het concept van dataficatie; definitie & voorbeelden

dataficatie is een modewoord van de laatste jaren, dat actief wordt gebruikt in de Big Data-industrie. Eerlijk gezegd, als je de term ‘dataficatie’ op het internet zou zoeken zul je er waarschijnlijk niet veel relatieve informatie over vinden, maar het is een woord dat we tegenwoordig veel horen. Echter, na het analyseren van het onderwerp zelf, Ik zou kunnen zeggen dat velen van ons begrijpen de Betekenis van de term, maar waarschijnlijk noemde het een andere manier.

Wat is dataficatie?

gegevensverwerking is volgens MayerSchoenberger en Cukier de omzetting van sociale actie in online gekwantificeerde gegevens, waardoor real-time tracking en voorspellende analyse mogelijk is. Simpel gezegd, het gaat om het nemen van voorheen onzichtbare proces/activiteit en het omzetten in data, die kunnen worden gemonitord, gevolgd, geanalyseerd en geoptimaliseerd. De nieuwste technologieën die we gebruiken hebben veel nieuwe manieren van ‘datify’ onze dagelijkse en basisactiviteiten mogelijk gemaakt.
samenvattend is dataficatie een technologische trend die veel aspecten van ons leven omzet in geautomatiseerde gegevens door middel van processen om organisaties om te zetten in data-gedreven ondernemingen door deze informatie om te zetten in nieuwe vormen van waarde.
Dataformatie verwijst naar het feit dat dagelijkse interacties van levende dingen in een gegevensformaat kunnen worden weergegeven en voor sociaal gebruik kunnen worden gebruikt.

voorbeelden

en hier kunnen veel voorbeelden van datificatie zijn. Facebook of Instagram bijvoorbeeld, verzamelen en monitoren gegevens over onze vriendschappen om producten en diensten aan ons op de markt te brengen en surveillancediensten aan agentschappen die op hun beurt ons gedrag veranderen; promoties die we dagelijks zien op de socials zijn ook het resultaat van de gemonitorde gegevens. In dit model worden gegevens gebruikt om te herdefiniëren hoe inhoud wordt gemaakt door dataficatie wordt gebruikt om inhoud te informeren in plaats van aanbevelingssystemen.
er zijn echter andere industrieën waar het gegevensverwerkingsproces actief wordt gebruikt:

verzekering: Gegevens die worden gebruikt om de ontwikkeling van risicoprofielen en bedrijfsmodellen bij te werken.
banken: gegevens die worden gebruikt om de betrouwbaarheid en de waarschijnlijkheid vast te stellen dat een persoon een lening terugbetaalt.
Human resources: gegevens die worden gebruikt om bijvoorbeeld risicoprofielen van werknemers te identificeren.
aanwerving en aanwerving: gegevens ter vervanging van persoonlijkheidstests.
sociaalwetenschappelijk onderzoek: gegevensverwerking vervangt bemonsteringstechnieken en herstructureert de wijze waarop sociaalwetenschappelijk onderzoek wordt uitgevoerd.

Netflix Case

Netflix, een internet streaming media provider, is een helder voorbeeld van dataficatieproces. Het biedt diensten in meer dan 40 landen en 33 miljoen streaming leden. Oorspronkelijk waren de activiteiten meer fysiek van aard met zijn core business in postordergebaseerde schijfverhuur (DVD en Blu-ray). Simpel gezegd, het operationele model was dat de abonnee creëert en onderhoudt de wachtrij (een geordende lijst) van media-inhoud die ze willen huren (bijvoorbeeld een film). Als u het totale aantal schijven beperkt, kan de inhoud lang worden opgeslagen, zoals de abonnee wenst. Echter, om een nieuwe schijf te huren, stuurt de abonnee de vorige terug naar Netflix, die vervolgens de volgende beschikbare schijf doorstuurt naar de abonnees wachtrij. Zo is het zakelijke doel van het schijfverhuurmodel om mensen te helpen hun beurt te vullen. Het model is veranderd en nu Netflix is actief transformeren van hun dienst in een slimme, actief met behulp van dataficatie processen.
het is opvallend dat in alle aspecten van de gestroomlijnde implementatie van de Netflix-business, een geleidelijke verandering optreedt waarbij de IT-infrastructuur en artefacten volledig vrije media-inhoud van de fysieke manifestatie; bijvoorbeeld, een schijf en de postbezorging. Tijdens het streamen kunnen abonnees video ’s selecteren voordat ze een reservering maken, ze kunnen meerdere video’ s in één sessie consumeren en kijkstatistieken in een veel fijnere mate observeren; en in real time, in grotere mate. Daarom wordt veel meer data gedematerialiseerd in het streaming model. Daarnaast zijn gegevensbronnen divers en divers geworden-waaronder catalogusgegevens (meer dan 1000 facetten worden nu geassocieerd met de titel), zoektermen, streaming wachtrijen en games, interacties en externe bronnen zoals filmrecensies en sociale gegevens. Het verwijderen van tijd en afstand van het bedrijfsmodel heeft het potentieel voor interactie tussen de aanbieder en de abonnee vergroot door dynamische personalisatie: per huishouden, genre, enz. Het uitleggen van de inhoud om vertrouwen, ranking, ranking en beoordeling en sociale invloed als gevolg van het feit dat geassocieerde vrienden bekeken of geëvalueerd te bevorderen.

op een dagelijkse basis, Netflix ‘ s dematerialisatie heeft ongeveer 30 miljoen dagelijkse games en 3 miljoen oneven queries om te informeren over de dynamiek van aanbevelingen. Wat biedt door middel van dematerialisatie en een combinatie van liquiditeit heeft een interessante manifestatie van dichtheid toe te schrijven aan de recente overgang van Netflix van streaming content naar de creatie ervan. Statistische analyse van het gedrag van gebruikers door de jaren heen is gebruikt om inhoud te informeren, Niet aanbevelingen, de invoering van Netflix met een interessante kruising van het genre, acteurs en regisseur. Het resultaat van deze gegevensovergang was hun recente remake van de televisieserie House of Cards, Een politieke thriller.

conclusie

naarmate de gegevensverwerking steeds vaker voorkomt en de impact van het leven van mensen steeds groter wordt, wordt de ontwikkeling van nieuwe kaders voor begrip steeds noodzakelijker. Bovendien vereist de gegevensverwerking een belangrijke herbeoordeling van verschillende werkterreinen van een bedrijfstak. Hier heb ik kort een paar gebieden geschetst, waaronder kaders om te begrijpen hoe waardeketens van gegevens naast traditionele aanbodketens en waardeketens ontstaan, en verschillende governancekwesties die industrieën in aanmerking moeten nemen en effectief moeten implementeren.

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.