begreppet Datafication; definition & exempel

Datafication är ett buzzword av de senaste åren, som används aktivt längs Big Data industrin. Ärligt talat, om du skulle söka termen ’datafication’ på internet du förmodligen inte kommer att hitta så mycket relativ information om det, men det är ett ord vi hör en hel del dessa dagar. Men efter att ha analyserat själva ämnet kunde jag säga att många av oss förstår betydelsen av termen, men förmodligen namngav det på ett annat sätt.

Vad är Datafication?

Datafication, enligt MayerSchoenberger och Cukier är omvandlingen av social handling till kvantifierade data online, vilket möjliggör spårning i realtid och prediktiv analys. Enkelt sagt handlar det om att ta tidigare osynlig process/aktivitet och omvandla den till data, som kan övervakas, spåras, analyseras och optimeras. Den senaste tekniken vi använder har möjliggjort många nya sätt att’ datify ’ våra dagliga och grundläggande aktiviteter.
Sammanfattningsvis är datafiering en teknisk trend som förvandlar många aspekter av våra liv till datoriserade data med hjälp av processer för att omvandla organisationer till datadrivna företag genom att omvandla denna information till nya former av värde.
Datafication hänvisar till det faktum att dagliga interaktioner mellan levande saker kan göras till ett dataformat och användas Socialt.

exempel

och här kan vara många exempel på datification.
låt oss säga att sociala plattformar, till exempel Facebook eller Instagram, samlar in och övervakar datainformation om våra vänskap för att marknadsföra produkter och tjänster till oss och övervakningstjänster till byråer som i sin tur förändrar vårt beteende; kampanjer som vi dagligen ser på socials är också resultatet av de övervakade uppgifterna. I den här modellen används data för att omdefiniera hur innehåll skapas genom att datafiering används för att informera innehåll snarare än rekommendationssystem.
det finns dock andra branscher där datafikationsprocessen används aktivt:

försäkring: Data som används för att uppdatera riskprofilutveckling och affärsmodeller.
Bank: Data som används för att skapa trovärdighet och sannolikhet för att en person betalar tillbaka ett lån.
Human resources: Data som används för att identifiera t.ex. anställda risktagande profiler.
anställning och rekrytering: Data som används för att ersätta personlighetstester.
samhällsvetenskaplig forskning: Datafication ersätter provtagningstekniker och omstrukturerar det sätt på vilket samhällsvetenskaplig forskning utförs.

Netflix Case

Netflix, en Internet streaming media leverantör, är ett ljust exempel på datafikationsprocessen. Det tillhandahåller tjänster i mer än 40 länder och 33 miljoner streamingmedlemmar. Ursprungligen var verksamheten mer fysisk med sin kärnverksamhet inom postorderbaserad skivuthyrning (DVD och Blu-ray). Enkelt sagt var verksamhetsmodellen att abonnenten skapar och underhåller kön (en ordnad lista) med medieinnehåll som de vill hyra (till exempel en film). Om du begränsar det totala antalet skivor kan innehållet lagras under lång tid, som abonnenten önskar. Men för att hyra en ny disk skickar abonnenten den föregående tillbaka till Netflix, som sedan vidarebefordrar nästa tillgängliga disk till abonnentkön. Således är affärsmålet med diskuthyrningsmodellen att hjälpa människor att fylla sin tur. Modellen har förändrats och nu omvandlar Netflix aktivt sin tjänst till en smart, aktivt med hjälp av datafikationsprocesser.
det märks att i alla aspekter av den strömlinjeformade implementeringen av Netflix-verksamheten sker en gradvis förändring där IT-infrastrukturen och artefakterna helt frigör medieinnehåll från dess fysiska manifestation; till exempel en disk och dess postleverans. Under streaming kan prenumeranter välja videor innan de bokar, de kan konsumera flera videor i en session och observera visningsstatistik i mycket finare grad; och i realtid, i större utsträckning. Därför dematerialiseras mycket mer data i streamingmodellen. Dessutom har datakällor blivit olika och olika – inklusive katalogdata (mer än 1000 aspekter är nu associerade med titeln), söktermer, strömmande köer och spel, interaktioner och externa källor som filmrecensioner och sociala data. Att ta bort tid och avstånd från affärsmodellen har ökat potentialen för interaktion mellan leverantören och abonnenten genom dynamisk Personalisering: efter hushåll, genre etc. Förklara innehållet för att främja förtroende, rangordning, rangordning och granskning och socialt inflytande till följd av det faktum att associerade vänner tittade på eller utvärderade.

dagligen har Netflix dematerialisering cirka 30 miljoner dagliga spel och 3 miljoner udda frågor för att informera om dynamiken i rekommendationerna. Vad som erbjuder genom dematerialisering och en kombination av likviditet har möjliggjort en intressant manifestation av densitet på grund av den senaste övergången av Netflix från strömmande innehåll till dess skapande. Statistisk analys av användarbeteende genom åren har använts för att informera innehåll, inte rekommendationer, införa Netflix med en intressant skärningspunkt mellan genren, aktörer och regissör. Resultatet av denna datakorsning var deras senaste remake av TV-serien House of Cards, en politisk thriller.

slutsats

när datafiering blir vanligare och effekterna av människors liv blir mer utbredda blir utvecklingen av nya ramar för förståelse alltmer nödvändig. För övrigt, datafication kräver en betydande omvärdering av flera områden i en bransch verksamhet. Här skisserade jag kortfattat några områden, inklusive ramar för att förstå hur värdekedjor av data växer fram tillsammans med traditionella försörjnings-och värdekedjor och flera styrningsfrågor branscher måste ta hänsyn till och effektivt genomföra datafiering.

Lämna ett svar

Din e-postadress kommer inte publiceras.