כל מערכת החינוך העירונית — בתמונה אחת.
מינהל החינוך ברשות מקומית גדולה מופקד על עשרות אלפי תלמידים ו‑מאות מוסדות חינוך בעשרות שכונות, ומנהל תקציב של מאות מיליוני שקלים. עם זאת, הנתונים מבוזרים בקבצים, מסמכים של משרד החינוך, גיליונות נתונים ומערכות תפעוליות שונות — ללא בסיס נתונים אחיד ואינטגרטיבי, וללא אמת ארגונית אחת.
זיהוי אוכלוסיות הזקוקות למענה ייעודי, כגון חינוך מיוחד — המידע מפוזר על פני מסגרות, סוגי לקות וגילאים, ללא תמונה מרכזת אחת.
קביעת מיקום אופטימלי להקמת מוסדות חינוך חדשים — ההחלטות מתקבלות ללא תשתית מיפוי חזותית.
זיהוי שכונות המצויות מחוץ לטווחי השירות הנדרשים — תהליך הבירור מורכב ונמשך שבועות ארוכים.
מערכת ״חינוך 360°״ מאחדת את מאגרי המידע המבוזרים ומנגישה אותם בתצוגה דינמית ואינטראקטיבית, המאפשרת סינון, השוואה וניתוח נתונים מתקדם.
כלל המדדים העירוניים – כגון שיעורי נשירה, זכאות לבגרות, אחוזי תפוסה ואיכות ההוראה – מוצגים בהשוואה לרשויות מקומיות בעלות מאפיינים דומים, לצורך זיהוי חוזקות ופערים.
↳ בחינת מיצוב הרשות בהשוואה לרשויות מקבילותמיפוי של מוסדות החינוך והגנים בחלוקה לפי שכבות גיל, מגזרים, זרמי חינוך וסוגי פיקוח, לצד ניתוח מגמות רב‑שנתי המאפשר חיזוי מדויק של צרכי קיבולת עתידיים.
↳ איתור פערים צפויים בכושר הקיבולת של מוסדות החינוךמיפוי גיאוגרפי דינמי של כלל המוסדות, המציג את טווחי השירות בחלוקה למגזרים ומזהה אזורים תת‑שירותיים – למדידה מדויקת ואובייקטיבית של רמת השוויון בשטח.
↳ זיהוי אוכלוסיות ויעדים מחוץ לטווח השירות המוגדרהמערכת מאפשרת שאילתות בשפה טבעית ומפיקה מענה מבוסס נתונים לצד תחזיות לשלוש השנים הבאות – ללא צורך בידע טכני ב‑SQL או בסיוע של אנליסט נתונים.
מתצוגת מבט‑על, ניתוח מעמיק על בתי‑הספר והגנים בעיר, ניתוח מעמיק לעולמות החינוך המיוחד, צפייה בתחזיות — ועד לעוזר הבינה המלאכותית (AI).
קבלת החלטות מבוססת נתונים — שימוש במידע הקיים בארגון להפקת תובנות.
תובנה: העיר מעל הממוצע הארצי בזכאות לבגרות (78.5% מול 76.3%) ובולטת בבגרות הטכנולוגית (13.1%). המוקד הבא: צמצום הפער בין השכונות החזקות לחלשות.
תמונת מצב חזותית אחת מציגה באופן מיידי חריגות מהקיבולת המאושרת, ומאפשרת לזהות שטחים פנויים לניצול טרם הקצאת משאבים לבנייה חדשה.
תובנה: 18 בתי‑ספר חורגים מהקיבולת המאושרת — מוקדים לפתיחת כיתות או מבנה חדש. במקביל, 170 כיתות פנויות שאליהן אפשר להסיט ביקוש — לפני שמשקיעים בבנייה חדשה.
מיפוי שלל המוסדות, הגדרת טווחי הקרבה עבור כלל המגזרים, ואיתור תלמידים השוכנים מחוץ לטווחים אלו — כנדבך יסוד לתכנון פריסה שוויונית והולמת.
תחום החינוך המיוחד מתפרס על פני עשרות סוגי לקויות, מסגרות וגילאים, דבר המציב אתגר תכנוני מורכב במיוחד. המערכת מרכזת את תמונת המצב המלאה ומקשרת אותה ישירות לתחזיות הביקוש, במטרה לאפשר תכנון והקמה של מסגרות מבעוד מועד.
אוטיזם היא הלקות הנפוצה ביותר — כל מגמה כזו משנה את סוג המסגרות שצריך לתכנן.
מנוע הבינה המלאכותית חוזה התנהגות מדדים בטווח של שלוש שנים קדימה – לרבות היקף התלמידים, מיקומם והתפלגותם המגזרית. הדבר מאפשר תכנון מקדים של כיתות לימוד, מבני חינוך ומשאבי אנוש טרם היווצרות הצורך, ולא כמענה בדיעבד.
במקום להגיב למחסור בכיתות אחרי שנוצר — פותחים מסגרות ומקצים משאבים מראש, לפי הצפי.
הקצאת תקציב, מבנים וכוח אדם על בסיס ביקוש חזוי — במקום הערכות ותגובה בדיעבד.
ה‑AI הופך שנים של נתונים לתמונת עתיד ברורה — כלי החלטה ניהולי, לא תרגיל טכני.
פשוט שואלים בעברית — והנתונים עונים.
פתרון זה מאפשר לפעול כאנליסט נתונים עצמאי. שאילתות המנוסחות בשפה טבעית מתורגמות באופן אוטומטי לשפת SQL, מורצות על גבי מסד הנתונים BigQuery, ומניבות מענה בתוך שניות ספורות — ללא צורך בגורם מתווך או בידע מקצועי בכתיבת שאילתות טכניות.
כל מנהל שואל כמו שהוא חושב — בשפה חופשית.
מה שלקח אנליסט וחצי יום — עכשיו מיידי.
אין המצאות — כל מספר מגיע ישירות מהמסד.
הופכים את הנתונים הקיימים בארגון לערך עסקי — החלטות מהירות, תכנון מדויק ושירות טוב יותר לתושב — על תשתית מאובטחת.
כל רשות רואה אך ורק את הנתונים שלה — הפרדה לוגית מלאה (multi‑tenant).
אימות מבוסס JWT ו‑IAM, בקרת גישה לפי תפקידים, ומדיניות הגבלת קצב מובנית.
גיבוי אוטומטי מתוזמן, לוגים מלאים, ומעקב עלויות (FinOps) בזמן אמת.
Solving complexity with simplicity — מומחים בבניית מערכות דאטה ו‑AI לגופים הרגישים במשק.