Elektron tijoratda katta ma'lumotlar tahlili: tizimli ko'rib chiqish va kelajakdagi tadqiqotlar uchun kun tartibi

2-jadval: Elektron tijoratda Big Data Analytics (BDA) ilovalari

BDA ichida Elektron tijorat	Ma'lumotnomalar	#	%
Identifikatsiyaga kerak	(McAfee va Brynjolfsson, 2012), (Bughin va boshq., 2010), (Brown va boshq., 2011), (LaValle va boshq., 2011), (Allen va boshq., 2012), (Ann Keller va boshq. , 2012). http://dx.doi.org/10.1037/0033-295X.112.1.112, Google Scholar Crossref, CAS 5. Beath va boshq., 2012), (Huwe, 2012), (Vagner, 2012) ), (Davenport, va boshq., 2012), (Jonson, 2012b), (Tankard, 2012), (White, 2012b), (Bennett va boshqalar. https://doi.org/10.1103/PhysRevLett.96.1101, Google Scholar Crossref, CAS 2013. http://dx.doi.org/10.1037/0021-843X.112.2.211, Google Scholar Crossref, CAS 31. Minelli va boshqalar.	24	18%
Bozor segmentatsiyasi	(Bughin et al., 2010), (Ann Keller et al., 2012), (Beath et al., 2012), (Boyd and Crawford, 2012), (Demirkan and Delen, 2012), (Hsinchun et al., 2012), (Griffin, 2012), (Highfield, 2012), (Smith et al., 2012), (Davenport et al., 2012), (Tankard, 2012), (Wagner, 2012), (Davenport and Harris, 2007b), (Wixom et al., 2013)	14	11%
Qaror qabul qilish va samaradorlikni oshirish	(Bughin et al., 2010), (Brown et al., 2011), (Bughin et al., 2011), (LaValle et al., 2011), (Hsinchun et al., 2012), (Boyd and Crawford, 2012), (Allen et al., 2012), (Ann Keller et al., 2012), (Boja et al., 2012), (Beath et al., 2012), (McAfee and Brynjolfsson, 2012), (Demirkan and Delen, 2012), (Davenport et al., 2012) (Fisher et al., 2012), (Gehrke, 2012), (Griffin, 2012), (Griffin and Danson, 2012), (Huwe, 2012), (Johnson, 2012b), (Johnson, 2012a), (Lane, 2012), (Ohata and Kumar, 2012), (Smith et al., 2012), (Tankard, 2012), (Wagner, 2012), (White, 2012b), (Bennett et al., 2013), (Koch, 2013), (Rajpurohit, 2013), (Mithas et al., 2013), (Kung et al., 2013), (Dimon, 2013), (Minelli et al., 2013), (Davenport, 2006), (Viaene and Van den Bunder, 2011), (Waller and Fawcett, 2013), (Goes, 2014), (George et al., 2014), (Constantiou and Kallinikos, 2014), (Agarwal and Dhar, 2014; Agarwal and Weill, 2012), (Kiron et al., 2012a), (Kiron et al., 2014a), (Mithas et al., 2013), (Wixom et al., 2013), (Mehra, 2013), (Kopp, 2013), (Miller, 2013)	48	36%
Yangi mahsulot/bozor	(Bughin et al., 2010), (Bughin et al., 2011), (LaValle et al., 2011), (Brown et al., 2011), (Ann Keller et al., 2012), (Beath et al., 2012), (Boyd and Crawford, 2012), (McAfee and Brynjolfsson, 2012), (Hsinchun et al., 2012), (Demirkan and Delen, 2012), (Fisher et al., 2012), (Gehrke, 2012), (Griffin, 2012), (Griffin and Danson, 2012), (Huwe, 2012), (Johnson, 2012b), (Ohata and Kumar, 2012), (Tankard, 2012), (Wagner, 2012), (Kung et al., 2013), (Lim et al., 2013a), (Wixom et al., 2013)	22	17%
/biznes modeli	(McAfee and Brynjolfsson, 2012), (Brown et al., 2011), (Bughin et al., 2011), (LaValle et al., 2011), (Ann Keller et al., 2012), (Beath et al., 2012), (Boyd and Crawford, 2012), (Hsinchun et al., 2012), (Fisher et al., 2012), (Griffin, 2012), (Huwe, 2012), (Smith et al., 2012), (Tankard, 2012), (Wagner, 2012), (Zeng and Lusch, 2013), (Barton and Court, 2012), (Waller and Fawcett, 2013), (Goes, 2014), (Constantiou and Kallinikos, 2014), (Agarwal and Dhar, 2014), (Kiron et al., 2014a), (Mithas et al., 2013), (Wixom et al., 2013), (Leavitt, 2013)	24	18%
	Total	132	100%

3. Elektron tijorat muhitida katta ma’lumotlar tahlilini aniqlash

Elektron tijorat firmalari o'z o'yinlarini davom ettirish zarurati tufayli BDAni qabul qiluvchilarning eng tezkor guruhlaridan biri hisoblanadi (Koirala, 2012). Aksariyat hollarda elektron tijorat firmalari tuzilgan va tuzilmagan ma'lumotlar bilan shug'ullanadilar. Strukturaviy ma'lumotlar demografik ma'lumotlarga, jumladan ism, yosh, jins, tug'ilgan sana, manzil va afzalliklarga qaratilgan bo'lsa, tuzilmagan ma'lumotlarga bosish, yoqtirishlar, havolalar, tvitlar, ovozlar va boshqalar kiradi. BDA muhitida muammo ikkalasini ham hal qilishdir. konversiyalarni oshirish uchun mazmunli tushunchalarni yaratish uchun ma'lumotlar turlari. Schroeck va boshqalar. (2012) katta ma'lumotlarning ta'rifi turli o'lchamlarni o'z ichiga olganligini aniqladi, jumladan: axborotning keng doirasi; yangi turdagi ma'lumotlar va tahlillar; real vaqtda ma'lumot; ommaviy axborot vositalari ma'lumotlarining noan'anaviy shakllari; yangi texnologiyaga asoslangan ma'lumotlar; katta hajmdagi ma'lumotlar; so'nggi shov-shuvli so'z; va ijtimoiy media ma'lumotlari. Katta ma'lumotlarni aniqlashda IBM (2012), Jonson (2012a) va Davenport va boshqalar. (2012) ma'lumotlar manbalarining xilma-xilligiga ko'proq e'tibor qaratdi, boshqa mualliflar, masalan, Rouse (2011), Fisher va boshqalar. (2012), Havens va boshqalar. (2012) va Jacobs (2009) katta ma'lumotlar bilan ishlashda saqlash va tahlil qilish talablarini ta'kidladilar. IDC (2013) tomonidan ta'riflanganidek, katta ma'lumotlar uchta asosiy xususiyatga qaratilgan: ma'lumotlarning o'zi, ma'lumotlarning tahlili va yangi mahsulot yoki xizmatlar nuqtai nazaridan biznes qiymatini yaratishga imkon beruvchi tahlil natijalarini taqdim etish. Umuman olganda, tadqiqot katta ma'lumotlarni besh Vs nuqtai nazaridan belgilaydi: hajm, tezlik, xilma-xillik, haqiqat va qiymat (White, 2012). "Hajm" eksponent ravishda o'sib borayotgan katta ma'lumotlarning miqdorini anglatadi. "Tezlik" - bu real vaqtda ma'lumotlarni yig'ish, qayta ishlash va tahlil qilish tezligi. "Har xil" katta ma'lumotlar muhitida to'plangan har xil turdagi ma'lumotlarni anglatadi. "Haqiqiylik" ma'lumotlar manbalarining ishonchliligini anglatadi. Va nihoyat, "qiymat" katta ma'lumotlarning tranzaksiyaviy, strategik va axborot afzalliklarini ifodalaydi (Fosso Wamba va boshq., 2015b; Wixom va boshq., 2013).
Akademik va sanoat tadqiqotlarining katta hajmi elektron tijoratning ko'plab funktsional sohalarida, jumladan marketing, inson resurslarini boshqarish, ishlab chiqarish va ekspluatatsiya va moliyada katta ma'lumotlarning ahamiyati haqida dalillar beradi (Agarval va Vayll, 2012; Bose, 2009; Davenport, 2006; Davenport, 2010, 2012; Davenport va boshqalar, 2012). Elektron tijoratda mijozlar bilan bog'liq katta hajmdagi ma'lumotlar mijozlar "tizimga kirganlarida" mavjud bo'ladi: bu ma'lumotlar biznes qarorlarini qabul qiluvchilar uchun katta qiziqish uyg'otadi. Strategik qarorlarni qabul qilishda katta ma'lumotlarning ahamiyati e'tirof etilgan va tushunilgan bo'lsa-da, katta ma'lumotlar tahlilining (BDA) operatsion ta'rifi bo'yicha konsensus yo'q. Shunday qilib, umumiy mavzularni aniqlash uchun oldingi tadqiqotlarda keltirilgan BDA ta'riflarini tahlil qilish oqilona. Masalan, Davenport (2006) BDA biznes qarorlarini qabul qilish uchun katta ma'lumotlarning miqdoriy tahlilini nazarda tutadi. Bundan tashqari, analitikaning qaror qabul qilishda foydali bo'lgan bu jihati Davenport va Xarris (2007b), Davenport (2010) va Bose (2009) kabi boshqa tadqiqotlarda ham diqqat markazida bo'ldi. Davenport va Xarris (2007b) BDA ni statistik tahlil va tushuntirish va bashorat qiluvchi modeldan foydalanish kabi mexanizmlar yordamida tushuntirgan bo'lsa, Bose (2009, p.156) BDAni ajratib olish, izohlash uchun ishlatiladigan "asboblar guruhi" deb ta'riflagan. ma'lumot, shuningdek, qarorlar natijalarini bashorat qilish. BDAni aniqlashda tadqiqotning bir oqimi strategiyaga asoslangan analitikaga yoki biznes uchun barqaror qiymat yaratadigan tahlillarga qaratilgan. Masalan, LaValle va boshqalar. (2011) qaror qabul qilish uchun biznes-tahlilni qo'llash (yoki katta ma'lumotlardan foydalanish qobiliyati) asosan tashkilot strategiyasi bilan bog'liq bo'lishi kerakligini tushuntirdi. Darhaqiqat, strategiyaga asoslangan tahlil yaxshi qaror qabul qilishdagi roli tufayli katta e'tiborga sazovor bo'ldi. Tadqiqotlar, shuningdek, real vaqtda ma'lumotlarni tahlil qilish uchun tahlilni qo'llash bilan birga "raqobat ustunliklari" va "farqlash" ga e'tibor qaratdi (Schroeck va boshq., 2012). Xuddi shunday tarzda, Biesdorf va boshqalar. (2013) raqobatdosh ustunliklarga erishish uchun katta ma'lumotlar, jarayonlarni optimallashtirish, oldingi vositalar va odamlar yaxshi moslashtirilgan muhitni yaratish muhimligini ta'kidladi. Boshqa tadqiqot oqimi BDAni katta imkoniyatlar bilan yangi imkoniyatlarni aniqlash nuqtai nazaridan belgilaydi. ma'lumotlar (1-ilovaga qarang). Masalan, Davenport (2012) BDA yangi mahsulotlar va qo'shimcha qiymatli faoliyatni o'rganishga harakat qilishini tushuntirdi. Shunga o'xshash dalillar Davenport va boshqalar tomonidan boshqa tadqiqotda ham taklif qilingan. (2012) tashqi muhitni skanerlash va yuzaga keladigan hodisalar va imkoniyatlarni aniqlashda. Bundan tashqari, tadqiqotlar BDA ta'rifidagi xatti-harakatlar elementlarining rolini ham ta'kidladi (Agarval va Vayll, 2012; Ferguson, 2012), masalan, empatiya, ular firmalarning tahliliy qobiliyatini sezilarli darajada oshirishda muhim deb hisoblashadi. Ular BDA ni uchta narsaning kombinatsiyasi, ya'ni biznes jarayonlari, texnologiyani optimallashtirish va ma'lumotlardan foydalanish bilan hissiy aloqa deb tushuntirdilar. Xuddi shunday ruhda Ferguson (2012) BDA ichki va tashqi omillarni qamrab oluvchi ko'p o'lchovli xatti-harakatlar tahlilini nazarda tutadi.
Umuman olganda, statistik, kontekstual, miqdoriy, bashoratli, kognitiv va boshqa modellar katta ma'lumotlar tahlili (BDA) uchun zarur shartlar ekanligi aniq (Kiron va boshq., 2012a). Shunday qilib, tadqiqot elektron tijoratdagi BDA ni amaliy tushunchalarga ega bo'lish, biznes qiymatini yaratish va raqobatdosh ustunlikni o'rnatish maqsadida turli funktsional bo'linmalar uchun ma'lumotlarni to'plash, tahlil qilish, foydalanish va talqin qilishni o'z ichiga olgan yaxlit jarayon sifatida belgilaydi. Ushbu ta'rif 18-asrga borib taqaladigan statistik ma'lumotlarning kelib chiqishi bilan bog'liq bo'lgan tahliliy usullardan amaliy tushunchalarni ishlab chiqarish uchun ishlatilishi mumkin degan tushunchani aks ettirgan bo'lsa-da, bugungi kunda aniq farq raqamli iqtisodiyotdagi elektron tranzaksiyalarning katta miqdori va u bilan bog'liq ma'lumotlar oqimidir ( Agarval va Dhar, 2014). Tranzaksiya xarajatlari nazariyasidan va yangi institutsional iqtisodiyot nuqtai nazaridan (Uilyamson, 1979, 1981, 2000), rivojlanayotgan ma'lumotlar iqtisodiyotida elektron tijorat firmalarining iqtisodiy ko'rsatkichlari haqida gap ketganda, institutsional tuzilma BDAni aniqlashda hal qiluvchi rol o'ynashi mumkin. Bundan tashqari, ishonch, sodiqlik va maxfiylik nuqtai nazaridan munosabatlarga asoslangan elektron tijorat nazariyalari (Dinev va Xart, 2006; Gefen, 2000, 2002) yoki IS muvaffaqiyati kabi klassik axborot tizimlari nazariyalari (Delone, 2003; DeLone va McLean, 1992), AT sifati (Wixom va Todd, 2005), ITning davom etishi (Bhattacherjee, 2001) va IT qobiliyati, ijtimoiy material va biznes qiymati nazariyalari (Kim va boshq., 2012) maqsadlari va ko'lami asosida BDAni aniqlashda foydalanish mumkin. o'qish. Natijada, ma'lum bir elektron tijorat kontekstida BDA ni aniqlash uchun nazariy va amaliy so'rovlar uchun aniq imkoniyatlar mavjud, jumladan marketingni reklama qilish, mijozlar bilan munosabatlardan ta'minot zanjiri boshqaruvi. Qiziqarli tadqiqot savollarini ishlab chiqish orqali ma'lumotlar fanining ushbu yangi chegarasi ma'lumotlar, texnologiya, tahlil, biznes va jamiyatdan foydalanish orqali yangi bilim va ilmiy imkoniyatlar yaratishi mumkin. 1-ilovada elektron tijoratda BDA bo'yicha ta'rifiy jihatlar va potentsial tadqiqot yo'nalishlari jamlangan.
4. Katta ma'lumotlar va ularning elektron tijorat muhitidagi o'ziga xos xususiyatlari

Bugungi kunda elektron tijorat manzarasi biznes muammolarini hal qilishda foydalaniladigan ko'plab katta ma'lumotlar bilan to'ldirilmoqda. Kauffman va boshqalarga ko'ra. (2012, p.85), katta ma'lumotlardan foydalanish elektron tijoratda "ijtimoiy tarmoq, internet, mobil telefoniya va ma'lumotlarni yaratuvchi va to'playdigan barcha turdagi yangi texnologiyalar tufayli" o'sib bormoqda. Tejamkor saqlash va qayta ishlash quvvati hamda ilg'or tahliliy vositalar yordamida katta ma'lumotlar endi elektron tijorat firmalariga hech qanday qiyinchiliksiz xarajatlarni kamaytirish va foyda keltirish imkonini beradi. Biroq, katta ma'lumotlarni to'playdigan tahlillar ko'p jihatdan an'anaviy ma'lumotlardan farq qiladi. Xususan, o‘ziga xos tabiat elementlari (ya’ni, hajmlilik, xilma-xillik, tezlik va haqqoniylik) tufayli katta ma’lumotlarni analitikada qo‘llaniladigan ma’lumotlarning an’anaviy shaklidan osongina ajratish mumkin (2-ilovaga qarang). Keyingi bo'limlar o'z navbatida ushbu elementlarni va ularning elektron tijoratga ta'sirini muhokama qiladi.

4.1 Hajmi

Veb-texnologiyalarning paydo bo'lishi bilan elektron tijorat muhitida katta ma'lumotlar hajmining tobora ortib borayotgan o'sishi kuzatilmoqda (Beath va boshq., 2012). Elektron tijorat firmalari qaror qabul qilish jarayonini yaxshilash uchun foydalanmoqchi bo'lgan ushbu ommaviy ma'lumotlar hajmi katta deb ta'riflanadi (McAfee va Brynjolfsson, 2012). Russom (2011) tomonidan tasvirlanganidek, BDA katta hajmdagi ma'lumotlarni oladi, ular katta hajmdagi saqlashni talab qiladi va ko'p sonli yozuvlarni talab qiladi. Aslida, BDA strategik qarorlar qabul qilish uchun qaror qabul qiluvchilar tomonidan qo'llaniladigan katta hajmdagi ma'lumotlarni (odatda petabayt va ekzabaytlarda ifodalangan) o'z ichiga oladi. Katta ma'lumotlar muhitida to'plangan ma'lumotlar ko'pincha tuzilmagan va mobil texnologiyalardan yaratilgan video, rasm yoki ma'lumotlarni o'z ichiga olishi mumkin. Shunday qilib, katta ma'lumotlar toza va har qanday xatoliklardan xoli bo'lishi dargumon. Bu qaror qabul qiluvchilar uchun ma'lumotlarni foydalanishga tayyor bo'lishda qo'shimcha qiyinchilik tug'dirsa-da, katta ma'lumotlar elektron tijorat firmalari uchun real vaqtda qaror qabul qilish imkonini beradi (Kang va boshq., 2003). Misol uchun, katta hajmdagi tuzilgan va tuzilmagan ma'lumotlardan foydalangan holda Amazon barcha sotuvlarning 35 foizidan ortig'ini yetkazib beruvchi murakkab tavsiya mexanizmlarini, mijozlarning yuqori qoniqishini ta'minlash uchun avtomatlashtirilgan mijozlarga xizmat ko'rsatish tizimlarini va har 15 soniyada raqobatdosh saytlarga nisbatan narxlarni moslashtiradigan dinamik narxlash tizimlarini ishlab chiqdi ( Goff va boshqalar, 2012). Xuddi shunday, onlayn film sotuvchisi Netflix mijozning film didi va inventarizatsiya shartlarini aniqlash uchun 1 milliarddan ortiq sharhlarni tahlil qiladi (Davenport va Xarris, 2007b). Ko'pgina elektron tijorat firmalari (masalan, Amazon, eBay, Expedia, Travelocity) real vaqtda reklama takliflaridan foydalanish uchun katta hajmdagi ijtimoiy media ma'lumotlaridan (masalan, fotosuratlar, eslatmalar, blog postlari, veb-havolalar va yangiliklar) foydalanadi. (Manyika va boshqalar, 2011). Imkoniyatlarga qo'shimcha ravishda, katta ma'lumotlar hajmi, ayniqsa, turli manbalar va formatlardagi katta ma'lumotlarni integratsiyalashuvi, yangi "chaqqon" tahlil usullari va mashinani o'rganish usullarini joriy etish, ma'lumotlarni qayta ishlash va tahlil qilish tezligini oshirish kabi muammolarni keltirib chiqaradi. Shunday qilib, elektron tijorat firmalari tezkorlik va ta'sirni oshirish uchun o'zlarining operatsion va qaror jarayonlariga tahlil va optimallashtirishni kiritish qobiliyatiga ega bo'lishi kerak (Davenport, 2013a).

4.1 Turli
"Har xil" so'zi katta ma'lumotlarning tuzilgan, yarim tuzilgan yoki tuzilmagan bo'lishi mumkin bo'lgan ko'plab manbalardan kelib chiqishini anglatadi (Schroeck va boshq., 2012). Turli xillik katta ma'lumotlarning yana bir muhim atributidir, chunki ular turli xil manbalar va formatlar, jumladan matn, veb, tvit, audio, video, klik-strem, jurnal fayllari va boshqalardan yaratiladi (Russom, 2011). Ma'lumotlarning bunday xilma-xilligi turli xil funktsional sohalar haqida ma'lumotdan foydalanishga imkon beradigan turli xil tahliliy va bashoratli modellardan foydalanishni talab qiladi. Biesdorf va boshqalar. (2013), masalan, e-tijorat firmalari tomonidan qo'llaniladigan analitik model turli xil mijozlar ma'lumotlarini o'z ichiga olishi mumkinligini tushuntirdi, masalan: mijozlar profili va sotib olish xatti-harakatlari haqidagi tarixiy ma'lumotlar; mintaqaviy va mavsumiy xarid shakllari; ta'minot zanjiri operatsiyalarini optimallashtirish; va, birinchi navbatda, mahsulot, do'kon va reklama faoliyati bo'yicha xaridlarni bashorat qilish uchun ijtimoiy tarmoqlardan har qanday tuzilmagan ma'lumotlarni olish. Masalan, Manyika va boshqalar. (2011) elektron sotuvchi marketing kampaniyalarida real vaqt rejimida javob berishini va kerak bo'lganda hissiyotlarni tahlil qilish orqali ularga o'zgartirishlar kiritishini ko'rsatdi. Umuman olganda, katta ma'lumotlarning xilma-xilligi firmalarga biznes qiymatini qo'shish potentsialiga ega. Biroq, yuqori boshqaruvning biznes jarayonlarini takomillashtirish va ish oqimlarini aniqlash bo'yicha majburiyatlari bunday ma'lumotlardan foyda olish uchun juda muhimdir (Beath va boshqalar, 2012).
4.2 Tezlik

Tezlik ma'lumotlarni ishlab chiqarish va/yoki ma'lumotlarni yetkazib berish chastotasini bildiradi (Russom, 2011). Biznes jarayonlarida, qaror qabul qilishda va ish faoliyatini yaxshilashda ustuvor bo'lishi va sinxronlashtirilishi kerak bo'lgan katta ma'lumotlarning tezligini tushunish muhimdir (Beulke, 2011). Gentile (2012) tomonidan ta'riflanganidek, "tezlik" atamasi katta ma'lumotlarning o'zgarish tezligi va qiymat qo'shish uchun biznes qarorlarida katta ma'lumotlardan qanchalik tez foydalanish kerakligidir. Darhaqiqat, ma'lumotlar uzatish tezligining oshishi ta'minlanganligini hisobga olsak, ma'lumotlar tashkilotlar uchun yangi imkoniyatlar ochish imkoniyatiga ega. Davenport va Patil (2012) tomonidan ko'rsatilgandek, BDA ning yuqori tezligi tahlilchilarga iste'molchilarning kayfiyatini tahlil qilish va brendlar va / yoki mahsulotlar tanlovi haqida aniq tasavvurni taqdim etish imkonini beradi. Ma'lumotlarning yuqori sur'atlaridan foydalanish uchun ko'plab elektron tijorat firmalar o'z biznesiga qiymat qo'shish uchun turli usullardan foydalanganlar. Masalan, Amazon o'z manfaatdor tomonlari bilan o'z vaqtida muloqot qilish orqali yangi mahsulotlarning doimiy oqimini saqlab turishga muvaffaq bo'ldi (Davenport, 2006). eBay Inc. o'z veb-saytining turli jihatlari bilan ma'lumotlar tezligidan foydalangan holda minglab tajribalar o'tkazdi, buning natijasida navigatsiyadan tortib rasmlarning o'lchamigacha bo'lgan yaxshi tartib va veb-sayt xususiyatlari paydo bo'ldi (Bragge va boshq., 2012). Ma'lumotlarning yuqori tezligidan foydalanish uchun ko'plab elektron tijorat firmalari hozirda real vaqtda qarorlar qabul qilish va raqobatdosh ustunliklarini saqlab qolish uchun ma'lumotlarni olish, saqlash va tahlil qilish uchun murakkab tizimlardan foydalanadilar.

4.3 Haqiqiylik

Katta ma'lumotlarning yana bir muhim atributi ma'lum turdagi ma'lumotlar bilan bog'liq noaniqlik bilan bog'liq. Ushbu ma'lumotlar sifat va xavfsizlik masalalariga to'liq rioya qilishni talab qiluvchi qat'iy tekshirishni talab qiladi. Ma'lumotlarning yuqori sifati elektron tijorat muhitida yaxshiroq prognoz qilish uchun BDAning muhim talabidir (Schroeck va boshq., 2012). Shuning uchun, autentifikatsiya qilingan va tegishli ma'lumotlarni yaratish va yomon ma'lumotlarni tekshirish qobiliyatiga ega bo'lish uchun tekshirish zarur (Beulke, 2011). Darhaqiqat, ma'lumotlarni boshqarish jarayonida tekshirish juda muhim, chunki noto'g'ri ma'lumotlarning mavjudligi boshqaruv qarorlarini qabul qilishda to'sqinlik qilishi mumkin. Xuddi shunday, yomon ma'lumotlarning biznes qiymatini qo'shishda ahamiyati kam bo'ladi. Beulke (2011) axborot texnologiyalari (IT) birliklari ekanligini tushuntirdi

biznes qarorlar qabul qilish uchun foydalaniladigan katta ma'lumotlarning autentifikatsiya qilinishi va qat'iy sifatga muvofiqlik tartib-qoidalaridan o'tishi uchun avtomatik tekshirish tizimini o'rnatish orqali korxonalar bu borada asosiy rol o'ynashi mumkin. Shu munosabat bilan Schroeck va boshqalar. (2012) aniqroq va foydali ma'lumotlar nuqtasini yaratish uchun (masalan, geofazoviy joylashuv ma'lumotlariga biriktirilgan ijtimoiy sharhlar) turli kamroq ishonchli ma'lumotlar manbalarini birlashtirgan ma'lumotlar sintezidan foydalanishni ilgari surdi. Ferguson (2012) Montage Analytics tashkilotda "qora oqqushlar1" va insoniy xatti-harakatlar va motivatsiyalar natijasida yuzaga kelgan boshqa xavf turlarini bashorat qilish uchun ayniqsa foydali vositani ishlab chiqqanligini ta'kidladi. Buning sababi shundaki, ba'zi ma'lumotlarning oldindan aytib bo'lmaydiganligi har doim texnologiyaning nosozligi, insonning haqiqatga mos kelmasligi va iqtisodiy omillar kabi omillar bilan bog'liq.
5. Elektron tijoratda foydalaniladigan katta ma’lumotlar turlari

Elektron tijorat onlayn tranzaktsiyalarni anglatadi: Internetda tovarlar va xizmatlarni bitta tranzaksiya (masalan, Amazon, Zappos, eBay, Expedia) yoki davom etayotgan tranzaksiya (masalan, Netflix, Match.com, LinkedIn va boshqalar) orqali sotish. (Frost va Strauss, 2013). Amazondan Netflixgacha bo'lgan elektron tijorat firmalari har xil turdagi ma'lumotlarni (masalan, buyurtmalar, savatlar, tashriflar, foydalanuvchilar, havolalar, kalit so'zlar, kataloglarni ko'rib chiqish, ijtimoiy ma'lumotlar) to'playdi, ularni to'rtta toifaga ajratish mumkin: (a) tranzaksiya. yoki biznes faoliyati ma'lumotlari (b) klik-stream ma'lumotlari (c) video ma'lumotlar va (d) ovozli ma'lumotlar (3-ilovaga qarang). Elektron tijoratda ma'lumotlar takliflarni shaxsiylashtirish uchun iste'molchilarning xarid qilish xatti-harakatlarini kuzatish uchun kalit bo'lib, ular vaqt o'tishi bilan iste'molchilarni ko'rib chiqish va tranzaksiya nuqtalari yordamida to'planadi. Ushbu bo'limda katta ma'lumotlarning har xil turlari va ularning elektron tijoratga ta'siri muhokama qilinadi.

5.1 Tranzaksiya yoki tadbirkorlik faoliyati ma'lumotlari

Tranzaksiya yoki biznes faoliyati ma'lumotlari vaqt o'tishi bilan mijoz va kompaniya o'rtasidagi almashinuv natijasida rivojlanadi. Ushbu ma'lumotlar tabiatan tuzilgan va mijozlar bilan munosabatlar dasturlari (masalan, kompaniya tomonidan qo'llab-quvvatlanadigan mijozlar profili, mijozlar shikoyatlarining paydo bo'lishi) va savdo operatsiyalarigacha bo'lgan ko'plab manbalardan kelib chiqadi. Chandrasekaran va boshqalar tomonidan yaqinda o'tkazilgan tadqiqot. (2013) 1,6 milliard ma'lumot nuqtasi, 10 million mijoz, 50 000 aktsiyalarni saqlash birligi (SKU) va 700 do'konni o'z ichiga olgan sodiqlik dasturi (ya'ni, Clubcard sodiqlik dasturi) ma'lumotlarini tahlil qiladigan elektron sotuvchi misolini keltirdi. katta ma'lumotlarni iste'molchi tushunchalari bilan to'liq muvofiqlashtirishga olib keldi. Elektron chakana savdo kontekstida Kiron va boshqalar. (2014b) AQSHdagi StyleSeek onlayn tavsiyalar mexanizmi mijozlarning didi va afzalliklarini tahlil qilish va murakkab tahlil platformasi yordamida isteʼmolchilarni oʻzining chakana hamkorlari tomon yoʻnaltirish orqali katta daromad keltirishi haqida xabar berdi. Umuman olganda, elektron sotuvchilar tranzaksiya ma'lumotlaridan foydalangan holda qiymat zanjiri bo'ylab ko'p foyda olishlari mumkinligi aniq.

5.2 Klik-stream ma'lumotlari

Click-stream maʼlumotlari internet va onlayn reklamalardan hamda elektron tijorat korxonalarining tvitlari, bloglari, Facebook devoridagi eʼlonlari va boshqalar kabi ijtimoiy media kontentidan kelib chiqadi. Bugungi bog'langan muhitda ijtimoiy tarmoqlar va onlayn reklamalar firmalarning davom etayotgan reklama strategiyasida muhim rol o'ynaydi, masalan, ma'lumotli, strategik va taktik qarorlar qabul qilishda boshqaruv uchun juda muhim bo'lgan klik oqimi ma'lumotlaridan foydalanish. Ilgari olib borilgan tadqiqotlar shuni ko'rsatdiki, butun dunyo bo'ylab ko'plab elektron tijorat firmalari (masalan, Amazon, eBay, Zappos, Alibaba va boshqalar) ma'lumotlarni qo'lga kiritishda o'zlarining klik-oqim ma'lumotlariga tayanadilar. Click-stream ma'lumotlari mijozlarning afzalliklari va didlarini taxmin qilish uchun qo'llanilishi mumkin. Davenport va Xarris (2007a) ta'kidlaganidek, Netflix, jahonga mashhur internet-televideniye tarmog'i mijozlarning fikrini tushunish uchun yoqtirgan, sevilgan, nafratlanadigan va hokazo filmlar sharhlari bilan bog'liq bir milliarddan ortiq veb-ma'lumotlarni oladi va tahlil qiladi. ta'mi.Davenport va boshqalar tomonidan yaqinda o'tkazilgan yana bir tadqiqot. (2012) kredit karta kompaniyalari veb-saytlar va qo'ng'iroqlar markazi ma'lumotlariga tayangan holda, ma'lumotlar bazalarini (bozorga tayyor deb nomlanadi) saqlaydi va mijozlarga moslashtirilgan mahsulotlarni millisekundlarda taklif qiladi va mijozlarning javoblarini kuzatib borish orqali takliflarni optimallashtiradi. Ba'zi kompaniyalar bunday ma'lumotlar bazasidan nafaqat mijozlarga murojaat qilish, balki onlayn xizmatlarni taklif qilish uchun ham foydalanadilar. Masalan, Biesdorf va boshqalar. (2013) veb-ma'lumotlarni tahlil qilish orqali elektron sotuvchilar o'zlarining raqobatchilari mahsulotlarining narxlari o'zlarining narxlari darajasidan past bo'lganda qizil bayroq haqida ogohlantirish olishlarini tushuntirdi. Shu sababli, chakana sotuvchilar raqobatbardosh bo'lish uchun narxlarni o'zgartirishlari mumkin.

5.3 Video ma'lumotlari

Video ma'lumotlar jonli tasvirlarni olish natijasida olingan jonli ma'lumotlardir. Hozirgi vaqtda elektron tijorat firmalari nafaqat klik-oqim ma'lumotlari yoki tranzaksiya ma'lumotlaridan foydalanishni xohlaydi, balki tasvirni tahlil qilish dasturi bilan birgalikda video ma'lumotlarini ham olishga intiladi. Schroeck va boshqalar tomonidan ta'kidlanganidek. (2012) e-tijorat firmalari video yoki ovozli ma'lumotlar kabi o'ta tuzilmagan ma'lumotlarni tahlil qilish uchun zarur vakolatlarga ega. Ushbu ma'lumotlar elektron tijorat firmalari uchun qiymat qo'shish potentsialiga ega. Misol uchun, Ramaswamy (2013) Netflix ko'rish odatlarini bashorat qilish va tajriba sifatini baholash uchun video ma'lumotlardan foydalanishi haqida xabar berdi. Bundan tashqari, kino iste'moli turiga asoslangan vizualizatsiya va talabni tahlil qilish vositasi Netflix-ga imtiyozlarni tushunishga yordam beradi, bu esa ularni AQShda "House of Cards" dasturida muvaffaqiyatga erishishga olib keldi. Shunday qilib, video ma'lumotlardan foydalanish firmalar uchun raqobatchilarga qaraganda yaxshiroq qaror qabul qilishda muhim ahamiyatga ega.

5.4 Ovozli ma'lumotlar

Katta ma'lumotlar oilasiga biriktirilgan ma'lumotlarning yana bir turi - bu ovozli ma'lumotlar, ya'ni odatda telefon qo'ng'iroqlari, qo'ng'iroq markazlari yoki mijozlarga xizmat ko'rsatishdan olingan ma'lumotlar. Yaqinda o'tkazilgan tadqiqotlar shuni ko'rsatadiki, ovozli ma'lumotlar iste'molchining sotib olish xatti-harakatlarini tahlil qilish yoki yangi mijozlarga yo'naltirish uchun foydalidir. Davenport va boshqalar tomonidan ta'riflanganidek. (2012), kredit karta kompaniyalari, masalan, American Express, shaxsiylashtirilgan takliflar millisekundlarda berilishi uchun qo'ng'iroq markazi faoliyati bilan bog'liq ma'lumotlardan foydalanadi va kuzatib boradi. Schroeck va boshqalar (2012) so'rovida elektron tijorat firmalari qo'ng'iroq markazi suhbatlaridan o'zgartirilgan matn va transkriptlarni tahlil qilish uchun ilg'or imkoniyatlardan foydalanishlari aniqlandi. Bundan tashqari, elektron tijorat kontekstida BDA yordamida hissiyot, jargon va niyatlar kabi tilning ko'plab nuanslari o'qilishi va tan olinishi mumkin. Chunki katta ma'lumotlarning tabiati va turi noyobdir va turli xil raqamli tarmoqlardan keladi. platformalarda, yangi muammolarni so'raydigan yangi nazariya imkoniyati mavjud. Ma'lumotlar iqtisodiyoti, shuningdek, katta ma'lumotlarning "aloqaviy" va "tarmoqli" ekanligini ko'rsatadi, bu esa IT qobiliyati va algoritmlari, tizim va ma'lumotlar sifati, maxfiylik va axloqiy ta'sirlar, strategik moslashuv va korporativ madaniyatda yangi ishlanmalarni talab qiladi.

6. Elektron tijorat firmalari uchun katta ma'lumotlar tahlilining biznes qiymati

BDA ning yakuniy muammosi katta ma'lumotlar portlashidan biznes qiymatini yaratishdir (Beath va boshq., 2012). Katta ma'lumotlar kontekstidagi "qiymat" atamasi katta ma'lumotlarni qazib olish va o'zgartirish orqali tahlil qilish orqali iqtisodiy jihatdan munosib tushunchalar va / yoki imtiyozlarni yaratishni anglatadi. Wixom va boshqalar bilan birlashtirilgan. (2013), biz BDA ning biznes qiymatini elektron tijorat firmalari uchun tranzaksiya, axborot va strategik foyda sifatida belgilaymiz. Tranzaksiya qiymati samaradorlikni oshirish va xarajatlarni kamaytirishga qaratilgan bo'lsa, axborot qiymati real vaqt rejimida qaror qabul qilish va strategik qiymat raqobatdosh ustunliklarni qo'lga kiritish bilan bog'liq masalalarni yoritadi. Masalan, elektron tijoratga tahlillarni kiritish orqali menejerlar mijozlar ehtiyojlarini qondirish orqali umumiy biznes qiymatini olishlari mumkin (79%); yangi mahsulotlar va xizmatlarni yaratish (70%); yangi bozorlarga chiqish (72%); va sotish va daromadni oshirish (76%) (Columbus, 2014). 3-jadval shuni ko'rsatadiki, butun dunyo bo'ylab ko'plab elektron tijorat firmalari katta ma'lumotlar tahlilidan foydalangan holda tranzaksiya, axborot va strategik manfaatlar ko'rinishida biznes qiymatini oshirishga qodir.

Amazon, onlayn chakana sotuvchi gigant, katta ma'lumotlardan foydalangan holda biznes qiymatini va firma samaradorligini oshirishning klassik namunasidir. Haqiqatan ham, firma o'z sotuvlarining qariyb 30 foizini tahlillar (masalan, tavsiyalar mexanizmi orqali) orqali ishlab chiqarishga muvaffaq bo'ldi (The Economist, 2011). Xuddi shunday, Kiron va boshqalar. (2012b) ma'lumotlariga ko'ra, Match.com so'nggi ikki yil ichida daromadni 50% dan ortiq oshirishga muvaffaq bo'ldi, kompaniyaning asosiy biznes obunachilari bazasi esa 1,8 millionga yetdi. IBM amaliy tadqiqoti (IBM, 2012) ko'proq ma'lumot almashish va tahlil qilish bemorning natijalarini yaxshilashi mumkinligini ko'rsatdi. Masalan, Premier Healthcare Alliance xarajatlarni 2,85 milliard AQSh dollariga kamaytirishga muvaffaq bo'ldi. Schroeck va boshqalar. (2012) shuni aniqladiki, Automercados Plaza oziq-ovqat tarmog'i butun tashkilot bo'ylab axborot integratsiyasini amalga oshirish orqali har yili daromadning qariyb 30% o'sishi va jami 7 million AQSh dollari miqdoridagi rentabellikni oshirishi mumkin. Bundan tashqari, kompaniya tez buziladigan mahsulotlarni o'z vaqtida sotish uchun narxlarni pasaytirishni rejalashtirish orqali o'z mahsulotlarining 30% dan ortig'ini yo'qotishning oldini oldi. Moliyaviy nuqtai nazardan biznes uchun qiymat qo'shishdan tashqari, katta ma'lumotlardan foydalanish mijozlar ehtiyojini qondirish, mijozlarni ushlab turish yoki biznes jarayonlarini takomillashtirish kabi moliyaviy bo'lmagan parametrlarda foyda keltirishi mumkin. Davenport (2006) tomonidan taqdim etilganidek, United Parcel Service (UPS) mijozlarning kamchiliklarini aniq bashorat qilish uchun foydalanish naqshlari va shikoyatlar ma'lumotlarini o'rganadi. Bu jarayon natija berdi
firma uchun mijozlarni ushlab turishning sezilarli darajada oshishi. Xuddi shunday ruhda, LaValle va boshqalar. (2011) xabar berishicha, onlayn avtomobil kompaniyasi katta ma'lumotlardan mijozlar namunasini yaratish, so'ngra xavf ostida bo'lgan mijozlarni aniqlash bilan birga yo'q bo'lib ketish ehtimolini prognoz qilish uchun analitik algoritmlarni qo'llash orqali mijozlarni ushlab turishning aniq strategiyalarini ishlab chiqishga muvaffaq bo'ldi. Shunday qilib, ushbu ushlab turish strategiyasi firma uchun faqat bitta brenddan yuzlab million dollar daromad olish istiqbollarini ochdi. Elektron tijorat kompaniyalari elektron tijorat platformasiga ega bo'lmagan firmalarga qaraganda tez-tez mijozlar bilan real vaqt rejimida o'zaro muloqot qilish imkoniyatiga ega bo'lganligi sababli, ular turli maqsadlarda katta ma'lumotlardan foydalanishlari kerak. Shuning uchun, elektron tijoratdagi tegishli nazariyalarga tayangan holda (4-jadvalga qarang), biz ma'lumotlar iqtisodiyotida amaliy biznes qadriyatlarini oshirishning oltita mexanizmini quyidagicha taqdim etamiz.
6.1 Shaxsiylashtirish

Elektron tijorat firmalari uchun katta ma'lumotlarning birinchi qo'llanilishi shaxsiylashtirilgan xizmat yoki moslashtirilgan mahsulotlarni taqdim etishdir (Koutsabasis va boshqalar, 2008). Tadqiqotlar shuni ko'rsatdiki, iste'molchilar odatda bir xil chakana sotuvchidan turli xil kanallardan foydalangan holda xarid qilishni yaxshi ko'radilar va bu turli kanallardan olingan katta ma'lumotlarni real vaqtda shaxsiylashtirish mumkin (Kopp, 2013; Mehra, 2013; Miller, 2013). Haqiqiy vaqtda ma'lumotlar tahlili firmalarga mijozlarga maxsus kontent va reklamalarni o'z ichiga olgan shaxsiylashtirilgan xizmatlarni taklif qilish imkonini beradi. Bundan tashqari, ushbu shaxsiylashtirilgan xizmatlar firmalarga sodiq mijozlarni yangi mijozlardan ajratishga va shunga mos ravishda reklama takliflarini kiritishga yordam beradi (Mehra, 2013). Liebowitz (2013) ma'lumotlariga ko'ra, shaxsiylashtirish sotuvlarni 10% yoki undan ko'proq oshirishi va marketing xarajatlari bo'yicha ROIni 5-8 baravar oshirishi mumkin. Bloomspot, shu nuqtai nazardan, eng sodiq mijozlarning sarf-xarajatlarini kuzatish va ularga mijozlarning sodiqligini oshirishga yordam beradigan keyingi takliflar va imtiyozlar orqali mukofotlarni taklif qilish uchun mijozlarning kredit karta ma'lumotlarini o'rgandi (Miller, 2013). Wine.com shaxsiylashtirilgan elektron pochta marketingidan foydalangan holda o'z savdolarida katta o'sishga erishdi (Zhao, 2013). Bikeberry.com hozirda har bir mijozga moslashtirilgan taklifni yuborish uchun BDA dan (masalan, mijozlarning ko‘rish namunalari, tizimga kirishlar soni, o‘tgan xaridlari ma’lumotlaridan foydalanish) foydalanadigan elektron tijorat firmasiga misol bo‘la oladi: bu savdo hajmining oshishiga olib keldi. 133% va foydalanuvchining saytdagi ishtiroki taxminan 200% ga oshgan (Jao, 2013).

6.2 Dinamik narxlash
Bugungi o'ta raqobatbardosh bozor sharoitida mijozlar "qirol" hisoblanadi. Shu sababli, yangi mijozlarni jalb qilish uchun elektron tijorat firmalari raqobatbardosh narxni belgilashda faol va jonli bo'lishi kerak (Kung va boshq., 2013). Amazon.com ning dinamik narxlash tizimi raqobatbardosh narxlarni kuzatib boradi va Amazonni har 15 soniyada ogohlantiradi, bu esa barcha sotuvlarning 35% ga oshishiga olib keldi. Savdolarning mumkin bo'lgan o'sishi arafasida (masalan, Rojdestvo yoki boshqa bayram kunlarida) mijozlarga raqobatbardosh narxlarni taklif qilish uchun Amazon raqobatchilarning narxlari, mahsulot sotuvi, mijozlarning harakatlari va har qanday mintaqaviy yoki geografik imtiyozlarni hisobga olgan holda katta ma'lumotlarni qayta ishlaydi. (Kopp, 2013). Katta ma'lumotlardan foydalanish orqali ushbu ma'lumotlarga kirish elektron tijorat firmalariga dinamik narxlarni belgilash imkonini beradi (Leloup va Deveaux, 2001).

6.3 Mijozlarga xizmat ko'rsatish

Elektron tijorat firmalari katta ma'lumotlardan foydalanishlari mumkin bo'lgan yana bir muhim soha - bu mijozlarga xizmat ko'rsatish. Onlayn do'konlardagi aloqa shakllari orqali mijozlarning shikoyatlari va tvitlar orqali e-tijorat firmalariga xizmat ko'rsatish markaziga qo'ng'iroq qilganda mijozlar o'zlarini qadrli his qilishlariga imkon beradi, bu esa tezkor xizmatlarni taqdim etadi (Mehra, 2013). Xuddi shunday, Miller (Miller, 2013) mahsulotlarga asoslangan sensorlardan olingan katta ma'lumotlardan foydalangan holda proaktiv texnik xizmat ko'rsatishni taklif qilish orqali (ya'ni, nosozlik yuz berishi yoki hatto aniqlanishidan oldin profilaktika choralarini ko'rish) elektron tijorat firmalari innovatsion xizmatlarni taklif qilishlari mumkinligini tushuntirdi. sotishdan keyingi xizmat.
6.4 Ta'minot zanjiri ko'rinishi
Mijozlar onlayn platformada buyurtma berganida, ular tovarlar hali ham tranzitda bo'lgan vaqtda buyurtmani kuzatish xizmatini kompaniyalar taqdim etishini kutishlari mantiqan to'g'ri. Kopp (2013) mijozlar buyurtmalarining aniq mavjudligi, joriy holati va joylashuvi kabi asosiy ma'lumotlarni kutishlarini tushuntirdi. E-tijorat firmalari ko'pincha mijozlarning ushbu umidlarini qondirishda qiyinchiliklarga duch kelishadi, chunki ta'minot zanjiri jarayonida ombor va transport kabi turli uchinchi tomonlar ishtirok etadi (Kopp, 2013). Katta ma'lumotlar tahlili (BDA) bu kontekstda bir nechta mahsulotlar bo'yicha bir nechta tomonlardan bir nechta ma'lumotlarni to'plash orqali asosiy rol o'ynaydi (Mehra, 2013) va keyinchalik mijozlarga kutilgan etkazib berish sanasini aniq maslahat beradi.

6.5 Xavfsizlik va firibgarlikni aniqlash

Firibgarlik bilan bog'liq yo'qotishlar har bir 1 million AQSh dollari daromadi uchun o'rtacha 9000 AQSh dollarini tashkil qiladi (Mehra, 2013). Katta ma'lumotlardan foydalanish orqali tegishli tushunchalarni aniqlash orqali bu katta miqdordagi yo'qotishning oldini olish mumkin. Hadoop kabi to'g'ri infratuzilma yordamida elektron tijorat firmalari kredit kartalari, mahsulot qaytarilishi va shaxsni o'g'irlash bilan bog'liq firibgarlikni aniqlash uchun ma'lumotlarni umumiy darajada tahlil qilishlari mumkin (Mehra, 2013). Bundan tashqari, elektron tijorat firmalari tranzaksiya ma'lumotlarini mijozlarning xaridlar tarixi, veb-jurnallari, ijtimoiy tasma va smartfon ilovalaridagi geofazoviy joylashuv ma'lumotlari bilan birlashtirib, real vaqt rejimida firibgarlikni aniqlay oladi. Misol uchun, Visa tranzaksiyaning 500 xil jihatini tekshirish imkonini beruvchi yirik maʼlumotlarga asoslangan firibgarlikni boshqarish tizimini oʻrnatdi va bu tizim har yili ehtimoliy yoʻqotishlarni 2 milliard AQSh dollarini tejaydi.
6.6 Bashoratli tahlillar

Bashoratli tahlillar katta ma'lumotlardan foydalanish orqali sodir bo'lishidan oldin voqealarni aniqlashni anglatadi (Kopp, 2013). Bashoratli tahlilni qo'llash ishonchli ma'lumotlarni qidirishga bog'liq (Cherif va Grant, 2013). Shu nuqtai nazardan, Loveman (2003), "Caesar's Entertainment" kompaniyasining bosh direktori va prezidenti shunday dedi: "[t]ma'lumotlarga asoslangan marketing bilan shug'ullanishning eng yaxshi usuli - bu mijozlarning afzalliklari haqida ko'proq va aniqroq ma'lumot to'plash, tajribalar va tahlillarni o'tkazishdir. yangi ma'lumotlar bo'yicha va [kazino o'yini] o'yinchilarining manfaatlariga murojaat qilish usullarini aniqlang. Biz maʼlumotlar bazasidagi maʼlumotlar va qaror qabul qilish boʻyicha ilm-fan vositalari bilan birgalikda mijozning biz uchun nazariy qiymatini bashorat qilishga imkon berishini angladik, bu bizga oʻyinchilarning oʻziga xos afzalliklarini hisobga olgan holda marketing tadbirlarini yaratishga imkon beradi”. Shuning uchun bashoratli tahlil firmalarga o'z daromadlari byudjetlarini tayyorlashga yordam beradi. Ushbu byudjetlarni tayyorlash elektron tijorat firmalariga o'tmishdagi savdo ma'lumotlaridan (masalan, yillik yoki choraklik) kelajakdagi sotish modellarini aniqlashga yordam beradi. Bu, o'z navbatida, firmalarga inventarizatsiyaga bo'lgan talablarni yaxshiroq prognozlash va aniqlashga yordam beradi, bu esa mahsulot zaxiralari va yo'qolgan mijozlarning oldini olishga olib keladi (Mehra, 2013). Xuddi shunday, Netflix-da vizualizatsiya va talabni tahlil qilish vositasini qo'llash Amerika Qo'shma Shtatlarida (AQSh) "Kartalar uyi" dasturini efirga uzatishda iste'molchilarning xatti-harakatlari va afzalliklarini aniq prognoz qilishda yordam berdi (Ramasvami, 2013). Elektron tijorat firmalari biznes muammolarini hal qilish yoki qaror qabul qilish uchun BDA tushunchalaridan biznes qiymatini tobora ko'proq ajratib olishadi. Ma'lumotlarga asoslangan elektron tijorat sohasidagi ushbu yangi rivojlanish odamlar, jarayon va texnologiyalardan foydalangan holda moddiy (masalan, samaradorlikni oshirish) va nomoddiy (masalan, strategik biznesni tushunish) biznes qiymati kontekstida yangi nazariyalarni ishlab chiqishga turtki beradi. Masalan, Wixom va boshqalar. (2013) BDAni qabul qilish va qiymatida mumkin bo'lgan nazariy kengayish uchun yangi konstruktsiyalar sifatida "keng tarqalgan foydalanish drayverlari" va "idrok qilish tezligi haydovchilari" ni aniqladi. Xuddi shunday ruhda, Fosso Wamba va boshqalar. (2015a) BDA ning tranzaktsion, strategik va transformativ biznes qadriyatlarini bilim yaratish uchun qulay asos sifatida ta'kidladi. Shuningdek, Sharma va boshqalar. (2014) BDA biznes qiymatiga qanday ta'sir qilishini chuqurroq tushunish uchun tashkilotlarda resurslarni taqsimlash va resurslarni tartibga solish jarayonlarining rolini o'rganuvchi yangi tadqiqot savollarini ilgari surdi. Shunga o'xshash dalillar Beath va boshqalar tomonidan ilgari surilgan. (2012) katta ma'lumotlarning joriy imkoniyatlaridan foydalanish uchun BDA va biznes qiymatini amalda o'rganish. Umuman olganda, biz elektron bozorlarda yangi ijtimoiy va iqtisodiy faollikni qo'lga kiritish shaklida nazariyani yaratishda katta ma'lumotlarning kuchidan foydalanadigan innovatsion, noan'anaviy tadqiqotlar o'tkazishni taklif qilamiz.