Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/36842| Назва: | Впровадження Big Data аналітики в e-Commerce для управління поставками товарів |
| Інші назви: | Implementation of Big Data Analytics in e-Commerce for the products’ supply management |
| Автори: | Береженко, Тетяна Богданівна Berezhenko, Tetiana Bohdanivna |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Бережнко Т. Б. Впровадження Big Data аналітики в e-Commerce для управління поставками товарів : кваліфікаційна робота освітнього рівня „Магістр“ „122 – Комп’ютерні науки“ / Т. Б. Береженко. – Тернопіль : ТНТУ, 2021. – 78 с. |
| Дата публікації: | 22-гру-2021 |
| Дата подання: | 8-гру-2021 |
| Дата внесення: | 26-гру-2021 |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Науковий керівник: | Фриз, Михайло Євгенович |
| Члени комітету: | Осухівська, Галина Михайлівна |
| УДК: | 004.04 |
| Теми: | аналітика anlytics Big Data e-Commerce ланцюг поставок supply chain управління management Google Analytics Noibu |
| Короткий огляд (реферат): | Кваліфікаційна робота присвячена аналізу впровадження Big Data аналітики в e-Commerce для управління поставками товарів. В першому розділі кваліфікаційної роботи описані можливості аналітики Big Data. Висвітлено методи аналітики. Розглянуто застосування Big Data в різних областях. Проаналізовано використання аналітики Big Data в e-Commerce. В другому розділі кваліфікаційної роботи розглянуто ланцюг поставок та його аналітику в управлінні. Досліджено інструменти для аналітики Big Data в e-Commerce. В третьому розділі кваліфікаційної роботи описано узагальнення результатів впливу аналітики Big Data на e-Commerce. Проаналізовано застосування Google Analytics та Noibu. Об’єкт дослідження: e-Commerce проект. Предмет дослідження: вплив аналітики Big Data на e-Commerce зі сторони постачальника та кінцевого користувача. Thesis is devoted to the analysis of the implementation of Big Data analytics in e-Commerce for the products’ supply management. The first section of the qualification work describes the possibilities of Big Data analytics. Analytics methods are highlighted. The application of Big Data in different fields is considered. The use of Big Data analytics in e-Commerce is analyzed. In the second section of the qualification work, the supply chain and its analytics in management are considered. Tools for Big Data analytics in e-Commerce are investigated. The third section of the qualification work describes the generalization of the results of the impact of Big Data analytics on e-Commerce. The application of Google Analytics and Noibu is analyzed. Object of study: e-Commerce project. Subject of research: the impact of Big Data analytics on e-Commerce from the supplier and end user side. |
| Зміст: | ВСТУП 9 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ 11 1.1 Big data 11 1.2 Можливості аналітики Big data 12 1.3 Використання Big data в різних областях 12 1.3.1 Застосування аналітики Big data на виробництві 13 1.3.2 Застосування аналітики Big data у фінансах 15 1.3.3 Застосування аналітики Big data в охороні здоров’я 17 1.4 Аналітика Big data в e-Commerce 18 1.5 Висновок до першого розділу 19 2 АНАЛІЗ МЕТОДІВ ТА ІНСТРУМЕНТІВ ДЛЯ УПРАВЛІННЯ ЛАНЦЮГОМ ПОСТАВОК 20 2.1 Аналітика ланцюга поставок 20 2.1.1 Статистичний аналіз 23 2.1.2 Моделювання 25 2.1.3 Оптимізація 26 2.2 Застосування аналітики Big data в управлінні ланцюгом поставок 27 2.2.1 Аналітика Big data та управління відносинами із постачальниками 28 2.2.2 Аналітика Big data та розробка мережі ланцюга поставок 29 2.2.3 Аналітика Big data, розробка та дизайн товарів 30 2.2.4 Аналітика Big data та планування попиту 33 2.2.5 Аналітика Big data та управління закупівлями 34 2.2.6 Аналітика Big data та кастомізоване виробництво 34 2.2.7 Аналітика Big data та управління запасами 36 2.2.8 Аналітика Big data та логістика 37 2.2.9 Аналітика Big data та agile ланцюг поставок 39 2.2.10 Аналітика Big data та сталий ланцюг поставок 41 2.3 Поширені інструменти для аналітики Big data в e-Commerce 42 2.3.1 Google analytics 44 2.3.2 Hotjar 45 2.3.3 Noibu 46 2.4 Висновок до другого розділу 46 3 УЗАГАЛЬНЕННЯ РЕЗУЛЬТАТІВ ВПЛИВУ АНАЛІТИКИ BIG DATA НА E-COMMERCE 48 3.1 Застосування Google Analytics та Noibu на реальному e-Commerce проекті 48 3.2 Цінності впровадження аналітики Big data в e-Commerce 53 3.3 Вплив аналітики Big data в e-Commerce на постачальника 56 3.4 Вплив аналітики Big data в e-Commerce на досвід клієнта 57 3.5 Висновок до третього розділу 57 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 58 4.1 Створення безпечних умов праці на великих комерційних підприємствах 58 4.2 Підвищення стійкості роботи промислового підприємства у воєнний час 62 ВИСНОВКИ 68 ПЕРЕЛІК ДЖЕРЕЛ 69 ДОДАТКИ |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/36842 |
| Власник авторського права: | © Береженко Тетяна Богданівна, 2021 |
| Перелік літератури: | 1 Big Data What it is and why it matters [Електронний ресурс] – Режим доступу до ресурсу: https://www.sas.com/en_us/insights/big-data/what-is-big-data.html. 2 Saeid Sadeghi Darvazeh. Big Data Analytics and Its Applications in Supply Chain Management / Saeid Sadeghi Darvazeh, Iman Raeesi Vanani, Farzaneh Mansouri Musolu // New Trends in the Use of Artificial Intelligence for the Industry 4.0 / Saeid Sadeghi Darvazeh, Iman Raeesi Vanani, Farzaneh Mansouri Musolu., 2020. 3 Nedelcu B. About big data and its challenges and benefits in manufacturing. Database Systems Journal. 2013;4(3):10-19 4 Wang L, Alexander CA. Big data in design and manufacturing engineering. American Journal of Engineering and Applied Sciences. 2015;8(2):223M. 5 Noor A. Putting big data to work. Mechanical Engineering. 2013;135(10):32-37 6 Davenport T. The Future of the Manufacturing Workforce. Report One: Technology and the Manufacturing Workforce: An Overview. Milwaukee; 2013 7 Chick S, Netessine S, Huchzermeier A. When big data meets manufacturing. Instead Knowledge; 2014 8 Toyota Motor Corporation. Toyota’s Connected Strategy Briefing. 2016. Available from: http://newsroom.toyota. co.jp/en/detail/14129306/ 9 Cochran DS, Kinard D, Bi Z. Manufacturing system design meets big data analytics for continuous improvement. Procedia CIRP. 2016;50:647-652 10 P. Mikalef, I. O. Pappas, J. Krogstie, and M. Giannakos, ‘‘Big data analytics capabilities: A systematic literature review and research agenda,’’ Inf. Syst. e-Business Manage., vol. 16, no. 3, pp. 547–578, Aug. 2018. 11 Bean R. Just using big data isn’t enough anymore. Harvard Business Review. 2016;2:2016 12 Technavio. Global Big Data IT Spending in Financial Sector - Market Research 2015-2019. Available from: https://www.technavio.com/report/ global-big-data-it-spending-infinancial sector-marketresearch-2015-2019 13 Connors S, Courbe J, Waishampayan V. Where have you been all my life? How the financial services industry can unlock the value in Big Data. PwC Financial Services Viewpoint; 2013 14 Chen H, Chiang RH, Storey VC. Business intelligence and analytics: From big data to big impact. MIS Quarterly. 2012;36(4) 15 Wu K, Bethel E, Gu M, Leinweber D, Rübel O. A big data approach to analyzing market volatility. Algorithmic Finance. 2013;2(3-4):241-267 16 Peat M. Big data in finance. InFinance: The Magazine for Finsia Members. 2013;127(1):34 17 Barclays. Big Data: Getting to grips with a rapidly changing landscape. 2015. Available from: https://www.barclayscorporate.com/content/dam/corppublic/corporate/Documents/ insight/Big-Data-report.pdf 18 Bank D. Big Data: How it can become a differentiator. Deutsche Bank White Paper. Interactive. 2014. Available from: http://www.cib.db.com/insights-and-initiatives/flow/35187.html 19 Bort J. How the CDC is using Big Data to save you from the flu. Available from: http://www.businessinsider.com/the-cdc-is-using-big-data-to-combat flu-2012-12 20 Nambiar R, Bhardwaj R, Sethi A, Vargheese R. A look at challenges and opportunities of big data analytics in healthcare. In: 2013 IEEE international conference on Big Data. IEEE; 6 Oct 2013. pp. 17-22 21 Srinivasan U, Arunasalam B. Leveraging big data analytics to reduce healthcare costs. IT Professional. 2013;15(6):21-28 22 Groves P, Kayyali B, Knott D, Kuiken SV. The ‘Big Data’ Revolution in Healthcare: Accelerating Value and Innovation 23 Raghupathi W, Raghupathi V. Big data analytics in healthcare: Promise and potential. Health Information Science and Systems. 2014;2(1):3 24 I. Yaqoob, I. Hashem, A. Gani, S. Mokhtar, E. Ahmed, N. Anuar, and A. Vasilakos, ‘‘Big data: From beginning to future,’’ Int. J. Inf. Manage., vol. 36, no. 6, pp. 1231–1247, Dec. 2016. 25 P. Mikalef, I. O. Pappas, J. Krogstie, and M. Giannakos, ‘‘Big data analytics capabilities: A systematic literature review and research agenda,’’ Inf. Syst. e-Business Manage., vol. 16, no. 3, pp. 547–578, Aug. 2018. 26 P. Maroufkhani, R. Wagner, W. K. W. Ismail, M. B. Baroto, and M. Nourani, ‘‘Big data analytics and firm performance: A systematic review,’’ Information, vol. 10, no. 7, p. 226, 2019 27 K. Moorthi, K. Srihari, and S. Karthik, ‘‘A survey on impact of big data in E-commerce,’’ Int. J. Pure Appl. Math., vol. 116, no. 21, pp. 183–188, 2017. 28 A. Garg, R. Popli, and B. S. Sarao, ‘‘Growth of digitization and its impact on big data analytics,’’ in Proc. IOP Conf., Mater. Sci. Eng., vol. 1022, 2021, Art. no. 012083. 29 E. W. T. Ngai and F. K. T. Wat, ‘‘A literature review and classification of electronic commerce research,’’ Inf. Manage., vol. 39, no. 5, pp. 415–429, Mar. 2002. 30 B. A. Alyoubi, ‘‘The impact of big data on electronic commerce in profit organisations in Saudi Arabia,’’ Res. World Economy, vol. 10, no. 4, pp. 106–115, 2019. 31 M. Hibbeln, J. L. Jenkins, C. Schneider, J. S. Valacich, and M. Weinmann, ‘‘How is your user feeling? Inferring emotion through human-computer interaction devices,’’ MIS Quart., vol. 41, no. 1, pp. 1–21, Jan. 2017. 32 S. Akter and S. F. Wamba, ‘‘Big data analytics in E-commerce: A system atic review and agenda for future research,’’ Electron. Markets, vol. 26, no. 2, pp. 173–194, May 2016. 33 Wang G, Gunasekaran A, Ngai EW, Papadopoulos T. Big data analytics in logistics and supply chain management: Certain investigations for research and applications. International Journal of Production Economics. 2016;176:98-110 34 Souza GC. Supply chain analytics. Business Horizons. 2014;57(5):595-605 35 Dubey R, Altay N, Gunasekaran A, Blome C, Papadopoulos T, Childe SJ. Supply chain agility, adaptability and alignment: Empirical evidence from the Indian auto components industry. International Journal of Operations & Production Management. 2018;38(1):129-148 36 Gupta S, Altay N, Luo Z. Big data in humanitarian supply chain management: A review and further research directions. Ann. Oper. Res. 2017:1-21 37 Zhao R, Liu Y, Zhang N, Huang T. An optimization model for green supply chain management by using a big data analytic approach. Journal of Cleaner Production. 2017;142:1085-1097 38 Song ML, Fisher R, Wang JL, Cui LB. Environmental performance evaluation with big data: Theories and methods. Ann. Oper. Res. 2018;270(1-2):459-472 39 Fan Y, Heilig L, Voß S. Supply chain risk management in the era of big data. In: International Conference of Design, User Experience, and Usability. Cham: Springer; 2015. pp. 283-294 40 Mele FD, Musulin E, Puigjaner L. Supply chain monitoring: A statistical approach. Computer Aided Chemical Engineering. 1 Jan 2005;20:1375-1380 41 Tiwari S, Wee HM, Daryanto Y. Big data analytics in supply chain management between 2010 and 2016: Insights to industries. Computers and Industrial Engineering. 2018;115:319-330 42 Kambatla K, Kollias G, Kumar V, Grama A. Trends in big data analytics. Journal of Parallel and Distributed Computing. 2014;74(7):2561-2573 43 Ranjan R. Modeling and simulation in performance optimization of big data processing frameworks. IEEE Cloud Computing. 2014;1(4):14-19 44 Shao G, Shin SJ, Jain S. Data analytics using simulation for smart manufacturing. In: Proceedings of the Winter Simulation Conference. IEEE; 7 Dec 2014. pp. 2192-2203 45 LLamasoft. Supply chain simulation: why its time has come. 2016. LLamasoft white paper, 14/08/16. http://www.llamasoft.com/supply chain-simulation-time-come-white paper/ 46 Balaraj S. Optimization model for improving supply chain visibility. Infosys Labs Briefings. 2013;11(1):9-19 47 Which are the most popular analytics tools on the Internet? [Електронний ресурс] – Режим доступу до ресурсу: https://www.ecommerce-nation.com/analytics-tools/. 48 Slavakis K, Giannakis GB, Mateos G. Modeling and optimization for big data analytics:(statistical) learning tools for our era of data deluge. IEEE Signal Processing Magazine. 2014;31(5):18-31 49 Noibu [Електронний ресурс] – Режим доступу до ресурсу: https://www.crunchbase.com/organization/noibu. 50 Panchmatia M. Use Big Data to Help Procurement’ Make a Real Difference. 2015 51 Jin Y, Ji S. Partner choice of supply chain based on 3d printing and big data. Information Technology Journal. 2013;12(22):6822 52 Wang G, Gunasekaran A, Ngai EW. Distribution network design with big data: Model and analysis. Annals of Operations Research. 2018;270(1-2):539-551 53 Prasad S, Zakaria R, Altay N. Big data in humanitarian supply chain networks: A resource dependence perspective. Annals of Operations Research. 2018;270(1-2):383-413 54 Suh NP, Suh NP. Axiomatic Design: Advances and Applications. New York: Oxford university press; 2001 55 Mistree F, Smith WF, Bras B, Allen JK, Muster D. Decision-Based Design: A Contemporary Paradigm for Ship Design. Vol. 98. Transactions, Society of Naval Architects and Marine Engineers; 1990. pp. 565-597 56 Dym CL, Little P. Engineering Design: A Project-Based Introduction. John Wiley and Sons; 1999 57 Martin MV, Ishii K. Design for variety: Developing standardized and modularized product platform architectures. Research in Engineering Design. 2002;13(4):213-235 58 Labbi O, Ouzizi L, Douimi M. Simultaneous Design of a Product and its Supply Chain Integrating Reverse Logistic Operations: An Optimization Model. 2015 59 Khan O, Christopher M, Creazza A. Aligning product design with the supply chain: A case study. Supply Chain Management: An International Journal. 2012;17(3):323-336 60 Jin J, Liu Y, Ji P, Liu H. Understanding big consumer opinion data for market-driven product design. International Journal of Production Research. 2016;54(10):3019-3041 61 Johanson M, Belenki S, Jalminger J, Fant M, Gjertz M. Big automotive data: Leveraging large volumes of data for knowledge-driven product development. In: 2014 IEEE International Conference on Big Data (Big Data). IEEE; 2014. pp. 736-74 62 Shapiro N. Competition and aggregate demand. Journal of Post Keynesian Economics. 2005;27(3):541-549 63 Li Y, Thomas MA, Osei Bryson KM. A snail shell process model for knowledge discovery via data analytics. Decision Support Systems. 2016;91:1-2 64 Baraka Z. Opportunities to manage big data efficiently and effectively (Doctoral dissertation, Dublin Business School). 2014 65 Andrienko N, Andrienko G. Exploratory analysis of spatial and temporal data: A systematic approach. Springer Science & Business Media; 28 Mar 2006 66 Chase CW Jr. Using big data to enhance demand-driven forecasting and planning. The Journal of Business Forecasting. 2013;32(2):27 67 Feng Q , Shanthikumar JG. How research in production and operations management may evolve in the era of big data. Production and Operations Management. 2018;27(9):1670-1684 68 Hassani H, Silva ES. Forecasting with big data: A review. Annals of Data Science. 2015;2(1):5-19 69 Balar A, Malviya N, Prasad S, Gangurde A. Forecasting consumer behavior with innovative value proposition for organizations using big data analytics. In: 2013 IEEE International Conference on Computational Intelligence and Computing Research. IEEE; 2013. pp. 1-4 70 Arias MB, Bae S. Electric vehicle charging demand forecasting model based on big data technologies. Applied Energy. 2016;183:327-339 71 Kim S. Forecasting short-term air passenger demand using big data from search engine queries. Automation in Construction. 2016;70:98-108 72 Leveling J, Edelbrock M, Otto B. Big data analytics for supply chain management. In: 2014 IEEE International Conference on Industrial Engineering and Engineering Management. IEEE; 9 Dec 2014. pp. 918-922 73 Schlegel GL. Utilizing big data and predictive analytics to manage supply chain risk. The Journal of Business Forecasting. 2014;33(4):11 74 Zhong RY, Huang GQ , Lan SL. Shopfloor logistics management using rfid-enabled big data under physical internet. In: Proceeding of 1st International Physical Internet Conference. 2014. pp. 1-14 75 Zhong RY, Huang GQ , Lan S, Dai QY, Chen X, Zhang T. A big data approach for logistics trajectory discovery from RFID-enabled production data. International Journal of Production Economics. 2015;165:260-272 76 Stich V, Jordan F, Birkmeier M, Oflazgil K, Reschke J, Diews A. Big data technology for resilient failure management in production systems. In: IFIP International Conference on Advances in Production Management Systems. Cham: Springer; 2015. pp. 447-454 77 Bird J. Exploring the 3D printing opportunity. The Financial Times. Retrieved. 2012:08-30 78 Excell J, Nathan S. The rise of additive manufacturing. The engineer. 24 May 2010;24 79 Waller MA, Fawcett SE. Data science, predictive analytics, and big data: A revolution that will transform supply chain design and management. Journal of Business Logistics. 2013;34(2):77-84 80 Cohen MA. Inventory Management in the Age of Big Data. Harvard Business Review. 2015. Available from: https://hbr.org/2015/06/inventory management-in-the-age-of-bigdata 81 Sharma M, Garg N. Inventory control and big data. In: Optimal Inventory Control and Management Techniques. IGI Global; 2016. pp. 222-235 82 Ayed AB, Halima MB, Alimi AM. Big data analytics for logistics and transportation. In: 2015 4th International Conference on Advanced Logistics and Transport (ICALT). IEEE; 20 May 2015. pp. 311-316 83 Brouer BD, Karsten CV, Pisinger D. Big data optimization in maritime logistics. In: Big Data Optimization: Recent Developments and Challenges. Cham: Springer; 2016. pp. 319-344 84 Lee HL. The triple-a supply chain. Harvard Business Review. 2004;82(10):102-113 85 Choi TM, Wallace SW, Wang Y. Big data analytics in operations management. Production and Operations Management. 2018;27(10):1868-1883 86 Gunasekaran A, Papadopoulos T, Dubey R, Wamba SF, Childe SJ, Hazen B, et al. Big data and predictive analytics for supply chain and organizational performance. Journal of Business Research. 2017;70:308-317 87 Gunasekaran A, Yusuf YY, Adeleye EO, Papadopoulos T. Agile manufacturing practices: The role of big data and business analytics with multiple case studies. International Journal of Production Research. 2018;56(1-2):385-397 88 Srinivasan R, Swink M. An investigation of visibility and flexibility as complements to supply chain analytics: An organizational information processing theory perspective. Production and Operations Management. 2018;27(10):1849-1867 89 Jüttner U, Maklan S. Supply chain resilience in the global financial crisis: An empirical study. Supply Chain Management: An International Journal. 2011;16(4):246-259 90 Bertsimas D, Kallus N, Hussain A. Inventory management in the era of big data. Production and Operations Management. 2016;25(12):2006-2009 91 Brockhaus S, Kersten W, Knemeyer AM. Where do we go from here? Progressing sustainability implementation efforts across supply chains. Journal of Business Logistics. 2013;34(2):167-182 92 McWilliams A, Siegel DS. Creating and capturing value: Strategic corporate social responsibility, resource-based theory, and sustainable competitive advantage. Journal of Management. 2011;37(5):1480-1495 93 Jelinek M, Bergey P. Innovation as the strategic driver of sustainability: Big data knowledge for profit and survival. IEEE Engineering Management Review. 2013;41(2):14-22 94 Manyika J, Sinclair J, Dobbs R, Strube G, Rassey L, Mischke J, et al. Manufacturing the Future: The Next Era of Global Growth and Innovation. McKinsey Global Institute; https://www.mckinsey.com/businessfunctions/operations/our-insights/the-future-of-manufacturing 95 Hazen BT, Skipper JB, Ezell JD, Boone CA. Big data and predictive analytics for supply chain sustainability: A theory-driven research agenda. Computers and Industrial Engineering. 2016;101:592-598 96 Hsu J. Big Business, Big Data, Big Sustainability. Carbontrust.com. Oct 2013 97 Hadwan M. https://ieeexplore.ieee.org/document/9367128 [Електронний ресурс] / Mohammed Hadwan 98 Грибан В. Г., Негодченко О. В. Охорона праці: навч. посібник. [для студ.вищ. навч. закл.] / В. Г. Грибан, О. В. Негодченко — К.: Центр учбової літератури, 2009. — 280 с. — ISBN 978-966-364-832-3. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| 2021_ магістр_Береженко_Тетяна_СНм-61.pdf | 1,68 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора