مدیریت اطلاعات شبکه‌های اجتماعی در عصر کلان داده (Big data)

 

در طی پانزده سال اخیر، شبکه‌های اجتماعی که چیزی بی‌سابقه بودند، به یک ویژگی همه‌گیر در دنیای مدرن تبدیل شده‌اند.
داده‌های نظرسنجی تحقیق پیو (Pew) بر روی استفاده از شبکه‌های اجتماعی نشان می‌دهد که این پلتفرم‌ها به چه میزان جهانی شده‌اند. گزارش شده است که میانگین بزرگسالان آمریکایی از بین هشت پلتفرم معروف، حداقل از سه تای آنها به‌طور منظم استفاده می‌کنند.
داده‌های تولید شده از طریق شبکه‌های اجتماعی، با وجود کاربران فراوان، فرصت‌های بسیاری را به شرکت‌هایی با استراتژی‌هایی در محل برای مدیریت کلان داده‌های بدون ساختار، ارائه می‌دهد.

داده‌های شبکه‌های اجتماعی

کاربران شبکه‌های اجتماعی همانند دیگر کاربران به طور مداوم با جنبه‌های مختلفی از هر پلتفرم مواجه می‌شوند. هرکس از این تعاملات یک مقدار داده‌ی قابل اندازه‌گیری می‌سازد که قابلیت پیگیری، تقسیم و تجزیه و تحلیل برای بینش‌ها را دارد.
داده‌های شبکه‌های اجتماعی مرتباً رفتار کاربر را ثبت می‌کنند. این امر به شرکت‌ها اجازه می‌دهد تا استراتژی‌های مشارکتی بسازند که به آنها در ارتقای تجارت‌شان کمک می‌کند.
یکی از مزایای اصلی این داده‌ها این است که به سادگی مقدار زیادی از آنها را بدست خواهید آورد. رقم سرسام‌آور ۲.۶۲ بیلیون کاربر که در سال ۲۰۱۸ از برخی از پلتفرم‌های شبکه‌های اجتماعی استفاده می‌کردند. انتظار می‌رود که این رقم تا سال ۲۰۲۱ به ۳ بیلیون برسد. فیس بوک، محبوب‌ترین پلتفرم شبکه‌ی اجتماعی تابه‌حال، به تنهایی کمی بیشتر از ۲ بیلیون کاربر فعال دارد.
داده‌های تولید شده با این پلتفرم‌ها نه تنها وسیع هستند بلکه یک نگاه اجمالی از آنچه کاربرها در حال انجام هستند، ارائه می‌دهند.
شرکت‌ها به جای اینکه منتظر گزارش‌های سالانه یا فصلی از رفتار مشتریان باشند می‌توانند گرایش‌ها و واکنش‌ها را به محض اتفاق دنبال کنند.

سنجه‌های عملکرد

به طور طبیعی، داده‌های شبکه‌های اجتماعی شامل سنجه‌های مختلفی می‌شوند که به راحتی قابلیت جمع‌آوری دارند:
·       پسندیدن‌ها (Likes)
·       به اشتراک‌گذاری‌ها (Shares)
·       نام بردن (Mentions)
·       اثرگذاری‌ها (impressions)
·       کلیک‌های URL
·       نظرات (comments)
·       استفاده از هشتگ
·       استفاده از کلمات کلیدی
قطعاً بسیاری از این مقادیر داده بدون انواعی از محتوا، بی‌معنی هستند. استراتژی‌های شبکه‌های اجتماعی اولیه بر روی سنجه‌های پوچی» تمرکز کرده بود؛ مانند تعداد دنبال کنندگان (follower) و مشارکت‌های سطحی در پسندیدن یا به اشتراک‌گذاری.
مشکل این سنجه‌ها این است که نتیجه‌گیری عملی از آنها بدون تحلیل و بررسی‌های اضافی سخت است. داشتن دنبال کنندگان زیاد در یک پلتفرم عملاً به معنای موفقیت در کسب‌وکار نیست.

مدیریت داده‌های بدون ساختار

با وجود اینکه تجزیه و تحلیل‌های کلان داده اغلب با دیگر صنایع دارای داده‌های سنگین مانند مراقبت‌های بهداشتی مرتبط است، ولی این را برای شرکت‌ها ممکن ساخته است که بینش‌هایی بامعنی از سنجه‌های عملکرد شبکه‌های اجتماعی بیرون بکشند.
گرچه شبکه‌های اجتماعی داده‌ی ساختارمند فراوانی در ارتباط با کاربران تهیه می‌کنند (اطلاعات پایه‌ای مانند نام، آدرس الکترونیک، جنسیت و غیره) ولی اکثریت قریب به اتفاق آنها، بدون ساختارند. به این معنی که با هیچ نوع بخصوصی سازگار نیستند و تقریبا می‌توانند شامل هر اطلاعاتی باشند. از آنجا که حدود ۸۰ درصد همه‌ی داده‌های تولید شده بدون ساختارند، این نباید جای تعجب داشته باشد.
روش شناسی‌های کلان داده با استفاده از الگوریتم‌های قدرتمند به شرکت‌ها اجازه می‌دهد تا این داده‌ها را به شکلی موثرتر مدیریت کنند. اکثر پلتفرم‌های شبکه‌های اجتماعی شکلی از ابزارهای تجزیه و تحلیل ارائه می‌دهند که ایجاد محتوا برای دیگر کلان داده‌های بدون ساختار و گسترده را تسهیل می‌کند.
این امر برای توسعه و بهبود استراتژی شبکه‌ی اجتماعی کمک‌کننده است ولی تنها خراشی بر پوشش گنجینه‌ی بینش‌های پنهان در داده‌های شبکه‌های اجتماعی ایجاد می‌کند.

داده کاوی

داده‌های بدون ساختار فراتر از سنجه‌های عملکرد و مشارکت را در بر می‌گیرند. فایل‌ها، تصاویر، ویدیوها، فایل‌های صوتی، نظرات و پیام‌های به اشتراک گذاشته شده، همه نوعی داده‌ی بدون ساختار هستند. زمانی که کاربران در یک پلتفرم شبکه‌ی اجتماعی چیزی را منتشر می‌کنند، نگاهی اجمالی از زندگی‌شان را در معرض دید قرار می‌دهند.
این اطلاعات برای جستجوی سازمانها جهت توسعه‌ی تولیدات و خدماتی که پاسخگوی نیاز مشتریان‌اند و سطوح درد مخاطبان هدف را مورد توجه قرار می‌دهند، ارزشمندند.
در واقع مشخص کردن مخاطبان هدف هم چالشی است که امکان حل آن از طریق تجزیه و تحلیل رفتار کاربر در پلتفرم‌های شبکه‌های اجتماعی به صورت بالقوه وجود دارد.
ولی با بیش از دو بیلیون کاربر که از شبکه‌های اجتماعی استفاده می‌کنند، اطلاعات بسیار زیادی برای تجزیه و تحلیل وجود دارد. اوضاع زمانی بدتر می‌شود که درصد بالایی از این داده‌های بدون ساختار، پارازیت باشند.
اینجاست که ابزارهای تحلیل و بررسی کلان داده تغذیه شده توسط هوش مصنوعی و یادگیری ماشینی برای سازمانها ارزشمند می‌شوند. این برنامه‌ها می‌توانند بیلیون‌ها تکه‌ی اطلاعات را به منظور استخراج بینش‌های بامعنی در مورد مشتریان سازمانها تجزیه و تحلیل کنند.
به عنوان یک مثال قابل توجه کلان داده، مطالعه‌ی استفاده از توییتر در متروی لندن به مدت یک سال، محتوای توییت‌‌ها را در زمان‌های خاصی از روز تجزیه و تحلیل کردند و نتایج را با استفاده از ویژگی نشانه‌گذاری جغرافیایی (geotagging) پلتفورم، ارجاع متقابل دادند تا مشخص کنند کجا، کِی و کدام کاربران در این باره پست گذاشته‌اند. نتایج منجر به توصیه‌ای از سوی محققان شد که چه نوع تبلیغاتی باید بر روی بیلبوردهای دیجیتال گردان هر ایستگاه در ساعات مختلف روز نمایان شوند تا تاثیرگذاری‌شان به حداکثر برسند.
این تنها یکی از نمونه‌های کلان داده است که نشان می‌دهد داده‌های شبکه‌های اجتماعی چگونه می‌توانند اطلاعاتی عملی ارائه دهند. همین فناوری‌های داده کاوی می‌توانند به شرکت‌ها کمک کند تا محصولات و خدمات بهتری تولید کنند.
تقاضاهای ثابت برای ویژگی‌های جدید بر روی یک محصول یا شکایات از یک خدمت می‌توانند رهنمودی برای محققان و مهندسان باشند که با کار جدی‌تر تجربیات بهتری برای مشتری به ارمغان آورند.

راه‌حل‌های چندگانه

کلان داده به دلیل مقادیر عظیم ذخیره‌سازی و قدرت محاسباتی مورد نیاز برای اجرای برنامه‌های قدرتمند تجزیه و تحلیل، بیشتر شرکت‌ها را با چالش روبه‌رو کرده است.
خوشبختانه مراکز داده‌ی اشتراک فضا (colocation) از توانایی‌های ارتباطی برخوردارند تا برای ساخت شبکه‌های ابری چندگانه به شرکت‌ها کمک کنند تا سرورهای آنها را با قدرت محاسباتی مقیاس‌پذیر پلتفرم‌های خدمات ابری کامل کنند.
این خدمات به سازمانها اجازه می‌دهد تا انواع داده‌های بدون ساختارشان را موثرتر مدیریت کنند، امنیت و کنترلی را که برای زیرساخت‌هایشان نیاز است، حفظ کنند در حالی که ابزارهای قدرتمند تجزیه و تحلیل پیشنهاد شده توسط بسیاری از خدمات پایه‌ی ابری را در دسترس آنها قرار می‌دهند.
همانطور که داده‌های شبکه‌های اجتماعی پیچیده‌تر می‌شوند، شرکت‌ها نیاز پیدا می‌کنند تا راه‌های مدیریت این اطلاعات مختلف را بهبود بخشند. آنها با تنظیم شبکه‌هایی که می‌توانند تجزیه و تحلیل کلان داده را تسهیل کنند، می‌توانند بینش‌های عملی را سریع‌تر از قبل دریافت کنند. این امر به آنها اجازه می‌دهد تا استراتژی‌های انعطاف‌پذیر را به منظور بهبود پاسخگویی به نیازهای مشتری‌شان توسعه دهند.
مراکز داده می‌توانند به شرکت‌ها در ایجاد این شبکه‌ها کمک کنند و با گزینه‌های اتصال به هم و گسترش‌های مبتکرانه‌ی فضای ابری چندگانه، آنها را قادر به دگرگونی دیجیتال کنند.

 منبع: گروه پژوهشی سلام علم