پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
مجید عبدالله خانی مدیرعامل رهند هوشمند / امروزه در صنایع مختلف، شاهد ظهور کسب‌وکارهایی با اولویت‌بخشی به فناوری و داده محوری هستیم. استفاده از فناوری‌های دیجیتال برای ایجاد فرایندهای کسب‌وکاری جدید، در فرهنگ‌سازی و ایجاد تجربه جدید برای مشتریان و ایجاد فرصت‌های نو بسیار مهم است. باور ابتدایی و غالب درخصوص پیشرفت در تحول دیجیتال، تحت کنترل درآوردن کامل فناوری است، درصورتی‌که عامل اصلی موفقیت در این زمینه تنوع‌بخشی (diversity) است. بنابراین لازم است تنوع‌بخشی در اولویت اقدامات قرارگرفته و فراتر از مفاهیم سنتی به آن توجه شود.
تنوع شناختی در تحلیل پیشگویانه
هوش مصنوعی توسط انسان ایجادشده، بنابراین انسان مهم‌ترین رکن موضوع هوش مصنوعی است. از طرفی به‌کارگیری تحلیل پیشگویانه، موتور محرک اجرای واقعی یک برنامه تحول دیجیتال است، تنوع شناختی در رفتارهای موردمطالعه انسانی باید نشان‌دهنده تنوع عموم مردم باشد. این عوامل باید شامل ابعاد کامل جنسیت، نژاد، قومیت، مجموعه‌های مهارتی، تجربیات، جغرافیا، تحصیلات، دیدگاه، علایق و سایر موارد باشد.
در یادگیری نظارت‌شده (supervised learning) داده‌های موجود در سیستم‌های فعلی می‌تواند با تعیین ابعاد متنوع مرتبط با رفتار و مؤلفه‌های انسانی مورداستفاده برای الگو آموزی سیستم قرار بگیرد . در یادگیری نظارت‌نشده به‌منظور بهره‌مندی از قابلیت‌های تحلیل پیشگویانه متأثر از خوشه‌بندی مشتریان نیز توجه به تنوع در شاخص‌ها، مهم و کلیدی است.
وجود تنوع ویژگی‌های فردی برای تجزیه‌وتحلیل داده‌ها، شانس نتیجه‌گیری‌های شخصی و پر خطا را کاهش داده و باعث افزایش شانس اعتمادپذیری کاربران به نتایج خواهد شد موضوعی که همچنان چالش اصلی در به‌کارگیری هوش مصنوعی در برنامه‌های تحول دیجیتال است. استفاده از هوش مصنوعی و یادگیری ماشین برای پیشبرد اهداف آینده و انجام مؤثر تحلیل شناختی، منوط به توجه اساسی به موضوع تنوع و چشم‌اندازهای غنی برای انعکاس نیازمندی‌های کاربران است .
توانایی هوش مصنوعی و یادگیری ماشین وابسته به داده‌های واردشده به سیستم است. داده‌ها فقط شامل جداول ساختاریافته‌ای از اعداد نیستند، تصاویر دیجیتالی محصولات، مکالمات ضبط‌شده خدمات مشتریان، نقشه‌های حرکتی افراد و هر آنچه قابلیت دیجیتالی شدن داشته باشد را نوعی داده تلقی می‌کنیم که در دریاچه‌های داده ، قبل از ورود به پایپ لاین پردازشی نگه‌داری می‌شوند ، اکثر مدل‌های پیش‌بینی، از داده‌ها و اطلاعات گذشته برای پیش‌بینی آینده استفاده می‌کنند، درصورتی‌که صنایعی مثل صنعت پوشاک به دنبال پیش‌بینی روند تقاضاهای آتی باستفاده از الگوریتم‌های خاص (computer vision ) برای تشخیص شباهت‌ها بین مدهای محبوب یا شکست‌خورده درگذشته و مدهای جدید برای برآورد کردن دقیق نیاز مشتریانشان هستند.
تنوع در فرایندها و روش‌های دسترسی
استفاده از ابزارها و تکنیک‌های مختلف در ایجاد سهولت دسترسی کاربران به سرویس‌ها و فرایندهای جدید نیز از اهمیت شایانی برخوردار است، تکنیک‌های کلیشه‌ای مانند ایجاد سیستم‌های وب و موبایلی اختصاصی برای مشتریان فعلی، در برنامه‌های تحول دیجیتال با شکست مواجه می‌شود، بخش مهمی از شانس موفقیت، ایجاد زمینه‌های استفاده بین اکوسیستمی از سرویس‌های جدید و استفاده از ظرفیت‌های توسعه بازار به فرم مشارکتی است. سرویس‌های جدید باید هم‌زمان به صورت‌های متنوع و با پروتکل‌های مختلف در اختیار مصرف‌کنندگان و توسعه‌دهندگان باشد و درعین‌حال از ریزدانگی لازم به جهت قابلیت استفاده در ساخت المان‌های بین اکوسیستمی نیز برخوردار باشد. این مؤلفه‌ها نیاز به نگاهی متفاوت در معماری سیستم‌های حوزه تحول دیجیتال است.
تنوع در مدل‌های کسب‌وکار دیجیتال
تنوع مدل‌های کسب‌وکار دیجیتال، از ارکان اساسی در موفقیت برنامه‌های تحول دیجیتال است ، مدل‌های سنتی کسب درامد از ارائه خدمات به مشتریان مانند دریافت کارمزد مستقیم، آبونمان و… نظر به رقابتی شدن بازارهای دیجیتال در آینده خود به عاملی بازدارنده و منفی بدل خواهد شد. طراحی زنجیره ارزش درون سیستمی یا بین اکوسیستمی، ایجاد دارایی‌های دیجیتال قابل معامله از طریق ایجاد بینش دیجیتال حاصل از پردازش تراکنش‌ها و رفتار مشتری در سیستم‌ها و به اشتراک‌گذاری داده‌های بین اکوسیستم‌ها می‌تواند علاوه بر بالابردن بازدهی کسب‌وکارها ، منجر به تقویت رویکرد کسب درامد هدفمند از محل فرصت‌های جدید یا کاهش هزینه‌ها باشد. .