7. Podatkovna analitika i BigData · 2017. 10. 15. · Poslovna analitika –pojam i podjela Poslovna analitika je primjena podatkovne analitike u poslovanju. Podatkovna analitika

SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU

7. Podatkovna analitika i BigData

MARIJANA ZEKIĆ-SUŠAC

1

Što ćete naučiti u ovom poglavlju?▪ Objasniti osnovne pojmove: podatkovna analitika, poslovna analitika, Big Data, IoT

▪ Objasniti podjelu podatkovne analitike

▪ Nabrojati metode koje se koriste u podatkovnoj analitici

▪ Objasniti što je Big Data koncept

▪ Objasniti od kojih se dijelova sastoji BigData platforma

▪ Objasniti što je IoT i navesti primjere uporabe

2

Poslovna analitika – pojam i podjelaPoslovna analitika je primjena podatkovne analitike u poslovanju.

Podatkovna analitika osim same analize podataka podrazumijeva i sve faze upravljanjapodacima koje prethode analizi, kao što su prikupljanje, čišćenje, organiziranje, pohrana i izvješćivanje o rezultatima, a dijeli se na:

▪ deskriptivnu,

▪ dijagnostičku,

▪ prediktivnu i

▪ preskriptivnu analitiku.

Deskriptivna analitika uglavnom koristi jednostavne statističke metode koji opisujujednu varijablu i njezinu raspodjelu, npr. učestalosti pojavljivanja, udjele, prosječnevrijednosti, ili smjer kretanja troškova, prihoda, profita i sl.,

Dijagnostička analitika fokusira se na traženje uzroka događaja koji su se pojavili u prošlosti i traži odgovore na pitanja zbog čega se nešto pojavilo. Primjerice, zbog čegajedna od prodavaonica ima učestalo manji promet od ostalih? Dijagnostička analitika se provodi na višedimenzionalnim podacima s pomoću OLAP analiza i sličnih metoda.

3

Prediktivna i preskriptivna analitikaPrediktivna analitika ima za cilj odrediti vrijednost nekog obilježja(varijable) koja će se vjerojatno pojaviti u budućnosti.

◦ Ona istražuje snagu i smjer veza, trendove, uzorke i izuzetke, aproksimira funkcije, kako bi se kreirali modeli koji se mogu koristiti u prediktivne svrhe. Primjeriproblema koji se rješavaju metodama prediktivne analitike su predviđanjeprodaje, predviđanje sutrašnje cijene dionice, predviđanje rasta poduzeća, ali isegmentiranje kupaca prema vjerojatnosti buduće kupnje nekog proizvoda, razvrstavanje tražitelja kredita prema vjerojatnosti urednog vraćanja kredita islično. Za ovu analitiku koriste se osim statističkih metoda za modeliranje i metode strojnog učenja.

Preskriptivna analitika koristi rezultate deskriptivne i prediktivne analitike, na temelju njih sugerira i usmjerava aktivnosti koje će dovesti do željenihrezultata.

U analitičkim alatima raspoloživim za analizu aktivnosti korisnika na web sjedištu tvrtke (kao npr. Google Analytics) najčešće se koriste metodedeskriptivne analitike, dok dijagnostička, prediktivna i preskriptivnaanalitika postaju sve značajnije na transakcijskim bazama ili skladištimapodataka te u okviru Big Data platformi pri čemu omogućuju stvaranjeznanja iz raspoloživih podataka.

4

Alati za poslovnu analitikuPrema istraživanju Gartner (2017) Među popularnijim alatima za poslovnu analitiku na tržištu su danas:

▪ IBM Watson Analytics

▪ Microsoft Cortana Business Intelligence Suite (uključivši i Azure Machine Learning)

▪ Alteryx

▪ Tableau (fokusiran na vizualizaciju podataka)

▪ Amazon poslovna analitika

▪I drugi.

5

6

Slika. Prediktivna analitika na transakcijskim bazama i u okviru Big Data platforme (Izvor: Zekić-Sušac, Has, 2016)

Big Data

Big Data - pojam koji obuhvaća velike skupove podataka i alate za njihovo dohvaćanje, pretraživanje i djelomično i obradu.

Koristi Internet kao resurs za prikupljanje podataka (npr. Metorološki podaci, klimatske promjene, potrošnja energije, log datoteke o ponašanju korisnika na web sjedištima, npr. Web shop-ovima i dr. dostupni podaci)

Na globalnim razmjerima količine podataka koje se mogu prikupiti putem Interneta su ogromne, pa se razvijaju resursi koji će te podatke moći pohranjivati, pretraživati i obrađivati.

Video o Big Data: http://www.sas.com/en_us/insights/big-data/what-is-big-data.html (SAS, 2016)

9 - 7

Izvor: http://www.fusionss.com/big-data.html

http://www.sas.com/en_us/insights/big-data/what-is-big-data.html

Big Data

Ima 4 glavne karakteristike (popularne kao „4Vs of Big Data”):

Volume - velike količine podataka (procjenjuje se da će oko 400 zetabajta (ili 43 triliona gigabajta) podataka biti kreirano do 2020. godine)

Velocity – brzina pohrane i dostupnosti podataka, streaming, brze veze

Variety – raznovrsni multimedijalni podaci (iz tvrtki, sa društvenih mreža, domova, javnih ustanova i dr.)

Verocity – neizvjesnost podataka (težnja ka istinitosti). U BigData konceptu se različitim algoritmima provjerava konzistentnog podataka, te se nastoji smanjiti količina netočnih podataka

9 - 8

9 - 9

Izvor: IBM BigData Hub, http://www.fusionss.com/big-data.html, 2016

http://www.fusionss.com/big-data.html

Internet stvari - Internet of things (IoT)IoT = mreža fizičkih objekata ili stvari u koje je ugrađena elektronika, programi, senzori i mrežna povezanost koja omogućuje stvarima prikupljanje i razmjenu podataka, ali i udaljeno kontroliranje stvari kroz postojeću mrežnu infrastrukturu (Wikipedia, 2015).

M. ZEKIĆ-SUŠAC, KOMUNIKACIJE I MREŽE 8 - 10

Izvor: ICT Business, 2016.

Zašto IoT?

S pomoću IoT-a omogućuje se veća povezanost između fizičkog svijeta i računala, a s ciljem povećanja učinkovitosti, smanjenja troškova i vremena.

Pojam IoT predložio je 1999. britanski poduzetnik Kevin Ashton (tvrtka Audio.-ID Labs). Međutim, temelje IoT-a postavili su Nikola Tesla (bežična tehnologija), Alan Turing (umjetna inteligencija), Mark Weiser (sveprisutno (eng. ubiquitous) računalstvo) i drugi.

Riječ „stvari” u pojmu „Internet stvari” odnosi se na različite uređaje iz raznih područja, npr. kućanske uređaje, strojeve na farmama, uređaje za nadzor, medicinske uređaje (npr. implantate), automobile i ostala vozila i dr.


„Kada bismo imali računala koja znaju sve što se može znati o stvarima - koristeći podatke koje su prikupili bez naše pomoći - mogli bi pratiti i brojati sve, i uvelike smanjiti gubitke i troškove. Znali bi kada stvari treba popraviti, zamijeniti ili reciklirati, i slično. Internet svari ima potencijal za promijeniti svijet poput Interneta, možda čak i više.” (Kevin Ashton)

Načini povezivanja u IoT

1. Ljudi s uređajima

2. Uređaji s uređajima

3. Ljudi međusobno„Stvari” mogu komunicirati putem:- bežičnih tehnologija (Wi-Fi, RFID, NFC, Bluetooth Low Energy (BLE), i dr.)- „low cost” optičkim tagiranjem (npr. s pomoću QR koda)- Internet mreže (spajajući se na „oblake” s podacima, BIG DATA centre)

Kako bi prikupljali podatke iz okoline koji su važni za poduzimanje aktivnosti, stvari su opremljene senzorima, kamerama i drugim uređajima i programima.


Izvor: ICT Business, 2016.

Globalna mreža IoTU početku je zamišljeno da se stvari međusobno identificiraju pomoću RFID koda, ali se danas prelazi na identifikaciju s pomoću IP adrese ili URI (Uniform Resource Identifier).

S obzirom na količinu uređaja u svijetu, prelazi se na IPv6 način zapisa IP adresa (128-bitni) koji omogućava ogromne količine i skalabilnost idenfikacije.

IoT omogućava povezivanje na više razina i bolje upravljanje u područjima:

- pametne kuće,

- pametni gradovi i naselja,

- pametni okoliš,

- pametna industrija,

- pametni planet (svijet)

Europska Unija potiče razvoj inovacija u području IoT-a projektima i osnivanjem Vijeća za inovacije IoT-a.

Video materijal EU: What is Internet of Things

https://ec.europa.eu/digital-agenda/en/internet-things


https://ec.europa.eu/digital-agenda/en/internet-things

Trendovi razvoja IoT-a


Izvor: Wikipedia, 2016.

Uporaba IoTTri glavna područja uporabe IoT-a:

1. poduzeća (enterprise),

2. kućanstva (home) i osobna uporaba (personal)

3. javna uprava (government)

Trenutno je najzastupljenije poslovno područje - Enterprise Internet of Things (EIoT).

Stvarima se najčešće upravlja putem mobilnih ili web aplikacija.

Smatra se da će do 2019, EIoT sektor obuhvaćati oko 40% uređaja u svijetu ili 9,1 milijardi uređaja.


Primjeri uporabe IoT


Izvor: Postscapes, 2016.

OSOBNA UPORABA

Praćenje zdravlja ili stanja beba ili starijih i bolesnih osoba

Podsjetnici za uzimanje lijekova ili drugi podsjetnici

Praćenja tjelesne aktivnosti


KUĆANSTVA – Pametne kuće

Upravljanje sustavom grijanja (npr. pametni Nest termostat: http://allthingsd.com/20111025/a-gadget-for-the-home-learns-by-degrees/ )

Upravljanje kućanskim aparatima, npr. pećnica, hladnjak, klima, TV i dr.

Pronalaženje izgubljenih stvari, i dr.


http://allthingsd.com/20111025/a-gadget-for-the-home-learns-by-degrees/

Primjeri uporabe IoTJAVNA UPRAVA – Gradovi i regije

Upravljanje komunalnim aktivnostima,

Navigacija za pronalaženje parkinga,

Upozorenja o zagađenju okoliša i dr.



INDUSTRIJA

Učinkovitije korištenje energije

Učinkovitije upravljanje strojevima

Razmjena informacija o inovacijama i dr.


Literatura▪ G. Klepac, L. Mršić, Poslovna inteligencija kroz poslovne slučajeve, Lider, Tim Press, Zagreb, 2006.

▪ Ž. Panian, G. Klepac, Poslovna inteligencija, Masmedia, Zagreb, 2003.

▪ V.Čerić, M., Varga, Informacijska tehnologija u poslovanju, Element, Zagreb, 2004., poglavlja 13-16.

▪ T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Data Mining, Inference, and Prediction, Springer, Second Edition, 2013.

▪ F. Provost, T. Fawcett, Data Science for Business, What You Need to Know about Data Mining and Data-Analytic Thinking, O'Reilly Media, 2013.

▪ Cha, B., A Beginners Guide to Understanding the Internet of Things,http://recode.net/2015/01/15/a-beginners-guide-to-understanding-the-internet-of-things/,11.12.2016.

▪ ICT Business, INFOGRAFIKA: Što je to Internet stvari (Internet of Things)?, http://www.ictbusiness.info/vijesti/infografika-sto-je-to-internet-stvari-internet-of-things, 11.12.2016.

▪ Postscapes, Internet of Things Examples, http://postscapes.com/internet-of-things-examples/, 11.12.2016.

▪ Zekić-Sušac, M., Has, A., Predictive analytics in Big Data platforms – comparison and strategies, MIPRO BIS 2016, Opatija, Hrvatska

21

http://recode.net/2015/01/15/a-beginners-guide-to-understanding-the-internet-of-things/http://www.ictbusiness.info/vijesti/infografika-sto-je-to-internet-stvari-internet-of-thingshttp://postscapes.com/internet-of-things-examples/

Literatura - web izvori▪Gartner, Business Intelligence (BI), http://www.gartner.com/it-glossary/business-intelligence-bi/, 11.10.2017.

▪ J. Heinze, Business Intelligence vs. Business Analytics: What’s The Difference?, https://www.betterbuys.com/bi/business-intelligence-vs-business-analytics/, 10.10.2017.

▪SAS, Big Data Analytics, https://www.sas.com/en_us/insights/analytics/big-data-analytics.html, 10.10.2016.

▪ Skladistenje.com, http://www.skladistenje.com/, 11.10.2017.

▪IBM, BigData Hub, http://www.fusionss.com/big-data.html, (pristupljeno 20.01.2016).

22
http://www.gartner.com/it-glossary/business-intelligence-bi/https://www.betterbuys.com/bi/business-intelligence-vs-business-analytics/https://www.sas.com/en_us/insights/analytics/big-data-analytics.htmlhttp://www.skladistenje.com/http://www.fusionss.com/big-data.html

Documents

7. Podatkovna analitika i BigData · 2017. 10. 15. · Poslovna analitika –pojam i podjela Poslovna analitika je primjena podatkovne analitike u poslovanju. Podatkovna analitika