begrepet Datafication; definisjon & eksempler

Datafication er et buzzword av de siste årene, som brukes aktivt sammen Big data industrien. Ærlig talt, hvis du vil søke på begrepet ‘datafication’ på internett, vil du sannsynligvis ikke finne så mye relativ informasjon om det, men det er et ord vi hører mye i disse dager. Men etter å ha analysert emnet selv, kan jeg si at mange av oss forstår betydningen av begrepet, men sannsynligvis kalt det på en annen måte.

Hva Er Datafication?

Datafikering, Ifølge MayerSchoenberger og Cukier, er transformasjonen av sosial handling til online kvantifiserte data, og dermed muliggjøre sanntidssporing og prediktiv analyse. Enkelt sagt handler det om å ta tidligere usynlig prosess / aktivitet og gjøre den om til data, som kan overvåkes, spores, analyseres og optimaliseres. Nyeste teknologiene vi bruker har aktivert mange nye måter å ‘datify’ våre daglige og grunnleggende aktiviteter.
Oppsummering, datafication er en teknologisk trend som gjør mange aspekter av våre liv til datastyrte data ved hjelp av prosesser for å forvandle organisasjoner til datadrevne bedrifter ved å konvertere denne informasjonen til nye former for verdi.
Datafication refererer til det faktum at daglige interaksjoner av levende ting kan gjengis i et dataformat og settes til sosial bruk.

Eksempler

og her kan være mange eksempler på datifikasjon.
la oss si at sosiale plattformer, Facebook Eller Instagram, for eksempel samler inn og overvåker datainformasjon om våre vennskap for å markedsføre produkter og tjenester til oss og overvåkingstjenester til byråer som igjen endrer vår oppførsel; kampanjer som vi daglig ser på sosiale medier, er også resultatet av de overvåkede dataene. I denne modellen brukes data til å omdefinere hvordan innhold opprettes ved at datafikering brukes til å informere innhold i stedet for anbefalingssystemer.
det Er imidlertid andre næringer der datafikasjonsprosessen brukes aktivt:

Forsikring: Data som brukes til å oppdatere utvikling av risikoprofil og forretningsmodeller.
Banking: Data som brukes til å etablere troverdighet og sannsynlighet for at en person betaler tilbake et lån.
Menneskelige ressurser: Data som brukes til å identifisere f. eks. risikoprofiler for ansatte.
Ansettelse og rekruttering: Data som brukes til å erstatte personlighetstester.
Samfunnsvitenskapelig forskning: Datafication erstatter prøveteknikker og restrukturerer måten samfunnsvitenskapelig forskning utføres på.

Netflix Case

Netflix, en internett-streaming media leverandør, er et godt eksempel på datafikasjonsprosess. Det tilbyr tjenester i mer enn 40 land og 33 million streaming medlemmer. Opprinnelig var virksomheten mer fysisk i naturen med sin kjernevirksomhet i postordrebasert diskutleie (DVD og Blu-ray). Enkelt sagt var driftsmodellen at abonnenten oppretter og opprettholder køen (en bestilt liste) av medieinnhold som de vil leie (for eksempel en film). Hvis du begrenser totalt antall disker, kan innholdet lagres i lang tid, som abonnenten ønsker. Men for å leie en ny disk sender abonnenten den forrige tilbake Til Netflix, som deretter videresender neste tilgjengelige disk til abonnentkøen. Dermed er forretningsmålet med diskutleiemodellen å hjelpe folk å fylle sin tur. Modellen har endret seg, Og Nå Forvandler Netflix aktivt sin tjeneste til en smart, aktivt ved hjelp av datafikasjonsprosesser.
det er merkbart at i alle aspekter av den strømlinjeformede implementeringen Av Netflix-virksomheten skjer en gradvis endring der IT-infrastrukturen og artefakter helt gratis medieinnhold fra sin fysiske manifestasjon; for eksempel en disk og dens postlevering. Mens streaming, abonnenter kan velge videoer før du gjør en reservasjon, de kan konsumere flere videoer i en økt og observere visning statistikk i mye finere grad; og i sanntid, i større grad. Derfor blir mye mer data dematerialisert i streamingmodellen. I tillegg har datakilder blitt varierte og mangfoldige-inkludert katalogdata (mer enn 1000 fasetter er nå knyttet til tittelen), søkeord, strømmekøer og spill, interaksjoner og eksterne kilder som filmanmeldelser og sosiale data. Å fjerne tid og avstand fra forretningsmodellen har økt potensialet for samhandling mellom leverandør og abonnent gjennom dynamisk tilpassing: etter husholdning, sjanger, etc. Forklare innholdet for å fremme tillit, rangering, rangering og gjennomgang og sosial innflytelse som følge av at tilknyttede venner så på eller evaluerte.

På Daglig basis Har Netflix dematerialisering rundt 30 millioner daglige spill og 3 millioner merkelige spørringer for å informere om dynamikken i anbefalinger. Hva tilbyr gjennom dematerialisering og en kombinasjon av likviditet har tillatt en interessant manifestasjon av tetthet på grunn Av Den siste overgangen Av Netflix fra streaming innhold til etableringen. Statistisk analyse av brukeradferd gjennom årene har blitt brukt til å informere innhold, ikke anbefalinger, introdusere Netflix med et interessant skjæringspunkt mellom sjangeren, skuespillerne og regissøren. Resultatet av denne data krysset var deres siste remake av tv-serien House Of Cards, en politisk thriller.

Konklusjon

etter hvert som datafikering blir mer vanlig og virkningen av folks liv mer utbredt, blir utviklingen av nye rammer for forståelse stadig mer nødvendig. I tillegg krever datafikering en betydelig revurdering av flere områder av en bransjes drift. Her jeg kort skissert noen områder, inkludert rammer for å forstå hvordan verdikjeder av data dukker opp sammen med tradisjonelle forsynings-og verdikjeder og flere styringsproblemer bransjer må ta hensyn til og effektivt implementere datafication.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.