימוש בבינה מלאכותית

נניח שחברה פועלת במספר תחומים טכנולוגיים שונים. מידען המשתמש בבינה מלאכותית יכול להזין למערכת AI את הנתונים הפיננסיים של כל יחידה עסקית, יחד עם מידע על תחרות, שינויים רגולטוריים ומגמות טכנולוגיות. המערכת יכולה לספק בזמן קצר ניתוח מפורט של כל יחידה, עם דירוגים מדויקים בכל אחד מהפרמטרים של מטריצת GE-McKinsey. כתוצאה מכך, המנהלים יכולים לקבל החלטות מהירות ומבוססות נתונים על השקעות, צמצומים או פיתוחים חדשים.

מטריצת GE-McKinsey, בשילוב עם יכולות מידענות ובינה מלאכותית, מאפשרת לארגונים לקבל החלטות מבוססות מידע לגבי תיקי העסקים שלהם. מידענות מספקת את התשתית המידעית הדרושה לניתוח, בעוד שהבינה המלאכותית מאפשרת להאיץ את תהליך איסוף המידע והפקת התובנות. שילוב זה יוצר סביבה אסטרטגית בה מנהלים יכולים לקבל החלטות מהירות, חכמות ומדויקות יותר, בהתבסס על ניתוח מעמיק ומבוסס נתונים.