РЫНОК «БОЛЬШИХ ДАННЫХ» И ИХ ИНСТРУМЕНТОВ: ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ В РОССИИ


https://doi.org/10.18184/2079-4665.2018.9.1.74-85

Полный текст:


Аннотация

Цель: Основная цель данной статьи состоит в исследовании возможности применения технологии управления «большими данными» для организаций различного профиля деятельности с целью совершенствования управленческого учета. Для достижения поставленной цели в статье решены следующие задачи: систематизированы подходы к понятию Big Data; определены возможности использования бизнес-аналитики и концепции Big Data в сфере экономического анализа; выявлены проблемы применения концепции Big Data в экономическом и управленческом анализе для использования в России.

Методология проведения работы: Данная статья основана на междисциплинарной концепции управления «большими данными» применительно к специфике функционирования и развития компаний различных секторов экономики. В качестве основных методов исследования использованы системный, структурный и сравнительный анализ. Для проведения исследования использованы статистические данные и аналитические обзоры, статьи в российских и иностранных научных изданиях.

Результаты работы: Проведен углубленный анализ сущностного содержания термина «большие данные», что позволило сформулировать утверждение о том, что при работе с «большими данными» результат экономического анализа формируется в процессе последовательного моделирования, предполагающего «очистку» результата от излишнего «информационного шума», что объективно обосновывает использование для этих целей технологий бизнес-интеллекта (BI). Установлено, что распространение концепции Big Data в России пока ограничивается пилотными внедрениями и апробацией в отдельных секторах экономики. Проанализированы проблемы, сдерживающие развитие технологии Big Data в России.

Выводы: Материалы, изложенные в статье, показывают, что в современных условиях особое значение приобретает использование технологии обработки «больших данных» с целью интеграции в экономический анализ организаций. Предложенные подходы применимы к деятельности различных организаций, действующих в разных секторах экономики. Исследования, проведенные в данной статье, представляют собой развитие научных представлений о современных способах экономического анализа и бизнес-интеллекта на основе обработки «больших данных», а также существующих проблемах их внедрения в практику деятельности российских компаний. Практическое применение технологии Big Data позволяет совершенствовать процедуры управленческого и экономического учета применительно к компаниям различной организационно-правовой формы, осуществляющим деятельность в разных секторах экономики с учетом современных экономических и социальных тенденций, и, как следствие, обеспечить их устойчивое развитие.

Об авторе

С. Митрович
Московский государственный университет имени М.В. Ломоносова
Сербия и Черногория

Митрович Станислав - докторант кафедры учета, анализа и аудита экономического факультета МГУ имени М. В. Ломоносова; Финансовый директор Таркетт Восточная Европа; доктор экономических наук, Университет в г. Нови-Сад, Республика Сербия.

119991, Москва, Ленинские горы, д. 1; 115280, проспект Андропова, дом 18, корпус 7



Список литературы

1. Бабурин В.А., Яненко М.Е. Технологии Big Data в сервисе: новые рынки, возможности и проблемы // Технико-технологические проблемы сервиса. 2014. № 1 (27). С. 100–105. URL: https://elibrary.ru/item.asp?id=21290088

2. Гурская Е.Д., Доценко М.А., Соколянский В.В. Технологии Big Data в сервисе: новые рынки, возможности и проблемы // Вопросы экономических наук. 2015. № 4(74). С. 42–44. URL: https://elibrary.ru/item.asp?id=24313794

3. Мальцева С.В., Лазарев В.В. Маркетинговая аналитика в сфере электронного бизнеса на основе больших данных // Информационные технологии в проектировании и производстве. 2015. № 1. С. 62–67. URL: https://elibrary.ru/item.asp?id=23187836

4. Sridharan S., Purcell B. How Analytics Drives Customer Life-Cycle Management Vision: The Customer Analytics Playbook (2015) // Forrester Research Inc., Cambridge. USA. 16 р. 5. Цветкова Л.А., Черченко О.В. Внедрение технологий Big Data в здравоохранение: оценка технологических и коммерческих перспектив // Экономика науки. 2016. №2 (2). С. 138–150. URL: http://ecna.elpub.ru/jour/article/view/57

5. Суворов Н.И., Беденков А.В. Большие данные в Российском здравоохранении. Время пришло! // Ремедиум. 2015. № 6. С. 60–61. URL: https://elibrary.ru/item.asp?id=23765693

6. Belle A., Thiagarajan R., Reza Soroushmehr S.M., Navidi F., Beard D., Najarian K. Big Data Analytics in Healthcare // BioMed Research International. 2015. Vol. 2015. P. 1–16. DOI: http://dx.doi.org/10.1155/2015/370194

7. Das S. R. Big Data’s Big Muscle // Finance & Development. 2016. Vol. 53. № 3. Р. 26–27. URL: http://www.imf.org/external/pubs/ft/fandd/2016/09/das.htm

8. Булгаков А.Л. Big Data в финансах // Корпоративные Финансы. 2017.Т. 11. № 1. С. 7–15. URL: https://cfjournal.hse.ru/article/view/6528

9. Системы для бизнес-анализа (BI) в России 2015-2016: Аналитический отчет аналитико-консалтинговой компании Tadvisor. М.: Tadvisorgroup, 2016. 161 с.

10. IDC Big Data and Business Analytics 2016. M.: IDC Russia, 2016. 106 р.

11. Bayliss D. Models for Big Data. In: Big Data Technologies and Applications. Springer, Cham, 2016. Р. 237–255. DOI: https://doi.org/10.1007/978-3-319-44550-2_9

12. Bakshi K. Technologies for Big Data. In W. Hu, & N. Kaabouch (Eds.), Big Data Management, Technologies, and Applications. Hershey, PA: IGI Global. 2014. P. 1–22. DOI: https://doi.org/10.4018/978-1-4666-4699-5.ch001

13. Jeffrey S. Saltz, Nancy W. Grady. The ambiguity of data science team roles and the need for a data science workforce framework. Big Data (Big Data) 2017 IEEE International Conference on. 2017. P. 2355–2361, DOI: 10.1109/BigData.2017.8258190

14. Jeffrey S. Saltz, Sibel Yilmazel, Ozgur Yilmazel. Not all software engineers can become good data engineers. Big Data (Big Data) 2016 IEEE International Conference on, 2016. P. 2896–2901. DOI: 10.1109/BigData.2016.7840939

15. Periasamy M., Raj P. Big Data Analytics: Enabling Technologies and Tools. In: Mahmood Z. (eds) Data Science and Big Data Computing. Springer, Cham. 2016. P. 221–243. DOI: https://doi.org/10.1007/978-3-319-31861-5_10

16. Wu D., Sakr S., Zhu L. Big Data Storage and Data Models. In: Zomaya A., Sakr S. (eds) Handbook of Big Data Technologies. Springer, Cham. 2017. P. 3–29. DOI: https://doi.org/10.1007/978-3-31949340-4_1

17. Мамедова Г.А., Зейналова Л.А., Меликова Р.Т. Технологии больших данных в электронном образовании // Открытое образование. 2017. Т.

18. № 6. С. 41–48. URL: https://elibrary.ru/item.asp?id=32286799. DOI: http://dx.doi.org/10.21686/1818-4243-2017-6-41-48

19. Никитина Т.В., Самерханова Ж.Н. Анализ и применение технологии больших данных в государственной гражданской службе // Вестник международного института рынка. 2017. № 2. С. 158–166. URL: https://elibrary.ru/item.asp?id=30727871

20. Григорьев Ю.А. Технологии аналитической обработки больших данных // Информационно-измерительные и управляющие системы. 2016. Т. 14. № 12. С. 59–68. URL: https://elibrary.ru/item.asp?id=28099165

21. Мавринская Т.В., Лошкарёв А.В., Чуракова Е.Н. Обезличивание персональных данных и технологии «больших данных» (BigData) // Интерактивная наука. 2017. № 6 (16). С. 78–80. URL: https://elibrary.ru/item.asp?id=29369921. DOI: 10.21661/r-130405


Дополнительные файлы

Для цитирования: Митрович С. РЫНОК «БОЛЬШИХ ДАННЫХ» И ИХ ИНСТРУМЕНТОВ: ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ В РОССИИ. МИР (Модернизация. Инновации. Развитие). 2018;9(1):74-85. https://doi.org/10.18184/2079-4665.2018.9.1.74-85

For citation: Mitrovic S. THE MARKET FOR BIG DATA AND ITS TOOLS: TRENDS AND PERSPECTIVES IN RUSSIA. MIR (Modernization. Innovation. Research). 2018;9(1):74-85. (In Russ.) https://doi.org/10.18184/2079-4665.2018.9.1.74-85

Просмотров: 282

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-4665 (Print)
ISSN 2411-796X (Online)