Page 46 - Model SMeART in smernice za poslovno sodelovanje med univerzo in gospodarstvom
P. 46
tin Westbomke
slik iz družbenih omrežij ali zvočnih datotek iz storitev pretočnega
predvajanja.
– Hitrost: ta značilnost se nanaša na visoko stopnjo pretoka podatkov
in rast obsežnih podatkov (Gandomi in Haider, 2015, str. 138; Katal
idr., 2013, str. 404)
V skladu s temi lastnostmi lahko obsežne podatke definiramo kot velike
količine trajno tekočih in rastočih sklopov podatkov, ki prihajajo iz vseh
vrst virov.
Tradicionalne informacijske tehnologije ne morejo obdelovati tovrstnih
podatkov, saj so pri tem, kot meni Ohlhorst (2012), glavni problem prido-
bitev, shranjevanje, iskanje, izmenjava, analitika in vizualizacija podatkov.
Strokovnjaki z znanstvenih, političnih in gospodarskih področij verja-
mejo, da bodo obsežni podatki v prihodnosti predstavljali pomemben go-
nilnik inovacij in vir ustvarjanja vrednosti ter konkurenčne prednosti (Tan
idr., 2015, str. 1). Sposobnost obdelave in analize obsežnih podatkov z viso-
ko zmogljivimi tehnologijami in inovativnimi metodami analize podatkov
podjetjem omogoča pridobitev ustreznih informacij o svojih izdelkih, kup-
cih, konkurentih in dobaviteljih. Velike količine podatkov se lahko obdelajo
v kratkem času, kar vodi do ogromnega povečanja učinkovitosti. Poleg te-
ga lahko vzorci in korelacije obsežnih podatkov kažejo na prihodnji razvoj
trga in trende ter tako prispevajo h konkurenčnosti podjetij in jim poma-
gajo pri strateških odločitvah (Sagiroglu in Sinanc, 2013, str. 42; Wamba
idr., 2015, str. 234).
Zaradi potenciala za ustvarjanje vrednosti se podatki in zlasti obsežni
podatki imenujejo tudi olje prihodnosti (Jodlbauer in Schagerl, 2016, str.
1475; Jodlbauer, 2016). Njihov ogromen potencial dokazujejo tudi primeri
uspešne uporabe: s pomočjo tehnologij obsežnih podatkov in programske
opreme je Visa skrajšala čas obdelave podatkov kreditnih kartic za dve leti.
Podatki so vključevali približno 73 milijard transakcij, od enega meseca do
samo 13 minut. Vznemirjen zaradi pretirane cene vozovnice, ki jo je pla-
čal za svoj let, je profesor računalništva Etzioni razvil program Farecast, ki
je analiziral 200 milijard podatkov o cenah letov, da bi napovedal nadaljnje
gibanje cen. Program je vključen v iskalnik Google Bing in strankam poma-
ga, da s predvidevanjem prihodnjih cen prihranijo v povprečju 50 dolarjev
(Mayer-Schönberger in Cukier, 2013, str. 62).
Pridobivanje ustreznih informacij in vpogledov v obsežne podatke zah-
teva postopke managementa in analize podatkov, ki jih sestavlja pet raz-
ličnih faz.
46
slik iz družbenih omrežij ali zvočnih datotek iz storitev pretočnega
predvajanja.
– Hitrost: ta značilnost se nanaša na visoko stopnjo pretoka podatkov
in rast obsežnih podatkov (Gandomi in Haider, 2015, str. 138; Katal
idr., 2013, str. 404)
V skladu s temi lastnostmi lahko obsežne podatke definiramo kot velike
količine trajno tekočih in rastočih sklopov podatkov, ki prihajajo iz vseh
vrst virov.
Tradicionalne informacijske tehnologije ne morejo obdelovati tovrstnih
podatkov, saj so pri tem, kot meni Ohlhorst (2012), glavni problem prido-
bitev, shranjevanje, iskanje, izmenjava, analitika in vizualizacija podatkov.
Strokovnjaki z znanstvenih, političnih in gospodarskih področij verja-
mejo, da bodo obsežni podatki v prihodnosti predstavljali pomemben go-
nilnik inovacij in vir ustvarjanja vrednosti ter konkurenčne prednosti (Tan
idr., 2015, str. 1). Sposobnost obdelave in analize obsežnih podatkov z viso-
ko zmogljivimi tehnologijami in inovativnimi metodami analize podatkov
podjetjem omogoča pridobitev ustreznih informacij o svojih izdelkih, kup-
cih, konkurentih in dobaviteljih. Velike količine podatkov se lahko obdelajo
v kratkem času, kar vodi do ogromnega povečanja učinkovitosti. Poleg te-
ga lahko vzorci in korelacije obsežnih podatkov kažejo na prihodnji razvoj
trga in trende ter tako prispevajo h konkurenčnosti podjetij in jim poma-
gajo pri strateških odločitvah (Sagiroglu in Sinanc, 2013, str. 42; Wamba
idr., 2015, str. 234).
Zaradi potenciala za ustvarjanje vrednosti se podatki in zlasti obsežni
podatki imenujejo tudi olje prihodnosti (Jodlbauer in Schagerl, 2016, str.
1475; Jodlbauer, 2016). Njihov ogromen potencial dokazujejo tudi primeri
uspešne uporabe: s pomočjo tehnologij obsežnih podatkov in programske
opreme je Visa skrajšala čas obdelave podatkov kreditnih kartic za dve leti.
Podatki so vključevali približno 73 milijard transakcij, od enega meseca do
samo 13 minut. Vznemirjen zaradi pretirane cene vozovnice, ki jo je pla-
čal za svoj let, je profesor računalništva Etzioni razvil program Farecast, ki
je analiziral 200 milijard podatkov o cenah letov, da bi napovedal nadaljnje
gibanje cen. Program je vključen v iskalnik Google Bing in strankam poma-
ga, da s predvidevanjem prihodnjih cen prihranijo v povprečju 50 dolarjev
(Mayer-Schönberger in Cukier, 2013, str. 62).
Pridobivanje ustreznih informacij in vpogledov v obsežne podatke zah-
teva postopke managementa in analize podatkov, ki jih sestavlja pet raz-
ličnih faz.
46
