كيف ستحدث البيانات الضخمة ثورة في مشهد الأعمال في المستقبل القريب: الجزء الثاني

أحدثت البيانات الضخمة شرارة تحول كبير في كيفية إدارة الشركات والشركات لأعمالها في جميع أنحاء العالم. في المستقبل ، ستصبح العديد من المجالات الوظيفية التي تتطلب تدخل بشري مؤتمتة. تمامًا مثلما تقترح أمازون "الكتب المراد شراؤها" ، يوصي موقع LinkedIn "أشخاص قد تعرفهم" ، وينبثق Facebook الصفحات التي قد تعجبك ؛ سيتم تطبيق نفس التقنيات على مجالات أخرى قريبًا. على سبيل المثال ، في التوصية بالعلاج ، وتشخيص الأمراض ، وربما في التعرف على المجرمين قبل ارتكابهم جريمة.

من المؤكد أن البيانات الضخمة ستغير قواعد اللعبة في السنوات القادمة. التأثير الجماعي لبدء ممارسات وتقنيات البيانات الضخمة في منظمة من شأنه أن يؤدي إلى تغيير تحولي. يمكن أن تؤثر البيانات الضخمة على وظائف مختلفة عبر المؤسسة ، بدءًا من إعادة تعريف تطوير المنتجات ، وتحسين سلسلة التوريد ، والتأثير بشكل إيجابي على علاقات العملاء ، وجعل بيانات الأعمال تركز على البيانات ، وتحسين العمليات ، وغير ذلك الكثير. يجب أن يبدأ كبار المسؤولين التنفيذيين في التفكير في كيفية استفادة شركاتهم من الرؤى المستمدة من تطبيق البيانات الضخمة.

تنبؤات البيانات الضخمة لعام 2017 وما بعده

مع تقدمنا ​​خلال عام 2016 واحتضان عام 2017 قريبًا ، سينضم المزيد من أجهزة الاستشعار والأجهزة والتقنيات والشركات وحتى الأشخاص إلى عربة البيانات الضخمة. فيما يلي المجالات التي من المرجح أن تحدث فيها البيانات الضخمة ثورة في الأعمال.

إنترنت الأشياء (IoT)

تعد خدمة سحابة البيانات الكبيرة بمثابة سحر وراء الكواليس لإنترنت الأشياء. قال نيل مينديلسون ، نائب الرئيس ، Big Data Advanced Analytics ، Oracle ، إن توسيع الخدمات السحابية لن يقتصر على التقاط بيانات المستشعر فحسب ، بل سيغذيها في خوارزميات وتحليلات البيانات الضخمة للاستفادة منها بفعالية. علاوة على ذلك ، ستساعد الخدمة السحابية الآمنة لإنترنت الأشياء الشركات المصنعة في إنشاء منتجات وخدمات جديدة تتخذ إجراءات بشأن البيانات التي تم تحليلها بأمان ، دون تدخل بشري.

يمزج الإنترنت الصناعي بين التعلم الآلي ، واتصالات الآلة بآلة ، واتصالات البيانات الضخمة لتحديد الأنماط وتعديل العمليات التجارية في الوقت الفعلي. بعد فترة وجيزة ، سيتوسع الإنترنت الصناعي بحكم التعريف ليشمل إنترنت الأشياء. قريباً ، ستعمل تدفقات البيانات في الوقت الفعلي على تجديد ما هو ممكن من خلال الإنترنت الصناعي ، وتمكين المستخدمين من تعديل العملية ، أو طرح أسئلة مهمة ، أو رؤية نمط معين على الفور. ستتأثر صناعات كاملة مثل الأدوية والطاقة وتكنولوجيا المعلومات والاتصالات والبنوك والزراعة بشكل كبير بالقدرة على فحص البيانات التاريخية والحقيقية معًا لاتخاذ قرارات تجارية مستنيرة وسريعة.

سوف نتقدم كمجتمع حيث تصبح المعلومات والبيانات نفسها سلعتنا الأساسية للتجارة. سيصبح الترخيص الجزئي والمعاملات وتبادل المعلومات النقدي مهامًا مهمة حيث تعتني شبكاتنا من آلة إلى آلة والأتمتة باحتياجاتنا اليومية. سيصبح امتلاك البيانات وتقييم البيانات والابتكار والتحسين أساسًا لنجاح الصناعة والشركات.

التعلم الالي

البيانات الضخمة منتشرة في كل مكان ومتكاملة في الأنشطة اليومية التي نقوم بها مثل التسوق عبر الإنترنت أو قراءة الخريطة أو حتى السفر. في الوقت التالي ، سيحول التقنيون والشركات تركيزهم من البيانات الضخمة إلى التعلم الآلي وتقديم رؤى استباقية. علاوة على ذلك ، سيكون الذكاء النشط هو التركيز الجديد الذي ستستفيد من خلاله الشركات من التكنولوجيا مثل التعلم الآلي والتحليلات التنبؤية لتوفير الحلول ، التي تقيّم البيانات على مدار الساعة طوال أيام الأسبوع وتُخطرنا عند حدوث أحداث مهمة.

من ناحية أخرى ، هناك الكثير من الإثارة حول الذكاء الاصطناعي (AI). تقوم الشركات الكبيرة وحتى الشركات الناشئة باستثمارات كبيرة في الذكاء الاصطناعي. ومع ذلك ، فإن نجاح الأعمال سيذهب إلى الشركات التي تطبق المزيد من تقنيات التعلم الآلي لحل المشكلات الروتينية مثل تقديم عروض ترويجية وخدمات وتوصيات أكثر تخصيصًا للمنتجات دون ضجة كبيرة أو ضجة. الشركات التي يمكنها تحويل الأفكار المستقبلية إلى تطبيقات عملية يمكن إدارتها ، والتي يمكن استخدامها بفعالية في جميع أنحاء المنظمة ، ستجني المزيد من العوائد والمزايا من استثماراتها. سيشهد عام 2017 تطبيق تقنيات الذكاء الاصطناعي مثل الرسوم البيانية للممتلكات (PG) ومعالجة اللغة الطبيعية (NLP) والتعلم الآلي (ML) على تحديات معالجة البيانات المعتادة أو العادية. على الرغم من إمكانية الوصول إلى PG و NLP و ML بالفعل كمكتبات لواجهة برمجة التطبيقات (API) في البيانات الضخمة ، فإن التحول الجديد سيشمل استخدامات مكثفة لهذه التقنيات في أدوات تكنولوجيا المعلومات التي تدعم علم البيانات والتحليلات في الوقت الفعلي والتطبيقات.

رعاية صحية

ستشكل الحوسبة المعرفية والذكاء الاصطناعي الطريق للطب الشخصي ، وتساعد في إنقاذ حياة الأشخاص الذين يعانون من أمراض نادرة ، وتحسين حالة الرعاية الصحية في السنوات القادمة. اليوم ، تستخدم 16٪ فقط من المستشفيات في الولايات المتحدة التحليلات التنبؤية ، على الرغم من مبادرة الطب الدقيق للرئيس باراك أوباما في خطاب البرلمان الأمريكي عام 2015. ومع ذلك ، فإن التطورات التكنولوجية الحديثة التي تطبق الذكاء الاصطناعي على التحليلات التنبؤية للبيانات الضخمة تجعل من الممكن ممارسة الطب الشخصي من خلال البيانات الجينومية المعينة مع السجلات الطبية الإلكترونية للمريض والإجابة على أسئلة الطب أو علاجات الأمراض النادرة. في الماضي ، كانت الأبحاث الطبية حول الأمراض الجديدة وعلاجاتها باهظة التكلفة نظرًا لوجود مجموعات صغيرة من العينات ، ولكن يبدو أن ذلك ممكنًا إلى حد كبير مع مجموعات البيانات الكبيرة في البيانات الضخمة. الآن قد يكون من الممكن الاستفادة من الطب الدقيق من خلال تضمين إجابات لأسئلة حول العلاجات المحتملة لمجموعات فرعية مثل النساء وكبار السن والأطفال والأعراق المختلفة.

منع الجرائم

لتحديد المجرمين المحتملين قبل ارتكابهم أي جريمة ، تلجأ وكالات إنفاذ القانون ، خاصة في الغرب ، إلى البيانات الضخمة. تساعد المعلومات التي يتم مشاركتها علنًا إلى جانب المعلومات والبيانات الاستخبارية المقدمة من مكاتب إنفاذ القانون والسلطات المحلية الشرطة على اكتشاف المخالفين والأنشطة الإجرامية بدقة أعلى قبل بدء المشاكل. نتيجة لذلك ، تميل وكالات إنفاذ القانون إلى أن تكون أقل تفاعلًا ، مما يقلل من خطر إطلاق النار على الشخص الخطأ أو اعتقاله. أيضًا ، يركز ضباط الشرطة هؤلاء على النقاط الساخنة للجريمة للقبض على المجرمين بمجرد خروجهم من مخابئهم. من خلال تحليلات البيانات الضخمة ، ساعدت البعثات المخطط لها وكالات إنفاذ القانون على خفض معدلات الجريمة أو السيطرة عليها في المدن الكبرى في جميع أنحاء العالم.

التعامل مع الكوارث الطبيعية

في كل عام ، تُزهق مليارات الدولارات وآلاف الأرواح أثناء الفيضانات أو الزلازل أو حالات الجفاف أو غيرها من الكوارث الطبيعية. يدرك علماء البيانات قيمة استخدام تقنيات التنقيب عن البيانات لتقييم الكوارث الطبيعية للمساعدة في فهم الاتجاهات وتحليل ضعف السكان والتنبؤ بالكوارث المستقبلية. الهدف من هذه التحليلات هو مساعدة الحكومات في جميع أنحاء العالم لجهود الإغاثة ، والاستجابة للطوارئ ، ووضع استراتيجيات للتخفيف من الكوارث الطبيعية في المستقبل. ساعدت التطورات الأخيرة في تقنيات البيانات الضخمة وعلوم البيانات علماء البيانات على استخدام التقنيات الوصفية والتنبؤية اقتصاديًا ودقيقًا. كانت هذه التقنيات مفيدة في تحديد السكان المعرضين للكوارث الطبيعية من خلال تحليل الحوادث الماضية لتحديد الأنماط التي قد تحدد السكان المعرضين للخطر وتحسين التنبؤات بالكوارث المستقبلية.

تأثير البيانات الضخمة على الأعمال

يقول إدوين ميلر ، الرئيس التنفيذي لشركة 9Lenses ، وهي شركة تكنولوجيا مقرها الولايات المتحدة ، إن البيانات الضخمة كان لها تأثير كبير على الأعمال ، بدءًا من عمليات سلسلة التوريد ، وتطوير المنتجات إلى علاقات العملاء ، وستواصل القيام بذلك. على الرغم من أن الكثيرين قد لا يعرفون شيئًا عن البيانات الضخمة ، إلا أنها قد أثرت بالتأكيد على عدد غير قليل من الشركات التقليدية.

وتعتبر شركة Capital One Financial Corporation ومقرها الولايات المتحدة مثالاً جيدًا على ذلك. بين عامي 1990 و 2000 ، استخدمت صناعة بطاقات الائتمان نموذج تسعير موحد يفرض على كل مستهلك نفس السعر ، باستثناء كابيتال وان. استخدمت الشركة نموذجًا إحصائيًا يعتمد على بيانات الائتمان الديموغرافية والعامة لتوفير منتجات مخصصة للعملاء. مكّن الابتكار الشركة من تحقيق معدل نمو سنوي مركب بنسبة 33 في المائة (CAGR) من عام 1995 إلى عام 2003. ونتيجة لذلك ، ركز عدد قليل جدًا من البنوك بشكل أكبر على تحليلات البيانات الضخمة ، مما مكنها من تحقيق نمو بنسبة 17 في المائة في صافي إيراداتها السنوية ، بالمقارنة مع البنوك الأمريكية الكبرى مثل Bank of America بنسبة 11٪ ، و Citigroup بنسبة 11٪ ، و JP Morgan بنسبة 6٪ من عام 2009 إلى عام 2015.

يستخدم Walmart باستمرار تحليلات البيانات الكبيرة لتحسين العمليات والمنتجات والخدمات. في التسعينيات ، حولت الشركة قطاع البيع بالتجزئة من خلال تسجيل كل منتج كبيانات بمساعدة نظام يُعرف باسم رابط البيع بالتجزئة. مكّن هذا النظام الموردين من الإشراف على منتجاتهم وخدماتهم وتنظيمها من خلال مراقبة بياناتهم ، بما في ذلك معدل دوران المخزون ، وحجم المخزون ، والهامش الإجمالي ، ونسبة المخزون. وبالتالي ، فقد حققوا مخاطر منخفضة في المخزون والتكاليف الأخرى المرتبطة بها.

تطبق Rolls Royce أيضًا البيانات الضخمة ، والتي بدورها قد أصلحت تصنيع محركات الطائرات. تراقب شركة صناعة السيارات الفاخرة بشكل روتيني حوالي 3600 محرك ، لكل منها عدة أجهزة استشعار للتنبؤ بمكان وزمان حدوث الأعطال. حولت الشركة أعمالها من بيع المحركات إلى بيع محركات عالية الجودة وخدمات المراقبة ، وفرض رسوم على العملاء وفقًا للاستخدام والإصلاح والاستبدال. حاليًا ، تمثل الخدمة أكثر من 68 بالمائة من عائداتها السنوية في قسم محركات الطائرات.

استنتاج

نظرًا لأن البيانات الضخمة لا تزال تتكشف ، فمن الواضح تمامًا أن التغييرات التي تحدثها البيانات الضخمة ستحول الشركات والمؤسسات وحتى المجتمعات. ستبقى البيانات الضخمة هنا وستحتاج الشركات إلى التكيف مع هذا النموذج الجديد. قد تؤجل الشركات أو تتأخر في تنفيذ استراتيجيات البيانات الضخمة الخاصة بها ، ولكن من الواضح أن الشركات التي نفذت بالفعل استراتيجياتها تتفوق على نظيراتها. لذا ، قم بتطوير إستراتيجية البيانات الضخمة الآن إذا كانت شركتك تريد أيضًا إنشاء منتجات وخدمات وتقديمها في عصر البيانات الضخمة المزدهر.

هل تخطط للحصول على بيانات من الويب؟ نحن هنا للمساعدة. دعنا نعرف عن متطلباتك.