اقتصاد داده‌محور در خاموشی ارتباطی؛ صدای سکوت بلندتر شنیده می‌شود

به‌گزارش پیوست، وقفه‌های طولانی‌مدت دسترسی به اینترنت در بستر اقتصاد دیجیتال ایران بی‌بروبرگشت روند رصد تا تبدیل به ارزش داده‌های کاربران را متاثر کرده است. این موارد هرچقدر هم مدیریت شود و بهینه‌سازی صورت گیرد همچنان با پیامدهایی چون کاهش دقت در خروجی الگوریتم‌ها، ضعف در پیش‌بینی‌ها، اتکا بیشتر به تصمیمات غیرواقعی مواجه است و می‌تواند موجب  دور شدن تدریجی کسب‌وکارها از مدل داده‌محور شود.

بررسی‌ها نشان می‌دهد قطعی‌ اینترنت در کشورهای مختلف میلیاردها دلار خسارت اقتصادی به‌ثبت رسانده و تجارت دیجیتال، خدمات مالی و آموزشی را ناپایدار کرده است. مطالعه Brookings Institution برآورد کرده که قطعی یک روز اینترنت می‌تواند به‌اندازه وارد شدن خسارتی ۱۰ الی ۳۰ میلیون دلاری روی اقتصاد باشد.

اما شدت و عمق این آسیب‌ها در هر بازار، منطقه و اقتصاد کشور متفاوت است و در بازار دیجیتالی ایران که هنوز به حد وحدودی که تعیین شده بود نرسیده و چند قدمی فراتر از گذشته نرفته، پررنگ‌ترست.

سوخت خام اقتصاد دیجیتال

اقتصاد داده‌محور(Data-driven Economy) به اقتصادی گفته می‌شود که داده‌های رفتاری کاربران مبنای اصلی تصمیم‌گیری،‌ خلق ارزش و درآمدزایی قرار می‌گیرد. در این مدل اقتصادی، داده‌های کاربران مانند «نفت خام» در اقتصاد صنعتی است که پس از پردازش، ارزش اقتصادی به‌وجود می‌آورد.

گزارش سالانه اقتصاد دیجیتال آنکتاد(۲۰۲۳) اشاره می‌کند که «داده» از مهم‌ترین دارایی‌های اقتصادی جهان شناخته شده و «جریان داده‌های کاربر» یکی از عوامل اصلی رشد اقتصاد دیجیتال است.

اقتصاد داده‌محور در عصر امروز به یکی از پیشران‌های اصلی اقتصاد دیجیتال تبدیل شده و بسیاری این داده‌ها را به‌عنوان «دارایی کلیدی قرن بیست و یکم» توصیف می‌کنند.

بررسی‌های «مؤسسه بین‌المللی داده» نشان می‌دهد حجم داده جهانی تا سال ۲۰۲۵ به حدود ۱۷۵ زتابایت(واحد شمارش داده) رسیده است. عددی که بیانگر کارکرد مهم و اثرگذار داده در فرآیند تولید، گردش و تحلیل است. همانطور که اشاره شد این داده است که به شرکت‌ها و نهادها توانایی فهم بازار،‌ پیش‌بینی تقاضا و طراحی مدل‌های رشدمحور را می‌دهد.

اهمیت استفاده از داده در سازوکار شرکت‌های فناورمحور و استارت‌آپی، دیگر از یک ابزار عبور کرده و تقریبا به یک الزام درآمده است. ارتقای جایگاه این عامل در درآمدزایی به‌این سبب افزایش یافته که ورودی داده به‌صورت مستقیم منجر به ارزش اقتصادی می‌شود. براساس مطالعات مکنزی شرکت‌هایی که از تحلیل پیشرفته داده استفاده می‌کنند تا ۲۳ برابر از امکان بیشتری برای جذب مشتری جدید برخوردارند و تا ۶برابر احتمال نگهداشت مشتریانشان افزایش می‌یابد. نمونه بارز این مدل کسب‌وکاری آمازون است که ۳۵ درصد فروش این شرکت از مسیر تحلیل داده می‌گذرد. این مثال نشان می‌دهد که داده تنها یک سرمایه یا ابزاری برای شناخت بازار نیست بلکه به‌عنوان موتور محرک فروش هم کاربرد دارد.

از زاوایه‌‌ای دیگر می‌توان گفت اهمیت داده اینگونه آشکار می‌شود که  شرکت‌ها با بررسی این اطلاعات بازار را شناخته و آگاهانه‌تر قیمت‌گذاری می‌کنند. به‌عبارتی با شخصی‌سازی کردن تجربه کاربران در بسترهای دیجیتالی، صفر تا صد فرآیند تولید تا ارائه، موثرتر، دقیق‌تر و نزدیک‌تر به هدف صورت می‌گیرد.

طبق گزارش سودهای دیجیتال بانک جهانی، جریان پایدار داده در سطح کلان و در مقیاس ملی می‌تواند به ایجاد مزیت منجر شود. کشورهایی که این روند را مستمر و بدون اختلال در اختیار دارند در زمینه‌های نوآوری، بهره‌وری و جذب سرمایه دیجیتال از مزیت رقابتی بیشتری برخوردارند. نتایج گزارش سودهای دیجیتال (Digital Dividends) نشان می‌دهد که دیجیتالی شدن و استفاده موثر از داده می‌تواند بهره‌وری اقتصادی کشورها را بین ۲۰ الی ۲۵ درصد افزایش دهد.

یک رفتار، چند تصمیم

جمع‌آوری داده کاربران از پلتفرم‌ها و شبکه‌های اجتماعی به‌طور معمول در سه لایه داده‌های رفتاری، داده‌های تراکنشی و داده‌های زمینه‌ای صورت می‌گیرد.

داده‌های رفتاری عموما کلیک‌ها، جست‌وجوها، مدت زمان استفاده کاربر از شبکه، مسیر حرکت کاربر در پلتفرم و علایق و محتواهای مورد توجه کاربر را شامل می‌شود.

به مجموعه داده‌های مربوط به خرید، پرداخت، سفارش، روزرو و اطلاعات مالی یک کاربر داده‌های تراکنشی می‌گویند. موقعیت زمانی و مکانی، نوع دستگاه و نوع اتصال کاربر هم در زمره داده‌های زمینه‌ای قرار می‌گیرد.

برای نمونه هنگامی که یک کاربر در یک سایت، محصولی را مشاهده می‌کند اما خریدی انجام نمی‌دهد، این رفتار به‌عنوان یک داده ثبت می‌شود. این داده به شرکت صاحب سایت اطلاع می‌دهد تا مطابق با آن محصول، پیشنهاداتی مشابه را برای کاربر ارسال کند یا با اعمال تغییراتی در قیمت یا نوع ارائه، همان محصول را مجددا در معرض دید مشتری بالقوه قرار دهد. بدین ترتیبت با استفاده از این داده‌ رفتاری، مجموعه تصمیماتی اتخاذ می‌شود که می‌تواند احتمال به‌فروش رسیدن محصولات را افزایش دهد. یا در مثالی دیگر تمامی اطلاعات مربوط به سفرها، پرداخت‌ها و ترتیب زمانی استفاده از پلتفرم تاکسی‌ آنلاین در قالب مجموعه اطلاعاتی ذخیره می‌شود. اگر کاربری به‌صورت مرتب سفرهای کوتاه و ارزان انجام دهد این داده به پلتفرم کمک می‌کند تا تخفیف و پیشنهادات ویژه‌ای برای سفرهای بعدی ارائه کند.

شرکت‌ها برای استفاده و تحلیل این داده‌ها از ابزارهایی مانند الگوریتم‌های یادگیری ماشین، تحلیل رفتار کاربر، مدل‌های پیش‌بینی خرید و سیستم‌های پیشنهاددهنده استفاده می‌کنند.

الگوریتم‌های یادگیری ماشین، تحلیل رفتار کاربر(UBA) و مدل‌های پیش‌بینی‌ شده رفتار، داده‌های زمینه‌ای کاربران را تحلیل می‌کند. این ابزارها از طریق تکنیک‌هایی مانند کلاسترینگ(خوشه‌بندی در داده‌کاوی)، طبقه‌بندی و پیش‌بینی از داده‌های موجود یک الگویی استخراج کرده و براساس آن اقدامات بعدی کاربر را پیش‌بینی می‌کنند و حدس می‌زنند. همچنین سیستم‌های مبتنی بر یادگیری ماشین با تحلیل داده‌های زمانی و مکانی و دستگاه کاربر مجموعه اطلاعاتی را گردآوری می‌کنند که می‌تواند مبنای تصمیم‌گیری برای ارائه تجربه کاربری بهتر و شخصی‌سازی‌تر شده‌ای باشد. این فرآیند منجر می‌شود تا کسب‌وکارها تصمیمات استراتژیک مبتنی بر داده بگیرند و تعاملات و نرخ تبدیل را بهبود ببخشند.

در پایان این مراحل، پیشنهادی که به کاربر ارائه می‌شود بیشتر به یک محتوای شخصی‌سازی شده شباهت دارد که این موضوع می‌تواند روی جلب توجه و اعتماد کاربر به‌طرز جدی نقش داشته باشد. حضور کاربر در چنین بستری موجب به ترغیب و تشویق کاربران به استفاده از خدمات و محصولات شرکت ارائه‌دهنده می‌شود. علاوه‌بر خود محتوا، اطلاعات دردست از کاربر نیز به قیمت‌گذاری پویا منجر می‌شود و قیمتی که برای کاربر در نظر می‌گیرد متناسب با توان اقتصادی او خواهد بود. در کنار این موارد، تبلیغات که از اصلی‌ترین عوامل جذب مشتری است هدفمندتر صورت گرفته و بیشترین آورده را خواهد داشت.

سه‌راه سرگردانی

جریان پایدار داده، اتصال دائمی کاربران و رفتار قابل پیش‌بینی سه شرط و پایه اصلی اقتصاد داده‌محورست که بروز هرگونه افت کیفیت، نقص اطلاعاتی، اختلال یا قطعی منجر به بهم خوردن مسیر کسب و بررسی داده می‌شود و مدل‌های پیش‌بینی‌کننده، دقت و عمق تحلیل خود را از دست می‌دهد. در نتیجه این اتفاقات اتکا و اعتماد لازم به طرح و پیشنهادات مدل‌ها کاهش یافته و خروجی کار، فاصله زیادی با واقعیت دارد.

اما چه اتفاقاتی زمینه‌ساز ایجاد چنین اختلال و مشکلاتی در روند اقتصاد‌ داده‌محور می‌شود؟

دلایل و عوامل بروز و ظهور این مسائل، منطقه به منطقه و کشور به کشور متفاوت است اما عمده‌ترین آنها شامل قطعی یا محدودیت در دسترسی به اینترنت، جنگ، نااطمینانی‌های سیاسی یا حتی مهاجرت کاربران از یک پلتفرم به پلتفرم دیگر عنوان شده است.

همانطور که گفته شد قطعی اینترنت یکی از مهم ترین عوامل اختلال در اقتصاد داده محورست. زیرا که این نوع اقتصاد به جریان پیوسته و لحظه ای داده وابسته است. بنابراین با قطع این اتصال در زنجیره تولید، جمع‌آوری و پردازش داده‌ها وقفه ایجاد شده و به اصطلاح جریان بلادرنگ داده (real-time data flow) از بین می‌رود.

تاثیر پیامدهای این روند در کسب‌وکارهایی که بر تحلیل‌های لحظه‌ای، مانند پلتفرم‌های تبلیغات دیجیتال، تجارت الکترونیکی یا خدمات مالی هوشمند تکیه دارند، به کاهش دقت تصمیم‌گیری و افزایش ناپایداری می‌انجامد.

از سوی دیگر، محدودیت یا قطعی اینترنت باعث ناقص شدن داده‌های رفتاری کاربران می‌شود. داده‌هایی که برای تحلیل الگوهای مصرف، پیش‌بینی تقاضا یا شخصی‌سازی خدمات استفاده می‌شود، در صورت وجود شکاف‌های زمانی (data gaps) دیگر بیانگر واقعیت نخواهد بود. این تداوم (continuity) در تحلیل، داده‌ها را مختل کرده و مدل‌های تحلیلی را با خطا مواجه می‌کند. با تکرار این اتفاقات نه ‌تنها کیفیت تحلیل‌ها کاهش می‌یابد، بلکه اعتماد به سیستم‌های داده‌محور نیز تضعیف می‌شود.

از آنجایی که چرخ اقتصاد داده‌محور براساس پایداری الگوهای رفتاری کاربران می‌چرخد، بحران‌های سیاسی و اقتصادی به‌صورت معناداری وضعیت آن را تحت تاثیر قرار می‌دهد.

در چنین شرایطی، رفتار مصرف‌کنندگان به‌سرعت تغییر(behavioral volatility) می‌یابد و الگوهای قبلی دیگر منبع دقیق و درستی برای استفاده نیستند. این تغییر ناگهانی در الگوی مصرف، جابه‌جایی اولویت‌های هزینه‌ای یا حتی مهاجرت کاربران بین پلتفرم‌ها، باعث می‌شود مدل‌های تحلیلی و پیش‌بینی که بر داده‌های گذشته آموزش دیده‌اند، دقت خود را از دست بدهند. گزارش‌های نهادهایی مانند صندوق بین‌المللی پول و بانک جهانی نیز نشان می‌دهند که افزایش نااطمینانی کلان با کاهش سرمایه‌گذاری در زیرساخت‌های دیجیتال و افت کارایی بازارهای مبتنی بر داده همراه است. کاهش اعتماد عمومی در سطح کاربران و کسب‌وکارها که در ادامه افت تمایل به اشتراک‌گذاری داده‌ها را به‌دنبال دارد از دیگر آثار این بحران‌هاست.

مهاجرت یا جابه‌جایی کاربران بین پلتفرم‌ها بدون الگوی ثابت، یکی دیگر از چالش‌های مهم در اقتصاد داده‌محورست. همانطور که گفته شد تغییرات ناگهانی و مستمر در رفتار کاربران، تاریخچه داده‌ای را متاثر کرده و تصمیم‌گیری را دشوار می‌کند. این جابه‌جایی می‌تواند به کاهش کیفیت تجربه کاربری و ناتوانی در شبیه‌سازی یا پیش‌بینی رفتارهای آینده منجر شود.

محدوده محدودیت

محدودیت‌های دیجیتالی در دسترسی به اینترنت و همچنین مهاجرت کاربران به پلتفرم‌های داخلی که در ایران مشاهده می‌شود، به‌طور مستقیم اقتصاد داده‌محور را متاثر می‌کند. جابه‌جایی کاربران به سوپراپ‌ها یا پلتفرم‌های داخلی، هرچند موجب تمرکز داده‌ها در تعداد محدودی از بازیگران می‌شود اما این تمرکز، کاهش تنوع داده‌ها و در ادامه کاهش توان پیش‌بینی و تحلیل‌ دقیق از سمت الگوریتم‌ها  را در پی دارد. افزایش کنترل‌گری و دسترسی به داده، موضوعی است در این موارد بیشتر به گوش می‌رسد و بازیگران یا نهادهای مرتبط دسترسی بیشتری دارند.

شاید برخی تغییرات به‌نظر فرصت‌هایی برای تقویت اقتصاد دیجیتال داخلی به‌شمار بیاید اما طبق گزارش گزارش چشم‌انداز اقتصاد دیجیتال سازمان همکاری و توسعه اقتصادی (OECD Digital Economy Outlook 2022)، کیفیت داده نه به محل ذخیره آن، بلکه به تنوع، حجم و پیوستگی آن بستگی دارد. در شرایطی که با اختلال اینترنتی و بحران‌های سیاسی و اقتصادی هم درگیر باشیم، اقتصاد داده‌محور از یک فضای پیش‌بینی‌پذیر به یک بستری با ریسک بالا تبدیل می‌شود که در آن الگوریتم‌ها کارایی خود را از دست می‌دهند و هزینه تصمیم‎‌گیری‌ها افزایش می‌یابد. این تغییرات می‌تواند به کاهش نوآوری‌های دیجیتال و ایجاد داده‌هایی با کیفیت پایین، پراکنده و سرشار از نویز هم منجر می‌شود.

اقتصاد داده‌محور یک سیستم یادگیرنده است که بود و نبود هر داده آینده چگونگی کارایی آن را تحت تاثیر قرار می‌دهد. همچنین اختلال و قطعی در روند دسترسی به اینترنت تنها به محدودیت در مسیرهای ارتباطی خلاصه نمی‌شود و در جای جای اقتصاد دیجیتال رد و نشانی از آن به چشم می‌خورد. از همین رو گزینه‌های در پیش گرفتن رویکردهای غیرداده‌ای و اتکا به مدل‌های قبلی بدون به‌روزرسانی که در نهایت به کمرنگ شدن اهداف و دور شدن از مدل حرفه‌ای اقتصاد داده‌محور می‌انجامد، به تنها راه قابل تکیه‌ تبدیل می‌شود.