دانلود ترجمه مقاله بررسی نقش کاربردهای کلان داده در حوزه بازاریابی ورزشی

نتیجه گیری در پرتو این دید خوش بینانه که کلان داده می تواند فرصت های هیجان انگیزی برای حوزه بازاریابی ورزشی ارائه کند، دانشمندان و متخصصان باید روش های جدید جمع آوری داده و روش های تحلیل را بپذیرند. دو حوزه خاص کاربرد کلان داده مورد بحث قرار گرفته است: منابع کلان داده و روش های جدید تحلیل. مطالعه ما پیشنهاد می کند که کلان داده قابلیت تحول آفرینی برای حل مشکلات پیچیده از طریق منابع جدید داده و پیشرفت های محاسباتی مربوطه دارد. اگر در مورد هوش کسب و کار، بخش بندی مشتریان، تعهد هواداران یا راهبردهای ارتباطی فکر کنیم، کلان داده می تواند بینش منحصربفردی برای دانشمندان بازاریابی ورزشی داشته باشد. به علاوه روش های جدید تحلیل برای چردازش بینش های پیچیده و جذب معنای آنها برای تصمیم گیری سریع ضروری است. با وجود این امیدها، ممکن است کلان داده در بازاریابی ورزشی چند چالش منحصربفرد داشته باشد. بیشتر داده های تولید شده توسط کاربر که در دسترس بازاریابان ورزشی است، به هواداران شدیداً متعهد مربوط می شود که اغلب نماینده مبنای کلی مشتریان هدف نیست. در حالی که تحلیل کلان داده می تواند موجب پیش بینی ها و توصیه هایی شود، تحلیل الگوریتمی معمولاً در پاسخ به پرسش های «چرا» به شکلی که پژوهشگران و متخصصان ورزشی درک کنند،با مشکل روبرو است (مثلاً چرا هواداران یک نوع کالای تیم را بیش از کالای دیگر می خرند). بجز این محدودیت ها، اعتقاد محکم داریم که پیشرفت های تازه کلان داده قابلیت های جالبی برای کشف ایده ها و پرسش های تازه و فرصت های غنی برای پژوهش بین رشته ای ارائه می کند.

Conclusion:
In light of the optimistic view that BD can offer exciting opportunities for the field of sport marketing, scholars and practitioners need to embrace new ways of data collection and analytics techniques. Two specific areas of BD applications have been discussed: BD sources and modern analytical techniques. Our review suggests that BD has transformative potential for solving complex problems through new data sources and related computational advancements. Whether we are thinking about business intelligence, consumer segmentation, fan engagement or communication strategies, BD can provide unique insight for sport marketing scholars. Furthermore, modern analytical techniques are crucial to process complex insights and absorb their meaning to make decisions quickly. Despite all of its promise, BD in sport marketing may invite several unique challenges. Most of the user-generated data sport marketers access is pertaining to highly engaged fans, which is often not representative of the total target consumer base. While BD analyses can result in predictions and recommendations, algorithmic analyses typically struggle to answer “why” questions (e.g. why fans purchased one type of team merchandise rather than another) in a way that sport researchers and practitioners understand. Aside from these limitations, we firmly believe that recent BD advancement offers exciting possibilities for uncovering new ideas and questions and rich opportunities for interdisciplinary research.