چکیده:
امروزه شرکتها حجم بیسابقهای از دادهها را در مورد مشتریها، فروش و محصولات را جمعآوری میکنند. در اکثر این موارد این اطلاعات بسیار زیاد هستند و از ظرفیت پردازش موجود در سازمانها پیشی گرفتهاند، علاوه بر این کلان دادهها به مفاهیم تحلیلی و ابزارهای کمکی توانمندی نیاز دارند تا با شرایط امروزی تطبیق کنند. در این مقاله به تاثیر کلان دادهها بر روی هوش تجاری پرداخته میشود. کلان دادهها تحولی در علم دادهها به وجود آورده که به دنبال آن ضرورت تحول در سیستمهای هوش تجاری را همراه دارد. در واقع تجزیه و تحلیل کلان دادهها بهعنوان یک تکنولوژی مخرب باعث تغییر شکل هوش تجاری شده است که خود یک پشتوانه متکی بر تجزیهوتحلیلهای داده در به دست آوردن بینش کسبوکار برای تصمیمگیری بهتر است
Today, Companies collect an unprecedented amount of data on customers, sales and products.
In most of these cases, this information is very large and have exceeded the processing capacity of organizations.
in addition Big Data requires Analytical concepts and auxiliary capability tools until to adopt to today’s
conditions. In this paper we discuss the impact of Big data on Business Intelligence. Big data have created a
transformation in data science, which leads to the need for evolution in Business Intelligence systems. in fact, the
analysis of Big data as a malicious technology has led to the transformation of business intelligence, which itself
is a backbone based on data analysis in obtaining business insights for better decision making.
خلاصه ماشینی:
در واقع تجزیه و تحلیل کلان دادهها بهعنوان یک تکنولوژی مخرب باعث تغییر شکل هوش تجاری شده است که خود یک پشتوانه متکی بر تجزیهوتحلیلهای داده در به دست آوردن بینش کسبوکار برای تصمیمگیری بهتر است.
درواقع افزایش روز افزون دادهها سبب شده تا سیستم های سنتی هوش تجاری جهت تحلیل این نوع داده که به اصطلاح کلان دادهها نامیده میشود، تغییراتی در فرایند و ابزارهای تحلیلی خود ایجاد کنند.
به عبارت دیگر تجزیهوتحلیل کلان دادهها میتواند به صورت زیر ارائه شود: Information Communication Technology (ICT) Operating research (OR) Machine Learning (ML) Decision Sciences for Big Data Big Data Analytics=Big Data Descriptive Analytics+Big Data Predective Analytics+Big Data Prescriptive Analytics میتوان + را همان and در نظر گرفت معادله بالا در شکل شماره 3 به خوبی نشان داده شده است.
Prescriptive Business Intelligence Harward dressner Getting Data in Getting Data out Data Warehouse (به تصویر صفحه مراجعه شود) شکل 4- چرخه کار هوش تجاری در سازمان (slice of BI) به طور کلی برای پیاده سازی هوش تجاری کلاسیک در یک سازمان مراحل زیر طی میشود: 1-شناسایی منابع داده: این منابع که اکثراً دادههای علمیاتی یک سازمان هستند (OLTP) ساختاری رابطه ای و جدول مانند دارند.
Extract, Transform,Load Information System Data Mining Text Mining Web Mining هوش تجاری نه تنها بهعنوان یک تکنولوژی مهم برای پیشرفت کسب و کار در نظر گرفته شده، بلکه انگیزه ای شده است برای توسعه ی e-commerce، e-service (توربان وولونبنو، 2011).