DOI: 10.32702/2307-2105-2021.6.89
УДК: 339.138:004.4
В. Р. Чаплінський, О. К. Кушнір, О. П. Свідер
АНАЛІЗ ВЕЛИКИХ ДАНИХ ТА ЇХ ВІЗУАЛІЗАЦІЯ ДЛЯ ПОТРЕБ БІЗНЕСУ
Анотація
Розкрито особливості постіндустріального суспільства, та ключові фактори успіху для бізнес середовища. Відмічено проблему великихих обємів неструктуризованих даних, та важкість роботи з ними. Розглянуто методики Big Data Analytics, а саме, методи Data Mining, технологію Text Mining, технологію MapReduce та візуалізацію даних.
Відмічено, що дані методи використовують послідовність процесів накопичення у сховищі даних, аналітичну обробку та видобуток знань. Найбільш поширинеми методами Data Mining є: базові методи, нечітка логіка, генетичні алгоритми, нейронні мережі. Підґрунтям технології Text Mining – статистичний та лінгвістичний аналіз, методи штучного інтелекту. Ця технологія застосовується для проведення аналізу, забезпечення навігації та пошуку в неструктурованих текстах. Методи графічного подання результатів аналізу великих даних у вигляді діаграм або анімації для спрощення інтерпретації, полегшення розуміння отриманих результатів.
Визначено, що базовою платформою для генерування ієрархічно-синергетичний комплексів автоматизованих засобів нетривіального аналізу первинних даних і візуалізації його результатів для підтримки рішень став Business Intelligence.
Ключові слова: великі дані; аналіз великих данних; business intelligence; програмне забезпечення.
Література
1. Стоун-брейкер М. MapReduce и параллельные СУБД: друзья или враги? [Електронний ресурс] / Майкл Стоунбрейкер, Дэниэль Абади, Дэвит Девитт, Сэм Мэдден, Эрик Паулсон, Эндрю Павло, Александр Разин ; пер. с англ. Сергей Кузнецов // Communications of the ACM, vol. 53, no. 1, January 2010. – Режим доступу: http://citforum.ru/database/articles/mr_vs_dbms-2/
2. Плескач В. Л. Інформаційні системи і технології на підприємствах : підручник / В. Л. Плескач, Т. Г. Затонацька. – К. : Знання, 2011. – 718 с
3. Паклин, Н. Б. Бизнес-аналитика: от данных к знаниям [Текст] : учеб. пособ. / Н. Б. Паклин, В. И. Орешков. – 2-е изд., испр. –– СПб. : Питер, 2013. – 702 с.
4. Big Data: Survey, Technologies, Opportuni- ties, and Challenges. Nawsher Khan, Ibrar Yaqoob, Ibrahim Abaker Targio Hashem, Za- kiraInayat, Waleed Kamaleldin Mahmoud Ali, Muhammad Alam, Muhammad Shiraz and Abdullah Gani. The Scientific World Journal. January 2014.
5. Бізнесова аналітика. Електрон. дані (283 331 байт) // Вікіпедія. URL: http://ru.wikipedia.org/wiki.
6. Данько Т., Китова О. Вопросы развития цифрового маркетинга. Проблемы современной экономики. 2013. № 3 (47). URL: https://cyberleninka. ru/article/n/voprosy-razvitiya-tsifrovogo-marketinga.
7. Сонько С.П. Сучасні геоінформаційні системи як середовище управління маркетинговими базами даних / С.П. Сонько, І.В. Довгаль // Комп’ютерне моделювання та інформаційні технології в науці, економіці та освіті : збірник наукових праць. – К. : КЕІ КНЕУ, 2008. – С. 148 – 151.
8. Business Intelligence [BI]: Matrix view. SelectHub. Denver, 2018. URL: https://app. selecthub.com/community/reports/580037b2deba8 9470db76486160c8f0e_9c902db7c92f95c582e2436 c15d2272f.
V. Chaplinsky, O. Kushnir, O. Svider
ANALYSIS OF BIG DATA AND THEIR VISUALIZATION FOR BUSINESS NEEDS
Summary
The peculiarities of the post-industrial society and the key success factors for the business environment are revealed. The problem of large volumes of unstructured data and the difficulty of working with them is noted. Big Data Analytics techniques are considered, namely, Data Mining methods, Text Mining technology, MapReduce technology and data visualization.
It is noted that these methods use the sequence of accumulation processes in the data warehouse, analytical processing and extraction of knowledge. The most common methods of Data Mining are: Basic methods, fuzzy logic, genetic algorithms, neural networks. The basis of Text Mining technology is statistical and linguistic analysis, methods of artificial intelligence. This technology is used for analysis, navigation and search in unstructured texts. Methods of graphical presentation of the results of big data analysis in the form of diagrams or animations to simplify interpretation, facilitate understanding of the results.
It is determined that Business Intelligence became the basic platform for generating hierarchical-synergetic complexes of automated means of non-trivial analysis of primary data and visualization of its results to support decisions. All processes aimed at working with Big Data can be grouped into three areas, namely, collecting information about the internal and external environment of the enterprise, data integration, data analysis and their unification and data visualization.
It is considered that the functionality of Business Intelligence software platforms is most appropriate to establish based on the reports of the leading consulting company “Gartner” Magic Quadrant for Business Intelligence and Analytics Platforms.
When implementing BI systems, it is important to start by defining business requirements and setting tasks. The implementation scheme differs from the scope of the enterprise, business processes and tasks, so it is advisable to form a concept for the implementation of the mechanism of implementation of business intelligence tools for visualization of marketing data in the enterprise.
There are also specialized marketing software products on the software market. They are designed to process and analyze information for further use in making strategic marketing decisions, planning and forecasting the development of the enterprise.
Keywords: ig data; big data analytics; business intelligence; software.
References
1. Stounbrejker, M. and others (2010), “MapReduce and Parallel DBMSs: Friends or Foes?”, Communications of the ACM, vol. 53, issue. 1, [Online], available at: http://citforum.ru/database/articles/mr_vs_dbms-2/ (Accessed 14 June 2021).
2. Pleskach, V. L. and Zatonatska, T. H. (2011), Informatsiini systemy i tekhnolohii na pidpryiemstvakh: pidruchnyk [Information systems and technologies at enterprises: a textbook], Znannia, Kyiv, Ukraine, P. 718.
3. Paklin, N. B. and Oreshkov, V. I. (2013), Biznes-analitika: ot dannyh k znanijam [Business analytics: from data to knowledge], 2nd ed., Piter, SPb., Russia, P. 702.
4. Big Data: Survey, Technologies, Opportuni- ties, and Challenges. Nawsher Khan, Ibrar Yaqoob, Ibrahim Abaker Targio Hashem, Za- kiraInayat, Waleed Kamaleldin Mahmoud Ali, Muhammad Alam, Muhammad Shiraz and Abdullah Gani. The Scientific World Journal. January 2014.
5. Wikipedia, Business analytics. Electron. data (283 331 bytes), available at: http://ru.wikipedia.org/wiki (Accessed 14 June 2021).
6. Dan'ko, T. and Kitova, O. (2013), “Digital marketing development issues”, Problemy sovremennoj jekonomiki, vol. 3 (47), [Online], available at: https://cyberleninka. ru/article/n/voprosy-razvitiya-tsifrovogo-marketinga (Accessed 14 June 2021).
7. Sonko, S.P. and Dovhal, I.V. (2008), “Modern geoinformation systems as a management environment for marketing databases”, Kompiuterne modeliuvannia ta informatsiini tekhnolohii v nautsi, ekonomitsi ta osviti: zbirnyk naukovykh prats, pp. 148 – 151.
8. Business Intelligence [BI]: Matrix view. SelectHub. Denver, 2018. [Online], available at: https://app. selecthub.com/community/reports/580037b2deba8 9470db76486160c8f0e_9c902db7c92f95c582e2436 c15d2272f (Accessed 14 June 2021).
№ 6 2021
Дата публікації: 2021-06-28
Кількість переглядів: 6366
