a koncepció Datafication; definition & examples

Datafication egy szlogen az elmúlt néhány évben, hogy aktívan használják mentén Big Data ipar. Őszintén, ha az interneten keresné a datafication kifejezést, akkor valószínűleg nem talál annyi relatív információt róla, mégis ez egy olyan szó, amelyet manapság sokat hallunk. Maga a téma elemzése után azonban azt mondhatnám, hogy sokan megértjük a kifejezés jelentését, de valószínűleg másképp neveztük el.

mi a Datafication?

a Datafication MayerSchoenberger és Cukier szerint a társadalmi cselekvés átalakítása online számszerűsített adatokká, így lehetővé téve a valós idejű követést és a prediktív elemzést. Egyszerűen fogalmazva: a korábban láthatatlan folyamat/tevékenység felvételéről és adatokká alakításáról van szó, amelyek nyomon követhetők, nyomon követhetők, elemezhetők és optimalizálhatók. A legújabb technológiák, amelyeket használunk, számos új módszert tettek lehetővé a napi és alapvető tevékenységeink megerősítésére.
összefoglalva, a datafication egy technológiai trend, amely életünk számos aspektusát számítógépes adatokká alakítja, olyan folyamatok felhasználásával, amelyek a szervezeteket adatvezérelt vállalkozásokká alakítják át azáltal, hogy ezeket az információkat új értékformákká alakítják.
a Datafication arra a tényre utal, hogy az élőlények napi interakciói adatformátumba rendezhetők és társadalmi felhasználásra kerülhetnek.

példák

és itt lehet sok példát datálás.
tegyük fel, hogy a közösségi platformok, a Facebook vagy az Instagram például adatokat gyűjtenek és figyelnek a barátságainkról, hogy termékeket és szolgáltatásokat értékesítsenek nekünk, és felügyeleti szolgáltatásokat az ügynökségeknek, amelyek viszont megváltoztatják viselkedésünket; a közösségi oldalakon naponta megjelenő promóciók szintén a megfigyelt adatok eredményei. Ebben a modellben az adatokat arra használják, hogy újradefiniálják a tartalom létrehozásának módját azáltal, hogy az adatszolgáltatást a tartalom tájékoztatására használják, nem pedig az ajánlási rendszereket.
vannak azonban más iparágak, ahol az Adatkezelési folyamatot aktívan használják:

biztosítás: A kockázati profil és az üzleti modellek frissítéséhez használt adatok.
banki adatok: a hitel visszafizetésének megbízhatóságának és valószínűségének megállapításához használt adatok.
Emberi Erőforrások: az alkalmazottak kockázatvállalási profiljának azonosítására használt adatok.
felvétel és toborzás: A személyiségtesztek helyettesítésére használt adatok.
társadalomtudományi kutatás: a Datafication felváltja a mintavételi technikákat, és átalakítja a társadalomtudományi kutatások elvégzésének módját.

Netflix Case

a Netflix, az internetes streaming médiaszolgáltató, az Adatkezelési folyamat fényes példája. Több mint 40 országban és 33 millió streaming taggal rendelkezik. Eredetileg a műveletek fizikai jellegűek voltak, fő tevékenysége a csomagküldő alapú lemezkölcsönzés (DVD és Blu-ray) volt. Egyszerűen fogalmazva, a működési modell az volt, hogy az előfizető létrehozza és fenntartja a bérelni kívánt médiatartalmak sorát (rendezett listát) (például egy filmet). Ha korlátozza a lemezek teljes számát, A tartalom hosszú ideig tárolható, ahogy az előfizető kívánja. Új lemez bérléséhez azonban az előfizető visszaküldi az előzőt a Netflixnek, amely a következő elérhető lemezt továbbítja az előfizetők sorába. Így a lemezkölcsönzési modell üzleti célja, hogy segítse az embereket a sorukban. A modell megváltozott, és most a Netflix aktívan átalakítja szolgáltatását okossá, aktívan használva az Adatkezelési folyamatokat.
figyelemre méltó, hogy a Netflix üzletág áramvonalas megvalósításának minden aspektusában fokozatos változás következik be, amikor az informatikai infrastruktúra és a tárgyak teljesen felszabadítják a médiatartalmat a fizikai megnyilvánulásától; például egy lemez és annak postai kézbesítése. Streaming közben az előfizetők kiválaszthatják a videókat a foglalás előtt, több videót fogyaszthatnak egy munkamenetben, és sokkal finomabb mértékben figyelhetik meg a megtekintési statisztikákat; és valós időben, nagyobb mértékben. Ezért sokkal több adat dematerializálódik a streaming modellben. Ezenkívül az adatforrások változatosak és változatosak lettek – beleértve a katalógusadatokat (jelenleg több mint 1000 oldal kapcsolódik a címhez), a keresési kifejezéseket, a streaming várólistákat és a játékokat, az interakciókat és a külső forrásokat, például a filmkritikákat és a közösségi adatokat. Az idő és a távolság eltávolítása az üzleti modellből növelte a Szolgáltató és az előfizető közötti interakció lehetőségét a dinamikus Személyre szabás révén: háztartás, műfaj stb. A tartalom magyarázata a bizalom, a rangsor, a rangsor és a felülvizsgálat előmozdítása érdekében, valamint a társított barátok által megfigyelt vagy értékelt társadalmi befolyás.

napi rendszerességgel a Netflix dematerializációja körülbelül 30 millió napi játékot és 3 millió furcsa lekérdezést tartalmaz az ajánlások dinamikájáról. Amit a dematerializáció és a likviditás kombinációja kínál, lehetővé tette a sűrűség érdekes megnyilvánulását, mivel a Netflix nemrégiben átállt a streaming tartalomról a létrehozására. A felhasználói viselkedés statisztikai elemzését az évek során a tartalom tájékoztatására használták, nem pedig az ajánlásokra, bemutatva a Netflixet a műfaj, a színészek és a rendező érdekes metszéspontjával. Ennek az adatkeresztezésnek az eredménye a kártyák háza című televíziós sorozat közelmúltbeli feldolgozása volt, politikai thriller.

következtetés

ahogy az adatszolgáltatás egyre gyakoribbá válik, és az emberek életének hatása egyre szélesebb körben elterjedt, egyre nagyobb szükség van a megértés új kereteinek kidolgozására. Ezenkívül az adatfeldolgozás az ipar működésének több területének jelentős újraértékelését igényli. Itt röviden felvázoltam néhány területet, többek között annak megértésére szolgáló kereteket, hogy az adatok értékláncai hogyan alakulnak ki a hagyományos ellátási és értékláncok mellett, valamint számos irányítási kérdést, amelyeket az iparágaknak figyelembe kell venniük és hatékonyan végre kell hajtaniuk az adatszolgáltatást.

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.