ИНФОРМАЦИОННО–АНАЛИТИЧЕСКИЕ СИСТЕМЫ ДЛЯ ОБРАБОТКИ БОЛЬШИХ ДАННЫХ (BIG DATA)
Ключевые слова:
анализ данных, большие данные (Bigdata), информационно-аналитические технологии, прогнозирование, принятие управленческих решений.Аннотация
Эта статья будет в первую очередь полезна для тех, кто интересуется большими данными и занимается их сбором, анализом и использованием. С применением компьютеров в трудовой деятельности большие данные будут только расти, и появится необходимость эффективной обработки, хранения и анализа этих данных. С развитием информационных технологий, появилась надобность в использовании этих данных в прогнозировании и планировании. Так как аналитика данных может дать более точный анализ, и, соответственно, более точный результат анализа может способствовать принятию правильного решения. Значимость больших данных начинает проявляться только лишь на этапе их анализа, правильное использование полезных аналитических данных повышают эффективность управления организации. А лучшее решение, в свою очередь, может означать повышение операционной эффективности, сокращение затрат и снижение рисков неправильных управленческих решений. Ведущие организации применяют аналитику данных для того, чтобы осознать риски и возможности компании с помощью больших данных, которые можно использовать в прогнозировании.
Библиографические ссылки
Complete Guide to Predictive Analytics and Big Data Analytics. Nazar Kvartalnyi [Электронный ресурс]. – Режим доступа: https://inoxoft.com/blog/complete-guide-to-predictive-
analytics-and-big-data-analytics/ Опубликовано: 25.08.2021. (дата обращения: 20.04.2022).
Майер-Шенбергер В., Кукьер К. Большие данные: Революция, которая изменит то, как мы живем, работаем и мыслим. – Манн, Иванов и Фербер, 2014 -240c.
Что такое аналитика больших данных? [Электронный ресурс]. – Режим доступа: https://azure.microsoft.com/ru-ru/overview/what-is-big-data-analytics/#importance-of-data-analytics (дата обращения: 30.01.2022).
Бабанов, А. Б. Перспективы внедрения больших данных в бизнесе / А. Б. Бабанов,
В. В. Кадацкая. — Текст : непосредственный // Молодой ученый. — 2021. — № 28 (370).
— С. 174-176. — URL: https://moluch.ru/archive/370/83188/ (дата обращения: 20.05.2022).
Predictive big data analytics for supply chain demand forecasting: methods, applications,
and research opportunities. [Электронный ресурс]. – Режим доступа: https://journalofbigdata.
springeropen.com/articles/10.1186/s40537-020-00329-2 (дата обращения:05.05.2022).
Wang G, Gunasekaran A, Ngai EWT, Papadopoulos T. Big data analytics in logistics and
supply chain management: certain investigations for research and applications. Int J ProdEcon.
;176:98–110. https://doi.org/10.1016/J.IJPE.2016.03.014.
Herodotou H. et al. Starfish: A Self-tuning System for Big Data Analytics //CIDR. – 2011.
– Т. 11. – р.261-272.
Осторожно, данные собираются: как технологии bigdata меняют мир [Электронный
ресурс]. – Режим доступа: https://finparty.ru/opinions/166219/. (дата обращения: 21.12.2021).
Кушнир, Е. А. Противостояние XXI века / Е. А. Кушнир, Л. А. Телегина. в 2-х томах.
Т. 1. – Саров: ФГУП «РФЯЦ-ВНИИЭФ», 2019. – 354 с
