КӨЛӨМДҮҮ МААЛЫМАТТАРДЫ (BIG DATA) ИШТЕП ЧЫГУУДА МААЛЫМАТТЫК-АНАЛИТИКАЛЫК СИСТЕМАЛАРДЫ КОЛДОНУУ
Ключевые слова:
маалыматтарды талдоо, көлөмдүү маалыматтар (Bigdata), маалыматтык жана аналитикалык технологиялар, болжолдоо, башкаруу чечимдерин кабыл алуу.Аннотация
Бул макала көлөмдүү маалыматтарга кызыккандар үчүн жана биринчи кезекте аны чогултуу, талдоо жана колдонуу ишмердүүлүгү үчүн пайдалуу болот. Компьютерлер ар бир жумуш ордунда колдонулгандыктан, көлөмдүү маалыматтар өсөт жана бул маалыматтарды эффективдүү иштетүү, сактоо жана талдоо зарылчылыгы келип чыгат. Маалыматтык технологиялардын өнүгүшү менен бул маалыматты болжолдоодо жана план даштырууда колдонуу зарылчылыгы келип чыкты. Анткени маалыматтарды анализдөө так талдоону бере алат, тиешелүү анализдин так жыйынтыгы туура чечим чыгарууга жардам берет. Көлөмдүү маалыматтардын мааниси аларды анализдөө стадиясында гана пайда боло баштайт, пайдалуу аналитикалык маалыматтарды туура пайдалануу ишкананы башкаруунун натыйжалуулугун жогорулатат. Туура чечим, өз кезегинде, операциялык натыйжалуулукту жогорулатуу, чыгымдарды азайтуу жана туура эмес башкаруу тобокелдигин азайтат. Алдыңкы ишканалар прогноздоодо колдонула турган көлөмдүү маалыматтар аркылуу компаниянын тобокелдиктерин жана мүмкүнчүлүктөрүн түшүнүү үчүн маалымат аналитикасын колдонушат.
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
