Search results - CEJSH

1

The Perspective of Using Big Data technology for the Purposes of Educational Transactional Analysis

100%

Łęski Z.

Edukacyjna Analiza Transakcyjna

|

2019

|

issue 8

81-88

PL

XXI wiek to czas dynamicznego postępu technologicznego. Zjawisko to ma bezpośredni wpływ na procesy edukacyjne – zarówno na płaszczyźnie potrzeb, jak i możliwości. I właśnie w tym kontekście warto przyjrzeć się co na tym polu może zaoferować analiza transakcyjna oraz możliwości jakie niesie technologia Big Data. Jak pisze D. Pankowska „Edukacyjna analiza transakcyjna aplikuje założenia analizy transakcyjnej w odniesieniu do celów edukacji, uwarunkowań jej skuteczności, metod pracy dydaktyczno-wychowawczej, podejścia do problemów” (Pankowska, 212, s. 23). Cieszy się przy tym coraz to szerszym zainteresowaniem. Aby jednak podejmowane działania mogły być naprawdę skuteczne konieczna jest dokładna i wielopłaszczyznowa diagnoza rzeczywistości edukacyjnej. W tym zadaniu pomocne może okazać się wykorzystanie analizy Big Data, która „pozwala podejmować decyzje na podstawie danych, które wcześniej były niedostępne lub nieużyteczne. Dzięki zaawansowanym technikom analitycznym, […] można analizować wcześniej niewykorzystywane źródła danych niezależnie lub razem z istniejącymi i tradycyjnie dostępnymi” (Tanaś, 2019, s. 13).

EN

The 21st century is the time of dynamic technological progress. This phenomenon has a direct impact on educational processes – both at the level of needs and possibilities. And in this context, it is worth taking a closer look at what Transactional Analysis and Big Data technology possibilities can offer in this area. As D. Pankowska writes, ”Educational Transactional Analysis applies the assumptions of Transactional Analysis with reference to educational goals, conditions of its efficacy, methods of didactic and educational work, attitude to problems” (Pankowska, 212, p. 23). Additionally, it is enjoying more and more interest. However, to make certain actions really efficient, it is necessary to diagnose educational reality in a detailed and multilayered way. Big Data analytics might prove useful in this task as “it allows for taking decisions on the basis of the data that have not beena vailable or useless before. Thanks to advanced analytical techniques, […] one can analyse data sources not used before, independently or together with existing and traditionally available information” (Tanaś, 2019, p. 13).

2

Big Data w kontekście kapitału ludzkiego

100%

Tuziak R.

Nierówności społeczne a wzrost gospodarczy

|

2017

|

vol. 52

302-314

PL

We współczesnej gospodarce informacje, wiedza i nowoczesne technologie traktowane są jako samodzielne czynniki produkcji. Trend w kierunku rozwijania zaawansowanych procedur przetwarzania dużych wolumenów danych obliguje przedsiębiorstwa i organizacje do modyfikacji modeli biznesowych, zwiększając jednocześnie w znaczący sposób możliwości ich rozwoju. Wykorzystanie dzięki technologii Big Data rezultatów analiz ogromnych zbiorów danych optymalizuje procesy zarządzania i dostosowywania oferty produktów i usług do rzeczywistych potrzeb rynku. Big Data to nowy model budowania biznesu polegający na przewidywaniu z wykorzystaniem korelacji między odpowiednio zagregowanymi danymi. Pozwala zaprojektować przyszłe działania i podejmować właściwe decyzje, zwiększając tym samym przewagi konkurencyjne przedsiębiorstwa. Przetwarzanie i wykorzystanie wielkich zbiorów danych generuje określone korzyści podmiotom, które nimi dysponują. Procedury Big Data umożliwiają uczynienie informacji bardziej przejrzystymi i dostępnymi. Pozwalają tworzyć i przechowywać większą liczbę informacji o transakcjach w postaci cyfrowej dla lepszego rozpoznania efektywności działań. Precyzyjniej definiują nisze klienckie, optymalnie dopasowując do nich ofertę produktów i usług. Przyspieszają rozwój następnych generacji produktów i usług. Umożliwiają prowadzenie kontrolowanych eksperymentów. Big Data to nie tylko korzyści rynkowe i przewagi konkurencyjne, ale także potencjalne i rzeczywiste zagrożenia i ograniczenia. Dotyczą one sfer: technicznej, organizacyjnej, finansowej i społecznej. W tej ostatniej wiążą się głównie z problemem ochrony prywatności osób, która w obliczu cyfrowych możliwości ingerowania w nią bywa poważnie zagrożona. Istotnym wyzwaniem dla społeczeństwa staje się zatem prawne określenie zasad gromadzenia, przetwarzania i wykorzystywania danych. Zaawansowana technologia nie jest w stanie automatycznie przekształcić dużych zbiorów danych w korzyści biznesowe. Konieczny jest odpowiedni poziom kapitału ludzkiego i kultury analizy danych, aby w pełni wykorzystać możliwości, jakie stwarzają rozwiązania i procedury Big Data. Kluczem do sukcesu jest uruchomienie posiadanych przez pracowników zasobu wiedzy, umiejętności, zdolności, kwalifikacji, postaw, motywacji oraz zdrowie. Wymienione elementy składają się na kapitał ludzki, którego wysoki poziom jest niezbędny dla praktycznego zastosowania technologii Big Data. Kapitał ludzki jest składową kultury organizacyjnej firmy. Analiza różnych modeli kultury prowadzi do wniosku, że optymalną z punktu widzenia potrzeb i możliwości Big Data jest kultura adhokracji. Cechuje ją bowiem między innymi: kreatywność, innowacyjność, elastyczność, umiejętność szybkiego reagowania na pojawiające się możliwości, zdolność tworzenia niestereotypowych rozwiązań i wizji przyszłości, co w sytuacji zmienności, niepewności i nadmiaru informacji ma kapitalne znaczenie dla rozwoju firmy i zdobywania przewagi konkurencyjnej na rynku.

EN

In the modern economy, information, knowledge and new technologies are treated as independent factors of production. The trend towards the development of advanced procedures for processing large volumes of data obliges businesses and organizations to modify business models, while increasing significantly their development capabilities. Thanks to Big Data, the use of technology for analysis results of huge data sets optimizes management processes, customizes products and services to the real needs of the market. Big Data is a new model of building a business, which relies on predicting based on correlations between the respectively aggregated data. It allows to design future actions and make the right decisions, thereby increasing the competitive advantages of the company. Processing and use of large data sets generate specific benefits to entities holding them. Big Data procedures allow to make information more transparent and accessible. They allow to create and store more information about the transactions in the digital form for a better understanding of the effectiveness of actions. They precisely define client niches, optimally matching them to offer products and services. Accelerate the development of the next generation of products and services. They also allow conducting controlled experiments. Big Data is not just a market and competitive advantage, but also bears the potential and real threats as well as limitations. They relate to technical, organizational, financial and social spheres. The latter are associated mainly with the problem of protecting the privacy of individuals, which, in the face of the digital possibilities of interfering in her, is being seriously threatened. Therefore, a major challenge for society is to legally define the rules for the collection, processing and use of data. Advanced technology is not able to automatically convert large sets of data into business advantages. There must be an adequate level of human capital and cultural analysis of data in order to take full advantage of the possibilities posed by solutions and procedures of Big Data. The key to success is to begin with the level of knowledge, skills, abilities, attitudes and motivation held by the employees. These elements constitute human capital, the high level of which is essential for the practical application of Big Data technology. Human capital is a component of the company’s corporate culture. Analysis of different models of culture leads to the conclusion that the optimal culture, from the point of view of the needs and capabilities of Big Data, is the culture of adhocracy. It is characterized by creativity, innovation, flexibility, ability to respond quickly to emerging opportunities, as well as the ability to create solutions and stereotyped vision of the future. In the case of variability, uncertainty and an excess of information is of paramount importance for the development of the company and securing the competitive advantage.

3

Wykorzystanie technologii Big Data i analizy danych we wspomaganiu procesów ZZL

100%

Kania K., Staś T.

Zarządzanie Zasobami Ludzkimi

|

2018

|

issue 1(120) "Motywacja na różne sposoby, czyli znane problemy w nowych odsłonach" / "Various Approaches to Motivation or a New Look and Old Problems"

139-154

PL

Termin „Big Data” szybko rozprzestrzenia się w środowisku naukowym i w organizacjach. Wpływa również na zarządzanie danymi w obszarze ZZL, które ewoluuje od prostego raportowania w kierunku wykorzystania danych do podejmowania decyzji, zaawansowanego planowania zatrudnienia, poprzez przewidywanie wydajności pracowników i zarządzanie talentami. Celem artykułu jest scharakteryzowanie technologii Big Data w kontekście ZZL oraz zaprezentowanie metod analizy, które można wykorzystać w tym obszarze. Artykuł rozpoczyna prezentacja technologii Big Data, następnie przedstawiono metody i narzędzia analityki kadrowej oraz na podstawie badań literaturowych i studiów przypadku zestawiono funkcje i zadania ZZL z ofertą technologii Big Data i analityki kadrowej. Poruszono również kwestie zagrożeń, jakie towarzyszą wprowadzeniu tej technologii.

EN

The term Big Data is rapidly spreading in academia as well as in organizations. It is also having an impact on data management in the area of HR, evolving from simple reporting to the application of data in decision–making and advanced employment planning all the way to predicting worker output and talent management. The aim of the article is to characterize Big Data technology in the context of HRM as well as to present data analysis methods that may be used in this area. The article is launched with a presentation of Big Data technology, followed by a presentation of analytical methods and tools for staff analyses. HRM functions and tasks are compiled on the basis of literature research and case studies displaying the range of Big Data technology and staff analytics. Also touched upon are questions of the risks that accompany the introduction of this technology.

4

Big data wyzwaniem dla człowieka i statystyki

100%

Szreder M.

Wiadomości Statystyczne. The Polish Statistician

|

2015

|

issue 8

1-11

PL

Zjawisko big data jest stosunkowo nowe, stąd na ogół przyjmowane jest z zainteresowaniem, chociaż czasami też z irytacją lub niepokojem, z uczuciami, które co prawda coraz silniej dają znać o sobie, ale nie zawsze potrafimy je jasno wyrazić. W tym artykule podjęto próbę określenia najistotniejszych wyzwań, jakie big data rzuca nie tylko człowiekowi i społeczeństwu, ale także statystyce jako nauce. Zwłaszcza w odniesieniu do statystyki kwestia rosnących możliwości obliczeniowych wykorzystujących potężne zbiory danych jest warta uwagi, bo nie da się uciec od problemu relacji między adekwatnością stosowanej metodyki badawczej a jakością uzyskanej z niej wiedzy. (fragment tekstu)

EN

The phenomenon of "big data", understood as the collection and processing of large data sets, in order to extract from them new knowledge, develops independently of the will of individuals and societies. The driving force behind this development is, on the one hand, rapid technological progress in the field of IT, and on the other the desire of many organizations to gain access to the knowledge accumulated in more and more electronic databases of Internet users, facebook, or twitter. The fact that the challenge is this phenomenon for man and for the statistics, the methodology can in these conditions prove less adequate, treats article. The author tries to argue that in case of protection of individuals and society, devoid of attribute privacy and anonymity, technological progress raises previously unknown threats. As statisticians analytical work hardly keep up with the possibilities offered by "big data", as well as the protection of human rights is merely a belated response to the dynamic world of electronic data. (original abstract)

5

Specjalista Big Data – oczekiwania pracodawców a edukacja akademicka

100%

WAWER M., Muryjas P.

Edukacja-Technika-Informatyka

|

2017

|

vol. 8

|

issue 4

254-260

PL

Dynamiczny wzrost ilości danych oraz powszechna informatyzacja gospodarki wpływają na zwiększenie zapotrzebowania rynku pracy na specjalistów w zakresie Big Data. Celem artykułu jest wskazanie konieczności dostosowania edukacji akademickiej do wymagań współczesnego rynku pracy oraz szerszego wprowadzenia do programów kształcenia studentów specjalistycznych przed-miotów dotyczących technologii i analizy dużych zbiorów danych. W artykule omówiono znaczenie Big Data w biznesie, zaprezentowano przykładowe kompetencje oczekiwane przez pracodawców w stosunku do kandydatów aplikujących na stanowisko specjalisty Big Data oraz dokonano przeglądu wybranych programów nauczania polskich uczelni z punktu widzenia ich powiązania z tą tematyką.

EN

The dynamic growth in the amount of data and widespread informatization of the economy have contributed to increasing demand on the labor market for Big Data specialists. The aim of this paper is to point out the need to adapt academic education to the requirements of the modern labor market and to introduce specialized courses concerning Big Data technology and analysis of large data sets. The paper discusses the importance of Big Data. It presents also some examples of required compe-tencies of the job positions related to Big Data as well as contains the review of chosen curricula on the Polish universities from the point of view of their relationship with Big Data.

6

Big data w relacji do procesów zmian w edukacji

100%

Janczyk J.

Dydaktyka informatyki

|

2016

|

vol. (11) 2016

100-108

PL

Implementacje technologii informacyjnych w sferę edukacji cechują się od wielu lat wysoką dynamiką wzrostu. Najbardziej intrygującym i nierozpoznanym obecnie zjawiskiem, przenikającym nie tylko edukację, ale wszelkie działania ludzkie jest Big Data. Należy skorzystać z nowych możliwości IT w takim zakresie, aby przyspieszyć rozwój edukacyjnych zastosowań Big Data i ograniczyć wpływ dostrzeganych oraz przyszłych zagrożeń. Podjęto próbę ewaluacji technologii Big Data w obszarze indeksowania, pozyskiwania i dystrybucji informacji w kontekście usieciowionej edukacji.

EN

Implementation of information technologies in the sphere of education are characterized by many years of high growth. The most intriguing and currently unrecognized phenomenon, permeating not only education, but all human activities is Big Data. Should take advantage of new IT capabilities in extent to accelerate the development of educational applications of Big Data and limit the impact of perceived and future threats. An attempt was made evaluation of Big Data technology in the field of indexing, acquisition and distribution of information in the context of networked education.

7

Seminarium „Big Data i cloud computing jako nowe narzędzia w informacji i w nauce”

100%

Niedźwiecka-Ambroziak J.

Toruńskie Studia Bibliologiczne

|

2016

|

vol. 9

|

issue 2(17)

267-274

PL

Wielkie zbiory danych stanowią jedno z najważniejszych wyzwań współczesnego świata cyfrowego. Kwestie związane z przetwarzaniem Big Data oraz sposobami ich przechowywania, omawiano w Bibliotece Uniwersytetu Warszawskiego podczas seminarium „Big Data i cloud computing jako nowe narzędzia w informacji i w nauce”. Naukowcy, bibliotekarze i specjaliści z branży IT poruszali takie tematy jak: nowoczesne metody analizy danych w chmurze obliczeniowej, nowe narzędzia w analizie danych, zbiory Big data w bibliotekach i informacji oraz projekty: Dariah.pl, Polska bibliografia literacka i Clarin.pl.

EN

Big Data is one of the most important challenges of the modern digital world. In particular, Big Data requires the use of parallel processing and new method of data storage. On March 9, 2016 in the library of Warsaw University took place a seminar: “Big Data and cloud computing as a new tool of science and information”. Researchers, librarians and IT specialists have dealt with such topics as: modern methods of data analysis in the cloud computing, new tools in data analysis, Big Data collection in libraries and information, likewise about projects: DARIAH.pl, Polish Literary Bibliography and CLARIN.pl

8

Big Data Recommendation Problems in e-Commerce Solutions for Small Business

100%

Bernardelli M.

Przedsiębiorstwo we współczesnej gospodarce - teoria i praktyka

|

2017

|

vol. 3

|

issue 22

65-76

PL

Dynamiczny rozwój rynku e-commerce spowodował wzrost zapotrzebowania na skuteczne algorytmy i systemy wykorzystujące analizę statystyczną. Najprostsze z nich używają statystyk ruchu internetowego, inne statystyk sprzedaży. Ze względu na niezwykłą prostotę, przejrzystość i funkcjonalność, dużą popularność zyskało narzędzie Google Analytics. Żadna z metod, jednakże, nie nadaje się do wykorzystania w czasie rzeczywistym, bez odpowiednich metod automatyzujących jej działanie. Inteligentne systemy rekomendacji, takie jak mechanizm Collaborative Filtering, znacząco przyczyniają się do wzrostu sprzedaży, ale charakteryzują się na ogół słabą skalowalnością. Oczywiście, mając do dyspozycji rozbudowaną infrastrukturę komputerową i specjalistyczną wiedzę, można gromadzić duże ilości danych i analizować je. Wszystkie zaawansowane rozwiązania są jednak raczej osiągalne dla dużych firm, których działalność koncentruje się w Internecie. W artykule opisano zagadnienia rekomendacji związane z Big Data. Podkreślono zalety i wady kilku stosowanych w praktyce algorytmów, ze szczególnym uwzględnieniem ich przydatności dla małych firm działających na rynku e-commerce. Celem artykułu jest propozycja prostego w implementacji algorytmu rekomendacji, który byłby dostępny dla małych firm. Co więcej, przeprowadzone zostały testy on-line, których wyniki przedstawiono jako potwierdzenie skuteczności działania algorytmu. Rzeczywiste dane sprzedażowe zostały udostępnione przez firmę Run4Fun.pl. W teście wzięto pod uwagę kwestie dużych wolumenów danych, lecz również ich zmienność i różnorodność.

EN

The dynamic development of e-commerce has increased the demand for efficient algorithms and systems based on statistical analysis. The simplest of them use the web traffic statistics, other use sales parameters. Because of the amazing simplicity, transparency and enhanced features, much popularity was gained by the Google Analytics tool. None of the methods, however, without the appropriate algorithms that automate operations, is suitable for use in real time. Intelligent recommendation systems, such as the mechanism of Collaborative Filtering, significantly contribute to an increase in sales but are generally characterized by poor scalability. Of course with proper computer infrastructure and specialist knowledge, it is possible to gather big volumes of data and analyze them. All sophisticated solutions, however, are rather reserved for large companies, whose activity is based on the Internet. In this article, Big Data recommendation problems are described. Advantages and disadvantages of several used in practice algorithms are considered in particular emphasis on the suitability for the small e-commerce business. The main point of the article is the proposition of the simple in implementation recommendation algorithm and thereby achievable for small business. What is more, the online test was performed and its results presented as a good performance proof. The actual data were used thanks to the courtesy of Run4Fun.pl. In the test, the aspects of a large amount of data but also their volatility and diversity was taken into consideration.

9

On assessing an organization’s preparedness to adopt and make use of Big Data

94%

Mach-Król M.

Informatyka Ekonomiczna

|

2016

|

issue 1(39)

75-82

EN

In the paper it is proposed to enrich the Big Data Temporal Maturity Model with a self-assessment form, based on Likert’s scale. The issues of an organization’s maturity in the Big Data context are presented, the Big Data Temporal Maturity Model (BDTMM) is briefly outlined, and the self-assessment form is presented and discussed. The main aim of this paper is to introduce a Big Data Temporal Maturity Model, and to present an assessment form accompanying the model. Both the model and the form have been elaborated by the author of the paper. The assessment form is based on the well-known Likert scale, and thus enables the interested organizations to check at which point of the route leading to the full use of Big Data they are now, and what they can do to progress.

10

Big Data = Clear + Dirty + Dark Data

94%

Migdał-Najman K., Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2017

|

issue 469

131-139

PL

Rozwój techniki teleinformacyjnej, Internetu i informatyki przy jednoczesnym spadku jednostkowych kosztów gromadzenia i przechowywania danych powoduje istotne ilościowe i jakościowe zmiany w podejściu zarówno do samych danych, jak i możliwości ich analizy. Ten coraz bardziej gęsty, ciągły i niestrukturyzowany strumień danych, nazywany Big Data, wywołuje współcześnie wiele emocji. Z jednej strony brak odpowiedniej ilości danych był zawsze wyzwaniem dla metod wnioskowania statystycznego i jednym z bodźców ich rozwoju. Jednak z drugiej strony, w dużych liczebnościach prób zawarte są liczne zagrożenia dla wiarygodności wnioskowania. W zbiorach takich, poza danymi o odpowiedniej jakości (Clear Data), znaczny udział mają dane nieprawdziwe, nieaktualne, zaszumione, często wielokrotnie zduplikowane, niekompletne lub błędne (Dirty Data), a także dane, o których jakości czy użyteczności nic nie wiadomo (Dark Data). Celem prezentowanych badań jest krytyczne przedstawienie struktury jakościowej zbioru Big Data.

11

Big data a problem reprezentacji poznawczej

94%

Iwasiński Ł.

Człowiek i Społeczeństwo

|

2022

|

vol. 53

241-261

PL

In this article, the author reflects on Big Data analytics in the context of the problem of cognitive representation. There are many voices declaring that the era of Big Data has brought a radical breakthrough in human cognitive abilities. Some – especially in the world of business and marketing, and to a lesser extent in the field of science – argue that for the first time we can reach a clean, objective picture of reality and keep track of its changes. The article is a critical commentary to this thesis. In Big Bata analytics, cognitive activities are assessed not from the point of view of their compliance with reality, but the possibility of achieving set goals. Big Data mining can be, and often is, an important tool for reality control and forecasting – which does not mean it can discover objective truth and create accurate representations of reality.

12

Controlling the effect of multiple testing in Big Data

94%

Denkowska S.

Mathematical Economics

|

2014

|

issue 10(17)

5-16

EN

Big Data poses a new challenge to statistical data analysis. An enormous growth of available data and their multidimensionality challenge the usefulness of classical methods of analysis. One of the most important stages in Big Data analysis is the verification of hypotheses and conclusions. With the growth of the number of hypotheses, each of which is tested at  significance level, the risk of erroneous rejections of true null hypotheses increases. Big Data analysts often deal with sets consisting of thousands, or even hundreds of thousands of inferences. FWER-controlling procedures recommended by Tukey [1953], are effective only for small families of inferences. In cases of numerous families of inferences in Big Data analyses it is better to control FDR, that is the expected value of the fraction of erroneous rejections out of all rejections. The paper presents marginal procedures of multiple testing which allow for controlling FDR as well as their interesting alternative, that is the joint procedure of multiple testing MTP based on resampling [Dudoit, van der Laan 2008]. A wide range of applications, the possibility of choosing the Type I error rate and easily accessible software (MTP procedure is implemented in R multtest package) are their obvious advantages. Unfortunately, the results of the analysis of the MTP procedure obtained by Werft and Benner [2009] revealed problems with controlling FDR in the case of numerous sets of hypotheses and small samples. The paper presents a simulation experiment conducted to investigate potential restrictions of MTP procedure in case of large numbers of inferences and large sample sizes, which is typical of Big Data analyses. The experiment revealed that, regardless of the sample size, problems with controlling FDR occur when multiple testing procedures based on minima of unadjusted p-values ( ) are applied. Moreover, the experiment indicated the serious instability of the results of the MTP procedure (dependent on the number of bootstrap samplings) if multiple testing procedures based on minima of unadjusted p-values ( ) are used. The experiment described in the paper and the results obtained by Werft, Benner [2009] and Denkowska [2013] indicate the need for further research on MTP procedure.

13

Wpływ nowoczesnych technologii na rozwój usług bankowych

94%

Zalewska-Bochenko A.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2017

|

issue 488

274-283

PL

Współczesna bankowość oparta jest na zaawansowanych systemach informatycznych oraz wykorzystuje nowoczesne urządzenia będące w posiadaniu klientów. Dostępne są aplikacje umożliwiające np. dokonywanie płatności zbliżeniowych, autoryzację transakcji za pomocą biometrii, dokonywanie zdarzeń gospodarczych automatycznie, bez udziału człowieka – Internet Rzeczy, czy też gromadzenie i przetwarzanie informacji o klientach, co umożliwia personalizację oferty – Big Data. Wdrożenie tego typu narzędzi zyskuje coraz większe zainteresowanie w branży bankowej, ponieważ pozwalają one osiągnąć lepsze relacje z klientami, dają możliwość personalizowania ofert, jak i wpływają na poprawę rentowności prowadzonego biznesu. Celem artykułu jest ukazanie wpływu nowoczesnych technologii informatycznych na rozwój nowych usług oferowanych przez banki przy zastosowaniu metody badawczej polegającej na analizie dostępnych danych.

14

Using Big Data by Ukrainian official statistics when martial law applies: problems and solutions

94%

Osaulenko O. H., Horobets O.

Statistics in Transition new series

|

2023

|

vol. 24

|

issue 1

29-43

EN

The article is focused on issues of the secure operation of official statistics in Ukraine during the application of martial law. It was found that the gaps in conventional sources of statistical data caused by the war needed to be filled with data from alternative sources, including Big Data. The level of digitalisation in Ukraine as the basis for using Big Data was analysed by the proposed indices of internetisation, social progress and digital transformation. Thanks to our research, several problems (methodological, legal, financial, and managerial) were identified as vital for statistical offices on their way to the implementation of Big Data in statistical processes. Our proposals concern tools for Big Data processing, such as Data Hypercube as a way for presenting Big Data for their visualisation, applications of Web scraping in estimating the consumer prices index, analyses of labour and real estate markets, and the applications of specialised software for the collection, processing and analysis of Big Data sets.

15

Skuteczność i efektywność kontroli administracji - zbiory danych (big data) i możliwość ich wykorzystania

94%

Maciejewski M.

Kontrola Państwowa

|

2015

|

vol. 60

|

issue 5 (364)

27-38

EN

The use of information systems in contemporary administration has been constantly growing. In Poland this trend is still at an early stage of development, however it can be expected that its importance will be also gradually increasing. From the perspective of administration auditing, the growing application of information systems in the public sector is advantageous, because it creates new opportunities for administration auditing. This is due to the fact that many activities undertaken by the administration with the use of such systems leave digital traces, which allows for tracking entities that undertake these activities. Such traces are attributed to more and more activities, as a result of which big data is being created. Administration auditing may be performed on the basis of big data, and additionally such a process can be, to a large extent, IT-based and automated, thanks to which auditing will be more effective and less costly, and thus more efficient.

16

Corporate Social Responsibility in the context of diffusion of new technologies in modern economy

94%

Zinczuk B.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2018

|

issue 520

158-166

EN

The growing interest of theorists and practitioners in managing CSR concept is undoubtedly a result of many socio-economic, ethical and environmental challenges faced by modern enterprises. The enormous progress in information technology and telecommunication technology observed over the course of several years has fundamentally changed the functioning of all participants in economic processes, giving rise to the so-called fourth industrial revolution. The aim of this article is to present selected challenges faced by enterprises related to the creation and dissemination of information and communication technologies (ICT) in the context of CSR. In the article the author’s attention was focused on the characteristics of CSR concept and the presentation of positive and negative consequences of ICT solutions applied by enterprises (e.g. Internet of Things – IoT, Big Data). The basis for the discussion presented in the article was domestic and foreign literature studies.

17

An analysis of the opportunities and challenges connected with Big Data

94%

Wielki J.

Zarządzanie i Finanse

|

2013

|

vol. 3

|

issue 1

54-69

EN

This paper is devoted to the analysis of the Big Data phenomenon and the opportunities and challenges connected with it. It is composed of seven parts. In the first, a general overview of the situation related to the transformation of the economy from the industrial into the post-industrial one is given. In this context, the growing role of data and information as well as the rapid increase in the new socio-economic realities and the notion of Big Data are discussed. In the next section, the notion of Big Data is defined and the main sources of growth of data are characterized. In the following part of the paper the most significant opportunities and possibilities linked with Big Data are presented and discussed. The next part is devoted to the characterization of tools, techniques and the most useful data in the context of Big Data initiatives. In the following part of the paper the success factors of Big Data initiatives are analyzed. The penultimate part of the paper is focused on the analysis of the most important problems and challenges connected with Big Data. In the final part of the paper, the most significant conclusions and suggestions are offered.

18

Big Data: nowe wyzwania a zmiana kultury organizacji

84%

Tuziak R.

Opuscula Sociologica

|

2016

|

issue 2(16)

35-47

PL

W artykule przedstawiono Big Data jako procedurę gromadzenia, przechowywania i wykorzystania w przedsięwzięciach biznesowych, szczególnie w sektorze rynku finansowego, rosnących w szybkim tempie zbiorów danych pochodzących z różnych miejsc zarówno z samej organizacji, jak i innych źródeł, m.in. z mediów społecznościowych. Ukazano korzyści, zagrożenia i ograniczenia związane z przetwarzaniem i rynkowym wykorzystaniem dużych wolumenów danych. W artykule skupiono się na wykazaniu, w kontekście nowych technologii i procedur Big Data, konieczności przebudowy kultury organizacji. Charakterystyki i analizy zawarte w artykule są próbą ukazania społecznych i organizacyjnych aspektów Big Data oraz propozycją modelu przekształceń kultury organizacyjnej uwzględniającego oddziaływanie tego typu zaawansowanych technologicznie procedur.

EN

The article presents Big Data as a procedure of gathering, storing and using in business enterprises (especially in the sector of financial markets) quickly growing sets of data, which come from various places within an organisation and from other sources, among other things from social media. The article treats with both the advantages and the threats and restrictions resulting from processing and marketing big data volumes. The author strives to prove the necessity of transforming the organisational culture in the context of new technologies and procedures of Big Data. The descriptions and analyses included in the article are an attempt to show social and organisational aspects of Big Data and a proposal of a model of transforming organisational culture in which the impact of technologically advanced procedures of that type are taken into consideration.

19

A strategic tourism knowledge base for socio-economic and environmental data analytics: The role of Big Data analysis

84%

Varelas S., Kopanaki E., Georgopoulos N.

Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie

|

2020

|

issue 1(45)

69-76

EN

This research studies the application of modern practices and technologies for the collection of a large volume and variety of data, in order to develop a research knowledge base for data mining and analysis in the tourism sector and especially on Cruise and Ship Lines Passengers. Emphasis was given to the application of appropriate methods of data analysis and processing, to produce tangible results for the benefit of sustainable tourism development. Current research focuses on structuring a data warehouse for the collected information in order to apply online analytical processing techniques on the stored data, as well as data mining and data visualization. A holistic approach is proposed, along with a new model for analyzing the impact of tourism activity in general—and cruises in particular—on local society. The results will be utilized as a strategic tool for decision-making by those involved in the tourism sector of cruise areas, with ways to maximize the benefits of tourism, such as increasing overnight stays and, more broadly, passenger consumption, and ways to reduce the environmental impact of visitors and passengers in the ecosystem of cruise areas.

PL

W artykule przedstawiono zastosowanie nowoczesnych narzędzi i technologii umożliwiających gromadzenie dużej ilości różnorodnych danych w celu tworzenia ich zbiorów, pozwalających na eksplorację i analizę naukową danych dotyczących sektora usług turystycznych, a zwłaszcza problemów linii i statków wycieczkowych oraz ich pasażerów. Szczególny nacisk położono na zastosowanie odpowiednich metod analizy i przetwarzania danych do uzyskiwania konkretnych wyników, które będą wspierać zrównoważony rozwój turystyki. Przeprowadzone badania koncentrują się na architekturze hurtowni danych, w których gromadzone są pozyskane informacje, umożliwiającej analityczne przetwarzanie zgromadzonych danych (OLAP), a także analizę zestawów danych (data mining) i ich wizualizację. Wyniki badań zostaną wykorzystane jako strategiczne narzędzie podejmowania decyzji w sektorze usług turystycznych, w szczególności w obszarze dotyczącym rejsów wycieczkowych, oraz maksymalizacji korzyści, takich jak zwiększenie liczby noclegów i szerzej – konsumpcji pasażerów, umożliwią także zmniejszenie wpływu odwiedzających i pasażerów statków wycieczkowych na ekosystemy odwiedzanych obszarów.

20

Rafinacja dużej skali zasobów sieciowych — Big Data. Dziennikarskie źródło informacji

84%

Gogołek W.

Ekonomika i Organizacja Przedsiębiorstwa

|

2016

|

issue 7 (798)

12-18

PL

Ponad 90 procent informacji jest zapisywane w postaci cyfrowej. Zasoby tej skali są określane jako Big Data. Analiza Big Data może stanowić nowe źródło cennych informacji. W badaniu proces uzyskiwania tych źródeł jest określany jako rafinacja informacji z sieci —rafinacja Web. Potwierdzeniem przydatności rafinacji są wyniki prognoz wsparcia dla każdej z partii politycznych biorących udział w wyborach parlamentarnych i prezydenckich w Polsce w 2011 r. i 2015 r. Przyjęta metodologia i wyniki badań ilościowych dowodzą, że rafinacja sieciowych zasobów informacyjnych może być wiarygodnym źródłem informacji o stanie i zmianach w politycznych sympatiach w okresie poprzedzającym wybory.

EN

More than 90 percent of information is recorded in digital form. Resources of this scale are referred as a Big Data. Analysis of this information can provide a new source of valuable information. In the study the process of obtaining them – especially from social networking sites – is named refining of network information/refining the Web. Confirmation a usefulness of refining are the results of predictions of support for each of the political parties participating in the parliamentary and presidential elections in Poland in 2011 and 2015. The adopted methodology and the results of quantitative research shows that refining of data only from the Web can be a reliable source of information about the status of and changes in the political sympathies at the time of run-up to elections.

Refine search results