Следующее большое цифровое преимущество: графики данных- уроки (Работа в интернете)

В этой статье обсуждается, как компании могут извлечь уроки из лучших практик лидеров по диаграммами с данными, чтобы получить новые конкурентные преимущества.

Эффекты сети передачи данных

Чтобы понять графики данных, нам сначала нужно понять эффекты сети передачи данных, которые возникают, когда данные, генерируемые пользователями при взаимодействии с продуктом или услугой, делают их более ценными для других пользователей. В отличие от прямых сетевых эффектов, при которых ценность услуги растет по мере присоединения дополнительных пользователей (как в случае с Facebook или LinkedIn), сетевые эффекты передачи данных не требуют увеличения числа пользователей для повышения ценности сети. Вместо этого постоянное взаимодействие с текущими пользователями генерирует более широкие и глубокие данные об использовании продукта, что позволяет алгоритмам генерировать постоянно улучшающиеся результаты. Например, каждый из 2 триллионов ежегодных поисковых запросов Google помогает компании обогатить свой график знаний и улучшить свою поисковую систему, которая генерирует всё лучшие и лучшие результаты поиска для пользователей. Напротив, если пользователи перестают взаимодействовать с платформой, она становится устаревшей и менее полезной.

Графики данных не являются статичными; они не отражают информацию в моментальном снимке во времени.

Они динамичны и отражают то, что специалисты по обработке данных называют данными в движении. Отчасти именно поэтому невозможно вручную нарисовать график данных. Технология необходима для сбора и интерпретации в режиме реального времени данных о миллионах единиц продукции компании, с которыми потребители по всему миру могут взаимодействовать в любой данный момент.

Факторы успеха графика данных

Лидеры диаграмм с данными собирают данные о поведении клиентов и быстро используют полученные знания для улучшения каждого аспекта своих продуктов и услуг. Они постоянно совершенствуют методы классификации и маркировки данных о продуктах, а также выявляют взаимосвязи между объектами, чтобы алгоритмы могли лучше группировать предложения для получения персонализированных рекомендаций. И они постоянно обновляют свои алгоритмы, чтобы персонализированные рекомендации посещали более 90 000 учебных заведений, отвечающих на объявления о вакансиях, обновления статуса и видео в прямом эфире. Кроме того, он сопоставляет участников с другими организациями, например, с их навыками, чтобы показывать пользователям целевую рекламу, предложения по обучению, новостные ленты и многое другое. LinkedIn теперь является дочерней компанией Microsoft и частью её экосистемы данных, что позволяет ей создавать ещё более динамичные диаграммы с данными.

В традиционных компаниях данные о клиентах хранятся в виде независимых записей в различных функциональных базах данных. Чтобы получить цифровое преимущество, компании должны организовать данные в виде графика взаимодействий, которые можно анализировать с помощью алгоритмов, обеспечивающих понимание и персонализированную ценность для каждого клиента