La Unión Europea está considerando nuevas regulaciones para las empresas de tecnología. Estas regulaciones incluirían mayores responsabilidades para las plataformas en línea con respecto al contenido dañino y la desinformación. También se propone una legislación para hacer que las grandes empresas tecnológicas compartan datos con los competidores más pequeños.
La Unión Europea está considerando nuevas regulaciones para las empresas de tecnología. Estas regulaciones incluirían mayores responsabilidades para las plataformas en línea con respecto al contenido dañino y la desinformación. También se propone una legislación para hacer que las grandes empresas tecnológicas compartan datos con los competidores más pequeños.
Аналитический обзор рынка Больших Данных от IPOboardIpo Board
Данный аналитический обзор посвящен рынку Больших Данных.
В обзоре освящена текущая ситуация на международном и российском рынках.
Также описаны тенденции рынка и его прогноз.
Доклад "Реализация требований современных информационно-насыщенных бизнес-арх...Serge Dobridnjuk
Реализация требований современных информационно-насыщенных бизнес-архитектур за счет трансформации архитектуры данных и форм представления бизнес-сущностей
Обсуждаются бизнес-потребности высокотехнологичных организаций, работающих в сфере банковской деятельности, государственного управления, телекоммуникациях, здравоохранении, сетевом ритейле, трансформирующие архитектуру предприятия. По мнению автора, на новом технологическом и архитектурном витке развития вновь растет интерес к датацентрическим архитектурам. В противовес интегрированным СУБД и моделеориентированным архитектурам новые архитектуры обеспечивают множественность типов и форм представления информационных сущностей, поддерживают гибкость и изменчивость содержащейся информации, работая в распределенной вычислительной среде. Это позволяет гибко и быстро подстраиваться под ключевые параметры бизнеса, эффективно управлять затратами на создание и развитие поддерживающих ИТ систем.
Predictive models for Operational analyticsCleverDATA
Чем занимается Data Science, в чем отличия от традиционной аналитики? Как работают предиктивная аналитика и моделирование? Проблематика управления ИТ операциями. Прогнозирование сбоев в работе ИТ-систем с помощью аналитики и моделирования. Этапы построения прогнозных моделей. Результаты применения и эффективность. Подробнее http://cleverdata.ru/splunk-it-operations/
Андрей Новиков RKM-2016 - Socialnaya analitika & Big Datavalveindustryhub
Работа с сообществом: от операций - к стратегии
• Шаг 1. Сообщество – инструмент продаж
– Представительство в основных соцсетях и предметных форумах
– Мониторинг релевантных сообщений в соцсетях и реагирование
– Организация взаимодействия между клиентами (c2c-поддержка)
• Шаг 2. Сообщество помогает наращивать KPI
– Привязка активностей в соцсетях к основным КПЭ работы с клиентами: time-to-
market, CSAT, response times...
– Качественное понимание картины: типовые проблемы продукта/сервиса, идеи по совершенствованию, что говорят и как думают клиенты
• Шаг 3. Сообщество – стратегический партнер бизнеса
– Что будет нужно нашей ЦА через одно или два поколения наших продуктов
Основные подходы к интеграции данных информационных систем компании:
Анализ текущего состояния данных в различных информационных системых
Определение "сущностей" для гармонизации данных в различных системах
Онтологические модели с учетом жизненного цикла данных на базе ISO15926
Создание единой шины данных предприятия на базе открытых систем и продуктов IBM WebSphere и разработка адаптеров
Гармонизация данных нормативно-справочной информации, справочников различных информационных систем
Формирование центр компетенции по НСИ и роли модельера данных
Аналитический обзор рынка Больших Данных от IPOboardIpo Board
Данный аналитический обзор посвящен рынку Больших Данных.
В обзоре освящена текущая ситуация на международном и российском рынках.
Также описаны тенденции рынка и его прогноз.
Доклад "Реализация требований современных информационно-насыщенных бизнес-арх...Serge Dobridnjuk
Реализация требований современных информационно-насыщенных бизнес-архитектур за счет трансформации архитектуры данных и форм представления бизнес-сущностей
Обсуждаются бизнес-потребности высокотехнологичных организаций, работающих в сфере банковской деятельности, государственного управления, телекоммуникациях, здравоохранении, сетевом ритейле, трансформирующие архитектуру предприятия. По мнению автора, на новом технологическом и архитектурном витке развития вновь растет интерес к датацентрическим архитектурам. В противовес интегрированным СУБД и моделеориентированным архитектурам новые архитектуры обеспечивают множественность типов и форм представления информационных сущностей, поддерживают гибкость и изменчивость содержащейся информации, работая в распределенной вычислительной среде. Это позволяет гибко и быстро подстраиваться под ключевые параметры бизнеса, эффективно управлять затратами на создание и развитие поддерживающих ИТ систем.
Predictive models for Operational analyticsCleverDATA
Чем занимается Data Science, в чем отличия от традиционной аналитики? Как работают предиктивная аналитика и моделирование? Проблематика управления ИТ операциями. Прогнозирование сбоев в работе ИТ-систем с помощью аналитики и моделирования. Этапы построения прогнозных моделей. Результаты применения и эффективность. Подробнее http://cleverdata.ru/splunk-it-operations/
Андрей Новиков RKM-2016 - Socialnaya analitika & Big Datavalveindustryhub
Работа с сообществом: от операций - к стратегии
• Шаг 1. Сообщество – инструмент продаж
– Представительство в основных соцсетях и предметных форумах
– Мониторинг релевантных сообщений в соцсетях и реагирование
– Организация взаимодействия между клиентами (c2c-поддержка)
• Шаг 2. Сообщество помогает наращивать KPI
– Привязка активностей в соцсетях к основным КПЭ работы с клиентами: time-to-
market, CSAT, response times...
– Качественное понимание картины: типовые проблемы продукта/сервиса, идеи по совершенствованию, что говорят и как думают клиенты
• Шаг 3. Сообщество – стратегический партнер бизнеса
– Что будет нужно нашей ЦА через одно или два поколения наших продуктов
Основные подходы к интеграции данных информационных систем компании:
Анализ текущего состояния данных в различных информационных системых
Определение "сущностей" для гармонизации данных в различных системах
Онтологические модели с учетом жизненного цикла данных на базе ISO15926
Создание единой шины данных предприятия на базе открытых систем и продуктов IBM WebSphere и разработка адаптеров
Гармонизация данных нормативно-справочной информации, справочников различных информационных систем
Формирование центр компетенции по НСИ и роли модельера данных
Similar to А.Э.Бабкин - BigData + LinkedData = Новые возможности получения и обработки знаний в Интернете (20)
А.Э.Бабкин - BigData + LinkedData = Новые возможности получения и обработки знаний в Интернете
1. BigData + LinkedData = Новые возможности
получения и обработки знаний в Интернете
Бабкин Эдуард Александрович
Кафедра информационных систем и технологий
Факультет Бизнес-информатики и прикладной математики
eababkin@hse.ru
Высшая школа экономики, Нижний Новгород, 2013
www.hse.ru
2. Высшая школа экономики, Москва, 2013
Объект внимания – современные логистические системы
фото
фото
фото
Ключевая особенность - интер-организационные
бизнес-процессы с повышенными требованиями к
детальности, точности и скорости обработки
разнородных данных
3. Высшая школа экономики, Москва, 2013
BIG DATA – сегодняшняя реальность
фото
фото
фото
•Технология RFID – основное решение для контроля
и управления
•Типичные масштабы - 7 терабайт данных
ежедневно для оперативного планирования
деятельности цепочки поставок
Тера - 1 099 511 627 776 ( 240 )
4. Высшая школа экономики, Москва, 2013
Три заклятья управленца: избыток данных, требования организации,
интероперабельность
фото
фото
фото
Организация
Клиент
Заказ Товар
Стратегия
Модель
Возможности
Процессы
Инфраструктура
Количество
поступающих
данных
Эффективность
принятия решений
Организационная
интероперабельность
Семантическая
интероперабельность
Техническая интероперабельность
5. Высшая школа экономики, Москва, 2013
Концепция Linked Data и онтологии
фото
фото
фото
Linked Data
Интеграция взаимосвязанных данных на
основе технологий Semantic Web
Онтологии
в философии: « La Nature de la Connaissance »
в информатике: Спецификация совместно-
используемой концептуализации
в практическом смысле: модели
предметной области (взаимосвязи,
структуры, свойства) на стандартных языках, в
машинном формате
6. Высшая школа экономики, Москва, 2013
Актуальная задача:
концептуализация и интеграция знаний об организациях
фото
фото
фото
J. Gordjin
E3-value Ontology
Онтология бизнес-стратегии
A. Osterwalder, Y. Pigneur
Онтология бизнес-модели
J. Dietz
Enterprise Ontology and DEMO
Онтология процессов
Организация
Стратегия
Модель
Возможности
Процессы
Инфраструктура
7. Высшая школа экономики, Москва, 2013
Технологические возможности
ф
о
т
о
RDF-хранилища
Механизмы формального вывода:
Иерархия дескриптивных логик
Верификаторы моделей
Продукционные системы
uRIKA = universal
integration Knowledge
Appliance
3Store
4store
ARC
AllegroGraph
Bigdata
ClioPatria
CumulusRDF
Djubby
Dojo.Data
Dydra
Euler
OpenAnzo
OpenLink Virtuoso
Oracle
Owlim
Parliament
Pubby
RDFEntityManager
RDFLib
RDFStore
Rapnetapi
Rdfonthego
Intellidimension
Jena
LMF
Mondeca ITM
Strabon
StrixDB
TalisPlatform
USeekM
User:Opoirel
YARS
Mulgara
Rdfstore-js
RedStore
SLRP
SeRQL
Semanticserver
Semwebrazor
Sesame
Stardog
8. Высшая школа экономики, Москва, 2013
Выводы
BIG Data – важная междисциплинарная проблема с
большим количеством практических приложений
В контексте этой проблемы приходится решать задачу о
семантической и организационной интероперабельности
Подходы и технологии Linked Data позволяют начать
реализацию комплексных решений
Остаются открытыми вопросы производительности
технологий хранения и адекватности формальных методов
9. 101155, Россия, Нижний Новгород, Б. Печерская ул., д. 25/12
Тел.: (831) 416-9549, E-Mail: eababkin@hse.ru
www.nnov.hse.ru