PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2018 | nr 4 | 27--34
Tytuł artykułu

Recepcja Temporalnego Modelu Dojrzałości do Big Data wśród menedżerów - badania wstępne

Warianty tytułu
Reception of Big Data Temporal Maturity Model among Managers - Preliminary Research
Języki publikacji
PL
Abstrakty
Głównym celem artykułu jest sprawdzenie, jak nowy model dojrzałości organizacji do Big Data, dla którego podstawowym wymiarem jest czas, jest odbierany przez menedżerów. Problemem badawczym jest ustalenie, czy proponowany nowy model odpowiada potrzebom analitycznym współczesnych organizacji. Zatem pytania badawcze to: jaką rolę odgrywa wymiar czasu w podejmowaniu decyzji menedżerskich oraz w prowadzeniu zaawansowanych analiz biznesowych (w tym analiz Big Data)?; czy przewidziane w temporalnym modelu dojrzałości rozwiązania z zakresu danych/wiedzy, systemów IT oraz ich funkcjonalności odpowiadają potrzebom analitycznym organizacji? Rezultaty prezentowane w artykule są wynikiem badań przeprowadzonych w 2016 roku przy wykorzystaniu studiów przypadków. Metodą zbierania danych były wywiady częściowo ustrukturyzowane, przeprowadzone w 15 polskich przedsiębiorstwach. Najważniejsze konkluzje płynące z badania: czas jest bardzo istotnym wymiarem w analizach i decyzjach menedżerskich; menedżerowie widzą celowość wdrażania rozwiązań IT o charakterze temporalnym do analiz Big Data, a także potrzebują swego rodzaju drogowskazu, jak zrobić to efektywnie. Prezentowany nowy Temporalny Model Dojrzałości do Big Data spotkał się z pozytywnym przyjęciem, a jego układ odpowiada potrzebom analitycznym współczesnych przedsiębiorstw. (abstrakt oryginalny)
EN
The main aim of the paper is to check out the reception of the new Big Data maturity model, characterized by time as the main dimension, among managerial staff. The research problem is to establish whether the new model responds to the analytical needs of modern organizations. Hence, the research questions are: what is the role of time factor in managerial decisions, and in advanced business analytics?; do the IT solutions forming the subsequent levels in the proposed maturity model respond to the analytical needs of modern organization? The results presented in the paper were collected during the research in 2016 in the form of case studies. Data was collected during semi-structured interviews in 15 Polish enterprises. The main research conclusions are: time is a very important dimension of advanced business analytics and managerial decisions; managers find temporal IT solutions for Big Data analytics purposeful, and reveal the need of a guidepost how to implement these solutions effectively. The new Big Data Temporal Maturity Model was well received, and its construction responds to the analytical needs of modern organizations. (original abstract)
Rocznik
Numer
Strony
27--34
Opis fizyczny
Twórcy
  • Uniwersytet Ekonomiczny w Katowicach
Bibliografia
  • [1] Chomiak-Orsa I., Mrozek B. (2017), Analiza wielkich zbiorów danych w mediach społecznościowych - perspektywa przedsiębiorcy, "Przegląd Organizacji", Nr 8, s. 48-54.
  • [2] Davenport Т., Harris J. (2007), Competing on Analytics, Harvard Business School, Boston.
  • [3] Erl Т., Khattak W., Buhler P. (2016), Big Data Fundamentals: Concepts, Drivers & Techniques, Prentice Hall, Boston.
  • [4] Hortonworks (2016), Hortonworks Big Data Maturity Model White Paper, http://hortonworks.com/wp-content/ uploads/2016/04/Hortonworks-Big-Data-Maturity-As- sessment.pdf, access date: 18.12.2016.
  • [5] Juchniewicz M. (2009), Dojrzałość projektowa organizacji i jej zastosowanie w zarządzaniu, "Przegląd Organizacji", Nr 7-8, s. 26-30.
  • [6] Lahrmann G., Marx F. (2010), Systematization of Maturity Model Extensions, [in:] R. Winter, J.L. Zhao, S. Aier (eds.), Global Perspectives on Design Science Research, DESRIST 2010, Lecture Notes in Computer Science, Vol. 6105. Springer, Berlin, Heidelberg, pp. 522-525.
  • [7] Mach M. (2007), Temporalna analiza otoczenia przedsiębiorstwa. Techniki i narzędzia inteligentne, Wydawnictwo AE we Wrocławiu, Wrocław.
  • [8] Mach-Król M. (2015), Temporalny model dojrzałości do Big Data, [w]:J T. Porębska-Miąc (red.), Systemy Wspomagania Organizacji SWO-2015, Wydawnictwo UE w Katowicach, Katowice, s. 155-165.
  • [9] Mach-Król M. (2016), On Assessing Organizations Preparedness to Adopt and Make Use of Big Data, "Informatyka Ekonomiczna" ("Business Informatics"), Nr 1(39), s. 75-82.
  • [10] Mach-Król M. (2017), Big Data Analytics in Polish Companies. Selected Research Results, [in:] J. Kowal, A. Kuzio, J. Makio, G. Paliwoda-Pękosz, P. Soja, R. Sonntag (eds.), International Conference on ICT Management for Global Competitiveness and Economic Growth in Emerging Economies, Wroclaw, Poland, October 23-24, 2017 University of Wroclaw, Wrocław, pp. 64-77.
  • [11] Mach-Król M., Modrzejewska D. (2017), Potrzeby analityczne polskich firm a Big Data, "Informatyka Ekonomiczna" ("Business Informatics"), Nr 2(44), s. 82-93.
  • [12] McAfee A., Brynjolfsson E. (2012), Big Data: The Management Revolution, "Harvard Business Review", Vol. 90, No. 10, pp. 60-66.
  • [13] Mircea M. (ed.), (2012), Business Intelligence - Solution for Business Development, InTech, Rijeka.
  • [14] Nott C. (2014), Big Data & Analytics Maturity Model, http:// www.ibmbigdatahub.com/blog/big-data-analytics-maturity- -model, access date: 18.12.2016.
  • [15] Radcliffe J. (2013), The Eight Building Blocks of Big Data: Management Summary, Radcliffe Advisory Services Ltd., Guildford.
  • [16] Radcliffe J. (2014a), Introducing a Big Data Maturity Model. http://www.radcUffeadvisory.com/blog/blog.html, access date: 02.07.2014.
  • [17] Radcliffe J. (2014b), Leverage a Big Data Maturity Model to Build Your Big Data Roadmap, Radcliffe Advisory Services Ltd., Guildford.
  • [18] Rajterić I. (2010), Overview of Business Intelligence Maturity Models, "Management: Journal of Contemporary Management Issues", Vol. 15, No. 1, pp. 47-67.
  • [19] Schmarzo B. (2013), Big Data: Understanding How Data Powers Big Business, John Wiley 8c Sons, Indianapolis.
  • [20] Spaletto J. (2013), An Investigation of Strategies for Managing Exponential Data Growth in the Enterprise, "Journal of Leadership and Organizational Effectiveness", Vol. 1, No. 1, pp. 4-14.
  • [21] Syncsort (2016), Hadoop Perspectives for 2017, http://www. syncsort.com/en/HP2017, access date: 15.12.2016.
  • [22] TDWI (2013), TDWI Launches Big Data Maturity Model Assessment Tool, http://tdwi.org/Articles/2013/ll/20/TD- WI-Launches-Big-Data-Maturity-Model-Assessment-Tool. aspx?Page=2, access date: 18.12.2016.
  • [23] Weinert A. (2016), Wykorzystanie rozwiązań big data w zarządzaniu przedsiębiorstwem, "Acta Universitatis Nicolai Copernici. Zarządzanie", Tom 43, Nr 3, s. 91-100.
  • [24] Wodecka-Hyjek A. (2011), Modele dojrzałości organizacyjnej narzędziem oceny współpracy w outsourcingu, "Przegląd Organizacji", Nr 2, s. 18-22.
  • [25] Woo J. (2013), Information Retrieval Architecture for Heterogeneous Big Data on Situation Awareness, "International Journal of Advanced Science and Technology", Vol. 59, pp. 113-122.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171515778

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.