Khi bạn duyệt web hoặc trò chuyện với bạn bè trên phương tiện truyền thông xã hội, rất có thể toàn bộ hoạt động của bạn trên phương tiện truyền thông xã hội đang được biên soạn thành dữ liệu. Khi đến bệnh viện để kiểm tra, thông tin khám chữa bệnh của bạn đã trở thành một thành phần của cơ sở dữ liệu chăm sóc sức khỏe của bệnh viện.
Bất kỳ tổ chức nào sẽ khó có thể duy trì hoạt động mà không có dữ liệu. Ví dụ, chính phủ muốn có số liệu tiền lương của nhân viên để chống gian lận lương thưởng. Ngoài ra dữ liệu còn được sử dụng cho các mục đích khác như quản lý quyền lợi của người lao động hoặc quản lý thuế tốt hơn. Đây chính là vai trò của dữ liệu hóa: xử lý, chuyển đổi nó thành dữ liệu và sử dụng những dữ liệu này theo nhiều cách có lợi hơn ngoài mục đích ban đầu và phạm vi thu thập dữ liệu được đề cập.
Giả sử một công ty muốn chạy một chương trình đào tạo cho thanh thiếu niên thất nghiệp. Công ty này sẽ cần một số dữ liệu cơ bản để chạy chương trình. Dữ liệu mà một liên doanh như vậy sẽ yêu cầu sẽ bao gồm những thứ như:
• Số thanh niên thất nghiệp ở địa phương đó.
• Nhân khẩu học của dân số thanh niên thất nghiệp (tức là tuổi tác, giới tính, tình trạng hôn nhân, vv).
• Tình trạng giáo dục của dân số mục tiêu.
Toàn bộ quá trình có thể được chuyển đổi thành dữ liệu và dữ liệu này sau đó có thể được theo dõi, tối ưu hóa và giám sát. Nếu một chính phủ quyết định thực hiện một chương trình phúc lợi xã hội cho người thất nghiệp ở địa phương đó, nó có thể dễ dàng thu thập những dữ liệu này từ công ty đó.
Vậy dữ liệu hóa là gì?
Nói một cách ngắn gọn, dữ liệu hóa là hành động biến con người, quy trình, sự kiện và mọi khía cạnh của thế giới thành dữ liệu có thể được sử dụng trên quy mô lớn hơn. Từ "dữ liệu hóa" là một từ vựng mới được sử dụng đầu tiên trong một bài tiểu luận chung của Kenneth Neil Cukier và Viktor Mayer-Schoenberger. Trong bài luận này, Cukier và Mayer-Schoenberger đã thảo luận rộng rãi vai trò của "dữ liệu lớn", mô tả nó như là thông tin có nguồn gốc từ một mảng lớn hoặc các nguồn lực và được đưa vào sử dụng theo những cách rất phi thường, vượt xa mục đích sử dụng thông thường.
Tại sao dữ liệu hóa lại quan trọng?
Tại sao chúng ta cần dữ liệu hóa? Chúng ta có các phương pháp thu thập, phân tích và sử dụng dữ liệu theo thời gian. Vậy tại sao chúng ta không chuyển đổi các phương thức này sang mô hình dữ liệu hóa? Vì dữ liệu hóa giúp chúng ta hiểu được quy trình, đối tượng hoặc quá trình phát triển của dữ liệu cùng hệ sinh thái xung quanh hoặc sự mất cân bằng hệ thống nếu có.
Ứng dụng của dữ liệu hóa trong cuộc sống hàng ngày
Dữ liệu hóa được áp dụng trong các hoạt động của chính phủ, các doanh nghiệp và trong đời sống hàng ngày.
1.Dữ liệu hóa cho Chính phủ
Chính phủ đang tích cực triển khai dữ liệu trong quản lý dữ liệu lực lượng lao động.
2. Dữ liệu hóa cho doanh nghiệp
Dữ liệu cho một doanh nghiệp có thể tạo nên sự khác biệt giữa lợi nhuận và tổn thất. Đó là lý do tại sao các doanh nghiệp, đặc biệt là các doanh nghiệp dựa vào quảng cáo trả tiền cho mỗi lần nhấp chuột (PPC), đang sử dụng các mô hình dữ liệu để giúp họ tiết kiệm tiền hoặc tăng lợi nhuận của họ. Khi thiết lập một quảng cáo, một doanh nghiệp được phép chọn nhân khẩu học, định vị địa lý quảng cáo của họ hoặc nhập cụm từ tìm kiếm của người dùng và các mẫu duyệt web trong một nỗ lực để đạt được vị trí ngọt ngào; thị trường mục tiêu chính xác. Các nền tảng PPC (Adwords và Facebook) sẽ sử dụng các thuật toán dựng sẵn để nhắm mục tiêu cơ sở người dùng phù hợp nhất với các thông số quảng cáo này. Người dùng các nền tảng truyền thông xã hội này thường được gửi các chương trình khuyến mãi phù hợp với dữ liệu theo dõi hoạt động và sở thích của họ (Shilova, 2017).
Một trong những trường thời trang hàng đầu ở Tây Phi đã có thể sử dụng kỹ thuật này để xác định thị trường mục tiêu của mình. Bằng cách thực hiện phân tích quảng cáo trên dữ liệu của cơ sở khách hàng hiện tại, họ có thể xác định rằng các chương trình đào tạo thời trang của mình đã thu hút nhiều phụ nữ trẻ hơn là sinh viên tốt nghiệp của một tổ chức cao hơn và đến từ những nền tảng tương đối tốt. Công ty đã sử dụng thông tin này để tạo quảng cáo được nhắm mục tiêu đến những cá nhân phù hợp với thông tin này, tăng cơ sở doanh thu và giảm chi phí đã bị lãng phí cho quảng cáo không được nhắm mục tiêu. Nếu không có dữ liệu, công ty này sẽ không thể thực hiện các điều chỉnh cần thiết để cải thiện doanh thu của mình.
Nhiều công ty cũng đã sử dụng dữ liệu hóa theo những cách khác. Phòng nhân sự sử dụng cơ sở dữ liệu để tuyển dụng nhân viên với một số kỹ năng nhất định. Ví dụ, IBM đã có thể xác định lòng ý chí là một trong những tiêu chí tuyển dụng nhân viên bán hàng của mình. Công ty đã chuyển sang cơ sở dữ liệu gồm 40 triệu người xin việc, người lao động và người quản lý đã được Kenexa lưu trữ, một công ty tuyển dụng IBM đã mua lại 1,3 tỷ USD trong năm 2012 (Gover, 2015). Công ty sau đó có thể sử dụng thông tin để xây dựng một hồ sơ về năng lực cần thiết để tuyển dụng nhân viên bán hàng.
3. Dữ liệu hóa cho cá nhân
Khi nói đến việc sử dụng cá nhân, dữ liệu hóa phải có khả năng làm cho cuộc sống hàng ngày của một cá nhân dễ dàng hơn nhiều. Một cách mà trải nghiệm người dùng đã được cải thiện bởi dữ liệu là trong lĩnh vực tài chính cá nhân. Nền tảng cho vay P2P là một ví dụ điển hình về dữ liệu để sử dụng cá nhân. Ứng dụng điện thoại thông minh của người cho vay P2P có thể khai thác thông tin người dùng và hồ sơ giao dịch từ tài khoản ngân hàng được cung cấp. Thông tin này có thể được sử dụng để nhanh chóng biên soạn xếp hạng tín dụng của người nộp đơn và khoản vay có thể được chấp thuận hoặc từ chối trong vài phút. Điều này không chỉ cung cấp quyền truy cập dễ dàng vào tài chính cho dân số được ngân hàng của một quốc gia, nhưng nó cũng có thể nắm bắt dân chúng không bị ràng buộc, do đó cải thiện sự bao gồm tài chính trong xã hội.
Một ứng dụng khác thường được thấy trong thế giới giải trí. Nếu bạn là fan hâm mộ quyền anh và thích xem các trận đấu quyền anh cổ điển trên YouTube, bạn sẽ nhận thấy YouTube sử dụng phân tích dự đoán để đưa ra các đề xuất về chiến đấu quyền anh cổ điển mà bạn có thể thấy thú vị. YouTube có các thuật toán phân tích dự đoán có thể theo dõi các tùy chọn và hoạt động xem trước đó của bạn, liên kết nó với máy tính của bạn và lưu trữ thông tin này dưới dạng dữ liệu. Khi bạn đăng nhập tiếp theo, thuật toán của trang web có thể khớp dữ liệu này với cá nhân và máy tính và đưa ra các gợi ý.
Ngay cả khi dữ liệu hóa đang phát triển với tốc độ nhanh, thế giới vẫn chưa được số hoá đầy đủ. Ví dụ, ở các nền kinh tế mới nổi, mặc dù công dân sử dụng công nghệ và thiết bị di động và điện thoại thông minh, cơ sở hạ tầng của chính phủ vẫn không sử dụng nguyên tắc kỹ thuật số, vì vậy quá trình chuyển đổi kỹ thuật số còn mất rất nhiều thời gian.
