Geri Dön

Kurumsal büyük veri analitiği yetenekleri ve performans ilişkisi : Türkiye için bir araştırma

Big data anaytics capabilities: Survey at Turkey

PDF İndir

  1. Tez No: 676480
  2. Yazar: İLKNUR BUSE PALA
  3. Danışmanlar: DOÇ. DR. NİHAN YILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İşletme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İşletme Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 120

Özet

Veri tabanı yönetim teknikleri, sosyal medya ve mobil cihazların kullanımındaki artış sayesinde firmaların müşterilerden bilgi edinme seviyeleri giderek artmaktadır. Günümüzde büyük veri analitiği, pazarlama ve inovasyon süreçleri için önem arz etmekte, firmaların karar verme süreçlerine doğrudan etkilemektedir. Büyük verinin potansiyeli ve vaatlerine karşın şirketlerin yalnızca küçük bir yüzdesi verilerinin ve büyük veri yatırımlarının gerçek potansiyelini gerçekleştirebilmiştir. Gerçekleşen performans artışı, büyük veri uygulamadan beklentilere yaklaşmadığı gözükmektedir. Literatür, büyük verinin teknik özellikleri ve uygulamaların inşası ile ilgilenirken büyük veri analitiğini hayata geçirirken önemli olabilecek etmenleri inceleyen teorik çalışma sayısı azdır. Bu çalışmada, kuruluşların gelişen büyük veri analitiği (BVA) uygulamaları kapsamında, büyük veri projelerinden beklenen değerlerin yaratılmasını sağlamak için, Türkiye'de özel sektörde yürütülen büyük veri analitiği projelerinin başarı faktörlerini temsil eden büyük veri analitiği yeteneklerinin neler olduğunu, bu yeteneklerin hangi kaynaklara dayandığını ve bu kaynaklar arasındaki ilişkileri ortaya koymayı amaçlanmaktadır. Çalışma çıktıları, Türkiye bağlamında kurumların Büyük Veri Analitiği uygulamaları için başarı faktörleri olarak yeteneklerini temsil eden kaynaklarını ve bu kaynaklardaki seviyelerini, bu kaynakların ilişkilerini açıklayacaktır. Bulgular, pratik alanda kuruluşların büyük veri yetkinliği için hangi kaynaklarını iyileştirmeleri gerektiğini ortaya koyacak, böylelikle uygulamada ilerideki büyük veri analitiği projelerinin tasarım ve yönetiminde karar vericilere ve uygulayıcılara yol gösterecektir. Literatürde bilgi sistemlerin incelenmesi için yaygın olarak kullanılan kaynak tabanlı görüşe uygun olarak büyük veri analitiği yeteneği veri, teknoloji, temel kaynaklar, teknik beceriler, yönetsel beceriler, organizasyonel öğrenme, veri odaklı kültüryapısal uygulamalar, ilişkisel uygulamalar ve yöntemsel uygulamalar olmak üzere on boyutta incelenmiştir. Bu boyutların büyük veri analitiğinden elde edilen değere etki edeceği var sayımı ile kaynaklar ile performans arasındaki nedensel ilişki araştırılmıştır. Araştırma kapsamında, büyük veri analitiği yetenekleri ile firma performansındaki değişiklikleri ortaya çıkaracak bir model oluşturulmuş, bu amaç doğrultusunda Türkiye'de çeşitli sektörlerde çalışan 107 büyük veri uzmanın katılımı ile literatürdeki çalışmalara dayanarak bir anket çalışması düzenlenmiş, ankette kullanılan ölçeğin geçerlilik sınamaları yapılarak bu anketteki değişkenlerin arasındaki nedenselliğin anlaşılması için ikinci nesil istatistiksel analizlerden olan kısmi küçük kareler yapısal eşitlik modeli (PLS-SEM) ile analiz yapılmıştır. Çalışmanın sonucunda; büyük veriden elde edilecek değerin sadece teknik yatırımlara değil, kurum kültürüne, insan kaynaklarına bağlı olduğu ortaya konmuştur. İnsan becerilerinin ve kurum kültürünün önemini vurgulayarak, büyük veriden rekabet avantajı elde etmenin yalnızca yatırım yapmak, veri yığınları toplamak ve gelişmiş teknolojiye erişim sağlamakla kalmayıp aynı zamanda kullanılabilirliğe sahip olmakla olduğu yanılgısındaki büyük veri yöneticilerini aydınlatmaya çalışılmıştır. Büyük veriye özgü teknik ve yönetimsel beceriler ve verilerden elde edilen bilgiye verilen değer ve bunlara hareket edilen bir organizasyon kültürünün önemi vurgulanmaya çalışılmıştır.

Özet (Çeviri)

Today, we can access unlimited data in a few seconds with portable computers and mobile phones. This accessibility, which was not possible until twenty years ago, was made possible by simple online platforms and technological developments. The facilitation of obtaining information, the increase in resources, and the increasing knowledge create new possibilities, as well as creating difficulties in the fields of data collection, analysis and consolidation. Today, companies obtain information not only from their own internal information but also from the data produced by their users, and try to gain competitive advantage in the light of this information. Big data: represents high-volume, high-speed and / or high-diversity information assets that require new forms of processing for advanced decision making, insight discovery, and process optimization. Not every large data set is considered big data. Big data, due to its nature, differs into a large data set in the stages of data collection, storage, analysis, sharing and transfer. Big data has features that will affect the innovation and performance of companies. Modern big data analytics techniques used are data mining, predictive analytics, machine learning, and text analysis, but organizations often fail to reap the necessary benefits from big data. Big data analytics has three important features; The data itself, the analytics applied to the data and the presentation of the results in a way that allows the creation of business value. In this definition, the process of analyzing the data is summarized without being associated with tangible or intangible commercial results. In essence, big data analytics is defined not only as the entity on which it is analyzed - data - but also tools, elements of infrastructure, and tools for visualizing and presenting insight. There are three types of big data analytics; Descriptive analysis is the analysis of what is happening now or what has happened in the past. Uses data collection and data mining (others are dashboards / scorecards and data visualization). Predictive analytics help to understand the future by providing predictions about the likelihood of a future outcome with statistical models and forecasting techniques using quantitative techniques and technologies that use historical data to predict the future. Normative anatics measure the impact of future decisions, helping to make recommendations about possible consequences before decisions are made. Big data technologies are also coming with new conveniences and challenges that new information systems technologies provide. The increase in data production has increased the interest of companies in big data technologies, but the expected benefits from it should be determined before starting to take advantage of big data technologies. Just like technology infrastructures, there is also big data inside, and various positive and negative aspects should be evaluated. With big data technologies, it can be used to store terabyte-level data for structured data, in which case experts who are not currently available in organizations may be needed. Big data technologies help companies in decision making and business processes today. Prior to the emergence and use of the concept of big data, the data accumulation that may be necessary for companies to gain competitive advantage tends to be a long and costly process. At the same time, companies' storage areas before big data are insufficient. The promise of big data is to store, manage and operate data sets that are large enough that conventional database storage systems cannot efficiently store, manage or process. With the widespread use of big data technologies, individual, organizational and social structures have changed irreversibly. Big data will have a significant impact on creating value and competitive advantage for organizations, such as developing new products, services and strategies or interacting with customers in the new channel, increasing profitability. The profit from the ability to process large amounts of information is the main attraction of big data analytics. The literature focuses on the structure and properties of big data, and technical researches required for big data are carried out. The fact that the literature focuses on the technical side of big data only creates the misconception that investments made in big data technologies are sufficient. Recently, studies have started to show that the use of big data technologies requires not only technical but also humanitarian and some abstract resources. The purpose of this study is to identify which resources organizations need to improve in the developing big data analytics world in order to obtain the desired benefit from big data, guiding future big data analytics projects. In accordance with the resource-based view, which is widely used in the literature for the study of information systems, big data analytics capabilities are data, technology, core resources, technical skills, managerial skills, organizational learning, data-driven culture, structural applications, relational applications and methodological applications were examined in ten main dimensions. The effect of big data analytics capabilities effects on firm performance is examined in two stages; market performance and operational performance of the firm. The market performance of the company in its current markets, its market share, customer satisfaction, acceleration of its competitors in promoting new products and services; It is measured as fast entering new markets and products and getting successful results. In addition, big data anayltic's competitors and forecasts of demand changes in the market were also added to the study in order to understand the use of the foresight feature, as well as the ability to better summarize the current situation. Structural equation model (SEM) and path analysis are preferred models. Path analysis establishes a causal flow by taking only observed variables into account. An analysis was performed using the partial small-squares structural equation model (PLS-SEM), one of the second generation statistical analyzes, to understand the causality between the variables in this survey that was conducted with the participation of 107 experts. As a result of the study; It has been revealed that the value to be obtained from big data depends not only on technical investments but also on corporate culture and human resources. Emphasizing the importance of human skills and corporate culture, efforts have been made to enlighten big data managers who are mistaken that gaining competitive advantage from big data is not only investing, collecting data and gaining access to advanced technology, but also having usability. Technical and managerial skills specific to big data, the importance given to organizational learning, the value given to the information obtained from the data, and the importance of an organizational culture that is acted on these are tried to be emphasized.

Benzer Tezler

  1. Tez No

    857967

    Innovation management in design-intensive family firms from office furniture manufacturing industry: A dynamic capability perspective from an emerging market

    Ofis mobilyası imalat sanayisindeki tasarım yoğun aile firmalarında inovasyon yönetimi: Gelişmekte olan bir pazardan dinamik yetenek perspektifi

    SELİN GÜLDEN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri Ürünleri Tasarımıİstanbul Teknik Üniversitesi

    Endüstriyel Tasarım Ana Bilim Dalı

    PROF. DR. ÖZLEM ER

  2. Tez No

    447145

    Sales history-based demand prediction by using generalized linear models

    Genelleştirilmiş doğrusal modeller kullanarak satış geçmişi tabanlı talep tahminlemesi

    BAŞAR ÖZENBOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELMA TEKİR

  3. Tez No

    880878

    Yükseköğretim kurumlarının büyük veriye hazırlığı

    Readiness of higher education institutions for big data

    HÜSEYİN ŞATIRER

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgi ve Belge YönetimiSüleyman Demirel Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. AHMET SAİT ÖZKUL

  4. Tez No

    913956

    Merkez bankacılığında regtek uygulamaları

    The use of regtech in central banking

    MUHAMMED ÇETİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    BankacılıkAnkara Sosyal Bilimler Üniversitesi

    Denetim ve Risk Yönetimi Bilim Dalı

    DOÇ. DR. HALİS KIRAL

  5. Tez No

    575782

    Security visualization infrastructures, techniques, and methodologies for improved enterprise security

    Geliştirilmiş kuruluş güvenliği için güvenlikgörselleştirme altyapı, teknik ve metodolojileri

    FATMA FERDA SÖNMEZ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. BANU GÜNEL KILIÇ

Geri Dön