Wpływ awarii systemów informatycznych na wydajność procesów biznesowych przedsiębiorstwa

• Autorzy: Krzysztof Gruszczyński , Jacek Małyszko

Warianty tytułu

Software Failure Impact on a Company's Business Process Efficiency

• Języki publikacji: PL

Abstrakty

Artykuł podejmuje temat badania wpływu liczby awarii systemu informatycznego na wydajność procesów biznesowych przedsiębiorstwa, które korzysta z awaryjnego oprogramowania. Autorzy stawiają tezę, że wzrost liczby awarii w danym dniu w mierzalny sposób może być powodem notowania wysokich strat przez użytkownika końcowego. Badanie przeprowadzono na podstawie rzeczywistych danych uzyskanych od firmy KRUK S.A., które składają się z dwóch zbiorów: logów systemowych oraz danych operacyjnych. Poprzez szukanie odstępstw w obu zbiorach i analizę przyczyn defektów podjęto próbę identyfikacji dni, w których wydajność procesu wykazywała wysoką zależność od liczby awarii. Wykazano w ten sposób, że możliwe jest zmierzenie poziomu odstępstwa wydajności procesu w konsekwencji wystąpienia licznych awarii oprogramowania. (abstrakt oryginalny)

EN

Th e article discusses the subject of measuring the influence of softwarefailure rate on a company's business process effi iency. We put forward the thesisthat it is possible to measure the impact of increasing failure rate on a user's financial condition. The research is based on real data provided by KRUK S.A., which consists of two subsets: system failure logs and operational data. By searching for data outliers and by conducting a causal analysis, we tried to identify the days, which presented a high dependence of process effi ciency on the observed failure rate. As a result, we have shown that it is possible to discover a measurable outlier in the process effi ciency that is caused by a specifi c set of failures. (original abstract)

Słowa kluczowe

PL

Oprogramowanie; Zarządzanie oprogramowaniem; Niezawodność; Awaryjność; Analiza przyczyn i skutków wad; Wydajność pracy; Systemy informatyczne; Przedsiębiorstwo

EN

Software; Software management; Reliability; Failure rate; Failure mode and effects analysis (FMEA); Labour efficiency; Computer system; Enterprises

• Czasopismo: Studia Oeconomica Posnaniensia
• Rocznik: 2017
• Tom: 5
• Numer: nr 12 Metody, techniki, technologie przetwarzania i analizy Big Data dla potrzeb kreowania inteligentnej gospodarki i administracji
• Strony: 63--78

Twórcy

autor

Krzysztof Gruszczyński

• Uniwersytet Ekonomiczny w Poznaniu

autor

Jacek Małyszko

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Abdi, H., 2010, Normalizing Data, in: Encyclopedia of Research Design, Sage, s. 935-938.
• Bowen, J.B., 1980, Standard Error Classification to Support Soft ware Reliability Assessment, in: Proceeding American Federation of Information Processing Societies '80, 19-22 May, s. 697-705.
• Brosch, F., Gitzel, R., Koziolek, H., 2010, Combining Architecture-based Soft ware Reliability Predictions with Financial Impact Calculations, Electronic Notes in Theoretical Computer Science, s. 3-17.
• Freimut, B., Denger, C., Ketterer, M., 2005, An Industrial Case Study of Implementing and Validating Defect Classification for Process Improvement and Quality Management, in: 11th IEEE International Soft ware Metrics Symposium, https://dl.acm. org/citation.cfm?id=1092159.
• Gitzel, R., Krug, S., Brhel, M., 2010, Towards a Soft ware Failure Cost Impact Model for the Customer, in: Proceedings of the 6th International Conference on Predictive Models in Soft ware Engineering, https://dl.acm.org/citation.cfm?id=1868354.
• Grottke, M., Graf, C., 2009, Modeling and Predicting Soft ware Failure Costs, in: Proceedings of the 33rd Annual IEEE International Computer Soft ware and Applications Conference, s. 180-189.
• Hecht, H., Wallace, D., 1996, Error Classification and Analysis for High Integrity Soft - -ware, The 1996 American Nuclear Society International Topical Meeting on Nuclear Plant Instrumentation, Control and Human-Machine Technology.
• IEEE, 2010, Standard Classification for Soft ware Anomalies, STD-1044-2009.
• Jain, S., Prinja, R., Chandra, A., Zhang, Z.-L., 2008, Failure Classification and Inference in Large-Scale Systems: A Systematic Study of Failures in PlanetLab, University of Minnesota, Minneapolis.
• Jayalakshmi, T., Santhakumaran, A., 2011, Statistical Normalization and Back Propagation for Classification, International Journal of Computer Theory and Engineering, s. 89-93.
• Leszak, M., Perry, D.E., Stoll, D., 2002, Classification and Evaluation of Defects in a Project Retrospective, The Journal of Systems and Soft ware, no. 61, s. 173-187.
• Ross, S.M., 2003, Peirce's Criterion for the Elimination of Suspect Experimental Data, Journal of Engineering Technology, s. 38-41.
• Zhivich, M., Cunningham, R.K., 2009, The Real Cost of Soft ware Errors, IEEE Security & Privacy Magazine, s. 87-90.

Identyfikatory

DOI

10.18559/SOEP.2017.12.5