Modelowanie decyzyjne w sektorach branży IT

• Autorzy: Monika Nawrocka

Warianty tytułu

Decision Modeling in the Sectors of IT Industry

• Języki publikacji: PL

Abstrakty

Rok 2015 był bardzo udany dla segmentu telekomunikacji oraz sprzętu IT w branży teleinformatycznej. Uzyskane wyniki metodą drzewa klasyfikacyjnego do zadań decyzyjnych wskazują na to, że w najbliższym czasie "informatyczne" żniwa będą optymistyczne szczególnie dla sprzętu IT. Poprawność prognostyczna była sprawdzona przy użyciu współczynnika błędu po 10-krotnej walidacji krzyżowej, który wskazał na bardzo dobre dopasowanie modelu do danych. Zatem prawdopodobne jest, że sprzęt IT będzie predykantem w branży IT. Kolejno oszacowano najwyższe przychody ze sprzedaży, które uzyskali dostawcy usług telekomunikacyjnych, rozwiązań i usług IT dla sektora telekomunikacyjnego oraz rozwiązań i sprzętu telekomunikacyjnego. Przy czym, segment sprzętu IT według procentowego odsetku w łącznych zarobkach we wszystkich segmentach branży IT osiąga tylko o 4% mniejsze zyski niż telekomunikacja.(abstrakt oryginalny)

EN

Year 2015 was very successful for the segment of telecommunications and IT equipment in the ICT sector. The results of the classification tree method of decision tasks indicate that in the near future " information technologies" harvest will be particularly optimistic for IT equipment. The correctness of prognostic was checked by using error rate after a 10-fold cross-validation, which pointed to a very good fit model to the data. Sequentially estimated the highest revenue from sales, which obtained providers of telecommunications services, IT solutions and services for the telecommunications sector as well as solutions and telecommunications equipment. While, the segment of IT equipment according to the percentage of the total earnings in all segments of the IT industry reached only 4% less profits than telecommunications.(original abstract)

Słowa kluczowe

PL

Rynek telekomunikacyjny; Sprzęt telekomunikacyjny; Drzewa klasyfikacyjne; Przychody

EN

Telecommunication market; Telecommunication equipment; Classification trees; Revenue

• Czasopismo: Ekonomika i Organizacja Przedsiębiorstwa
• Rocznik: 2017
• Numer: nr 8
• Strony: 51--68

Twórcy

autor

Monika Nawrocka

• Akademia Wychowania Fizycznego im. Jerzego Kukuczki w Katowicach

Bibliografia

• 1. Barton D., 2012, Making advanced analytics work for you, Harvard Business Review, Vol. 90, s. 78-83.
• 2. Bharadwaj A., 2000, A resource-based perspective on information technology capability and firm performance an empirical investigation, MIS Quarterly, Vol. 24, No. 1, s. 169-196.
• 3. Breiman L., 2004, Population Theory For Boosting Ensambles, Annals of Statistics, Vol. 32, No. 1, s. 1-11.
• 4. Breiman L., Cutler A., 2001, Random Forests, Machine Learning, No. 45, s.5-32.
• 5. Breiman L., Friedman J. H., Olshen R. A., Stone C. J., 1993, Classification and Regression Trees, Chapman and Hall, New York.
• 6. Cichosz J., 2004, Systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa.
• 7. Ciesielski M., 2009, Instrumenty zarządzania łańcuchami dostaw, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• 8. Czajewski W., Iwanowski, M., Sławiński, M., 2011, Inteligentne maszyny i systemy, Program Rozwojowy Politechniki Warszawskiej, Warszawa, s. 111-134.
• 9. Dash M., Liu H., 1997, Feature Selection for Classification, Intelligent Data Analysis, No. 1, s. 131-156.
• 10. Davenport T. H, Harris J. G., 2007, Competing on Analytics: The New Science of Winning, Harvard Business School Review Press, Boston, MA, USA.
• 11. George G., Haas M. R., Pentland A., 2014, Big data and management, Academy of Management Journal, Vol. 57, s. 321-326.
• 12. Grushka-Cockayne Y., Jose V. R. R., Lichtendahl K. C., 2017, Ensembles of Overfit and Overconfident Forecasts, Management Science, Vol. 63, No. 4, s. 1110-1130.
• 13. Gryciuk W., 2012, Raport Teleinfo 500, businessman.pl.
• 14. Hajjem A., Bellavance R., Larocque D., 2014, Mixed-effects random forest for clustered data, Journal of Statistical Computation & Simulation, Vol. 84, No. 6, s. 1313-1328
• 15. Holik I., 2015, Prawne i praktyczne aspekty podpisu elektronicznego. Promotor Kraków, Kraków.
• 16. Holsapple C, Lee-Post A., Pakath R., 2014, A unified foundation for business analytics, Decision Support Systems, Vol. 64, s. 130-141.
• 17. http://businessman.pl/aktualnosci/ukazal-sie-raport-teleinfo-500-edycja-2014.html
• 18. http://www.computerworld.pl
• 19. Kiron D., Shockley R., 2011, Creating Business Value With Analytics, MET Sloan Management Review, Vol. 53, No. 1, s. 57-63.
• 20. Koronacki J., Ćwik J., 2005, Statystyczne systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa
• 21. Łapczyński M., 2002, Przyczynowa interpretacja drzew klasyfikacyjnych, w: Mynarski S. (red.), Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, Wydawnictwo AE w Krakowie, Kraków, s. 47-60.
• 22 Lee J., 2009, Does Size Matter in Firm Performance? Evidence from US Public Firms, International Journal of the Economics of Business, Vol. 16, No. 2, s. 189-203.
• 23. Li E. Y., McLeod Jr. R., Rogers J. C., 1993, Mari
• 24. Marchand D. A., Peppard J., 2013, Why IT fumbles analytics, Harvard Business Review, Vol. 91, s. 104-112.
• 25. Matsuki K., Kuperman V., Van Dyke J. A., 2016, The Random Forests statistical technique: An examination of its value for the study of reading, Scientific Studies of Reading, Vol. 20, No. 1, s. 20-33.
• 26. Nakonieczny S , 2002, Postęp technologiczny wyprzedza sprzedaż, Nasz Rynek Kapitałowy, nr 9, s. 36.
• 27. Nicer P., 2008, Analiza porównawcza wybranych klasyfikatorów w procesie rozpoznawania drukowanych znaków alfanumerycznych, Politechnika Warszawska. (Praca magisterska).
• 28 Papadakis V. M., Lioukas S., Chambers D., 1998, Strategic decision-making processes: the role of management and context, Strategic Management Journal, Vol. 19, No. 2, s. 115-147.
• 29. PMR Industry Report, 2017, Rynek zintegrowanych usług telekomunikacyjnych w Polsce 2016. Analiza pakietów i usług wiązanych.
• 30 Pręcki A., 2016, Metody analityczne w naukach ekonomicznych - wybrane zastosowania, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków.
• 31. Sadzik A., 2003, Warsaw Business Journal Book of Lists 2003, Ster-Projekt S.A., Warszawa.
• 32. Schuster E. G., Krebs M. A., 2004, A sensitivity analysis of the National Fire Management System, Western journal of applied forestry, Vol. 19, No. 1, s. 5-12.
• 33. Seref O., Chaovalitwongse W., Brooks J., 2014, Relaxing support vectors for classification, Annals of Operations Research, Vol. 2016, No. 1, s. 229-255.
• 34 Strobl C., Malley J., Tutz G., 2009, An introduction to recursive partitioning: Rationale, application, and characteristics of classification and regression trees, bagging, and random forests, Psychological Methods, Vol. 14, No. 4, s. 323-348.
• 35. Tweel A., 2012, Examining the Relationship between Technological, Organizational, and Environmental Factors and Cloud Computing Adoption, ProQuest LLC, Ph.D. Dissertation, Northcentral University.
• 36. Wang G., Sun J., Ma J., Gu J., 2014, Sentiment classification: The contribution of ensemble learning, Decision Support Systems, Vol. 57, s. 77-93.
• 37. Woźniak K., 2015, Narzędzia analityczne w naukach ekonomicznych, Mfiles.pl, Kraków.
• 38. Zalewski W., 2011, Analiza systemów informatycznych wspomagających zarządzanie produkcją w wybranych przedsiębiorstwach, Economy and Management, Vol. 4, s. 181-192.
• 39. Zang H., Liu Y, Xie B., Yu J., 2015, Spatially constrained sparse coding scheme for natural scene categorization. Journal of Visual Communication & Image Representation, Vol. 28, s. 28-35.