Wyniki wyszukiwania - BazTech

1

Studium przypadku: struktura wiedzy w badaniach rynku stali

Hyunjoung Lee, Il Sohn

Napędy i Sterowanie

|

2020

|

R. 22, nr 2

68--73

PL

W życiu codziennym zajmujemy się danymi na większą i na mniejszą skalę. Z perspektywy państw ważne są wartości produktu krajowego i wzrost ekonomiczny, a dla firm najistotniejsze są wyniki sprzedaży. Pracownicy naukowi analizują dane i wyniki badań, a studenci używają swoich ocen jako danych, które pozwalają im wstępować na uniwersytety. Z tego punktu widzenia nie ma nikogo, kto by nie miał do czynienia z żadnymi danymi.

2

Omówienie analizy sieciowej

Hyunjoung Lee, Il Sohn

Napędy i Sterowanie

|

2020

|

R. 22, nr 2

63--67

PL

Pomimo że tradycyjne badania opierają się na niezależności aktorów, w analizie sieciowej zakłada się, że aktorzy są nawzajem od siebie zależni. Zgodnie z tym założeniem celem analizy sieciowej jest ilościowy pomiar regularnie występujących wzorców. W analizie sieciowej zakłada się, że działania aktorów nie są ani niezależne, ani autonomiczne, ale wzajemnie się determinują, a relacja między aktorami pełni rolę kanału, którym przepływają lub są przesyłane zasoby (materialne lub niematerialne). Ponadto różnica w porównaniu z tradycyjnymi metodami badawczymi polega na tym, że pozycja gracza w grupie może ograniczać jego działania, a z drugiej strony tworzy środowisko, w którym mogą występować zdarzenia zbieżne. Innymi słowy, aktorzy są wzajemnie zależni, zasoby znajdują się w obiegu poprzez relacje i powstaje sieć społeczna, ale działania mogą być różne w zależności od pozycji aktora w grupie. Dlatego też, nawet jeśli punktem wyjścia analizy jest w gruncie rzeczy pojedynczy aktor, w rzeczywistości obejmuje ona nie tylko aktora, ale również grupy i relacje między tymi grupami a aktorem.

3

Podstawowe programy do analizy sieci

Hyunjoung Lee

Napędy i Sterowanie

|

2019

|

R. 21, nr 2

70--77

PL

Tradycyjna analiza danych koncentruje się na atrybutach aktora. Ponieważ jednak zachowanie aktora nie zawsze jest niezależne, konieczna jest obserwacja aktorów z perspektywy ich związków z siecią. Jest takie tradycyjne koreańskie powiedzenie, zawarte w księdze Myungshimbogam1, które w polskiej wersji brzmi: „Pokaż mi swoich przyjaciół, a powiem ci, kim jesteś”. Przytaczamy te słowa, aby zmienić punkt widzenia z atrybutów jednego aktora na sieć. Analizę Big Data z tej perspektywy można przeprowadzać za pomocą dostępnych na rynku programów do analizy sieci. Omawiamy kilka najpopularniejszych z nich, w tym UCINET (University of California Irvine NETwork), NetMiner, R, Gephi i NodeXL. UNICET i NetMiner to kompleksowe programy, w którym można stosować różne techniki analizy sieci. NodeXL oraz R to oprogramowanie do obliczeń statystycznych, natomiast Gephi służy głównie do wizualizacji. Podstawową analizę i wizualizację danych w NodeXL, można wykonać, wprowadzając dane o sieci za pomocą szablonu Excela.

4

Dlaczego Big Data?

Hyunjoung Lee

Napędy i Sterowanie

|

2019

|

R. 21, nr 2

62--69

PL

Ilość danych jest ogromna i cały czas rośnie w szalonym tempie. Jednocześnie przybywa danych zbędnych, a wykonanie bardziej efektywnej, rzetelnej analizy wymaga ich przefiltrowania i usunięcia. Umiejętność wyodrębniania ze zbiorów danych prawidłowych i przydatnych informacji staje się czymś nieodzownym. Dzięki analizie Big Data przedsiębiorstwo zyskuje możliwość oddzielenia „ziarna od plew” i poszerzenia swojej początkowo dość wąskiej perspektywy. Istotą Big Data nie jest objętość (ilość) danych, szybkość ich przepływu ani różnorodność, lecz poszerzenie horyzontów myślowych oraz inne spojrzenie na dane. Chcesz zobaczyć cały las? To nie wychodź z niego, ale wespnij się na szczyt góry. Podobnie rzeczy mają się z Big Data. Szukasz istotnych informacji? Wzbij się niczym ptak w przestworza, a im wyżej się wniesiesz, tym szersze będzie twoje pole widzenia. Aby zobaczyć z zewnątrz to, czego się nie da uchwycić, pozostając wewnątrz, potrzebny jest punkt widzenia obejmujący cały las. I tutaj właśnie wkracza Big Data.