Il concetto di Datafication; definition & examples

Datafication è una parola d’ordine degli ultimi anni, che viene utilizzata attivamente lungo l’industria dei Big Data. Onestamente, se si cerca il termine ‘datafication’ su internet probabilmente non troverete che molte informazioni relative su di esso, ma è una parola che stiamo sentendo molto in questi giorni. Tuttavia, dopo aver analizzato l’argomento stesso, potrei dire che molti di noi capiscono il significato del termine, ma probabilmente lo hanno chiamato in un altro modo.

Che cos’è la Datafication?

La datafication, secondo MayerSchoenberger e Cukier, è la trasformazione dell’azione sociale in dati quantificati online, consentendo così il monitoraggio in tempo reale e l’analisi predittiva. Detto semplicemente, si tratta di prendere processi/attività precedentemente invisibili e trasformarli in dati, che possono essere monitorati, tracciati, analizzati e ottimizzati. Le ultime tecnologie che usiamo hanno permesso un sacco di nuovi modi di ‘datify’ le nostre attività quotidiane e di base.
Riassumendo, la datafication è una tendenza tecnologica che trasforma molti aspetti della nostra vita in dati computerizzati utilizzando processi per trasformare le organizzazioni in imprese guidate dai dati convertendo queste informazioni in nuove forme di valore.
La Datafication si riferisce al fatto che le interazioni quotidiane degli esseri viventi possono essere rese in un formato di dati e messe a uso sociale.

Esempi

E qui potrebbero esserci molti esempi di datificazione.
Diciamo che le piattaforme social, Facebook o Instagram, ad esempio, raccolgono e monitorano i dati delle nostre amicizie per commercializzare prodotti e servizi a noi e servizi di sorveglianza alle agenzie che a loro volta cambiano il nostro comportamento; le promozioni che vediamo quotidianamente sui social sono anche il risultato dei dati monitorati. In questo modello, i dati vengono utilizzati per ridefinire il modo in cui il contenuto viene creato utilizzando la datafication per informare il contenuto piuttosto che i sistemi di raccomandazione.
Tuttavia, ci sono altri settori in cui il processo di datafication viene utilizzato attivamente:

Assicurazione: Dati utilizzati per aggiornare lo sviluppo del profilo di rischio e i modelli di business.
Bancario: dati utilizzati per stabilire l’affidabilità e la probabilità che una persona ripaghi un prestito.
Risorse umane: dati utilizzati per identificare, ad esempio, i profili di assunzione di rischi dei dipendenti.
Assunzioni e assunzioni: dati utilizzati per sostituire i test di personalità.
Ricerca nelle scienze sociali: la datafication sostituisce le tecniche di campionamento e ristruttura il modo in cui viene eseguita la ricerca nelle scienze sociali.

Caso Netflix

Netflix, un internet streaming media provider, è un brillante esempio di processo di datafication. Fornisce servizi in più di 40 paesi e 33 milioni di membri in streaming. Originariamente, le operazioni erano di natura più fisica con il suo core business nel noleggio di dischi per corrispondenza (DVD e Blu-ray). Detto semplicemente, il modello operativo era che l’abbonato crea e mantiene la coda (un elenco ordinato) di contenuti multimediali che vogliono affittare (ad esempio, un film). Se si limita il numero totale di dischi, i contenuti possono essere memorizzati per un lungo periodo, come desidera l’abbonato. Tuttavia, per noleggiare un nuovo disco, l’abbonato invia il precedente a Netflix, che inoltra il prossimo disco disponibile alla coda degli abbonati. Pertanto, l’obiettivo aziendale del modello di noleggio del disco è quello di aiutare le persone a riempire il loro turno. Il modello è cambiato e ora Netflix sta trasformando attivamente il proprio servizio in uno smart, utilizzando attivamente i processi di datafication.
È evidente che in tutti gli aspetti dell’implementazione semplificata del business Netflix, si verifica un cambiamento graduale in cui l’infrastruttura IT e gli artefatti liberano completamente i contenuti multimediali dalla sua manifestazione fisica; ad esempio, un disco e la sua consegna della posta. Durante lo streaming, gli abbonati possono selezionare i video prima di effettuare una prenotazione, possono consumare più video in una sessione e osservare le statistiche di visualizzazione in misura molto più fine; e in tempo reale, in misura maggiore. Pertanto, molti più dati vengono dematerializzati nel modello di streaming. Inoltre, le origini dati sono diventate diverse e diversificate, inclusi i dati del catalogo (più di 1000 sfaccettature sono ora associate al titolo), i termini di ricerca, le code di streaming e i giochi, le interazioni e le fonti esterne come recensioni di film e dati social. La rimozione del tempo e della distanza dal modello di business ha aumentato il potenziale di interazione tra il provider e l’abbonato attraverso la personalizzazione dinamica: per famiglia, genere, ecc. Spiegare il contenuto per promuovere la fiducia, la classifica, la classifica e la revisione e l’influenza sociale derivante dal fatto che gli amici associati hanno guardato o valutato.

Su base giornaliera, la dematerializzazione di Netflix ha circa 30 milioni di giochi giornalieri e 3 milioni di query dispari per informare sulle dinamiche delle raccomandazioni. Ciò che offre attraverso la dematerializzazione e una combinazione di liquidità ha permesso un’interessante manifestazione di densità dovuta alla recente transizione di Netflix dai contenuti in streaming alla sua creazione. L’analisi statistica del comportamento degli utenti nel corso degli anni è stata utilizzata per informare i contenuti, non le raccomandazioni, introducendo Netflix con un’interessante intersezione tra genere, attori e regista. Il risultato di questo incrocio di dati è stato il loro recente remake della serie televisiva House of Cards, un thriller politico.

Conclusione

Man mano che la datafication diventa più comune e l’impatto della vita delle persone più diffuso, lo sviluppo di nuovi quadri di comprensione diventa sempre più necessario. Inoltre, la datafication richiede una significativa rivalutazione di diverse aree di attività di un settore. Qui ho brevemente delineato alcune aree, compresi i quadri per capire come le catene di valore dei dati stanno emergendo accanto alle tradizionali catene di approvvigionamento e di valore e diverse questioni di governance che le industrie devono prendere in considerazione e implementare efficacemente la datafication.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.