Analiza wpisów na portalu Twitter z wykorzystaniem narzędzi big data zawartych w pakiecie R

• Autorzy: Arkadiusz Kisiołek

Warianty tytułu

Social Media Analysis with Big Data Tools

• Języki publikacji: PL

Abstrakty

Wraz z rozwojem internetu, mediów społecznościowych oraz technologii mobilnych znacznie wzrosła ilość generowanych danych. Dane te, zarówno w formie ustrukturalizowanej, jak i nieustrukturalizowanej, mogą nieść wartość biznesową dla przedsiębiorców. W danych big data można znaleźć m.in. informacje na temat klientów, konkurencji, rynku pracy, opinii na temat produktów danej firmy, czy aktualnych trendów. Dzięki dokładnej analizie internetu i mediów społecznościowych, interesariusze mogą pozyskać nową wartość, jaką są informacje na temat nastawienia i opinii konsumentów. Celem artykułu jest przedstawienie narzędzi big data jako jednego ze sposobów analizy mediów społecznościowych i wyciągania w ten sposób wartościowych informacji. Przedmiotem przeprowadzonej analizy były tysiące tweetów użytkowników portalu Twitter. Analiza została przeprowadzona przy wykorzystaniu technik text mining oraz sentyment analysis.(abstrakt oryginalny)

EN

Development of Internet, social media and databases has caused a huge increase of data. Structured, semi-structured and unstructured data has a high business value. It contains various information about customers, competition, labor market, and development trends for industries, products and services. The internet and social media are places where customers express their opinions about various products and services. It is a valuable source of information for entrepreneurs. The aim of this paper is to explore the issue of big data and to propose a set of different techniques for the analysis of customer opinions on the example of Twitter.(original abstract)

Słowa kluczowe

PL

Big Data; Media społecznościowe; Eksploracja tekstu

EN

Big Data; Social media; Text mining

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2018
• Numer: nr 362
• Strony: 306--317

Twórcy

autor

Arkadiusz Kisiołek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• [Apple] www.apple.com/homepod (dostęp: 19.12.2017).
• Cavazza F. (2017), Social Media Landscape 2017, https://fredcavazza.net/2017/04/19/ social-media-l,scape-2017 (dostęp: 22.12.2017).
• Chen H., Chiang R., Storey V. (2012), Business Intelligence and Analytics: From Big Data to Big Impact, "MIS Quaterly", Vol. 36, No. 4, s. 1165-1188.
• Erl T., Khattak W., Buhler P. (2015), Big Data Fundamentals: Concepts, Drivers & Techniques, Prentice Hall, Boston.
• Frizzo-Barker J., Chow-White P.A., Mozafari M. (2016), An Empirical Study of the Rise of Big Data in Business Scholarship, "International Journal of Information Management", Vol. 36, No. 3, s. 403-413.
• He W., Zha S., Li L. (2013), Social Media Competitive Analysis, Text Mining: A Case Study in the Pizza Industry, "International Journal of Information Management", Vol. 33, No. 3, s. 464-472.
• Hsu H., Chang C., Hsu C. (2017), Big Data Analytics for Sensor-Network Collected Intelligence 1st Edition, A volume in Intelligent Data-Centric Systems, Academic Press, 2017, s. 1- 306.
• [IBM] Big Data Analytics. Employ the Most Effective Big Data Technology, www. ibm.com/analytics/hadoop/big-data-analytics (dostęp: 10.01.2018).
• Katal A., Wazid M., Goudar R.H. (2013), Big Data: Issues, Challenges, Tools, Good Practices, http://www.stat.purdue.edu/~doerge/BIOINFORM.D/SPRING16/Katal WazidGoudar_2013.pdf (dostęp: 27.12.2017).
• Lawrence R., Melville P., Perlich C., Sindhwani V., Meliksetian S., Hsueh P.-Y., Liu Y. (2010), Social Media Analytics, The Next Generation of Analytics - Based Marketing Seeks Insights from Blogs, https://www.researchgate.net/publication/235769780 _Social_Media_Analytics-The_Next_Generation_of_Analytics-Based_Marketing_ Seeks_Insights_From_Blogs (dostęp: 20.12.2017).
• Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Byers A.H. (2011), Big Data: The Next Frontier for Innovation, Competition, Productivity, McKinsey Global Institute, https://www.mckinsey.com/~/media/McKinsey/Business%20Functions /McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier %20for%20innovation/MGI_big_data_exec_summary.ashx/ (dostęp: 06.10.2017).
• Medhat W., Hassan A., Korashy H. (2014), Sentiment Analysis Algorithms and Applications: A Survey, "Ain Shams Engineering Journal", 5(4), s.1093-1113.
• Olszak C.M. (2016), Toward Better Understanding, Use of Business Intelligence in Organizations, "Information Systems Management", Vol. 33, No. 2, s. 105-123.
• Olszak C.M., Gajowska D. (2017), Big Data Approach to Analyzing the IT Job Market, Proceedings of the 11 European Conference on Information Systems Management, University of Genoa, 14-15 September 2017, Genoa, Italy, Ed. R.P. Dameri, R. Spinelli, Published by Academic Conferences, Publishing International Reading, UE, s. 242-251.
• Olszak C.M., Mach-Król M. (2015), Big Data: a New Value for Organizations [w:] A. Fošner (ed.), Advances in Business-Related Scientific Research Conference, GEA College, Ljubljana.
• Olszak C.M., Zurada J. (2015), Information Technology Tools for Business Intelligence Development in Organizations", "Polish Journal of Management Studies", Vol. 12, No. 1, s. 138-139.
• Pedrycz W., Chen S.-M. (2015), Information Granularity, Big Data, Computational Intelligence, Springer, London.
• Russom P. (2011), Big Data Analytics, TDWI best practices report, The Data Warehousing Institute (TDWI) Research.
• Sagiroglu S., Sinanc D. (2013), Big Data: A Review, Collaboration Technologies, Systems (CTS), International Conference on: IEEE, s. 42-47.
• [SAS] What is big data, SAS, https://www.sas.com/pl_pl/insights/big-data/what-is-bigdata. html