Logisztikai Híradó Logisztika_2018_3_jun_kicsi - Page 42

40 Szakértőink tollából BIG DATA ÉS ELEMZÉS – RÖVID TÖRTÉNETEK AZ ÜZLETI VILÁGBÓL A data science eszközeivel üzleti sikert kovácsolhatnak mindazok, akik komolyan veszik a benne rejlő lehetőségeket és élnek is mindezzel – előbb, mint a versenytársaik. Ilyen sztorikat osztunk meg a kedves olvasóval a következő hasábokon. Azok a vállalkozá- sok, amelyek ­valóban előnyre kívánnak szert tenni a náluk fel­ hal­mo­zó­dó adatok elemzéséből, mindent megtesznek azért, hogy vevőikkel, be­ Hegedüs Sándor szál­lí­tóik­kal kapcsola- tos tranzakcióik min- den jellemző mozzanatát adatbázisokba rögzítsék. Az olyan méretű vállalatok, mint például az Amazon vagy éppen McDonald’s, világméretű kereskedelmi láncaikon keresz- tül nagy mennyiségű adatot tárolnak és ele- meznek. Ezek az adatbázisok folyamatosan, online módon növekednek, az ilyen adathal- mazokra mondja ma a szakma, hogy „big da- ta”. Ezen adatbázisok az adott üzlettel össze- függő több ezer változót (jellemzőt) és több milliárd esetet rögzítenek tranzakció szinten. A tervezett vagy már megvalósított pro- jektek száma rendkívül magas, az interneten is fellelhető leírásokból néhány érdekes big data elemzési példát mutatunk be a követ- kezőkben. Vásárlói véleménykutatás, véleményelemzés A közösségi felületeken folyó, vagy a termék visszajelzési oldalakon keresztül rögzített be- szélgetések, vélemények, megjegyzések mil- liói kerülnek rögzítésre. Ezek az információk rendkívül fontosak a cégek számára azért, hogy elemezve ezeket, megértsék, a vevőik mit gondolnak szolgáltatásaikról, termékeik- ről, hogy mitől lesznek elégedettek, valamint azért is, hogy mit is kell tenniük ahhoz, hogy jobbak legyenek versenytársaiknál. A már rendelkezésre álló big data elem- zési eszközök lehetővé teszik, hogy szinte azonnal reagáljanak a cégek bármilyen po- zitív vagy negatív megjegyzésre. Az adatok segítenek abban, hogy terméket és szolgál- tatást fejlesszenek úgy, hogy az a vevő szá- mára a legnagyobb hasznot hozza. Az amerikai Delta Airlines folyamatosan nyomon követi utasai Twitter bejegyzéseit, ke- resve pozitív vagy negatív élményeit, kritikáit. Amennyiben utasuk elégedetlen és erről posz- tol hírt (például járat késésről, vagy csatlako- zó járatól lemaradt csomagról), a rendszer azonnal értesítést küld a Support részlegének. Az adatok alapján azonosítják és meg \\Z]\Z]pY^]^\H[] [dHޝ0[pYY\ް]1dHYY[Z[0ZޝHYY1d]H\ޘBKH\ޝ\[[^\\ZH0휝0[Z›ZX]8$ZZ힘[Y[Y[[^[Z^]\˜XYڰ[Z[1dZ\]0\]8$^[\0\0]HB0Y]0\\Yޚ]0]YY]0[0\] ^[Y\ZZHXXx&\\\Y1d[0[XKBX][qlZH]dZ\d[HY\[pZZܘKBޙ^۰[\0\Z1dY0\H휰ܙKHYYZ[B]YHYYݰ\\\pZZ0\ޚ[\K[[ܰYpZZܘK۝ZZH[KBY^Y0\\Hۘ]ްY]] ^[[KBdH[ޙ\X[X][p\H0\ް]HBힰYH[ZۈYYڙ[[dKYY\\pKBZ^\]0ޚ]0]YHY]0][KBp[YZ]^\ H0Z]1d\YZ]0\ۂ[HX\][ް[p\H0\[1d\Z[\YۂYH^YY\p\Z\]0[][]1dKB[^[[^\\Yp[YZ[Z[\ޛ[0\KB[HXXx&\YYٙ[[1dH\pZZ[0\[[YH\[HH]dZ0\Z1dY0\]H\\0\B[Zpܰ[Z[YY[pY0[[Y\\\0\ܘH܈\ ]dZH\[Y0\[[^\Hޙ\^]Z  KXH[[^HH[[^\ܙB[0]dZHY]^\]^\ HYYB\Y\\H]dZH\[Y0\[ZYٛ۝BX[ޙ]0ܝY] ^[Hpޙ\[[Z]Y\H]dZH\[Y0\H[[Z[\ B[[1d\H[^KHYKYYH]dHܰXB\\0\ZK\[Y0\H[\[ZH\ވHB]^dK\]00\0\HH\\0\ܰ[HXۘ[8&\0혘Z[ ^\[ZH0B]0X[ HZ[p]d]ޛ[H LNܜްYB[\H ̈Z[p]dZH[Zp^[\Z[[p\\ؙ[ H[X\\\0Z\][0Yޙ\K0]\]][H^Z[Bܙ[ZHY][ Z[p\0\HˈBXۘ[8&\Y]H[[^\\ޛ[[Z°\ZX[HH\ޛ[0\Hޚ[][Y[H0\™ޛHYH]dZH[0YY]Y] ^[[^\B[ޙ\8$0혘Zힰ8$H\Zް\HY1d] B][\ޝY[] HYYܙ[[0\Z0ޙKB0][0] Z[0Z][[^[H^\ H^\KBp^YY\0]\YZX[[X[^[HYK]d\ޙYY[0XpH]dHYYޙ\\YZ[Z[Y[Y0KB][[]۝H[H[[ް\œް[p\H^HX\][ppڝZ[