Wykorzystanie narzędzi big data w procesie zarządzania wiedzą o klientach

• Autorzy: Arkadiusz Kisiołek
• Języki publikacji: PL

Abstrakty

Celem artykułu jest zidentyfikowanie roli big data w CKM na przykładzie klientów platformy muzycznej Spotify. Cel ten został zrealizowany poprzez dokonanie przeglądu literatury oraz analizę danych zebranych na platformie streamingowej muzyki i podcastów - Spotify. Badania zostały przeprowadzone przy wykorzystaniu pakietu R. Przeprowadzono je na próbie miliona rekordów, zawierającej dane na temat użytkowników Spotify. Analizy zostały przeprowadzone za pomocą metod text mining, w tym sentiment analysis. Na podstawie przeprowadzonych badań oraz krytycznej analizy literatury sformułowano wnioski i rekomendacje dotyczące analizy zbiorów BD w zarządzaniu wiedzą o klientach. (fragment tekstu)

Słowa kluczowe

PL

Big Data; Zarządzanie wiedzą klienta

EN

Big Data; Customer Knowledge Management (CKM)

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2020
• Tom: Innowacyjny rozwój. Inteligentne organizacje
• Strony: 66--75

Twórcy

autor

Arkadiusz Kisiołek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Alexa, Spotify.com. Traffic, Demographics and Competitors, https://www.alexa.com/ siteinfo/spotify.com (dostęp: 5.03.2019).
• Biecek P. (2014), Przewodnik po pakiecie R, Oficyna Wydawnicza GIS, Wrocław.
• Boljanović J., Stanković J. (2012), The Role of Knowledge Management in Building Client Relationships, "Singidunum Journal", Vol. 9, Iss. 1, s. 16-28.
• Bukovitz W.R., Williams R.L. (1999), The Knowledge Management Fieldbook, Financial Times - Prentice Hall, Pearsons Education, London.
• Bungard W., Fleischer J., Nohr H., Spath D., Zahn E. (2003), Customer Knowledge Management, Integration und Nutzung von Kundenwissen zur Steigerung der Innovationskraft, Fraunhofer IRB Verlag, Stuttgart.
• Chen H., Chiang R., Storey V. (2012), Business Intelligence and Analytics: From Big Data to Big Impact, "MIS Quarterly", Vol. 36(4), Special Iss., Business Intelligence Research, s. 1165-1189.
• Cotobal J. (2014), E-Intelligence Tools in the Customer Consumption Analysis Introduction and Background of Customer Intelligence's Tool, "Roczniki Ekonomii i Zarządzania", vol. 6(42), s. 117-129.
• Deloitte (2018), Knowledge Managament & Big Data. Making Smart Enterprise a Reality. Confereration of Indian Industry, https://www2.deloitte.com/content/dam/ Deloitte/in/Documents/technology-media-telecommunications/in-tmt-knowledge-management-and-big-data-noexp.pdf (dostęp: 22.02.2019).
• Desouza K., Awazu Y. (2005), What Do They Know?, "Business Strategy Review", Vol. 16, No. 1, s. 42-45.
• Du Plessis M., Boon J. (2004), Knowledge Management in eBusiness and Customer Relationship Management: South African Case Study Findings, "International Journal of Information Management", Vol. 24, No. 1, s. 73-86.
• Erl T., Khattak W., Buhler P. (2015), Big Data Fundamentals: Concepts, Drivers & Techniques, Prentice Hall, Boston.
• Feinerer I.K. Hornik K., Meyer D. (2008), Text Mining Infrastructure in R, "Journal of Statistical Software", Vol. 25, Iss. 5, s. 1-54.
• 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 Man-agement", Vol. 36, No. 3, s. 403-413.
• Geib M., Riempp G. (2002), Customer Knowledge Management [w:] A. Abecker, K. Hinkelmann, H. Maus, H. Müller (Hrsg.), Geschäftsprozessorientiertes Wissensmanagement - Effektive Wissensnutzung bei der Planung und Umsetzung von Geschäftsprozessen, Springer, Berlin, s. 393-417.
• 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.
• IBM, Big Data Analytics. Employ the Most Effective Big Data Technology, www.ibm. com/analytics/hadoop/big-data-analytics (dostęp: 10.02.2019).
• Izhar T., Shoid M., Baharuddin M., Mohamad A., Ramli A. (2017), Understanding Big Data to Improve Knowledge Management Practices: Gaps and Limitations, "The Social Sciences", Vol. 21, Iss. 2, s. 241-244.
• Khan Z., Vorley T. (2014), Big Data Text Analytics: An Enabler of Knowledge Man-agement, "Journal of Knowledge Management", Vol. 21, Iss. 1, s. 18-34.
• Khosravi A., Hussin A. (2016), Customer Knowledge Management: Development Stages and Challenges, "Journal of Theoretical i Applied Information Technology", Vol. 9, Iss. 2, s. 264-273.
• Kumer Roy T., Stavropoulos C. (2007), Customer Knowledge Management (CKM) in the e-Business Environment Cases from Swedish Bank, M.S. Thesis in Business Administration, Lulea University of Technology, Sweden.
• Lahiru F. (2017), 7V's of Big Data, http://blogsofdatawarehousing.blogspot.com/ 2017/01/7-vs-of-big-data.html (dostęp: 22.02.2019).
• Lau R., Zhao J., Chen G., Guo X. (2016), Big Data Commerce, "Information & Management", Vol. 53, No. 8, s. 929-933.
• Li E.Y., Huang X.J., Weng T.Ch. (2013), Applying Customer Knowledge Management to Alignment and Integration of Strategy Maps, The Thirteenth International Conference on Electronic Business, Singapore, December 1-4.
• Liu B. (2012), Sentiment Analysis and Opinion Mining, Synthesis Lectures on Human Language Technologies, Morgan & Claypool Publishers.
• Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Byers A. (2011), Big Data: The Next Frontier for Innovation, Competition and Productivity, McKinsey Global Institute.
• McKinsey (2016), The Age of Analytics: Competing in a Data-Driven World. December 2016, McKinsey Analytics, McKinsey & Company, https://www.mckinsey.com/ business-functions/mckinsey-analytics/ourinsights/the-age-of-analytics-competing -in-a-data-driven-world (dostęp: 20.02.2019).
• Olszak C.M. (2016), Toward Better Understanding and Use of Business Intelligence in Organizations, "Information Systems Management", Vol. 33, No. 2, s. 105-123.
• Pavićić J., Alfirević N., Źnidar K. (2011), Customer Knowledge Management: Toward Social CRM, "International Journal of Management Cases", Vol. 13, Iss. 3, s. 203-209.
• Pedrycz W., Chen S.M. (2015), Information Granularity, Big Data and Computational Intelligence. Studies in Big Data, Springer.
• Ren K. (2016), Learning R Programming. Become an Efficient Data Scientist with R, Packt Publishing, Bigminghtam-Mumbai.
• Rico N., Diaz I. (2018), Chord Progressions Selection Based on Song Audio Features [w:] F. Cos Juez, J. Villar, E. La Cal, J. Saez, E. Corchado (eds.), Hybrid Artificial Intelligent Systems, Proceedings of 13th International Conference, HAIS, Oviedo, Spain, s. 490-501.
• Rowley J. (2002), Eight Questions for Customer Knowledge Management in e-Business, "Journal of Knowledge Management", Vol. 6, s. 500-511.
• Russom P. (2011), Big Data Analytics, TDWI Best Practices Report, The Data Warehousing Institute (TDWI) Research.
• Sa'ad Al-Hyari H. (2016), Customer Knowledge Management towards Customer Attraction from Managers' Perspective: A Case Study of Arab Bank in Amman City, "Information and Knowledge Management", Vol. 6, Iss. 11, s. 47-57.
• Sagiroglu S., Sinanc D. (2013), Big Data: A Review. Collaboration Technologies and Systems (CTS) [w:] International Conference on Digital Object Identifier, s. 42-47.
• SAS (2018), 5 Data Management for Analytics Best Practices, SAS, https://www.sas. com/content/dam/SAS/en_us/doc/whitepaper1/data-management-for-analytics-best-practices-107769.pdf (dostęp: 25.02.2019).
• SAS, Big Data. Czym są i dlaczego mają znaczenie?, https://www.sas.com/pl_pl/ insights/big-data/what-is-big-data.html