Entrepreneurship, Complexity, and Data Science: Part I | By @OpenEXO

Entrepreneurship, Complexity, and Data Science: Part I

Network orchestration business models (NOBMs), such as Uber, Alibaba, and Airbnb, create value from an interaction between people. Every trip, every purchase, every stay generates data on the behaviour of customers and suppliers. The differences between these and the variety of actions they carry out make the data generated by the network far-reaching. | By @OpenEXO http://dlvr.it/SHTLcJ


Emprendimiento, complejidad y ciencia de datos: Parte I

La historia de éxito de Uber es un claro caso de efecto de retroalimentación económica acelerado por un uso inteligente de la tecnología. Sin embargo, ¿por qué este modelo es tan difícil de reproducir? ¿Existe una relación entre tamaño, información y sostenibilidad?


Los modelos comerciales de orquestación de redes (NOBM), como Uber, Alibaba y Airbnb, crean valor a partir de una interacción entre personas. Cada viaje, cada compra, cada estadía genera datos sobre el comportamiento de clientes y proveedores. Las diferencias entre estos y la variedad de acciones que realizan hacen que los datos generados por la red sean de gran alcance. Como en la evolución biológica, donde pequeñas variaciones acumuladas a lo largo del tiempo conducen a la separación entre una especie y otra, las empresas adaptan su propuesta a las demandas de los clientes y usuarios. La orquestación conduce a una hermosa complejidad continua entre los datos y la economía.

El alcance de las propuestas de valor generadas por los datos hace que las NOBM sean de largo alcance y mejoren continuamente (Libert et al., 2014). La digitalización de una NOBM entra cuando los datos y sus interacciones se utilizan para ampliar, regular o crear información. En otras palabras, los datos crean otros datos. Cuando las NOBM alcanzan grandes escalas, se deben considerar las limitaciones que surgen de las tendencias globales y tecnológicas. Las dos transformaciones digitales más significativas, la Industria 4.0 y la tecnología financiera (Fintech) tienen como objetivo introducir la empresa digital, donde la capacidad de respuesta de la información al mundo físico y la inclusión de servicios financieros digitales se integren en organizaciones, personas y activos. Las tecnologías se convierten entonces en facilitadoras o disruptoras (Briggs et al., 2020), creando mecanismos de adaptabilidad. ¿Hay alguna forma de regularlos? ¿Cuál es el tamaño o dimensión máxima que puede alcanzar una red empresarial?

Las tecnologías disruptivas como Blockchain han participado en la rápida evolución de varias grandes marcas. Su papel es el de habilitadores y deshabilitadores de la interacción digital (Swan, 2015). Blockchain permite la criptografía encadenada de datos y su relación histórica. Sus principales capacidades son un libro de contabilidad digital descentralizado y distribuido que interactúa con muchos actores. El complejo fenómeno central asociado con Blockchain es el autoordenamiento de los silos de conocimiento e información.

Las técnicas de aprendizaje automático son excelentes catalizadores (Hinton, 1992). El aprendizaje automático hace que la recopilación y transmisión de información sea más accesible, económica y rápida. Además, se puede aumentar la interpretación y la precisión de los datos, lo que permite interconectar nuevas industrias. En definitiva, “Machine Learning” lleva los NOBM basados ​​en big data a una escala global que influye directamente en la estructura social. ¿Qué tan rápido puede evolucionar un negocio basado en big data? ¿Existe una escala en la que sea imposible mantener la sostenibilidad del modelo?

Vamos a argumentar y responder a las preguntas anteriores. Primero, tenemos que hacer una afirmación: las interacciones, en conjunto con la evolución continua de la propuesta de valor en una NOMB, permiten la rápida creación y deterioro de tecnologías disruptivas, mientras que los habilitadores responden como catalizadores para el desempeño de las operaciones comerciales. Este ir y venir entre la habilitación y la disrupción genera un modelo adaptativo complejo. Expliquemos un poco más sobre la importancia de tal comportamiento.

En primer lugar, se reconoce ampliamente que la capacidad de los fenómenos macroeconómicos modifica el entorno en el que se toman las decisiones microeconómicas (Fanelli et al., 1995). La estabilización de cualquier variable macroeconómica de fluctuación canónica (como el PIB, el ingreso nacional o los índices de precios) es una de las búsquedas cruciales para definir estrategias a nivel nacional de cualquier país (Gillis et al., 1992). Desde el punto de vista de la teoría de la agencia (Braun y Guston, 2003), la agregación a nivel micro puede crear patrones comerciales (Page, 2008). Estos patrones transportados a la macroescala inducen un nuevo comportamiento en la sociedad que, a su vez, se retroalimenta con tecnologías disruptivas.

Sin embargo, si el fenómeno de la retroalimentación económica es el padre o la madre de modelos tan exitosos como Uber, Airbnb o Visa, ¿por qué estos son tan difíciles de reproducir? ¿Existe una relación entre tamaño, información y sostenibilidad? En la siguiente parte, discutiremos más este asunto desde una perspectiva social y tecnológica.

Continua leyendo en By @OpenEXO http://dlvr.it/SHTLcJ


No hay comentarios.

Imágenes del tema de enot-poloskun. Con tecnología de Blogger.