Big Datan liiketoiminnalliset mahdollisuudet ja haasteet
Äyräs, Aapo (2016)
Lataukset:
Kandidaatintutkielma
Äyräs, Aapo
2016
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe201604119392
https://urn.fi/URN:NBN:fi-fe201604119392
Tiivistelmä
Tämän kandidaatintutkielman tarkoituksena oli selvittää minkälaisia liiketoiminnallisia mahdollisuuksia ja haasteita Big Dataan ja sen ominaispiirteisiin liittyy, ja miten Big Data määritellään nykyaikaisesti ja ajankohtaisesti. Tutkimusongelmaa lähestyttiin narratiivisen kirjallisuuskatsauksen keinoin. Toisin sanoen tutkielma on hajanaisen tiedon avulla koostettu yhtenäinen katsaus nykytilanteeseen. Lähdeaineisto koostuu pääosin tieteellisistä artikkeleista, mutta käytössä oli myös oppikirjamateriaalia, konferenssijulkaisuja ja uutisartikkeleja.
Tutkimuksessa käytetyt akateemisen kirjallisuuden lähteet sisälsivät keskenään paljon samankaltaisia näkemyksiä tutkimusaihetta kohtaan. Niiden perusteella muodostettiin kaksi taulukkoa havaituista mahdollisuuksista ja haasteista, ja taulukoiden rivit nimettiin niitä kuvaavien ominaispiirteiden mukaan. Tutkimuksessa liiketoiminnalliset mahdollisuudet ja haasteet jaettiin viiteen pääkategoriaan ja neljään alakategoriaan. Tutkimus toteutettiin liiketoiminnan näkökulmasta, joten siinä sivuutettiin monenlaisia Big Datan teknisiä aspekteja.
Tutkielman luonne on poikkitieteellinen, ja sen avulla pyritään havainnoimaan tämän hetken yhtä uusinta tietojenkäsittelykäsittelytieteiden termiä liiketoiminnallisessa kontekstissa. Tutkielmassa Big Dataan liittyvillä ominaispiirteillä todettiin olevan mahdollisuuksia, jotka voitiin jaotella korrelaatioiden havaitsemisen perusteella markkinoiden tarkemman segmentoinnin mahdollisuuksiin ja päätöksenteon tukena toimimiseen. Reaaliaikaisen seurannan mahdollisuudet perustuvat Big Datan nopeuteen ja kokoon, eli sen jatkuvaan kasvuun. Ominaispiirteisiin liittyvät haasteet voidaan jakaa viiteen kategoriaan, joista osa liittyy toimintaympäristöön ja osa organisaation sisäiseen toimintaan. The purpose of this Bachelor’s thesis was to find out what kind of business opportunities and challenges Big Data and its core features present and how is Big Data defined in the modern world. The research method used was narrative literature review. In other words inconsistent information from variety of sources were used to create a comprehensive picture of the current situation. Information is gathered mainly from academic literature but other sources were also used, such as conference papers, reports from consulting companies, news articles and textbook material.
The academic literature revealed similarities with the other sources and they were used to create a table, where each column represents the opportunity or the advantage observed in the research. The business opportunities and challenges were categorized in 5 main categories and 4 sub-categories based on their potential effects to the business if decided to implement to the organizations strategy. The research was carried out in from the aspect of business administration. Consequently it disregards many of the technical aspects of Big Data, leaving it to the additional research on the subject.
This thesis is interdisciplinary. It was created to observe the current, and one of the newest phenomenon to the data processing, in the context of business activity.
Big Data’s core features present opportunities, which can be used to segment the markets further and to support decision-making based on the insight of correlations. Real time tracking of customer is based on the velocity and volume of Big Data. In other words, the constant growth of Big Data. The challenges of using Big Data are divided into five groups, which some are related to the macro economics and some to organizations inner functions.
Tutkimuksessa käytetyt akateemisen kirjallisuuden lähteet sisälsivät keskenään paljon samankaltaisia näkemyksiä tutkimusaihetta kohtaan. Niiden perusteella muodostettiin kaksi taulukkoa havaituista mahdollisuuksista ja haasteista, ja taulukoiden rivit nimettiin niitä kuvaavien ominaispiirteiden mukaan. Tutkimuksessa liiketoiminnalliset mahdollisuudet ja haasteet jaettiin viiteen pääkategoriaan ja neljään alakategoriaan. Tutkimus toteutettiin liiketoiminnan näkökulmasta, joten siinä sivuutettiin monenlaisia Big Datan teknisiä aspekteja.
Tutkielman luonne on poikkitieteellinen, ja sen avulla pyritään havainnoimaan tämän hetken yhtä uusinta tietojenkäsittelykäsittelytieteiden termiä liiketoiminnallisessa kontekstissa. Tutkielmassa Big Dataan liittyvillä ominaispiirteillä todettiin olevan mahdollisuuksia, jotka voitiin jaotella korrelaatioiden havaitsemisen perusteella markkinoiden tarkemman segmentoinnin mahdollisuuksiin ja päätöksenteon tukena toimimiseen. Reaaliaikaisen seurannan mahdollisuudet perustuvat Big Datan nopeuteen ja kokoon, eli sen jatkuvaan kasvuun. Ominaispiirteisiin liittyvät haasteet voidaan jakaa viiteen kategoriaan, joista osa liittyy toimintaympäristöön ja osa organisaation sisäiseen toimintaan.
The academic literature revealed similarities with the other sources and they were used to create a table, where each column represents the opportunity or the advantage observed in the research. The business opportunities and challenges were categorized in 5 main categories and 4 sub-categories based on their potential effects to the business if decided to implement to the organizations strategy. The research was carried out in from the aspect of business administration. Consequently it disregards many of the technical aspects of Big Data, leaving it to the additional research on the subject.
This thesis is interdisciplinary. It was created to observe the current, and one of the newest phenomenon to the data processing, in the context of business activity.
Big Data’s core features present opportunities, which can be used to segment the markets further and to support decision-making based on the insight of correlations. Real time tracking of customer is based on the velocity and volume of Big Data. In other words, the constant growth of Big Data. The challenges of using Big Data are divided into five groups, which some are related to the macro economics and some to organizations inner functions.