Czas czytania: 7 minut

W tym artykule opisywał będę czym są i jak działają efekty oparte o dane, podam kilka przykładów z życia wziętych. Opiszę również i wskaże, jaka jest różnica między postępem technologicznym, a efektem sieciowym technicznie wydajnym. Aby przeczytać poprzednie artykuł z serii zapraszam przez ten link – https://kognitywistyka.kul.pl/typy-efektow-sieciowych-dwustronne/

Efekty sieciowe oparte na danych

Gdy wartość produktu wzrasta w wyniku nagromadzenia się danych oraz gdy korzystanie z niego generuje statystyki, mówimy wtedy o efekcie sieciowym opartym o dane. Jest to trzecia szeroka kategoria efektów sieciowych.
W sieciach opartych o dane, każdy użytkownik(węzeł, nod) karmi przydatnymi danymi centralną bazę danych. Podczas, gdy dane zaczynają napływać, wartość zebranych informacji na temat pojedynczego użytkownika oraz grup użytkowników wzrasta.

Efekt sieciowy oparty o dane ma tendencje do bycia słabszym od tego co uważają, czy chcą niektórzy ludzie. Posiadanie większej ilości danych niekoniecznie odpowiada wartości, także kumulowanie użytecznych informacji nie jest zawsze proste nawet, jeśli dane są esencjonalne do produktu.

Dane mogą zwiększyć wartość produktu na różne sposoby, jeśli są one naprawde centralną jego częścią, z której czerpie użytkownik wtedy efekt sieciowy oparty na tym produkcie ma potencjał do stania się bardzo silnym. Z drugiej strony jeśli dane są tylko marginalne do produktu, efekt ten nie będzie bardzo znaczący. Gdy Netflix rekomenduje użytkownikowi serial, algorytm podsuwa tą propozycję na bazie informacji zgromadzonych o danym widzu i koreluje go z bazą informacji innych użytkowników. Lecz system rekomendacji Netflixa to tylko funkcja marginalna, prawdziwa wartość serwisu jest w jego bazie multimedialnej. Tak więc Netflix posiada tylko marginalny efekt sieciowy oparty o dane.

Podobnie, zależność pomiędzy użytkownikiem produktu, a ilością zebranych danych może być asymetryczna. Yelp posiadał efekt oparty o dane, ponieważ większa liczba recenzji dla restauracji sprawiała, że produkt stawał się bardziej wartościowy. Jednak, że efekt sieciowy serwisu jest osłabiony przez fakt, że tylko nieznaczny procent użytkowników tworzy dane, większość ludzi czyta informacje zgromadzone na Yelp, ale ich nie pisze. W tym samym czasie Yelp jest dobrym przykładem powszechnej słabości efektów sieciowych opartych o dane. Dlatego też sieci oparte na danych są asymptotyczne, piąta recenzja daje znacznie więcej wartości niż trzydziesta. Po przekroczeniu określonego poziomu więcej recenzji nie zwiększa wartości, ani dla usługodawcy, ani użytkownika.

Jeśli produkt nie posiada relacji pomiędzy zwiększonym użyciem i bardziej użytecznymi danymi, wtedy nie zachodzi wokół niego efekt sieciowy, jest to jedynie efekt skali. Agencje, które analizują kredyty i pożyczki (np. Experian) posiadają efekt skali, a nie efekt sieciowy. Jest tak dlatego, ponieważ nawet jeśli większa ilość danych oznacza lepszą ocenę zdolności kredytowej, nie oznacza to jednak, że wzrośnie zapotrzebowanie na usługę przez nich oferowaną.
Efekty sieciowe oparte na danych są łatwe do pomylenia z zaletami jakie przychodzą z osiągnięcia skali. Duże przedsiębiorstwa z definicji mają więcej danych. Rodzi się więc pytanie, czy dane te dają jakąś znaczącą wartość dla konsumenta/użytkownika? A jeśli tak, czy wzrost wykorzystywania prowadzi do większej ilości użytecznych danych?

Dobrym przykładem usługi z silnym efektem sieciowym opartym o dane jest Waze, czy nasz Polski Yanosik. Nie tylko prawie, każdy używa danych zgromadzonych na tych aplikacjach, ale także ma udział ze swoimi przydatnymi danymi. Przez to, że informacje te są wykorzystywane i użyteczne w czasie rzeczywistym ich zbiór musi być aktualizowany bez przerwy. Dlatego też im większa jest sieć, tym dane na temat dróg i wydarzeń na nich zachodzących będą znacznie dokładniejsze. Więcej informacji tworzy prawie nieograniczoną wartość, dlatego też nie ma chyba lepszych przykładów efektów sieciowych opartych o dane niż aplikacje typu Waze i Yanosik.

Efekty sieciowe oparte na danych są prawdopodobnie najbardziej skomplikowanymi kategoriami efektów sieciowych. Jest w nich tak dużo różnych podejść, jak wiele jest sposobów na analizę danych.

Technicznie wydajne efekty sieciowe

O efektach sieciowych wydajnych techniczne mówimy wtedy, gdy techniczne ulepszenie jakiegoś produktu ma bezpośredni wpływ na zwiększenie się liczby użytkowników. W sieci takiej technologia działa lepiej, jeśli jest w niej więcej urządzeń lub użytkowników. Dzięki temu produkt, czy usługa staje się szybsza, tańsza albo łatwiejsza dla użytkownika.

Rozważmy dzielenia się plikami w sieci P2P w usługach takich, jak np. BitTorrent lub operatorach VPN. Usługi te stają się szybsze dla wszystkich użytkowników w miarę, jak rozrasta się sieć. Każda osoba pobierająca plik z BitTorrent, rozsyła także pliki po sieci. Skype twierdzi, że im więcej ludzi używa aplikacji, tym lepsza staje się jakość streamowanego wideo *(nie wiadomo, czy jest to prawdą, ale jest to prawidłowe założenie jakie posiada zespół odpowiedzialny za tworzenie Skype).

Techniczne efekty sieciowe to nie to samo co postęp technologiczny, który ma relatywnie krótki okres życia i nie jest zbytnio przystosowany do obrony przed innymi dokonaniami ludzkości. Jeśli jako pierwsi wyjdziemy z jakiegoś typu technologią, możemy być pewni, że przez tempo innowacji jakie ma miejsce nie upłynie dużo czasu, gdy konkurencja skopiuje technologię lub stworzy coś swojego. Zaimplementowanie i wykorzystanie efektu sieciowego da produktowi cenny rozpęd dzięki temu, że jest się pierwszą osobą, firmą, która wystartowała z danym rozwiązaniem. Dlatego nie trzeba walczyć z konkurencją, ponieważ odległość pogoni konkurencji ma tendencję do odbiegania lub zmniejszania się w czasie.

Innym powszechnie niejasnym punktem w wydajnych technicznie efektach sieciowych jest zakładać występowanie efektu, gdy np. zwiększone wykorzystanie produktu wytwarza zysk, który reinwestowany jest do wytworzenia jeszcze większego postępu technologicznego napędzającego jeszcze większe wykorzystanie. Jeśli zwiększone obroty pochodzą ze zwiększenia zysków lub danych, jest to na pewno dobrą rzeczą lecz na pewno nie jest to efekt sieciowy pochodzący od technicznej wydajności produktu.

Podsumowanie

W powyższym artykule zapoznaliśmy się z dwoma podejściami w efektach sieciowych, które zaczęto wykorzystywać relatywnie niedawno, głównie przez to, że postęp technologiczno-informacyjny znacznie poszedł do przodu. W kolejnym poście opiszę ostatnią szeroką kategorię efektów sieciowych, które nazywają się społecznymi efektami sieciowymi (nie mylić z sieciami społecznościowymi, jak np. Facebook, Linkedin). Efekty te działają dzięki ludzkiej psychologii oraz interakcjom jakie zachodzą między człowiekiem, a człowiekiem.

Bibliografia:
https://www.nfx.com/post/network-effects-manual/