Засади сучасної цифрової економіки. Лекція 1

1.

Лекція 1
Засади сучасної
цифрової економіки

2.

Етапи розвитку суспільства
Аграрний
Індустріальний
Постіндустріальний

3.

Термін
"цифрова
економіка"
(digitaleconomy) в перший раз був
використаний
в
1995
році
американським вченим з університету
штату
Массачусетс,
Ніколасом
Негропонте

4.

Цифрова економіка – це діяльність, яка
безпосередньо пов’язана з розвитком
цифрових комп’ютерних технологій, яка
включає в себе надання сервіси надання
онлайн- послуг, електронні платежів та
електронної
комерції.
Зазвичай
основними
елементами
цифрової
економіки
називають
електронну комерцію, інтернет-banking,
електронні платежі, інтернет-рекламу, а
також інтернет-ігри.

5.

Можна виділити три основні
компоненти концепції цифрової
економіки:
1) підтримуюча інфраструктура
2) електронний бізнес
3) електронна комерція

6.

Плюси цифрової економіки
зростання продуктивності праці;
підвищення конкурентоспроможності
підприємств;
зменшення витрат на виробництво;
створення нових робочих місць;
подолання бідності та соціальної
нерівності

7.

Ризики цифрової економіки
ризик кібернетичні загрози, пов'язаний з
захистом персональних даних
«цифрове рабство»
зростання безробіття на ринку праці
цифровий розрив

8.

The Boston Consulting Group прогнозує,
що обсяг цифрової економіки до 2035 р.
може досягнути 16 трлн дол.
Левова частка цієї вартості
виробляється в найбільших економіках
світу:
35% - у США,
13 %- у Китаї,
8 %- в Японії та
25% - у європейському економічному
просторі.
Глобальна цифрова економіка
швидко зростає і постійно розвивається.

9.

Обсяги ЦЕ в різних країнах:
від 10 до 35% ВВП у розвинених
країнах
від 2 до 19% ВВП - у країнах, що
розвиваються
в Україні – 3-4%

10.

Важливим у ЦЕ є системи індикаторів
різних аспектів розвитку інформаційного
суспільства - глобальні індекси
(рейтинги), які складаються визнаними
міжнародними інституціями
Індекс цифрової еволюції (Digital
Evolution Index, DEI)
Індекс мережевої готовності (Networked
Readiness Index)
Глобального індексу інновацій (Global
Innovation Index)
Рейтинг світової цифрової

11.

Терміном Big Data ("великі дані") окреслюють групу
технологій та методів, за допомогою яких аналізують та
обробляють величезну кількість даних, як структурованих так і
неструктурованих, для отримання якісно нових знань. Якщо
підсумувати, то це інформація, що не піддається обробці
класичними способами через її величезний об'єм.

12.

Ключові умови Big Data
Volume (об'єм) – накопичена база даних охоплює настільки великий
обсяг інформації, що його практично нереально обробляти та зберігати
традиційними способами.
Velocity (швидкість) – ця характеристика вказує на швидкість
накопичення даних, яка постійно збільшується.
Variety (різноманітність) – можливість одночасно обробляти
структуровану та неструктуровану інформацію.
Veracity (достовірність) – оскільки обсяг інформації постійно
збільшуються, важливе місце займає виокремлення достовірних даних.
Variability (мінливість) – невідповідність інформації ускладнює та
подекуди заважає процесам обробки та управління даними.

13.

Основні методи аналізу даних і обробки
включають наступні:
1. Метод класу або глибинного аналізу (Data Mining).
2. Краудсорсінг.
3. A / В тестування.
4. Прогнозна аналітика.
5. Машинне навчання (штучний інтелект).
6. Мережевий аналіз .

14.

Проекти, що базуються на Big Data
допомагають:
Лікувати хвороби
Боротися з голодом
Відкривати нові далекі планети
Прогнозувати надзвичайні ситуації
Запобігати злочинам
Оптимізувати прибутки
Покращити ефективність держави

15.

Інтелектуальний аналіз даних (ІАД, Data Mining), або розвідка даних
- термін, що застосовується для опису здобуття знань у базах даних,
дослідження даних, обробки зразків даних, очищення і збору даних.
Це процес виявлення кореляції, тенденцій, шаблонів, зв'язків і
категорій

16.

Задачі Data Mining:
1. Класифікація (Classification) - виявляються ознаки, які
характеризують групи об'єктів досліджуваного набору даних класи; за цими ознаками новий об'єкт можна віднести до того або
іншого класу.
2. Кластеризація (Clustering) - результатом її є поділ об'єктів на групи.
3. Асоціація (Associations) - знаходять закономірності між
пов'язаними подіями у наборі даних.
4. Послідовність (Sequence), або послідовна асоціація (sequential
association), - дає можливість знайти часові закономірності між
транзакціями.

17.

Задачі Data Mining:
5. Прогнозування (Forecasting) - на основі особливостей історичних
даних оцінюються майбутні значення показників. Застосовуються
методи математичної статистики, нейронні мережі тощо.
6. Визначення відхилень (Deviation Detection), аналіз відхилень або
викидів - виявлення й аналіз даних, що найбільше відрізняються від
загальної чисельності даних, виявлення нехарактерних шаблонів.
7. Оцінювання (Estimation) - зводиться до прогнозу безперервних
значень ознак.
8. Аналіз зв'язків (Link Analysis) - задача знаходження залежностей у
наборі даних.

18.

Задачі Data Mining:
9. Візуалізація (Visualization, Graph Mining) - створюється графічний
образ аналізованих даних.
10. Підбивання підсумків (Summarization) - опис конкретних груп об'єктів
за допомогою аналізованого набору даних.

19.

Дякую за увагу!