وقتی می‌پرسیم از کجا می‌شود فهمید که داده‌ها برای کسب‌وکارمان مزیتی رقابتی ایجاد می‌کنند، درواقع داریم یک قدم از بدیهی‌انگاریِ ارزشِ داده‌ها عقب می‌رویم، این پیش‌داوری را زیر ذره‌بین قرار می‌دهیم، و، به این ترتیب، یک قدم به مدیریتِ درست‌تر و کارآمدترِ منابع نزدیک‌تر می‌شویم. در بخش دومِ این مقاله، به عواملِ دیگری می‌پردازیم که بنیان‌گذاران و سرمایه‌گذاران می‌باید برای سنجش ارزش واقعیِ داده‌ها در کسب‌وکارشان بررسی کنند.
بخش اول را می توانید اینجا بخوانید.
اگر داده‌ها زودبه‌زود بلااستفاده شوند، آن‌گاه اگر دیگر عوامل را ثابت در نظر بگیریم، رقیبان راحت‌تر می‌توانند به بازار ورود کنند، چراکه مجبور نیستند سال‌های سال به گردآوریِ داده‌ها اهتمام بورزند.
همه داده‌هایی که Mobileye در طی این سال‌ها از خودروسازان جمع‌آوری کرده است در نسخه‌های فعلیِ محصولاتش نیز همچنان ارزش‌شان محفوظ است. این موضوع درباره‌ی داده‌هایی که موتور جست‌وجوگرِ گوگل در چندین دهه از کاربرانش گِرد آورده نیز صدق می‌کند. اگرچه گاهی اوقات جست‌وجوی برخی اصطلاحات در گذر زمان از تداول می‌افتد و از آن طرف هم برخی اصطلاحات یک‌شبه در موتورهای جست‌وجوگر سرازیر می‌شوند، داشتن سال‌ها داده‌ی تاریخی از جست‌وجوی کاربرانِ پیشین برای رفع نیازهای کاربران امروزی ارزشی انکارناپذیر دارد. کُندیِ مستهلک شدن داده‌های Mobileye و موتور جست‌وجوگرِ گوگل کمک می‌کند که دلیل استواریشان را در دنیای تجارت بهتر درک کنیم.
اما در حوزه‌ی بازی‌های اجتماعیِ کامپیوتری و موبایلیِ عمومی (casual)، ارزش یادگیری از داده‌های مشتریان به‌سرعت رنگ می‌بازد. در سال 2009، شرکت زینگا (Zynga) با ارائه‌ی بازیِ شدیداً موفقش یعنی FarmVille، این بازار را رونق بخشید. اگرچه زینگا به‌خاطر اتکایی که به داده‌های کاربران در طراحیِ بازی‌هایش داشت معروف بود، معلوم شد که یافته‌های حاصل از یک بازی را نمی‌توان چندان خوب در بازیِ دیگر به‌کار برد: بازی‌های اجتماعیِ عمومی پیروِ باب روز اند و پسندِ کاربران زودبه‌زود دستخوشِ تغییر می‌شود و، به این ترتیب، مزیت‌سازی از داده‌های کاربران دشوار می‌گردد. شرکت زینگا بعد از چند موفقیت دیگر در بازی‌هایی مثل FarmVille 2 و CityVille دیگر بازیِ برجسته‌ای خلق نکرد و در سال 2013 نزدیک نیمی از کاربرانش را از دست داد. این شرکت با ورود بازی‌سازانی مثل Supercell (Clash of Clans) و Epic Games (Fortnite) به حاشیه رانده شد. ارزش بازار زینگا پس از پشت‌سرگذاشتنِ نقطه‌ی اوج 10.4 میلیارد دلار در سال 2012، بخش عمده‌ی شش سالِ بعدی را زیر 4 میلیارد دلار سپری کرد.
داشتن داده‌های منحصربهفرد از مشتریان که یا جایگزینی برایشان وجود نداشته باشد یا بسیار اندک باشد عاملی حیاتی در ساخت یک مانع تدافعی برای کسب و کار محسوب می‌شود. مثلاً Adaviv، از استارتاپ‌های پورتفولیوی ما در منطقه‌ی بوستون را در نظر بگیرید، که سیستمی برای مدیریت محصولات کشاورزی (عمدتاً کانابیس) عرضه می‌کند و این امکان را به پرورش‌دهندگان می‌دهد که پیوسته تک‌تک گیاهان را تحت نظر داشته باشند. این سیستم به کمک هوش مصنوعی، نرم‌افزار دید-با-رایانه، و شگردی برای جمع‌آوریِ داده‌های انحصاری به‌منظور زیست‌سنجیِ گیاهان (مثل نشانه‌های آغازینِ آفت‌زدگی یا کمبود مواد مغذّی) که با چشم غیرمسلح مشاهده‌پذیر نیست عمل می‌کند. سپس، این داده‌ها به‌صورت اطلاعاتی درمی‌آیند که به پرورش‌دهندگان کمک می‌کنند تا از شیوع آفت‌زدگی‌ها جلوگیری کنند و محصول بهتری به بار آورند. سیستم Adaviv هر چه به پرورش‌دهندگان بیشتری خدمات بدهد، به طیف گسترده‌تری از متغیرها، شرایط زراعی، و عوامل دیگر برای یادگیری دسترسی خواهد داشت و دقتِ پیش‌بینی‌هایش برای مشتری‌های کنونی و بعدی افزایش خواهد یافت. حالا این وضعیت را مقایسه کنید با ارائه‌دهندگان ابزارهای مسدودسازیِ اسپم، که با هزینه‌ای نسبتاً اندک به داده‌های کاربران دست می‌یابند. این موضوع کمک‌مان می‌کند که علت وجود ده‌ها نوع از این ارائه‌دهندگان را بهتر درک کنیم.
یادتان باشد که پیشرفت‌های فناورانه می‌توانند جایگاهی را که با داده‌های انحصاری یا منحصربهفرد به‌دست آورده‌اید متزلزل کند. نرم‌افزار تشخیص گفتار نمونه‌ای‌ست از این مورد. در گذشته، کاربران می‌بایست هر کدام جداگانه با نرم‌افزار کار می‌کردند تا بتواند صدا و الگوهای گفتاری‌شان را بیاموزد و هر چه بیشتر از آن استفاده می‌کردند، بر دقتش افزوده می‌شد. این بازار تا سال‌های زیادی تحت سلطه‌ی Nuance’s Dragon قرار داشت. اما در دهه‌ی گذشته شاهد پیشرفت‌های پُرشتابی در عرصه‌ی سیستم‌های تشخیص گفتارِ بی‌نیاز-از-گوینده بوده‌ایم، که می‌توانند با اتصال به داده‌های گفتاریِ عمومی در کمترین زمان ممکن یا بلافاصله گفتار کاربر جدید را تشخیص دهند. این پیشرفت‌ها به شرکت‌های بسیاری اجازه داده است که برنامه‌های جدیدی در این حوزه بسازند (مثل خدمات پشتیبانی تلفنیِ خودکار، متن‌نویسِ خودکارِ جلسات، و دستیارانِ مجازی) و همه‌ی این‌ها بازار مرکزیِ شرکت Nuance را تحت فشار فزاینده‌ای قرار داده است.
حتی زمانی که داده‌ها منحصربهفرد یا انحصاری باشند و بینش‌های ارزشمندی نیز فراهم آورند، اگر رقبای دیگر بتوانند همان بهبودها را بدون داشتن چنین داده‌هایی در محصولات‌شان اِعمال کنند، آن‌وقت دشوار بتوان از این داده‌ها مزیت رقابتیِ ماندگاری کسب کرد.
دو عامل در تواناییِ شرکت‌ها برای غلبه‌کردن بر این چالش دخیل است. یکی این است که بهبودها مخفی باشند یا در فرایند تولیدیِ پیچیده‌ای عمیقاً ادغام شده باشند و، از این طریق، بازتولیدشان دشوار گردد. نرم‌افزار پاندورا (Pandora)، سرویس پخش موسیقی، از چنین سپری در مقابل رقبایش سود می‌برَد. این نرم‌افزار از پروژه‌ی انحصاریِ این بنگاه موسوم به پروژه‌ی ژنوم موسیقی (Music Genome Project) بهره گرفت، پروژه‌ای که در آن میلیون‌ها آهنگ بر اساس 450 ویژگی دسته‌بندی شده‌اند و به پاندورا این امکان را می‌دهد که ایستگاه‌های رادیوییِ موسیقی‌اش را طبق علایق کاربرانش تنظیم کند. یک کاربر هر چه بیشتر به آهنگ‌های ایستگاه‌هایش گوش دهد و آهنگ‌ها را بپسندد یا رد کند، عملکرد پاندورا در ارائه‌ی پیشنهادهای متناسب با آن کاربر بهتر خواهد شد. هیچ رقیبی نمی‌تواند به‌راحتی چنین سطحی از شخصی‌سازی را بازتولید کند زیرا عمیقاً با پروژه‌ی ژنوم موسیقی گره خورده است.
در مقابل، ارتقا در طراحیِ بسیاری از نرم‌افزارهای مدیریت اداری، مثل Calendly برای هماهنگ‌کردنِ تقویم‌ها و Doodle برای نظرسنجی از مردم درباره‌ی زمان برگزاری جلسات، با اتکا بر استفاده‌ی کاربران را می‌توان به‌راحتی مشاهده و کپی کرد. به همین خاطر است که ده‌ها شرکت وجود دارند که نرم‌افزارهای مشابهی ارائه می‌کنند.
عامل دوم به این برمی‌گردد که بینش‌های کسب‌شده از داده‌های مشتریان چه‌قدر سریع تغییر می‌کند. هر چه این تغییر سریع‌تر باشد، کپی‌برداری از آن برای دیگران دشوارتر خواهد بود. مثلاً بسیاری از نکات طراحیِ نقشه‌ی گوگل را می‌توان به‌راحتی کپی کرد (و این کار را هم کرده‌اند، از جمله در نقشه‌ی اپل). اما یکی از قابلیت‌های ارزشمندِ نقشه‌ی گوگل توانایی‌اش در پیش‌بینیِ ترافیک و پیشنهادِ بهترین مسیرهاست، که کپی‌کردنش به‌مراتب دشوارتر است چون از داده‌های لحظه‌ایِ کاربران، که در عرض چند دقیقه بلااستفاده می‌شود، بهره می‌برَد. فقط شرکت‌هایی که به چنین حجم عظیمی از کاربران دسترسی دارند (مثل اپل در ایالات متحده) می‌توانند به بازتولید این قابلیت امیدوار باشند. در ایالات متحده، نقشه‌ی اپل دارد فاصله‌اش را از نقشه‌ی گوگل در ایالات متحده، و نه در کشورهای دیگری که کاربرانش نسبتاً کم‌اند، کاهش می‌دهد.
حالت آرمانی‌اش این است که هر دو تأثیر را داشته باشد اما درک تفاوتِ این دو از هم مهم است. وقتی داده‌های یک کاربر به ارتقای محصول برای همان شخص بینجامد، شرکت می‌تواند محصولاتش را برای آن کاربر شخصی‌سازی کند و، از این راه، مانعی بر سر راه مشتری برای تعویض عرضه‌کننده بگذارد. وقتی داده‌های یک کاربر به ارتقای محصول برای دیگر کاربران بینجامد، می‌تواند اثر شبکه‌ای را به دنبال داشته باشد—اما امکان هم دارد که این‌طور نشود. هر دویِ این ارتقاها بر استواری مانعی که برای ورود رقبا تدارک می‌بینید می‌افزایند، اما اولی باعث می‌شود که کاربرانِ کنونی‌تان به شما بچسبند، درحالی‌که دومی مزیت رقابتیِ مهمی را در جذب مشتریان جدید در اختیارتان می‌گذارد.
مثلاً، پاندورا اولین شرکت بزرگ در حوزه‌ی پخش دیجیتال موسیقی بود اما پس از مدتی از اسپاتیفای (Spotify) و اپل‌موزیک (Apple Music)، که هر دو مراحل رشدشان را طی می‌کنند، جا ماند. همان‌طور که گفتیم، عامل فروشِ پاندورا این است که می‌تواند ایستگاه‌های موسیقی را متناسب با علایق کاربرانش تنظیم کند. اما قابلیت محدودی برای یادگیری از کاربرانِ دیگر دارد: پاندورا طبق رأیِ مثبت یا منفیِ هر کاربر به آهنگ‌ها، ویژگی‌های موسیقاییِ موردعلاقه‌ی آن کاربر را شناسایی می‌کند و سپس آهنگ‌هایی را برایش پخش می‌کند که همان ویژگی‌ها را داشته باشند. اما اسپاتیفای تمرکزش را روی امکانات اشتراکی و اکتشافی، مثل قابلیت جست‌وجوکردن و گوش‌کردنِ ایستگاه‌های کاربرانِ دیگر معطوف کرد، که مستقیماً به اثر شبکه‌ای می‌انجامد و مشتریانِ جدید را به سمت خود می‌کشانَد. سرویس پاندورا فقط در ایالات متحده عرضه می‌شود (که از پایگاه وفاداری از کاربران برخوردار است) اما اسپاتیفای و اپل‌موزیک در بازار جهانی فعالیت می‌کنند. و اگرچه پاندورا به قیمت 3.5 میلیون دلار در فِوریه‌ی 2019 تحت مالکیت شرکت سیریوس اکس‌ام (Sirius XM) درآمد، اسپاتیفای در سال 2018 به یک شرکت سهامی عام تبدیل شد و در نوامبر 2019 به ارزشی 26 میلیون دلاری دست یافت. روشن است که شخصی‌سازی بر اساس یادگیری از داده‌های مجزّای هر کاربرْ مشتریانِ کنونی را متعهد نگه می‌دارد اما به آن رشد تصاعدی‌ای که اثر شبکه‌ای به ارمغان می‌آورَد نمی‌انجامد.
لینک بخش اول مقاله: چطور با استفاده از دیتا برای کسب و کار مزیت رقابتی بسازیم؟
ادامه دارد...
ترجمه مقاله When Data Creates Competitive Advantage از HBR
مترجم: محمد رسول علیزاده
