راه پرداخت
رسانه فناوری‌های مالی ایران

چالش‌ها و راهکارهای اشتراک‌گذاری محصولات داده‌محور

لیلا نظری، مدیر توسعه کسب‌وکار داتا / تولید و توسعه محصولات و سرویس‌های مبتنی بر داده در سال‌های اخیر در ایران، با رشد چشمگیری همراه بوده است و با سرعت قابل توجهی به سمت آینده حرکت می‌کند، اگر چالش‌های مرتبط با توسعه‌پذیری فنی این محصولات را کنار بگذاریم، موضوع اشتراک‌گذاری خروجی‌های محصولات داده‌محور که در نهایت چرخه توسعه این دست محصولات رو کامل می‌کند، چالش بزرگی است که به شدت در فضای اکوسیستم داده‌ای کشور درک می‌شود.

با وجود تلاش‌های فراوان در طراحی مدل‌ها و الگوریتم‌های تحلیلی، اغلب این محصولات پشت درهای بسته باقی می‌مانند و به سرویس‌های قابل استفاده برای سایر بازیگران اکوسیستم تبدیل نمی‌شوند. دلیل پیچیدگی موضوع اشتراک‌گذاری خروجی محصولات مبتنی بر تحلیل‌داده در کشور ما رو می‌توان به ۴ دسته موضوعی زیر تقسیم کرد:

  • مالکیت‌گرایی بر تحلیل

سازمان‌ها حتی در مواردی که خروجی یک مدل تحلیلی قابلیت استفاده گسترده در صنایع مختلف را دارد آن را به چشم یک دارایی محرمانه درون سازمانی می‌بینند و این نگاه محافظه‌کارانه ناشی از نگرانی آنها درباره افشای مزیت رقابتی است.

  • ابهام حقوقی در اشتراک تحلیل و سرویس

نحوه تعریف مسئولیت حقوقی خروجی‌های مدل‌های تحلیلی در تعامل با داده‌های سازمان‌های دیگر، در خلا قانونی قرار دارد. نبود چارچوب‌های شفاف در حوزه مالکیت فکری، مسئولیت‌پذیری و حقوق مصرف‌کننده باعث شده است تا تمایل به اشتراک به حداقل ممکن برسد.

  • فقدان مدل درآمدی پایدار برای محصولات تحلیلی

بسیاری از شرکت‌ها نسبت به درآمدزایی از یک مدل یا API تردید دارند. نبود تجربه‌های موفق در این حوزه، باعث می‌شود مدیران نسبت به سرمایه‌گذاری روی محصول‌سازی داده‌محور مردد بمانند.

  • بی‌اعتمادی بین سازمان‌ها در همکاری داده‌ای

تعامل بین‌سازمانی در حوزه داده، نیازمند فرهنگ شفاف‌سازی، استانداردسازی و پایبندی به SLA است؛ مؤلفه‌هایی که هنوز در فضای کسب‌وکار ایران به بلوغ نرسیده‌اند.

چه باید کرد؟

برای آن‌که مدل‌های تحلیلی از ابزارهایی صرفا درون‌سازمانی به سرویس‌های قابل اشتراک و قابل فروش در سطح اکوسیستم تبدیل شوند باید اقداماتی در سطوح مختلف انجام شود:

اگر در جایگاه تصمیم‌گیران یا تصمیم‌سازان توسعه کسب‌و‌کار سازمان هستیم، اقدامات زیر را در برنامه داشته باشیم:

  • تمرکز بر ایجاد هاب‌های تخصصی محصولات داده‌محور
  • آموزش و توانمندسازی تیم‌های محصول و حقوقی سازمان‌ برای ساخت سرویس‌های داده‌محور B2B
  • طراحی و ترویج مدل‌های کسب‌وکاری پایدار مثل پرداخت به ازای مصرف (pay-per-use) و اشتراک(subscription)  برای سرویس‌های تحلیلی
  • ایجاد فرهنگ سازمانی اشتراک‌مدار

اگر در جایگاه قانون‌گذار یا سیاست‌گذاران بالادستی هستیم، اقدامات زیر را در قالب سیاست‌های کلان در برنامه‌های خود قرار دهیم:

  • تدوین استانداردهای فنی و حقوقی برای APIها، مدل‌های تحلیلی و خدمات مبتنی بر هوش مصنوعی متناسب با سرعت نیاز و رشد کسب‌و‌کارهای این حوزه
  • حمایت از شکل‌گیری نهادهای میانی و شتاب‌دهنده‌های تخصصی در حوزه داده و هوش مصنوعی
  • ایجاد سازوکارهای تنظیم‌گری پویا و انطباق‌پذیر
  • توسعه زیرساخت‌های داده‌ای و محاسباتی ملی

در دنیای امروز، توانایی استخراج داده یک مهارت پایه است. آنچه تمایز ایجاد می‌کند، قدرت ساختن، بسته‌بندی و به اشتراک‌گذاری تحلیل‌ها و مدل‌های هوشمند در قالب سرویس‌هایی مقیاس‌پذیر است. اکوسیستم دیجیتال ایران، برای رسیدن به مرحله بهره‌وری از تحلیل نیاز دارد که از درون‌گرایی داده‌ای عبور کرده و به سمت مشارکت در ساخت زیرساخت‌های تحلیل اشتراکی حرکت کند. این زیرساخت‌ها با ایجاد امکان تبادل داده‌ها، الگوریتم‌ها و سرویس‌های هوشمند میان بازیگران مختلف، زمینه همکاری و هم‌افزایی در اکوسیستم را فراهم می‌آورند.

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.