داده‌ نگاری و آینده رسانه

عناوین مطرح شده در این پژوهش

در این پژوهش به تأثیر داده‌ نگاری بر چشم‌انداز راهبردی پرداخته شده است. موارد زیر مهمترین بخشهای این پژوهش را تشکیل داده اند: «دیجیتال‌سازی در مقایسه با داده‌نگاری؛ داده‌نگاری شخصیت،(داده‌نگاری رفتارهای شخصی؛ مثالی از ت‌فلیکس)؛  داده‌نگاری فرآیندهای تجاری، داده‌نگاری شهرها، داده‌نگاری زندگی خصوصی، آماده‌سازی صنایع برای داده‌نگاری، داده‌نگاری و زنجیره‌های ارزش اطّلاعات و…..»

روش تحقیق در این پژوهش چیست؟

روشهای مورد استفاده در این مجموعه، ترکیبی از تحلیل‌های کمّی و کیفی از جمله موارد زیر است:

– مجموعه‌ای از مصاحبه‌های مشروح با طیف وسیعی از تجّار فعّال در صنایع سنّتی، با هدف درک و شناخت تغییر در حدّ و مرزها از راه داده‌نگاری.

– مدل‌های منسجم تحلیل صنعتی کالج سلطنتی لندن، با هدف پیش‌بینی روندها و ارزیابی قابلیت‌های دیجیتال صنایع مختلف.

– آنالیز زنجیرۀ ارزش جهانی اطّلاعات‌محور که چارچوبی برای درک و شناخت نقش داده‌ها در بازتعریف صنایع فراهم می‌آورد.

– شیوه‌های اقتصاد کلان.

داده‌نگاری در مقایسه با دیجیتال‌سازی

داده‌نگاری در مقایسه با دیجیتال‌سازی، پدیدۀ نسبتاً جدیدی است و از ویژگی‌های آن تعامل میان اشیای دیجیتال و فیزیکی و سفارشی‌سازی انبوه محصولات و خدمات برای -و توسّط- مصرف‌کنندۀ نهایی است. داده‌نگاری صرفاً اتوماتیک‌سازی فرآیند یا بهبود کارآیی را در بر نمی‌گیرد، هرچند تکنیک‌های داده‌نگاری را می‌توان در این راستا نیز به کار گرفت. شیوه‌ای که در قالب آن، بهبود فرآیند به اجرا گذاشته می‌شود و چشم‌انداز راهبردی داده‌نگاری، اساساً متفاوت است و از لزوم ایجاد ظرفیت‌های مدیریتی جدید برای رسیدگی کارآمد به مسائل حکایت دارد.

یک تفاوت کلیدی میان دیجیتال‌سازی و داده‌نگاری در واقع به شیوۀ به‌کارگیری تحلیل داده‌ها برای حلّ مشکل مربوطه برمی‌گردد. فرآیند دیجیتال‌سازی از تحلیل داده‌ها بر مبنای مکانیزم‌های نمونه‌گیری سنّتی بهره می‌گیرد، حال آنکه داده‌نگاری با گذشت زمان به اشکال جدید کمّی‌سازی و تکنیک‌های داده‌کاوی مربوطه تکیه می‌کند.

داده‌ نگاری رفتارهای شخصی؛ مثالی از نت‌فلیکس

نت‌فلیکس یک تحلیل آماری مشروح بر روی داده‌های تماشای محتوا و رفتارهای کاربر طی سال‌های متمادی انجام داد تا بدین طریق نقش خود را در صنعت تلویزیون دستخوش تغییر کند و از یک مکانیزم عرضۀ محتوا به خالق محتوا تبدیل شود. موتورهای توصیه‌ای به طور سنّتی برای شناسایی دیگر محتواهایی که ممکن است کاربر بر اساس پروفایل کاربران مشابه و تحلیل‌های شخصیتی پیشرفته، مایل به کرایه یا خریدش باشد، مورد استفاده قرار می‌گیرد و محتوا بر اساس تأثیرپذیری اجتماعی شما از شبکه‌های اجتماعی، ترکیب خانوار شما و سطوح درآمدی شما پیشنهاد می‌گردد. نت‌فلیکس این مدل را معکوس ساخت و به جای آنکه از موتورهای توصیه‌ برای پیشنهاد محتوا بهره بگیرد، از آن‌ها برای تعریفی از ژانرها، بازیگران و کارگردانان استفاده نمود و سپس این موارد را به محتوا تبدیل کرد.

ادامه این پژوهش را می توانید در این صفحه مطالعه کنید:

https://www.pajouha.com/shop/%d8%af%d8%a7%d8%af%d9%87-%d9%86%da%af%d8%a7%d8%b1%db%8c-%d9%88-%d8%a7%d9%93%d9%8a%d9%86%d8%af%d9%87-%d8%b1%d8%b3%d8%a7%d9%86%d9%87/