شرکت‌های بزرگ در دنیای امروزی حجم زیادی از داده جمع‌آوری شده دارند که علاوه بر خودشان، می‌تواند برای اجزاء مختلف جامعه مفید باشد.

شرکت Yelp در زمینه‌ی پیشنهاد مکان‌های تجاری و تفریحی و انتشار نظرات کاربران درباره‌ی آن‌ها فعالیت می‌کند. این شرکت تا پایان سال ۲۰۱۷ بیش از ۱۴۰ میلیون نقد و نظر در مورد کسب‌وکارهای محلی جمع‌آوری کرده است. مأموریت اصلی یلپ، کمک به کاربران برای پیدا کردن کسب‌وکارهای مفید محلی است.

صرف‌ نظر از مسئولیت و برنامه‌ریزی اصلی، داده‌ی جمع‌آوری شده توسط یلپ می‌تواند در زمینه‌های دیگری نیز مورد استفاده قرار بگیرد. به‌عنوان مثال این داده به رستوران‌ها کمک می‌کند که بازارهای جدید برای ورود را پیدا کنند یا در مورد محصولات متنوع تصمیم‌گیری کنند. فعالین بازار املاک و مستغلات، شرکت‌های خصوصی کوچک و بسیاری کسب‌وکارهای دیگر می‌توانند با آنالیز این داده به اطلاعاتی مفید جهت تصمیم‌گیری‌های آتی دست پیدا کنند.

پتانسیل ارزشی داده‌ی جمع‌آوری شده توسط شرکت‌های خصوصی، فرصت‌ها و چالش‌های متعددی پیش روی مدیران آن‌ها قرار می‌دهد. البته تاکنون مثال‌های متعددی در مورد استفاده‌ی نادرست از کلان‌داده (بیگ دیتا) توسط شرکت‌های بزرگ مشاهده شده است؛ اما به‌هرحال اینکه شرکتی تصور کند بهترین استفاده از داده، انباشته کردن آن است، کاملا اشتباه است. صاحبان کسب‌وکارهایی که با کلان‌داده سروکار دارند، باید به این نکته توجه داشته باشند که سرمایه‌ی آن‌ها، می‌تواند حداقل برای تکمیل و بهبود منابع داده‌ی عمومی استفاده شود.

داده‌ی خام با آنالیز و ترکیب با اطلاعات موجود ارزش پیدا می‌کند

به‌عنوان نمونه مجله‌ی کسب‌وکار هاروارد در تحقیقی به ارزش داده‌ی جمع‌آوری شده توسط یلپ پرداخته است. این رسانه معتقد است داده‌ی ارزشمند یلپ می‌تواند در اندازه‌گیری تغییرات کسب‌وکارهای محلی و افزایش پتانسیل داده‌ی دولتی کمک کند. این داده به‌کمک داده‌ی جمع‌آوری شده در سرشماری می‌تواند در آنالیز اقتصادی منطقه‌ای مفید واقع شود.

در توضیح این تحقیق باید به این نکته توجه کرد که سرشماری‌های عمومی با دوره‌های چندساله انجام می‌شوند. به‌عنوان مثال این داده تنها به این حقیقت اشاره می‌کند که در یک منطقه‌ی خاص پس از چند سال، چه تعداد رستوران جدید تأسیس شده است. از طرفی داده‌ی یلپ به‌صورت لحظه‌ای آماری از رستوران‌های تأسیس‌شده و در حال تأسیس را در یک منطقه‌ی کوچک به‌خوبی نشان می‌دهد. نتایج تحقیقات HBR نشان می‌دهد که داده‌ی یلپ، در پیش‌بینی روندهای اقتصاد محلی مفید خواهد بود و پیش از آماده شدن داده‌ی سرشماری قابل استفاده است.

مثال یلپ نشان می‌دهد که کسب‌وکارهای آنلاین پتانسیل زیادی در افزایش فهم و قدرت پیش‌بینی اقتصادی و اجتماعی کشورهای مختلف دارند. همان‌طور که یلپ تغییرات اقتصادی محلی را نشان می‌دهد، Zillow (فعال در بازار املاک) می‌تواند بازارهای املاک و مستغلات را پیش‌بینی کند، لینکدین دیدی جامع از وضعیت استخدام و کسب‌وکار به مدیران می‌دهد و داده‌ی گلس‌دور، برای مطالعه‌ی وضعیت استخدامی و شرایط کاری افراد مفید است.

شرکت‌هایی که با داده سروکار دارند، در حال درک ارزش سرمایه‌ی در گردششان (داده) برای جامعه هستند. البته علاوه بر لذت انجام دادن کاری مفید برای جامعه، این حرکت نتایج بسیار بیشتری برای این شرکت‌ها خواهد داشت. همین که کارشناسان روی آنالیز داده کار کنند، چشم‌اندازی جدید در مورد داده و طراحی پلتفرم خودشان به‌ دست می‌آورند. وقتی قانون‌گذاران از نتایج آنالیز داده استفاده کنند، همکاری‌های جدید میان فعالان بازار شکل می‌گیرد.

البته شرایطی هم وجود دارد که استفاده از داده راه‌ حل مناسبی نیست. به‌عنوان مثال داده‌ی حساس یا امنیتی یا داده‌ای که ارزش چندانی ندارد، مورد بحث این مقاله نیست. نکته‌ی مهم دیگر این که اجرای این روند یعنی استفاده‌ی مجدد از داده، باید به بهترین نحو انجام شود تا نتایجی قابل اتکا داشته باشد. در این میان تحقیقات مجله‌ی کسب‌وکار هاروراد و همکاری آن‌ها با شرکت‌های متعدد، این حقیقت را روشن می‌کند که با راهنمایی‌هایی کلی، می‌توان روش استفاده‌ی مجدد از داده را بهبود بخشید.

ارزش منحصر به‌فرد داده

وقتی تصمیم به استفاده از داده‌ی جمع‌آوری شده می‌گیرید، ابتدا باید به این نتیجه برسید که آیا این داده، ارزش افزوده‌ای برای اطلاعات موجود دارد؟ به بیان دیگر داده‌ی شما باید چیزی بیش از اطلاعاتی باشد که در دسترس عموم قرار دارد و نکته یا کاربرد جدیدی داشته باشد. در قدم اول باید اطلاعات موجودی نزدیک به داده‌ی خود پیدا کنید و با بررسی آن به این نتیجه برسید که می‌توانید ارزشی به آن اضافه کنید.

ابتدا باید زمینه‌ی مناسب برای استفاده از پتانسیل داده مشخص شود

در مثال یلپ، داده‌ی سرشماری، اطلاعاتی است که به‌صورت عمومی وجود دارد و البته تنها ۱۰ سال یک بار (در آمریکا) جمع‌آوری می‌شود. در نتیجه اطلاعاتی وجود دارد که داده‌ی یلپ بتواند به آن کمک کند. در این مورد، اطلاعات لحظه‌ای اپلیکیشن و وبسایت یلپ، می‌تواند کاربرد داده‌ی سرشماری را آسان‌تر کند و بازدهی آن در پیش‌بینی اقتصادی را افزایش دهد.

آنالیز معتبر و قابل اعتماد

علم داده پیچیدگی‌های خاص خود را دارد و آنالیز طلای قرن ۲۱، به دانش و اطلاعاتی غنی نیاز دارد. بسیاری از کسب‌وکارها در آنالیز داده اشتباه می‌کنند و به خاطر اعتماد به معیارهای غلط، نتایجی غلط نیز منتشر می‌کنند. نکته‌ی اولیه‌ی مهم در آنالیز داده، انتخاب معیار و سنجشی مناسب برای آن است.

داده‌ی مورد آنالیز باید با معیار اصلی (یا همان اطلاعات موجود) نزدیکی داشته باشد. در غیر این صورت شاید در انتخاب ارزش افزوده‌ی داده اشتباه کرده‌اید. بعلاوه اگر تصمیم گرفتید باوجود تفاوت داده و معیارهای موجود، به آنالیز ادامه دهید، این تفاوت را در نتایج لحاظ کنید.

آنالیز معتبر نیازمند درک نقاط قوت و ضعف داده‌ی موجود است. به‌عنوان مثال نقطه‌ی ضعف داده‌ی یلپ، متغیر بودن آن از لحاظ زمانی و مکانی است. به بیان دیگر ممکن است در این اپلیکیشن برای مدت زمانی نامشخص، هیچ اطلاعاتی در مورد یک مکان منتشر نشود. هنر تحلیل‌گران داده این است که این ضعف را بشناسند و در نتیجه‌گیری‌های خود آن را لحاظ کنند.

همکاری

حتی بهترین شرکت‌ها با بهترین تیم‌های آنالیز داده، نمی‌توانند به‌تنهایی اطلاعاتی کامل برای کمک به اجتماع تولید کنند. همکاری با شرکت‌های دیگر و خصوصا قانون‌گذاران، مقامات دولتی و افراد تصمیم‌گیرنده در اجتماع، دیدی مناسب‌تر از جامعه‌ی هدف به شما می‌دهد. در نتیجه‌ی این همکاری، محصولی معتبر عرضه خواهید کرد که برای عموم جامعه ارزش افزوده خواهد داشت.

داده‌ی جمع‌آوری شده باید با اطلاعات قبلی جمع و مقایسه شود

در نهایت به این نکته توجه داشته باشید که هیچ داده‌ای به تنهایی نمی‌تواند لقب خوب یا بد داشته باشد. این آنالیز داده و تصمیم‌گیری مناسب برای استفاده‌ی مجدد از آن است که ارزش افزوده‌ی آن را مشخص می‌کند. در حال حاضر شرکت‌های دنیای فناوری در حال جمع‌آوری داده‌ی عظیمی هستند و این پتانسیل را دارند که در پیش‌بینی آینده‌ی اقتصادی و اجتماعی، به قانون‌گذاران و عموم مردم کمک کنند.

در مثال یلپ متوجه شدیم که یک اپلیکشین محبوب می‌‌تواند روند اقتصادی یک محل را پیش‌بینی کند. پلتفرم‌های دیگر نیز پتانسلی مشابهی دارند. وقتی آنالیز داده‌های این پلتفرم‌ها به‌خوبی انجام شود، تکه‌های مختلف پازل به هم متصل می‌شوند و فهم عمومی از آینده‌ی اقتصادی افزایش می‌یابد.