چالش انقلاب صنعتی چهارم
در دوران انقلاب صنعتی چهارم، مدل اقتصادی جدیدی تحت عنوان اقتصاد داده‌محور ظهور کرده است . داده‌ها به دلیل اهمیت روزافزون در خلق ارزش نقش کلیدی در صنعتی شدن آینده خواهند داشت و توزیع و مصرف داده‌های دیجیتالی - اقتصاد داده - باعث شتاب پیشرفت در یادگیری ماشین ، هوش مصنوعی و اتوماسیون می‌شود. افراد و کسب‌وکارها از داده‌ها استفاده می‌کنند تا هزینه های جست وجو را کاهش داده و تصمیم های آگاهانه...
معاونت بررسی های اقتصادی اتاق بازرگانی تهران در گزارشی با عنوان «زنجیره ارزش داده در نسل چهارم صنعت (هم سویی دیجیتال و صنعت )» و بر پایه ادبیات موجود در حوزه انقلاب صنعتی چهارم و تاثیر آن بر اقتصاد و کسب‌وکارها، اهمیت داده‌ها در زمینه اقتصاد جوامع به‌ویژه کشورهای در حال توسعه را از طریق ارائه رویکرد مبتنی بر همسویی صنعت و دیجیتال بررسی کرده است.
سیاست های داده در سطح های وسیع تری ادغام شده و با اهداف توسعه گسترده‌تر همسو می شوند. این مسیرها هنوز در حال ظهور هستند و اینکه آیا آنها به Catch-up فناوری منجر خواهند شد یا خیر، نامشخص است . با این حال، آنها اولین گام مهم را برای بررسی اینکه چگونه سیاست داده می تواند از نظر استراتژیک با توسعه صنعتی گسترده‌تر همسو شود، فراهم می‌کند.
تمرکز اصلی انقلاب صنعتی چهارم در زمینه های مدیریت سفارش، تحقیق و توسعه ، تولید، توزیع و در نهایت بازیافت محصولات است . انبوهی از داده‌های تولیدشده توسط فناوری های انقلاب صنعتی چهارم، شرکت‌ها و بنگاه‌ها را ملزم می‌کند که درخصوص جمع آوری ، ذخیره، پردازش و بازیابی داده‌ها تجدیدنظر کنند. چهارمین انقلاب صنعتی که با سطح جدیدی از اتوماسیون و تبادل داده مشخص می‌شود بر ایجاد استراتژی تجربه مشتری منحصربه‌فرد تمرکز دارد. در کل زنجیره ارزش مبتنی بر فناوری های انقلاب صنعتی چهارم تجزیه و تحلیل پیشرفته وجود دارد. فناوری های پیشرفته و هوشمند می توانند با تمرکز بر تجزیه و تحلیل داده‌های مشتری پیش‌بینی دقیق تری از تقاضا ارائه دهند. در نتیجه زنجیره ارزش دادهای که با تقاضای واقعی همسو است و انعطاف‌پذیری لازم برای تطبیق با شرایط پیش‌بینی نشده را دارد، شکل می‌گیرد. از طرف دیگر رویکرد انقلاب صنعتی چهارم تولید یکپارچه کامپیوتری در کل فرآیند تولید است؛ به طوری که از طریق اینترنت اشیا، سیستم‌های فیزیکی سایبری با یکدیگر و با انسان‌ها در زمان حقیقی ارتباط برقرار می‌کنند. کل فرآیند تولید به واحدهای هوشمند مدولار تقسیم می‌شود که می توانند اطلاعات را با انجام مراحل متوالی به اشتراک بگذارند. بنابراین انعطاف‌پذیری و هماهنگی راحت تری ایجاد می‌کند. ایجاد اقتصاد داده و قابلیت ها و توانایی ها در امتداد «زنجیره ارزش داده» یک عامل کلیدی برای موفقیت صنعتی سازی در آینده خواهد بود.
داده ها؛ جزء کلیدی اقتصاد دیجیتال
داده‌ها به عنوان یکی از اجزای کلیدی اقتصاد دیجیتال ظاهر شده و از حیث انتقال، نظارت بر تولید و کسب درآمد از داده‌های مصرف‌کننده سنگ بنای مدل‌های کسب‌وکار هستند. داده‌ها و دسترسی و اشتراک آنها برای فعالیت های اجتماعی و اقتصادی به امری مهم بدل شده است. استفاده موثر از داده‌ها می تواند به افزایش بهره‌وری و بهبود یا تقویت محصولات، فرآیندها، روش‌های سازمانی و بازارهای جدید کمک کند. بنگاه‌هایی که از داده‌ها استفاده می‌کنند موجب رشد سریع تر بهره‌وری نیروی کار شده و براساس یافته های شرکت مکینزی درآمدزایی از داده‌ها به طور فزاینده‌ای به مهم‌ترین عامل رشد درآمد بدل شده است . در بخش ساخت و تولید، داده‌ها معمولا از طریق حسگرهایی به دست می آیند که به طور فزاینده‌ای برای نظارت و تجزیه و تحلیل کارآیی ماشین آلات، بهینه سازی عملکرد آنها و ارائه خدمات پس از فروش مورد استفاده قرار می گیرند. از این داده‌ها در برخی از موارد برای کار با تامین کنندگان نیز استفاده می‌شود. در برخی موارد، آنها از طریق خدمات جدید مانند بهینه سازی کنترل تولید، تجاری می شوند. فعالیت های تولیدی به طور فزاینده‌ای به جریان داده‌هایی متکی می شوند که مراحل پراکنده تولید از نظر جغرافیایی را در سراسر زنجیره ارزش جهانی به هم متصل می‌کنند. در اقتصاد نوین جهانی موضوع کسب‌وکار داده‌محور به قدری جدی شده است که طی سال‌های اخیر پنج‌شرکت ارزشمند برتر جهان یعنی اپل ، آلفابت ، مایکروسافت ، فیس بوک و آمازون داده‌محور بوده‌اند. ماهیت داده به قدری موجب تغییر در فضای بازار کسب‌وکار شده که در عمل ، سیاستگذاری ها و راهکارهای ضدانحصار دوران گذشته را بی فایده کرده است . در سال‌های اخیر پیشرفت سریع فناوری هایی نظیر اینترنت ، رایانش ابری و اینترنت اشیا به رشد انفجاری داده‌ها در صنعت و علوم منجر شده است . در دوران انقلاب صنعتی چهارم، تحول دیجیتال در صنایع موجب راهبردی شدن عنصر «داده» در جامعه و شکل گیری مدل‌های نوظهور از اقتصاد و کسب وکار شده است .
تغییرات سریع تکنولوژی در دهه های اخیر و افزایش همه‌گیر استفاده از فناوری هایی نظیر اینترنت و دستگاه‌های دیجیتال بشر را با دریای وسیعی از داده‌های گوناگون مواجه کرده، در نتیجه کلان‌داده‌ها تحت‌تاثیر افزایش انفجاری داده‌های جهانی به وجود آمده است . داده‌های کلان به مجموعه ای از داده‌ها اطلاق می‌شود که اندازه آنها فراتر از حدی است که بتوان آنها را با نرم‌افزارهای معمول و در یک زمان معقول اخذ، مدیریت و پردازش کرد. مفهوم اندازه در داده‌های کلان به طور مستمر در حال تغییر بوده و به مرور بزرگ‌تر می‌شود. در مقایسه با مجموعه داده‌های قدیمی ، داده‌های کلان عموما از توده‌های بدون ساختاری تشکیل می شوند که به زمان حقیقی (زمان پاسخ بی درنگ ) بیشتری برای تحلیل نیاز دارند. یکی از چالش های عمده در مورد انقلاب صنعتی چهارم مدیریت داده‌های حاصل از فناوری هاست. یکی از چالش های مرتبط با انقلاب صنعتی چهارم، مدیریت داده است . همراه با این چالش داده‌های تولیدشده توسط صنعت اندازه و پیچیدگی جدیدی دارند. حجم داده (Volume)، نرخ تولید (Velocity)، تنوع (Variety)، صحت (Veracity)، اعتبار (Validity)، نوسان (Volatility)، نمایش (Visualization) و ارزش (Value) از ویژگی ها و مشخصات داده های کلان هستند.
فناوری‌های وابسته به کلان داده‌ها
فناوری های وابسته به داده‌های کلان در زمینه های مختلف ذخیره‌سازی ، دریافت و تحلیل ، کارآمد هستند. از جمله این فناوری های می توان به رایانش ابری ، اینترنت اشیا، هادوپ و مرکز داده اشاره کرد. اقدامات هدفمند، ارتقای زیرساخت ها و قابلیت ها برای ایجاد ارزش و مزایای اقتصادی از کلان داده‌ها ضرروری است . با توجه به پیچیدگی روزافزون داده‌ها، تجزیه فرآیندهای مرتبط با «زنجیره ارزش داده» می تواند مفید باشد.
در زنجیره ارزش داده، جریان اطلاعات به عنوان مجموعه ای متوالی از گام‌ها توصیف می‌شود که برای خلق ارزش و بینش های مفید از داده کاربرد دارد. طبق دیدگاه کمیسیون اروپا زنجیره ارزش داده به مثابه «مرکز اقتصاد دانش آینده، فراهم آورنده فرصت های توسعه دیجیتالی برای بخش های سنتی تر مانند حمل ونقل ، خدمات مالی ، تولید و خرده‌فروشی عمل می‌کند.» مراحل زنجیره ارزش داده شامل کاربرد داده، ذخیره داده، گزینش داده، تحلیل داده و جمع آوری داده می‌شود. زنجیره ارزش داده‌ها درمورد هرنوع کسب‌وکاری قابل ترسیم است ، اما فراهم آورندگان فناوری حوزه‌های مختلف را متحول کرده و به شکل گیری انواع جدیدی از زنجیره ارزش داده‌ها در حوزه‌های مختلف کمک می‌کند.
اجزای مختلف بازیگران زنجیره ارزش داده شامل موارد ذیل است. تامین کنندگان داده: شخص یا سازمان (بنگاه‌های اقتصادی بزرگ و کوچک و متوسط ) که از منابع عمومی و خصوصی ، داده را خلق ، گردآوری ، تجمیع و تبدیل می‌کنند؛ تامین کنندگان فناوری : معمولا سازمان‌هایی (بزرگ و کوچک و متوسط ) که ابزارها، سکوها، خدمات و دانش شیوه مدیریت داده را فراهم می آورند؛ کاربران نهایی : فرد یا سازمان‌های مختلف از بخش های مختلف صنایع (بخش خصوصی و عمومی ) که از خدمات و فناوری داده برای مزیت های خودشان بهره می گیرند؛ بازار داده: شخص یا سازمانی که داده را از منتشرکنندگان مختلف گرفته و به کاربران نهایی یا مصرف‌کنندگان عرضه می‌کند؛ کارآفرینان و شرکت‌های نوپا: توسعه دهندگان خدمات، محصولات و فناوری های مبتنی بر داده خلاقانه؛ محققان و دانشگاهیان: کسانی که الگوریتم های جدید، فناوری ها و روش‌شناسی های مختلف مدل‌های کسب‌وکار و جنبه های اجتماعی موردنیاز پیشرفت داده را بررسی می‌کنند؛ مقررات‌گذاران: مقررات‌گذاران حریم خصوصی و جنبه های حقوقی؛ نهادهای استانداردسازی : نهادهایی که استانداردهای فناورانه ارتقای پذیرش جهانی فناوری داده را تدوین می‌کنند و سرمایه‌گذاران، صندوق‌های خطرپذیر و مراکز رشد: شخص یا نهادهایی که منابع و خدمات را جهت توسعه قابلیت های تجاری فراهم می آورد.
براساس زنجیره ارزش داده‌ها، می توانیم مراحل متمایزی را بررسی کنیم که از طریق آن داده‌ها برای استفاده در فرآیندهای تصمیم گیری تولید، جمع آوری ، ذخیره، تجزیه و تحلیل می شوند. پذیرندگان دیرهنگام فناوری در معرض از دست دادن رقابت هستند، اما با توجه به استراتژی های مناسب برای انتقال فناوری ، ارتباطات و فناوری های اهرمی می توانند به سرعت ارتقا یابند. دولت ها می توانند از طریق استراتژی ها و سیاست های صنعتی به طور سیستماتیک از شرکت‌هایی که از فناوری ها عقب مانده‌اند، حمایت کنند. تعاریف متعددی از واژه Catch-up ارائه شده است . در فرهنگ لغت کمبریج این واژه این‌گونه تعریف شده است: «دستیابی به سطح یا کیفیتی که افراد دیگر یا چیزهای دیگری آن سطح کیفیت را دارند.» در واژه‌نامه آکسفورد نیز این اصطلاح این گونه تعریف شده است : «موفقیت درگرفتن یک فردی که جلوتر از دیگران است یا انجام کاری که دیگری قبلا انجام داده است .»
با توجه به مفهوم سیاست که عبارت است از مجموعه تصمیمات و اقدامات دولت در برخورد با یک موضوع خاص، سیاست همپا مجموعه ای از تصمیمات و اقدامات دولت است که در تلاش برای جبران عقب ماندگی و نیز پیشی گرفتن از رقبا در زمینه های خاص انجام می‌شود. شرکت‌ها و کشورهای جدیدالورود می توانند آخرین فناوری ها را با هزینه کمتر از کشورهای پیشگام کسب کرده و از آن بهره‌برداری موثر کنند. تقلید فناورانه موضوع اصلی توسعه فناوری و همپایی با کشورهای پیشرو است، اما عوامل دیگری نظیر جذب، تطابق و توسعه فناوری ، ثبات اقتصاد کلان، محیط سیاسی و اجتماعی ، قوانین و مقررات، حقوق مالکیت و مسائلی از این دست در فرآیند توسعه فناورانه بسیار حائز اهمیت هستند. به طور کلی توسعه فناورانه بازیگران همپایی در کشورهای در حال توسعه به طور گسترده‌ای به نرخ تقلید فناورانه (که از مواردی مانند توانمندی های فناورانه ، سیاست ها و ترتیبات نهادی موجود متاثر است )، اکتساب و یادگیری از دانش و فناوری های خارجی وابسته است . شایان ذکر است که رشد و توسعه به خودی خود اتفاق نمی افتد و عواملی نظیر، ضمنی بودن ماهیت دانش فناورانه ، پیچیدگی روزافزون محصولات و نیاز به آموزش کافی و مناسب بر دشواری همپایی فناورانه افزوده است . این موارد به‌خصوص ماهیت ضمنی فناوری و یادگیری فناورانه بعضی از دولت ها را بر آن داشته است تا سیاست ها و مداخلاتی را برای انتقال بهینه فناوری طراحی کنند. در حالی که سیاست های حمایت از توسعه قابلیت های فناوری شرکت‌های عقب مانده از فناوری شناخته شده است ، اما کمتر در مورد اینکه چگونه سیاست های صنعتی می توانند با استراتژی های اقتصاد دیجیتال همسو شوند، شناخته شده است .
رویکردهای سیاستگذاری
همسویی سیاست های دیجیتال و صنعتی را می توان در چهار بعد جهت گیری ، اهداف، ابزارهای سیاست صنعتی و ابزارهای سیاست داده بررسی کرد. جهت گیری درونی و بیرونی شامل ایجاد تعادل بین جهت گیری داخلی (هدایت شرکت‌ها داخلی و جریان داده‌ها) و جهت گیری برون‌گرا (شکل دهی شرایط شرکت‌های خارجی در کشور و جریان داده‌های آنها) است. اهداف سیاست صنعتی شامل پتانسیل انتشار و انتقال فناوری های دیجیتالی و ایجاد پیوندهای محکم از طریق تسهیل کننده‌های اقتصادی و جریان‌های باز است. ابزارهای سیاست صنعتی شامل ابزارهای سیاستی که رقابت را شکل می‌دهند، از جمله حمایت از صنعت داخلی ، قوانین مشارکت خارجی و موانع تجاری مرتبط با اقتصاد دیجیتال است. ابزارهای سیاست داده شامل ابزارهای سیاست صنعتی شامل انباشت (جمع آوری و ذخیره) داده‌ها، الزامات محلی سازی داده‌ها، چارچوب‌های حفاظت از داده‌ها و قوانین شفافیت در داده‌ها و الگوریتم هاست. سیاست ها در امتداد زنجیره ارزش داده‌ها: داده یک ابزار اساسی در سیاست های صنعتی شدن است و در نتیجه سیاست های لازم برای تحقق این امر در راستای زنجیره ارزش داده اهمیت دارد. دلایل اساسی برای توسعه سیاست های داده‌محور، نگرانی‌ها درخصوص امنیت سایبری ، حفاظت از مصرف‌کننده و حریم خصوصی است . با این حال، سیاست های داده به طور فزاینده‌ای اهداف اقتصادی را نیز در بر می گیرند و از یک مبحث ساده «انباشت داده‌ها» در مقابل «جریان آزاد داده‌ها» فراتر می روند تا طیف وسیع تری از ابزارهای خط مشی را در امتداد زنجیره‌های ارزش داده در برگیرند. هر مرحله در زنجیره ارزش داده‌ها مستلزم هزینه ها، فعالیت ها و مهارت‌های متفاوتی است . با استناد به بحث قبلی در مورد جهت گیری سیاست ها، چند خط‌مشی در این راستا معرفی می‌شود: ماهیت فناوری و مهارت‌ها، نوع توانایی های موردنیاز و امکان‌سنجی سیاستی را برای رسیدن به زنجیره ارزش داده تعیین می‌کند.
سیاست ها و استراتژی های داخلی از شرکت‌های داخلی حمایت و آنها را تشویق می‌کند تا فرهنگ داده‌محور را برای اشتراک‌گذاری راحت تر داده‌ها و استفاده دوباره جاری سازند.
سیاست های برون‌گرا شرایط را برای شرکت‌های خارجی و جریان داده‌ها شکل داده و قانون مدیریت داده و اطلاعات ملی ، استانداردها و الزامات بخشی ، انواع و استفاده از داده‌ها را در اقتصادهای عقب مانده از توسعه فناوری تعریف می‌کنند. سیاست های داده سمت تقاضا می توانند نقش مهمی در ایجاد تقاضای داخلی برای داده‌ها ایفا کنند. استراتژی های دولتی ، تدارکات و سایر ابتکارات می توانند تقاضا را افزایش دهند.
یکپارچه سازی داده‌ها
سیاست های ملی داده در مسیر تکامل و در عین حال یکپارچه سازی بیشتر قرار دارند. این امر به طور خاص به زنجیره ارزش داده‌ها اشاره دارد و دولت ها در حال عملیاتی کردن مجموعه ای از اقدامات در مسیر داده‌های یکپارچه هستند. چهار مسیر اصلی در راستای ایجاد داده‌های منسجم تر به شرح زیر است :
قوانین حاکمیت داده و بومی سازی ، پایه و اساس اکوسیستم‌های داده: چند کشور با استفاده از سیاست های صنعتی هدفمند حول بومی سازی داده‌ها و کنترل محلی ، اقتصادهای مبتنی بر داده‌های محلی را ایجاد کرده‌اند. به عنوان مثال در اندونزی ، حرکت به سمت بومی سازی داده‌ها بخش مهمی از سیاست های ملی برای توسعه شرکت‌های داخلی مبتنی بر داده در نظر گرفته شده است . سیاست مزبور در اندونزی با ارائه الزاماتی برای بومی سازی داده‌ها با هدف تسهیل جریان داده‌های استراتژیک و داده‌های عمومی ، حاکمیت داده‌ها را ارتقا می‌دهد.
سیاست های استراتژیک دولت ها برای حمایت از اقتصاد داده: دولت ها در چند کشور در حال توسعه استراتژی هایی را برای ارتقای دسترسی و استفاده از داده‌های استراتژیک به عنوان پایه ای برای ایجاد اقتصاد داده اجرا می‌کنند. به طور مثال ابتکار India Stack به عنوان حامی صنایع و شرکت‌های داده‌محور در هند، ابتکار عمومی در آمریکای لاتین (به عنوان مثال در شیلی ، مکزیک و کلمبیا) برای تقویت داده‌های باز در بخش عمومی ، حمایت از نوآوری و یکپارچه سازی داده‌ها در بخش مالی تایلند فرصت هایی را برای ظهور شرکت‌های داده‌محور جدید باز می‌کند. دولت ها می توانند با پیاده‌سازی زیرساخت داده، تعیین استانداردها برای داده‌ها و تدوین قوانین داده، راه را برای اقتصاد دادهای پویاتر هموار کنند.
فرصت ها در تبدیل فعالیت های دادهای کم ارزش‌تر: کشورهایی (مثل هند، پاکستان و فیلیپین ) که پردازش اطلاعات و تجزیه و تحلیل داده‌ها را انجام می‌دهند، به عنوان قطب فعالیت های دادهای کم ارزش‌تر مانند تجزیه و تحلیل ساده، مدیریت محتوا و... شناخته می شوند. تبدیل این فعالیت های دادهای کم ارزش‌تر به فعالیت های با ارزش افزوده بالا به قابلیت های دیجیتالی موجود و همچنین استراتژی های زیرساختی و همسویی قوانین داده بستگی دارد. داستان شرکت‌های معتبر در آسیا که فناوری اطلاعات (IT) و برون‌سپاری فرآیند کسب‌وکار خود را در زنجیره ارزش خدمات ارتقا می‌دهند، مثالی از این نوع است . درواقع آنها از وظایف ساده IT به سمت توسعه نرم‌افزار با ارزش بالاتر و نقش های رهبری در پروژه‌های فناوری اطلاعات حرکت می‌کنند. از استارت‌آپ‌های نوپا گرفته تا شرکت‌های بزرگی مانند فورچون 500 و به طور کلی کسب‌وکارها در هر اندازه‌ای فرآیندهای خود را برون‌سپاری می‌کنند زیرا سرویس های جدید و نوآورانه معرفی می شوند و کسب‌وکارها به دنبال مزیت هایی برای پیشی گرفتن در رقابت بازار هستند. با این حال، هنوز مشخص نیست که آیا این فعالیت های دادهای کم‌ارزش به عنوان پله ای مشابه برای رسیدن به زنجیره ارزش داده عمل می‌کنند یا خیر.
ساخت برنامه های کاربردی خاص بخش مرتبط با داده: اقتصاد داده را می توان در مرحله کاربرد زنجیره ارزش داده ایجاد کرد.
--> اخبار مرتبط