صناعة آلات البيع: كيفية الخروج من نظرية المجموعة

لا تُعدّ نظرية صناعة آلات بيع الواقي الذكري مفهومًا منطقيًا في الواقع، حتى بالنسبة للاقتصاديين المشهورين، فحتى عند الخوض في الدراسات الاقتصادية، فإن بعض الملاحظات لا يمكن أن تكون خاطئة، ولكن جوهر هذه النظرية غامض، ولا تحتوي على أي مضمون فعلي، ومع ذلك لا يمكن إنكار أهميتها. لأنه بالإضافة إلى بعض الشروط القياسية، فإن تضييق نطاق هذه النظريات سيجعلها تلعب دورًا توجيهيًا في الواقع. لهذا السبب يسمع الكثير من الناس في عصر الإنترنت مفهوم "الامتثال والتصرف" ويعتقدون أنه غامض للغاية وغير مفيد، وهذا ناتج عن انحراف في فهمهم وإدراكهم، ودخولهم في فخ نظرية "المجموعات" الخرافية. أي نظرية، أي مفهوم، عند استخدامه، يكون له شروط، وليس بالضرورة أن يكون مناسبًا لجميع القطاعات، أو جميع الشركات، أو جميعنا. من الضروري التمييز بين اتجاه التفكير الصناعي، وتمييز بيئة العمل المحددة، وإلا فمن السهل الوقوع في فخ نظرية "المجموعات". إلى أي مدى تكون نظرية صناعة آلات البيع هذه عديمة الفائدة؟ يمكن القول بكل تأكيد أن العديد من الشركات مدعومة بقوة من قبل رواد الإنترنت والأعمال الإلكترونية. من الضروري فهم المعنى الحقيقي لهذه النظريات، فالكهرباء والإنترنت يجب أن يكونا صناعة حقيقية، بدلاً من أن يكونا مجرد فقاعة تُضخّم كل عام، وتدفع فئة من الناس إلى الانجراف وراءها. من النقاط المهمة، أن البيانات الضخمة في صناعة آلات البيع هي سمة من سمات تطور الإنترنت اليوم، حيث يتم استخدام نوع جديد من التكنولوجيا، مثل الحوسبة السحابية، وغيرها. كان من الصعب سابقًا استخراج وتحليل كميات هائلة من البيانات، ولكن الآن يتم التركيز على تحليل البيانات الموحدة وتصنيفها وفقًا لقيمها، مما يوفر للشركات توجيهًا أكثر دقة. يختلف هذا عن تحليل العينات السابق، حيث يتم تحليل قيمة العينة بدلاً من قيمة البيانات الكاملة، مما يجعل معالجة البيانات ونتائجها أكثر دقة من الطريقة التقليدية. إذن، ما هي أنواع شركات آلات البيع التي تحتاج إلى البيانات الضخمة؟ يمكن القول إن جميع الأنشطة التجارية تحتاج إلى توجيه من البيانات الضخمة، فهي ذات قيمة كبيرة للأعمال. لكن ثمة فرق شاسع بين التطبيق العملي والنظرية، أولها قيمة البيانات: هل دقة التصنيف كافية؟ هل قمت بتقسيم السوق لمعرفة أنواع الشركات التي يمكنها استخدام البيانات كمرجع في أي ظروف؟ مجرد معرفة أن البيانات الضخمة مفيدة، وأن جميع الشركات يمكنها استخدامها للتحليل واتخاذ القرارات، لا يكفي. تكمن المشكلة في استخدام بيانات صناعة آلات البيع لاتخاذ القرارات، أم الاعتماد على الخبرة؟ هذا يذكرني بقصة: كيف يمكن تحديد الصندوق الفارغ على خط الإنتاج؟ الاحتمال ضئيل جدًا، ويجب حل هذه المشكلة، وقد يتطلب الأمر تمويلًا ضخمًا لتطوير تقنية المسح بالليزر لتحديده. يمكن للعمال القدامى أيضًا وضع مروحة على سير ناقل خط الإنتاج، فتُنفخ الصناديق الفارغة، وبتكلفة زهيدة يمكن حل المشكلة. هذه المرة، نريد التركيز على الكفاءة، بدلًا من الاكتفاء بالبيانات الضخمة في صناعة آلات البيع. في الواقع، نرى الكثيرين، في سعيهم المحموم وراء كل نظرية جديدة، يقدسونها، معتبرين النجاح مجرد اتجاه. يعتقدون أن نتائج تحليل البيانات لدى المنظمات المتخصصة تتنبأ باتجاهات الأعمال. إذا كنت ترغب حقًا في تحليل البيانات الضخمة، فإن كلام الناس العاديين، بعشرة آلاف سبب لإقناعك، يجعلك تعتقد أن تحليل البيانات الضخمة أمر صعب. عندما تُقدم على خطوة جادة نحو إدارة البيانات الضخمة في مؤسستك، لكنك تجد عائقًا، فكثرة الكلام تُصعّب التطبيق العملي. ستجد أن ما تحتاجه هو بعض الإحصاءات البسيطة، وتحليل البيانات البسيط، وليس استنتاجات عميقة وتحليلات بيانات متعددة الأبعاد. على سبيل المثال، إذا أردنا إجراء تحليل بيانات بسيط، كتحليل منصة أعمال إلكترونية كبيرة لتقييم مصداقية قطاع معين، وتفضيلات المستخدمين، وما إلى ذلك، وبالتالي استنتاج اتجاهات العام المقبل، أو أنواع المنتجات الأكثر رواجًا الآن، فقد تكون النتائج النهائية مختلفة تمامًا عن الواقع. يعود ذلك إلى أن مصدر البيانات يحتوي على العديد من العناصر التي يصعب التمييز بينها، ولا يستطيع المستخدمون التحكم في الظروف الفعلية لمصدر البيانات. على سبيل المثال، قد يكون هناك تقييم واحد فقط، أو استرداد نقدي، أو عدم رضا المستخدمين عن التقييم، أو عدم رغبتهم في التقييم، أو عدم قبولهم له بشكل افتراضي، أو عدم وجود تفضيل قوي لدى المستخدمين الذين اعتادوا على مدحه لفترة طويلة. من المرجح أن تؤثر هذه الأسباب على النتائج.