Машинное обучение, нейронные сети

Классы больших данных и их применимость для задач стратегического анализа

И. Ф. Кузьминов^a, Г. Н. Кузьмин<sup>b

a</sup> Национальный исследовательский университет "Высшая школа экономики", Москва, Россия
^b РТУ МИРЭА, Москва, Россия

Аннотация: В статье рассматриваются классы больших данных, выделяемые по прикладному критерию метаисточника происхождения. Данный критерий позволяет организациям строить стратегии конкретных целенаправленных действий получения данных и гибкой адаптации подходов к управлению такими данными для информационного обеспечения своей аналитической деятельности. Описываются принципы и критерии вводимой классификации больших данных, определяется понятие “метаисточника” путем сравнительного анализа с понятием “источник” на конкретных бизнес-примерах из прикладной деятельности в сфере интеллектуального анализа данных. Изучается применимость различных классов больших данных с точки зрения предоставляемых ими пользы и ограничений использования в стратегической аналитике.

Ключевые слова: большие данные, стратегический анализ, источники данных, метаисточник, интеллектуальный анализ данных, текст-майнинг, управление данными, оптимизация бизнес-процессов, технологии обработки естественного языка, NLP.

DOI: 10.14357/20718594250305