Цифровая технология Big Data в транспортной логистике

Заказать уникальный реферат
Тип работы: Реферат
Предмет: Информационные технологии
  • 19 19 страниц
  • 13 + 13 источников
  • Добавлена 08.01.2022
299 руб.
  • Содержание
  • Часть работы
  • Список литературы
  • Вопросы/Ответы
Содержание


Введение 3
1. Анализ теоретических аспектов использования технологий больших данных в логистических компаниях 5
1.1. Основные направления использования больших данных в деятельности компаний 5
1.2. Использование BigData в деятельности транспортных компаний 6
2.Программная реализация систем больших данных 11
Заключение 17
Список использованных источников 19

Фрагмент для ознакомления

Специфика работы с большим данными в области продаж может искажаться за счет множества внешних факторов, включающих:политические (например, принятие решений о повышении или выплате пособий может приводить к разовому всплеску спроса на категории товаров, являющихся предметом интереса для их получателей);экономические (колебания курсов валют могут приводить к изменению стоимости товаров от иностранных производителей и к снижению спроса на них);форс-мажорные обстоятельства (например, фактор пандемии искажает параметры спроса на определенные товары и результаты анализа покупок в условиях пандемии будет значительно отличаться от аналогичного результата в условиях ее отсутствия);фактор сезонности (колебания спроса на сезонные категории товаров).Технологические риски использования систем больших данных могут быть связаны с вероятными ошибками в алгоритмах обработки информации, что приводит к принятию ошибочных стратегий при разработке маркетинговых акций.Риски, связанные с квалификацией персонала. Область знаний в области аналитики данных в настоящее время является развивающейся и на рынке труда наблюдается дефицит специалистов, имеющих профиль подготовки по указанному профилю. Таким образом, при недостаточном уровне компетенций сотрудник в рамках проведения анализа может совершать ошибки при определении ключевых показателей, настройке фильтрации, определении критериев лишней информации, присутствующей в исследуемом массиве.ЗаключениеВ рамках данной работы проведен анализ использования систем больших данных в деятельности логистических компаний. В рамках проведенного анализа предметной области было показано, что использование больших данных в работе транспортных компаний, портовой инфраструктуры, операторов перевозки морского транспорта обеспечивает возможности повышения эффективности обслуживания заказов за счет сокращения времени ожидания в очереди, повышения эффективности использования складских площадей, сокращения времени простоев оборудования, обеспечения эффективности при взаимодействии с контрагентами.Решены следующие задачи:- анализ теоретических аспектов использования систем BigData, алгоритмов обработки информации;- анализ областей использования больших данных в логистических компаниях;- анализ бизнес-процессов транспортных компаний, предполагающих использование систем больших данных;- выбор программных решений для автоматизации работы транспортных компаний с использованием технологий BigData;- анализ аппаратного обеспечения, используемого для работы систем больших данных в логистических компаниях.В рамках проведенного анализа технологий больших данных было показано, что составляющими ИТ-инфраструктуры систем больших данных являются:- аппаратные решения (серверы и хранилища данных, системы бесперебойного питания);- базы данных;- программные решения, проводящие обработку информации.Таким образом, при внедрении систем больших данных необходимо проводить оценку требуемых вычислительных ресурсов, обеспечивать совместимость с ИТ-инфраструктурой, а также возможности получения отчетности, содержащей комплекс необходимых аналитических данных.Список использованных источниковИспользование технологий анализа больших данных. [Электронный ресурс]. Режим доступа: https://vc.ru/marketing/78946-big-data-v-marketinge-6-variantov-primeneniyaСистема аналитики Exponea. Описание. [Электронный ресурс]. Режим доступа: https://exponea.com/ru/product/capabilities/predictionsBI-платформа «Триафлай». Описание. [Электронный ресурс]. Режим доступа: https://triafly.ruСистема хранения данных ЕМС. [Электронный ресурс]. Режим доступа: http://www.advanserv.ru/!upload/c931-emc-centera-cas-ds.pdfЭлектропитание серверов и серверного оборудования. [Электронный ресурс]. Режим доступа: http://compress.ru/post/20150707-ups-review-5-online-modelsБелобородова Н. А. Информационная безопасность и защита информации: учебное пособие / Н. А. Белобородова; Минобрнауки России, Федеральное гос. бюджетное образовательное учреждение высш. проф. образования "Ухтинский гос. технический ун-т" (УГТУ). - Ухта : УГТУ, 2016. - 69 с.Кондратьев А. В. Администрирование корпоративных сетей: [учебное пособие] / А. В. Кондратьев. - Москва: Горячая линия - Телеком, 2016. - 304 с. Рожнов, А.В. Обработка больших данных.М.: Юнити-Дана, 2015 - 345с.Хлебников А.А. Информационные технологии в маркетнге: Учебник / А.А. Хлебников. - М.: КноРус, 2014. - 472 c.Черемных С.В., Семенов И.О., Ручкин В.С. Основы маркетинга. – М.: «Финансы и статистика», 2018. – 192 с.Черников, Б.В. Информационные технологии управления: Учебник. - М.: ИД ФОРУМ, НИЦ ИНФРА-М, 2013. - 368 c.Головкова А. С. Информационные системы управления взаимоотношениями с клиентами: учебное пособие / А. С. Головкова. - Белгород : Изд-во Белгородского университета кооперации, экономики и права, 2015. - 96 с. Дьяконова Л. И., Стешин А. И. Управление комплексом маркетинга на основе CRM-технологий : учебное пособие / Л. И. Дьяконова, А. И. Стешин. - Санкт-Петербург : Балтийский государственный технический университет, 2015. – 72с.

Список использованных источников

1. Использование технологий анализа больших данных. [Электронный ресурс]. Режим доступа: https://vc.ru/marketing/78946-big-data-v-marketinge-6-variantov-primeneniya
2. Система аналитики Exponea. Описание. [Электронный ресурс]. Режим доступа: https://exponea.com/ru/product/capabilities/predictions
3. BI-платформа «Триафлай». Описание. [Электронный ресурс]. Режим доступа: https://triafly.ru
4. Система хранения данных ЕМС. [Электронный ресурс]. Режим доступа: http://www.advanserv.ru/!upload/c931-emc-centera-cas-ds.pdf
5. Электропитание серверов и серверного оборудования. [Электронный ресурс]. Режим доступа: http://compress.ru/post/20150707-ups-review-5-online-models
6. Белобородова Н. А. Информационная безопасность и защита информации: учебное пособие / Н. А. Белобородова; Минобрнауки России, Федеральное гос. бюджетное образовательное учреждение высш. проф. образования "Ухтинский гос. технический ун-т" (УГТУ). - Ухта : УГТУ, 2016. - 69 с.
7. Кондратьев А. В. Администрирование корпоративных сетей: [учебное пособие] / А. В. Кондратьев. - Москва: Горячая линия - Телеком, 2016. - 304 с.
8. Рожнов, А.В. Обработка больших данных. М.: Юнити-Дана, 2015 - 345с.
9. Хлебников А.А. Информационные технологии в маркетнге: Учебник / А.А. Хлебников. - М.: КноРус, 2014. - 472 c.
10. Черемных С.В., Семенов И.О., Ручкин В.С. Основы маркетинга. – М.: «Финансы и статистика», 2018. – 192 с.
11. Черников, Б.В. Информационные технологии управления: Учебник. - М.: ИД ФОРУМ, НИЦ ИНФРА-М, 2013. - 368 c.
12. Головкова А. С. Информационные системы управления взаимоотношениями с клиентами: учебное пособие / А. С. Головкова. - Белгород : Изд-во Белгородского университета кооперации, экономики и права, 2015. - 96 с.
13. Дьяконова Л. И., Стешин А. И. Управление комплексом маркетинга на основе CRM-технологий : учебное пособие / Л. И. Дьяконова, А. И. Стешин. - Санкт-Петербург : Балтийский государственный технический университет, 2015. – 72с.


Вопрос-ответ:

Какие технологии больших данных применяются в логистических компаниях?

В логистических компаниях применяются различные технологии больших данных, такие как анализ данных, машинное обучение, искусственный интеллект и другие. Они позволяют улучшить процессы управления цепями поставок, оптимизировать маршруты доставки, предсказывать спрос на товары и т.д.

Какие направления использования больших данных в деятельности компаний можно выделить?

Основные направления использования больших данных в деятельности компаний включают оптимизацию процессов, улучшение качества принимаемых решений, предсказание поведения клиентов и рыночных тенденций, автоматизацию задач и другие.

Как транспортные компании могут использовать Big Data в своей деятельности?

Транспортные компании могут использовать Big Data для оптимизации маршрутов доставки, управления запасами, прогнозирования спроса на транспортные услуги, анализа поведения клиентов, обработки больших объемов данных и других задач.

Какие программные системы используются для реализации систем больших данных?

Для реализации систем больших данных в логистических компаниях часто используются программные системы, такие как Hadoop, Apache Spark, Apache Kafka, Cassandra и другие. Эти системы позволяют обрабатывать большие объемы данных, анализировать их и строить прогнозы.

Какие факторы могут искажать специфику работы с большими данными в области продаж?

Специфика работы с большими данными в области продаж может быть искажена различными факторами, такими как изменение потребительского спроса, конкуренция на рынке, экономические и политические изменения и другие внешние факторы, которые могут влиять на данные и их интерпретацию.

Какие основные направления использования больших данных в деятельности логистических компаний?

Основные направления использования больших данных в деятельности логистических компаний включают оптимизацию маршрутов и планирования доставки, улучшение управления запасами, прогнозирование спроса и анализ клиентского поведения.

Как транспортные компании используют Big Data в своей деятельности?

Транспортные компании используют Big Data для оптимизации маршрутов и планирования доставки, улучшения управления запасами, прогнозирования спроса и анализа клиентского поведения, а также для повышения эффективности и снижения затрат на обслуживание.

Каковы особенности программной реализации систем больших данных?

Основные особенности программной реализации систем больших данных включают использование специализированных инструментов и технологий для обработки и анализа больших объемов данных, таких как Hadoop, Spark, Apache Kafka, а также разработку алгоритмов и моделей машинного обучения для извлечения ценной информации из больших данных.

Какие могут быть искажения в анализе больших данных в области продаж?

Анализ больших данных в области продаж может быть искажен из-за множества внешних факторов, таких как изменение трендов, внезапные события, конкуренция и другие переменные, которые могут повлиять на поведение клиентов и спрос на товары.