અમે કહીએ છીએ કે આજનો ડેટા તેલ છે. આ ડેટા તેલોમાં ગ્રાહકની જરૂરિયાતો, પીડાના મુદ્દાઓ, પસંદગીઓ અને ટેવો હોય છે.
તેઓ તેલ જેવા છે, ખાણકામની રાહ જોઈ રહ્યા છે. તેઓ ઉત્પાદકતા વધારનારા, નવા ઉર્જા સ્ત્રોત છે.
આજે, ચાલો વાત કરીએ કે કેવી રીતે ડિજિટલ તેલ ઉત્પાદનની પસંદગીને સશક્ત બનાવે છે, અને આપણે ડેટા તેલમાં ગ્રાહકની જરૂરિયાતો, પીડાના મુદ્દાઓ, પસંદગીઓ અને આદતો કેવી રીતે કાઢવા જોઈએ.
1. ડિજિટાઇઝેશન શું છે?
ડિજીટલ પ્રોડક્ટ સિલેકશન વિશે વાત કરતા પહેલા ડીજીટલાઇઝેશન શું છે તેની વાત કરીએ.
ડિજિટાઈઝેશન એ ભૌતિક વિશ્વમાંથી ડેટા કાઢવા, તેને માહિતીમાં રિફાઇન કરવા, તેને જ્ઞાનમાં રિફાઇન કરવા અને તેને શાણપણમાં એકત્ર કરવાનો છે.
આ પ્રક્રિયામાં, ચાર મુખ્ય પગલાં છે: ખાણકામ, રફિંગ, રિફાઇનિંગ અને પોલિમરાઇઝેશન.
પ્રથમ પગલું એ ભૌતિક વિશ્વમાંથી ડેટા કાઢવાનું છે.
એનો અર્થ શું થાય? તે ભૌતિક વિશ્વની આપણી ધારણાને ટેક્સ્ટ, ફોટો, ઑડિઓ અને વિડિયોમાં ફેરવવાનું છે. ખાણકામનું પરિણામ ડેટા છે.
બીજું પગલું એ વિશાળ ડેટાને માહિતીમાં રિફાઇન કરવાનું છે.
કારણ કે ખોદવામાં આવેલ ડેટાનું પોતાનું કોઈ મૂલ્ય નથી, જો તમે ઉપયોગી માહિતી મેળવવા માંગતા હો, તો તમારે તે કરવું પડશે “અવાજ ઓછો કરો” ડેટા અને વિશાળ ડેટામાંથી મૂલ્યવાન માહિતી ઓળખે છે.
ઉદાહરણ તરીકે, માઇનિંગ ડેટા દ્વારા, તમે ફોટામાં વ્યક્તિ, વજન સ્કેલ અને તેના પરની સંખ્યાને ઓળખી શકો છો. આ માહિતી છે.
ત્રીજું પગલું એ માહિતીને જ્ઞાનમાં રિફાઇન કરવાનું છે.
ક્રૂડ માહિતી, જેમ કે વજન માપની માહિતી, શરીરની ચરબીના પ્રમાણની માહિતી, બ્લડ પ્રેશરની માહિતી, અને ઊંચાઈની માહિતી, એકલા જ ઓછી કિંમતની છે.
કેવી રીતે કરવું? આ માહિતીમાંથી, જ્ઞાન શુદ્ધ થાય છે.
ઉદાહરણ તરીકે, શ્રી ઝાંગ તેનું વજન 180 પાઉન્ડ છે. આ માહિતીના આધારે, શું તે નક્કી કરી શકાય છે કે શ્રી ઝાંગ બિનઆરોગ્યપ્રદ છે? તે કામ ન કરી શકે, તમારી પાસે સંદર્ભ માટે અન્ય માહિતી હોવી જરૂરી છે.
ઊંચાઈ માહિતી વધારો. ઉદાહરણ તરીકે, જો શ્રી ઝાંગ 2 મીટરથી વધુ ઊંચા હોય, તો 180 પાઉન્ડ કોઈ વાંધો નથી. પરંતુ જો 1.7 મીટર હોય તો શું? કોઈ સમસ્યા હોઈ શકે છે.
તેથી અન્ય સંદેશ હોય તે વધુ સારું છે. શરીરની ચરબી.
માત્ર વજન, ઊંચાઈ અને શરીરની ચરબી જેવી માહિતીને એકસાથે મૂકીને જ આપણે કરી શકીએ છીએ “રિફાઇન” ખરેખર ઉપયોગી “આરોગ્ય”: જ્ઞાન.
જ્ઞાન ખૂબ જ મહત્વપૂર્ણ છે. પરંતુ અલગ જ્ઞાનનું મૂલ્ય હજુ પણ મર્યાદિત છે. જ્યારે જ્ઞાન વહે છે, એકબીજા સાથે અથડાય છે, એકબીજાને ઉત્તેજિત કરે છે, અને તેજસ્વી શાણપણ ઉત્પન્ન કરે છે.
ચોથું પગલું જ્ઞાનને શાણપણમાં એકત્ર કરવાનું છે.
હું જાણું છું કે મને હાઈ બ્લડ પ્રેશર છે, પરંતુ તેની સારવાર કેવી રીતે કરવી? આર્ટિફિશિયલ ઇન્ટેલિજન્સ એલ્ગોરિધમ્સનો ઉપયોગ કરીને, આ કેસ માટે શ્રેષ્ઠ સારવાર યોજનાની ગણતરી કરો.
આ શાણપણ છે.
ડિજિટાઇઝેશનના આ ચાર સ્ટેપ છે.
તમારું ડિજિટાઇઝેશનનું સ્તર તમે ડિજિટલ તેલમાંથી ડેટા કાઢી શકો છો કે કેમ તેના પર આધાર રાખે છે, પછી ભલે તે માહિતી હોય, જ્ઞાન હોય કે શાણપણ.
2. ડિજીટલાઇઝેશનની ઉત્પાદન પસંદગી
ડિજીટલાઇઝેશનની મદદથી ઉત્પાદનોની પસંદગી કેવી રીતે કરવી?
ડિજિટલ ઉત્પાદન પસંદગી ખરેખર છે “ખાણકામ” ડેટા ગ્રાહકો પાસેથી’ ખરીદી વર્તન. પછી, આ ડેટામાંથી, “શુદ્ધિકરણ” નું જ્ઞાન “ગ્રાહકોને કયા ઉત્પાદનો ગમે છે”. છેલ્લે, પૈસા કમાવવા માટે આ જ્ઞાનનો ઉપયોગ કરો.
એનો અર્થ શું થાય?
ભૂતકાળમાં, અમે સૌપ્રથમ એક ઉત્પાદન બનાવ્યું હતું, અને પછી જાહેરાત અને ખરીદી પ્રવૃત્તિઓ માટે ઘણા પૈસા ખર્ચ્યા હતા. ગ્રાહકોને આ ઉત્પાદન સમજવા દો, અને ધીમે ધીમે આ ઉત્પાદનમાં વિશ્વાસ કેળવો. છેલ્લે, ખરીદી વર્તન થાય છે.
જો આપણે એવી પ્રોડક્ટ શોધી શકીએ જે ગ્રાહકોને ગમતી હોય, અને પછી આ પ્રોડક્ટ બનાવીએ, તો શું તે વેચવું વધુ સારું નથી?
હવે, આ ધારણા ડિજિટાઈઝેશન દ્વારા સાકાર થઈ રહી છે.
ઉદાહરણ તરીકે, વિક્રેતા ગ્રાહક સમીક્ષા ડેટા અને ખરીદીના ડેટામાંથી ગ્રાહકની જરૂરિયાતો, પસંદગીઓ, પીડાના મુદ્દાઓ અને ટેવો મેળવી શકે છે.
પછી, આ માહિતી ફેક્ટરીને પાછી આપો, અને ફેક્ટરી આ જરૂરિયાતોને આધારે કસ્ટમાઇઝ્ડ ઉત્પાદનોનું ઉત્પાદન કરી શકે છે.
ગ્રાહકો વિશે શું? કયું ઉત્પાદન વધુ લોકપ્રિય છે અને કયું ઉત્પાદન વધુ સારી ગુણવત્તાનું છે તે જોવા માટે તમે સમીક્ષા ડેટા અને વેચાણ ડેટાનો પણ ઉપયોગ કરી શકો છો.
વિક્રેતા ગ્રાહકોમાં વધુ લોકપ્રિય એવા ઉત્પાદનોને પસંદ કરવા માટે ડિજિટાઈઝેશનનો ઉપયોગ કરી શકે છે અને ગ્રાહકો પણ ડિજિટાઈઝેશનનો ઉપયોગ કરીને ઉત્પાદનોની ગુણવત્તા અગાઉથી જાણી શકે છે.
ડિજિટલાઈઝેશનના ઉત્પાદનની પસંદગી અંગે, હું તમારી સાથે ત્રણ વાર્તાઓ શેર કરવા માંગુ છું.
પ્રથમ વાર્તાનો નાયક ઝિયાઓ છે. તે એક ખાસ સૈનિક હતો, અને પછીથી ક્રોસ બોર્ડર ઈ-કોમર્સ બિઝનેસ શરૂ કર્યો, અને તેણે સારું કામ કર્યું.
Xiao Lei એ ડેટા ઓઈલમાંથી માહિતી કાઢી. મેં તે જરૂરિયાતો જોઈ જે મારા સાથીદારોએ જોઈ ન હતી, અને અનુરૂપ ઉત્પાદનો સાથે મેળ કરવા માટે ઝડપથી પ્રતિસાદ આપ્યો.
ઉદાહરણ તરીકે, જૂન 2020 માં, તેણે આકસ્મિક તકને કારણે Tmall 3c ઑડિઓવિઝ્યુઅલ કેટેગરી હેઠળ માઇક્રોફોનની તક શોધી કાઢી.
Xiao એ જોયું કે 3c ઑડિયો-વિઝ્યુઅલ કૅટેગરી હેઠળ માઇક્રોફોન કીવર્ડ બિઝનેસ સ્ટાફ સર્ચ ડેટા બીજા ક્રમે છે.
આ ડેટાએ તેનું ધ્યાન ખેંચ્યું. તેણે તપાસ કરી કે જૂન 19માં ટ્રાન્ઝેક્શનની રકમ 250 મિલિયન પ્રતિ મહિને હતી, અને તે માર્ચ 20માં અચાનક વધીને 390 મિલિયન થઈ ગઈ અને જૂનમાં તે 330 મિલિયન થઈ ગઈ.
Xiao એ આ ડેટા તેલમાંથી માહિતીનો ખૂબ જ મહત્વપૂર્ણ ભાગ કાઢ્યો. વપરાશકર્તાઓ પાસે આ ઉત્પાદનની માંગ છે, પરંતુ પુરવઠો અપૂરતો હોઈ શકે છે.
તેણે આ માંગને વધુ પેટાવિભાજિત કરી અને જાણવા મળ્યું કે માઇક્રોફોન માટે વાસ્તવમાં બે જરૂરિયાતો છે, એક છે કરાઓકેની માંગ, અને બીજી છે લાઇવ બ્રોડકાસ્ટની માંગ.
પછી આ બે ઉત્પાદનોનું ઉત્પાદન કરવા માટે ફેક્ટરીનો સંપર્ક કરો. Xiao ની માહિતી કાઢવા માટે છે “ગ્રાહકોને શું ગમે છે” ડેટામાંથી, અને પછી માંગને પહોંચી વળવાનો માર્ગ શોધો.
બીજી વાર્તા ફાઇવ મર્ચન્ટ્સના વિદ્યાર્થીઓની છે. આ વાર્તા રસપ્રદ છે.
આ વિદ્યાર્થી અવારનવાર સમુદાયની નજીકની નાની રેસ્ટોરન્ટમાં જમવા જતો હતો.
જો કે, એક દિવસ, તેણે શોધ્યું કે રેસ્ટોરન્ટ વ્યવસાય માટે બંધ છે. શા માટે, તે ખૂબ જ મૂંઝવણમાં હતો, તેથી તેણે બોસને પૂછ્યું, તમે વ્યવસાય માટે કેમ ખોલતા નથી?
બોસે કહ્યું કે નાની રેસ્ટોરન્ટ ચોક્કસ રેસ્ટોરન્ટ પ્લેટફોર્મ દ્વારા ખરીદી હતી.
ક્લાસમેટે ફરીથી બોસને પૂછ્યું, કેમ? શું તમે હવે પહેલા કરતા વધુ કમાણી કરો છો?
બોસને રસ પડ્યો. આ ક્લાસમેટને કહો, હું તમને કહી દઉં કે, આ પ્લેટફોર્મ ખરેખર શક્તિશાળી છે.
ઉદાહરણ તરીકે, તે અમને પડોશમાં 20 સૌથી લોકપ્રિય વાનગીઓની ભલામણ કરે છે. મેં આ 20 વાનગીઓ બનાવવા પર ધ્યાન કેન્દ્રિત કર્યું, અને ટેકવેના વેચાણમાં 40% વધારો થયો.
કારણ કે હું માત્ર ટેકવે જ કરું છું, ત્યાં કોઈ જમવાનું નથી, જેનાથી ભાડું અને ઘણાં પૈસાની બચત થાય છે.
ઓનલાઈન ઓર્ડરની માત્રા પ્રમાણમાં નિશ્ચિત છે, અને જથ્થા અનુસાર સામગ્રી તૈયાર કરી શકાય છે, તેથી નુકસાન ઓછું થાય છે અને ખર્ચ બચે છે.
સારાંશમાં, તે ડિજિટલ સશક્તિકરણ દ્વારા છે કે ખર્ચમાં ઘટાડો થાય છે, વેચાણ વધારે છે અને નફો વધુ સારો છે.
પ્લેટફોર્મે ની માહિતીને ક્રૂડલી રિફાઇન કરી છે “20 સૌથી લોકપ્રિય વાનગીઓ” વિશાળ માં “ખરીદી માહિતી” અને “મૂલ્યાંકન માહિતી”.
જ્યાં સુધી રેસ્ટોરન્ટના માલિક આ 20 વાનગીઓ તૈયાર કરે છે, ત્યાં સુધી તેને ઓર્ડર ન હોવાની ચિંતા કરવાની જરૂર રહેશે નહીં.
આ પ્રોડક્ટની પસંદગી માટે ડિજિટલ સશક્તિકરણની વાર્તા છે.
ત્રીજી વાર્તા હાંગઝોઉમાં એક સમુદાયની દુકાન છે.
આ એક કોમ્યુનિટી સ્ટોર છે જે ઘણા વર્ષોથી ખુલ્લું છે. 2018 માં, આ સ્ટોરને એ “ટી-મોલ સ્ટોર”.
બદલાવ પછી શું બદલાયું?
“ટી-મોલ સ્ટોર” આ સ્ટોર માટે બે ઑપ્ટિમાઇઝેશન લૉન્ચ કર્યા છે:
પ્રથમ, વન-સ્ટોપ ખરીદી પ્લેટફોર્મ “રિટેલર” લોન્ચ કરવામાં આવ્યું હતું.
એનો અર્થ શું થાય?
આ સ્ટોરના ઓપરેટર અલી પર ઓર્ડર આપી શકે છે “છૂટક પાસ”, અને પછી તેને ટી-મોલ પર સમાનરૂપે પહોંચાડો.
ટી-મૉલે આ નાની દુકાનોને તેની પોતાની ક્રેડિટ અને પ્રીમિયમ ક્ષમતાઓથી સજ્જ કરી છે, તેમની ખરીદ કિંમત અને ગુણવત્તાની સમસ્યાઓનું નિરાકરણ કર્યું છે અને ટ્રાન્ઝેક્શન સ્ટ્રક્ચરને ઑપ્ટિમાઇઝ કર્યું છે.
બીજું, ઉપયોગ કરો “ડેટા” નાની દુકાનોને ઉત્પાદનો પસંદ કરવામાં અને તેને છાજલીઓ પર મૂકવામાં મદદ કરવા.
ઉદાહરણ તરીકે, આ સમુદાયમાં, ઘણા રહેવાસીઓ કૂતરા રાખે છે. પરંતુ ઘણા સ્ટોર્સે ક્યારેય ડોગ ફૂડ વેચ્યું નથી, તેથી મને તેના વિશે ખબર નથી.
જો કે, સામુદાયિક દુકાનો જે બદલાઈ ગઈ છે “ટી-મોલની દુકાનો” એક ફાયદો છે. ફાયદા શું છે?
તે ચીનમાં સૌથી મોટા ઈ-કોમર્સ પ્લેટફોર્મ તરીકે ટી-મોલ છે. આ કોમ્યુનિટી સ્ટોરની નજીકના મોટાભાગના રહેવાસીઓએ ટી-મોલ પર ડોગ ફૂડ ખરીદ્યું છે.
તેથી, ટી-મોલ આ નાની દુકાનની આસપાસના લોકો પાસેથી ડોગ ફૂડ ખરીદતા લોકોના ડેટામાંથી ડોગ ફૂડ ખરીદતા લોકોની માહિતી મેળવી શકે છે.
પછી, આ સમુદાયના ટી-મોલ સ્ટોરને કહો કે તમારે વધુ ડોગ ફૂડ ખરીદવું જોઈએ, અને નજીકના રહેવાસીઓને ગમે તે બ્રાન્ડ્સ અને વિશિષ્ટતાઓ પણ સ્પષ્ટ કરો.
દુકાને પ્લેટફોર્મની ભલામણો અનુસાર માલ ખરીદ્યો, અને તે ખરેખર સારું વેચાયું.
જો ઉત્પાદન સારી રીતે વેચાય છે, તો ઇન્વેન્ટરી ચક્ર ટૂંકું થશે, અને મૂડી કાર્યક્ષમતા વધશે. આ રીતે, આ નાના સ્ટોરનું ટ્રાન્ઝેક્શન માળખું ઑપ્ટિમાઇઝ કરવામાં આવ્યું છે.
આ ખૂબ શક્તિશાળી છે. આ કેવી રીતે થાય છે?
ડિજીટલાઇઝેશનને કારણે.
વેચાણ ડેટા તમને કહી શકે છે કે હું શું ખરીદવા માંગુ છું. ટિપ્પણી ડેટા તમને કહી શકે છે કે મને ચૂકવણી કરવામાં શું રોકી રહ્યું છે.
ટ્રાન્ઝેક્શન ડેટા, ક્રેડિટ ડેટા, બિહેવિયરલ ડેટા વગેરે પણ છે. જો તમે આ ડેટાને માહિતીમાં રિફાઇન કરો છો, તો તમે જાણી શકો છો કે ગ્રાહકોમાં કયા ઉત્પાદનો લોકપ્રિય છે, અને તમારે વધુ ખરીદવાની જરૂર છે, અને કઈ પ્રોડક્ટ સારી રીતે વેચાતી નથી, અને તમારે ઓછી ખરીદી કરવાની જરૂર છે.
જ્યારે તમે ડેટા તેલમાંથી કાઢો છો, “નજીકના રહેવાસીઓને બધાને ડોગ ફૂડ ખરીદવાની જરૂર છે, પરંતુ નજીકની દુકાનોમાં ડોગ ફૂડ નથી”, તે ઉપભોક્તા તમને બૂમ પાડે છે, “મારે ડોગ ફૂડ ખરીદવું છે, જલ્દી કરો સામાન લઈ જાઓ.”
3. નવી તકો લાવો
ડિજીટાઈઝેશન માત્ર ઉત્પાદનની પસંદગીને સશક્ત બનાવે છે.
વ્યવસાયિક વિશ્વમાં, હજી પણ ઘણી નવીનતાઓ છે જે વપરાશકર્તાઓની જરૂરિયાતોને સર્જનાત્મક રીતે પૂરી કરવા માટે ડિજિટલાઇઝેશનનો ઉપયોગ કરે છે.
ઉદાહરણ તરીકે, ચાલો આ ચિત્ર જોઈએ. પીળા અને ગ્રેનું આ મિશ્રણ સારું લાગે છે. મને પણ લાગે છે કે તે સારું લાગે છે.
આ “પીળો રાખોડી” ગયા વર્ષે ડિસેમ્બરમાં પેન્ટોન દ્વારા જાહેર કરાયેલ 2021 નો લોકપ્રિય રંગ છે: આત્યંતિક રાખોડી અને તેજસ્વી પીળો.
જો તમે તમારા ઘરને આ શૈલીમાં સજાવટ કરવા માંગો છો, તો તમે ડિઝાઇનરને કહો, મને તેજસ્વી પીળો અને આત્યંતિક ગ્રે જોઈએ છે.
ડિઝાઇનરને માથાનો દુખાવો હોવો જોઈએ, અંતિમ ગ્રે શું છે, તેજસ્વી પીળો શું છે?
તમે કહ્યું તેમ, હું તમને એક ચિત્ર મોકલીશ, તમે ફક્ત આ ચિત્રને અનુસરો, ડિઝાઇનરને હજી પણ માથાનો દુખાવો છે. કારણ કે આંખો દ્વારા ઓળખવામાં આવેલ રંગ આખરે પસંદ કરેલા રંગમાંથી લગભગ હંમેશા વિચલિત થશે.
પછી શું કરવું, રંગ નંબરનો ઉપયોગ કરો. કયો રંગ કયા રંગની સંખ્યાને અનુરૂપ છે. જ્યાં સુધી તમને રંગ નંબર યાદ છે, ત્યાં સુધી તમે અનુરૂપ રંગ શોધી શકો છો, અને હવે વિચલનો વિશે ચિંતા કરવાની જરૂર નથી.
ઉદાહરણ તરીકે, પેન્ટોન, જે રંગનો અભ્યાસ કરવા માટે જાણીતો છે, તે અનુરૂપ રંગોને મેચ કરવા માટે રંગ સંખ્યાઓનો ઉપયોગ કરે છે.
અંતિમ ગ્રે છે: PANTONE 17-5104;
તેજસ્વી પીળો છે: PANTONE 13-0647.
તમે કહ્યું કે તમે આત્યંતિક ગ્રે અને તેજસ્વી પીળાના મિશ્રણમાં દિવાલ ડિઝાઇન કરવા માંગો છો. ફક્ત ડિઝાઇનરને રંગ નંબર આપો, અને તે ચોક્કસપણે તમારી માંગણીઓને સમજશે.
તેથી, આત્યંતિક ગ્રે અને ચળકતા પીળા રંગના બે રંગોવાળા ફોટા ડેટા છે, અને આ બે રંગોનું પ્રતિનિધિત્વ કરતા રંગ નંબરો માહિતી છે.
ડિજિટલ યુગમાં, લિસ્ટેડ કંપનીઓ જેટલી મોટી કંપનીઓ અને ઘરઆંગણે નાની દુકાનો વધુને વધુ અનિશ્ચિતતાઓનો સામનો કરી રહી છે.
પેન્ટોન, ડિજિટાઇઝેશનની મદદથી, માહિતીમાં ડેટાને શુદ્ધ કરીને પ્રમાણમાં દુર્લભ ક્ષમતા ધરાવે છે.
ડિજિટલ ટ્રાન્સફોર્મેશનમાં, તે સંભાવના દ્વારા પસંદ કરાયેલ ડાર્વિનિયન સ્પેરો બની ગઈ છે.
સારાંશમાં
ચાલો તેની ફરી સમીક્ષા કરીએ.
ડિજિટાઈઝેશન એ ભૌતિક વિશ્વમાંથી ડેટા કાઢવા, તેને માહિતીમાં રિફાઇન કરવા, તેને જ્ઞાનમાં રિફાઇન કરવા અને તેને શાણપણમાં એકત્ર કરવાનો છે.
ઉત્પાદનોની ડિજિટલ પસંદગી અસ્પષ્ટ અને માપી ન શકાય તેવા ડેટામાંથી ચોક્કસ અને માપી શકાય તેવી માહિતી મેળવે છે. તે પરંપરાગત સોનું, લાકડું, પાણી, અગ્નિ અને પૃથ્વીથી આધુનિક હાઇડ્રોજન, હિલીયમ, લિથિયમ, બેરિલિયમ અને બોરોન છે.
ઉદાહરણ તરીકે, “ખાણકામ” ડેટા ગ્રાહક ખરીદી વર્તન માંથી. પછી, આ ડેટામાંથી, “શુદ્ધિકરણ” નું જ્ઞાન “ગ્રાહકોને કયા ઉત્પાદનો ગમે છે”. છેલ્લે, પૈસા કમાવવા માટે આ જ્ઞાનનો ઉપયોગ કરો.
અમે કહીએ છીએ કે જ્યારે તમે વિશ્વને અનુભવો છો, ત્યારે જગત પણ તમને સમજે છે.
જ્યારે ડિજિટલાઇઝેશન નવી તકો લાવે છે, ત્યારે કેટલાક પડકારો પણ છે.
ઉદાહરણ તરીકે, આપણને મળેલી સગવડ ક્યારેક ગોપનીયતા માટે બદલાઈ જાય છે.
હવે, આ મુદ્દો ઉકેલાઈ રહ્યો છે. 1 નવેમ્બરના રોજ, એટલે કે આવતીકાલે, ચીનની “વ્યક્તિગત માહિતી સંરક્ષણ કાયદો” સત્તાવાર રીતે લાગુ કરવામાં આવશે, જે ડિજિટલ વિશ્વનો મૂળભૂત કાયદો છે.
આ કાયદાના એસ્કોર્ટ સાથે, 2022 માં, અમે ડિજિટલ ઓઇલ યુગના વિસ્ફોટની શરૂઆત કરીશું.
