Индустрия торговых автоматов: как выйти за рамки теории множеств.

Теория индустрии торговых автоматов по продаже презервативов — это, по сути, логическая концепция, разработанная известными экономистами, даже при увлечении экономической наукой. Это означает, что некоторые утверждения в любом случае не могут быть ошибочными, но по сути эти теории расплывчаты, не имеют реального содержания, однако их важность нельзя отрицать. Это происходит потому, что, сужая рамки этих теорий, они играют направляющую роль в реальности. Именно поэтому многие люди в эпоху интернета слышат о концепциях, конформизме и считают, что их расплывчатость бесполезна, это их понимание и когнитивное отклонение, они попадают в ловушку мифов о теории. Любая теория, любая концепция в момент применения имеет свои условия, и она не обязательно подходит для всех секторов, всех предприятий, всех нас. Необходимо различать направления мышления в отрасли, различать конкретную бизнес-среду, иначе легко попасть в ловушку теории. Насколько эта теория индустрии торговых автоматов бездейственна? Можно с уверенностью сказать, что многие, многие, многие и многие из них поддерживаются лидерами интернет- и электронного бизнеса. Необходимо понять истинное значение этих теорий, ведь электричество и Интернет должны стать реальной отраслью, а не ежегодным плодом воображения, за которым гонится целая группа людей. Популярная точка зрения: большие данные в индустрии торговых автоматов – это особенность развития Интернета, и сегодня использование новых технологий, таких как облачные вычисления и т. д., делает сложным создание огромных массивов данных для их извлечения и анализа. Вместо этого используется анализ единого, унифицированного значения, что позволяет бизнесу получать более точные рекомендации. В отличие от предыдущих методов выборочного анализа, теперь анализируется выборочная ценность, а не вся совокупность данных. Точность обработки и вывода данных значительно выше, чем при традиционном подходе. Итак, каким предприятиям, занимающимся торговыми автоматами, нужны большие данные? Можно сказать, что все виды бизнес-деятельности нуждаются в больших данных, они имеют большое значение для бизнеса. Но есть большая разница между реальной реализацией и теорией. Во-первых, это ценность данных: достаточная точность классификации, сегментация, чтобы понять, какие предприятия и при каких обстоятельствах могут использовать данные в качестве ориентира. Просто знайте, что большие данные — это очень хорошо, все предприятия могут использовать их для анализа, но для принятия решений этого недостаточно. Проблема в том, что важнее: использовать данные из индустрии торговых автоматов для принятия решений или опыт? Это заставляет меня задуматься над историей: как распознать пустую коробку на производственной линии? Вероятность очень мала, это проблема, требующая решения. Исследования могут потребовать огромных затрат, и был разработан лазерный трекер для идентификации; опытные рабочие могут даже установить вентилятор на конвейерной ленте производственной линии, и пустая коробка будет сдута, что обойдется в десятки юаней. В этот раз мы хотим сосредоточиться на эффективности, а не слепо поклоняться индустрии торговых автоматов, опираясь только на данные. В реальности многие люди в погоне за новыми теориями, считая успех трендом, верят, что профессиональные организации, анализируя данные, прогнозируют бизнес-тенденции. Если вы действительно хотите разобраться в больших данных и использовать их в бизнесе, обычные люди говорят об этом, но у них есть десять тысяч причин, чтобы убедить вас, что работа с большими данными — это сложно. Когда вы твердо решили заняться управлением большими данными на предприятии, но столкнулись с препятствиями, широкими разговорами и трудностями в реальном применении, вы обнаружите, что вам нужна лишь простая статистика, простой анализ данных, а не глубокие выводы и многомерный анализ данных. Например, мы хотим провести простой анализ данных, например, анализ крупной электронной бизнес-платформы для оценки достоверности отрасли, предпочтений пользователей и т. д., чтобы затем сделать выводы о тенденциях на следующий год или о том, какие продукты сейчас более популярны. Полученные результаты могут сильно отличаться от реальной ситуации. Это связано с тем, что источник данных содержит множество трудноразличимых элементов, и пользователи не могут контролировать фактические условия, влияющие на источник данных. Оценка покупок может быть основана на использовании кисти, может быть единственной, существует кэшбэк, существует потому, что пользователи недовольны, не желают оценивать и по умолчанию хорошо воспринимаются, а также потому, что у людей, привыкших к похвале, долгое время не было сильных предпочтений, и эти причины, вероятно, повлияют на ситуацию.