راه پرداخت
رسانه فناوری‌های مالی ایران

از داده به دارایی / نگاهی به صنعت پرسود سال ۲۰۱۸

سیمین عزیزمحمدی؛ دنیای اقتصاد / محبوب‌ترین شبکه اجتماعی جهان این روزها اوضاع خوبی ندارد، چرا که اخیراً مشخص شده برخی مؤسسات تحقیقاتی از کمبریج آنالیتیکا در زمان برگزاری انتخابات ریاست جمهوری سال ۲۰۱۶ آمریکا به نفع ترامپ فعالیت کرده و تلاش می‌کردند رفتار رأی‌دهی کاربران اینترنت را بررسی و تجزیه‌وتحلیل کنند. این شرکت‌ها با بررسی و تحلیل گسترده رفتار کاربران فیس‌بوک تلاش داشتند تا ذهن آنها را علیه هیلاری کلینتون تحریک کنند. این در حالی بود که معلوم شد فیس‌بوک اطلاعات تماس‌ها و پیامک‌های رد و بدل شده و حتی ویدئوهای منتشر نشده کاربران را نگهداری می‌کند. به نظر می‌رسد، الگوی درآمدی فیس‌بوک مبتنی بر فروش چنین اطلاعات و دیتاهایی (داده) است که کاربرانش در فضای مجازی این شبکه به جا می‌گذارند، چراکه تغییر ساختار مدیریتی فیس‌بوک پس از این افشاگری باعث شد ارزش آن ۵۸ میلیارد دلار سقوط کند. به این بخش از دیتا و اطلاعاتی که کاربران اینترنت به دنبال هر فعالیت دیجیتالی به جا می‌گذارند، اصطلاحاً data exhaust می‌گویند. این اطلاعات می‌تواند، سناریوی جامعی از عادات، ترجیحات، شیوه استفاده آنها از ابزارها یا محتوای دیجیتالی را فاش سازد.

بسیاری از کاربران از کنار این دیتاها بسیار بی‌توجه می‌گذرند، در حالی که برای مدیران بازاریابی شرکت‌های تجاری که همواره به دنبال شناسایی الگوهای رفتار مصرفی افراد هستند، به مثابه یک سرمایه باارزش است که دسترسی به آن مزیت رقابتی محسوب می‌شود. مطالعات شرکت سیسکو در سال ۲۰۱۶ پیش‌بینی می‌کرد اینترنت اشیا (IoT) در سال ۲۰۱۸ حجم قابل توجهی، به میزان ۴۰۰ زتابایت (معادل ۴۰۰ هزار میلیاردگیگابایت) دیتا ایجاد خواهد کرد. منبع این دیتاها هر شیء الکترونیکی می‌تواند باشد. از وسایل پوشیدنی و وسایل خانه هوشمند گرفته تا پلت‌فرم‌های اتصالی پیشرفته مانند بوئینگ ۷۸۷ که در هر ساعت پرواز ۴۰ ترابایت دیتا تولید می‌کند یا عملیات معدنکاری ریو تینتو (یک شرکت استخراج معادن و فلزات بریتانیایی-استرالیایی) که می‌تواند در هر دقیقه ۴/ ۲ ترابایت دیتا ایجاد کند. رقمی معادل ۲۰ برابر آنچه در توییتر روزانه تولید می‌شود.

با وجود رشد عظیم دیتاهای به دست آمده از دستگاه‌های مجهز به IoT، تنها مقدار اندکی معادل ۶/ ۸ زتابایت آن به مراکز داده برای ذخیره‌سازی و تجزیه و تحلیل فرستاده می‌شود. حجم data exhaust بسیار بیشتر از آن چیزی است که واقعاً برای مطالعه و تجزیه و تحلیل به‌کار می‌رود. با این حال انتظار می‌رود، با پیشرفت سریع در ابعاد مختلف، بهبود قدرت اتصال IoT، کاهش هزینه به‌کارگیری حسگرها و رایانش ابری با استفاده از هوش مصنوعی، نه تنها اکثر این دیتاها برای تجزیه و تحلیل‌های جدید استفاده شود، بلکه استفاده از این دیتاها و به‌کارگیری آن برای اصلاح الگوی مصرف کاربران در لحظه و بی‌درنگ شود. خودروهای خودران نمونه خوبی از به‌کارگیری حجم بالایی از دیتاهای حسگرها برای دستیابی به الگوهای رانندگی ایمن و کارآمد در محیط‌های جدید است.

طبق مطالعات گروه مشاوره بوستون، ۸۰ درصد شرکت‌های نوآورانه شناخته شده جهان از دیتاها برای استخراج مزایای رقابتی در کسب‌وکارشان استفاده می‌کنند. به همین دلیل شرکت‌هایی مانند شرکت بیمه Progressive، نایک و شرکت صنایع سنگین آمریکایی John Deere همچنان درصدد سرمایه‌گذاری روی تجهیز محصولاتشان به حسگر و بهره‌برداری از مزایای این داده‌ها برای طراحی محصول برحسب خواسته مشتری، نوآوری اقتصادی و مدل کسب‌وکار هستند. برای اکثر شرکت‌ها، ارزش دیتاها اندوخته خوبی در ارائه محصولات یا خدمات جدید است که به تنهایی منجر به ارتقای عملکرد کسب و کار آنها می‌شود.

 

نمونه‌های استفاده از data exhaust

یک تصور نادرست و رایج درباره IoT وجود دارد مبنی بر اینکه ارزش آن به سخت‌افزار و اتصال است، در حالی که اهمیت آنها به جمع‌آوری مؤثر و یکپارچه دیتاها و حتی دسترسی به دیتاهایی است که قبلاً امکان دسترسی به آنها وجود نداشت. برای مثال، استارت‌آپ Propeller Health با قرار دادن یک حسگر در یک اسپری آسم برای جمع‌آوری در لحظه دیتاها درباره زمان و مکان استفاده از این اسپری، به بیماران تنفسی در کنترل بیماری‌شان کمک می‌کند. این شرکت پس از ادغام داده‌های به دست آمده از کاربران این اسپری با اطلاعات خارجی مانند کیفیت آب و هوا توانست به الگوهای درمانی دست یابد که حملات ناخواسته آسم را تا ۵۰ درصد کاهش داد و در نهایت منجر به صرف‌جویی میلیاردها دلار در هزینه مراقبت‌های پزشکی شد.

شرکت بیمه Progressive با استفاده از دیتاهای مربوط به رفتارهای رانندگان که از حسگرهای تعبیه شده در خودروها به‌دست آورده، مدل‌های ریسک متناسب با رفتار رانندگان ایجاد کرده، درآمدش را بهبود بخشیده و حتی حق بیمه رانندگان محتاط را کاهش داده است. شرکت John Deere از دیتاهای IoT برای تغییر مدل کسب و کار خود استفاده کرده است. متوسط داده‌هایی که روزانه از مزارع به‌دست می‌آمد، در سال ۲۰۱۴ بالغ بر ۱۹ هزار پوینت (واحد شمارش اطلاعات حسگر) بود که پیش‌بینی می‌شود با رشد قابل توجه تجهیزات و توسعه کاربرد حسگرها این رقم در سال ۲۰۲۰ به ۱/ ۴ میلیون برسد. با تبدیل این جریان دیتاها به اطلاعات قابل تحلیل یا امکان تصمیم‌گیری خودکار بر اساس دیتاها، کسب و کار این شرکت از فروش تجهیزات کشاورزی به ارائه خدمات «کشاورزی دقیق» تغییر کرده است. دیتاها همیشه ارزشمند و حاوی اطلاعات مهم هستند، به شرطی که افراد یا شرکت‌ها بدانند کجا و چگونه آن را جست‌وجو کنند. دیتاها نه تنها نشان‌دهنده ارزش اطلاعاتی است که در آن وجود دارد، بلکه برای شرکت ارزش اقتصادی دارند. داده‌ها می‌توانند فروخته شده یا معامله شوند و برای کسب و کارها مزیت رقابتی ایجاد کنند.

 

تبدیل data exhaust به دارایی

داشتن مزیت رقابتی به این معناست که شما یا کسب‌وکارتان می‌توانید نوعی ارزش را ارائه کنید که رقبای شما نمی‌توانند. این مزیت می‌تواند از طریق نوآوری، اجرای برتر، شناخت بهتر خواسته مشتری یا یک توانایی بزرگ‌تر در به دست آوردن و تبدیل دیتا به دارایی باشد. دیتا عمل تصمیم‌گیری را از شکل احساسی و بر مبنای حدس و گمان تجربی به تصمیمات عینی براساس الگوها و پیش‌بینی‌ها تبدیل می‌کند. در واقع، دیتا می‌آموزد که چقدر می‌توان چیزی را بهبود بخشید یا فرآیندی را بهینه‌سازی کرد. IoT نه تنها نشان‌دهنده فرصتی برای جمع‌آوری اطلاعات قابل توجهی در مورد محصولات، خدمات و عملیات است، بلکه فرصتی برای راه‌اندازی کسب و کار با یک مزیت رقابتی را فراهم می‌کند، با این حال، برای به دست آوردن این مزیت، اقداماتی لازم است.

تعبیه ابزار دقیق: این کار با شناسایی فرصت‌های بالقوه استخراج دارایی از دیتای IoT و تعیین ایمن و اقتصادی‌ترین ابزار برای جمع‌آوری دیتا آغاز می‌شود. به‌عنوان مثال به جای تولید یک دستگاه جدید و تحمیل هزینه آن، می‌توان در همان محصول قدیمی حسگر تعبیه کرد. نایک سرمایه‌گذاری‌های قابل توجهی را برای گسترش پلت فرم Nike +‌(کفش‌های ورزشی، پوشیدنی‌های هوشمند و اپلیکیشن‌ها) برای جمع‌آوری دیتای بیشتر درباره بیش از ۷ میلیون دونده و رفتار آنها انجام داده تا از طریق جایگزینی کفش و پوشاک هوشمند و تخصصی‌تر فروشش را افزایش دهد. همچنین شرکت تولیدکننده لوازم ورزشی Under Armour حدود ۵۰۰ میلیون دلار برای دسترسی به ۱۵۰ میلیون کاربر تناسب اندام و سلامت دیجیتال صرف کرده است. به این ترتیب، شرکت HealthBox برای ارائه خدمات نوآور در زمینه مراقبت‌های بهداشتی اقداماتی انجام داده است تا فرصت جمع‌آوری دیتا را فراهم کرده و آنها را با دقت بیشتری تحلیل کند. علاوه بر شناسایی موثرترین ابزار جمع‌آوری دیتا مانند حسگرها، شرکت‌ها نیاز به ایجاد و اداره یک محیط بیگ‌دیتا (کلان داده) برای به دست آوردن، مدیریت و تجزیه و تحلیل جریان دیتاهای مختلف IoT دارند.

بهینه‌سازی: هنگامی که ابزار دقیق برای جمع‌آوری و ذخیره دیتا وجود دارد، توانایی‌های مغزی و ابزار برای تبدیل دیتاهای IoT به بینش‌ها و تصمیم‌هایی که ارزش تجاری را به ارمغان می‌آورد، لازم است. این به آن معناست که داشتن یک تیم از دانشمندان، مهندسان و معماران دیتا برای پاسخگویی به سؤالات درباره بهبود عملکرد و کشف الگوهای پنهان در دیتاها ضروری است. البته یافتن این تیم آسان نبوده و نیاز به ادغام افراد با مهارت‌های مختلف (برنامه‌نویسی پلت‌فرم، مدل‌سازی، متخصصان آمار و تحلیلگران کسب و کار) دارد.

رقابت برای پیروزی: داشتن دیتاها، بینش‌ها و اقدامات توصیه شده این امکان را می‌دهد کسب و کار یا پلت فرم فعلی بهبود یابد؛ اما کشف کامل ارزش دیتاها اغلب نیاز به بازنویسی مدل کسب و کار با دیتاها و توانایی استفاده از آن به‌عنوان یک مزیت اصلی دارد. با توجه به توانایی IoT برای مقیاس به حجم باورنکردنی دیتا پیرامون کسب و کار فعلی و تجربه مشتری، شرکت‌ها فرصت منحصر به فردی برای تغییر دارند. علاوه بر این، شرکت‌ها می‌توانند به جای ذخیره‌سازی صرف این دیتاها، برند محصولات هوشمند جدید را با تلفیق قابلیت‌های دیتای IoT تولید کنند.

به‌طور خلاصه، اگر IoT اینترنت جدید و دیتا دارایی جدید است، نباید اجازه داد data exhaust از بین رود. این دیتا بینشی به صاحبان کسب‌وکارها می‌دهد که بتواند مزیت رقابتی را به وجود آورد تا در بازارهای آتی سهم بیشتری به دست آورد؛ اما در وهله نخست نیاز به ایجاد توانایی ثبت و تجزیه و تحلیل این دیتاها و اصلاح فرآیند نوآوری لازم است تا از توان دیتای تولید شده توسط IoT در محصولات، خدمات و مدل‌های تجاری جدیدی که به شرکت مزیت رقابتی می‌دهد، استفاده کند.

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.