Big data a strategie

przedsiębiorstw

Koncepcja Linked Open Data

Agenda

Big data – definicja

Big data a formułowanie strategii przedsiębiorstw

Koncepcja Linked Open Data

Dane powiązane

Dane otwarte

Znaczenie społeczno-gospodarcze LOD

Badania

Przydatne linki i źródła

Czym jest Big data?

[Tabakow, Korczak, Franczyk, 2014]: „…określenie

stosowane dla takich zbiorów danych, które

jednocześnie charakteryzują się dużą objętością,

różnorodnością, strumieniowym napływem w czasie

rzeczywistym, zmiennością, złożonością […] i

wymagają zastosowania innowacyjnych

technologii, narzędzi, metod informatycznych w

celu wydobycia z nich nowej i użytecznej wiedzy”

Co się dzieje w ciągu 60sek?

źródło: https://www.go-globe.com/, sierpień 2017

źródło: http://www.visualcapitalist.com/internet-minute-2018/ , listopad 2018

źródło: Wikibon 2015, Executive Summary: Big Data Vendor Revenue and Market Forecast,

2011-2026 http://wikibon.com/executive-summary-big-data-vendor-revenue-and-market-forecast-

2011-2026/ , dostęp: maj 2016r.

Wzrost zainteresowania nt. big data

źródło: opracowanie własne na podstawie Google Trends, listopad 2017

Dane rozproszone=złożone zarządzanie

Customer Data?

Legacy,

packaged apps

Jak wynika z raportu Datafloq [2016] 69% przedsiębiorstw

zwiększy budżet big data, a 92% z nich dostrzega znaczące

korzyści wynikające z zaawansowanej analityki danych

37% badanych stwierdza, że monetyzacja danych stanowizasadniczą część ich planów biznesowych

Wymaga to jednak:

otwartego dostępu do zbiorów danych (w postaci

elektronicznej)

dostępu do danych w czasie rzeczywistym

powiązania danych, tak by były rozumiane nie tylko przez ludzi,

ale przede wszystkim maszyny

Jeśli chodzi o obszary biznesowe, które przedsiębiorstwa

chcą szczególnie rozwijać przy użyciu big data są to przede

wszystkim: poszerzenie wiedzy o klientach, innowacyjne

modele biznesowe, efektywność operacyjna oraz

podejmowanie decyzji o oparciu o analizy dokonywane w

czasie rzeczywistym*.

*na podstawie badania Big Data & Advanced Analytics in Telecom: A Multi-Billion-Dollar Revenue Opportunity http://www.whitepapers.lightreading.com/pdf_whitepapers/approved/1389385525_HR_Huawei_Big_Data_WP_12-19-13_%282%29.pdf, dostęp: maj 2016r.

W badaniu Accenture z 2014r. obejmującym

przedstawicieli ponad 1000 przedsiębiorstw z 7

różnych branż z 19 krajów, blisko 90%

respondentów wyraziło opinię, że big data

zrewolucjonizuje biznes w podobnym stopniu jak

Internet.

85% uważa, że big data będzie drastycznie zmieni

sposób prowadzenia działalności gospodarczej.

79% pytanych zgodziło się, że przedsiębiorstwa,

które nie dokonają implementacji big data

stracą swoją pozycję konkurencyjną, a może

nawet staną w obliczu widma upadłości.*

*Big Success with Big Data: Executive Summary https://www.accenture.com/us-en/_acnmedia/Accenture/Conversion-Assets/DotCom/Documents/Global/PDF/Industries_14/Accenture-Big-Data-POV.pdf,

dostęp maj 2016r.

źródło: opracowanie własne na podstawie Accenture 2014, Big Success with Big Data:

Executive Summary

źródło: opracowanie własne na podstawie

Information Week 2015 Analytics & BI Survey

Wiele jednak zależy od wiedzy i umiejętności samych przedsiębiorstw.Kenneth Cukier i Viktor Mayer-Schönberger w swojej książce [Cukier K.,Mayer-Schönberger V., 2014] zwracają uwagę, że mamy do czynieniaz trzema rodzajami przedsiębiorstw, które różnią się wartością, jakąmają do zaoferowania na rynku:

dysponenci danych - firmy będące jedynie w posiadaniu danychlub mające do nich dostęp, które niekoniecznie potrafiąwygenerować wartość dodaną z tychże zasobów (przykłademmoże być Twitter, który dysponuje ogromną ilością danych, jednakw celu ich wykorzystania udostępnia je innym podmiotom lubdokonuje przejęć specjalistów od przetwarzania big data)

analitycy danych - podmioty posiadające odpowiednieumiejętności – głównie firmy analityczne i konsultingowe, które zkolei rzadko mają dostęp do określonych zasobów, w związku z tymczęsto podejmują współpracę z przedstawicielami pierwszej grupy

innowatorzy – firmy wykazujące „nastawienie” big data,charakteryzujące się dużą kreatywnością, jeśli chodzi owykorzystanie danych i pozyskiwanie z nich wartości dodanej, ajednocześnie posiadające umiejętność wykorzystaniazaawansowanych narzędzi big data.

Linked Open DataOTWARTE DANE POWIĄZANE

Formy udostępniania informacji

Sieć dokumentów... Sieć powiązanych danych…

Internet zmienia się z „sieci powiązanych dokumentów” w „sieć

powiązanych danych”...

Zobacz również: http://www.ted.com/talks/tim_berners_lee_on_the_next_web.html

http://linkeddatabook.com/editions/1.0/

źródło: https://www.youtube.com/watch?v=uju4wT9uBIA

Czym jest Linked Open Data?

Zobacz również: http://www.youtube.com/watch?v=4x_xzT5eF5Q

http://www.w3.org/DesignIssues/LinkedData.html

http://www.youtube.com/watch?v=uju4wT9uBIA

„Dane powiązane to zbiór zasad projektowania dotyczących

udostępniania danych przeznaczonych do odczytu komputerowego w

Internecie na potrzeby organów administracji publicznej, przedsiębiorstw i

obywateli.”

Analiza przypadku ISA KE: Jak dane powiązane zmieniają administrację elektroniczną

Cztery zasady projektowania danych powiązanych (wg Tima Bernersa Lee):

1. Użyj standardu URI do oznaczania nazw danych.

2. Użyj HTTP URI, aby umożliwić identyfikację zasobów.

3. Gdy ktoś szuka identyfikatora URI, umieść przydatne informacje, używającstandardów RDF* i SPARQL.

4. Umieść odnośniki do innych identyfikatorów URI, aby umożliwić dalsze wyszukiwanie

Źródło: https://news.opendatacommunities.org/content/images/2017/01/5-star-open-data-model-1.JPG

Otwarte licencje

Metody publikowania danych

Strony internetowe

Content negotation

Zrzut plików

Punkt końowy/edytor zapytań SPARQL

Aplikacje

Cykl życia LOD w kontekście popytu i podaży

Podaż Popyt

Wybór Modelo-wanie

Publikacja Wyszuka-nie

Integracja Wykorzys-tanie

Zarządzanie danymi

Publikujący

dane

Użytkownicy

danych

Informacja zwrotna

źródło: prezentacja nt. Linked Open Data, PWC, dostęp: maj 2018

Zalety LOD

• Elastyczna integracja danych: LOD ułatwia integrację danych izapewnia połączenie dotychczas rozproszonych zbiorów danych

• Wzrost jakości danych: zwiększone (ponowne) wykorzystanie LODzwiększa zapotrzebowanie na poprawę jakości danych. Dziękicrowdsourcingowi i mechanizmom samoobsługi błędy są stopniowousuwane.

• Nowe usługi: dostępność LOD sprawia, że powstają nowe usługioferowane przez sektor publiczny i/lub prywatny.

• Ułatwienie wyszukiwania informacji (a nawet odkrywania nowych,powiązanych zasobów)

• Obniżenie kosztów: ponowne wykorzystanie LOD w biznesie/administracji elektronicznej przynosi znaczące oszczędności.

Wady / Wyzwania LOD

Zazwyczaj czasochłonna identyfikacja zasobów i przydzielanie identyfikatorów URI

Brak kontroli nad uwolnionymi danymi (raz udostępnione takie już będzie)

Brak informacji o narzędziach służących do przeniesienia danych do LOD

Opanowanie technologii wymaga wysiłku i może być początkowo trudne

Konieczność zainwestowania czasu, i posiadania odpowiednich kompetencji/umiejętności

Aktualizacja wersji systemów mobilnych i kompatybilności aplikacji stworzonych w oparciu o LOD

Przykłady zasobów możliwych do wykorzystania

Wrocław też ma swoje LOD!

https://www.wroclaw.pl/open-data/

https://www.wroclaw.pl/open-data/

źrodło: http://www.ldf.fi/project.html

http://datos.bne.es/inicio.html

https://www.springernature.com/gp/researchers/scigraph

https://www.ibm.com/watson/marketing/pl-pl/

https://www.apple.com/siri/

https://www.bbc.com/news

źródło: https://nacoidamojepieniadze.pl/

źródło: https://nacoidamojepieniadze.pl/

Inne inicjatywy

LOD Hackathon – organizowany m.in. przez

Ministerstwo Cyfryzacji (danepubliczne.gov.pl)

Google Graph knowledge (źródła: Wikipedia,

Factbook CIA)

Zwrot informacji

Poproś (potencjalnych) użytkowników

danych o informację zwrotną:

• Jakich danych potrzebują

• Jak wykorzystali dane

• Jak oceniają jakość danych

• Upewnij się, że otrzymujesz

prośby i sugestie

użytkowników – wykorzystaj

wiedzę społecznościową do

podniesienia jakości danych!

data.overheid.nl

źródło: prezentacja nt. Linked Open Data, PWC, dostęp: maj 2018

Badania

Analiza i porównanie systemów do zarządzania treścią,

wykorzystywanych w przedsiębiorstwach (w trakcie –

cmsmatrix.org vs statyczne strony – Google Analytics)

Analiza wykorzystania koncepcji LOD w przedsiębiorstwach

i jej wpływ na formułowanie strategii (w planach)

Ocena „otwartości danych” na polskich portalach

internetowych (weryfikacja skali, w trakcie)

Wybrane publikacje (jest ich naprawdę sporo!!)

Boyd D., Crawford K.: Critical questions for big data in Information Communication & Society, 2012, vol. 15, issue

5, s. 662-679

O’Donovan P., Leahy K. , Bruton K., O’Sullivan D.: Big data in manufacturing: a systematic mapping study .

Journal of Big Data, 2015, s. 2-20.

Lee J., Bagheri B, Kao H-A. : A cyber-physical systems architecture for industry 4.0 -based manufacturing

systems. Manuf Lett, 2015, no.3, s.18–23.

Fosso Wamba S., Akter S., Edwards A., Chopin G., Gnanzou D.: How ‘big data’ can make big impact. Findings

from a systematic review and a longitudinal case study. International Journal of Production Economics, 2015,

vol. 165, s. 234-246 (IF: 2.752)

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. (IF: 1.55)

Gandomi A., Haider M., (2015), Beyond the hype: Big data concepts, methods, and analytics, International

Journal of Information Management, Vol. 35. (IF: 1.55)

Hashem I.A.T., Yaqoob I., Anuar N.B., Mokhar S" Gani A., Khan S.U. (2015), The Rise of "Big Data" on Cloud

Computing: Review and Open Research Issues, "Information Systems", Vol. 47, January, pp. 98-115. (IF:1.456)

Kambatla K., Kollias G., Kuma V., Grama A. (2014), Trends in Big Data Analytics, "Journal of Parallel and

Distributed Computing", Vol. 74, No. 7, July, pp. 2561-2573 (IF: 1.179)

http://ceur-ws.org/Vol-1034/MihindukulasooriyaEtAl_COLD2013.pdf

Dziękuję za uwagę