شرکتهای تکنولوژی چگونه از دادههای کاربران بهره میبرند؟
ديجي کالا/ «اليزابت» براي اينکه بتواند مشتري موردنظر را ملاقات کند، به گوگل مپ سر ميزند تا بهترين مسير را براي رسيدن به مقصد مشاهده کند و ميبيند که بهترين راه، استفاده از تاکسي است. به همين خاطر او با استفاده از سرويس تاکسي اينترنتي اوبر، يک ماشين درخواست ميکند و در حال حرکت براي مشتري ايميل ميفرستد که بهزودي به محل قرار ميرسد. در ضمن براي اينکه اين ديدار لذتبخشتر شود، با بهرهگيري از سرويس DoorDash غذا هم سفارش ميدهد. اگرچه انجام اين کارها براي بسياري از کاربران بسيار عادي است، اما در عرض همين چند دقيقه، «اليزابت» داده هاي ارزشمندي را در اختيار ۴ سرويس مختلف قرار داده است که با بهرهگيري از اين اطلاعات ميتوانند رفتار کاربران را بهتر درک کنند و در نتيجه ميتوانند محصولات بهتري را توسعه دهند. اما اليزابت فقط يکي از ميليونها کاربري است که داده هاي خود را مرتبا در اختيار شرکتها قرار ميدهد. اين روزها مرتبا از اهميت فزاينده داده ها ميشنويم و ميخوانيم. کمپانيها بيش از پيش به استفاده از نظرسنجي و تعبيه رهگير در مناطق مختلف سايتها و اپليکيشنها روي آوردهاند تا بتوانند از تکتک فعاليتهاي کاربران خبردار شوند. اما چرا داده ها اينقدر اهميت دارند و کمپانيها با استفاده از آنها چه کارهايي انجام ميدهند؟ در کنار دادههاي معمولي مانند نتايج نظرسنجي، ما با «کلان داده» (Big Data) روبرو هستيم که فقط کامپيوترها ميتوانند الگوها و روندهاي موجود در آنها را تشخيص بدهند. به همين خاطر، روزبهروز به اهميت کلان داده ها افزوده ميشود و شرکتها با بهرهگيري از رويکردهاي مختلف ميتوانند الگوهاي استفاده کاربران را تشخيص بدهند و محصولاتي را توليد کنند که حتي کاربران هم نميدانستند به چنين محصولاتي نياز دارند. در نهايت سوالي که مطرح ميشود اين است که کمپانيها در چه حوزههايي از داده هاي ما استفاده ميکنند؟ تبليغات گوگل، آمازون و فيسبوک اگرچه در نگاه بسياري از کاربران سرويسهاي اينترنتي محسوب ميشوند، اما در اصل آنها آژانسهاي تبليغاتي هستند. با توجه به لينکهاي متعددي که در سرتاسر فضاي وب وجود دارد، رهگيرها-يا کوکيها-ميتوانند جزييات وبگرديها و جستجوهاي ما را زير نظر بگيرند. اين نوع داده ها در اختيار الگوريتمهاي بسيار پيچيدهاي قرار ميگيرد تا بتوانند متناسب با جزييات فعاليتهاي ما، بهترين تبليغات را انتخاب کنند. بهعنوان مثال اگر در اينترنت به دنبال گوشي باشيد، چنين الگوريتمهايي مثلا تبليغات مربوط به تخفيف در خريد گوشي يا کيس محافظ اين گجتها را نمايش ميدهند. افرادي که به دنبال خريد ماشين هستند، شايد با تبليغات مربوط به بيمه اتومبيل روبرو شوند. تبليغات هدفمند نسبت به تبليغات سنتي مانند بيلبوردها بسيار بهينهتر هستند و تبليغات موردنظر را تنها براي افرادي نمايش ميدهند که خواستار ديدن آنها هستند و با اين کار، احتمال نتيجهبخش بودن چنين تبليغاتي تا حد زيادي افزايش مييابد. عمليات از ديگر موارد استفاده از داده ها ميتوان به افزايش بهرهوري عمليات در شرکتها اشاره کرد و بهترين مثال مربوط به اين موضوع، کمپاني آمازون است. شرکت «جف بزوس» (Jeff Bezos) پتنت يک مدل پيشبيني مربوط به ارسال کالا را ثبت کرده که با بهرهگيري از داده هاي جمعآوري شده، ميتواند سفارش محصولات از طرف کاربران را پيشبيني کند. اين يعني مثلا قبل از افزايش ناگهاني درخواست براي لباسهاي زمستانه در منطقه سردسير، آمازون ميتواند اين افزايش درخواست را پيشبيني کند و محصولات موردنظر را به انبارهاي محلي بفرستد تا بعد از سفارش، خيلي زود به دست مشتري برسند. آمازون با بهرهگيري از داده ها ميتواند زمان ارسال کالا و هدر رفتن اين موارد را کاهش دهد و در نهايت درآمد بيشتري کسب کند. تبديل داده به پول بسياري از غولهاي اينترنتي، زيرساختهاي مربوط به بخشهاي مختلف اين حوزه را تأمين ميکنند. آمازون Amazon Web Services را ارائه ميدهد که ۴۰ درصد از سرورهاي فضاي اينترنت را در اختيار دارند. گوگل هم علاوه بر ارائهي سرورها، با بهرهگيري از موتور جستجو و انواع و اقسام اپليکيشنها، سايتهاي مختلف را به هم وصل ميکند و با اين کار داده هاي ارزشمندي را کسب ميکنند. آمازون و گوگل الگوريتمهايي را توسعه دادهاند که بتوانند کلان داده ها را هضم و نتايج نهايي را به مشتريان بفروشند تا آنها بتوانند با اين اطلاعات دريافتي درآمد خود را افزايش دهند. براي کاربران عادي، کسب درآمد از طريق فروش داده چندان قابل هضم نيست ولي بايد بگوييم که سرويس پردازش ابري آمازون در سهماهه نخست ۲۰۱۹ نيمي از کل سود اين شرکت را تشکيل داده و همين موضوع، اهميت فزاينده سرويسهاي مبتني بر داده را نشان ميدهد. هوش مصنوعي اگرچه اوبر در حال حاضر براي سودآور شدن با چالشهاي زيادي دست و پنجه نرم ميکند، ولي دادههايي که نصيب اين شرکت ميشوند ميتوانند اين مشکل را در بلندمدت حل کنند. هر روزه در سرتاسر جهان، ميليونها کاربر اوبر اطلاعات ارزشمندي را در اختيار اين شرکت قرار ميدهند؛ اطلاعاتي مانند اينکه اين افراد عمدتا به چه مکانهايي ميروند، هر سفر چقدر طول ميکشد و حدودا چه مقدار براي تاکسي اينترنتي هزينه ميکنند. اگرچه اين سفرها بهخودي خود سود چنداني براي اوبر به ارمغان نميآورند، اما اين اطلاعات گسترده ميتوانند براي آزادسازي پتانسيل يادگيري ماشيني و در نهايت هوش مصنوعي، مثمر ثمر واقع شوند. چنين اطلاعاتي ميتواند به اوبر کمک کند که مغز اتومبيلهاي خودران را شکل بدهد و اين نوع اتومبيلها با بهرهگيري از اين دادهها ميتوانند سليقههاي کاربر را بشناسند و وضعيت راهها را ياد بگيرند. علاوه بر اين، بهرهگيري از اتومبيلهاي خودران به معناي کنار رفتن رانندگان است. چنين اتومبيلهايي کمتر تصادف ميکنند، بهينهتر حرکت ميکنند و در ضمن اعتراضي هم نسبت به وضعيت خود مطرح نميکنند. به همين خاطر شرکتهايي مانند اوبر آيندهي درخشاني دارند ولي اين آينده درخشان براي رانندگان اصلا خوشايند نخواهد بود. نگرانيهاي امنيتي زماني که بيشتر کلان داده ها در دست فقط چند شرکت انگشتشمار قرار دارد، اين يعني چارهاي جز اعتماد به آنها نداريم. اگر اين اطلاعات بسيار پراکنده در دست شرکتهاي متعددي قرار داشت، نگرانيهاي کمتري ايجاد ميشد ولي حالا که چند شرکت به سابقه جستجوها، خريدها، تماشاي ويديوها، مکانهايي که ميرويم، افرادي که با آنها صحبت ميکنيم و بسياري موارد ديگري دسترسي دارند، نگرانيهاي زيادي به وجود ميآيد. شرکتهايي مانند گوگل و فيسبوک بيشتر خدمات خود را بهصورت رايگان ارائه ميدهند و در عوض داده هاي ما را جمعآوري ميکنند، به همين خاطر اگر خواستار بهرهگيري از سرويسهاي آنها هستيم، با اين موضوع هم بايد کنار بياييم. نگرانيهاي مربوط به از بين رفتن شغلها در دنياي تکنولوژي محور، داده همان ماده خامي است که همه بهدنبالش ميگردند. اما همانطور که زغالسنگ جايگزين برخي از کارهايي شد که با دستان خود انجام ميداديم، محصولات مبتني بر داده هم چنين کاري انجام خواهند داد. هوش مصنوعي با بهرهگيري از دادههاي گسترده، ميتواند بسياري از تصميمها را بهتر از هر انساني اتخاذ کند. شرکتها به دنبال بهرهوري بيشتر و افزايش درآمد خود هستند و به همين خاطر اتوماسيون گام بعدي براي انواع و اقسام شرکتها است. در اين ميان، انسانها ميتوانند با متخصص شدن در زمينههايي که تا اطلاع ثانوي کامپيوترها نميتوانند آنها را کنار بزنند، آينده شغلي خود را تضمين کنند. اگرچه هنوز با چنين آيندهاي فاصله داريم، ولي چه بخواهيم و چه نخواهيم چنين آيندهاي زودتر از آنچه که فکرش را ميکنيد سر ميرسد.