دانش محوري

مديريت اطلاعات شبكه‌هاي اجتماعي در عصر كلان داده (Big data)

در طي پانزده سال اخير، شبكه‌هاي اجتماعي كه چيزي بي‌سابقه بودند، به يك ويژگي همه‌گير در دنياي مدرن تبديل شده‌اند.
داده‌هاي نظرسنجي تحقيق پيو (Pew) بر روي استفاده از شبكه‌هاي اجتماعي نشان مي‌دهد كه اين پلتفرم‌ها به چه ميزان جهاني شده‌اند. گزارش شده است كه ميانگين بزرگسالان آمريكايي از بين هشت پلتفرم معروف، حداقل از سه تاي آنها به‌طور منظم استفاده مي‌كنند.
داده‌هاي توليد شده از طريق شبكه‌هاي اجتماعي، با وجود كاربران فراوان، فرصت‌هاي بسياري را به شركت‌هايي با استراتژي‌هايي در محل براي مديريت كلان داده‌هاي بدون ساختار، ارائه مي‌دهد.

داده‌هاي شبكه‌هاي اجتماعي

كاربران شبكه‌هاي اجتماعي همانند ديگر كاربران به طور مداوم با جنبه‌هاي مختلفي از هر پلتفرم مواجه مي‌شوند. هركس از اين تعاملات يك مقدار داده‌ي قابل اندازه‌گيري مي‌سازد كه قابليت پيگيري، تقسيم و تجزيه و تحليل براي بينش‌ها را دارد.
داده‌هاي شبكه‌هاي اجتماعي مرتباً رفتار كاربر را ثبت مي‌كنند. اين امر به شركت‌ها اجازه مي‌دهد تا استراتژي‌هاي مشاركتي بسازند كه به آنها در ارتقاي تجارت‌شان كمك مي‌كند.
يكي از مزاياي اصلي اين داده‌ها اين است كه به سادگي مقدار زيادي از آنها را بدست خواهيد آورد. رقم سرسام‌آور ۲.۶۲ بيليون كاربر كه در سال ۲۰۱۸ از برخي از پلتفرم‌هاي شبكه‌هاي اجتماعي استفاده مي‌كردند. انتظار مي‌رود كه اين رقم تا سال ۲۰۲۱ به ۳ بيليون برسد. فيس بوك، محبوب‌ترين پلتفرم شبكه‌ي اجتماعي تابه‌حال، به تنهايي كمي بيشتر از ۲ بيليون كاربر فعال دارد.
داده‌هاي توليد شده با اين پلتفرم‌ها نه تنها وسيع هستند بلكه يك نگاه اجمالي از آنچه كاربرها در حال انجام هستند، ارائه مي‌دهند.
شركت‌ها به جاي اينكه منتظر گزارش‌هاي سالانه يا فصلي از رفتار مشتريان باشند مي‌توانند گرايش‌ها و واكنش‌ها را به محض اتفاق دنبال كنند.

سنجه‌هاي عملكرد

به طور طبيعي، داده‌هاي شبكه‌هاي اجتماعي شامل سنجه‌هاي مختلفي مي‌شوند كه به راحتي قابليت جمع‌آوري دارند:
·       پسنديدن‌ها (Likes)
·       به اشتراك‌گذاري‌ها (Shares)
·       نام بردن (Mentions)
·       اثرگذاري‌ها (impressions)
·       كليك‌هاي URL
·       نظرات (comments)
·       استفاده از هشتگ
·       استفاده از كلمات كليدي
قطعاً بسياري از اين مقادير داده بدون انواعي از محتوا، بي‌معني هستند. استراتژي‌هاي شبكه‌هاي اجتماعي اوليه بر روي سنجه‌هاي «پوچي» تمركز كرده بود؛ مانند تعداد دنبال كنندگان (follower) و مشاركت‌هاي سطحي در پسنديدن يا به اشتراك‌گذاري.
مشكل اين سنجه‌ها اين است كه نتيجه‌گيري عملي از آنها بدون تحليل و بررسي‌هاي اضافي سخت است. داشتن دنبال كنندگان زياد در يك پلتفرم عملاً به معناي موفقيت در كسب‌وكار نيست.

مديريت داده‌هاي بدون ساختار

با وجود اينكه تجزيه و تحليل‌هاي كلان داده اغلب با ديگر صنايع داراي داده‌هاي سنگين مانند مراقبت‌هاي بهداشتي مرتبط است، ولي اين را براي شركت‌ها ممكن ساخته است كه بينش‌هايي بامعني از سنجه‌هاي عملكرد شبكه‌هاي اجتماعي بيرون بكشند.
گرچه شبكه‌هاي اجتماعي داده‌ي ساختارمند فراواني در ارتباط با كاربران تهيه مي‌كنند (اطلاعات پايه‌اي مانند نام، آدرس الكترونيك، جنسيت و غيره) ولي اكثريت قريب به اتفاق آنها، بدون ساختارند. به اين معني كه با هيچ نوع بخصوصي سازگار نيستند و تقريبا مي‌توانند شامل هر اطلاعاتي باشند. از آنجا كه حدود ۸۰ درصد همه‌ي داده‌هاي توليد شده بدون ساختارند، اين نبايد جاي تعجب داشته باشد.
روش شناسي‌هاي كلان داده با استفاده از الگوريتم‌هاي قدرتمند به شركت‌ها اجازه مي‌دهد تا اين داده‌ها را به شكلي موثرتر مديريت كنند. اكثر پلتفرم‌هاي شبكه‌هاي اجتماعي شكلي از ابزارهاي تجزيه و تحليل ارائه مي‌دهند كه ايجاد محتوا براي ديگر كلان داده‌هاي بدون ساختار و گسترده را تسهيل مي‌كند.
اين امر براي توسعه و بهبود استراتژي شبكه‌ي اجتماعي كمك‌كننده است ولي تنها خراشي بر پوشش گنجينه‌ي بينش‌هاي پنهان در داده‌هاي شبكه‌هاي اجتماعي ايجاد مي‌كند.

داده كاوي

داده‌هاي بدون ساختار فراتر از سنجه‌هاي عملكرد و مشاركت را در بر مي‌گيرند. فايل‌ها، تصاوير، ويديوها، فايل‌هاي صوتي، نظرات و پيام‌هاي به اشتراك گذاشته شده، همه نوعي داده‌ي بدون ساختار هستند. زماني كه كاربران در يك پلتفرم شبكه‌ي اجتماعي چيزي را منتشر مي‌كنند، نگاهي اجمالي از زندگي‌شان را در معرض ديد قرار مي‌دهند.
اين اطلاعات براي جستجوي سازمانها جهت توسعه‌ي توليدات و خدماتي كه پاسخگوي نياز مشتريان‌اند و سطوح درد مخاطبان هدف را مورد توجه قرار مي‌دهند، ارزشمندند.
در واقع مشخص كردن مخاطبان هدف هم چالشي است كه امكان حل آن از طريق تجزيه و تحليل رفتار كاربر در پلتفرم‌هاي شبكه‌هاي اجتماعي به صورت بالقوه وجود دارد.
ولي با بيش از دو بيليون كاربر كه از شبكه‌هاي اجتماعي استفاده مي‌كنند، اطلاعات بسيار زيادي براي تجزيه و تحليل وجود دارد. اوضاع زماني بدتر مي‌شود كه درصد بالايي از اين داده‌هاي بدون ساختار، پارازيت باشند.
اينجاست كه ابزارهاي تحليل و بررسي كلان داده تغذيه شده توسط هوش مصنوعي و يادگيري ماشيني براي سازمانها ارزشمند مي‌شوند. اين برنامه‌ها مي‌توانند بيليون‌ها تكه‌ي اطلاعات را به منظور استخراج بينش‌هاي بامعني در مورد مشتريان سازمانها تجزيه و تحليل كنند.
به عنوان يك مثال قابل توجه كلان داده، مطالعه‌ي استفاده از توييتر در متروي لندن به مدت يك سال، محتواي توييت‌‌ها را در زمان‌هاي خاصي از روز تجزيه و تحليل كردند و نتايج را با استفاده از ويژگي نشانه‌گذاري جغرافيايي (geotagging) پلتفورم، ارجاع متقابل دادند تا مشخص كنند كجا، كِي و كدام كاربران در اين باره پست گذاشته‌اند. نتايج منجر به توصيه‌اي از سوي محققان شد كه چه نوع تبليغاتي بايد بر روي بيلبوردهاي ديجيتال گردان هر ايستگاه در ساعات مختلف روز نمايان شوند تا تاثيرگذاري‌شان به حداكثر برسند.
اين تنها يكي از نمونه‌هاي كلان داده است كه نشان مي‌دهد داده‌هاي شبكه‌هاي اجتماعي چگونه مي‌توانند اطلاعاتي عملي ارائه دهند. همين فناوري‌هاي داده كاوي مي‌توانند به شركت‌ها كمك كند تا محصولات و خدمات بهتري توليد كنند.
تقاضاهاي ثابت براي ويژگي‌هاي جديد بر روي يك محصول يا شكايات از يك خدمت مي‌توانند رهنمودي براي محققان و مهندسان باشند كه با كار جدي‌تر تجربيات بهتري براي مشتري به ارمغان آورند.

راه‌حل‌هاي چندگانه

كلان داده به دليل مقادير عظيم ذخيره‌سازي و قدرت محاسباتي مورد نياز براي اجراي برنامه‌هاي قدرتمند تجزيه و تحليل، بيشتر شركت‌ها را با چالش روبه‌رو كرده است.
خوشبختانه مراكز داده‌ي اشتراك فضا (colocation) از توانايي‌هاي ارتباطي برخوردارند تا براي ساخت شبكه‌هاي ابري چندگانه به شركت‌ها كمك كنند تا سرورهاي آنها را با قدرت محاسباتي مقياس‌پذير پلتفرم‌هاي خدمات ابري كامل كنند.
اين خدمات به سازمانها اجازه مي‌دهد تا انواع داده‌هاي بدون ساختارشان را موثرتر مديريت كنند، امنيت و كنترلي را كه براي زيرساخت‌هايشان نياز است، حفظ كنند در حالي كه ابزارهاي قدرتمند تجزيه و تحليل پيشنهاد شده توسط بسياري از خدمات پايه‌ي ابري را در دسترس آنها قرار مي‌دهند.
همانطور كه داده‌هاي شبكه‌هاي اجتماعي پيچيده‌تر مي‌شوند، شركت‌ها نياز پيدا مي‌كنند تا راه‌هاي مديريت اين اطلاعات مختلف را بهبود بخشند. آنها با تنظيم شبكه‌هايي كه مي‌توانند تجزيه و تحليل كلان داده را تسهيل كنند، مي‌توانند بينش‌هاي عملي را سريع‌تر از قبل دريافت كنند. اين امر به آنها اجازه مي‌دهد تا استراتژي‌هاي انعطاف‌پذير را به منظور بهبود پاسخگويي به نيازهاي مشتري‌شان توسعه دهند.
مراكز داده مي‌توانند به شركت‌ها در ايجاد اين شبكه‌ها كمك كنند و با گزينه‌هاي اتصال به هم و گسترش‌هاي مبتكرانه‌ي فضاي ابري چندگانه، آنها را قادر به دگرگوني ديجيتال كنند.

 منبع: گروه پژوهشي سلام علم