จะเกิดอะไรขึ้นหลังจาก การรวบรวมข้อมูลขนาดใหญ่

การรวบรวมข้อมูลขนาดใหญ่ สื่อดิจิทัลมีความซับซ้อนมากขึ้นเรื่อยๆ ในแต่ละวัน ด้วยเหตุนี้ ข้อมูลจึงถูกสร้างและเก็บเกี่ยวทั่วโลก ผู้เชี่ยวชาญในโลกของการตลาดมักจะมองหาวิธีการใหม่ๆ ในการซื้อหรือขายข้อมูลที่อาจเป็นประโยชน์ต่อระบบและแนวทางปฏิบัติของพวกเขา

การทำเช่นนี้เริ่มยากขึ้นเรื่อย ๆ และได้สร้างอุตสาหกรรมใหม่ทั้งหมดสำหรับนักพัฒนาเทคโนโลยีที่จะฟันฝ่าและปรับปรุงข้อเสนอบริการของพวกเขา

การเติบโตของอุตสาหกรรมนี้มีข้อดีและข้อเสีย ทุกวันนี้ ความจำเป็นในการบันทึกและนำรูปร่างมาสู่ข้อมูลเชิงลึกและข้อมูล และรวบรวมเป็นแพลตฟอร์มที่เป็นหนึ่งเดียวคือความท้าทายที่นักพัฒนาซอฟต์แวร์กำลังเผชิญอยู่ในขณะนี้ และผลลัพธ์ของปัญหานั้นเรียกว่า Data Management Platform (DMP)

คุณสามารถติดตั้งแพลตฟอร์มการจัดการข้อมูลได้หลายวิธี ตัวอย่างเช่น หากคุณกำลังเรียนรู้วิธีสร้างเว็บไซต์คุณจะเข้าใจว่าคุณจำเป็นต้องจัดระเบียบข้อมูลบุคคลที่หนึ่ง ที่สอง และบุคคลที่สามจากโฆษณาบนเว็บไซต์ของคุณ ในการทำเช่นนี้ คุณจะได้เรียนรู้วิธีใช้ DMP เพื่อสร้างโฆษณาที่ตรงเป้าหมายมากขึ้นและการปรับแต่งเนื้อหา

DMP ทำงานอย่างไร

DMP มีความสามารถในการเก็บเกี่ยวและบันทึกข้อมูลในรูปแบบต่างๆ ที่หลากหลายจากแหล่งข้อมูลที่หลากหลาย พวกเขาสามารถรับข้อมูลจากการท่องเว็บบนเดสก์ท็อปและอุปกรณ์พกพา เครื่องมือวิเคราะห์ CRM โซเชียลมีเดีย และบางครั้งแม้แต่จากวิทยุหรือทีวี DMP ที่ดีที่สุดใช้เทคโนโลยีขั้นสูงสุดเพื่อเจาะลึกมากกว่าข้อมูลพื้นผิว ทำให้ได้ชุดข้อมูลที่รอบด้านมากขึ้นซึ่งมีประโยชน์มากกว่าสำหรับผู้ที่กำลังเก็บเกี่ยวข้อมูล

ข้อมูลจากบุคคลที่หนึ่ง เช่น ข้อมูลที่รวบรวมจากลูกค้าและลูกค้าของคุณเอง สามารถรับได้โดยตรงจากการโต้ตอบกับเว็บไซต์ เช่น การคลิกและการดาวน์โหลด ข้อมูลมักจะรวมถึงความสนใจ เช่น กีฬาและงานอดิเรก ตลอดจนตำแหน่งที่ตั้งและข้อมูลประชากร ข้อมูลนี้สามารถใช้เพื่อกำหนดเป้าหมายตลาดเฉพาะได้ เช่น พ่อที่มีอายุ 27-32 ปี

จะเกิดอะไรขึ้นหลังจากการรวบรวมข้อมูล

หลังจากจัดเรียงข้อมูลจากบุคคลที่หนึ่งแล้ว โดยปกติแล้ว ข้อมูลดังกล่าวจะถูกจัดสรรช่องใน “ลำดับชั้น” ที่เฉพาะเจาะจง กฎสำหรับลำดับชั้นนี้มักจะกำหนดโดยผู้ใช้ หรือในบางกรณีโดยการเรียนรู้เชิงลึกและโปรโตคอลการเรียนรู้ของเครื่องและ AI ในชุดข้อมูลขนาดใหญ่ ข้อมูลอาจถูกแบ่งออกเป็นตาข่ายและการจัดกลุ่มต่างๆ มากมาย ขึ้นอยู่กับเกณฑ์

ข้อมูลนี้สามารถจัดหมวดหมู่เพื่อให้คุณเห็นภาพรวมเชิงลึกของผู้ชมได้มากขึ้น ด้วยเหตุนี้ คุณจะสามารถขยายการเข้าถึงและเข้าใจว่าลูกค้าที่ดีที่สุดของคุณคือใครและกลุ่มประชากรของพวกเขา การรวบรวมข้อมูลขนาดใหญ่

วิธีจัดหมวดหมู่ผู้ชม DMP ของคุณ

หลังจากทำงานอย่างหนักเพื่อรวบรวมและจัดระเบียบชุดข้อมูลทั้งหมดของคุณก็ถึงเวลาสร้างหมวดหมู่ผู้ชมต่างๆ เพื่อระบุว่าหมวดหมู่ใดมีค่ามากที่สุด ผู้ชมสามารถจัดหมวดหมู่ใน DMP โดยใช้แหล่งข้อมูลต่างๆ และการใช้ตรรกะจริง-เท็จ จะช่วยให้คุณสร้างผู้ชมเฉพาะกลุ่มได้ตามที่คุณต้องการ

ชุดข้อมูลที่มีหมวดหมู่มากขึ้นจะเป็นข้อมูลเฉพาะกลุ่มมากขึ้น และด้วยเหตุนี้ จะรวมผู้ชมจำนวนน้อยที่ต้องการการสนับสนุนที่เฉพาะเจาะจงมากขึ้น

คุณสามารถใช้ช่วงของจุดข้อมูลต่างๆ บางส่วนที่พบบ่อยที่สุดคือ:

• อายุ
• เพศ
• ที่ตั้งหรือภูมิภาค
• ความสนใจ
• ประวัติการค้นหา
• รายได้ของครัวเรือน
• ขนาดครอบครัว
• ความคิดเห็น—เช่น ลูกค้าทั้งหมดที่ชอบ/ไม่ชอบ X
• โซเชียลเน็ตเวิร์ก—เช่น Facebook กับ Twitter

ตัวเลือกที่ดีที่สุดคือการใช้ผู้ชมและข้อมูลประชากรที่คุณรู้อยู่แล้วในการจัดเรียงข้อมูลของคุณ หากคุณรู้ว่าคุณได้รับการตอบสนองที่ดีจากคุณแม่วัยกลางคนที่มีลูก ข้อมูลเหล่านี้จะชัดเจน เมื่อคุณร่อนผ่านจุดข้อมูลที่ชัดเจนแล้ว อาจถึงเวลาที่ต้องทำการทดสอบแบบแยกส่วนเพื่อทดสอบกับชุดข้อมูลต่างๆ

ใครควรใช้ DMP’s?

เกือบทุกอุตสาหกรรมและธุรกิจทั่วโลกสามารถใช้ DMP ได้ นักการตลาดและเอเจนซี่ดิจิทัลสามารถใช้ DMP เพื่อกำหนดเป้าหมายและจัดหมวดหมู่ผู้ชมในระดับเชิงลึกมากขึ้น ภาพรวมที่ละเอียดยิ่งขึ้นของชุดข้อมูลของคุณนี้จะช่วยให้คุณเริ่มต้นแคมเปญการตลาดที่มีต้นทุนสูงได้อย่างมั่นใจ ในขณะเดียวกันก็ลดความเสี่ยงลงได้อย่างมาก

โอกาสที่หากคุณมีเว็บไซต์ที่มีปริมาณการเข้าชมที่เหมาะสมหรือบัญชีโซเชียลมีเดียที่มีแฟน ๆ หรือผู้ติดตามจำนวนมาก คุณอาจกำลังนั่งอยู่บนเหมืองข้อมูลทองคำดิจิทัล

แม้ว่าคุณจะไม่ได้อยู่ในตำแหน่งที่จะใช้ประโยชน์จากมันได้ในตอนนี้ คุณควรเริ่มเก็บไว้ใช้ในภายหลัง เพื่อให้คุณเริ่มต้นได้เมื่อคุณพร้อม หากคุณยังใหม่ต่อโลกของ DMP ฉันขอแนะนำให้คุณลองดูDMP Playbook นี้ เพื่อรับข้อมูลเชิงลึกที่ดีขึ้นเกี่ยวกับอุตสาหกรรมที่ซับซ้อนนี้ ข้อมูลกำลังกลายเป็นสกุลเงินใหม่ของโลก และการให้ความรู้กับตัวเองนั้นคุ้มค่าเกินคุ้ม ดังนั้นใช้บทความนี้เพื่อเพิ่มพูนความรู้และเพิ่มพูนความเข้าใจเกี่ยวกับ DMP

ความถูกต้องของข้อมูลเป็นหนึ่งใน “มิติ” ของคุณภาพข้อมูล เป้าหมายสำหรับมิติเหล่านี้และเป็นสิ่งที่สูงส่ง คือเพื่อให้เราสามารถวัดแต่ละมิติได้ และหากพบข้อบกพร่องก็ควรมีชุดแนวทางปฏิบัติที่ดีที่สุดที่เหมือนกันซึ่งเราสามารถนำไปใช้ได้ แน่นอนว่าแนวทางปฏิบัติที่ดีที่สุดเหล่านี้จะแตกต่างกันไปในแต่ละมิติ แต่สิ่งนี้เป็นไปได้เพียงใดสำหรับความแม่นยำของข้อมูล

ในบล็อกนี้ เราเริ่มต้นด้วยการดูคำจำกัดความของความถูกต้องโดยทั่วไป Wikipedia ให้คำจำกัดความที่ยอมรับกันทั่วไป ซึ่งก็คือ:

“ระดับความใกล้เคียงของการวัดปริมาณกับมูลค่าที่แท้จริงของปริมาณนั้น ”

คำว่า “จริง” นั้นสำคัญมาก ต้องเข้าใจ จึงจะเข้าใจถูกต้อง ความจริงถูกกำหนดโดยอริสโตเติลในลักษณะที่เน้นความสัมพันธ์ระหว่างการเป็นตัวแทนและความเป็นจริงที่การเป็นตัวแทนพยายามที่จะเป็นตัวแทน ดูเหมือนว่าจะเชื่อมโยงกับความถูกต้องของข้อมูลอย่างมาก

เราให้คำจำกัดความของความถูกต้องของข้อมูลเป็น:

“ระดับที่ค่าข้อมูลแสดงถึงสิ่งที่อ้างว่าเป็นตัวแทน”

ปัญหาหนึ่งของมิติของคุณภาพข้อมูลคือมีความคิดเห็นที่แตกต่างกันเกี่ยวกับวิธีการกำหนด ไม่ต้องสงสัยเลยว่าคำจำกัดความของเราสามารถปรับปรุงได้ แต่เราจะใช้เป็นพื้นฐานในการสำรวจว่าเราควรประเมินความถูกต้องของข้อมูลอย่างไร

สิ่งต่อไปที่เราต้องพิจารณาคือ ความแม่นยำของข้อมูลเป็นไปไม่ได้ที่จะบรรลุความแม่นยำ 100% สำหรับการสังเกต ความคิดที่ยอดเยี่ยมสองประการในการควบคุมคุณภาพเป็นพื้นฐานสำหรับความเข้าใจนี้ Walter A. Shewhart ชี้ให้เห็นว่าระบบการวัดทั้งหมดมีข้อผิดพลาด W. Edwards Deming ซึ่งสอนโดย Shewhart ไปไกลกว่านั้น และชี้ให้เห็นว่าไม่มี “คุณค่าที่แท้จริงของสิ่งใดเลย” 

ดังนั้น ดูเหมือนว่าเราจะไม่มีทางได้รับความแม่นยำของข้อมูล 100% หากเป็นกรณีนี้ เราจะต้องการทราบว่าเราจะประเมินความถูกต้องของข้อมูลได้อย่างไร เนื่องจากเราต้องการทราบว่ามีความไม่สมบูรณ์เพียงใด และนี่คือจุดที่เราพบกับความจริงที่ยากยิ่ง ซึ่งก็คือเราไม่สามารถทำสิ่งนี้ได้เพียงแค่พิจารณาจากข้อมูลเพียงอย่างเดียว นี่อาจเป็นปัญหาสำหรับผู้เชี่ยวชาญด้านข้อมูล เราเคยชินกับการทำงานกับข้อมูลและชอบทำงานกับมัน แต่ในการประมาณคุณภาพข้อมูล เราจะต้องก้าวออกไปนอกข้อมูล หาวิธีประเมินตัวอย่างประชากรที่เราสนใจอย่างอิสระสำหรับค่าข้อมูลที่เป็นปัญหา และเปรียบเทียบกับข้อมูลภายใต้การดูแลจัดการ ไม่สามารถทำได้จากภายในข้อมูลทั้งหมด แน่นอน วิธีที่เราประเมินความถูกต้องของข้อมูลมีแนวโน้มที่จะแตกต่างกันไปในแต่ละองค์ประกอบข้อมูล

มีข้อยกเว้นอยู่ประการหนึ่ง ซึ่งก็คือข้อมูลที่เป็นความจริงที่ได้รับการจัดการ ในกรณีเหล่านี้ ข้อมูลไม่ได้ขึ้นอยู่กับการสังเกตสิ่งภายนอก สิ่งใดที่ไม่มีตัวตน เช่น บัญชีธนาคาร จะรวมอยู่ในหมวดหมู่นี้ ในฐานข้อมูลที่จัดการบัญชีธนาคารอย่างแข็งขัน ข้อมูลนั้นเป็นความจริง อย่างไรก็ตาม หากเราดูบัญชีธนาคารและพยายาม เช่น จับยอดคงเหลือ เราก็ทำการสังเกตและกลับสู่ข้อมูลปกติ เราจะสำรวจความแตกต่างนี้ให้มากขึ้นในอนาคต

ดังนั้น ความจริงเหล่านี้จึงเป็นความจริงสองสามข้อเกี่ยวกับความถูกต้องของข้อมูล: สำหรับข้อมูลจากการสังเกต เป็นไปไม่ได้ที่จะบรรลุผลอย่างสมบูรณ์ และเราไม่สามารถประเมินได้เพียงแค่ดูที่ข้อมูลเท่านั้น

THAI-PDPA เปิดให้คำปรึกษาโดยผู้เชี่ยวชาญแบบครบวงจร ด้วยเทคโนโลยี Data Protection Services ที่แนะนำให้ไปประยุกต์ใช้เพื่อปกป้องข้อมูลพนักงานและลูกค้า

ผู้ที่สนใจใช้บริการ Data Protection Services ของ THAI-PDPA สามารถติดต่อฝ่ายขายที่ดูแลคุณหรือฝ่ายการตลาดได้ที่เบอร์ 0-2860-6659 หรืออีเมล dcs@ko.in.th สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุดคุ้มที่สุด

หากท่านมีความสนใจ บทความ หรือ Technology
สามารถติดต่อได้ตามเบอร์ที่ให้ไว้ด้านล่างนี้
Tel.086-594-5494
Tel.095-919-6699

สนใจรับคำปรึกษาด้านวางระบบจัดการเอกสารอิเล็กทรอนิกส์  EDMS โดยทีมงานผู้เชี่ยวชาญจาก K&O ที่มีประสบการณ์มากว่า 15 ปี รวมถึงซอฟต์แวร์ระดับโลก ติดต่อ 0 2 – 8 6 0 – 6 6 5 9

หรือ E m a i l : c s @ k o . i n . t h สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุด คุ้มที่สุด