El concepto de Datafication; definición y ejemplos

Datafication es una palabra de moda de los últimos años, que se utiliza activamente en la industria de Big Data. Honestamente, si busca el término «datafication» en Internet, probablemente no encontrará mucha información relativa sobre él, sin embargo, es una palabra que estamos escuchando mucho en estos días. Sin embargo, después de analizar el tema en sí, podría decir que muchos de nosotros entendemos el significado del término, pero probablemente lo nombramos de otra manera.

¿Qué es la Datafication?

La dataficación, según MayerSchoenberger y Cukier, es la transformación de la acción social en datos cuantificados en línea, lo que permite el seguimiento en tiempo real y el análisis predictivo. En pocas palabras, se trata de tomar procesos/actividades previamente invisibles y convertirlos en datos, que se pueden monitorear, rastrear, analizar y optimizar. Las últimas tecnologías que utilizamos han permitido muchas formas nuevas de «datificar» nuestras actividades diarias y básicas.
Resumiendo, la datafication es una tendencia tecnológica que convierte muchos aspectos de nuestras vidas en datos computarizados que utilizan procesos para transformar organizaciones en empresas basadas en datos al convertir esta información en nuevas formas de valor.
La dataficación se refiere al hecho de que las interacciones diarias de los seres vivos pueden ser renderizadas en un formato de datos y puestas en uso social.

Ejemplos

Y aquí podría haber muchos ejemplos de datificación. Facebook Instagram, por ejemplo, recopila y monitorea información de datos de nuestras amistades para comercializar productos y servicios para nosotros y servicios de vigilancia para agencias, lo que a su vez cambia nuestro comportamiento; las promociones que vemos a diario en las redes sociales también son el resultado de los datos monitoreados. En este modelo, los datos se utilizan para redefinir cómo se crea el contenido mediante la dataficación que se utiliza para informar el contenido en lugar de los sistemas de recomendación.
Sin embargo, hay otras industrias donde el proceso de datafication se utiliza activamente:

Seguros: Datos utilizados para actualizar el desarrollo de perfiles de riesgo y los modelos de negocio.
Banca: Datos utilizados para establecer la confiabilidad y la probabilidad de que una persona pague un préstamo.
Recursos humanos: Datos utilizados para identificar, por ejemplo, los perfiles de asunción de riesgos de los empleados.
Contratación y reclutamiento: Datos utilizados para sustituir las pruebas de personalidad.
Investigación en ciencias sociales: La dataficación reemplaza las técnicas de muestreo y reestructura la manera en que se realiza la investigación en ciencias sociales.

Netflix Case

Netflix, un proveedor de medios de transmisión por internet, es un brillante ejemplo de proceso de datafication. Ofrece servicios en más de 40 países y 33 millones de miembros de streaming. Originalmente, las operaciones eran de naturaleza más física, con su negocio principal en el alquiler de discos por correo (DVD y Blu-ray). Dicho simplemente, el modelo operativo era que el suscriptor crea y mantiene la cola (una lista ordenada) de contenido multimedia que desea alquilar (por ejemplo, una película). Si limita el número total de discos, el contenido se puede almacenar durante mucho tiempo, como desee el suscriptor. Sin embargo, para alquilar un disco nuevo, el suscriptor envía el disco anterior a Netflix, que luego reenvía el siguiente disco disponible a la cola de suscriptores. Por lo tanto, el objetivo comercial del modelo de alquiler de discos es ayudar a las personas a llenar su turno. El modelo ha cambiado y ahora Netflix está transformando activamente su servicio en uno inteligente, utilizando activamente procesos de datafication.
Es notable que en todos los aspectos de la implementación simplificada del negocio de Netflix, se produce un cambio gradual donde la infraestructura de TI y los artefactos liberan completamente el contenido multimedia de su manifestación física; por ejemplo, un disco y su entrega de correo. Durante la transmisión, los suscriptores pueden seleccionar videos antes de hacer una reserva, pueden consumir varios videos en una sesión y observar las estadísticas de visualización en un grado mucho más fino; y en tiempo real, en mayor medida. Por lo tanto, se desmaterializan muchos más datos en el modelo de streaming. Además, las fuentes de datos se han vuelto diversas y diversas, incluidos los datos de catálogos (más de 1000 facetas están ahora asociadas con el título), los términos de búsqueda, las colas de transmisión y los juegos, las interacciones y las fuentes externas, como reseñas de películas y datos sociales. Eliminar el tiempo y la distancia del modelo de negocio ha aumentado el potencial de interacción entre el proveedor y el suscriptor a través de la personalización dinámica: por hogar, género, etc. Explicar el contenido para promover la confianza, la clasificación, la clasificación y la revisión, y la influencia social resultante del hecho de que los amigos asociados vieron o evaluaron.

A diario, la desmaterialización de Netflix tiene alrededor de 30 millones de juegos diarios y 3 millones de consultas impares para informar sobre la dinámica de las recomendaciones. Lo que ofrece a través de la desmaterialización y una combinación de liquidez ha permitido una interesante manifestación de densidad debido a la reciente transición de Netflix de contenido en streaming a su creación. El análisis estadístico del comportamiento de los usuarios a lo largo de los años se ha utilizado para informar contenido, no recomendaciones, introduciendo Netflix con una interesante intersección del género, los actores y el director. El resultado de este cruce de datos fue su reciente remake de la serie de televisión House of Cards, un thriller político.

Conclusión

A medida que la dataficación se hace más común y el impacto de la vida de las personas se difunde, el desarrollo de nuevos marcos para la comprensión es cada vez más necesario. Además, la dataficación requiere una reevaluación significativa de varias áreas de operación de una industria. A continuación describí brevemente algunas esferas, incluidos los marcos para comprender la forma en que están surgiendo las cadenas de valor de los datos junto con las cadenas de suministro y valor tradicionales y varias cuestiones de gobernanza que las industrias deben tener en cuenta y aplicar eficazmente la data.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.