Collaborative Approaches Needed to Close the Big Data Skills Gap

Miller, Steven

doi:10.7146/jod.9823

Cited by 70 publications

(58 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Taip pat duomenų analizė atliekama nekokybiškai, o gaunami rezultatai būna klaidingi. Todėl, ugdant didžiųjų duomenų specialistus, būtinas glaudus bendradarbiavimas tarp švietimo įstaigų ir verslo įmonių, užtikrinant teorinio pasirengimo atitiktį praktiniams poreikiams (Miller, 2014).…”

Section: Didžiųjų Duomenų Naudojimo Rizikosunclassified

Didžiųjų Duomenų Naudojimas Klientui Pažinti / Model of the Big Data Use for Customer Cognition

Politaitė

Sabaitytė

2018

Science - Future of Lithuania

View full text Add to dashboard Cite

Šis straipsnis yra atvirosios prieigos straipsnis, turintis Kūrybinių bendrijų (Creative Commons) licenciją (https://creativecommons.org/licenses/by/4.0/), kuri leidžia neribotą straipsnio ar jo dalių panaudą su privaloma sąlyga nurodyti autorių ir pirminį šaltinį. DIDŽIŲJŲ DUOMENŲ NAUDOJIMAS KLIENTUI PAŽINTISimona POLITAITĖ * , Jolanta SABAITYTĖ Vilniaus Gedimino technikos universitetas, Vilnius, LietuvaGauta 2018 m. balandžio 9 d.; priimta 2018 m. gegužės 11 d.Santrauka. Į klientus orientuotoje rinkoje klientų elgsenos supratimas yra svarbus veiksnys, lemiantis organizacijos sėkmę. Organizacija, siekianti išlikti ir sėkmingai egzistuoti, negali ignoruoti nuolat didėjančių duomenų kiekių -didžiųjų duomenų. Didieji duomenys -sudėtingi duomenų masyvai, kuriuos sunku apdoroti naudojant tradicines duomenų apdorojimo programas. Optimaliai išanalizuoti tokie duomenys suteikia galimybę geriau pažinti klientus, tobulinti sprendimų priėmimo procesą, didinti konkurencinį pranašumą. Organizacijai svarbu suprasti, kaip panaudoti didžiuosius duomenis, kokias apdorojimo priemones ir modelius taikyti. Šiame straipsnyje analizuojamos didžiųjų duomenų koncepcijos ir raida, naudojimo rizikos, gavybos būdai ir taikomi modeliai. Taikomi šie metodai: mokslinių šaltinių sisteminė, loginė analizė, informacijos sugretinimas, sisteminimas.Reikšminiai žodžiai: didieji duomenys, kliento pažinimas, didžiųjų duomenų analizė, naudojimo rizikos, duomenų tyryba, duomenų valdymas. ĮvadasSusiformavus žinių visuomenei informacija ir tikslingas jos panaudojimas bei apdorojimas tapo tolimesnio visuomenės vystymosi pagrindu. Informacija išgaunama iš duomenų. Dėl to atsirado poreikis rinkti ir apdoroti didelius duomenų kiekius -didžiuosius duomenis. Sąvoka "didieji duomenys" -reprezentuoja naujas technologijas, skirtas duomenims, kurie generuojami dideliu greičiu, dideliais kiekiais bei yra įvairios struktūros, apdoroti (Lee, 2017). Optimaliai apdoroti didieji duomenys organizacijoms sukuria palankią informacinę terpę, kuri leidžia pažinti klientą. Dėl to didžiųjų duomenų tyrimams daug dėmesio skiria ne tik akademinė bendruomenė, bet ir verslo atstovai (Marr, 2015;Gartner, 2017;Langkafel, 2016; Beyer ir Laney, 2012;Deloitte, 2015).Nuolatinį duomenų kiekių augimą lemia technologiniai pokyčiai -didėjanti automatizacija ir augantis internetu sąveikaujančių įrenginių (angl. Internet of Things) naudojimas. Kas sekundę visame pasaulyje sukuriama apie 1,7 MB naujų duomenų (Marr, 2015). Šiuose duomenyse užkoduota informacija apie kliento elgseną, interesus ir poreikius. Dėl to vadybininkai patiria nemažą spaudimą, remiantis didžiųjų duomenų analize, identifikuoti klientų požiūrį ir elgesį lemiančius veiksnius.Optimaliai išanalizuoti duomenys didina įmonės konkurencinį pranašumą. Todėl, neretai didieji duomenys įvar-dijami kaip vienas strategiškai svarbiausių išteklių XXI amžiuje, svarba prilygstantis auksui ir naftai (Alharthi, Krotov ir Bowman, 2017). Taip pat didieji duomenys tapatinami su skaitmenine revoliucija, kuri, manoma, iš esmės pakeis tai, kaip ...

show abstract

Section: Didžiųjų Duomenų Naudojimo Rizikosunclassified

Didžiųjų Duomenų Naudojimas Klientui Pažinti / Model of the Big Data Use for Customer Cognition

Politaitė

Sabaitytė

2018

Science - Future of Lithuania

View full text Add to dashboard Cite

show abstract

“…Precise interventions based on empirical research better support better companies' decision-making than interventions based on experience and instinct [6]. For example, Amazon surpassed its competition by using big data analysis better understand their customers' purchasing needs and to predict what their customers might want to purchase next [3].…”

Section: B Seven Dimensional Of Big Datamentioning

confidence: 99%

“…The data processing is a thousand times faster and processes millions of records with a full individual profile. Focusing on the role of big data will help organizations make better business decisions [3].…”

Section: B Seven Dimensional Of Big Datamentioning

confidence: 99%

“…While following technological developments is fairly easy, understanding how information bring value as an organizational resource is more challenging. Companies should treat big data as an asset and involve information strategists and IS professionals in its management, as well as developing standards for data governance and professional ethics for data uses [3].…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Using Big Data in Learning Organizations

Widyaningrum¹

2016

Proceedings of the 3rd International Seminar and Conference on Learning Organization (Isclo-15)

View full text Add to dashboard Cite

Abstract-Nowadays, Learning Organizations should consider big data as a strategic business asset. The benefits of big data analysis include increased cost efficiency, revenue growth, and competitive value in the market. Indeed, company leaders have to adapt to the need for rapid change. Companies such as Amazon and Nike have proven the importance of using big data to support predictive and decision-making behaviors. It also affects the organization aspects such as strategy, people, structure, rewards, and process. It is not intended to deal with every element of the organization, but to explore the relevant relationships between big data and the learning process. This article highlights the way in which big data affects an organization's success through the use of adequate analytics. The essay begins with an introduction to the characteristics of Learning Organizations as a great model for companies. The next section reviews definitions of big data and explores the emergence of big data as a trend in recent years. The following section discusses the implementation of big data in Learning Organizations. Finally, the essay concludes by revisiting some of the main issues presented.

show abstract

“…According to [21], there is a talent shortfall in data strategy and in a wide variety of technical data management positions largely due to the shortfall in university, professional, and executive education programs designed to produce the talent needed to fill the growing demand for every type of Big Data professional. This could be rooted in the lack of people in academia with relevant knowledge and experience in Big Data environments.…”

Section: Big Data As a Subjectmentioning

confidence: 99%

Introducing big data topics

Due¹,

Kristiansen²,

Colomo‐Palacios³

et al. 2015

Proceedings of the 3rd International Conference on Technological Ecosystems for Enhancing Multiculturality

View full text Add to dashboard Cite

In the last few years we have witnessed an explosion of interest in Big Data in both academic and industry arenas. Big Data is about the capture, storage, analysis and visualization of huge volumes of data in both structured and unstructured forms generated from a myriad of applications and devices in a wide set of scenarios. Focusing on the need of academia to develop professional posing the competences that industry demands, the paper presents the approach adopted by the Faculty of Computer Sciences at Østfold University College, Norway to deploy Big Data related contents throughout its studies in the computing field. This paper describes initiatives in bachelor and master programs along with continuous education courses with regards to Big Data topics. New master courses were implemented in the 2014-2015 academic year, while bachelor and continuous education courses will be deployed the year after. Initial results in terms of course assessments and students´ acceptation unveil promising perspectives for the initiative.

show abstract

Collaborative Approaches Needed to Close the Big Data Skills Gap

Cited by 70 publications

References 1 publication

Didžiųjų Duomenų Naudojimas Klientui Pažinti / Model of the Big Data Use for Customer Cognition

Didžiųjų Duomenų Naudojimas Klientui Pažinti / Model of the Big Data Use for Customer Cognition

Using Big Data in Learning Organizations

Introducing big data topics

Contact Info

Product

Resources

About