تعریف داده کاوی

تعریف داده کاوی
دسته بندی ها : داده کاوی داده کاوی
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
مقدمه
با گسترش فناوری اطلاعات و ارتباطات درجهان و ورود سریع آن به زندگی روزمره مردم مسائل و ضرورت­های تازه­ای به­ وجود­ آمده ­است .امروزه انسان توسعه یافته کسی است که به اطلاعات دسترسی داشته ­باشد و دسترسی به اطلاعات نه یک ضرورت،که یک قدرت محسوب­ می­شود. دراین­ میان شهر­ها به عنوان مراکز قدرت انسانی و تمدن­های بشری بیش از پیش اهمیت­ یافته­ اند. در این مقاله به تعریف داده کاوی می پردازیم ، به اعتقاد الوین تافلر، مردم کره زمین تا به امروز سه موج اساسی تحول راپشت سرگذاشته اند :

    موج اول، موج انقلاب کشاوزی است که زمان آغاز آن برکسی مشخص نیست.
    موج دوم، انقلاب صنعتی است که به دنبال اختراع ماشین بخار در سال  1764آغاز­ شد.
    موج سوم یا انقلاب انفورماتیک است که ازسال 1946 که بشر به ساخت کامپیوتر نائل آمده آغاز گشته­است.

اگر در موج دوم سخت­ افزارها به کمک انسان­ها می­آمدند، درموج سوم این نرم­افزار­ها هستند که به خدمت بشر می­شتابند و تفکرات و تصورات آدمی را به شکل کدهای صفر و یک و با کمک امواج ماهواره­ای مبادله ­می­کنند.

 در موج سوم، انسان هر روز که بیشتر یاد ­می­گیرد، بیشتر می فهمد که با حقیقت فاصله دارد .موج سوم را موج خردورزی نیز لقب داده اند زیرا در این عرصه­ ها، انسان­ها دیگر فرصت ندارند زیاد با هم صحبت­کنند، همه چیز تعریف­شده و برای هر تعریف، یک کد درنظرگرفته­ شده ­است.اعریف داده کاوی
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
جهان امروز

از سوی دیگر در دنیای به شدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است.  
حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها،  تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریت کارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده که داده ای درباره داده است در عمل عالی بنظر میرسد.

پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند.

 ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است.

 این تلاشها در بخش نرم افزار را میتوان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle  و غیره نام برد.

داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان میدهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد میکند اهمیتی خاص دارد.تعریف داده کاوی مدرن

تحلیل رکوردهای حجیم نگهداری سخت افزارهای صنعتی، داده های هواشناسی و دیدن کانال های تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف میشوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند.مفاهیم داده کاوی
مدیریت ذخیره سازی و دستیابی اطلاعات
داده های اطلاعاتی به عنوان یکی از منابع حیاتی سازمان شناخته می شود و بسیاری از سازمان ها با اطلاعات و دانش سازمانی خود مانند سایر دارایی های ارزشمندشان برخورد می کنند .
 نکته: داده اطلاعاتی (Data) به اطلاعات خام سازمان اتلاق می‌شود و اطلاعات (Information) به داده‌های پردازش شده. همچنین داده های پردازش شده پس از طبقه بندی و آنالیز به دانش سازمان (Knowledge) تبدیل می گردند.

حال تصور نمایید، دسترسی به اطلاعات (Information) در شرایطی که داده‌ها به روش نامناسبی نگهداری شوند و یا روش ضابطه مندی جهت دستیابی به آنها وجود نداشته باشد تا چه حد مشکل است . برای رسیدن به یک سیستم اطلاعاتی مناسب، داده‌ها می بایست به صورتی منطقی طبقه بندی و ذخیره شوند تا استفاده از آن ها ساده‌تر بوده، با کارایی بیشتری تحلیل شوند و سریعتر مورد استفاده قرار گیرند و در نتیجه مدیریت بهتری بر آن ها اعمال شود.
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
ساختار بانک اطلاعاتی سازمان
داده های سازمان ها در انواع بانک های اطلاعاتی و با ساختارهای متنوعی ذخیره می‌گردند . طراحی و سازماندهی این ساختارها، بکارگیری و انتقال به بانک‌های اطلاعاتی پیشرفته و بهینه سازی آن ها یکی خدماتی است که توسط واحدهای فناوری اطلاعات ارایه می شود .تعریف داده کاوی و جایگاه datamining

داده­ کاوی(Data Mining)  چیست؟

فناوری­های نوین اطلاعاتی و ارتباطی، و همچنین تکنولوژی­های پشتیبان تصمیم، با جمع­آوری، ذخیره، ارزیابی، تفسیر و تحلیل، بازیابی و اشاعه اطلاعات و دانش به کاربران خاص، می­توانند در اطلاع­یابی به­موقع، صحیح و مورد­نیاز به افراد تاثیر زیادی داشته­باشند. یکی از ابزارهای مورد استفاده در این فناوری­ها، داده کاوی می باشد. داده­کاوی شامل استفاده از ابزار­های پیشرفته تحلیل داده به منظور کشف الگو­های معتبر، از قبل نا­شناخته و روابط در مجموعه داده­های بزرگ است. این ابزار­ها، مدلهای آماری، الگوریتم­های ریاضی و متد­های یادگیری ماشین (الگوریتم­هایی که عملکرد خود را از طریق تجربه به­صورت اتوماتیک بهبود می­دهند) می­باشد. داده­کاوی فراتر از جمع­آوری و مدیریت داده است، و شامل تجزیه و تحلیل و پیش­گویی می­شود. نام دیگر آن کشف دانش در پایگاه داده یا به اختصار KDD است .

داده­کاوی می­تواند روی داده­های کمی، متنی، یا چند­رسانه­ای انجام­گیرد. کاربرد­های آن شامل موارد زیر می­باشد :

        قوانین وابستگی: الگو­هایی که در آن وجود یک آیتم دلالت بر وجود آیتم دیگر دارد،
       کلاس­بندی: انتساب الگو­ها به یک مجموعه کوچک از کلاس­های از قبل تعریف شده به وسیله­ کشف بعضی روابط بین ویژگی­ها،
       خوشه ­بندی: گروه­بندی مشتریان یا مجموعه الگو­هایی که ویژگی­های مشابهی دارند،
       پیش­گویی: کشف الگو­ها برای پیش­گویی منطقی درباره آینده،
        تحلیل مسیر یا الگو­های ترتیبی: الگو­هایی که در آن یک رخداد منجر به وقوع رخداد دیگر می­شود.

داده­کاوی یک تکنولوژی جدید نیست ولی کاربرد آن به­طور معناداری در بخش­های مختلف خصوصی و عمومی رو­به­رشد بوده و عموما صنایعی چون بانک، بیمه، پزشکی و خرده­فروشی از داده­کاوی به هدف کاهش هزینه­ها، افزایش تحقیقات و افزایش فروش استفاده می­کنند.آکادمی داده کاوی

مفاهیم پایه در داده کاوی

در انجام پروژه داده کاوی معمولا به کشف الگوهای مفید از میان داده ها اشاره می شود . منظور از الگوی مفید ، مدلی در داده ها است که ارتباط میان یک زیر مجموعه از داده ها را توصیف می کند و معتبر ، ساده ، قابل فهم و جدید است .
 تعریف داده کاوی

در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده است . در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر ، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است . برخی از این تعاریف عبارتند از :

تعریف داده کاوی عبارت است از فرایند استخراج اطلاعات معتبر ، از پیش ناشناخته ، قابل فهم و قابل اعتماد از پایگاه داده های بزرگ و استفاده از آن در تصمیم گیری در فعالیت های تجاری مهم.

اصطلاح داده کاوی به فرایند نیم خودکار تجزیه و تحلیل پایگاه داده های بزرگ به منظور یافتن الگوهای مفید اطلاق می شود

تعریف داده کاوی یعنی جستجو در یک پایگاه داده ها برای یافتن الگوهایی میان داده ها .

تعریف داده کاوی یعنی استخراج دانش کلان ، قابل استناد و جدید از پایگاه داده ها ی بزرگ .
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
تعریف داده کاوی یعنی تجزیه و تحلیل مجموعه داده های قابل مشاهده برای یافتن روابط مطمئن بین داده ها .
انجام پروژه داده کاوی با وکا (weka)
دسته بندی ها : ابزارهای داده کاوی, داده کاوی, نرم افزار وکا آکادمی داده کاوی

انجام پروژه داده کاوی با وکا (weka) یا انجام پایان نامه داده کاوی با وکا (weka) امروزه بسیار فراگیر شده است . آکادمی داده کاوی با داشتن بهترین متخصصان در زمینه انجام پروژه های داده کاوی با weka همراه شما خواهند بود .

خدمات ما

    انجام پروژه های داده کاوی در سطح شرکتی
     مشاوره انجام پایان نامه و پروژه های داده کاویانجام پروژه های تحلیل داده ها
     انجام پایان نامه و پروژه های تحیلی سیستم های فروش مدیریت مشتری با استفاده از داده کاوی
    مشاور انجام پایان نامه و پروژه های سیستم های تشخیص نفوذ با استفاده از داده کاوی
    مشاور انجام پایان نامه و پروژه های بخش بندی داده ها
    مشاور انجام پایان نامه و پروژه های امنیت شبکه
    مشاور پایان نامه کارشناسی ارشد داده کاوی
    مشاور انجام پروژه های دانشجویی داده کاوی
    مشاور انجام پایان نامه و پروژه های یادگیری ماشین، پردازش الگو، رباتیک و …
    موضوع پایان نامه ارشد داده کاوی
    موضوع پایان نامه داده کاوی
    پایان نامه ارشد کامپیوتر داده کاوی
    پایان نامه با موضوع شبکه های اجتماع
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
سفارش انجام پروژه وکا
معرفی نرم افزار وکا (weka) نرم افزارهای متعددی تولید شده اند . مقایسه دقیق و علمی این ابزارها زمانی محقق میشود که  از جنبه های متفاوت و متعددی مثل تنوع انواع و فرمت داده های ورودی، ، الگوریتمها پیاده سازی شده، واسطهای کاربر پسند روشهای ارزیابی نتایج، روشهای مصور سازی ، روشهای پیش پردازش داده ها، ، حجم ممکن برای پردازش داده ها ، پلت فرم های سازگار برای اجرا،‌ قیمت و در دسترس بودن نرم افزار صورت میگیرد . نرم افزار وکا weka  از بهترین نرم افزارهایی است که میشود به آن اشاره کرد که دارای امکانات متعددی است مانند‌ امکان مقایسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافیگی کارآ، سازگاری با سایر برنامه های ویندوزی است .

انجام پروژه داده کاوی با وکh انجام پروژه داده کاوی (weka)
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
نرم افزار وکا (weka) در میزکار خودش الگوریتم های روز یادگیری ماشینی و ابزارهای پیشپردازش داده ها را برای دسترسی آسان و سرعت عمل هرچه بیشتر نهاده تا به راحتی و منعطف روی مجموعه داده ها آزمایش نمود . از جمله نکات مثبت این نرم افزار پشتیبانی‏‏های ارزشمندی است که برای کل فرآیند داده کاوی ‏های تجربی فراهم می‏کند ، در واقع این پشتیبانی‏ها، آماده سازی دادههای ورودی، ارزیابی آماری چارچوب­های یادگیری و نمایش گرافیکی داده های ورودی و نتایج یادگیری است .نرم افزار وکا دارای ابزارهای متنوع پیش پردازش داده هاست. این جعبه ابزار متنوع از طریق یک واسط متداول به راحتی در دسترس است، به گونه ای که کاربر روش های متفاوت میتواند آن را با یکدیگر مقایسه کند و روش هایی که برای حل مساله مناسب تر است مدح نظر قرار دهد.

نرم­افزار Weka در دانشگاه Waikato واقع در نیوزلند طراحی و توسعه یافته است و اسم آن از عبارت “Waikato Environment for knowledge Analysis” استخراج شده است.Weka ، نام پرندهای است که پرواز نمیکند و  طبیعتی جستجوگر دارد و در نیوزلند، یافت می‏ شود. این نرم افزار با زبان جاوا نوشته شده و بر اساس لیسانس عمومی و فراگیر GNU انتشار پیدا کرده است. Weka تقریباً روی هر پلت فرمی اجرا می‏ شوداین نرم افزار، یک واسط همگون برای بسیاری از الگوریتم های یادگیری متفاوت، ایجاد کرده که از طریق آن روش ‏های پیش پردازش، پس از پردازش و ارزیابی نتایج طرح های یادگیری روی همه مجموعه های داده موجود، قابل اعمال است.

 نرم افزار وکا دارای چهار واسط کاربری متفاوت می‌باشد

 Explorer: روش‌های مختلف آماده‌سازی، تبدیل و الگوریتم‌های مدلسازی بر روی داده‌ها را اجرا میکند
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
 Experimenter:  این حالت فقط  اجرای الگوریتم‌های مختلف رده‌بندی را به صورت هم‌زمان و مقایسه نتایج آن‌ها وجود دارد. تمامی شاخص‌های مورد نیاز به منظور بررسی مدل‌های رده بندی در این قسمت تعریف شده و قرار دارند و گزارشات مفصلی را از جمله آزمون T می توان در این قسمت پس از مدلسازی استخراج نمود.

 Knowledge Flow:  یک واسط گرافیکی در این قسمت طراحی شده است که در آن می توان جریان های داده ای مختلف تولید نمود.

 command line interface: امکان مدلسازی توسط کدنویسی خط به خط در این قسمت وجود دارد.در وکا داده ها می توانند به فرمت های مختلف از جمله Excel، CSV و Arff باشند. اما به طور کلی این نرم افزار با داده‌ها به فرمت Arff میانه بهتری دارد.انجام پروژه های داده کاوی با وکا weka

توابع که در نرم افزار وکا (weka) وجود دارد

    تبدیل متغیرهای گسسته چند مقداری به دو مقداری و تبدیل متغیرهای پیوسته به گسسته
    گسسته سازی بدون نظارت و با نظارت
    روش‌های مختلف برای ادغام مقادیر مختلف متغیرهای گسسته
    جایگذاری مقادیر از دست رفته
    روش‌های نمونه گیری با جایگذاری و بدون جایگذاری و روش‌های پیشرفته تر مانند SMOTE
    روش LOF (Local Outlier Factor) برای پیدا کردن نقاط دورافتاده
    کاهش بعد داده ‌ها با استفاده از تحلیل اجزای اصلی (PCA) و موجک (Wavelet)
    نرمالسازی و استانداردسازی
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
خوشه‌بندی که در نرم افزار وکا وجود دارد

    روش‌های سلسله مراتبی
    روش‌های برپایه توزیع احتمالی مانند EM
    روش‌های بر پایه مرکز هندسی: kmeans
    روش‌های بر پایه چگالی: DBSCAN و OPTICS

کشف قواعد انجمنی که در نرم افزار وکا (weka) وجود دارد

    روش‌های درختی مانند FP growth
    روش Apriori
    کشف قواعد انجمنی متوالی

رده‌بندی معمول و جمعی که در نرم افزار وکا (weka) وجود دارد

روش‌های بر پایه بیز: بیز ساده و شبکه بیزی

توابع: ماشین بردار پشتیبان (SVM) که توابع کرنل‌های مختلف را پشتیبانی می‌کند، شبکه‌های عصبی و رگرسیون لجستیک

KNN: روش‌های برپایه حافظه
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
درخت‌های تصمیم: الگوریتم‌هایی مانند ID3 و C4.5

روش‌های برپایه قاعده: جداول تصمیم و OneR توانایی ساخت قوانین بر روی تنها یک متغیرانجام پروژه داده کاوی با وکا

ویژگی های نرم افزار وکا (weka)

    محیط های مختلف کاری به منظور سهولت در اجرای مدلسازی های مختلف
    در بردارنده محدوده وسیعی آماده سازی داده‌ها و روش‌های انتخاب ویژگی‌ها به صورت یکپارچه.
    وجود تعداد زیادی شاخص به منظور ارزیابی روش های رده بندی
    محدوده وسیعی از روش های رده بندی

معایب نرم افزار وکا (weka)

    زمان‌بر بودن اجرای مدل‌ها به علت عدم بهینه بودن برخی از آنها
    محدودیت شدید در مصورسازی داده ها
    محدودیت در منابع آموزشی
    محدودیت در روش های خوشه بندی و قواعد انجمنی

چگونه داده ها کسب و کار را تغییر میدهند ؟
دسته بندی ها : ویدئو آکادمی داده کاوی

[”]

متن سخنرانی چگونه داده ها کسب و کار را تغییر میدهند ؟
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
قصد دارم اندکی درباره استراتژی حرف بزنم و ارتباطش با فن آوری. ما تمایل داریم تا به استراتژی کسب و کار به عنوان یک ساختار انتزاعی فکر کنیم اساسا، از افکار اقتصادیی شاید ترجیحاً بدون زمان. من در واقع در این مورد میخواهم بحث کنم. استراتزی کسب و کار همیشه بر پایه فرضیه ای در تکنولوژی استوار است. در حالی که این فرضیه در حال تغییر است وتغییری تقریبا چشمگیر. بنابرین این تغیر به مفهوم دیگری از آنچه ما استراتزی کسب و کار میخوانیم تبدیل میشود.
بگذارید، اگر اجازه دارم اول از یک داستان تاریخی شروع کنم. ایده استراتزی کسب و کار هویتش را به دو انسان بزرگ خردمند مدیون است: بروس هندرسون، بنیانگذار بی سی جی و مایکل پورتراستاد دانشکده مدیریت دانشگاه هاروارد. ایده اصلی هندرسون را شما شاید ایده ناپلئونی تمرکز اکثریت برضد ضعف درهنگام سردرگمی دشمن بنامید. آنچه که هندرسون تشخیص داده بود این بود که در دنیای کسب و کارپدیده های زیادی وجود دارد که دررده آنچه اقتصاددانان افزایش بازده، مقیاس، تجربه مینامند قرارمیگیرند. هرچه کاری را بیشتر انجام دهیددر آن با نسبت غیرخطی بیشتری بهتر خواهید شد. بنابراین او منطق تاثیر سرمایه گذاری بر اکثریت قریب به اتفاق را برروی مزیت رقابتی را دریافت. و این در واقع اولین معرفی مفهوم دراصل نظامی استراتژی در دنیای کسب و کاربود. داده کاوی
پورتر با این فرضیه موافق بود اما آن را ارزیابی کرد. اوبه درستی بیان کرد که فرضیه خوبی است اما کسب و کارها مراحل زیادی دارند.آنها ارکان متفاوتی دارند وهریک از این رکن ها ممکن است با نوع دیگری از استراتژی پیش رود. یک شرکت یا بنگاه ممکن است در بعضی فعالیت ها مزیت رقابتی داشته باشد و در بعضی دیگر ضعف. او مفهوم زنجیره ارزش را بنا نهاد درواقع تعدادی مراحل که در آن میتوانیم بگوییم مواد اولیه به اجزا سپس به قطعات ومحصول نهایی تبدیل شود و برای مثال وارد چرخه توضیع میشود و او میگوید که مزیت در تمام این جزئیات اتفاق می افتد واینکه مزیت کل درواقع مجموع یا میانگین مزیت هریک از اجزاست. این مفهوم زنجیره ارزش بعد از دریافتن این واقعیت به کارآمد که آنچه یک کسب و کار را سرپا نگه می دارد همان هزینه معامله است. دراصل شما باید آن را هدایت کنید، مؤسسات غالباً از بازار در این هدایت کارآمدتر هستند و بنابراین طبیعت، نقش و مرز هر شرکت بر محور همین هزینه معامله شکل میگیرد. براساس همین دو ایده، ایده هندرسون در افزایش بازده برمقیاس و تجربه، و ایده پورتر در زنجیره ارزش دربرگیرنده عناصر ناهمگونی که در نهایت کل بنای استراتژی کسب و کار را تشکیل میدهد.
حالا آنچه میخواهم بحث کنم این است که درواقع آن فرضیه ها دیگر غیرمعتبر شده است. اول ازهمه، بیایید به هزینه معامله فکر کنیم. هزینه معامله دو رکن دارد. اولی مربوط به پردازش اطلاعات و دیگری مربوط به ارتباطات است. اینها اقتصاد پردازش و ارتباطات هستند که در طی زمان زیادی تکامل یافته اند. همانطور که ما از خیلی از منابع میدانیم، آنها به طور اساسی از زمانی که پورتر و هندرسون تئوری های خود را فرمول بندی میکردند، دگرگون شده اند. به طور خاص در اواسط دهی ۹۰ میلادی. هزنیه ارتباطات درواقع حتی با سرعت بیشترینسبت به هزینه معامله کاهش یافته است. به همین علت است که ارتباطات، اینترنت، با چنین رویه ای منفجر شده است. حالا این هزنیه معامله رو به کاهش، عواقب عمیقی دارد. چون اگرهزینه معامله مانند چسبی باشد که زنجیره ارزش را به هم چسبانده باشد و در حال کاهش است،احتیاج کمتری به صرفه است. احتیاج کمتری برای یکپارچگی عمودی موسسسات است و زنجیره ارزش میتواند شکسته شود. نه لزوماً، اما امکان پذیر است. به طور خاص برای یک رقیب در یک زمینه کسب و کار این امکان فراهم میشود تا از موقیت خود در تنها یکی از گام های زنجیره ارزش استفاده کند تا به دیگری نفوذ یا حمله کند یا مداخله رقیب در دیگر رقبا را حذف کند.
این یک قضیه انتزاعی نیست. مثال های مشخص بسیار زیادی وجود دارد که این موضوع چگونه اتفاق افتاده است. نمونه ای بارز آن، تجارت دانشنامه بود. تجارت دانشنامه در زمان کتابهای جلد چرمی در واقع یک تجارت توزیعی بود. بیشتر هزینه ها مربوط به کارمزد مسول فروش بود. سی دی رام و سپس اینترنت وارد شدند و این تکنولوژی های جدید، توزیع دانش را با مقیاس بسیار بزرگی، ارزان‌تر کردند. وتجارت دانشنامه ازبین رفت. حالا این داستان بسیار آشنایی است. در واقع به طورکلی تر، این داستان اولین نسل اقتصاد اینترنت هم بود. در مورد کاهش هزینه معامله، شکستن زنجیره ارزش و درنهایت حذف واسطه ها و یا به عبارتی که ما مینامیم شکستن ساختار است.
یکی از پرسشهایی که من اغلب میپرسیدم این بود که چه چیزی جایگزین دانش نامه میشود وقتی بریتانیکا دیگر چارچوب مناسب کسب و کار را ندارد؟ و این کمی قبل از این بود که جواب آشکار شود. امروز البته میدانیم که جواب چیست: ویکیپدیا! چیزی که در مورد ویکیپدیا منحصر بفرد است گستره توزیع نیست. بلکه شیوه ایجاد آن است. ویکیپدیا، البته دانشنامه ای است که توسط کاربرانش به وجود آمده است. و اگر به خاطر آورید این در واقع دومین دهه از اقتصاد اینترنت است، دهه ای که در آن اینترنت ازاسم به فعل تبدیل شد. تبدیل به مجموعه ای از گفت‌وگوها شد، دورانی که در آن محتوای ایجاد شده توسط کاربر و شبکه های اجتماعی پدیده حکم فرما بودند. حال آنچه واقعاً به بیان پورتر هندرسون تعبیرمیشود تخریب کامل نوعی از مفهوم اقتصاد مقیاس است. آنچه اتفاق افتاده است این است که هزاران فرد مستقل دانشنامه ای را به همان اندازه خوب تحریر میکنند که مانند یک کارحرفه ای باشد و قطعاً بسیار ارزانتر از متخصصانی که در موسسات سلسله مراتبی هستند. پس آنچه در واقع اتفاق افتاده است این است که یک لایه از این زنجیره ارزش تکه تکه شد، چرا که افراد توانستند جایگزین سازمانهایی شوند که دیگرمورد نیاز نبودند.
البته سوال واضح دیگری نیزدر مورد این نمودارمطرح میشود که خوب، ما دو دهه را پشت سر گذاشتیم آیا دهه سوم هم متفاوت خواهد بود؟ و آنچه من میخواهم اینجا بحث کنم این است که درواقع چیزی آن را متفاوت خواهد کرد و این دقیقاً نوعی از منطق پورترـ هندرسون است که درموردش صحبت میکردیم. و آن چیز، به داده ها مربوط است. اگر به حدود سال ۲۰۰۰ برگردیم بسیاری از مردم از انقلاب اطلاعات صحبت میکردند و این داروقع درست بود که ذخیره جهانی داده درحال رشد است، و در واقع با سرعتی زیاد. ولی هنوز این رشد در اندازه داده های آنالوگ خود بود. حال به ساله ۲۰۰۷ میرویم، نه تنها ذخیره داده جهانی در حال انفجار بود بلکه دیجیتال به طور قابل ملاحظه ایجایگزین آنالوگ شد. و حتی مهم تر از آن اگربا دقت بیشتری به این نمودارنگاه کنید آنچه مشاهده خواهیدکرد این است که قریب به نیمی از داده های دیجیتال نشانی آی پی دارند که یا روی سرور است یا روی کامپیوتر. اما داشتن نشانی آی پی به این معنا است که میتواند به هر داده دیگری که نشانی آی پی دارد متصل شود. واین یعنی میتوان نیمی از دانش جهان را کنارهم گذاشت تا به الگوهای مختلف و نتایج کاملاً جدیدی رسید. اگر این اعداد را تا امروز به جلو ببریم احتمالا به چیزی شبیه این تبدیل میشود. خیلی نمیدانیم. اگر این عدد را به سال ۲۰۲۰ ببریم ما حتماً عدد دقیق را داریم، طبق پیش‌بینی سازمان بین المللی همکاری داده. اینکه آینده قابل پیشبینی تر از حال باشد بسیار جالب است. و این یعنی صدها حالت ممکن از ذخیره اطلاعتی که تنها با یک نشانی آی پی به هم متصل هستند. حال اگر تعداد اتصالاتی که میتوانیم به وجود آوریم برابر با تعداد هر جفت از نقطه داده باشد، ضرب درصد در واحد داده معادل ضرب در ده هزار مدل های مختلف است که در آن داده میتوانیم ببینیم و مربوط به تنها ۱۰ یا ۱۱ سال گذشته است. این، به ادعای من تغییر به بزرگی دریا است، تغییرعمیق دراقتصاد دنیایی است که در آن زندگی میکنیم.
اولین ژنوم انسان که متعلق به جیمز واتسون بود به عنوان نقطه عطف پروژه نقشه ژنوم انسان در سال ۲۰۰۰ ترسیم شد و ۲۰۰ میلیون دلار خرج برداشت و۱۰ سال طول کشید تا ترسیم شود خلق نقشه ژنتیکی تنها یک انسان. از آن زمان به بعد هزینه این ترسیم کاهش یافته است. در واقع در سال های اخیرکمتر شده است و به میزان قابل ملاحظه ای به حدی که حالا کمتر از۱٫۰۰۰ دلار است، و با تقریب دقیقی پیشبینی میشود که تا سال ۲۰۱۵ به کمتر از ۱۰۰ دلار برسد. ده به توان ۵ یا ۶ برابر کاهش در هزینه نقشه برداری ژنومی تنها در دوره ای ۱۵ ساله، پدیده ی بسیارعجیب. حال در روزهایی که نگارش نقشه ژنومی هزینه ملیونی یا چند صد هزاری دارد، این در واقع یک سرمایه‌گذاری تحقیقاتی بود. دانشمندان، چند نماینده از مردم را جمع میکنند و مدلها را مشاهده میکنند و سعی میکنند در مورد طبیعت انسان و بیماریها تعمیم می‌دهند، تنها از مدل انتزاعی که ازاین نمونه مشخص مردم میابند. اما وقتی ژنوم میتواند تنها با ۱۰۰ دلارنگاشته شود و یا ۹۹ دلار وقتی منتظر بمانید، تبدیل به خورده فروشی میشود. فراتر از تمام پزشکی میشود. با سرماخوردگی به پزشک مراجعه میکنید، واگر او تا آن لحظه انجام نداده باشد، اولین کاری که انجام میدهد این است که ژنوم شما را ترسیم کنند و ازاین نقطه آنچه که آنها انجام میدهند شروع از یک دانش انتزاعی ازپزشکی ژنتیکی نیست تا با کمک آن به راهکاری که برای شما کارآمد باشد برسند، بلکه آنها از نقشه ژنتیکی خودتان شروع میکنند. حالا به قدرت این مساله فکرکنید. فکر کنید که ما را به کجا خواهد برد، وقتی که بتوانیم داده های ژنومی را با داده های پزشکی و داده های تعامل داروها با داده‌های محیطی مختلف که دستگاه‌هایی مانند موبایل و سنسورهای پزشکی به طور فزاینده ای درحال جمع آوری داده هستند، ادغام کنیم. به این فکرکنید که چه میشود وقتی تمام داده ها را جمع کنیم و آنها را درکنارهم قراردهیم تا به مدلی برسیم که که قبلا ندیده ایم. این به عقیده من احتمالاً چند وقتی طول میکشد ولی این باعث انقلابی در پزشکی خواهد شد. شگفت انگیزه، خیلی از مردم راجب به آن صحبت میکنند.
ولی چیزی هاست که خیلی مورد توجه قرارنگرفت. چگونه این الگوهای به اشتراک گذاری عظیم در بین تمام انواع پایگاه داده قابل سازگاری با مدلهای کسب و کار موسسات و سازمان‌ها و بنگاه‌ها که امروز درحال فعالیت هستند؟ اگر کسب و کار بر اساس داده های تخصصی باشداگر مزیت رقابتی شما بر پایه داده شما تعریف میشود، این شرکت یا این جامعه چگونه خواهد توانست ارزشی را به دست آورد که به تکنولوژی ملزوم باشد؟ آنها نمیتوانند.
پس در اصل آنچه اینجا اتفاق میفتد و ژنوم یک مثال از آن است این است که تکنولوژی مقیاس طبیعی فعالیت ها را به سمت فرای مرزهای موسساتی میبرد که ما عادت کرده ایم در چارچوب آن فکر کنییم و مشخصاً فرای مرزهای موسساتی که برپایه آنها استراتژی کسب و کار به عنوان نظام، فرمول بندی شده است. داستان پایه‌ی اینجا این است که آنچه ما عادت کردیم به صورت عمودی متصل به هم ببینیم، رقابت انحصاری چند جانبه در بین سایر رقیبان درواقع مشابه، به واسطه خودشان یا دیگری از یک ساختار عمودی به یک ساختار موازی در حال تکامل هستند. چرا این اتفاق میفتد؟ به این دلیل که هزینه معامله در حال کاهش است و مقیاس در حال قطبی شدن است. کاهش هزینه معاملهاستحکام زنجیره ارزش را سست‌تر می‌کند. و فرصت جدا شدن را به آنها داده است. قطبی شدن صرفه جویی به مقیاس به سمت میزان بسیار کوچکی – کوچک زیباست – منجربه اجتماعات مقیاس پذیرمیشود تا جایگزین تولید سنتی شرکتها شوند. این مقیاس گذاری درجهت مخالف و به سمت موضوعاتی مانند داده‌های کلان، ساختار کسب و کار را به سمت گونه جدیدی از موسسات میبرند که میتواند به آن مقیاس برسند. ولی در هر حالت ساختار عمودی متداول را به سمت بیشتر موازی شدن میبرد.
استدلال تنها در مورد کلان داده ها نیست. اگر برای مثال به صنعت مخابرات نگاه کنیم داستان مشابه‌ی درزمینه فیبرنوری وجود دارد. اگر به صنعت داروسازی نگاه کنیم، یا تحقیقات دانشگاه مرتبط به آن نگاه کنیم، داستان کاملا مشابهی را در مورد به اصطلاح “کلان دانش” میتوانیم شرح دهیم. و در جهت مقابل اگر نگاه کنیم به مسائل بخش انرژی که تمام بحثشان این است که چگونه خانه ها به تولید کننده کارآمد انرژی های سبز، ومحافظین کارامد انرژی تبدیل شوند. این در واقع پدیده ای معکوس است. این خرد کردن مقیاس است. چون این واحدهای بسیار کوچک میتوانند جایگزین شرکت های بزرگ شوند.
در هر جهت، ما به سمت این موازی شدن چارچوب صنایع پیش می رویم، واین بیان کننده تغییری اساسی در اینکه ما چگونه به استراتژی بیاندیشیم است. این به این معناست که برای مثال ما باید به استراتژی به عنوان گزینش از این ساختارهای موازی نگاه کنیم که درآن مسایلی مانند مفهوم استراتژی کسب و کار و حتی مفهوم خود صنعت در واقع محصول استراتژی هستند و نه آنچه که استراتژی پیش فرض میگیرد.این به این معنی است که برای مثال ما به دنبال راهکاری برای تعامل و رقابت همزمان باشیم. به ژنوم فکر کنید. ما باید به سازگاری خیلی بزرگ و خیلی کوچک همزمان بیاندیشیم. و ساختار صنعتی را میخواهیم که انگیزهای بسیار بسیار متفاوتی را پذیرا باشد. از انگیزهای افراد غیرحرفه ای در جوامع تا شاید انگیزه های اجتماعی از زیرساخت های تحت نظر دولت ها و یا موسسات همکار وابسته به سایرشرکتها که در شرایط دیگربا هم رقابت می کردند. زیرا این تنها راهی است که آنها به مقیاس برسند.
این نوع از دگرگونی‌ها که از محل سنتی استراتژی کسب و کار ارائه میشوند منسوخ شده اند. اینها ما را به دنیای کاملاً جدیدی میبرند. و احتیاج دارند که ما، چه در بخش دولتی وچه دربخش خصوصی باشیم، نگاه بسیاراساسی و متفاوتی به چارچوب کسب و کار داشته باشیم و این در نهایت استراتژی را دوباره جالب خواهد ساخت.
همانگونه که در تعاریف گوناگون داده کاوی مشاهده می شود ، تقریبا در تمامی تعاریف به مفاهیمی چون استخراج دانش ، تحلیل و یافتن الگوی بین داده ها اشاره شده است .azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com