ДОСЛІДЖЕННЯ ВПЛИВУ АНАЛІТИКИ ВЕЛИКИХ ДАНИХ НА ЕФЕКТИВНІСТЬ БІЗНЕСУ В ЦИФРОВУ ЕПОХУ
DOI:
https://doi.org/10.32689/maup.it.2024.1.10Ключові слова:
Великі дані, цифрова трансформація, машинне навчання, штучний інтелект, розуміння клієнтів, ринкові тенденції, інструменти штучного інтелектуАнотація
Корпоративний світ отримує вигоду від тенденцій BIG DATA (BD) та бізнес-моделювання і аналізу. Попередні дослідження продемонстрували величезний і експоненціальний ріст даних, що створюються в сучасному світі. Вони складаються з щоденного потоку неструктурованої та структурованої інформації в компаніях. Постановка проблеми. Основною прогалиною в попередніх дослідженнях є відсутність комплексного аналізу застосування BD для цифрової трансформації. Мета дослідження. Заповнити цю прогалину шляхом аналізу стратегічних переваг, можливостей та викликів, які BD надає компаніям у процесі цифрової трансформації їхніх ІТ-платформ. Тому метою цього дослідження є привернення уваги дослідників та компаній до численних застосувань та переваг технологій BD. Методологія. Якісні методи дослідження, використовує якісні методи дослідження для широкої перспективи. Наголошує на пошукових дослідженнях для поглиблення знань у цій галузі. Використовується епістемологічний підхід для пошуку відповідних літературних джерел з авторитетних баз даних, таких як Google Scholar та Science Direct. Наукова новизна: На основі доступних на даний момент досліджень у статті оцінюються та обговорюються останні тенденції, можливості та небезпеки BD, а також те, як він допомагає фірмам залишатися конкурентоспроможними, дозволяючи їм розробляти успішні бізнес-стратегії. Оцінка також охоплює кілька сфер застосування бізнес-аналітики в бізнесі, а також джерела даних, які створюються, та їхні основні характеристики. Висновок: Насамкінець, стаття не лише описує труднощі в успішному впровадженні BD-проектів на практиці, але й вказує на відкриті дослідницькі шляхи в BD-аналітиці, які потребують подальшої уваги. Відповідно до розглянутих тем BD, ефективне адміністрування та маніпулювання великими масивами даних з використанням методів і технологій BD може дати цінні бізнес-інсайти.
Посилання
A comprehensive survey of clustering algorithms: State-of-the-art machine learning applications, taxonomy, challenges, and future research prospects / A. E. Ezugwu et al. Engineering Applications of Artificial Intelligence. 2022. Vol. 110. P. 104743. URL: https://doi.org/10.1016/j.engappai.2022.104743 (date of access: 28.03.2024).
Alghanmi N., Alotaibi R., Buhari S. M. HLMCC: A Hybrid Learning Anomaly Detection Model for Unlabeled Data in Internet of Things. IEEE Access. 2019. Vol. 7. P. 179492–179504. URL: https://doi.org/10.1109/access.2019.2959739 (date of access: 28.03.2024).
Time series big data: a survey on data stream frameworks, analysis and algorithms / A. Almeida et al. Journal of Big Data. 2023. Vol. 10, no. 1. URL: https://doi.org/10.1186/s40537-023-00760-1 (date of access: 26.04.2024).
The mediating role of supply chain management on the relationship between big data and supply chain performance using SCOR model / R. O. K. Alshawabkeh et al. Uncertain Supply Chain Management. 2022. Vol. 10, no. 3. P. 729–736. URL: https://doi.org/10.5267/j.uscm.2022.5.002 (date of access: 26.04.2024).
Aydiner A. S., Bayraktar E. Business Analytics and Firm Performance: The Mediating Role of Business Process Performance. Academy of Management Proceedings. 2018. Vol. 2018, no. 1. P. 18111. URL: https://doi.org/10.5465/ambpp.2018.18111abstract (date of access: 28.03.2024).
Bannikov V., Zalialetdzinau K., Siasiev A., Ivanenko R., Saveliev D. Computer science trends and innovations in computer engineering against the backdrop of Russian armed aggression. International Journal of Computer Science and Network Security.2022. Vol.22, no.9. P. 465-470. URL: https://doi.org/10.22937/IJCSNS.2022.22.9.60 (date of access: 28.03.2024)
Exploring the Impact of Big Data Analytics on Organizational Decision-Making and Performance: Insights from Pakistan's Industrial Sector / A. Latif et al. Pakistan Journal of Humanities and Social Sciences. 2023. Vol. 11, no. 2. URL: https://doi.org/10.52131/pjhss.2023.1102.0475 (date of access: 28.03.2024).
Ezugwu, A. E., Ikotun, A. M., Oyelade, O. O., Abualigah, L., Agushaka, J. O., Eke, C. I., & Akinyelu, A. A comprehensive survey of clustering algorithms: State-of-the-art machine learning applications, taxonomy, challenges, and future research prospects. Engineering Applications of Artificial Intelligence. 2022. Vol. 110. P. 104743. URL: https://doi.org/10.1007/s10462-022-10325-y (date of access: 28.03.2024)
How Big Data Analytics Boosts Organizational Performance: The Mediating Role of the Sustainable Product Development / S. Ali et al. Journal of Open Innovation: Technology, Market, and Complexity. 2020. Vol. 6, no. 4. P. 190. URL: https://doi.org/10.3390/joitmc6040190 (date of access: 26.04.2024).
How Big Data Analytics Boosts Organizational Performance: The Mediating Role of the Sustainable Product Development / S. Ali et al. Journal of Open Innovation: Technology, Market, and Complexity. 2020. Vol. 6, no. 4. P. 190. URL: https://doi.org/10.3390/joitmc6040190 (date of access: 28.03.2024).
Injadat, M., Moubayed, A., Nassif, A.B. and Shami, A. Machine learning towards intelligent systems: applications, challenges, and opportunities. Artificial Intelligence Review, 2021. Vol. 54, no. 5. P.3299–3348. URL: https://doi.org/10.48550/arXiv.2101.03655 (date of access: 28.04.2024)
Internet of Things in arable farming: Implementation, applications, challenges and potential / A. Villa-Henriksen et al. Biosystems Engineering. 2020. Vol. 191. P. 60–84. URL: https://doi.org/10.1016/j.biosystemseng.2019.12.013 (date of access: 28.03.2024).
Exploring the Impact of Big Data Analytics on Organizational Decision-Making and Performance: Insights from Pakistan's Industrial Sector / A. Latif et al. Pakistan Journal of Humanities and Social Sciences. 2023. Vol. 11, no. 2. URL: https://doi.org/10.52131/pjhss.2023.1102.0475 (date of access: 26.04.2024).
Lee I., Shin Y. J. Machine learning for enterprises: Applications, algorithm selection, and challenges. Business Horizons. 2020. Vol. 63, no. 2. P. 157–170. URL: https://doi.org/10.1016/j.bushor.2019.10.005 (date of access: 28.03.2024).
Machine learning and data analytics for the IoT / E. Adi et al. Neural Computing and Applications. 2020. Vol. 32, no. 20. P. 16205–16233. URL: https://doi.org/10.1007/s00521-020-04874-y (date of access: 28.03.2024).
Organizational business intelligence and decision making using big data analytics / Y. Niu et al. Information Processing & Management. 2021. Vol. 58, no. 6. P. 102725. URL: https://doi.org/10.1016/j.ipm.2021.102725 (date of access: 26.04.2024).
Organizational business intelligence and decision making using big data analytics / Y. Niu et al. Information Processing & Management. 2021. Vol. 58, no. 6. P. 102725. URL: https://doi.org/10.1016/j.ipm.2021.102725 (date of access: 28.03.2024).
Pizło W., Parzonko A. Virtual Organizations and Trust. Trust, Organizations and the Digital Economy. New York, 2021. P. 61–78. URL: https://doi.org/10.4324/9781003165965-6 (date of access: 28.03.2024).
Prabhakaran V., Kulandasamy A. Integration of recurrent convolutional neural network and optimal encryption scheme for intrusion detection with secure data storage in the cloud. Computational Intelligence. 2020. URL: https://doi.org/10.1111/coin.12408 (date of access: 28.03.2024).
The Role of AI, Machine Learning, and Big Data in Digital Twinning: A Systematic Literature Review, Challenges, and Opportunities / M. M. Rathore et al. IEEE Access. 2021. Vol. 9. P. 32030–32052. URL: https://doi.org/10.1109/access.2021.3060863 (date of access: 26.04.2024).
Sbai I., Krichen S. A real-time Decision Support System for Big Data Analytic: A case of Dynamic Vehicle Routing Problems. Procedia Computer Science. 2020. Vol. 176. P. 938–947. URL: https://doi.org/10.1016/j.procs.2020.09.089 (date of access: 28.03.2024).
Schmidt S., von der Oelsnitz D. Innovative business development: identifying and supporting future radical innovators. Leadership, Education, Personality: An Interdisciplinary Journal. 2020. Vol. 2, no. 1. P. 9–21. URL: https://doi.org/10.1365/s42681-020-00008-z (date of access: 28.03.2024).
The mediating role of supply chain management on the relationship between big data and supply chain performance using SCOR model / R. O. K. Alshawabkeh et al. Uncertain Supply Chain Management. 2022. Vol. 10, no. 3. P. 729–736. URL: https://doi.org/10.5267/j.uscm.2022.5.002 (date of access: 28.03.2024).
The Role of AI, Machine Learning, and Big Data in Digital Twinning: A Systematic Literature Review, Challenges, and Opportunities / M. M. Rathore et al. IEEE Access. 2021. Vol. 9. P. 32030–32052. URL: https://doi.org/10.1109/access.2021.3060863 (date of access: 28.03.2024).
Time series big data: a survey on data stream frameworks, analysis and algorithms / A. Almeida et al. Journal of Big Data. 2023. Vol. 10, no. 1. URL: https://doi.org/10.1186/s40537-023-00760-1 (date of access: 28.03.2024).
Internet of Things in arable farming: Implementation, applications, challenges and potential / A. Villa-Henriksen et al. Biosystems Engineering. 2020. Vol. 191. P. 60–84. URL: https://doi.org/10.1016/j.biosystemseng.2019.12.013 (date of access: 26.04.2024).
Visvizi A., Troisi O., Grimaldi M. Mapping and Conceptualizing Big Data and Its Value Across Issues and Domains. Big Data and Decision-Making: Applications and Uses in the Public and Private Sector. 2023. P. 15–25. URL: https://doi.org/10.1108/978-1-80382-551-920231002 (date of access: 28.03.2024).
Wadoux A. M. J. C., Minasny B., McBratney A. B. Machine learning for digital soil mapping: Applications, challenges and suggested solutions. Earth-Science Reviews. 2020. Vol. 210. P. 103359. URL: https://doi.org/10.1016/j.earscirev.2020.103359 (date of access: 28.03.2024).
