begrebet Datafication; definition & eksempler

Datafication er et modeord fra de sidste mange år, der bruges aktivt langs Big Data-industrien. Ærligt, hvis du ville søge på udtrykket ‘datafikation’ på internettet, vil du sandsynligvis ikke finde så meget relativ information om det, men det er et ord, vi hører meget i disse dage. Efter at have analyseret selve emnet kunne jeg dog sige, at mange af os forstår betydningen af udtrykket, men sandsynligvis kaldte det på en anden måde.

Hvad er Datafikation?

Datafication er ifølge MayerSchoenberger og Cukier omdannelsen af social handling til online kvantificerede data, hvilket giver mulighed for realtidssporing og forudsigelig analyse. Kort sagt, det handler om at tage tidligere usynlig proces / aktivitet og omdanne den til data, der kan overvåges, spores, analyseres og optimeres. De nyeste teknologier, vi bruger, har gjort det muligt for mange nye måder at ‘datify’ vores daglige og basale aktiviteter.
Sammenfattende er datafikation en teknologisk tendens, der gør mange aspekter af vores liv til edb-data ved hjælp af processer til at omdanne organisationer til datadrevne virksomheder ved at konvertere disse oplysninger til nye former for værdi.
Datafikation henviser til det faktum, at daglige interaktioner mellem levende ting kan gøres til et dataformat og bruges til social brug.

eksempler

og her kunne være mange eksempler på datification.
lad os sige, at sociale platforme, Facebook eller Instagram, for eksempel indsamler og overvåger dataoplysninger om vores venskaber for at markedsføre produkter og tjenester til os og overvågningstjenester til agenturer, som igen ændrer vores adfærd; kampagner, som vi dagligt ser på socials, er også resultatet af de overvågede data. I denne model bruges data til at omdefinere, hvordan indhold oprettes ved, at datafikation bruges til at informere indhold snarere end anbefalingssystemer.
der er dog andre brancher, hvor datafikationsprocessen anvendes aktivt:

forsikring: Data, der bruges til at opdatere risikoprofiludvikling og forretningsmodeller.
bank: Data, der bruges til at etablere troværdighed og sandsynlighed for, at en person betaler et lån tilbage.
menneskelige ressourcer: Data, der bruges til at identificere f.eks. medarbejdernes risikotagende profiler.
ansættelse og rekruttering: Data, der bruges til at erstatte personlighedstest.
samfundsvidenskabelig forskning: Datafication erstatter prøveudtagningsteknikker og omstrukturerer den måde, hvorpå samfundsvidenskabelig forskning udføres.

Netfleks sag

netfloks, en internetstreamingmedieudbyder, er et lyst eksempel på datafikationsproces. Det leverer tjenester i mere end 40 lande og 33 millioner streamingmedlemmer. Oprindeligt var operationerne mere fysiske med sin kerneforretning inden for postordrebaseret diskudlejning (DVD og Blu-ray). Simpelthen sagt, driftsmodellen var, at abonnenten opretter og vedligeholder køen (en ordnet liste) af medieindhold, som de ønsker at leje (for eksempel en film). Hvis du begrænser det samlede antal diske, kan indholdet gemmes i lang tid, som abonnenten ønsker. For at leje en ny disk sender abonnenten imidlertid den forrige tilbage til Netfleks, som derefter videresender den næste tilgængelige disk til abonnentkøen. Således er forretningsmålet med diskudlejningsmodellen at hjælpe folk med at udfylde deres tur. Modellen er ændret, og nu transformerer Netflec aktivt deres service til en smart, der aktivt bruger datafikeringsprocesser.
det er bemærkelsesværdigt, at der i alle aspekter af den strømlinede implementering af netfleks-forretningen sker en gradvis ændring, hvor IT-infrastrukturen og artefakterne helt frigør medieindhold fra dets fysiske manifestation; for eksempel en disk og dens postlevering. Under streaming kan abonnenter vælge videoer, før de foretager en reservation, de kan forbruge flere videoer i en session og observere visningsstatistikker i meget finere grad; og i realtid i større grad. Derfor dematerialiseres meget mere data i streamingmodellen. Derudover er datakilder blevet forskellige og forskellige – inklusive katalogdata (mere end 1000 facetter er nu forbundet med titlen), søgeudtryk, streamingkøer og spil, interaktioner og eksterne kilder såsom filmanmeldelser og sociale data. Fjernelse af tid og afstand fra forretningsmodellen har øget potentialet for interaktion mellem udbyderen og abonnenten gennem dynamisk Personalisering: efter husstand, genre osv. Forklare indholdet for at fremme tillid, rangordning, rangordning og gennemgang og social indflydelse som følge af det faktum, at tilknyttede venner så eller evaluerede.

på daglig basis har netfliks dematerialisering omkring 30 millioner daglige spil og 3 millioner ulige forespørgsler for at informere om dynamikken i anbefalinger. Hvad der tilbyder gennem dematerialisering og en kombination af likviditet har muliggjort en interessant manifestation af tæthed på grund af den nylige overgang af Netfleks fra streaming af indhold til dets oprettelse. Statistisk analyse af brugeradfærd gennem årene er blevet brugt til at informere indhold, ikke anbefalinger, introduktion af Netflick med et interessant skæringspunkt mellem genren, skuespillere og instruktør. Resultatet af denne datakrydsning var deres nylige genindspilning af tv-serien House Of Cards, en politisk thriller.

konklusion

da datafisering bliver mere almindelig og virkningen af folks liv mere udbredt, bliver udviklingen af nye rammer for forståelse stadig mere nødvendig. Derudover kræver datafikering en betydelig revurdering af flere områder af en branches drift. Her skitserede jeg kort et par områder, herunder rammer for forståelse af, hvordan værdikæder af data dukker op sammen med traditionelle forsynings-og værdikæder, og flere styringsspørgsmål, som industrier skal tage højde for og effektivt implementere datafikering.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.