| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Loģistikas sistēmu un piegādes ķēdes vadība |
| Nosaukums |
Liela apjoma datu analītikas piemērošana piegādes ķēdes efektivitātes paaugstināšanai |
| Nosaukums angļu valodā |
Applying Big Data Analytics to Increase Supply Chain Performance |
| Struktūrvienība |
12100 Informācijas tehnoloģijas institūts |
| Darba vadītājs |
Andrejs Romānovs |
| Recenzents |
Artis Teilāns |
| Anotācija |
Maģistra darbs ir veltīts lielo datu analīzei un analītikai un iemesliem, kas rodas no SCM transformācijas ar lieliem datiem un to lietojumiem. Darba galvenais mērķis ir piedāvāt risinājumu vadīt piegādes ķēdes darbību, piemērojot lielo datu analītiku. Izvēloties labi zināmo "bullwhip efekta" problēmu, kas mums atgādina par piegādes ķēdes koordinācijas svarīgumu, informācijas apstrādes šķērslis var samazināt bullwhip efekta ietekmi un uzlabos piegādes ķēdes darbību. Piedāvātais risinājums tiek veidots, lai panāktu koordināciju starp piegādes ķēdes dalībniekiem un uzlabotu piegādes ķēdes darbību, izmantojot informācijas sadalīšanu. Analizējot esošās tendences informācijas tehnoloģijā, kas atbilst SCM domēnam, identificētās mākoņdatošanas tehnoloģijas ir vislabākās, lai sasniegtu mērķi. Tiek piedāvāts risinājums piegādes ķēdes darbības uzlabošanai, apsverot priekšrocības SCM nozarē, ko sniedz mākoņdatošana. Šis darbs izskaidro lielo datu, mākoņdatošanas, BI rīku un SCM domēna lietotņu integrācijas platformu.
Šis maģistra darbs sastāv no 98 lapām, 23 attēliem, 7 tabulām, 51 literatūras avotiem. |
| Atslēgas vārdi |
SCM, Big Data, Big Data Analytics, Business Intelligence, Cloud Computing |
| Atslēgas vārdi angļu valodā |
SCM, Big Data, Big Data Analytics, Business Intelligence, Cloud Computing |
| Valoda |
eng |
| Gads |
2016 |
| Darba augšupielādes datums un laiks |
06.06.2016 11:39:26 |
