The Main Barriers to Effective Use of Big Data

• Autorzy: Sylwia Gierej

Warianty tytułu

Główne bariery w efektywnym wykorzystaniu Big Data

• Języki publikacji: EN

Abstrakty

EN

At the present stage of the development of the economy information is of particular importance. Thanks to technological progress, large amounts of data are generated very quickly. The Big Data phenomenon is driving more and more businesses to pay special attention to their data, the possible purchase of external data, and their analysis to achieve business value. The article presents the main problems and barriers to the proper utilization of the potential of large data sets. These barriers are technological constraints, legal issues related to data security, problems with the proper management and data quality, and obstacles to the data monetization. Attention was paid to the issues that should be included by organizations deciding to implement Big Data solutions.(original abstract)

Na obecnym etapie rozwoju gospodarki informacja ma szczególne znaczenie. Dzięki postępowi technologicznemu bardzo szybko generowane są duże ilości danych. Zjawisko Big Data skłania coraz więcej przedsiębiorstw do zwrócenia szczególnej uwagi na posiadane zasoby informacji, możliwość zakupu zewnętrznych danych i ich analizy w celu osiągnięcia wartości biznesowej. W artykule przedstawiono główne problemy i bariery w prawidłowym wykorzystaniu potencjału dużych zbiorów danych. Za owe bariery uważa się ograniczenia technologiczne, kwestie prawne dotyczące bezpieczeństwa danych, problemy z właściwym zarządzaniem i jakością danych oraz przeszkody w monetyzacji danych. Zwrócono uwagę na kwestie, które powinny zostać uwzględnione przez organizacje decydujące się na wdrożenie rozwiązań Big Data(abstrakt oryginalny)

Słowa kluczowe

EN

Big Data; Data security

PL

Big Data; Bezpieczeństwo danych

• Czasopismo: Zarządzanie. Teoria i Praktyka / Wyższa Szkoła Menedżerska w Warszawie
• Rocznik: 2017
• Numer: nr 2 (20)
• Strony: 39--45

Twórcy

autor

Sylwia Gierej

• Bialystok University of Technology, Poland

Bibliografia

• Cloud Technologies (2016). 4 kroki do monetyzacji danych w firmie [4 steps to monetize your business], <http://biznestuba.pl/biznes-na-zywo/4-kroki-do-monetyzacji-danych-w-firmie/>, 12.05.2017.
• Doug, L. (2001). Data Management: Controlling Data Volume, Velocity, and Variety, Application Delivery Strategies, META Group (currently with Gartner).
• Dziembek, D. (2010). The cloud computing services in the support of the activity of virtual organization. Zeszyty Naukowe Uniwersytetu Szczecińskiego, Vol. 598 No. 58,
• Fouad, M., Oweis, N., Gaber, T., Snasel, V. (2015). Data Mining and Fusion Techniques for WSNs as a Source of the Big Data. Procedia Computer Science, Vol. 65,
• Jankowski, P. (2016). Wszystko o chmurach. Bezpieczeństwo danych w chmurze [All about clouds. Data security in the cloud], <http://www. komputerswiat.pl/centrum-wiedzy-konsumenta/uslugi-online/wszystko-o-chmurach/bezpieczenstwo-danych-w-chmurze.aspx>, 05.05.2017.
• KPMG International (2015). Going beyond the data. Turning data from insights into value. <https://assets.kpmg.com/content/dam/ kpmg/pdf/2015/08/going-beyond-the-data-turning.pdf>, 07.05.2017.
• Lee, H., Sohn, I. (2016). Fundamentals of Big Data Network Analysis for Research in Industry. John Wiley & Sons Limited,
• Korfiatis, N. (2013). Big Data for Enhancing Learning Analytics: A Case for Large-Scale Comparative Assessments. Communications in Computer and Information Science, Vol. 390,
• Maffeo, L. (2015). Google's Vint Cerf on how to prevent a digital dark age. <https://www.theguardian.com/media-network/2015/may/29/ googles-vint-cerf-prevent-digital-dark-age>, 10.05.2017.
• McKinsey Global Institute (2011). Big data: The next frontier for innovation, competition, and productivity. <http://www.mckinsey.com/ business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation>, 03.05.2017.
• Owais, S.S., Hussein N.S. (2016). Extract Five Categories CPIVW from the 9V's Characteristics of the Big Data. International Journal of Advanced Computer Science and Application, Vol. 7(3),
• Provost, F., Fawcett, T. (2013). Data Science for Business. O'Reilly Media, Inc.
• Ross, J., Wixom, B. (2015). Data Monetization: Cashing In on Your Data, <http://cisr.mit.edu/blog/documents/2015/03/11/1-5-2015_0311_ datamonetization_ross-pdf/>, 10.05.2017.
• Tabakow, M.,Korczak, J., Franczyk, B. (2014). Big data -definitions, challenges and information technologies. Business Informatics, Vol. 1(31),
• Wielki, J. (2016). An Analysis of the Chances, Opportunities and Challenges Connected with Utilization of Cloud Computing and Big Data as Convergent Technologies. Annales Universitatis Mariae Curie-Skłodowska, sectio H - Oeconomia, Vol. 50 No. 2,
• Wieczorkowski, J. (2015). Big Data - Social and Legal Issues, Nierówności Społeczne a Wzrost Gospodarczy, Vol. 44,
• Zastrożna, M. (2013). Google Analytics dla marketingowców [Google Analytics for Marketers]. Gliwice: Helion.