Как анализ больших данных помогает в принятии экономических решений

ВВЕДЕНИЕ 3
1. ПОНЯТИЕ И ОСОБЕННОСТИ АНАЛИЗА БОЛЬШИХ ДАННЫХ 5
1.1 Определение больших данных 5
1.2 Методы и технологии анализа больших данных 6
1.3 Роль математических методов в обработке больших данных 7
2. ИСПОЛЬЗОВАНИЕ БОЛЬШИХ ДАННЫХ В ЭКОНОМИКЕ 10
2.1 Примеры применения больших данных в экономических исследованиях 10
2.2 Анализ данных в прогнозировании и планировании 13
2.3 Влияние анализа данных на принятие управленческих решений 14
3. АНАЛИЗ БОЛЬШИХ ДАННЫХ В КОНТЕКСТЕ ЦИФРОВОЙ ЭКОНОМИКИ 16
3.1 Экономические тренды и Big Data 16
3.2 Примеры цифровых платформ и их влияние на экономические решения 16
4. ПРЕИМУЩЕСТВА И ВЫЗОВЫ ИСПОЛЬЗОВАНИЯ БОЛЬШИХ ДАННЫХ В ЭКОНОМИКЕ 19
4.1 Преимущества для бизнеса и государства 19
4.2 Проблемы и риски при использовании больших данных 19
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 22

Весь текст будет доступен после покупки

Организации и государственные структуры всё активнее применяют большие данные для оптимизации внутренних процессов, принятия стратегически обоснованных решений и укрепления своих позиций на рынке. Данный процесс стимулировал разработку современных методов анализа данных и технологий обработки, которые уже стали важной составляющей цифровой экономики. Современные исследования показывают, что способность правильно обрабатывать и интерпретировать большие объемы данных напрямую влияет на экономические результаты и эффективность управления.
Актуальность темы
В условиях глобальной цифровизации и роста объемов информации, умение работать с большими данными становится важным преимуществом для бизнеса и государства. Правильное применение аналитических инструментов позволяет оптимизировать процессы, снизить издержки, повысить точность прогнозов и улучшить качество принятия решений. В то же время, использование больших данных связано с рядом проблем, включая защиту конфиденциальной информации и обеспечение качества данных, что делает тему особенно актуальной для современного мира.

Весь текст будет доступен после покупки

1. ПОНЯТИЕ И ОСОБЕННОСТИ АНАЛИЗА БОЛЬШИХ ДАННЫХ
1.1 Определение больших данных
Большие данные представляют собой объемные и сложные массивы информации, которые не поддаются эффективной обработке с помощью традиционных методов и инструментов. Их основные характеристики определяются тремя ключевыми параметрами: объемом, скоростью и разнообразием, известными как три V: Volume, Velocity и Variety. Объем означает огромные масштабы данных, измеряемые в петабайтах и эксабайтах. Скорость подразумевает необходимость обработки информации в режиме реального времени или с минимальной задержкой. Разнообразие данных выражается в широком спектре форматов, включая структурированные данные (например, таблицы), полуструктурированные (например, XML-файлы) и неструктурированные (тексты, изображения, видео)[3].
Данные поступают из множества источников, включая социальные сети, сенсоры, устройства интернета вещей, финансовые транзакции, а также данные от различных бизнес-процессов. Ключевая особенность больших данных заключается в том, что их невозможно полностью проанализировать и использовать без применения специальных методов и технологий, таких как распределенные вычисления и машинное обучение.
Технологии анализа больших данных включают системы распределенной обработки (например, Hadoop), базы данных NoSQL, алгоритмы машинного обучения и искусственного интеллекта.
Примером использования больших данных в экономике может служить система динамического ценообразования в авиакомпаниях. Авиакомпании анализируют огромные объемы данных, включая информацию о предыдущих продажах билетов, спросе на маршруты, времени покупки, сезонных трендах и даже погодных условиях.

Весь текст будет доступен после покупки

1. Мелешко, Ю. В. Основные направления цифровизации бизнес-моделей в белорусском промышленном секторе: инструменты, риски и пути развития / Ю. В. Мелешко // Сборник научных трудов: Экономическая наука сегодня / БНТУ. – Минск, 2021. – Вып. 13. – С. 61–74. https://doi.org/10.21122/2309-6667-2021-13-61-74
2. Сергиевич, Т. В. Теоретико-методологические аспекты анализа бизнес-моделей / Т. В. Сергиевич // Экономическая наука сегодня : сборник научных трудов / БНТУ. – Минск, 2022. – Вып. 15. – С. 36–48. https://doi.org/10.21122/2309-6667-2022-15-36-48
3. Сергиевич, Т. В. Влияние цифровой трансформации экономики на изменение бизнес-моделей промышленных предприятий / Т. В. Сергиевич // Технико-технологические проблемы сервиса. – 2021. – № 2 (56). – С. 95–101.
4. Солодовников, С. Ю. Модернизация экономики Республики Беларусь и экономика рисков: актуальные вопросы и перспективы / С. Ю. Солодовников, Т. В. Сергиевич, Ю. В. Мелешко; под ред. С. Ю. Солодовникова. – Минск: БНТУ, 2019. – 491 с.
5. Солодовников, С. Ю. Совершенствование бизнес-моделей белорусских промышленных предприятий в условиях цифровой трансформации / С. Ю. Солодовников, Т. В. Сергиевич // Наука и техника. – 2022. – Т. 21, № 5. – С. 444–450. https://doi.org/10.21122/2227-1031-2022-21-5-444-450
6. Мелешко, Ю. В. Новая индустриализация и перспективы модернизации белорусской промышленности / Ю. В. Мелешко // Наука и техника. – 2021. – Т. 20, № 4. – С. 357–364. https://doi.org/10.21122/2227-1031-2021-20-4-357-364
7. Солодовников, С. Ю. Практические рекомендации по результатам проекта «Организационно-экономические проблемы расширения технологической кооперации между Беларусью и Румынией в рамках перехода к Индустрии 4.0» и возможности дальнейшего применения / С. Ю. Солодовников // Экономическая наука сегодня: сборник научных трудов / БНТУ. ? Минск, 2022. ? Вып. 15. ? С. 49?56. https://doi.org/10.21122/2309-6667-2022-15-49-56
8. Ценжарик, М. К. Цифровая трансформация компаний: стратегический анализ и модели / М. К. Ценжарик, Ю. В. Крылова, В. И. Стешенко // Вестник Санкт-Петербургского университета. Экономика. – 2020. – Т. 36, Вып. 3. – С. 390–420. https://doi.org/10.21638/spbu05.2020.303
9. Осипов, Ю. М. Информационная цифровая экономика: концептуальные основы и механизмы реализации / Ю. М. Осипов, Т. Н. Юдина, И. З. Гелисханов // Вестник Московского университета. Серия 6: Экономика. – 2019. – № 3. – С. 41–60.

Весь текст будет доступен после покупки