Web2.0 و Web3.0 چیست و با یکدیگر چه تفاوت هایی دارند؟

2 نامی که در اینترنت در سایتهای مختلف وجود دارد ولی زیاد کاربران با آن آشنا نیستند و تفاوت این دو گزینه را شاید ندانند.  به صورت عامیانه و بدون هیچ پیچیدگی بهتر است بدانید که Web 2.0 به این معناست که کاربران و استفاده کنندگان اینترنت در تولید و ویرایش محتوا نقش مهمی دارند و می توانند همانند یک نرم افزار open Source تغییرات دلخواه را بر روی فایل و صفحه مورد نظر اعمال کنند .  
"وب ۲" در واقع پدیده‌ای است که در نحوه استفاده از فناوری و طراحی سایت‌ها در اینترنت رایج شده است. سایت‌ها یا خدمات اینترنتی که امکان تبادل اطلاعات را بین کاربران فراهم می‌کنند، یا به آنها اجازه تولید یا دستکاری در اطلاعات را می‌دهند، معمولا " وب ۲ " تلقی می‌شوند.
تا به حال به ویکی پدیا دقت کرده اید ؟ سایتی که به شما اجزاه و درج مطالب را تحت یک چهار چوبی میدهد ، که به این وب سایت وب دویی می گویند .

سرویس های وب 2 برای وقت کاربرانشان ارزش زیادی قائلند و شما را در پروسه هایی مانند ذخیره سازی داده هایتان بهتر یاری میکنند. بطور مثال شما در جیمیل نیازی به ذخیره کردن ایمیل افرادی که برای شما یکبار ایمیلی زده اند ندارید. زیرا هر آدرس ایمیلی که دریافت میشود بطور اتومات در دفترچه ایمیل های شما ذخیره میشود و هنگامی که نیازمند ارسال ایمیل به یکی از دوستان خود هستید، کافیست ابتدای نام او را تایپ کنید تا جیمیل از بین هزاران ایمیل ثبت شده، ایمیل مورد نظر را نمایش دهد. همچنین اگر چند دوست همنام دارید که بیشتر به یکی از آنها ایمیل می زنید، هنگام تایپ نام آنها ، جیمیل ایمیل دوستی را که بیشتر برایش ایمیل زده اید بالاتر از بقیه نمایش می دهد.

قابلیت یادگیری سرویس های وب2 در بخش جستجوی گوگل نیز قابل مشاهده است. گوگل نتایج جستجوی شما را ذخیره میکند و هنگامی که یک مدخل جدید را جستجو میکنید ، گوگل آنرا با موضوعات و مطالب قبلی تان مقایسه میکند و تا جای ممکن نتایج را بر اساس سلیقه شما مرتب کرده و نمایش میدهد. همچنین در بخش جستجوی عکس گوگل، هنگامی که شما بعد از جستجوی یک کلمه، روی یکی از عکس ها کلیک میکنید گوگل میفهمد که عکس مورد نظر رابطه ی نزدیکی با آنچه جستجو کرده اید دارد و از آن به بعد در جستجوهای بعدی آن عکس را به کلمه‌ی جستجو شده، مرتبط تر میداند و در صفحه ی جستجویش آنرا بالاتر نمایش می دهد.
به این فرایند استفاده از هوش جمعی میگویند که گوگل به خوبی از آن در الگوریتم هایش استفاده میکند. با آنچه در مورد وب 2 گفته شد اکنون میتوانید سایت های وب2 واقعی را از سایت هایی که ادعای وب2 بودن دارند تشخیص دهید و در طراحی های خود نیز استفاده از این روش ها را بکار ببندید تا بتوانید بر رقبای بسیار بزرگتر از خود چیره شوید.

اما وب 3 چیست ؟
وب ۳ یعنی Semantic Web این عبارت را Tim Berners- Leeیعنی همان کسی که سنگ بنای وب را گذاشت مطرح کرده. Semantic Webیا وب مفهومی جایی است که ماشین ها صفحات وب را همانگونه که ما می خوانیم می خوانند و موتورهای جستجو می توانند بهتر درون وب کاوش کرده و نتایج دقیق تری ارائه کنند. Nova Spivackیکی از مدیران شرکت Radar Netwroks می گوید: «وب ۳ مجموعه ای از استانداردهاست که فضای وب را به یک بانک اطلاعاتی بزرگ تبدیل می کند».

همه چیز درباره ی اینترنت نسل پنجم

5G چه زمانی راه اندازی می شود؟

با فرض همان الگوی 10 ساله برای تغییر نسل شبکه های تلفن همراه می توانیم گوشی های تجاری (قابل استفاده برای عموم و قابل خرید) نسل پنجم را در اوایل سال 2020 ببینیم.LTE حدود سال 2011 شروع به کار کرد بنابراین طبق الگو باید انتظار این نسل را تا سال 2021 کشید. البته احتمالا ما زودتر برخی از ویژگی های این نسل را خواهیم دید اگر ارائه دهندگان شبکه و دیگر دست اندرکاران این حوزه بتوانند پیش بینی درستی داشته باشند و برای آن کار کنند. کوالکام قصد دارد اولین محصولات 5G خود را در المپیک 2018 کره جنوبی در اختیار عموم بگذارد. همانطور که برای استفاده از اینترنت 4G ما به گوشی هایی احتیاج داشتیم که بتوانند این نسل را ساپورت کنند برای استفاده از اینترنت نسل پنجم نیز ما احتیاج داریم از گوشی هایی استفاده کنیم که این نسل را پوشش دهند.

 

تفاوت های 4G و 5G  چیست؟

نسل پنجم اینترنت هنوز ایده ای درخشان در دوردست است پس گول شرکت ها و تبلیغات تست سرعت را نخورید. یک شبکه 5G دارای مشخصه هایی فراتر از آنهایی است که برای 4G طراحی شده است، ما در این لحظه به سادگی نمی دانیم که قرار است با چه چیزی روبرو شویم.گمانه زنی ها از سرعت های بالا و در حد چند گیگابایت خبر می دهند اما نمی دانیم به طور دقیق وضعیت چگونه خواهد شد.

شرکت‌هایی مانندCompanies، Verizon, AT&T, Intel, Qualcomm آزمایش هایی را برای نسل پنجم انجام داده اند و این آزمایش های اولیه است که احتمالا شکل استاندارد بین المللی این نسل را شکل خواهد داد. یکی از ویژگی های رایج برای 5G استفاده از موج انتقال mmWave یا میلیمتر موج است که می تواند کلید سرعت بالای اینترنت نسل پنج باشد که وعده اش داده شده است.

 

تکنولوژی  mmWave چیست؟چرا بهتر است؟

تکنولوژی تلفن همراه از طریق امواج رادیویی انتقال داده می شود که بسته به نوع سیگنال الکترومغناطیسی با فرکانس های متفاوت دسته بندی می شوند: فرکانس بالاتر،طول موج کوچکتر. بنابراین موج میلیمتری به سیگنالی مربوط می شود که طول موج آن به صورت میلیمتری اندازه گیری می شود و به طور کلی بین 30 گیگاهرتز و 300 گیگا هرتز تعریف شده است.

فناوری موج میلیمتری ظرفیت داده ی بالاتری در اختیار ما می گذارد

یک قاعده ساده این است که با فرکانس بالاتر داده بیشتری می توان جا به جا کرد. به عنوان مثال موج FM که فقط صدا منتقل می کند به طور معمول بین 87.5 تا 108.0 مگا هرتز پخش می شود اما LTE که داده های بسیار بزرگتری حمل می کند بین 700 تا 2100 مگاهرتز،داده جابه جا می کند. موج میلیمتری، پهنای باندی  بیش از آن چه در LTE با آن مواجهیم به ما ارائه می دهد. (این روند طیف الکترومغناطیسی به نور نیز قابل تسری است و یکی از دلایلی است که فیبر نوری آن قدر سریع است).

 

یکی دیگر از مزیت های طول موج کوتاه که در موج میلیمتری استفاده می شود این است که آنتن های ارسال و دریافت سیگنال ها کوچک تر می شود و این باعث می شود که گوشی‌هایی که می خواهند از این تکنولوژی استفاده کنند می توانند از چندین آنتن  برای طول موج های گوناگون در یک وسیله بهره ببرند که این کار باعث افزایش سرعت می شود حتی زمانی که چندید کاربر به آن متصلند.

البته این فناوری چالش های خاص خود را نیز دارد چرا که با افزایش فرکانس محدوده انتقال کم خواهد شد و طول موج کاهش می یابد و این برای موجی که باید از دیوارها، ساختمان ها و حتی قطرات باران عبور کند مشکل زاست. آزمایش های اولیه روی نسل پنجم پیرامون همین مشکلات و ارائه راه‌حل هاست.

مشکل 4G

آنچه که ما به عنوان 4G استفاده می کنیم واقعا 4G نیست. طبق استانداردها آن چه که ما به عنوان 4G استفاده می کنیم باید در حالت ایستا حدود 1 گیگابایت سرعت داشته باشد و در حالت حرکت نیز باید 100 مگابایت بر ثانیه سرعت داشته باشد که با توجه به شواهد عینی 4G که ما استفاده می کنیم نسل چهارم نیست. با این حال امیدواریم که سرعت اینترنت نسل پنجم اینترنت به اندازه ای که وعده داده می‌شود باشد و در حد حرف باقی نماند.

احتمالا اینترنت نسل پنجم حدود 10 گیگابایت بر ثانیه سرعت دارد که چندین برابر اینترنت نسل چهارم است. لازم به ذکر است برخی از شرکت های بزرگ در استرالیا، مانند Vodafone،Telsra و حتی هواوی برای نسل جدید شبکه های تلفن همراه آماده می شوند.

وب معنایی چیست و چرا اهمیت دارد ؟

سمنتیک وب (Semantic Web) یا همان وب معنایی به چه معناست؟

در قدیم که هوش مصنوعی و ماشین لرنینگ نبوده (یا حداقل بوده ولی کاربرد چندان زیادی نداشته ویا به تکامل نرسیده) وبسایت ها با کمک الگوریتم ها و موتور های جستجو گر به درخواست های کاربران میرسیدند . و وب برای انسان ها نوشته میشد نه برای ماشین ها .

تیم در ابتدا چشم انداز وب معنایی را اینگونه توصیف کرد :

من رویایی دارم برای وب که در آن کامپیوترها توانایی تحلیل تمام داده‌های روی وب، مثل محتوا، پیوندها و تراکنش‌های بین مردم و کامپیوترها را دارند. یک وب معنایی، که این امر را ممکن می‌سازد، فعلاً در حال ظهور است، اما زمانی که کامل شود، روال‌های روزانه تجارت، بروکراسی و زندگی روزمره ما توسط گفتگوی بین ماشین‌ها انجام می‌شود. عامل‌های هوشمند بین مردم برای دوره ای که نهایتاً این امر محقق شود تبلیغ می‌کنند.

ولی الان که دوره هوش مصنوعی و ماشین هاست وب معنایی نه تنها برای انسان ها قابل درک بلکه برای ماشین ها نیز قابل درک است . ولی نه به آن صورتی که برای انسان ها قابل درک است . (درک ماشین با درک انسان تفاوت دارد)

وب معنایی برای ماشین :

برای مثال شناختن اینکه در این صفحه یک عکس وجود دارد . (ماشین از طریق تگ img که در صفحه اچ تی ام ال نوشته شده میفهمد)

و اما برای انسان :

انسان با دیدن یک عکس میفهمد که این المنت یک عکس است .بنابرین ماشین‌ها می‌توانند بسیاری از کارهای خسته کننده شامل پیداکردن، ترکیب کردن و اقدام بر اساس اطلاعات بر روی وب را انجام دهند.

بله ! وب معنایی ماشین هارا بکار میگیرد تا به دستورات و خواسته های کاربران پاسخ دهد . (ولی مستلزم منابع اطلاعاتی است که وب معنایی را رعایت کرده باشند)

چرا باید از آن استفاده کرد؟

از سال 2007 که وب معنایی روی کار آمد و روز به روز زندگی انسان ها با ماشین ها و تکنولوژی گره میخورد دیگر جای وبسایت های قدیمی و بدون قانون های جدید و استاندارد ها در سطح اینترنت نیست .چون موتور های جستجو گر این نوع وبسایت هارا حذف و یا نامعتبر میداند .

نتیجه گیری

استفاده از المنت ها و معنایی کردن وبسایت خیلی به پیشرفت ما در کسب و کارمان و یا پیشرفت اعتباری وبسایت کمک میکند . پس با رعایت قوانین امروزی وب و بکارگیری مهارت های برنامه نویسی معنایی وب میتوانید بهتر و بهتر پیش بروید .

توضیحی درباره ی شبکه های اجتماعی :

شبکه های اجتماعی مفهوم جدیدی نیستند. انسانها از قرن‌ها پیش که گرد آتش می‌نشستند و برای یکدیگر داستان می‌گفتند در حال تشکیل شبکه های اجتماعی بودند. اما چیزی که باعث شده است امروز، شبکه های اجتماعی بیشتر از همیشه مورد توجه قرار بگیرند، به وجود آمدن ابزارهای دیجیتال و کمک آنها به توسعه شبکه های اجتماعی بوده است. بنابراین، برای تعریف شبکه های اجتماعی باید ابتدا سه مفهوم را از یکدیگر تفکیک کنیم:

• شبکه های اجتماعی به عنوان شبکه ای از ارتباطات انسانی (Social Networks)
• سرویس‌های ایجاد و توسعه شبکه های اجتماعی (Social networking services)
• سرویس‌های دیجیتال ایجاد و توسعه شبکه های اجتماعی (Digital social networking services)

 

تاریخچه واژه شبکه های اجتماعی

شبکه های اجتماعی، اصطلاحی است که برای نخستین بار در سال ۱۹۵۴ توسط جان بارنز که در حوزه‌ی انسان شناسی اجتماعی فعالیت می‌کرد، ابداع شد.

او تحقیقی در مورد گروه‌های اجتماعی در بخشی از نروژ انجام می‌داد و اصطلاح شبکه اجتماعی را در آن تحقیق برای توصیف رابطه بین انسانها و تحلیل مکانیزم‌های ارتباطی و خصوصاً تصمیم گیری آنها به کار برد.

اگر ما هم بخواهیم به تعریف شبکه های اجتماعی از نگاه او رجوع کنیم، می‌توانیم بگوییم:

شبکه های اجتماعی، هنگامی به وجود می‌آیند که ساختاری از گره‌‌های مرتبط به هم شکل می‌گیرند.

هر گره، یک فرد یا یک گروه یا یک سازمان است.

شبکه اجتماعی، به معنای نمایش و مطالعه‌ی ارتباط بین این گره ها و جریان دانش و اطلاعات بین آنهاست.

 

 

تحلیل شبکه های اجتماعی چیست؟

شاید برای شما جالب باشد که یکی از ابزارهای موتورهای جستجو هم برای رتبه بندی سایت‌ها (در بحث #سئو) تحلیل صفحات وب به عنوان یک شبکه اجتماعی است. شبکه ای که گره‌های آن را به جای انسانها، صفحات وب تشکیل می‌دهند.

سرویس‌های توسعه شبکه های اجتماعی

با توجه به تعریف عمومی ارائه شده از شبکه های اجتماعی، هر فضایی که با هدف شکل گیری و تسریع و تسهیل رشد شبکه های اجتماعی به وجود بیاید، یک سرویس شبکه اجتماعی یا SNS خواهد بود.

شاید بتوان سازمان‌های مردم نهاد (سمن‌ها یا NGOها) را به عنوان یکی از بهترین نمونه‌های سرویس‌های توسعه شبکه اجتماعی حول یک محور خاص و موضوع مشخص،‌ مطرح کرد.

سرویس‌های دیجیتال توسعه شبکه های اجتماعی

DSNS ها، همان چیزی هستند که مردم در زبان روزمره خود، به آن شبکه های اجتماعی می‌گویند.

گوگل پلاس، لینکدین، فیسبوک ، اینستاگرام ، توییتر و سایر پلتفرم های مشابه، ابزارهای دیجیتالی هستند که برای ایجاد شبکه های اجتماعی و توسعه آنها طراحی شده‌اند.

سیستم های توصیه گر :

معمولاً سیستم های توصیه گر، لیستی از پیشنهادات را به یکی از دو صورت زیر ارائه می دهند:

از طریق پالایش گروهی و محتوا محور (Collaborative and Content-based filtering) یا رهیافت شخصیت محور (Personality-based approach)

رهیافت های پالایش گروهی، مدلی ایجاد می کنند که این مدل بر اساس رفتار گذشته کاربر (آیتم هایی که قبلاً خریداری یا انتخاب کرده و یا امتیازاتی که به آیتم ها داده است) و نیز تصمیمات مشابهی که توسط کاربران دیگر گرفته شده است، میباشد. سپس با استفاده از مدل ایجاد شده، آیتم هایی که ممکن است مورد علاقه ی کاربر باشد، معرفی می گردد. رهیافت های پالایش محتوا محور، از یک سری مشخصات مجزای یک آیتم برای پیشنهاد آیتم های دیگر با ویژگی های مشابه، استفاده می کند. این رهیافت ها اغلب با یکدیگر ترکیب می شوند (سیستم های توصیه گر هیبرید).

رهیافت شخصیت محور، تمایلات کاربر به کالا و خدمات را از شخصیت وی نتیجه می گیرد.

تفاوت های بین پالایش گروهی و پالایش محتوا محور را می توان با مقایسه ی دو سیستم توصیه گر موسیقی نشان داد؛ Last.fm و Pandora Radio.

Last.fm با بررسی نوازندگان و تراکهایی که کاربر قبلاً گوش کرده است و مقایسه ی آنها با آنچه که دیگر کاربران به آن گوش کرده اند، مجموعه ای از آهنگ های پیشنهادی را ارائه می دهد.

Last.fm تراکهایی را خواهد نواخت، که در کتابخانه ی کاربر (مجموعه ی اهنگ های کاربر) موجود نیستند ولی دیگر کاربران با علایق مشابه به آنها گوش داده اند. از آنجا که این رهیافت، رفتار کاربران را تحت تأثیر قرار می دهد، نمونه ای از تکنیک پالایش گروهی است.

Pandora از خصوصیات یک آهنگ یا هنرمند ( زیر مجموعه ای مشتمل بر 400 ویژگی که توسط “پروژه ژنوم موسیقی” تهیه شده است) برای ایجاد ایستگاهی از موسیقی ها با ویژگی های مشابه استفاده می کند.

واکنش کاربر جهت پالایش نتایج ایستگاه استفاده می گردد، زمانیکه کاربر یک آهنگ را نمی پسندد ویژگی های آن از تاکید Pandora  خارج و زمانیکه کاربر آهنگی را می پسندد، ویژگی های آن آهنگ مورد تأکید قرار می گیرند.  Pandora نمونه ای از رهیافت محتوا محور است.

هر نوع سیستمی نقاط ضعف و قوت خودش را دارد.  در مثال بالا Last.fm جهت ارائه پیشنهادات دقیق، نیازمند حجم بالایی از اطلاعات در مورد کاربر است. نکته ضعف ذکر شده نمونه ای از “مشکل استارت سرد” ( همانند مشکلی که هنگام استارت زدن به موتور سرد پیش می آید) است و در سیستم های پالایش گروهی امری عادیست.  در حالیکه Pandora به اطلاعات بسیار کمی برای آغاز کار خود نیاز دارد، ولی میدان عمل آن بسیار محدود است (بعنوان مثال؛ تنها قادر به ارائه پیشنهاداتیست که شبیه آهنگ اصلی باشند).

سیستم های توصیه گر جایگزین سودمندی برای الگوریتم های جست و جو هستند چرا که به کاربران کمک می کنند تا آیتم هایی را بیابند که ممکن بود خودشان نتوانند آنها را پیدا کنند. سیستم های توصیه گر با استفاده از موتورهای جست و جو، به طور جالبی داده های جدید را فهرست می کنند.

مونتانر نخستین نمایه کلی از سیستم های توصیه گر را از منظر یک عامل هوشمند ارائه داد. آدوماویسیوس (Adomavicius) نمایی جدید از سیستم های توصیه گر را ارائه کرد. هرلاکر (Herlocker) تکنیک های ارزیابی سیستم های توصیه گر را مورد بررسی قرار داد و بیل و همکارانش مشکلات ارزیابی های آفلاین را مورد بحث و بررسی قرار دادند. بیل و همکاران، پیشینه ای از تحقیقات در مورد سیستم های کنترل و چالش های موجود را ارائه دادند.

سیستم های توصیه گر موضوع تحقیقاتی فعال در زمینه های “کاوش اطلاعات” و “یادگیری ماشینی” هستند. RecSys، SIGIR و KDD از جمله کنفرانس هایی هستند که تحقیقات در زمینه سیستم های توصیه گر را مورد توجه قرار دادند.

 

 

 

مهندسی اجتماعی چیست ؟

مهندسی اجتماعی درواقع به معنای کار روی یک شخص، باهدف ترغیب وی به انجام کارهایی برای

حصول فرد ترغیب‌کننده به اهدافی چون دستیابی به داده‌ها، اطلاعات دسترسی یا دستکاری سیستم یا شبکه

هدف برای انجام کاری خاص تعریف می‌شود. به واسطه طبیعت رازگونه این مهارت تاریک، معمولاً افراد

از آن گریزان بوده و احساس می‌کنند قادر به اجرای یک آزمون موفق مهندسی اجتماعی نمی‌باشند. اگرچه

هر زمان که شما سعی در وادار نمودن کسی به انجام کار موردنظر خود نمایید، یک عمل مهندسی اجتماعی

را انجام داده‌اید. از یک کودک که سعی در وادار نمودن والدین به خرید اسباب‌بازی موردنظر خود می‌نماید

تا تلاش افراد بزرگسال برای بدست آوردن یک شغل یا ارتقاء شغلی، همگی شکلی از مهندسی اجتماعی را

در برمی‌گیرند. 

مهندسی اجتماعی، از ضعیف‌ترین اتصال در خطوط دفاعی امنیت اطلاعات هر سازمان، یعنی نیروی انسانی بهره‌گیری می‌نماید. به زبان ساده، مهندسی اجتماعی، به معنای «هک کردن» افراد بوده و با سوءاستفاده از طبیعت اعتماد متقابل بین انسان‌ها، به اطلاعاتی که می‌توانند برای کسب منا فع شخصی مورد استفاده قرار گیرند، دستیابی حاصل می‌گردد. 

اصول مهندسی اجتماعی 

هکرها معمولاً وانمود می‌کنند شخص دیگری هستند تا بتوانند به اطلاعاتی دسترسی پیدا کنند که در غیراین صورت برای آنها غیرقابل دسترسی خواهند بود. آنها اطلاعات بدست آمده از قربانیان خود را جمع‌آوری کرده و به منابع شبکه حمله می‌کنند، فایل‌ها را سرقت یا حذف می‌نمایند و حتی اقدام به جاسوسی صنعتی یا سایر انواع جرائم بر علیه سازمان‌هایی که مورد حمله قرار داده‌اند، می‌کنند. مهندسی اجتماعی با مشکلات امنیت فیزیکی نظیر جاسوسی سیستم‌ها (مثلاً سرک کشیدن برای مشاهده کلمه عبور کارمندی که درحال Login به سیستم می‌باشد) یا جستجوی زباله‌ها (برای یافتن اطلاعاتی که سهواً یا عمداً به عنوان زباله دفع شده‌اند) تفاوت دارد. با این‌حال، این دو فرآیند با یکدیگر مرتبط هستند. 

مهندسین اجتماعی، گاهی‌اوقات هویت کارکنان دارای نفوذ و مطلع (نظیر مدیران و معاونین) را جعل می‌کنند. در مواردی نیز ممکن است آنها نقش کارکنان فوق‌العاده بی‌اطلاع و ساده‌لوح را بازی کنند. برحسب اینکه آنها درحال صحبت کردن با چه کسی هستند، غالباً از یک حالت به حالت دیگر سوئیچ می‌کنند. 

مهندسی اجتماعی، یکی از دشوارترین تکنیک‌های هک به حساب می‌آید، زیرا به مهارت فوق‌العاده‌ای برای جلب اعتماد یک فرد بیگانه نیاز دارد. ازسوی دیگر، این شیوه یکی از دشوارترین تکنیک‌های هک از دیدگاه مقابله با آن است، زیرا با مردم سروکار دارد.

مهندسین اجتماعی حیله‌گر، می‌توانند اطلاعات داخلی را به شیوه‌های مختلفی، از قربانیان خود بدست آورند. آنها غالباً ماهرانه صحبت می‌کنند و بر روی پیشرفت مکالمات خود تمرکز می‌کنند، بدون‌آنکه وقت زیادی به قربانیان خود بدهند تا درمورد آنچه که می‌گویند فکر کنند. با اینحال، اگر آنها در طول حملات مهندسی خود بی‌دقت یا بیش از حد مشتاق باشند، جزئیات زیر می‌توانند مانع کارشان شوند: 

- رفتار بیش از حد دوستانه یا مشتاق 

- ذکر نام افراد برجسته در داخل شرکت 

- لاف زدن درمورد مقام خود در داخل شرکت 

- تهدید به توبیخ کارمندان درصورت اجابت نشدن درخواست‌ها 

- رفتار عصبی درهنگام مواجه شدن با پرسش‌ها (گزیدن لب‌ها و ناآرامی، خصوصاً دست‌ها و پاها، زیرا برای کنترل قسمت‌هایی از بدن که از صورت دورتر هستند، تلاش هوشیارانه ‌تری لازم است) 

- تأکید بیش از حد بر جزئیات 

- تغییرات فیزیولوژیکی نظیر بازشدن مردمک‌ها یا تغییر در گام صدا 

- رفتار عجولانه 

- امتناع از ارائه اطلاعات 

- ارائه داوطلبانه اطلاعات و پاسخ دادن به پرسش‌های مطرح نشده 

- آگاهی از اطلاعاتی که یک فرد خارجی نباید آنها را در اختیار داشته باشد. 

- یک فرد خارجی شناخته شده که از اصطلاحات یا زبان داخلی سازمان استفاده می‌کند. 

- مطرح نمودن پرسش‌های عجیب 

- املاء غلط عبارات در ارتباطات نوشتاری 

یک مهندس اجتماعی متبحّر، با رفتارهای فوق، قابل شناسایی نخواهد بود، اما اینها تعدادی از علائمی هستند که درهنگام یک رفتار مجرمانه مشاهده می‌شوند. هکرها، غالباً به یک نفر لطف می‌کنند، سپس بازگشته و از او می‌خواهند که به آنها کمک نماید. این یک حیله متداول در مهندسی اجتماعی است که به خوبی کار می‌کند. هکرها همچنین غالباً از روشی که «مهندسی اجتماعی معکوس» نامیده می‌شود، استفاده می‌کنند. در این شیوه، آنها به برطرف نمودن یک مشکل خاص کمک می‌کنند. مدّتی می‌گذرد و مشکل مجدداً روی می‌دهد (غالباً به طور عمدی توسط خود هکر) و آنها بازهم به برطرف نمودن مشکل کمک می‌کنند. به این ترتیب، آنها می‌توانند به قهرمانانی تبدیل شوند که همین مسئله باعث تقویت انگیزه‌شان می‌گردد. همچنین ممکن است هکرها به سادگی از یک کارمند ناآگاه بخواهند که به آنها لطفی بکند. بله، آنها آشکارا یک لطف را درخواست می‌کنند. بسیاری از مردم به سادگی در این تله می‌افتند. 

جعل هویت یک کارمند بسیار آسان است. مهندسین اجتماعی می‌توانند یک یونیفورم مشابه را بپوشند، از یک نشان ID جعلی استفاده کنند و یا به سادگی لباس کارکنان واقعی را بر تن نمایند. به این ترتیب، مردم تصور می‌کنند که «بله، ظاهر و رفتار او مثل من است، پس باید یکی از ما باشد». مهندسین اجتماعی درعین‌حال وانمود می‌کنند کارمندانی هستند که از یک خط خارجی با داخل سازمان تماس گرفته‌اند. این یک شیوه بسیار مشهور برای بهره‌برداری از پرسنل میز اطلاعات و مرکز تلفن سازمان است.

 

فناوری داده های عظیم (Big Data) چیست و نقش آن در کسب و کار چگونه است؟

big data به معنا‌ی میزان عظیمی داده‌های ساختاربندی شده و نشده، بوده‌است. تعداد این داده ها به قدری

بود که پردازش آنها به وسیله دیتابیس‌های سنتی و نرم افزارهای موجود، دشوار بود. در اکثر سازمان‌ها

میزان داده‌ها خیلی بزرگ است یا با سرعت زیادی حرکت می‌کند و ظرفیت پردازش فعلی سازمان‌ها را،

رد کرده است. در کنار این مشکلات بیگ دیتا پتانسیل این را دارد که به شرکت‌ها کمک کند تا عملیات‌های

خود را، بهبود بخشیده و تصمیمات سریعتر و هوشمندانه‌تری اتخاذ نمایند. حال که با مفهوم

Big Data چیست آشنا شدیم در ادامه مقاله، به بررسی جزییات آن می‌پردازیم.

 

منظور از میزان و حجم یا فناوری در big data چیست ؟

علی رغم اینکه واژه بیگ دیتا به نظر می‌رسد که به حجم داده اشاره می‌کند، اما همیشه اینگونه نیست. در خیلی از مواقع بیگ دیتا (Big Data) به فناوری خاصی گفته می‌شود که وظیفه ذخیره سازی و پردازش حجم زیادی از اطلاعات را، در زمان بهینه دارد.اصطلاح بیگ دیتا مخصوصا وقتی به وسیله ارائه دهنده خدمات میزبانی به کار می‌رود، ممکن است به فناوری خاص اشاره کند (شامل ابزارها و فرآیندها) که سازمان برای رسیدگی به حجم عظیم داده و ذخیره سازی آنها بدان نیاز دارند. این باور وجود دارد که واژه‌ی بیگ دیتا از شرکت‌های جستجوی وبی منشا گرفته است که می‌بایست داده‌های بی ساختار خیلی بزرگی را، فراخوانی نمایند.

 

Big Data و دیتابیس‌های تجاری :

 

وقتی در تعامل با دیتابیس‌های حجیم هستیم، سازمان‌ها در ایجاد، تغییر و مدیریت بیگ دیتا با مشکلاتی مواجه می‌شوند. بیگ دیتا به خصوص در بخش آمار و تحلیل داده مشکل ساز است، زیرا ابزارهای استاندارد و روال‌های فعلی برای جستجو و آنالیز دیتابیس‌های عظیم، طراحی نشده‌اند. دیتابیس سرورهای طراحی شده فعلی برای پردازش داده‌های خیلی بزرگ بهینه سازی و طراحی نشده‌اند. این مورد به این معنا است که شما برای پردازش اطلاعات بزرگتر خود نیاز به ابزارهای مخصوصی دارید که توانایی پردازش حجم اطلاعات شما را داشته باشند.

فناوری پوشیدنی (Wearable Technology) چیست و نقش ان در کسب و کار چگونه است ؟

فناوری‌های پوشیدنی چیز جدیدی نیستند، درواقع فقط در طول قرن بیستم، همگام با خلاقیت انسان، تکامل پیدا کرده‌اند. با این‌حال، «پوشیدنی‌ها» (wearables) حالا بیشتر از هر زمان دیگری به‌چشم می‌آیند و دلیل آن، نفوذ به دغده‌های روزانه هزاران هزار کاربر است.

برندهایی مانند: سامسونگ (Samsung)، هوآوی (Huawei) یا موتورولا (motorola)، با ابزارهایی مانند: «ساعت‌های هوشمند» (smartwatches)، عینک‌های واقعیت مجازی (VR gear) و دیگر محصولاتی که برای راحتی و لذت‌بخش‌تر کردن زندگی کاربران به‌وسیله تکنولوژی، ساخته‌اند، بازار فناوری‌های پوشیدنی را مدیریت می‌کنند.

شاخه‌هایی مانند مراقبت‌های سلامتی، ورزشی، کسب‌و‌کار و سرگرمی، به لطف ویژگی‌های جدید ارائه‌شده توسط فناوری‌های پوشیدنی، گسترش یافته‌اند

فناوری‌های پوشیدنی می‌توانند برای انجام کارها هم بسیار مفید باشند. به‌طوری‌ که می‌توانید با استفاده از ساعت‌های هوشمند؛ تقویم، قرارهای ملاقات، اکانت شبکه‌های اجتماعی یا مخاطبین‌تان را کنترل و مدیریت کنید. همین‌طور می‌توانید بدون درآوردن ساعت هوشمندتان، ایمیل‌های‌تان را بخوانید یا تماس تلفنی برقرار کنید. علاوه‌بر ساعت‌های هوشمند، فناوری‌های پوشیدنی دیگری هم وجود دارند که می‌توانند به شما در بهبود کارهای اداری‌ کمک کنند. برای مثال دستیارهای مجازی مانند «Alexa» یا «Google Home» که می‌توانند اطلاعات مهمی درباره اخبار تجارت یا ملاقات‌های روزانه به شما بدهند. اگر در محل کارتان به یک مترجم نیاز دارید، فناوری‌های پوشیدنی، ابزارهایی را به شما ارائه می‌دهند که هروقت بخواهید، می‌توانید کارهای‌تان را به آن‌ها بسپارید.

اینترنت اشیا ( Internet of Things) چیست و نقش آن در کسب و کار چگونه است ؟

اینترنت اشیاء یا IoT، سیستمی به‌هم‌پیوسته از تجهیزات رایانه‌ای، ماشین‌های مکانیکی و دیجیتال، اشیاء، حیوانات یا افرادی است که با شناسه‌های منحصربه‌فرد (UID) هویت یافته‌اند و از قابلیت انتقال داده‌ها روی یک شبکه بدون نیاز به تعامل انسان-با-انسان یا انسان-با-رایانه برخوردار هستند.

یک شیء در اینترنت اشیاء می‌تواند انسانی باشد که یک دستگاه پایش قلب در بدنش نصب شده است؛ یا دامی با یک ترانسپوندر  بیولوژیک، یا خودرویی که با حسگرهای تعبیه‌شده در آن، راننده را از فشار کم لاستیک‌ها آگاه می‌کند یا هر شیء طبیعی یا انسان‌ساخت دیگر که می‌تواند با اختصاص یک آدرس IP داده‌ها را روی یک شبکه انتقال دهد.

امروزه، سازمان‌ها در صنایع و کسب‌وکارهای گوناگون، به‌‌شکلی فزاینده‌ از قابلیت‌های اینترنت اشیاء بهره می‌گیرند تا کارآمدتر و اثربخش‌تر عمل کنند؛ آنها با بهره‌مندی از دستاوردهای اینترنت اشیاء، به درکی بهتر و شایسته‌تر از مشتریان‌شان دست می‌یابند و می‌توانند خدماتی بهینه‌تر به آنها ارائه کنند. اینترنت اشیاء فرایند تصمیم‌سازی و تصمیم‌‌گیری را در سازمان بهبود می‌بخشد و ارزش کسب‌وکار را به‌شکلی چشمگیر افزایش می‌دهد.

مثالی از چند نمونه سیستم تصمیم یار :

 

امروزه کاربردهای سیستم های تصمیم یار بسیار گسترده است به طوریکه در هر حوزه از صنعت و

دانش این سیستم ها مورد استفاده قرار میگیرند. در واقع، این سیستم ها به اندازه ای جامع و گسترده

هستند که افرادیکه از سیستم های تصمیم یار استفاده میکنند نمیدانند که در حال استفاده از DSS هستند!

برای مثال "spreadsheet" که یک اپلیکیشن کامپیوتری تعاملی برای سازماندهی، آنالیز و ذخیره داده

به شکل جدول است صرفا یک DSS ساده است که معمولا در بسیاری از شرایط متعدد از آن استفاده می

شود.

 

 

انواع سیستم تصمیم یار :

هنگامیکه از یک موتور جستجو استفاده میکنید، در واقع در حال استفاده از یک DSS برای سازماندهی اطلاعات با حجم بسیار زیاد به صورت فایل های متنی، تصاویر و فیلم ها برای تصمیم گیری هستید. در ادامه برخی از نمونه ها و کاربردهای سیستم های تصمیم یار پیچیده را همراه با نحوه استفاده انها مورد بررسی قرار میدهیم.

 

کاربردهای سیستم های تصمیم یار:
DSS مورد استفاده در پزشکی "DSS بالینی" نامیده می شود و در واقع گفته می شود سیستم های تصمیم یار بالینی اگر به درستی مورد استفاده قرار گیرد، قابلیت تغییر شیوه پزشکی آموزشی و عملی را دارند.
دولت کلرادو از سیستم های تصمیم یار برای ارائه اطلاعات در مورد سیل و خطرات احتمالی در سراسر کشور استفاده کرده است. این اطلاعات شامل شرایط آب و هوایی لحظه ای، اطلاعات محلی و منطقه ای در مورد سیل، و همچنین اطلاعات تاریخی، مرزهای سیلاب و موارد دیگری می باشد.
شرکت های سرمایه گذاری املاک معمولا از سیستم های تصمیم یار استفاده می کنند تا کسب و کار روزانه خود را مدیریت کنند. اطلاعات مربوط به هر مالک پردازش می شود تا امکان دسترسی به همه داده های شرکت برای مدیریت روزانه و برنامه ریزی آینده فراهم شود.
دانشگاه ها هر ساله باید صندلی های خالی خود را پر کنند. تعداد کم دانشجویان باعث اتلاف هزینه و از دست دادن بودجه سال بعد می شود.  همچنین مجبور به تقبل هزینه های اضافی خود هستند. و البته، آنها بهترین دانشجویان را می خواهند! و مسئله پیش رو پیش بینی تعداد دانشجویان ثبت نامی در یک دوره خاص است. کاربردهای سیستم های تصمیم یار DSS بهترین گزینه برای کمک در انجام تمام این امور است.

DSS برای پیش بینی تقاضا برای آب در مناطق خاص استفاده شده است. با استفاده از اطلاعات جغرافیای محلی، اطلاعات تاریخی در مورد مصرف آب در منطقه و نیز مدل پیش بینی، برنامه ریزان می توانند نیازهای مصرف آینده در این منطقه را پیش بینی و برنامه ریزی کنند.
کاربردهای سیستم های تصمیم یار در تلفیق شرایط آب و هوایی و مدیریت ترافیک هوایی برای بهینه سازی عملیات مخزن، رسیدگی به مطالبات بیمه درمانی، برنامه ریزی مالی برای کسب و کار کوچک و طراحی شبکه حمل و نقل مورد استفاده قرار گرفته است.
البته، بسیاری از کسب و کارها به منظور تحلیل داده های زیاد از قبیل برگه های بودجه، آمار فروش و پیش بینی ها،  برنامه های سیستم های تصمیم یار DSS را با عملیات روزانه تلفیق کرده اند. آنها به سرعت از طریق داده های موجود بررسی می شوند و به طور گسترده مورد استفاده قرار می گیرند تا امکان تصمیم گیری سریع تر، شناسایی روند بازار و بهبود تخصیص منابع فراهم شود.

مزیت های سیستم تصمیم یار:

 بهبود کارایی و اثربخشی کاربر
 امکان تصمیم گیری سریعتر
 کاهش زمان حل مسائل
 صرفه جویی در  هزینه ها
بهبود همکاری و ارتباطات در داخل گروه
 کاهش زمان آموزش به دلیل دسترسی به تجربه کارشناسان در الگوریتم های برنامه
 ارائه شواهد بیشتر در پشتیبانی از تصمیم
 افزایش رضایت تصمیم گیرندگان
 ارائه دیدگاه های مختلف در یک موقعیت
 کمک به کار خودکار سیستم های مختلف کسب و کار