در اقتصاد دیجیتال امروز، ما با حجمی باورنکردنی از داده‌ها روبه‌رو هستیم. هر شرکت، سازمان و فروشگاه اینترنتی، هر روز داده‌های جدیدی را دریافت و تولید می‌کند. با توجه به افزایش روزافزون بهره‌گیری از نرم‌افزارها در سراسر جهان، حجم انبوه داده‌های تولیدی ما هر روز بیشتر هم می‌شود.
یک مؤسسه معتبر اقتصادی پیش‌بینی کرده است که داده‌های تولید شده در اقتصاد دیجیتال طی سه سال آینده، بیشتر از کل داده‌های تولید شده در ۳۰ سال اخیر خواهد بود.
البته می‌توان این داده‌ها را مانند یک گنج پنهان درنظر گرفت که ارزش بسیار زیادی در آن نهفته است.
گرچه دستیابی به این گنج کار آسانی نیست؛ داده‌ها از پیچیدگی‌های خاص خود برخوردارند و معمولا به شکلی بسیار بی‌نظم در دسترس ما قرار می‌گیرند.
البته می‌توان این داده‌ها را مانند یک گنج پنهان درنظر گرفت که ارزش بسیار زیادی در آن نهفته است.
گرچه دستیابی به این گنج کار آسانی نیست؛ داده‌ها از پیچیدگی‌های خاص خود برخوردارند و معمولا به شکلی بسیار بی‌نظم در دسترس ما قرار می‌گیرند.
برای این‌که بتوان الگوهای نهفته در آنها را شناسایی کرد، باید مرتب و سپس تفسیرشان کرد. بهره‌برداری عملی از یافته‌های حاصل نیز گام بعدی این مسیر به‌شمار می‌رود.
ساتیا نادلا، مدیرعامل مایکروسافت جمله معروفی دارد: «هر شرکتی، یک شرکت نرم‌افزاری است.» یکی از دلایل نادلا برای این باور این موضوع است که نرم‌افزارها امروزه مسؤول بخش قابل‌توجهی از عملکرد شرکت‌ها هستند.
این به آن معنا نیست که باید به داشتن یک نرم‌افزار برای انجام امور مختلف بسنده کنیم، اما شاید تلنگری باشد که باعث شود دیدگاه‌مان را نسبت به نرم‌افزارها متحول کنیم.
ساتیا نادلا، مدیرعامل مایکروسافت جمله معروفی دارد: «هر شرکتی، یک شرکت نرم‌افزاری است.» یکی از دلایل نادلا برای این باور این موضوع است که نرم‌افزارها امروزه مسؤول بخش قابل‌توجهی از عملکرد شرکت‌ها هستند.
این به آن معنا نیست که باید به داشتن یک نرم‌افزار برای انجام امور مختلف بسنده کنیم، اما شاید تلنگری باشد که باعث شود دیدگاه‌مان را نسبت به نرم‌افزارها متحول کنیم.
پایان عصر پیشتازی نرم‌افزارها
در دنیایی که انبوهی از نرم‌افزارهای متن‌باز در آن عرضه شده است، دیگر کد یک نرم‌افزار مانند گذشته ارزشمند نیست.
امروزه برخورداری از نرم‌افزار اختصاصی برای شرکت‌ها یک مزیت آنچنانی به شمار نمی‌رود. در مقابل، شاهد این هستیم که تفسیر داده‌های موجود به منظور بهبود عملکرد کسب‌وکارها و افزایش بهره‌وری و کارایی است که به‌عنوان برگ برنده در دنیای نرم‌افزاری درحال مطرح شدن است.
شرکت‌های موفق نرم‌افزاری آینده آنهایی نیستند که بسته‌های نرم‌افزاری به مشتریان می‌فروشند. برنده واقعی در بازار آینده کسب و کارهای نرم‌افزاری شرکت‌هایی خواهند بود که امکان تفسیر داده‌های موجود را از طریق مدل‌های یادگیری ماشینی (machine leaning) در اختیار مشتریان‌شان قرار بدهند.
امروزه برخورداری از نرم‌افزار اختصاصی برای شرکت‌ها یک مزیت آنچنانی به شمار نمی‌رود. در مقابل، شاهد این هستیم که تفسیر داده‌های موجود به منظور بهبود عملکرد کسب‌وکارها و افزایش بهره‌وری و کارایی است که به‌عنوان برگ برنده در دنیای نرم‌افزاری درحال مطرح شدن است.
شرکت‌های موفق نرم‌افزاری آینده آنهایی نیستند که بسته‌های نرم‌افزاری به مشتریان می‌فروشند. برنده واقعی در بازار آینده کسب و کارهای نرم‌افزاری شرکت‌هایی خواهند بود که امکان تفسیر داده‌های موجود را از طریق مدل‌های یادگیری ماشینی (machine leaning) در اختیار مشتریان‌شان قرار بدهند.
تحول در دنیای نرم‌افزار
البته دنیای نرم‌افزار، پیش از این نیز با دگرگونی‌های بزرگ اینچنینی روبه‌رو بوده است. یکی از بزرگ‌ترین این دگرگونی‌ها، حرکت از سیستم سنتی فروش محصولات نرم‌افزاری به سمت الگویی نوین موسوم به نرم‌افزار اجاره‌ای (SaaS) بود.
نرم‌افزارهای اجاره‌ای بر بستر سرورهای ابری عمل می‌کنند. کاربر به‌جای خرید و نصب نرم‌افزار روی سیستم خود، می‌تواند از آن روی سرورهای ابری استفاده کند.
هزینه این روش برای مشتریان معمولا کمتر است و همچنین با مشکلاتی مثل به‌روزرسانی نرم‌افزاری روبه‌رو نخواهند بود.
الگوی نرم‌افزار اجاره‌ای طی سال‌های اخیر با استقبال قابل‌توجهی روبه‌رو شده و مؤسسه پژوهشی گارتنر پیش‌بینی کرده که درآمد بازار نرم‌افزارهای اجاره‌ای تا سال ۲۰۲۱ تا ۱۲۰ میلیارد دلار افزایش خواهد یافت.
نرم‌افزارهای اجاره‌ای بر بستر سرورهای ابری عمل می‌کنند. کاربر به‌جای خرید و نصب نرم‌افزار روی سیستم خود، می‌تواند از آن روی سرورهای ابری استفاده کند.
هزینه این روش برای مشتریان معمولا کمتر است و همچنین با مشکلاتی مثل به‌روزرسانی نرم‌افزاری روبه‌رو نخواهند بود.
الگوی نرم‌افزار اجاره‌ای طی سال‌های اخیر با استقبال قابل‌توجهی روبه‌رو شده و مؤسسه پژوهشی گارتنر پیش‌بینی کرده که درآمد بازار نرم‌افزارهای اجاره‌ای تا سال ۲۰۲۱ تا ۱۲۰ میلیارد دلار افزایش خواهد یافت.
الگویی اختصاصی برای تفسیر داده‌ها
اما شاید در دنیایی که در آن ماهیت نرم‌افزار تا این حد نسبت به قبل تغییر کرده است، نیازمند یک دگرگونی اینچنینی باشیم. برخی کارشناسان بر این باورند که به‌زودی شاهد ارائه خدمتی جدید با عنوان یادگیری ماشینی اجاره‌ای (MLaaS) باشیم.
در نرم‌افزار اجاره‌ای، خدمت مورد نظر بر بستر ابری به کاربر ارائه می‌شود اما در یادگیری ماشینی اجاره‌ای، ابزارها و توان پردازشی لازم برای تحلیل داده‌های موجود در اختیار مشتری قرار می‌گیرد.
به این ترتیب، شرکت‌های پیشتاز حوزه فناوری اطلاعات به جای فروش نرم‌افزار، خدمات یادگیری ماشینی برای تحلیل بانک‌های داده مشتریان و شناسایی الگوهای نهفته در داده‌های آنها ارائه خواهند کرد.
در نرم‌افزار اجاره‌ای، خدمت مورد نظر بر بستر ابری به کاربر ارائه می‌شود اما در یادگیری ماشینی اجاره‌ای، ابزارها و توان پردازشی لازم برای تحلیل داده‌های موجود در اختیار مشتری قرار می‌گیرد.
به این ترتیب، شرکت‌های پیشتاز حوزه فناوری اطلاعات به جای فروش نرم‌افزار، خدمات یادگیری ماشینی برای تحلیل بانک‌های داده مشتریان و شناسایی الگوهای نهفته در داده‌های آنها ارائه خواهند کرد.
البته ورود این خدمت جدید می‌تواند بازار فناوری نرم‌افزاری را به سمتی دیگر پیش ببرد. تا همین اواخر، حاشیه سود فروش نرم‌افزارها بالا بود.
یک شرکت می‌توانست نرم‌افزاری را توسعه دهد و میلیون‌ها نسخه از آن بفروشد اما در یادگیری ماشینی اجاره‌ای دیگر یک محصول واحد به مشتریان ارائه نمی‌شود، بلکه راه‌حل‌هایی مبتنی بر نیاز آنها تهیه می‌شود و در اختیارشان قرار می‌گیرد.
شاید بتوان الگوی یادگیری ماشینی اجاره‌ای را همچون لباسی دانست که توسط یک خیاط به صورت خاص برای ما آماده می‌شود. خیاط ابتدا ابعاد بدن مشتری را اندازه‌گیری می‌کند و لباسی متناسب را می‌دوزد. این روند درست برخلاف رویکرد تولید انبوه لباس است.
در روش یادگیری ماشینی اجاره‌ای، مشتری ابتدا باید داده‌هایش را در اختیار الگوریتم (خیاط) قرار دهد تا الگوهای مناسب (لباس) از دل این داده‌ها استخراج شود و در اختیارش قرار گیرد.
یک شرکت می‌توانست نرم‌افزاری را توسعه دهد و میلیون‌ها نسخه از آن بفروشد اما در یادگیری ماشینی اجاره‌ای دیگر یک محصول واحد به مشتریان ارائه نمی‌شود، بلکه راه‌حل‌هایی مبتنی بر نیاز آنها تهیه می‌شود و در اختیارشان قرار می‌گیرد.
شاید بتوان الگوی یادگیری ماشینی اجاره‌ای را همچون لباسی دانست که توسط یک خیاط به صورت خاص برای ما آماده می‌شود. خیاط ابتدا ابعاد بدن مشتری را اندازه‌گیری می‌کند و لباسی متناسب را می‌دوزد. این روند درست برخلاف رویکرد تولید انبوه لباس است.
در روش یادگیری ماشینی اجاره‌ای، مشتری ابتدا باید داده‌هایش را در اختیار الگوریتم (خیاط) قرار دهد تا الگوهای مناسب (لباس) از دل این داده‌ها استخراج شود و در اختیارش قرار گیرد.
دوران گذار
در حال حاضر برخی شرکت‌ها و سازمان‌های بزرگ از روش مشابهی استفاده می‌کنند. بسیاری از بانک‌های بزرگ دنیا تیم‌های تحلیل داده دارند که الگوریتم‌های لازم را برای تفسیر اطلاعات توسعه می‌دهند. با این وجود، این شیوه هنوز به‌طور گسترده در صنایع مختلف استفاده نشده است.
در گذار به این مرحله، با دردسرهای مختلفی روبه‌رو خواهیم بود. نرم‌افزارها معمولا در اختیار واحد فناوری اطلاعات شرکت‌ها و سازمان‌ها قرار می‌گیرند، اما یادگیری ماشینی اجاره‌ای برای این‌که بتواند به بهترین نتیجه برسد باید علاوه بر واحد فناوری اطلاعات، کارکنان بخش‌های عملیاتی سازمان را نیز درگیر کند.
ساده‌سازی فرآیند جمع‌آوری و سازماندهی داده‌ها، دستیابی به مدلی برای استفاده ساده‌تر از آنها و نیز آموزش کارکنان برای بهره‌گیری از این خدمات جدید از جمله مهم‌ترین چالش‌هایی است که شرکت‌های نرم‌افزاری باید با آن دست‌وپنجه نرم کنند.
در گذار به این مرحله، با دردسرهای مختلفی روبه‌رو خواهیم بود. نرم‌افزارها معمولا در اختیار واحد فناوری اطلاعات شرکت‌ها و سازمان‌ها قرار می‌گیرند، اما یادگیری ماشینی اجاره‌ای برای این‌که بتواند به بهترین نتیجه برسد باید علاوه بر واحد فناوری اطلاعات، کارکنان بخش‌های عملیاتی سازمان را نیز درگیر کند.
ساده‌سازی فرآیند جمع‌آوری و سازماندهی داده‌ها، دستیابی به مدلی برای استفاده ساده‌تر از آنها و نیز آموزش کارکنان برای بهره‌گیری از این خدمات جدید از جمله مهم‌ترین چالش‌هایی است که شرکت‌های نرم‌افزاری باید با آن دست‌وپنجه نرم کنند.
اما گذار به مرحله استفاده گسترده از یادگیری ماشینی اجاره‌ای می‌تواند نتایج شیرین زیادی داشته باشد. مثلا حوزه مبارزه با پولشویی را در نظر بگیرید.
فرآیندهای کنونی برای شناسایی پولشویی معمولا نیازمند صرف زمان و انرژی زیادی از سوی کارشناسان و بازرسان این حوزه است اما بهره‌گیری از یادگیری ماشینی اجاره‌ای به دولت‌ها این امکان را می‌دهد تا با بهره‌گیری از الگوهای مشخص در تفسیر داده‌ها، موارد مشکوک را به‌سرعت شناسایی کنند.
در واقع این فناوری می‌تواند بار زیادی از روی دوش کارشناسان این حوزه بردارد و در مقابل، وقت آنها را برای انجام امور مهم‌تر آزاد کند.
فرآیندهای کنونی برای شناسایی پولشویی معمولا نیازمند صرف زمان و انرژی زیادی از سوی کارشناسان و بازرسان این حوزه است اما بهره‌گیری از یادگیری ماشینی اجاره‌ای به دولت‌ها این امکان را می‌دهد تا با بهره‌گیری از الگوهای مشخص در تفسیر داده‌ها، موارد مشکوک را به‌سرعت شناسایی کنند.
در واقع این فناوری می‌تواند بار زیادی از روی دوش کارشناسان این حوزه بردارد و در مقابل، وقت آنها را برای انجام امور مهم‌تر آزاد کند.
نتیجه‌گیری
داده را نفت دوران دیجیتال هم می‌نامند. درست همان‌طور که استخراج و پالایش نفت تمدن بشری را در یک قرن اخیر به‌سرعت به پیش برده است، می‌توان از فناوری یادگیری ماشینی اجاره‌ای انتظار تاثیری مشابه را در دنیای دیجیتال داشت.
به نظر می‌رسد در آستانه یک تحول بزرگ در دنیای نرم‌افزار باشیم، چرا که با گسترش استفاده از انواع نرم‌افزار، این محصولات دیگر نمی‌توانند ارزش گذشته خود را داشته باشند. در مقابل، با توسعه ابزارهای لازم برای تحلیل انبوه بزرگ‌داده‌های دیجیتالی که شرکت‌ها و سازمان‌ها در اختیار دارند، می‌توان به دنیای جدیدی از فرصت‌ها قدم گذاشت.
صالح سپهری‌فر - مشاور کسب و کارهای نوآور/ ضمیمه کلیک روزنامه جام جم
به نظر می‌رسد در آستانه یک تحول بزرگ در دنیای نرم‌افزار باشیم، چرا که با گسترش استفاده از انواع نرم‌افزار، این محصولات دیگر نمی‌توانند ارزش گذشته خود را داشته باشند. در مقابل، با توسعه ابزارهای لازم برای تحلیل انبوه بزرگ‌داده‌های دیجیتالی که شرکت‌ها و سازمان‌ها در اختیار دارند، می‌توان به دنیای جدیدی از فرصت‌ها قدم گذاشت.
صالح سپهری‌فر - مشاور کسب و کارهای نوآور/ ضمیمه کلیک روزنامه جام جم
