Potrzeby analityczne polskich firm a Big Data

• Autorzy: Maria Mach-Król , Barbara Modrzejewska

Warianty tytułu

Analytical Needs of Polish Companies vs. Big Data

• Języki publikacji: PL

Abstrakty

Cele artykułu to prezentacja poziomu świadomości polskich menedżerów co do znaczenia analityki Big Data oraz określenie, na ile potrzeby analityczne polskich firm wiążą się w sposób jawny bądź nie z przetwarzaniem właśnie tego typu danych i z wdrażaniem odpowiednich do tego rozwiązań IT. Pytania badawcze brzmią następująco: jak menedżerowie rozumieją znaczenie terminu Big Data, jakie są rodzaje analityki biznesowej szczególnie ważne dla organizacji, jakie rodzaje danych i/lub wiedzy, rozwiązania ICT i jakie funkcjonalności narzędzi ICT mających wspierać zaawansowane analizy biznesowe są pożądane przez polskich menedżerów. Wyniki prezentowane w artykule są wynikiem badań przeprowadzonych w 2016 r. z wykorzystaniem studiów przypadków. Metodą zbierania danych były wywiady półustrukturyzowane, przeprowadzone w 15 polskich przedsiębiorstwach. Stwierdzono, że potrzeby analityczne polskich menedżerów można powiązać z pojęciem Big Data, ponadto w wypowiedziach respondentów silnie uwidaczniają się temporalny charakter Big Data i dominująca rola czasu w analityce tych danych.(abstrakt oryginalny)

EN

The main aim of the paper is to present Polish managers' consciousness concerning Big Data analytics, and to check, to what extent their analytical needs are linked (explicitly or implicitly) with Big Data processing and with the implementation of appropriate IT solutions. Hence, the main research questions are: how do Polish managers understand the notion "Big Data"? What types of business analytics are particularly important for organizations? What types of data, knowledge, IT solutions, and IT functionalities are needed by Polish managers to support advanced business analytics? The results presented in the paper are based on research conducted in 2016 using the case-study approach involving multiple cases. The data collection method consisted of semi-structured interviews, and encompassed 15 Polish enterprises. The main conclusions from the research are as follows: the analytical needs of Polish managers may be strongly linked with Big Data notion, and Big Data processing. Also the temporal nature of Big Data, and the dominating role of time factor in BD characteristics and analytics is strongly present in respondents' opinions.(original abstract)

Słowa kluczowe

PL

Big Data; Analiza biznesowa

EN

Big Data; Business analysis

• Czasopismo: Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2017
• Numer: nr 2 (44)
• Strony: 82--93

Twórcy

autor

Maria Mach-Król

• Uniwersytet Ekonomiczny w Katowicach

autor

Barbara Modrzejewska

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Abbasi A., Sarker S., Chiang R.H.L., 2016, Big Data research in information systems: Toward an inclusive research agenda, Journal of the Association for Information Systems, 17(2), s. I-XXXII.
• Batko K., 2016, Możliwości wykorzystania Big Data w ochronie zdrowia, Roczniki Kolegium Analiz Ekonomicznych/Szkoła Główna Handlowa, (42), s. 267-282.
• Chomiak-Orsa I., Mrozek B., 2017, Analiza wielkich zbiorów danych w mediach społecznościowych - perspektywa przedsiębiorcy, Przegląd Organizacji, nr 8.
• Chen C.L.P., Zhang Ch.-Y., 2014, Data-intensive applications, challenges, techniques and technologies: A survey on Big Data, Information Sciences, 275, s. 314-347.
• Davenport T., Harris J., 2007, Competing on analytics, Harvard Business School, Boston.
• Erl T., Khattak W., Buhler P., 2016, Big Data Fundamentals: Concepts, Drivers & Techniques, Prentice Hall, Boston.
• Fosso Wamba S., Akter S., Edwards A., Chopin G., Gnanzou D., 2015, How 'Big Data' Can make big impact: Findings from a systematic review and a longitudinal case study, International Journal of Production Economics, 165, s. 234-246.
• Galbraith J.R., 2014, Organization design challenges resulting from Big Data, Journal of Organization Design JOD, 3(1), s. 2-13.
• George G., Haas M.R., Pentland A., 2014, Big Data and management: From the editors, Academy of Management Journal, 57(2), s. 321-326.
• Kim G.-H., Trimi S., Chung J.-H., 2014, Big-Data applications in the government sector, Communications of the ACM, 57(3), s. 78-85.
• Matusiak B.E., Zieliński J.S., 2014, Internet of things in smart grid environment, Rynek Energii, 3, s. 115-119.
• McAfee A., Brynjolfsson E., 2012, Big data: The management revolution, Harvard Business Review, 90(10), s. 60-66.
• Phillips-Wren G., Iyer L.S., Kulkarni U., Ariyachandra T., 2015, Business analytics in the context of Big Data: A roadmap for research, Communications of the AIS, 37, 23, s. 448-472.
• Raghupathi W., Raghupathi V., 2014, Big data analytics in healthcare: Promise and potential, Health Information Science and Systems, 2(1), s. 3.
• Syncsort, Hadoop Perspectives for 2017, http://www.syncsort.com/en/HP2017, dostęp: 15.12.2016.
• Wang G., Gunasekaran A., Ngai E.W.T., Papadopoulos T., 2016, Big data analytics in logistics and supply chain management: Certain investigations for research and applications, International Journal of Production Economics, 176(C), s. 98-110.
• Wang Y., Kung L., Byrd T.A., 2016, Big data analytics: Understanding its capabilities and potential benefits for healthcare organizations, Technological Forecasting & Social Change, https://doi.org/10.1016/j.techfore2015.12.019.
• Weinert A., 2016, Wykorzystanie rozwiązań big data w zarządzaniu przedsiębiorstwem, Acta Universitatis Nicolai Copernici, Zarządzanie, 43(3), s. 91-100.
• Wieczorkowski J., 2014, Wykorzystanie koncepcji big data w administracji publicznej, Roczniki Kolegium Analiz Ekonomicznych/Szkoła Główna Handlowa, (33), s. 568-579.
• Yang W., Meyer K.E., 2015, Competitive dynamics in an emerging economy: Competitive pressures, resources, and the speed of action, Journal of Business Research, 68(6), s. 1176-1185.

Identyfikatory

DOI

10.15611/ie.2017.2.07