Wyniki wyszukiwania - BazEkon

1

Profilowanie, oczyszczanie i zapobieganie powstawaniu dirty data

100%

Migdał-Najman K., Najman K.

|

21

|

nr 508 Klasyfikacja i analiza danych - teoria i zastosowania

146-156

Zbiory Big Data oferują dostęp do niemal nieograniczonej liczby danych, dając nadzieję na szybszy, tańszy, bardziej precyzyjny i wszechstronny opis świata. Jednocześnie w takich zbiorach poza danymi o odpowiedniej jakości (clear data) znaczny udział mają dane nieprawdziwe, nieaktualne, zaszumione, często zwielokrotnione, niepełne lub błędne (dirty data), a także dane o nieznanej jakości czy użyteczności (dark data). Znaczący udział dirty i dark data ma szereg negatywnych konsekwencji w analizie zbioru Big Data. Celem prezentowanych badań jest przegląd i systemowe ujęcie procedur minimalizowania negatywnych efektów dirty data w analizie Big Data. W konstrukcji systemu oczyszczania zbioru danych uwzględniono najważniejsze procedury profilowania (profiling data), oczyszczania (cleansing data) i zapobiegania (defect prevention) powstawaniu dirty data w procesie budowy i analizy zbioru Big Data.(abstrakt oryginalny)

2

Zagadnienia społeczne i prawne w koncepcji big data

80%

Wieczorkowski J.

|

z. nr 44, cz. 2 Społeczeństwo, przedsiębiorstwa i regiony w dobie gospodarki elektronicznej

341-353

Popularny w ostatnim czasie termin big data dopiero się kształtuje i na chwilę obecną obejmuje dość szeroki zakres pojęciowy. Autor opierając się na tematyce publikowanych w ostatnim okresie w polskich gazetach artykułów, które wykorzystywały omawiane pojęcie, dokonał próby charakterystyki powszechnego zrozumienia terminu big data. Wyniki tego badania pozwalają na stwierdzenie, że powszechnie pod tym terminem rozumie się w szczególności problematykę prywatności i zagrożenia permanentną inwigilacją, jako konsekwencję możliwości masowego przetwarzania danych. Tak więc, mimo że ogólnie przyjęte wyjaśnienie terminu big data opiera się na aspektach technologicznych metod przetwarzania danych masowych, odbiega ono znacząco od powszechnego jego odbioru. Zagadnienia związane z problemami przetwarzania przede wszystkim różnego typu danych osobowych określone zostały w artykule jako społeczny aspekt big data. Jest on ściśle związany z zagadnieniami prawnymi, gdyż prawo, usiłując nadążyć za postępem technologicznym i potrzebami biznesu, próbuje określić dopuszczalne granice przetwarzania danych. Zagadnienia społeczne i prawne w koncepcji big data są podstawowym tematem artykułu. (abstrakt oryginalny)

3

Potrzeby analityczne polskich firm a Big Data

80%

Mach-Król M., Modrzejewska B.

|

2017

|

nr 2 (44)

82-93

Cele artykułu to prezentacja poziomu świadomości polskich menedżerów co do znaczenia analityki Big Data oraz określenie, na ile potrzeby analityczne polskich firm wiążą się w sposób jawny bądź nie z przetwarzaniem właśnie tego typu danych i z wdrażaniem odpowiednich do tego rozwiązań IT. Pytania badawcze brzmią następująco: jak menedżerowie rozumieją znaczenie terminu Big Data, jakie są rodzaje analityki biznesowej szczególnie ważne dla organizacji, jakie rodzaje danych i/lub wiedzy, rozwiązania ICT i jakie funkcjonalności narzędzi ICT mających wspierać zaawansowane analizy biznesowe są pożądane przez polskich menedżerów. Wyniki prezentowane w artykule są wynikiem badań przeprowadzonych w 2016 r. z wykorzystaniem studiów przypadków. Metodą zbierania danych były wywiady półustrukturyzowane, przeprowadzone w 15 polskich przedsiębiorstwach. Stwierdzono, że potrzeby analityczne polskich menedżerów można powiązać z pojęciem Big Data, ponadto w wypowiedziach respondentów silnie uwidaczniają się temporalny charakter Big Data i dominująca rola czasu w analityce tych danych.(abstrakt oryginalny)

4

The Main Barriers to Effective Use of Big Data

80%

Gierej S.

|

nr 2 (20)

39-45

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)

5

Reception of the New Framework for Implementing Temporal Big Data Analytics in Organizations

80%

Mach-Król M.

|

2022

|

nr 2 (64)

28-48

Głównym celem artykułu jest przedstawienie recepcji nowych ram wdrażania temporalnej analizy big data (TBDA - Temporal Big Data Analytics) w organizacjach. Jednocześnie badania mają na celu zweryfikowanie poprawności i użyteczności proponowanych ram. Weryfikacja została przeprowadzona za pomocą zogniskowanego wywiadu grupowego. W artykule wskazano potrzebę TBDA, pokrótce przedstawiono proponowane ramy implementacji tego rozwiązania oraz przedstawiono wyniki zogniskowanego wywiadu grupowego. Zaproponowane ramy konceptualne zostały zweryfikowane pozytywnie. Najważniejsze wnioski z tego badania to: udowodniono, że skuteczne wdrożenie analityki big data w firmach wymaga uwzględnienia czasu; wykazano przydatność podejścia leagile we wdrażaniu TBDA w organizacjach; pozytywnie zweryfikowano kompleksowe ramy koncepcyjne wdrożenia TBDA w organizacjach. (abstrakt oryginalny)

6

Bezpieczeństwo danych osobowych w cyberprzestrzeni - Big Data

80%

Stępień A.

|

t. 19, z. 2, cz. 3 Bezpieczeństwo zintegrowane współczesnej Polski

49-59

Cyberspace has become another area of human activity. On the basis of international law, it has not been possible to work out a coherent approach how to provide safety. In addition, the development of cyberspace has led to increased activity of ordinary people in that area. This article presents the most important elements of personal data, methods of collecting them. Rising Bid Data is without a doubt not only a valuable source but also a source of many risks(original abstract)

7

Big data w zarządzaniu łańcuchem dostaw

80%

Marciniak M., Szymczak M.

|

nr 7

8-15

Zmaganie się z konkurencją na rynku globalnym oraz rywalizacja w warunkach nietrwałych przewag konkurencyjnych wymagają od przedsiębiorstw i ich łańcuchów dostaw znacznie większego niż dotąd zaangażowania w zakresie analityki biznesowej. Oznacza to konieczność analizy dużych zbiorów danych o niejednorodnym charakterze, co jest niezbędne dla szybkiego odczytywania (często słabych) sygnałów nadchodzących zmian. Na tym gruncie wyrosła koncepcja big data, która wskazuje, że nie wystarczą już dzisiaj dotychczasowe narzędzia analityczne, że trzeba stosować bardziej zaawansowane metody matematyczne i znaczną moc obliczeniową. Celem artykułu jest wskazanie na potrzebę stosowania zaawansowanych metod analizy danych w zarządzaniu łańcuchem dostaw w warunkach nietrwałej przewagi konkurencyjnej. (abstrakt oryginalny)

8

The Application of Big Data in the Management of Healthcare Organizations. A Review of Selected Practical Solutions

61%

Chluski A., Ziora L.

|

2015

|

nr 1 (35)

9-18

Celem artykułu jest prezentacja rozwiązań big data w procesie zarządzania organizacjami z naciskiem na ukazanie ich zastosowania w zarządzaniu organizacjami służby zdrowia. Artykuł porusza kwestie zastosowania big data w wielorakich obszarach działalności organizacji, łącznie ze wsparciem procesu decyzyjnego i udoskonaleniem jego efektywności. Rozwiązania big data przynoszą organizacjom, które je wdrożyły, wiele różnorodnych korzyści i mogą być elementem przyczyniającym się do osiągnięcia przewagi konkurencyjnej organizacji. Niniejszy artykuł przeglądowy przedstawia istotę rozwiązań big data wraz z przykładową architekturą, przedstawia również korzyści zstosowania big data w zarządzaniu organizacjami i podmiotami służby zdrowia. Opisuje metody i techniki przetwarzania dużych wolumenów danych dla celów analitycznych. Na bazie przeglądu literatury, analizy raportów McKinseya, Big Data Executive Survey, badań i studium przypadku firm IBM i Intel prezentuje praktyczne przykłady zastosowań big data w służbie zdrowia.(abstrakt oryginalny)

9

Advances on Permutation Multivariate Analysis of Variance for Big Data

61%

Bonnini S., Assegie G. M.

|

23

|

nr 2

163-183

In many applications of the multivariate analyses of variance, the classic parametric solutions for testing hypotheses of equality in population means or multisample and multivariate location problems might not be suitable for various reasons. Multivariate multisample location problems lack a comparative study of the power behaviour of the most important combined permutation tests as the number of variables diverges. In particular, it is useful to know under which conditions each of the different tests is preferable in terms of power, how the power of each test increases when the number of variables under the alternative hypothesis diverges, and the power behaviour of each test as the function of the proportion of true alternative hypotheses. The purpose of this paper is to fill the gap in the literature about combined permutation tests, in particular for big data with a large number of variables. A Monte Carlo simulation study was carried out to investigate the power behaviour of the tests, and the application to a real case study was performed to show the utility of the method. (original abstract)

10

Cross-Examining the Computer : Uncertainty in the Court

61%

Marshall J. M.

Studia Iuridica Lublinensia

|

2023

|

Vol. 32, nr 4 New Challenges to Justice : the Application of Law and ADR in the Perspective of Information Society

97-115

Niniejszy artykuł ma na celu przedstawienie prawnikom, zarówno młodym, jak i nieco starszym, podejścia analitycznego do praktyki zawodowej, być może szerszego niż to, które przyswoili sobie podczas studiów lub aplikacji. Ponieważ pełnomocnicy procesowi i sędziowie zwykle funkcjonują w środowisku nauk humanistycznych i społecznych, proponowane podejście rozszerza tę perspektywę, zapożyczając elementy z mechaniki kwantowej, w szczególności zasady nieoznaczoności Heisenberga. O ile pełnomocnicy i sędziowie miewają do czynienia z pewnym stopniem niepewności, czy to w kontekście pracy w kancelarii, czy to na sali sądowej, to kwestia jak z nią postępować różni się w zależności od osoby, a sama subiektywność bywa przyczyną problemów. Wprawdzie jest to ćwiczenie z "intelektualnych aspektów praktyki prawniczej", będącej przecież działalnością wybitnie praktyczną, ale ma ono na celu postawienie pytań dotyczących roli współczesnej technologii w kontekście prawnym, a także do pewnego stopnia udzielenie na nie odpowiedzi. (abstrakt oryginalny)

11

Kluczowe trendy dla budowania biznesu w branży Big Data

61%

Miciuła I., Miciuła K.

|

2015

|

nr 36 Zastosowania informatyki w gospodarce oraz społeczeństwie informacyjnym

51-63

Artykuł prezentuje istotę big data we współczesnej gospodarce elektronicznej oraz analizę obecnie występujących kluczowych trendów dla budowania biznesu w tej branży. W artykule przedstawiono również znaczenie i wpływ korzystania z usług na zasadzie big data i procesów w działalności e-biznesowej, które w erze globalnego społeczeństwa informacyjnego wydają się nieuniknione. (abstrakt oryginalny)

12

Big Data o mediach. Dominanty świata mediów

61%

Gogołek W.

Studia Medioznawcze

|

2022

|

t 23, nr 2 (89)

1171-1180

Cel: identyfikacja aktualnych dominant świata mediów (kontynentów i wysp) wskazujących determinanty biznesowej kondycji przemysłu mediowego. Metodologia: zidentyfikowano źródła informacji i automatycznie pobrano zgromadzone w nich treści (tekstowe dane źródłowe). Następnie przeprowadzono ilościową analizę tych danych i przygotowano wizualizację uzyskanych wyników. W tym celu zastosowano narzędzia rafinacji informacji - Big Data. Uzyskane w ten sposób informacje umożliwiły ocenę stanu i dynamiki zmian dominant mediów. Wyniki i wnioski: wyniki badań umożliwiły identyfikację zbioru najistotniejszych dominant świata mediów oraz ich atrybutów. Są propozycją swoistego paradygmatu parametrów biznesowego modelu inwestycji w przemyśle mediowym. Ograniczenia badawcze: brak doświadczeń i autorytatywnych opracowań/publikacji w zakresie korzystania z informacyjnego potencjału Big Data w badaniach przemysłu mediowego w obszarze poszukiwania dominant świata mediów. Oryginalność: autorowi nieznane są badania, w których wykorzystano zasoby Big Data (treści i metody/narzędzia) odnoszące się do poszukiwania dominant przemysłu mediowego. Ponadto brak jest teorii oceniającej wiarygodność wyników badań prowadzonych na dużych zasobach informacji - Big Data. Zalążkiem takiej teorii mogą być opisane dalej badania oraz wyniki kilkudziesięciu wcześniejszych badań empirycznych wymienionych w bibliografii. Dowodzą one, począwszy od 2010 roku (m.in. pierwsze na świecie zastosowania Big Data w predykcji wyborów prezydenckich), trafności ocen (dotychczas niekwestionowanych) stanu i predykcji badanych zjawisk, dokonywanych na podstawie analiz Big Data.(abstrakt oryginalny)

13

Wykorzystanie technologii Big Data do predykcji ryzyka opóźnień w łańcuchu dostaw

61%

Wyrembek M.

|

nr 6

29-36

W ostatnich latach coraz większą uwagę poświęca się zastosowaniu technologii Big Data, uczenia maszynowego oraz sztucznej inteligencji (artificial intelligence - AI). Przedsiębiorstwa dążą do przewagi konkurencyjnej poprzez odpowiednie zastosowanie analityki danych. Technologia Big Data może być wykorzystywana w wielu różnych branżach, np. w branży transportowej czy medycznej, a potencjalnie we wszystkich. Olbrzymim problem w łańcuchu logistycznym jest ryzyko opóźnień, na które może wpływać wiele czynników, m.in. nieczytelna etykieta na przesyłce, brak pracowników magazynowych czy kongestia w miastach. Artykuł koncentruje się na zastosowaniu technologii Big Data do wykrywania ryzyka opóźnień w łańcuchach dostaw produktów leczniczych. Jego celem jest przedstawienie koncepcji dużych zbiorów danych, architektury Big Data dla łańcucha dostaw produktów leczniczych oraz zaprezentowanie wyników badań związanych z predykcją ryzyka opóźnień dzięki implementacji tej architektury w rzeczywistym przedsiębiorstwie. Postawiony cel zdeterminował wybór następujących metod badawczych: analizy literatury oraz modelowania, które pozwoliło zaprojektować i wdrożyć architekturę dla łańcucha dostaw w badanym przedsiębiorstwie. W ostatniej części artykułu zaprezentowano model regresji logistycznej do przewidywania opóźnień w łańcuchu dostaw produktów leczniczych. W ramach badań ustalono, że model ma wysoką zdolność predykcyjną. (abstrakt oryginalny)

14

Big data w globalizacji procesów biznesowych

61%

Butryn B., Hauke K.

|

2018

|

nr 1 (47)

32-42

Big data stwarza nowe wyzwania dla gospodarki globalnej. Trudno sobie dzisiaj wyobrazić biznes, który nie byłby wspomagany nowymi technologiami ICT. Wolumeny danych, z jakimi mamy do czynienia na wejściu procesu przetwarzania, zmuszają nas do wykorzystania metod, które są specyficzne dla big data. Od big data nie wymaga się dokładnego uzyskania wyniku w postaci liczbowej. Ważne są przede wszystkim procedury, które potrafią określić zależność pomiędzy napływającymi różnymi danymi. W gospodarce globalnej jest to szczególnie ważne, ponieważ zmienia się model prowadzenia biznesu. W artykule przedstawiona jest rola technologii big data w procesie globalizacji prowadzenia biznesu.(abstrakt oryginalny)

15

Smart Supply Chain - Challenges of Information-Driven Management

61%

Frankowska M., Nowicka K.

|

2018

|

vol. 25, 1/2018

91-97

Smart Supply Chain is the answer to challenges of the Fourth Industrial Revolution (Industry 4.0). It uses features, mechanisms and technologies essential to integrate the whole system, that is Smart Industry, in an end-to-end perspective, namely taking into account all links that cooperate as part of delivering values to customers. As part of a Smart Supply Chain, all its components, namely factories, people, machines, products and service design, manufacture and delivery systems cooperate in order to satisfy customers' needs as effectively and quickly as possible. The basis for building new generation supply chains is the possibility to link data and information from different sources. The aim of this article is to present the concept of the Smart Supply Chain in the context of challenges related to the management of information flow. Apart from the discussion of the concept itself and the meaning of information in the Smart Supply Chain, main supporting technologies have been presented. To reach the objectives set in the research, a review of subject literature has been made and the latest research results undertaken by Sapio Research on behalf of Zetes Corporate, concerning the assessment and challenges related to end-to-end supply chain information requirements and current operational reality, have been used(author's abstract)

16

Big Data koniecznością współczesnego marketingu

61%

Graczyk-Kucharska M.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy Zarządzania, Finansów i Marketingu

|

2015

|

nr 41, T.2 Rola podmiotów rynkowych w kształtowaniu wizerunku organizacji i postrzeganiu wartości marki.Kierunki zmian w zarządzaniu marketingowym organizacją

265-277

Celem artykułu jest przybliżenie pojęcia big data oraz zaprezentowanie obszarów zastosowania big data przez współczesnego marketera. Big data to źródło informacji przyczyniające się nie tylko do wspomagania bieżących decyzji organizacji, ale przede wszystkim pozwalające prognozować kierunki rozwoju przedsiębiorstw w celu zwiększenia efektywności ekonomicznej organizacji oraz zwiększenia jakości oferowanych produktów. Wśród działań operacyjnych, w których wykorzystać można big data można zaliczyć m.in. wybór grup docelowych działań promocyjnych prowadzonych w internecie, podejmowanie działań w obszarze wyboru grup docelowych czy zwiększanie efektywności działań operacyjnych. Marketerzy przyzwyczajają się do szybszego reagowania na podstawie coraz bogatszych źródeł danych. Oczekują także łatwego, a przede wszystkim samoobsługowego dostępu do zasobów. Big data mogą zaspokoić te potrzeby. (abstrakt oryginalny)

17

Big data wyzwaniem dla człowieka i statystyki

61%

Szreder M.

|

nr 8

1-11

Zjawisko big data jest stosunkowo nowe, stąd na ogół przyjmowane jest z zainteresowaniem, chociaż czasami też z irytacją lub niepokojem, z uczuciami, które co prawda coraz silniej dają znać o sobie, ale nie zawsze potrafimy je jasno wyrazić. W tym artykule podjęto próbę określenia najistotniejszych wyzwań, jakie big data rzuca nie tylko człowiekowi i społeczeństwu, ale także statystyce jako nauce. Zwłaszcza w odniesieniu do statystyki kwestia rosnących możliwości obliczeniowych wykorzystujących potężne zbiory danych jest warta uwagi, bo nie da się uciec od problemu relacji między adekwatnością stosowanej metodyki badawczej a jakością uzyskanej z niej wiedzy. (fragment tekstu)

18

Big Data in the Industry - Overview of Selected Issues

61%

Gierej S.

|

nr 4

251-254

W artykule dokonano przeglądu wybranych zagadnień związanych z wykorzystaniem Big Data w przemyśle. Celem jest zdefiniowanie potencjalnego zakresu i form wykorzystania dużych zbiorów danych w przedsiębiorstwach produkcyjnych. Dokonując systematycznego przeglądu piśmiennictwa naukowego i profesjonalnego, przeanalizowano wybrane zagadnienia związane z wykorzystaniem analityki danych masowych w produkcji. Zaprezentowano definicję Big Data z wyszczególnieniem jej głównych atrybutów. Zwrócono uwagę na znaczenie technologii przetwarzania masowych zbiorów danych w rozwoju koncepcji Przemysłu 4.0. Następnie zwrócono uwagę na kwestie takie jak optymalizacja procesów produkcyjnych, podejmowanie decyzji oraz masowa indywidualizacja produkcji i wskazano dla nich możliwości wykorzystania dużych wolumenów danych. W rezultacie sformułowano wnioski dotyczące potencjału wykorzystania Big Data w przemyśle. (abstrakt oryginalny)

19

Temporalny model dojrzałości do Big Data

61%

Mach-Król M. A.

|

Systemy wspomagania organizacji SWO 2015

155-165

W opracowaniu przedstawiono nowy model dojrzałości organizacji do Big Data. Inspiracją do jego powstania była analiza istniejących modeli i spostrzeżenie, że nie ujmują one tak istotnego wymiaru Big Data, jakim jest czas. Proponowany model rozwiązuje ten problem, niejako uzupełniając istniejące modele, a zwłaszcza model Billa Schmarzo. Ponadto ujmuje nie tylko kwestie związane z Big Data, ale również z innymi technologiami, w tym Business Intelligence, integrując je w spójne podejście do dojrzałości organizacji. Konieczne wydaje się opracowanie dodatkowo formularza samooceny organizacji, tak aby każda z nich mogła odnieść się samodzielnie do poziomów dojrzałości, wskazywanych przez proponowany model temporalny. Będzie to przedmiotem dalszych prac badawczych. (fragment tekstu)

20

Big Data w kontekście kapitału ludzkiego

61%

Tuziak R.

|

z. nr 52

302-314

We współczesnej gospodarce informacje, wiedza i nowoczesne technologie traktowane są jako samodzielne czynniki produkcji. Trend w kierunku rozwijania zaawansowanych procedur przetwarzania dużych wolumenów danych obliguje przedsiębiorstwa i organizacje do modyfikacji modeli biznesowych, zwiększając jednocześnie w znaczący sposób możliwości ich rozwoju. Wykorzystanie dzięki technologii Big Data rezultatów analiz ogromnych zbiorów danych optymalizuje procesy zarządzania i dostosowywania oferty produktów i usług do rzeczywistych potrzeb rynku. Big Data to nowy model budowania biznesu polegający na przewidywaniu z wykorzystaniem korelacji między odpowiednio zagregowanymi danymi. Pozwala zaprojektować przyszłe działania i podejmować właściwe decyzje, zwiększając tym samym przewagi konkurencyjne przedsiębiorstwa. Przetwarzanie i wykorzystanie wielkich zbiorów danych generuje określone korzyści podmiotom, które nimi dysponują. Procedury Big Data umożliwiają uczynienie informacji bardziej przejrzystymi i dostępnymi. Pozwalają tworzyć i przechowywać większą liczbę informacji o transakcjach w postaci cyfrowej dla lepszego rozpoznania efektywności działań. Precyzyjniej definiują nisze klienckie, optymalnie dopasowując do nich ofertę produktów i usług. Przyspieszają rozwój następnych generacji produktów i usług. Umożliwiają prowadzenie kontrolowanych eksperymentów. Big Data to nie tylko korzyści rynkowe i przewagi konkurencyjne, ale także potencjalne i rzeczywiste zagrożenia i ograniczenia. Dotyczą one sfer: technicznej, organizacyjnej, finansowej i społecznej. W tej ostatniej wiążą się głównie z problemem ochrony prywatności osób, która w obliczu cyfrowych możliwości ingerowania w nią bywa poważnie zagrożona. Istotnym wyzwaniem dla społeczeństwa staje się zatem prawne określenie zasad gromadzenia, przetwarzania i wykorzystywania danych. Zaawansowana technologia nie jest w stanie automatycznie przekształcić dużych zbiorów danych w korzyści biznesowe. Konieczny jest odpowiedni poziom kapitału ludzkiego i kultury analizy danych, aby w pełni wykorzystać możliwości, jakie stwarzają rozwiązania i procedury Big Data. Kluczem do sukcesu jest uruchomienie posiadanych przez pracowników zasobu wiedzy, umiejętności, zdolności, kwalifikacji, postaw, motywacji oraz zdrowie. Wymienione elementy składają się na kapitał ludzki, którego wysoki poziom jest niezbędny dla praktycznego zastosowania technologii Big Data. Kapitał ludzki jest składową kultury organizacyjnej firmy. Analiza różnych modeli kultury prowadzi do wniosku, że optymalną z punktu widzenia potrzeb i możliwości Big Data jest kultura adhokracji. Cechuje ją bowiem między innymi: kreatywność, innowacyjność, elastyczność, umiejętność szybkiego reagowania na pojawiające się możliwości, zdolność tworzenia niestereotypowych rozwiązań i wizji przyszłości, co w sytuacji zmienności, niepewności i nadmiaru informacji ma kapitalne znaczenie dla rozwoju firmy i zdobywania przewagi konkurencyjnej na rynku. (abstrakt oryginalny)