3

Spis treci

WPROWADZENIE ............................................................................................. 5

Rozdzia 1. Janusz Wielki ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ .................................................................... 7

Rozdzia 2. Przemysaw Misiurski ZASTOSOWANIE NOWOCZESNYCH SYSTEMW INFORMATYCZNYCH W TRANSPORCIE MIEJSKIM .................................. 27

Rozdzia 3. Rafa Gasz, Pawe Michalski, Bogdan Ruszczak MOLIWOCI WYKORZYSTANIA NARZDZI COMPUTER VISION W PRZEDSIBIORSTWACH ................................................................................. 45

Rozdzia 4. Magdalena Ciesielska POWODY, KORZYCI, BARIERY ORAZ KLUCZOWE CZYNNIKI WDROENIA INICJATYW ITSM W OCENIE MAYCH PRZEDSIBIORSTW SEKTORA OPROGRAMOWANIA W POLSCE ........ 69

Rozdzia 5. Rafa Prabucki, Rafa Wielki NOWE TECHNOLOGIE A FORMY OSZUSTW: STUDIUM KRYMINOLOGICZNO-KRYMINALISTYCZNE............................................... 85

Rozdzia 6. Elbieta Kara E-MARKETING PRZEDSIBIORSTWA W PRZESTRZENI ELEKTRONICZNEJ ................................................................................................ 101

Rozdzia 7. Magorzata Adamska MARKETING MOBILNY JAKO NOWOCZESNA FORMA KOMUNIKACJI Z KLIENTEM ............................................................................ 113

Rozdzia 8. Dariusz Rajchel GOSPODARSTWA DOMOWE W DOBIE ROZWOJU USUG ELEKTRONICZNYCH ........................................................................................... 123

3

Spis treci

WPROWADZENIE ............................................................................................. 5

Rozdzia 1. Janusz Wielki ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ .................................................................... 7

Rozdzia 2. Przemysaw Misiurski ZASTOSOWANIE NOWOCZESNYCH SYSTEMW INFORMATYCZNYCH W TRANSPORCIE MIEJSKIM .................................. 27

Rozdzia 3. Rafa Gasz, Pawe Michalski, Bogdan Ruszczak MOLIWOCI WYKORZYSTANIA NARZDZI COMPUTER VISION W PRZEDSIBIORSTWACH ................................................................................. 45

Rozdzia 4. Magdalena Ciesielska POWODY, KORZYCI, BARIERY ORAZ KLUCZOWE CZYNNIKI WDROENIA INICJATYW ITSM W OCENIE MAYCH PRZEDSIBIORSTW SEKTORA OPROGRAMOWANIA W POLSCE ........ 69

Rozdzia 5. Rafa Prabucki, Rafa Wielki NOWE TECHNOLOGIE A FORMY OSZUSTW: STUDIUM KRYMINOLOGICZNO-KRYMINALISTYCZNE............................................... 85

Rozdzia 6. Elbieta Kara E-MARKETING PRZEDSIBIORSTWA W PRZESTRZENI ELEKTRONICZNEJ ................................................................................................ 101

Rozdzia 7. Magorzata Adamska MARKETING MOBILNY JAKO NOWOCZESNA FORMA KOMUNIKACJI Z KLIENTEM ............................................................................ 113

Rozdzia 8. Dariusz Rajchel GOSPODARSTWA DOMOWE W DOBIE ROZWOJU USUG ELEKTRONICZNYCH ........................................................................................... 123

3

Spis treci

WPROWADZENIE ............................................................................................. 5

Rozdzia 1. Janusz Wielki ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ .................................................................... 7

Rozdzia 2. Przemysaw Misiurski ZASTOSOWANIE NOWOCZESNYCH SYSTEMW INFORMATYCZNYCH W TRANSPORCIE MIEJSKIM .................................. 27

Rozdzia 3. Rafa Gasz, Pawe Michalski, Bogdan Ruszczak MOLIWOCI WYKORZYSTANIA NARZDZI COMPUTER VISION W PRZEDSIBIORSTWACH ................................................................................. 45

Rozdzia 4. Magdalena Ciesielska POWODY, KORZYCI, BARIERY ORAZ KLUCZOWE CZYNNIKI WDROENIA INICJATYW ITSM W OCENIE MAYCH PRZEDSIBIORSTW SEKTORA OPROGRAMOWANIA W POLSCE ........ 69

Rozdzia 5. Rafa Prabucki, Rafa Wielki NOWE TECHNOLOGIE A FORMY OSZUSTW: STUDIUM KRYMINOLOGICZNO-KRYMINALISTYCZNE............................................... 85

Rozdzia 6. Elbieta Kara E-MARKETING PRZEDSIBIORSTWA W PRZESTRZENI ELEKTRONICZNEJ ................................................................................................ 101

Rozdzia 7. Magorzata Adamska MARKETING MOBILNY JAKO NOWOCZESNA FORMA KOMUNIKACJI Z KLIENTEM ............................................................................ 113

Rozdzia 8. Dariusz Rajchel GOSPODARSTWA DOMOWE W DOBIE ROZWOJU USUG ELEKTRONICZNYCH ........................................................................................... 123

3

Spis treci

WPROWADZENIE ............................................................................................. 5

Rozdzia 1. Janusz Wielki ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ .................................................................... 7

Rozdzia 2. Przemysaw Misiurski ZASTOSOWANIE NOWOCZESNYCH SYSTEMW INFORMATYCZNYCH W TRANSPORCIE MIEJSKIM .................................. 27

Rozdzia 3. Rafa Gasz, Pawe Michalski, Bogdan Ruszczak MOLIWOCI WYKORZYSTANIA NARZDZI COMPUTER VISION W PRZEDSIBIORSTWACH ................................................................................. 45

Rozdzia 4. Magdalena Ciesielska POWODY, KORZYCI, BARIERY ORAZ KLUCZOWE CZYNNIKI WDROENIA INICJATYW ITSM W OCENIE MAYCH PRZEDSIBIORSTW SEKTORA OPROGRAMOWANIA W POLSCE ........ 69

Rozdzia 5. Rafa Prabucki, Rafa Wielki NOWE TECHNOLOGIE A FORMY OSZUSTW: STUDIUM KRYMINOLOGICZNO-KRYMINALISTYCZNE............................................... 85

Rozdzia 6. Elbieta Kara E-MARKETING PRZEDSIBIORSTWA W PRZESTRZENI ELEKTRONICZNEJ ................................................................................................ 101

Rozdzia 7. Magorzata Adamska MARKETING MOBILNY JAKO NOWOCZESNA FORMA KOMUNIKACJI Z KLIENTEM ............................................................................ 113

Rozdzia 8. Dariusz Rajchel GOSPODARSTWA DOMOWE W DOBIE ROZWOJU USUG ELEKTRONICZNYCH ........................................................................................... 123

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

5

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

WPROWADZENIE

Od ponad szedziesiciu lat technologie informatyczne obecne s w rze-czywistoci gospodarczej. Pocztkowo ich wpyw, ze wzgldu na koszty, ogra-niczony by wycznie do krgu duych korporacji, jednak do szybko zacz si on rozszerza. Pierwszym krokiem na tej drodze byo pojawienie si mini-komputerw, ktre ze wzgldu na swoj cen stay si dostpne dla maych i rednich przedsibiorstw. Jednak prawdziwa rewolucja staa si faktem na pocztku lat 80. XX wieku za spraw komputerw osobistych. Ich pojawienie si na rynku doprowadzio do dwch zasadniczych procesw. Pierwszym z nich by fakt, i komputer mona byo postawi na biurku pracownika i odda do jego osobistej dyspozycji. Drugim niezwykle istotnym i przeomowym wyda-rzeniem bya moliwo jego wykorzystania w gospodarstwach domowych. By to jednak dopiero pocztek procesw demokratyzacji dostpu do technologii informatycznych, ktre w kolejnych latach zaczy gwatownie przypiesza.

Poza postpami w obszarze sprztu i towarzyszcego mu oprogramowania niezwykle istotny dla ich wpywu na rzeczywisto gospodarcz sta si rozwj rozwiza sieciowych wprowadzajcych now jako w wykorzystywaniu przez organizacje systemw komputerowych. Przeomem w tej kwestii byo pojawie-nie si Internetu, ktrego obecno w globalnej gospodarce staa si faktem w poowie lat 90. ubiegego wieku, zmieniajc diametralnie funkcjonowanie jej i podmiotw w niej dziaajcych. Ewoluujc w szybkim tempie i przechodzc przez kolejne fazy swego rozwoju, wzmaga i rozszerza on nieustannie oddzia-ywanie tak firmy, jak i ich klientw. Jednoczenie now jako, jeli chodzi o wypyw technologii informatycznych na rzeczywisto gospodarcz, wprowa-dzi rozwj telefonii komrkowej szybko przenikajcej i zazbiajcej si z In-ternetem. Niewtpliwie przeomem w tym wzgldzie stao si pojawienie si pod koniec pierwszej dekady nowego millenium smartfonw i zwizany z ich dynamicznym oraz szybko przyrastajcym w kolejnych latach wykorzystaniem rozwj cakowicie nowego segmentu gospodarki okrelanej mianem app eco-nomy. Jednoczenie naley pamita, i technologie informatyczne to nie tylko komputery czy systemy sieciowe. To rwnie cay szereg rnego typu rozwi-za, takich jak np. RFID (Radio-frequency identification), NFC (Near Field Communications) czy GPS (Global Positioning System), ktrych pojawienie si zmienio cakowicie funkcjonowanie rnorakich sfer wspczesnej rzeczywi-stoci gospodarczej.

Std te z uwagi na nieustannie rosnce znaczenie technologii informatycz-nych i ich dyfuzyjny charakter celem niniejszej monografii jest pokazanie, na wybranych przykadach, moliwoci rysujcych si wraz z ich wykorzystaniem

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

5

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

WPROWADZENIE

Od ponad szedziesiciu lat technologie informatyczne obecne s w rze-czywistoci gospodarczej. Pocztkowo ich wpyw, ze wzgldu na koszty, ogra-niczony by wycznie do krgu duych korporacji, jednak do szybko zacz si on rozszerza. Pierwszym krokiem na tej drodze byo pojawienie si mini-komputerw, ktre ze wzgldu na swoj cen stay si dostpne dla maych i rednich przedsibiorstw. Jednak prawdziwa rewolucja staa si faktem na pocztku lat 80. XX wieku za spraw komputerw osobistych. Ich pojawienie si na rynku doprowadzio do dwch zasadniczych procesw. Pierwszym z nich by fakt, i komputer mona byo postawi na biurku pracownika i odda do jego osobistej dyspozycji. Drugim niezwykle istotnym i przeomowym wyda-rzeniem bya moliwo jego wykorzystania w gospodarstwach domowych. By to jednak dopiero pocztek procesw demokratyzacji dostpu do technologii informatycznych, ktre w kolejnych latach zaczy gwatownie przypiesza.

Poza postpami w obszarze sprztu i towarzyszcego mu oprogramowania niezwykle istotny dla ich wpywu na rzeczywisto gospodarcz sta si rozwj rozwiza sieciowych wprowadzajcych now jako w wykorzystywaniu przez organizacje systemw komputerowych. Przeomem w tej kwestii byo pojawie-nie si Internetu, ktrego obecno w globalnej gospodarce staa si faktem w poowie lat 90. ubiegego wieku, zmieniajc diametralnie funkcjonowanie jej i podmiotw w niej dziaajcych. Ewoluujc w szybkim tempie i przechodzc przez kolejne fazy swego rozwoju, wzmaga i rozszerza on nieustannie oddzia-ywanie tak firmy, jak i ich klientw. Jednoczenie now jako, jeli chodzi o wypyw technologii informatycznych na rzeczywisto gospodarcz, wprowa-dzi rozwj telefonii komrkowej szybko przenikajcej i zazbiajcej si z In-ternetem. Niewtpliwie przeomem w tym wzgldzie stao si pojawienie si pod koniec pierwszej dekady nowego millenium smartfonw i zwizany z ich dynamicznym oraz szybko przyrastajcym w kolejnych latach wykorzystaniem rozwj cakowicie nowego segmentu gospodarki okrelanej mianem app eco-nomy. Jednoczenie naley pamita, i technologie informatyczne to nie tylko komputery czy systemy sieciowe. To rwnie cay szereg rnego typu rozwi-za, takich jak np. RFID (Radio-frequency identification), NFC (Near Field Communications) czy GPS (Global Positioning System), ktrych pojawienie si zmienio cakowicie funkcjonowanie rnorakich sfer wspczesnej rzeczywi-stoci gospodarczej.

Std te z uwagi na nieustannie rosnce znaczenie technologii informatycz-nych i ich dyfuzyjny charakter celem niniejszej monografii jest pokazanie, na wybranych przykadach, moliwoci rysujcych si wraz z ich wykorzystaniem

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

5

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

WPROWADZENIE

Od ponad szedziesiciu lat technologie informatyczne obecne s w rze-czywistoci gospodarczej. Pocztkowo ich wpyw, ze wzgldu na koszty, ogra-niczony by wycznie do krgu duych korporacji, jednak do szybko zacz si on rozszerza. Pierwszym krokiem na tej drodze byo pojawienie si mini-komputerw, ktre ze wzgldu na swoj cen stay si dostpne dla maych i rednich przedsibiorstw. Jednak prawdziwa rewolucja staa si faktem na pocztku lat 80. XX wieku za spraw komputerw osobistych. Ich pojawienie si na rynku doprowadzio do dwch zasadniczych procesw. Pierwszym z nich by fakt, i komputer mona byo postawi na biurku pracownika i odda do jego osobistej dyspozycji. Drugim niezwykle istotnym i przeomowym wyda-rzeniem bya moliwo jego wykorzystania w gospodarstwach domowych. By to jednak dopiero pocztek procesw demokratyzacji dostpu do technologii informatycznych, ktre w kolejnych latach zaczy gwatownie przypiesza.

Poza postpami w obszarze sprztu i towarzyszcego mu oprogramowania niezwykle istotny dla ich wpywu na rzeczywisto gospodarcz sta si rozwj rozwiza sieciowych wprowadzajcych now jako w wykorzystywaniu przez organizacje systemw komputerowych. Przeomem w tej kwestii byo pojawie-nie si Internetu, ktrego obecno w globalnej gospodarce staa si faktem w poowie lat 90. ubiegego wieku, zmieniajc diametralnie funkcjonowanie jej i podmiotw w niej dziaajcych. Ewoluujc w szybkim tempie i przechodzc przez kolejne fazy swego rozwoju, wzmaga i rozszerza on nieustannie oddzia-ywanie tak firmy, jak i ich klientw. Jednoczenie now jako, jeli chodzi o wypyw technologii informatycznych na rzeczywisto gospodarcz, wprowa-dzi rozwj telefonii komrkowej szybko przenikajcej i zazbiajcej si z In-ternetem. Niewtpliwie przeomem w tym wzgldzie stao si pojawienie si pod koniec pierwszej dekady nowego millenium smartfonw i zwizany z ich dynamicznym oraz szybko przyrastajcym w kolejnych latach wykorzystaniem rozwj cakowicie nowego segmentu gospodarki okrelanej mianem app eco-nomy. Jednoczenie naley pamita, i technologie informatyczne to nie tylko komputery czy systemy sieciowe. To rwnie cay szereg rnego typu rozwi-za, takich jak np. RFID (Radio-frequency identification), NFC (Near Field Communications) czy GPS (Global Positioning System), ktrych pojawienie si zmienio cakowicie funkcjonowanie rnorakich sfer wspczesnej rzeczywi-stoci gospodarczej.

Std te z uwagi na nieustannie rosnce znaczenie technologii informatycz-nych i ich dyfuzyjny charakter celem niniejszej monografii jest pokazanie, na wybranych przykadach, moliwoci rysujcych si wraz z ich wykorzystaniem

4

Rozdzia 9. ukasz Mach WPYW TECHNOLOGII INFORMATYCZNYCH NA PREFERENCJE POPYTOWE W OBSZARZE KRTKOOKRESOWEGO NAJMU PRYWATNYCH ZASOBW MIESZKANIOWYCH ....................................... 137

Rozdzia 10. Mateusz Tusiski ZAWIERANIE UMW W OBROCIE GOSPODARCZYM Z WYKORZYSTANIEM INTERNETU WYBRANE ZAGADNIENIA ..... 149

Rozdzia 11. Elbieta Janosik, Katarzyna Mazur-Kajta WIATO NIEBIESKIE EMITOWANE PRZEZ EKRANY KOMPUTERW STACJONARNYCH ORAZ WYWIETLACZE URZDZE MOBILNYCH JAKO CZYNNIK ODDZIAYWANIA RODOWISKA PRACY ORGANIZACJI NA ZDROWIE PRACOWNIKW .................................................................................................... 159

5

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

WPROWADZENIE

Od ponad szedziesiciu lat technologie informatyczne obecne s w rze-czywistoci gospodarczej. Pocztkowo ich wpyw, ze wzgldu na koszty, ogra-niczony by wycznie do krgu duych korporacji, jednak do szybko zacz si on rozszerza. Pierwszym krokiem na tej drodze byo pojawienie si mini-komputerw, ktre ze wzgldu na swoj cen stay si dostpne dla maych i rednich przedsibiorstw. Jednak prawdziwa rewolucja staa si faktem na pocztku lat 80. XX wieku za spraw komputerw osobistych. Ich pojawienie si na rynku doprowadzio do dwch zasadniczych procesw. Pierwszym z nich by fakt, i komputer mona byo postawi na biurku pracownika i odda do jego osobistej dyspozycji. Drugim niezwykle istotnym i przeomowym wyda-rzeniem bya moliwo jego wykorzystania w gospodarstwach domowych. By to jednak dopiero pocztek procesw demokratyzacji dostpu do technologii informatycznych, ktre w kolejnych latach zaczy gwatownie przypiesza.

Poza postpami w obszarze sprztu i towarzyszcego mu oprogramowania niezwykle istotny dla ich wpywu na rzeczywisto gospodarcz sta si rozwj rozwiza sieciowych wprowadzajcych now jako w wykorzystywaniu przez organizacje systemw komputerowych. Przeomem w tej kwestii byo pojawie-nie si Internetu, ktrego obecno w globalnej gospodarce staa si faktem w poowie lat 90. ubiegego wieku, zmieniajc diametralnie funkcjonowanie jej i podmiotw w niej dziaajcych. Ewoluujc w szybkim tempie i przechodzc przez kolejne fazy swego rozwoju, wzmaga i rozszerza on nieustannie oddzia-ywanie tak firmy, jak i ich klientw. Jednoczenie now jako, jeli chodzi o wypyw technologii informatycznych na rzeczywisto gospodarcz, wprowa-dzi rozwj telefonii komrkowej szybko przenikajcej i zazbiajcej si z In-ternetem. Niewtpliwie przeomem w tym wzgldzie stao si pojawienie si pod koniec pierwszej dekady nowego millenium smartfonw i zwizany z ich dynamicznym oraz szybko przyrastajcym w kolejnych latach wykorzystaniem rozwj cakowicie nowego segmentu gospodarki okrelanej mianem app eco-nomy. Jednoczenie naley pamita, i technologie informatyczne to nie tylko komputery czy systemy sieciowe. To rwnie cay szereg rnego typu rozwi-za, takich jak np. RFID (Radio-frequency identification), NFC (Near Field Communications) czy GPS (Global Positioning System), ktrych pojawienie si zmienio cakowicie funkcjonowanie rnorakich sfer wspczesnej rzeczywi-stoci gospodarczej.

Std te z uwagi na nieustannie rosnce znaczenie technologii informatycz-nych i ich dyfuzyjny charakter celem niniejszej monografii jest pokazanie, na wybranych przykadach, moliwoci rysujcych si wraz z ich wykorzystaniem

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

7

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

Rozdzia 1

ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ

Wstp

Nieustannie ronie ilo globalnie dostpnych danych. Jeszcze w roku 1986 na wiecie byo ich jedynie 3 EB (eksabajty)

1, ale dwadziecia pi lat pniej

(2011) byo to ju 300 EB [3]. Wedug EMC w roku 2013 ich wielko osign-a poziom 4,4 ZB (zetabajta)

2. Jednoczenie wedug jej prognoz ilo danych

podwaja bdzie si co dwa lata, osigajc w roku 2020 wolumen 44 ZB [20]. Bardziej ostrona w prognozach jest firma konsultingowa McKinsey, przewidu-jc podwajanie si iloci danych co trzy lata. Niezalenie jednak od pewnych rnic w prognozach wyranie wida, i przyrost iloci danych na wiecie przy-bra form wykadnicz [3].

Wzrost wolumenu generowanych danych jest cile powizany z postpami w obszarze technologii informatycznych. Wkroczyy one do rzeczywistoci gospodarczej na pocztku lat 50. XX wieku [34], a celem procesw komputery-zacji, jakie zaczy wtedy mie miejsce, byo przede wszystkim usprawnienie wewntrznych procesw biznesowych i wspieranie procesw decyzyjnych. Jed-nak generowane w ich rezultacie zasoby cyfrowe zaczy z czasem stanowi warto sam w sobie [13], stajc si nowego typu paliwem napdzajcym funk-cjonowanie wspczesnych organizacji i umoliwiajcym im osiganie przewagi konkurencyjnej [30]. Wedug OECD te rosnce zbiory danych staj si podsta-wowymi zasobami (core assets) w gospodarce, wspierajcymi rozwj nowych bran, procesw oraz produktw. Jednoczenie wedug niej innowacje oparte na wykorzystaniu danych (data-driven innovation) tworz kluczowy filar wzrostu gospodarczego w XXI wieku

[25].

Biorc pod uwag powysze kwestie, gwnym celem niniejszego rozdziau jest analiza moliwoci, wyzwa i ogranicze zwizanych z zastosowaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodar-cze w kontekcie wykorzystywania przez nie rosncych iloci danych genero-wanych wewntrznie, ale przede wszystkim tych pojawiajcych si w ich oto-czeniu zewntrznym.

1 1 EB = 1 trylion danych.

2 1 ZB = 1000 EB.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

7

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

Rozdzia 1

ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ

Wstp

Nieustannie ronie ilo globalnie dostpnych danych. Jeszcze w roku 1986 na wiecie byo ich jedynie 3 EB (eksabajty)

1, ale dwadziecia pi lat pniej

(2011) byo to ju 300 EB [3]. Wedug EMC w roku 2013 ich wielko osign-a poziom 4,4 ZB (zetabajta)

2. Jednoczenie wedug jej prognoz ilo danych

podwaja bdzie si co dwa lata, osigajc w roku 2020 wolumen 44 ZB [20]. Bardziej ostrona w prognozach jest firma konsultingowa McKinsey, przewidu-jc podwajanie si iloci danych co trzy lata. Niezalenie jednak od pewnych rnic w prognozach wyranie wida, i przyrost iloci danych na wiecie przy-bra form wykadnicz [3].

Wzrost wolumenu generowanych danych jest cile powizany z postpami w obszarze technologii informatycznych. Wkroczyy one do rzeczywistoci gospodarczej na pocztku lat 50. XX wieku [34], a celem procesw komputery-zacji, jakie zaczy wtedy mie miejsce, byo przede wszystkim usprawnienie wewntrznych procesw biznesowych i wspieranie procesw decyzyjnych. Jed-nak generowane w ich rezultacie zasoby cyfrowe zaczy z czasem stanowi warto sam w sobie [13], stajc si nowego typu paliwem napdzajcym funk-cjonowanie wspczesnych organizacji i umoliwiajcym im osiganie przewagi konkurencyjnej [30]. Wedug OECD te rosnce zbiory danych staj si podsta-wowymi zasobami (core assets) w gospodarce, wspierajcymi rozwj nowych bran, procesw oraz produktw. Jednoczenie wedug niej innowacje oparte na wykorzystaniu danych (data-driven innovation) tworz kluczowy filar wzrostu gospodarczego w XXI wieku

[25].

Biorc pod uwag powysze kwestie, gwnym celem niniejszego rozdziau jest analiza moliwoci, wyzwa i ogranicze zwizanych z zastosowaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodar-cze w kontekcie wykorzystywania przez nie rosncych iloci danych genero-wanych wewntrznie, ale przede wszystkim tych pojawiajcych si w ich oto-czeniu zewntrznym.

1 1 EB = 1 trylion danych.

2 1 ZB = 1000 EB.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

7

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

Rozdzia 1

ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ

Wstp

Nieustannie ronie ilo globalnie dostpnych danych. Jeszcze w roku 1986 na wiecie byo ich jedynie 3 EB (eksabajty)1, ale dwadziecia pi lat pniej (2011) byo to ju 300 EB [3]. Wedug EMC w roku 2013 ich wielko osign-a poziom 4,4 ZB (zetabajta)2. Jednoczenie wedug jej prognoz ilo danych podwaja bdzie si co dwa lata, osigajc w roku 2020 wolumen 44 ZB [20]. Bardziej ostrona w prognozach jest firma konsultingowa McKinsey, przewidu-jc podwajanie si iloci danych co trzy lata. Niezalenie jednak od pewnych rnic w prognozach wyranie wida, i przyrost iloci danych na wiecie przy-bra form wykadnicz [3].

Wzrost wolumenu generowanych danych jest cile powizany z postpami w obszarze technologii informatycznych. Wkroczyy one do rzeczywistoci gospodarczej na pocztku lat 50. XX wieku [34], a celem procesw komputery-zacji, jakie zaczy wtedy mie miejsce, byo przede wszystkim usprawnienie wewntrznych procesw biznesowych i wspieranie procesw decyzyjnych. Jed-nak generowane w ich rezultacie zasoby cyfrowe zaczy z czasem stanowi warto sam w sobie [13], stajc si nowego typu paliwem napdzajcym funk-cjonowanie wspczesnych organizacji i umoliwiajcym im osiganie przewagi konkurencyjnej [30]. Wedug OECD te rosnce zbiory danych staj si podsta-wowymi zasobami (core assets) w gospodarce, wspierajcymi rozwj nowych bran, procesw oraz produktw. Jednoczenie wedug niej innowacje oparte na wykorzystaniu danych (data-driven innovation) tworz kluczowy filar wzrostu gospodarczego w XXI wieku [25].

Biorc pod uwag powysze kwestie, gwnym celem niniejszego rozdziau jest analiza moliwoci, wyzwa i ogranicze zwizanych z zastosowaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodar-cze w kontekcie wykorzystywania przez nie rosncych iloci danych genero-wanych wewntrznie, ale przede wszystkim tych pojawiajcych si w ich oto-czeniu zewntrznym.

1 1 EB = 1 trylion danych. 2 1 ZB = 1000 EB.

6

we wspczesnej rzeczywistoci gospodarczej. Skada si ona z jedenastu roz-dziaw. Pierwszy z nich powicony jest analityce biznesowej i jej rosncej roli w gospodarce. Jego gwnym celem jest analiza moliwoci, wyzwa i ograni-cze zwizanych z wykorzystaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodarcze w kontekcie wykorzystywania przez nie lawinowo rosncych zbiorw danych. Z kolei rozdzia drugi prezentuje moli-woci wykorzystania nowoczesnych technologii informatycznych w rnych gaziach transportu. Jego istotnym elementem jest analiza rozwiza stosowa-nych przy wdraaniu elementw Inteligentnych Systemw Transportowych. Rozdzia kolejny powicony jest narzdziom Computer Vision i moliwociom ich wykorzystania w przedsibiorstwach. Jego istotn czci jest przyblienie aktualnie rozwijanych zastosowa wizyjnych technik komputerowych oraz pre-zentacja ich potencjau aplikacyjnego. Z kolei rozdzia czwarty powicony jest koncepcji zarzdzania usugami IT (ITSM). W tym kontekcie podjta zostaa prba identyfikacji powodw, barier, korzyci oraz kluczowych czynnikw wdroenia teje koncepcji w maych przedsibiorstwach sektora oprogramowa-nia na polskim rynku. Rozdzia pity koncentruje si z kolei na kwestiach wpywu postpu w obszarze technologii informatycznych na rozwj nowych form oszustw. Jego istotnym elementem jest analiza metod stosowanych przez przestpcw w sferze usug sieciowych oraz telekomunikacyjnych, a take fi-nansowych oraz parabankowych. Dwa kolejne rozdziay powicone s zagad-nieniom zwizanym z marketingiem. Pierwszy z nich wprowadza czytelnika w podstawowe pojcia i zagadnienia zwizane z e-marketingiem i pokazuje jego znaczenie dla przedsibiorstw. Z kolei rozdzia nastpny koncentruje si na dynamicznie rozwijajcym si w ostatnich latach segmencie marketingu zwi-zanego z rosnc popularnoci urzdze mobilnych. W tym kontekcie prezen-towane s podstawowe uwarunkowania wpywajce na rozwj koncepcji marke-tingu mobilnego. Z dwoma poprzednimi rozdziaami powizany jest kolejny, smy. Powicony jest on moliwociom, jakie wyaniaj si przed gospodar-stwami domowymi w kontekcie rozwoju i rosncej dostpnoci usug elektro-nicznych. Rwnie na kwestiach rynkowych koncentruje si nastpny rozdzia. Jest on prb ukazania wpywu technologii informatycznych na preferencje popytowe w obszarze krtkookresowego prywatnego najmu mieszkaniowego. Z kolei zagadnieniom prawnym powicony jest rozdzia przedostatni. Koncen-truje si on na analizie wybranych zagadnie dotyczcych zawierania umw z wykorzystaniem Internetu. Rozdzia ostatni jest powicony kwestiom zagro-e zwizanych z wykorzystaniem technologii informatycznych w rodowisku pracy organizacji. W jego ramach Autorki podjy prb rozpoznania zauwaal-nych symptomw oddziaywania wiata niebieskiego, generowanego przez ekrany komputerowe i wywietlacze urzdze mobilnych, na organizm czowie-ka bdcego ich uytkownikiem.

7

JANUSZ WIELKI Katedra E-biznesu i Gospodarki Elektronicznej

Wydzia Ekonomii i Zarzdzania Politechnika Opolska

Rozdzia 1

ANALITYKA BIZNESOWA I JEJ WPYW NA WSPCZESN RZECZYWISTO GOSPODARCZ

Wstp

Nieustannie ronie ilo globalnie dostpnych danych. Jeszcze w roku 1986 na wiecie byo ich jedynie 3 EB (eksabajty)1, ale dwadziecia pi lat pniej (2011) byo to ju 300 EB [3]. Wedug EMC w roku 2013 ich wielko osign-a poziom 4,4 ZB (zetabajta)2. Jednoczenie wedug jej prognoz ilo danych podwaja bdzie si co dwa lata, osigajc w roku 2020 wolumen 44 ZB [20]. Bardziej ostrona w prognozach jest firma konsultingowa McKinsey, przewidu-jc podwajanie si iloci danych co trzy lata. Niezalenie jednak od pewnych rnic w prognozach wyranie wida, i przyrost iloci danych na wiecie przy-bra form wykadnicz [3].

Wzrost wolumenu generowanych danych jest cile powizany z postpami w obszarze technologii informatycznych. Wkroczyy one do rzeczywistoci gospodarczej na pocztku lat 50. XX wieku [34], a celem procesw komputery-zacji, jakie zaczy wtedy mie miejsce, byo przede wszystkim usprawnienie wewntrznych procesw biznesowych i wspieranie procesw decyzyjnych. Jed-nak generowane w ich rezultacie zasoby cyfrowe zaczy z czasem stanowi warto sam w sobie [13], stajc si nowego typu paliwem napdzajcym funk-cjonowanie wspczesnych organizacji i umoliwiajcym im osiganie przewagi konkurencyjnej [30]. Wedug OECD te rosnce zbiory danych staj si podsta-wowymi zasobami (core assets) w gospodarce, wspierajcymi rozwj nowych bran, procesw oraz produktw. Jednoczenie wedug niej innowacje oparte na wykorzystaniu danych (data-driven innovation) tworz kluczowy filar wzrostu gospodarczego w XXI wieku [25].

Biorc pod uwag powysze kwestie, gwnym celem niniejszego rozdziau jest analiza moliwoci, wyzwa i ogranicze zwizanych z zastosowaniem zaawansowanej analityki biznesowej przez wspczesne organizacje gospodar-cze w kontekcie wykorzystywania przez nie rosncych iloci danych genero-wanych wewntrznie, ale przede wszystkim tych pojawiajcych si w ich oto-czeniu zewntrznym.

1 1 EB = 1 trylion danych. 2 1 ZB = 1000 EB.

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku

3. Wtedy to pojawiy si

pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Analityki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku

3. Wtedy to pojawiy si

pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Analityki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku3. Wtedy to pojawiy si pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Anali tyki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku3. Wtedy to pojawiy si pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Anali tyki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku

3. Wtedy to pojawiy si

pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Analityki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

9

Druga faza rozwoju analityki biznesowej, Analityka 2.0 (Analytics 2.0), to era Big Data. Jej pocztki dostrzec mona ju w poowie pierwszej dekady XXI wieku, kiedy to firmy takie, jak Google czy eBay zaczynaj gromadzi i anali-zowa nowego typu dane [7]. Rnice pomidzy Analityk 1.0 i 2.0 pokazuje tabela 1.

Samo pojcie Big Data pojawio si i zaczo by szerzej uywane w oko-licach roku 2010 [7]. Wedug NewVantage Partners jest ono terminem uywa-nym, aby opisa ,,zbiory danych tak due, tak zoone lub wymagajce tak szybkiego przetwarzania (okrelane jest to czasem problemem Ilo/Rno-rodno/Prdko), i staj si one trudne lub wrcz niemoliwe do przetwarza-nia z uyciem standardowych systemw zarzdzania bazami danych lub narz-dzi analitycznych [38]. Ze wzgldu na brak moliwoci przetwarzania olbrzy-mich iloci gwnie nieustrukturyzowanych danych

4 przy pomocy tradycyjnych

systemw niezbdne stao si signicie po nowego typu rozwizania analitycz-ne czy te nowej klasy bazy danych. Jednoczenie coraz wicej danych zaczo by przechowywanych w systemach chmurowych, a od analitykw zaczto oczekiwa nowego typu kompetencji [7].

Trzecia faza rozwoju analityki biznesowej to okres pojawiania si ofert wzbogaconych danymi (data-enriched offerings). Dotyczy to takich aspek-tw jak np. przyciganie klientw do witryn internetowych poprzez lepsze algo-rytmy wyszukiwania, oferowanie zaawansowanych systemw rekomendacji zakupowych czy te precyzyjnie adresowane przekazy reklamowe. A wszystkie te rozwizania oparte s na analizie olbrzymich zbiorw danych. Wedug Davenporta faza Analityki 3.0 (Analythics 3.0) rozpocza si w momencie, kiedy inne due organizacje z rnych bran, a nie tylko firmy informacyjne (information firms) czy internetowe, zaczy poda tym nurtem, tj. tworzy produkty i usugi na bazie analizy gromadzonych przez siebie danych [7].

Jednoczenie w kontekcie analityki biznesowej i jej wykorzystania przez organizacje gospodarcze wskaza mona kilka jej zasadniczych typw i rnych moliwoci, jakie one oferuj. Wedug klasyfikacji Davenporta wyrni mona jej trzy rodzaje, tj. analityk opisow (decprictive), predykcyjn (predic-tive) oraz preskrypcyjn (prescriptive) [12]. Zadaniem pierwszej z nich jest odpowied na pytanie Co si wydarzyo? [23]. W jej ramach realizowane s takie dziaania jak gromadzenie danych, ich organizowanie i tworzenie ich ze-stawie tabelarycznych oraz ich prezentacja po to, aby w rezultacie przedstawi charakterystyk zjawiska bdcego przedmiotem bada. Ten typ analizy histo-rycznie by okrelany mianem raportowania [12].

Zadaniem drugiego typu analityki jest odpowied na pytanie Co si wyda-rzy? [23]. Nie ogranicza si ona wycznie do opisu charakterystyki danych oraz relacji pomidzy zmiennymi. W jej ramach analiza danych z przeszoci i pewne 4 Dane ustrukturyzowane to takie, ktre s dobrze zorganizowane (tak jak np. w arkuszu

kalkulacyjnym), a tym samym atwe do identyfikacji i wykorzystania przez algorytmy anali-tyczne. Natomiast dane nieustrukturyzowane to dane, takie jak np. pliki audio, mniej zorga-nizowane, a tym samym trudniejsze do wykorzystania przez tego typu algorytmy [19].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku

3. Wtedy to pojawiy si

pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Analityki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

9

Druga faza rozwoju analityki biznesowej, Analityka 2.0 (Analytics 2.0), to era Big Data. Jej pocztki dostrzec mona ju w poowie pierwszej dekady XXI wieku, kiedy to firmy takie, jak Google czy eBay zaczynaj gromadzi i anali-zowa nowego typu dane [7]. Rnice pomidzy Analityk 1.0 i 2.0 pokazuje tabela 1.

Samo pojcie Big Data pojawio si i zaczo by szerzej uywane w oko-licach roku 2010 [7]. Wedug NewVantage Partners jest ono terminem uywa-nym, aby opisa ,,zbiory danych tak due, tak zoone lub wymagajce tak szybkiego przetwarzania (okrelane jest to czasem problemem Ilo/Rno-rodno/Prdko), i staj si one trudne lub wrcz niemoliwe do przetwarza-nia z uyciem standardowych systemw zarzdzania bazami danych lub narz-dzi analitycznych [38]. Ze wzgldu na brak moliwoci przetwarzania olbrzy-mich iloci gwnie nieustrukturyzowanych danych

4 przy pomocy tradycyjnych

systemw niezbdne stao si signicie po nowego typu rozwizania analitycz-ne czy te nowej klasy bazy danych. Jednoczenie coraz wicej danych zaczo by przechowywanych w systemach chmurowych, a od analitykw zaczto oczekiwa nowego typu kompetencji [7].

Trzecia faza rozwoju analityki biznesowej to okres pojawiania si ofert wzbogaconych danymi (data-enriched offerings). Dotyczy to takich aspek-tw jak np. przyciganie klientw do witryn internetowych poprzez lepsze algo-rytmy wyszukiwania, oferowanie zaawansowanych systemw rekomendacji zakupowych czy te precyzyjnie adresowane przekazy reklamowe. A wszystkie te rozwizania oparte s na analizie olbrzymich zbiorw danych. Wedug Davenporta faza Analityki 3.0 (Analythics 3.0) rozpocza si w momencie, kiedy inne due organizacje z rnych bran, a nie tylko firmy informacyjne (information firms) czy internetowe, zaczy poda tym nurtem, tj. tworzy produkty i usugi na bazie analizy gromadzonych przez siebie danych [7].

Jednoczenie w kontekcie analityki biznesowej i jej wykorzystania przez organizacje gospodarcze wskaza mona kilka jej zasadniczych typw i rnych moliwoci, jakie one oferuj. Wedug klasyfikacji Davenporta wyrni mona jej trzy rodzaje, tj. analityk opisow (decprictive), predykcyjn (predic-tive) oraz preskrypcyjn (prescriptive) [12]. Zadaniem pierwszej z nich jest odpowied na pytanie Co si wydarzyo? [23]. W jej ramach realizowane s takie dziaania jak gromadzenie danych, ich organizowanie i tworzenie ich ze-stawie tabelarycznych oraz ich prezentacja po to, aby w rezultacie przedstawi charakterystyk zjawiska bdcego przedmiotem bada. Ten typ analizy histo-rycznie by okrelany mianem raportowania [12].

Zadaniem drugiego typu analityki jest odpowied na pytanie Co si wyda-rzy? [23]. Nie ogranicza si ona wycznie do opisu charakterystyki danych oraz relacji pomidzy zmiennymi. W jej ramach analiza danych z przeszoci i pewne 4 Dane ustrukturyzowane to takie, ktre s dobrze zorganizowane (tak jak np. w arkuszu

kalkulacyjnym), a tym samym atwe do identyfikacji i wykorzystania przez algorytmy anali-tyczne. Natomiast dane nieustrukturyzowane to dane, takie jak np. pliki audio, mniej zorga-nizowane, a tym samym trudniejsze do wykorzystania przez tego typu algorytmy [19].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku3. Wtedy to pojawiy si pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Anali tyki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

9

Druga faza rozwoju analityki biznesowej, Analityka 2 .0 (Analytics 2.0), to era Big Data. Jej pocztki dostrzec mona ju w poowie pierwszej dekady XXI wieku, kiedy to firmy takie, jak Google czy eBay zaczynaj gromadzi i anali-zowa nowego typu dane [7]. Rnice pomidzy Analityk 1.0 i 2.0 pokazuje tabela 1.

Samo pojcie Big Data pojawio si i zaczo by szerzej uywane w oko-licach roku 2010 [7]. Wedug NewVantage Partners jest ono terminem uywa-nym, aby opisa ,,zbiory danych tak due, tak zoone lub wymagajce tak szybkiego przetwarzania (okrelane jest to czasem problemem Ilo/Rno-rodno/Prdko), i staj si one trudne lub wrcz niemoliwe do przetwarza-nia z uyciem standardowych systemw zarzdzania bazami danych lub narz-dzi analitycznych [38]. Ze wzgldu na brak moliwoci przetwarzania olbrzy-mich iloci gwnie nieustrukturyzowanych danych4 przy pomocy tradycyjnych systemw niezbdne stao si signicie po nowego typu rozwizania analitycz-ne czy te nowej klasy bazy danych. Jednoczenie coraz wicej danych zaczo by przechowywanych w systemach chmurowych, a od analitykw zaczto oczekiwa nowego typu kompetencji [7].

Trzecia faza rozwoju analityki biznesowej to okres pojawiania si ofert wzbogaconych danymi (data-enriched offerings). Dotyczy to takich aspek-tw jak np. przyciganie klientw do witryn internetowych poprzez lepsze algo-rytmy wyszukiwania, oferowanie zaawansowanych systemw rekomendacji zakupowych czy te precyzyjnie adresowane przekazy reklamowe. A wszystkie te rozwizania oparte s na analizie olbrzymich zbiorw danych. Wedug Davenporta faza Anali tyki 3.0 (Analythics 3.0) rozpocza si w momencie, kiedy inne due organizacje z rnych bran, a nie tylko firmy informacyjne (information firms) czy internetowe, zaczy poda tym nurtem, tj. tworzy produkty i usugi na bazie analizy gromadzonych przez siebie danych [7].

Jednoczenie w kontekcie analityki biznesowej i jej wykorzystania przez organizacje gospodarcze wskaza mona kilka jej zasadniczych typw i rnych moliwoci, jakie one oferuj. Wedug klasyfikacji Davenporta wyrni mona jej trzy rodzaje, tj. analityk opisow (decprictive), predykcyjn (predic-tive) oraz preskrypcyjn (prescriptive) [12]. Zadaniem pierwszej z nich jest odpowied na pytanie Co si wydarzyo? [23]. W jej ramach realizowane s takie dziaania jak gromadzenie danych, ich organizowanie i tworzenie ich ze-stawie tabelarycznych oraz ich prezentacja po to, aby w rezultacie przedstawi charakterystyk zjawiska bdcego przedmiotem bada. Ten typ analizy histo-rycznie by okrelany mianem raportowania [12].

Zadaniem drugiego typu analityki jest odpowied na pytanie Co si wyda-rzy? [23]. Nie ogranicza si ona wycznie do opisu charakterystyki danych oraz relacji pomidzy zmiennymi. W jej ramach analiza danych z przeszoci i pewne 4 Dane ustrukturyzowane to takie, ktre s dobrze zorganizowane (tak jak np. w arkuszu kalkulacyjnym), a tym samym atwe do identyfikacji i wykorzystania przez algorytmy anali-tyczne. Natomiast dane nieustrukturyzowane to dane, takie jak np. pliki audio, mniej zorga-nizowane, a tym samym trudniejsze do wykorzystania przez tego typu algorytmy [19].

8

1. Pojcie analityki biznesowej, fazy jej rozwoju oraz jej rodzaje

Jeli chodzi o samo pojcie analityki biznesowej, to rozumie j naley jako zakrojone na szerok skal wykorzystanie danych, analizy statystycznej i ilo-ciowej, modeli objaniajcych i predykcyjnych oraz opartego na faktach zarz-dzania w celu stymulowania tak procesw decyzyjnych jak i podejmowania okrelonych dziaa [10]. Mimo i jej rozwj kojarzy si przede wszystkim z pojawieniem takich zjawisk jak Big Data, to jednak jej korzenie sigaj o wie-le wczeniejszego okresu, tj. poowy lat 50. XX wieku3. Wtedy to pojawiy si pierwsze narzdzia umoliwiajce generowanie i wychwytywanie wikszej iloci informacji oraz rozpoznawania pewnych wzorcw w sposb o wiele szyb-szy ni byoby to moliwe z wykorzystaniem jedynie umysu ludzkiego.

Generalnie rzecz biorc, wykorzystanie analityki mona, wedug Davenpor-ta, podzieli na dwa okresy, tj. okres przed pojawieniem si zjawiska Big Data (before Big Data BBD) oraz ten po jego ujawnieniu si (after Big Data ABD). Jednoczenie wyrnia on trzy zasadnicze fazy jej rozwoju. Pierwsza z nich, okrelana mianem Anali tyki 1.0 (Analytics 1.0), to era rozwoju sys-temw business intelligence [7], przypadajca na lata 90. XX wieku [4].

Tabela 1.

Analityka fazy Big Data a tradycyjna analityka biznesowa

Analityka fazy Big Data Analityka tradycyjna

Typ danych Formaty nieustrukturyzowane

Sformatowane w wierszach i kolumnach

Wielko zbiorw danych

100 terabajtw do petabajtw

Dziesitki terabajtw lub mniej

Wpyw danych Stay wpyw danych Statyczne zasoby danych

Metody analizy danych Uczenie maszynowe Oparte na hipotezach Podstawowy cel Produkty oparte na danych Wewntrzne wsparcie

procesu decyzyjnego oraz usug

rdo: opracowanie wasne na podstawie [8].

Termin ten oznacza infrastruktur zbudowan w oparciu o hurtowni danych umoliwiajc integrowanie, raportowanie oraz analiz danych pochodzcych ze rodowiska biznesowego organizacji. W jej ramach wykorzystywane s narz-dzia i techniki dajce moliwo analizy i rozumienia danych [22]. Cech cha-rakterystyczn tego okresu rozwoju analityki biznesowej byo to, i analitycy spdzali wikszo czasu na przygotowywaniu danych, a stosunkowo niewiele na samej ich analizie [7].

3 W roku 1954 UPS powoa do ycia zesp analityczny (analytics group) [8].

9

Druga faza rozwoju analityki biznesowej, Analityka 2 .0 (Analytics 2.0), to era Big Data. Jej pocztki dostrzec mona ju w poowie pierwszej dekady XXI wieku, kiedy to firmy takie, jak Google czy eBay zaczynaj gromadzi i anali-zowa nowego typu dane [7]. Rnice pomidzy Analityk 1.0 i 2.0 pokazuje tabela 1.

Samo pojcie Big Data pojawio si i zaczo by szerzej uywane w oko-licach roku 2010 [7]. Wedug NewVantage Partners jest ono terminem uywa-nym, aby opisa ,,zbiory danych tak due, tak zoone lub wymagajce tak szybkiego przetwarzania (okrelane jest to czasem problemem Ilo/Rno-rodno/Prdko), i staj si one trudne lub wrcz niemoliwe do przetwarza-nia z uyciem standardowych systemw zarzdzania bazami danych lub narz-dzi analitycznych [38]. Ze wzgldu na brak moliwoci przetwarzania olbrzy-mich iloci gwnie nieustrukturyzowanych danych4 przy pomocy tradycyjnych systemw niezbdne stao si signicie po nowego typu rozwizania analitycz-ne czy te nowej klasy bazy danych. Jednoczenie coraz wicej danych zaczo by przechowywanych w systemach chmurowych, a od analitykw zaczto oczekiwa nowego typu kompetencji [7].

Trzecia faza rozwoju analityki biznesowej to okres pojawiania si ofert wzbogaconych danymi (data-enriched offerings). Dotyczy to takich aspek-tw jak np. przyciganie klientw do witryn internetowych poprzez lepsze algo-rytmy wyszukiwania, oferowanie zaawansowanych systemw rekomendacji zakupowych czy te precyzyjnie adresowane przekazy reklamowe. A wszystkie te rozwizania oparte s na analizie olbrzymich zbiorw danych. Wedug Davenporta faza Anali tyki 3.0 (Analythics 3.0) rozpocza si w momencie, kiedy inne due organizacje z rnych bran, a nie tylko firmy informacyjne (information firms) czy internetowe, zaczy poda tym nurtem, tj. tworzy produkty i usugi na bazie analizy gromadzonych przez siebie danych [7].

Jednoczenie w kontekcie analityki biznesowej i jej wykorzystania przez organizacje gospodarcze wskaza mona kilka jej zasadniczych typw i rnych moliwoci, jakie one oferuj. Wedug klasyfikacji Davenporta wyrni mona jej trzy rodzaje, tj. analityk opisow (decprictive), predykcyjn (predic-tive) oraz preskrypcyjn (prescriptive) [12]. Zadaniem pierwszej z nich jest odpowied na pytanie Co si wydarzyo? [23]. W jej ramach realizowane s takie dziaania jak gromadzenie danych, ich organizowanie i tworzenie ich ze-stawie tabelarycznych oraz ich prezentacja po to, aby w rezultacie przedstawi charakterystyk zjawiska bdcego przedmiotem bada. Ten typ analizy histo-rycznie by okrelany mianem raportowania [12].

Zadaniem drugiego typu analityki jest odpowied na pytanie Co si wyda-rzy? [23]. Nie ogranicza si ona wycznie do opisu charakterystyki danych oraz relacji pomidzy zmiennymi. W jej ramach analiza danych z przeszoci i pewne 4 Dane ustrukturyzowane to takie, ktre s dobrze zorganizowane (tak jak np. w arkuszu kalkulacyjnym), a tym samym atwe do identyfikacji i wykorzystania przez algorytmy anali-tyczne. Natomiast dane nieustrukturyzowane to dane, takie jak np. pliki audio, mniej zorga-nizowane, a tym samym trudniejsze do wykorzystania przez tego typu algorytmy [19].

10

wzorce z nich wynikajce wykorzystywane s do przewidywania przyszoci [12].

Zadaniem analityki preskrypcyjnej natomiast jest odpowied na pytanie Co naley zrobi? [23]. W jej ramach wykorzystywane s zaawansowane techniki analityczne, aby moliwe byo sformuowanie okrelonych zalece czy te re-komendacji, jeli chodzi o kierunki dziaa, jakie naleaoby podj.

Gartener uzupenia powysz typologi o jeszcze jeden rodzaj analityki a mianowicie analityk diagnostyczn (diagnostic), a jej zadaniem jest odpo-wied na pytanie Dlaczego tak si wydarzyo? [17], [23] (rys. 1).

Kompleksowo

Analityka predykcyjna(Co si wydarzy?)

Analityka diagnostyczna(Dlaczego tak si wydarzyo?)

Analityka opisowa(Co si wydarzyo?)

Warto

Analityka preskrypcyjna(Co naley zrobi?)

rdo: opracowanie wasne na podstawie [23].

Rys. 1. Rodzaje analityki biznesowej

Udzia czterech powyej omawianych rodzajw analityk w procesach decy-zyjnych przedstawia rys. 2.

10

wzorce z nich wynikajce wykorzystywane s do przewidywania przyszoci [12].

Zadaniem analityki preskrypcyjnej natomiast jest odpowied na pytanie Co naley zrobi? [23]. W jej ramach wykorzystywane s zaawansowane techniki analityczne, aby moliwe byo sformuowanie okrelonych zalece czy te re-komendacji, jeli chodzi o kierunki dziaa, jakie naleaoby podj.

Gartener uzupenia powysz typologi o jeszcze jeden rodzaj analityki a mianowicie analityk diagnostyczn (diagnostic), a jej zadaniem jest odpo-wied na pytanie Dlaczego tak si wydarzyo? [17], [23] (rys. 1).

Kompleksowo

Analityka predykcyjna(Co si wydarzy?)

Analityka diagnostyczna(Dlaczego tak si wydarzyo?)

Analityka opisowa(Co si wydarzyo?)

Warto

Analityka preskrypcyjna(Co naley zrobi?)

rdo: opracowanie wasne na podstawie [23].

Rys. 1. Rodzaje analityki biznesowej

Udzia czterech powyej omawianych rodzajw analityk w procesach decy-zyjnych przedstawia rys. 2.

10

wzorce z nich wynikajce wykorzystywane s do przewidywania przyszoci [12].

Zadaniem analityki preskrypcyjnej natomiast jest odpowied na pytanie Co naley zrobi? [23]. W jej ramach wykorzystywane s zaawansowane techniki analityczne, aby moliwe byo sformuowanie okrelonych zalece czy te re-komendacji, jeli chodzi o kierunki dziaa, jakie naleaoby podj.

Gartener uzupenia powysz typologi o jeszcze jeden rodzaj analityki a mianowicie analityk diagnostyczn (diagnostic), a jej zadaniem jest odpo-wied na pytanie Dlaczego tak si wydarzyo? [17], [23] (rys. 1).

Kompleksowo

Analityka predykcyjna(Co si wydarzy?)

Analityka diagnostyczna(Dlaczego tak si wydarzyo?)

Analityka opisowa(Co si wydarzyo?)

Warto

Analityka preskrypcyjna(Co naley zrobi?)

rdo: opracowanie wasne na podstawie [23].

Rys. 1. Rodzaje analityki biznesowej