Управління розвитком
Управління розвитком
ISSN 2413-9610 e-ISSN 2663-2365 УДК 004; 005; 35; 336; 65
DOI: 10.57111/devt
Подати статтю

Стаття

Завантажити статтю

Вплив аналітики великих даних на ефективність управлінських рішень

Дмитро Зелений

Отримано 20.02.2025, Доопрацьовано 21.05.2025, Прийнято 27.06.2025

Анотація

Метою дослідження було оцінити вплив аналітики великих даних на якість управлінських рішень шляхом аналізу ключових технологій, методів обробки та інтерпретації даних у сучасному бізнес-середовищі. Методологія дослідження включала аналіз та порівняння існуючих підходів до використання аналітики великих даних у різних галузях, а також застосування методів кейс-стаді та моделювання для оцінки впливу Big Data на ефективність управлінських рішень в умовах нестабільного ресурсозабезпечення. Також у дослідженні було проаналізовано прикладне використання Big Data у фінансах, маркетингу, логістиці, виробництві, управлінні персоналом та державному управлінні з опорою на реальні кейси таких компаній, як Amazon, Uber, Walmart, General Electric та Netflix. Описано типи алгоритмів машинного навчання (класифікація, кластеризація, регресія, глибоке навчання), приклади їх застосування (сегментація клієнтів, прогноз попиту, виявлення аномалій) і їхній вплив на ефективність управлінських рішень. Зазначено ключові технології – Hadoop, Spark і Tableau, які забезпечують обробку, аналіз і візуалізацію великих даних. Акцент зроблено на перевагах Big Data – підвищення точності прогнозування, персоналізація, автоматизація, адаптація до ринку – та викликах впровадження, зокрема потребі в обчислювальних ресурсах, кваліфікованих кадрах і захисті даних, що є критичними для досягнення управлінської ефективності. Отримані результати дозволять підприємствам оптимізувати операційні процеси, підвищити ефективність використання ресурсів, а також адаптувати стратегічні рішення під специфічні умови ринку та технологічні виклики. Крім того, дослідження дає змогу вдосконалити інтеграцію аналітики великих даних з іншими цифровими технологіями, такими як BIM та IoT, що сприяє більш точному прогнозуванню та оптимізації бізнес-процесів. Практичне значення дослідження полягає у визначенні способів ефективного застосування аналітики великих даних для покращення управлінських рішень у різних галузях


Ключові слова:

обробка інформації; прогнозування; алгоритмічні підходи; оптимізація процесів; штучний інтелект

https://doi.org/10.63341/devt/2.2025.20

Взято з Том 24, № 2, 2025

Сторінки 20-30

Використані джерела ЦИТУВАТИ

Використані джерела

  1. Ayvaz, S., & Alpay, K. (2021). Predictive maintenance system for production lines in manufacturing: A machine learning approach using IoT data in real-time. Expert Systems with Applications, 173, article number 114598. doi: 10.1016/j.eswa.2021.114598.
  2. Badshah, A., Daud, A., Alharbey, R., Banjar, A., Bukhari, A., & Alshemaimri, B. (2024). Big data applications: Overview, challenges and future. Artificial Intelligence Review, 57(11), article number 290. doi: 10.1007/s10462-024-10938-5.
  3. Bag, S., Wood, L.C., Xu, L., Dhamija, P., & Kayikci, Y. (2020). Big data analytics as an operational excellence approach to enhance sustainable supply chain performance. Resources, Conservation and Recycling, 153, article number 104559. doi: 10.1016/j.resconrec.2019.104559.
  4. Basu, R., Aktar, M.N., & Kumar, S. (2024). The interplay of artificial intelligence, machine learning, and data analytics in digital marketing and promotions: A review and research agenda. Journal of Marketing Analytics, 13, 267-287. doi: 10.1057/s41270-024-00355-6.
  5. Batko, K., & Ślęzak, A. (2022). The use of big data analytics in healthcare. Journal of Big Data, 9(1), article number 3. doi: 10.1186/s40537-021-00553-4.
  6. Batte, B. (2025). Business process redesign: A case study of General Electric (GE). SSRN. doi: 10.2139/ssrn.5126465.
  7. Bilohur, S. (2025). The concept of the big data economy and the digital economy: Challenges and directions of development. Humanities Studies, 22(99), 236-247. doi: 10.32782/hst-2025-22-99-26.
  8. Bozkurt, A., Ekici, F., & Yetiskul, H. (2023). Utilizing Flink and Kafka technologies for real-time data processing: A case study. The Eurasia Proceedings of Science Technology Engineering and Mathematics, 24, 177-183. doi: 10.55549/epstem.1406274.
  9. Case study: Walmart. (2025). Retrieved from https://www.digitalproductanalytics.com/cases/walmart/.
  10. Chimi, C. (2025). Amazon e-commerce analytics with PySpark. Retrieved from https://github.com/ChristianChimi/PySpark-Amazon-Analytics.
  11. Chung, K. (2016). Generating recommendations at Amazon scale with Apache Spark and Amazon DSSTNE. Retrieved from https://aws.amazon.com/blogs/big-data/generating-recommendations-at-amazon-scale-with-apache-spark-and-amazon-dsstne.
  12. Dai, H.N., Wang, H., Xu, G., Wan, J., & Imran, M. (2020). Big data analytics for manufacturing internet of things: Opportunities, challenges and enabling technologies. Enterprise Information Systems, 14(9-10), 1279-1303. doi: 10.1080/17517575.2019.1633689.
  13. Dicuonzo, G., Galeone, G., Zappimbulso, E., & Dell’Atti, V. (2019). Risk management 4.0: The role of big data analytics in the bank sector. International Journal of Economics and Financial Issues, 9(6), 40-47. doi: 10.32479/ijefi.8556.
  14. Dvulit, Z.P., & Maznyk, L.V. (2024). The role of business analytics in the era of big data: New opportunities for managerial decision-making. Management and Entrepreneurship in Ukraine: Stages of Formation and Problems of Development, 6(2), 152-165. doi: 10.23939/smeu2024.02.152.
  15. Edmondson, J. (2025). Big data use case: How Amazon uses big data to drive ecommerce revenue. Retrieved from https://www.businesstechweekly.com/operational-efficiency/data-management/big-data-use-case.
  16. Eggers, W.D., Mallk, N., & Gracle, M. (2019). Using AI to unleash the power of unstructured government data. Retrieved from https://www2.deloitte.com/us/en/insights/focus/cognitive-technologies/natural-language-processing-examples-in-government-data.html.
  17. Ghasemaghaei, M., & Calic, G. (2020). Assessing the impact of big data on firm innovation performance: Big data is not always better data. Journal of Business Research, 108, 147-162. doi: 10.1016/j.jbusres.2019.09.062.
  18. Gopal, P.R., Rana, N.P., Krishna, T.V., & Ramkumar, M. (2024). Impact of big data analytics on supply chain performance: An analysis of influencing factors. Annals of Operations Research, 333(2), 769-797. doi: 10.1007/s10479-022-04749-6.
  19. Govindan, K., Cheng, T.E., Mishra, N., & Shukla, N. (2018). Big data analytics and application for logistics and supply chain management. Transportation Research Part E: Logistics and Transportation Review, 114, 343-349. doi: 10.1016/j.tre.2018.03.011.
  20. Guler, N., Kirshner, S.N., & Vidgen, R. (2024). A literature review of artificial intelligence research in business and management using machine learning and ChatGPT. Data and Information Management, 8(3), article number 100076. doi: 10.1016/j.dim.2024.100076.
  21. Hanuschak-Efimenko, L. (2024). Efficiency of innovative business management based on big data: Changing the role of managers. Herald of Khmelnytskyi National University. Economic Sciences, 336(6), 335-342. doi: 10.31891/2307-5740-2024-336-54.
  22. How GE uses AI for predictive maintenance to reduce downtime and increase efficiency. (2024). Retrieved from https://profeshh.com/2024/11/12/how-ge-uses-ai-for-predictive-maintenance-to-reduce-downtime-and-increase-efficiency.
  23. How JPMorgan uses Hadoop to leverage big data analytics? (2024). Retrieved from https://www.projectpro.io/article/how-jpmorgan-uses-hadoop-to-leverage-big-data-analytics/142.
  24. How Uber uses data science to reinvent transportation? (2024). Retrieved from https://www.projectpro.io/article/how-uber-uses-data-science-to-reinvent-transportation/290.
  25. Iqbal, R., Doctor, F., More, B., Mahmud, S., & Yousuf, U. (2020). Big data analytics: Computational intelligence techniques and application areas. Technological Forecasting and Social Change, 153, article number 119253. doi: 10.1016/j.techfore.2018.03.024.
  26. Kemal, E. (2023). Uber’s data-driven transformation: Solving challenges, achieving success, and inspiring innovation. Retrieved from https://www.linkedin.com/pulse/ubers-data-driven-transformation-solving-challenges-success-endeshaw.
  27. Khan, M.A., Saqib, S., Alyas, T., Rehman, A.U., Saeed, Y., Zeb, A., Zareei, M., & Mohamed, E.M. (2020). Effective demand forecasting model using business intelligence empowered with machine learning. IEEE Access, 8, 116013-116023. doi: 10.1109/ACCESS.2020.3003790.
  28. Koshchii, О. (2023). Activities of domestic organizations in the conditions of digitalization. Economic Forum, 13(4), 94-101. doi: 10.36910/6775-2308-8559-2023-4-12.
  29. Kovalchuk, V., Ruda, D.Ya., & Yaremchuk, D.Ya. (2018). Modern approaches to strategic personnel management in ensuring the competitiveness of the organization. Economic Discourse, 3, 135-140.
  30. Krishna, S.R., Rathor, K., Ranga, J., Soni, A., & Kumar, A. (2023). Artificial intelligence integrated with big data analytics for enhanced marketing. In Proceedings of the international conference on inventive computation technologies (pp. 1073-1077). Lalitpur: IEEE. doi: 10.1109/ICICT57646.2023.10134043.
  31. Lehenchuk, S., & Zavalii, T. (2023). Big data in marketing analytics: Opportunities and problems of use. Problems of Theory and Methodology of Accounting, Control and Analysis, 54(1), 52-58. doi: 10.26642/pbo-2023-1(54)-52-58.
  32. Liu, C., Peng, G., Kong, Y., Li, S., & Chen, S. (2021). Data quality affecting big data analytics in smart factories: Research themes, issues and methods. Symmetry, 13(8), article number 1440. doi: 10.3390/sym13081440.
  33. Maheshwari, S., Gautam, P., & Jaggi, C.K. (2021). Role of big data analytics in supply chain management: Current trends and future perspectives. International Journal of Production Research, 59(6), 1875-1900. doi: 10.1080/00207543.2020.1793011.
  34. Maloku, F., & Maloku, B. (2024). Analyzing IBM HR data: Employee attrition and performance insights. Journal of Engineering and Applied Sciences Technology, 6(8). doi: 10.47363/JEAST/2024(6)268.
  35. Marinakis, V., Doukas, H., Tsapelas, J., Mouzakitis, S., Sicilia, Á., Madrazo, L., & Sgouridis, S. (2020). From big data to smart energy services: An application for intelligent energy management. Future Generation Computer Systems, 110, 572-586. doi: 10.1016/j.future.2018.04.062.
  36. Mistry, M. (2025). An in-depth predictive analytics guide to boost business growth with smarter, data-driven decisions. Retrieved from https://kodytechnolab.com/blog/predictive-analytics-guide/.
  37. Nfise, M. (2025). IBM HR analytics: Employee turnover analysis. Retrieved from https://www.kaggle.com/code/miraclenifise/ibm-hr-analytics-employee-turnover-analysis.
  38. Nguyen, D.K., Sermpinis, G., & Stasinakis, C. (2023). Big data, artificial intelligence and machine learning: A transformative symbiosis in favour of financial technology. European Financial Management, 29(2), 517-548. doi: 10.1111/eufm.12365.
  39. Oyewole, A.T., Oguejiofor, B.B., Eneh, N.E., Akpuokwe, C.U., & Bakare, S.S. (2024). Data privacy laws and their impact on financial technology companies: A review. Computer Science & IT Research Journal, 5(3), 628-650. doi: 10.51594/csitrj.v5i3.911.
  40. Park, K.O. (2020). A study on sustainable usage intention of blockchain in the big data era: Logistics and supply chain management companies. Sustainability, 12(24), article number 10670. doi: 10.3390/su122410670.
  41. Raut, R.D., Mangla, S.K., Narwane, V.S., Gardas, B.B., Priyadarshinee, P., & Narkhede, B.E. (2019). Linking big data analytics and operational sustainability practices for sustainable business management. Journal of Cleaner Production, 224, 10-24. doi: 10.1016/j.jclepro.2019.03.181.
  42. Reddy, V.M., & Nalla, L.N. (2024). Personalization in e-commerce marketing: Leveraging big data for tailored consumer engagement. Revista de Inteligencia Artificial en Medicina, 15(1), 691-725.
  43. Ridzuan, F., & Wan Zainon, W.M. (2019). A review on data cleansing methods for big data. Procedia Computer Science, 161, 731-738. doi: 10.1016/j.procs.2019.11.177.
  44. Sen, P.C., Hajra, M., & Ghosh, M. (2020). Supervised classification algorithms in machine learning: A survey and review. In J. Kumar Mandal & D. Bhattacharya (Eds.), Emerging technology in modelling and graphics: Proceedings of IEM graph 2018 (pp. 99-111). Singapore: Springer. doi: 10.1007/978-981-13-7403-6_11.
  45. Seyedan, M., & Mafakheri, F. (2020). Predictive big data analytics for supply chain demand forecasting: Methods, applications, and research opportunities. Journal of Big Data, 7(1), article number 53. doi: 10.1186/s40537-020-00329-2.
  46. Shetty, S.H., Shetty, S., Singh, C., & Rao, A. (2022). Supervised machine learning: Algorithms and applications. In P. Singh (Ed.), Fundamentals and methods of machine and deep learning: Algorithms, tools and applications (pp. 1-16). London: Scrivener Publishing LLC. doi: 10.1002/9781119821908.ch1.
  47. Sonica, B. (2025). Case study: JP Morgan’s AI risk assessment & fraud detection tools. Retrieved from https://gamereviews.co.in/case-study-jp-morgans-ai-risk-assessment-fraud-detection-tools.
  48. Talwar, S., Kaur, P., Fosso Wamba, S., & Dhir, A. (2021). Big data in operations and supply chain management: A systematic literature review and future research agenda. International Journal of Production Research, 59(11), 3509-3534. doi: 10.1080/00207543.2020.1868599.
  49. Tambuskar, C. (2025). Inside Uber’s dynamic pricing system: A comprehensive case study. Retrieved from https://www.linkedin.com/pulse/inside-ubers-dynamic-pricing-system-comprehensive-case-tambuskar-xtxef.
  50. Verma, A. (2024). Use of data analytics by Uber to enhance supply efficiency and service quality. Retrieved from https://www.pickl.ai/blog/use-of-data-analytics-by-uber-to-enhance-supply-efficiency-and-service-quality/.
  51. Yu, W., Dillon, T., Mostafa, F., Rahayu, W., & Liu, Y. (2019). A global manufacturing big data ecosystem for fault detection in predictive maintenance. IEEE Transactions on Industrial Informatics, 16(1), 183-192. doi: 10.1109/TII.2019.2915846.
  52. Zhang, Y., Xu, S., Zhang, L., & Yang, M. (2021). Big data and human resource management research: An integrative review and new directions for future research. Journal of Business Research, 133, 34-50. doi: 10.1016/j.jbusres.2021.04.019.

ЦИТУВАТИ

Zelenyi, D. (2025). The impact of big data analytics on the effectiveness of management decisions. Development Management, 24(2), 20-30. https://doi.org/10.63341/devt/2.2025.20