BIG DATA W ZARZĄDZANIU WIECZORKOWSKI J. CHOMIAK-ORSA I. PAWEŁOSZEK I. Bankowa.pl

Big data w zarządzaniu

Koncepcja big data jest traktowana jako jeden z elementów leżących u podstaw idei Przemysłu 4.0. Bez wątpienia zjawiska te silnie wzajemnie na siebie wpływają. Współczesne procesy produkcyjne generują coraz więcej danych - zazwyczaj słabo ustrukturyzowanych, powstających strumieniowo w czasie rzeczywistym.

Metody big data pozwalają na praktyczne ich wykorzystywanie dzięki zapewnieniu możliwości gromadzenia, przetwarzania i analizy. Dane takie stają się następnie surowcem w zarządzaniu nie tylko właściwą produkcją, lecz także ogólnie - organizacją. To dane są coraz ważniejszym paliwem dla całej gospodarki. Idea Przemysłu 4.0 jest osią serii wydawniczej, lecz - przedstawiając koncepcję big data - konieczne jest wyjście poza zarządzanie wyłącznie procesami produkcyjnymi i odniesienie jej też do innych aspektów zarządzania.

WSTĘP

1. BIG DATA JAKO DANE, METODY I ZJAWISKO

1.1. Pojęcie big data
1.1.1. Geneza zjawiska
1.1.2. Próby definicji big data
1.1.3. Aspekty zjawiska
1.2. Aspekt technologiczny
1.2.1. Technologia pozyskiwania danych
1.2.2. Technologia przechowywania i przetwarzania danych
1.2.3. Metody analizy danych masowych
1.3. Aspekt ekonomiczny
1.3.1. Zastosowania w biznesie
1.3.2. Zastosowania w sektorze publicznym
1.3.3. Zastosowania w nauce
1.3.4. Zastosowania w życiu codziennym
1.4. Aspekt społeczny
1.4.1. Przetwarzanie danych prywatnych w biznesie
1.4.2. Przetwarzanie danych prywatnych przez organy państwa
1.4.3. Selekcjonowanie treści, dezinformacja

2. TRENDY W PRZETWARZANIU DUŻYCH WOLUMENÓW DANYCH

2.1. Dane i ich wartość
2.1.1. Ekonomia informacji w czasach big data
2.1.2. Przeciążenie informacyjne
2.1.3. Trend danetyzacji
2.2. Istotne tendencje w analizie wielkich zbiorów danych
2.2.1. Łączenie źródeł danych
2.2.2. Idea otwartości danych
2.2.3. Korelacja a przyczynowość
2.2.4. Podejście do jakości danych
2.3. Big data jako element koncepcji Przemysłu 4.0
2.3.1. Czwarta rewolucja przemysłowa
2.3.2. Metody big data w zarządzaniu produkcją
2.3.3. Teraźniejszość i przyszłość big data w zarządzaniu produkcją

3. EWOLUCJA ANALITYKI BIZNESOWEJ W KIERUNKU BIG DATA

3.1. Tradycyjne transakcyjne systemy informatyczne wspomagające zarządzanie
3.1.1. Systemy przetwarzania transakcyjnego
3.1.2. Transakcyjne bazy danych, relacyjny model danych
3.2. Tradycyjne analityczne systemy informatyczne wspomagające zarządzanie
3.2.1. Systemy przetwarzania analitycznego
3.2.2. Hurtownie danych, wielowymiarowy model danych
3.3. Systemy analityki biznesowej w czasach big data
3.3.1. Cele i wymagania analityki biznesowej
3.3.2. Generacje systemów analityki biznesowej
3.3.3. Włączanie metod big data w analitykę biznesową
3.3.4. Ku integracji analityki biznesowej i big data

4. PODSTAWOWE TECHNOLOGIE BIG DATA

4.1. Architektura big data
4.1.1. Podstawowe założenia
4.1.2. Źródła danych
4.2. Pozyskiwanie i wstępne przetwarzanie danych
4.2.1. Sposoby dostępu do danych
4.2.2. Pozyskiwanie danych w czasie rzeczywistym
4.2.3. Przykład rozwiązania Apache Kafka
4.3. Przetwarzanie i analizowanie danych
4.3.1. Podstawowe zasady
4.3.2. Funkcje platformy big data na przykładzie Apache Spark
4.4. Modele przechowywania danych
4.4.1. Architektura przechowywania danych
4.4.2. Przetwarzanie w pamięci in-memory
4.4.3. Sposoby zapisu danych w pamięci masowej
4.5. Nierelacyjne systemy zarządzania bazami danych NoSQL
4.5.1. Bazy danych klucz-wartość .
4.5.2. Baza dokumentów
4.5.3. Kolumnowy model danych
4.5.4. Grafowa baza danych
4.5.5. Strumieniowa baza danych

5. WYBRANE METODY I NARZĘDZIA ANALITYKI BIZNESOWEJ

5.1. Możliwości zaawansowanych narzędzi analitycznych
5.2. Eksploracja dużych zbiorów danych
5.2.1. Klasteryzacja
5.2.2. Reguły asocjacyjne
5.2.3. Analiza regresji
5.2.4. Klasyfikacja danych
5.2.5. Drzewa decyzyjne
5.2.6. Analiza szeregów czasowych
5.2.7. Analiza tekstu
5.3. Wybrane narzędzia analizy dużych zbiorów danych
5.3.1. Narzędzia analityki biznesowej
5.3.2. Narzędzia eksploracji dużych zbiorów danych

6. BIG DATA W CHMURZE

6.1. Istota chmury obliczeniowej
6.2. Modele dystrybucji i wdrażania usług w chmurze
6.3. Rozwiązania chmurowe dla dużych zbiorów danych

7. MODELE BIZNESOWE KREOWANE PRZEZ BIG DATA

7.1. Wpływ big data na ewolucję modeli biznesu
7.1.1. Perspektywy ewolucji modeli biznesu
7.1.2. Modele e-biznesu jako kierunek innowacyjności
7.1.3. Ewolucja e-modeli biznesu a technologie big data
7.2. Podejście do danych masowych w modelach biznesowych
7.3. Bariery wdrożeń modeli wykorzystujących big data
7.3.1. Uniwersalne bariery wdrożeniowe
7.3.2. Bariery wdrożeniowe specyficzne dla rozwiązań big data

8. BRANŻOWE PRZYKŁADY MODELI BIZNESU

8.1. Big data determinantą modeli biznesu w Przemyśle 4.0
8.1.1. Idea Przemysłu 4.0
8.1.2. Big data jako determinanta integracji
8.1.3. Korzyści implementacji big data w przemyśle
8.1.4. Big data jako integrator rozwiązań w Przemyśle 4.0
8.1.5. Kierunki ewolucji modelu biznesu
8.2. Big data w turystyce
8.2.1. Istota branży turystycznej
8.2.2. Korzyści stosowania big data w branży turystycznej
8.2.3. Innowacje w branży turystycznej determinowane big data
8.3. Big data w tworzeniu modeli handlu elektronicznego
8.3.1. Istota handlu elektronicznego
8.3.2. Wpływ big data na model biznesu handlu elektronicznego
8.4. Big data w modelach biznesu wirtualnej społeczności
8.4.1. Social media jako środowisko modeli biznesu
8.4.2. Wpływ big data na modele biznesu w social mediach
8.4.3. Rozwój technologii Web determinantą stosowania big data w social mediach
8.4.4. Korelacja technologii Web z ewolucją modeli biznesu w social mediach

9. STUDIA PRZYPADKÓW ZASTOSOWAŃ METOD BIG DATA

9.1. Zastosowanie big data w energetyce na przykładzie General Electric Power
9.1.1. Kierunki rozwoju przemysłu energetycznego
9.1.2. Firma General Electric Power
9.1.3. Platforma big data
9.1.4. Przykład cyfrowej farmy wiatrowej
9.2. Optymalizacja połączeń komunikacyjnych na przykładzie aplikacji JakDojade
9.2.1. Problematyka planowania połączeń komunikacyjnych
9.2.2. Rozwój aplikacji JakDojade
9.2.3. Model biznesowy firmy
9.2.4. Wnioski dotyczące otwartych danych OGD/PSI
9.3. Big data w branży turystycznej na przykładzie Przedsiębiorstwa Uzdrowiska Kłodzkie SA
9.3.1. Zakres działalności Przedsiębiorstwa Uzdrowiska Kłodzkie SA
9.3.2. Charakterystyka wykorzystywanych rozwiązań technologicznych
9.3.3. Integracja zasobów – kluczowa cecha rozwiązania big data
9.3.4. Big data w realizacji kluczowych procesów biznesowych

KIERUNKI ROZWOJU ROZWIĄZAŃ BIG DATA
BIBLIOGRAFIA
SŁOWNIK WAŻNIEJSZYCH POJĘĆ
INDEKS

310 stron, B5, oprawa miękka

Po otrzymaniu zamówienia poinformujemy pocztą e-mail lub telefonicznie,
czy wybrany tytuł polskojęzyczny lub anglojęzyczny jest aktualnie na półce księgarni.