استفاده عاقلانه از داده های موجود
آبل سانچز محقق دانشگاه ماساچوست در گفنت و گویی اذعان داشت : دادهها میتوانند منجر به تصمیمات تجاری بهتر شوند. این یک نگاه جدید یا شگفتانگیز نیست، اما همانطور که سانچز میگوید، مردم هنوز به احساساتشان عمل میکنند. بخشی از مشکل این است که آنها نمیدانند با دادههای موجود خود چه کار کنند و معمولاً دادههای فراوانی در دسترس است. بخشی از این مشکل این است که اطلاعات زیادی از منابع مختلف تولید میشوند. ما به محض بیدار شدن و روشن کردن تلفن همراه یا روشن کردن ماشین، در جریان نرم افزار های در حال اجرا قرار میگریم که اطلاعات را به سرعت منتقل میکنند. اما به دلیل پیچیدگی آنها، “برتری نسبت به انسانها “، ما از درک آن ، همچنین استفاده بهینه از آن عاجزیم.
به عنوان مثال ، هنگامی که فردی روی برنامه برای سفر کلیک میکند، مدلهای پیشبینی با نرخ ۱ میلیون در ثانیه شروع به کار میکنند. همه این کار برای بهینهسازی سفر است و عواملی نظیر برنامههای مدرسه، وضعیت جادهها، ترافیک و نقاط در دسترسی راننده را در نظر میگیرد. این حجم اطلاعات و پردازش دقیق بسیار مفید است اما چگونه این اطلاعات به انسان سود میرساند.
راهحل نیاز به چندین مؤلفه دارد. یکی از آنها روش جدیدی برای ذخیره داده است. در گذشته، کتابخانه “کامل” ایجاد میشد که بسیار ساختارمند بود. پاسخ به آن ایجاد “دریاچه داده” بود که تمام اطلاعات در آن قرار میگرفت و به طوری یا دیگر افراد قادر به درک آن میشدند. “این نیز شکست خورد”.
سانچز میگوید که اطلاعات به یک روش خاص با وب جهانی مورد استفاده و سازماندهی قرار گرفته است. زنجیرهبندی فرصتی برای انعطافپذیری و بهرهوری بیشتر با ارائه این فرصتی برای داشتن هویت است، میبایست یک هماهنگی میان عناصر بازیگر مانند IOT و CLOUD و AI اتفاق بی افتد .
یکی از مثالهای استفاده از ظرفیت زنجیرهبندی در بیمارستانها است. در ایالات متحده، بیمارستانها خصوصی هستند و اطلاعات باید به طور مداوم از دکترها، شرکتهای بیمه، آزمایشگاهها، نظارتکنندگان دولتی و شرکتهای دارویی جمعآوری شود. این منجر به تکرار مراحل برای انجام کارهایی به سادگی مانند تشخیص هویت یک بیمار میشود که غالباً نمیتوان در این مورد توافق کرد. با زنجیرهبندی، این موجودیتهای مختلف میتوانند با استفاده از کد منبع باز کنسرسیومی ایجاد کنند و به سرعت و آسانی هویت یک بیمار را تشخیص دهند زیرا یک توافق را برقرار کردهاند و با آن “سطح تلاش را کاهش میدهند”. این یک مرحله تدریجی است، اما میتوان بر آن ساخت و هزینه و ریسک را کاهش داد.
مثال دیگر – “یکی از بهترین مثالها”، به نقل از سانچز – آنچه در اندونزی انجام شد است. بیشتر برنج، ذرت و گندم مورد استفاده در این منطقه از مزارع صاحبان کوچک تولید میشود. برای افرادی که وام میدهند، هزینه برای درک ریسک کشت این زمینها گران است. این مشکل را تشدید میکند که این کشاورزان هویتهای صادرشده توسط دولت یا سوابق اعتباری ندارند، بنابراین “به معنایی اقتصاد مدرنی وجود ندارند”، او میگوید. آنها به وام دسترسی ندارند و بانکها از مشتریان خوبی محروم میشوند.
با استفاده از این پروژه، زنجیرهبندی به مردم محلی اجازه میدهد اطلاعات درباره مزارع را در تلفن همراه خود جمعآوری کنند. بانکها میتوانند اطلاعات را دریافت کرده و با توکن به افراد پاداش بدهند تا کار را تشویق کنند. بانک میتواند قابلیت اعتباری مزارع را ببیند و کشاورزان ممکن است وام منصفانهای دریافت کنند.
منبع : https://news.mit.edu