Методологія ефективного застосування технологій Big Data та Data Mining як важлива антикризова складова комплексної політики
DOI:
https://doi.org/10.31499/2616-5236.3(6).2018.156317Ключові слова:
антикризова політика, логістична компанія, оптимізація, data mining, big dataАнотація
Мета дослідження. Мета даної статті ділиться на два, послідовних і суміжних етапи: а) розробка та налаштування комплексної політики оптимізації логістичного бізнесу як невідʼємної частини антикризових заходів з урахуванням вітчизняної національної специфіки транспортної галузі в умовах сучасної системної політичної та макроекономічної кризи; б) розгляд важливості оптимізації управління інформацією логістичної компанії (як важливого компонента в рамках розробленої антикризової політики оптимізації). Методологія. Особлива увага приділяється оптимізації інформаційного менеджменту логістичної компанії (8-й і 9-й етапи в рамках вищезгаданої політики оптимізації логістичного бізнесу) з використанням інноваційних технологій Big Data і Data Mining. Результати. В статті, з урахуванням національної специфіки, галузевої специфіки транспортної галузі та з урахуванням поточної політико-макроекономічної кризи, викладені результати досліджень щодо розробки та конфігурування комплексної політики оптимізації логістичного бізнесу, як невід’ємної складової антикризових заходів. Враховуючи обрану авторами спеціальність (Математичні методи, моделі та інформаційні технології в економіці), в рамках якої здійснюється наукове дослідження, особлива увага приділяється оптимізації інформаційного менеджменту логістичної компанії (VIII та IX етапи в рамках вищезгаданої політики оптимізації логістичного бізнесу) з використанням інноваційних технологій Big Data і Data Mining. Зокрема, досліджено практичний досвід функціональних завдань та алгоритмічне забезпечення використання технологій Big Data та Data Mining міжнародними логістичними компаніями, визначено проблемні питання та надані відповідні рекомендації для вітчизняних логістичних компаній. Розроблена методологія сценарно-гібридного ефективного використання технологій Big Data та Data Mining в рамках адаптивної логістичної інформаційної системи. Практичне значення. Отримані результати є актуальними та прикладними не тільки для локальних логістичних компаній, але і для міжнародного застосування в умовах прогнозованих глобальних макроекономічних та поточних національних кризових явищ. Перспективи подальших досліджень. Перспектива подальших розробок підтверджує, що одержані результати будуть використаны авторами при розробці адаптивної логістичної інформаційної системи для вітчизняних компаній, а рукопис проектно-конструкторських рішень вже подано для розгляду та публікації.
Посилання
Abraham, P., Saravana, V. and Thangaiah P. (2011), “Data Mining Analytics to Minimize Logistics Cost”, International Journal of Advances in Science and Technology, vol. 2, no. 3, pp. 89–107, available at: https://www.researchgate.net/publication/233857554_Data_Mining_Analytics_to_Minimize_Logistics_Cost (Accessed 10 August 2018).
Bange, C., Grosser, T. and Janoschek, N. (2013), Big Data Survey Europe, BARC, February 2013, p. 17, available at: https://docplayer.net/1637014-Big-data-survey-europe.html (Accessed 06 August 2018).
Brandau, A. and Tolujevs, J. (2013), “Modelling and analysis of logistical state data”, Transport and Telecommunication Journal, vol. 14, no. 2, pp. 102–115. doi: https://doi.org/10.2478/ttj-2013-0009.
Handfield, R., Straube, F., Pfohl, H.-C. and Wieland, A. (2013), Trends and strategies in logistics and supply chain management, BVL International, available at: https://www.bvl.de/en/dossiers/tus (Accessed 07 August 2018)
He, W. (2013), “An inventory controlled supply Chain model based on improved BP neural network”, Discrete Dynamics in Nature and Society, vol. 2013, Article ID 537675, 7 p., http://dx.doi.org/10.1155/2013/537675
Hrashchenko, I. and Krasniuk, S. (2015), “Problems of regional development of Ukraine under globaliation process”, Visnyk Mizhnarodnoho humanitarnoho universytetu. Seriia: Ekonomika i menedzhment, no. 11, pp. 26-32.
Krasnyuk, M. T. (2006), “Problems of applying corporate knowledge management systems and their taxonomy”, Modeliuvannia ta informatsiini systemy v ekonomitsi, vol. 73, p. 256.
Krasnyuk, M. T. and Kustarovskiy, O. D. (2017a), “Research, adaptation of methods and perfection of models of financial analysis of enterprises of transport industry in the current crisis conditions of Ukraine”, Modeliuvannia ta inform. systemy v ekonomitsi, vol. 93, pp. 175–195.
Krasnyuk, M. T. and Kustarovskiy, O. D. (2017b), “The problems are the prospect of developing Ukrainian logistical and informational systems in the global economy and the macroeconomic crises of emergencies”, Investytsii: praktyka ta dosvid, no. 10, pp. 34–39.
Krasnyuk, M. T. and Kustarovskiy, O. D. (2017c), “The development of the concept and set of practical measures of anti-crisis logistics management in the current Ukraine conditions”, Management theory & practice, no. 19 (1), рр. 31-38.
Krasnyuk, M. T., Herashchenko, I. S. and Kustarovskiy, O. D. (2018), “Improvement of the economic and mathematical modeling of the results of implementation of individual elements of the adaptive anti-crisis policy of the transport industry companies of Ukraine”, Naukovyi visnyk Uzhhorodskoho universytetu Seriia “Ekonomika”, vol. 1 (51), pp. 205–211.
Lee, D.-H., Jeng, S.-T. and Chandrasekar, P. (2004), “Applying data mining techniques for traffic incident analysis”, Journal of The Institution of Engineers, vol. 44, no. 2, pp. 90–101.
Myrovaia lohystyka: poniatye, tendentsyy, statystyka (2018), World logistics: concept, trends, statistics, OOO “ANRYK SPb”, available at: http://anric.ru/news/mirovaya_logistika_ponyatie_tendencii_statistika.html (Accessed 20 August 2018).
Rahman, F. A., Desa, M. I. and Wibowo, A. (2011), “A review of KDD-Data Mining framework and its application in logistics and transportation”, The 7th International Conference on Networked Computing and Advanced Information Management, Gyeongju, South Korea, 21-23 June 2011, pp. 175–180.
Rahman, F. A., Desa, M. I., Wibowo, A. and Haris, N. A. (2014), “Knowledge Discovery Database (KDD)-Data Mining Application in Transportation”, Proceeding of International Conference on Electrical Engineering, Computer Science and Informatics (EECSI 2014), Yogyakarta, Indonesia, 20-21 August 2014, pp. 116–119.
Shekhar, S. (2011), “Transportation Data Mining vision challenges”, available at: http://www-users.cs.umn.edu/~shekhar/talk/2011/2011_trb.pdf (Accessed 01 August 2018)
Sinn, M. (2012), “Accurate Sales forecasting with predictive analytics”, Conference Talk on “Big Data & Analytics Kongress”, Cologne, available at: http://www.youtube.com/watch?v=hAE2Mui5lRA (Accessed 05 August 2018).
SupplayChain247 (2013), “Big data in logistics: A DHL perspective on how to move beyond the hype”. available at: https://www.supplychain247.com/paper/big_data_in_logistics_a_dhl_perspective_on_how_to_move_beyond_the_hype (Accessed 05 August 2018).
Цей твір ліцензовано на умовах Ліцензії Creative Commons Із Зазначенням Авторства — Некомерційна 4.0 Міжнародна CC BY-NC 4.0).
This is an open access journal and all published articles are licensed under a Creative Commons “Attribution-NonCommercial 4.0 International” (CC BY-NC 4.0).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Maxim T. Krasnyuk, Iryna S. Hrashchenko, Oleksandr D. Kustarovskiy, Svitlana O. Krasniuk
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
