26 юни, 2016

Gershwin Greatest Hits - George Gershwin 1898-1937 (Full Album)

29 август, 2015

Теми за курсови работи по операционни системи

Теми

за курсови работи по дисциплината „ОПЕРАЦИОННИ СИСТЕМИ“за студентите от спец. „Бизнес информатика“
(задочно и редовно обучение)


Резултат с изображение за operating system1. 1. Системен софтуер за персонални компютри – състав и предназначение.
2.       Операционна система. Предназначение, състав и функции на операционната система. Архитектура на операционната система.
3.       Класификация на операционните системи. Изисквания към съвременните операционни системи.
4.       Еволюция на операционните системи. Операционни системи за персонални компютри. Изисквания към съвременните операционните системи.
5.       Управление на процесите. Процес и състояния на процеса. Прекъсвания. Планиране на процесите.
6.       Нишки (thread). Mногонишкова обработка (multithereading). Многонишкови операционни системи.
7.       Процеси, потоци и задания в Windows.
8.       Управление на паметта. Йерархия на компютърната памет. Нива в йерархията на паметта. Процесорни регистри (регистрова памет).
9.       Организация и управление на физическата памет. Фиксирани раздели. Променливи раздели. Суопинг (swapping).
10.   Организация и управление на виртуалната памет. Същност на концепцията за виртуална памет. Организация на виртуалната памет.
11.   Организация на паметта при Windows NT/XP/7. Странично преобразуване. Структура на елемент от таблицата на страниците.
12.   Управление на данните. Файлова система. Организация на файловете и достъп до тях. Типове файлове. Именуване и атрибути на файл. Логическа и физическа организация.
13.    Организация и достъп до файловете. Записна структура на файл. Поточна структура на файл. Управление на достъпа до файлове. Осигуряване безопасността на файловете.
14.    Файлови системи на Windows 7. Файлова система NTFS. Файлова система CDFS. Файлова система EFS.
15.   Управление на входно-изходните операции. Физически основи на входно-изходните операции. Логически принципи на въвеждането и извеждането на данни.
16.   Подсистема за вход-изход. Разделяне на устройствата и данните между процесите. Организация на паралелната работа на устройствата и процесора. Съгласуване скоростите за обмен и кеширане на данните. Предоставяне на удобен логически интерфейс. Поддържане на множество драйвери и възможност за лесно включване на нови драйвери.
17.   Управление на безопасността. Понятие за безопасност. Изисквания към безопасността. Заплахи за безопасността. Външни атаки на системата. Системен подход към осигуряване на безопасността. Политика за безопасност в компанията.
18.   Защитни механизми на операционната система. Идентификация и аутентификация. Авторизация. Разграничаване на достъпа до обекти на операционната система. Откриване на опитите за проникване. Одит на системата за защита. Система Kerberos.
19.   Безопасност на Windows 8. Основни технологии за защита на Windows 8. Action Center. Windows Defender. Защитна стена.
20.   Операционна система Windows – основни характеристики и еволюция. Семейство DOS базирани версии на Windows. Фамилия Windows 9x.
21.   Фамилия Windows NT. Еволюция и основни характеристики.
22.   Операционни системи Windows за смартфони и таблети. Windows Phone 7.
23.   Операционна система Windows 7. Основни характеристики и издания. Възможности на отделните издания на Windows 7.
24.   Операционна система Windows 7. Ключови характеристики и подобрения.
25.   Операционна система Windows 8. Подобрения и нови възможности. Ключови характеристики на Windows 8.
26.   Операционна система Windows 8. Издания на Windows 8. Windows RT - поддържани платформи и устройства.
27.   Операционна система Windows 8.1. Подобрения и нови възможности. Изданията на Windows 8.1. Архитектура на Windows 8.1.
28.  Операционна система Windows 10. Подобрения и нови възможности. Изданията на Windows 10. Архитектура на Windows 10.
29.   Операционна система UNIX. Архитектура на UNIX. Файлова система. Потребители, групи, разрешения.
30.   Операционна система Linux. Еволюция на Linux и основни характеристики. Дистрибуции на Linux.
31.   Подходи при избора на операционна система. Мащабируемост, разширяемост и преносимост на операционните системи.
32.   Съвременни тенденции в развитието на операционните системи.
33.   Мрежови операционни системи. Предназначение състав и архитектура.
34.   Мобилни операционни системи. Операционна система Google Android.
35.   Облачни услуги. Облачни операционни системи (Cloud OS, Web OS).

 Свищов, септември 2015 г.         проф. д. ик. н. Румен Върбанов
                                    

23 април, 2015

2015 - година на възход за глобалния пазар на корпоративен софтуер

2015 - година на възход за глобалния пазар на корпоративен софтуер

Най-голям дял в разходите за програмни продукти ще имат, както и досега, BI, ERP и CRM системите, както и различни решения предоставяни по модела SaaS

от , 21 април 20150201 прочитания,
Разходите за корпоративен софтуер през 2015 г. ще надхвърлят $620 млрд., твърдят анализаторите от изследователската компания Forrester. На фона на стабилно възстановяване на икономиката в САЩ са налице основания за оптимизъм и в пазара на високите технологии, основни потребители в който са крупните корпорации, а повечето от тях ще увеличат своите бюджети за високотехнологични продукти и услуги средно с 4-6%, сочат проучванията на Forrester.
След САЩ, с най-големи разходи за ИТ през тази година ще бъдат Китай, Индия и Великобритания. Софтуерът се очертава като един от най-крупните ИТ сегменти. Най-голям дял в разходите за програмни продукти ще имат, както и досега, BI, ERP и CRM системите, както и различни решения предоставяни по модела “as-a-service” (схема 1).
Впрочем разходите в сегмента SaaS през тази година ще достигнат $87 млрд., а през 2016 г. ще се увеличат с още 20%. “Гореща” тема ще бъдат и мобилните приложения, където ръстът на годишните разходи ще се изразява с двуцифрени числа.
Пазарът на ERP
Според различни оценки, през 2015 г. глобалният пазар на ERP системи ще достигне $50-$60 млрд., като най-високи темпове на ръст ще отбележат развиващите се пазари, особено Южна Америка и Азия.
Според експертите на Global Industry Analysts продажбите на ERP системи през тази година ще са на стойност $67,8 млрд., а положителната динамика в този пазар ще бъде предпоставка за повишена конкуренция във всички сектори на икономиката.
Прогнозата на Forrester Research е по-умерена. Анализаторите от тази компания предвиждат, че обемът на ERP пазара през 2015 г. ще достигне $50,3 млрд.
Сред важните нови тенденции изследователските агенции отбелязват нарастващата популярност на облачните услуги. Според доклад на Gartner, озаглавен “Best Practices for Managing Integration in a Hybrid Cloud and On-Premises ERP World”, облачните технологии ще бъдат основно направление за развитие на ERP пазара през следващите 5 години. Този извод е направен на базата на изследване, проведено през 2014 г. сред компании с годишни приходи между $10 млн. и $10 млрд., базирани в Северна и Южна Америка, Европа, Близкия Изток и Африка, както и в Азиатско-Тихоокеанския регион.
Прочуването на Gartner констатира, че 2% от организациите вече използват облачна ERP, а 47% планират да пренесат ключови ERP системи в облака през следващите 5 години (схема 2). Анализаторите считат, че значителния дял на предприятията, които планират миграция в облака се дължи на факта, че изискванията на тези компании към техните ERP системи се свеждат до административни функции от типа на управление на финанси, човешки ресурси и снабдяване, затова облачната система е оптимално решение за тях.
Впрочем, 30% от компаниите не планират да пренасят своята ERP система в облака в обзоримото бъдеще – това са предимно производствени предприятия.
Интересно е да се отбележи и това, че повечето компании, които планират да използват облачни ERP възнамеряват да ги въведат в близко бъдеще, а само 4% заявяват, че ще преминат към облачна система за управление на корпоративните ресурси чак след 5-10 години.
Предимства и недостатъци на облачните ERP
Облачният модел позволява на организациите не само значително да намалят първоначалните разходи за оборудване, необходимо за работоспособността на ERP решението, но и съществено опростява самия процес на внедряване на системата. Структурата на заплащане за облачните системи също се различава от тази при on-premise решенията. Организациите плащат на доставчика годишна такса за ERP услуга, докато при традиционния вариант е необходимо еднократно плащане на крупна сума.
Все пак, на фона на изследване, проведено от Panorama Consulting през 2013 г., прогнозата на Gartner за масов преход към облачни ERP изглежда прекалено оптимистична. Според проучването на Panorama популярността на SaaS ERP системите дори отбелязва спад в сравнение с 2012 г., а 30% от анкетираните се въздържат от преход към облака заради рискове във връзка с информационната сигурност.
Наистина, наред с неоспоримите си предимства, облачните системи имат и недостатъци. На първо място сред тях е недостатъчната надеждност на съхранението на данните. Независимо от уверенията на доставчиците за абсолютната надеждност на техните облачни услуги, много ръководители не желаят да поверят съхранението на своите финансови и данъчни отчети на сървъри извън компанията.
Очевидно, облачният модел има както минуси, така и плюсове и всяка компания трябва да реши за себе си дали облака и дава повече предимства, отколкото недостатъци. Несъмнено обаче, преходът към облака е ясно изразена тенденция в пазара на ERP системите.
Впрочем, напоследък все повече анализатори подкрепят прогнозата, че традиционните ERP пакети ще бъдат реконструирани като микс от приложения и съответно организациите ще изграждат своите корпоративни информационни системи като комбинация от on-premise и облачни решения. Този сценарии наистина изглежда доста вероятен.
Приходите от абонаменти за SaaS по категории
Схема 1: Приходите от абонаменти за SaaS по категории; Източник: Forrester Research
Управлението на взаимоотношенията с клиентите
В началото на 2014 г. анализаторите от Gartner публикуваха поредната си прогноза за развитието на пазара на CRM решения в глобален мащаб. В доклада се казваше, че CRM системите ще останат в центъра на вниманието на компаниите, опитващи се да пренесат взаимоотношенията си с клиентите на “цифрово” ниво. На този фон, в глобалния пазар на системи за управление на взаимоотношенията с клиентите ще се развиват активно няколко сегмента: мобилни и социални CRM, приложения за web анализи и електронна търговия.
Плановете за преход към облачни ERP системи
Схема 2: Плановете за преход към облачни ERP системи; Източник: Gartner, 2014
Темповете на ръст в пазара на CRM системите обаче, според Gartner, ще бъдат умерени, тъй като повечето техни потенциални потребители вече са инвестирали в такива решения. Обемът на CRM пазара за 2014 г. достига $23,9 млрд, като 49% от тази сума е изразходвана за облачни CRM решения. Внедрявания на SaaS CRM са 40% от реализираните през 2014 г. проекти за автоматизация на управлението на взаимоотношенията с клиентите, както анализаторите очакват през 2015 г. този показател да се увеличи до 50%.
Очакванията на Gartner са, че през 2017 г. глобалният пазар на CRM системи ще бъде на стойност $36,5 млрд., като до тогава средният годишен ръст на сегмента ще бъде 15%.
CRM плюс или CEM
През последните години възможностите на CRM системите видимо се промениха. Преди тези решения позволяваха да се реализира сегментация на клиентите, а сега вече се говори за персонализация. Появи се и понятието “управление на опита на потребителя” (Customer Experience Management, СЕМ), обозначаващо набор от процеси за проследяване, контрол и организация на всяко взаимодействие между потребителя и доставчика през целия период, в който клиентът ползва даден продукт или услуга. Основната задача на CEM е да оптимизира всички елементи на взаимодействието с клиентите с цел да се повиши тяхната лоялност и да се сведе до минимум отливът на клиенти.
Технологиите за управление на клиентския опит се прилагат най-активно в индустриите, където конкуренцията е най-ожесточена – телекомуникации, ритейл търговия, банкови услуги. Много от компаниите реализират стратегии ориентирани към клиента, с по-голям или по-малък успех, на базата на програми за лоялност или персонализирани предложения. В това отношение особено активни са банките и компаниите, развиващи електронна търговия. В общия случай обаче с най-развити CEM решения могат да се похвалят телекомите, което е обяснимо – именно те разполагат с максимално полезна информация за действията на клиента и събитията в неговия живот.
Анализаторите отбелязват, че CEM сегментът е в период на взривен ръст. Според прогнозите на ABI Research в периода 2012-2018 г. пазарът на CEM системи за мобилни оператори увеличава обема си с 60 пъти годишно – през 2012 г. неговият обем е бил $230 млн., а очакванията са през 2018 г. сегментът да достигне $14 млрд.
Новите хоризонти на бизнес анализите
Системите за интелигентни бизнес анализи представляват един доста голям сегмент от пазара на корпоративен софтуер, който, според анализаторите от Gartner, от 2012 г. досега расте с около 8% годишно и през 2016 г. ще достигне $17,1 млрд. При това, ако разглеждаме BI пазара като комбинация от средства за анализи и хранилища за данни, неговият обем за последната година е $81 млрд., а през 2020 г. ще бъде $136 млрд., сочат оценките на Gartner.
Високите темпове на ръст на BI пазара са обясними. От една страна, естествена е потребността да се анализират данни, натрупвани в съвременните ERP и други корпоративни системи. От друга страна, стимул за развитието на BI пазара е появата на нови технологии, разкриващи огромни възможности. Така например, през последните 2 години силно нарасна популярността на мобилните BI решения, както и на продуктите от клас Data Discovery.
През следващите 3 години CRM пазарът ще расте
Мобилност, визуализация, скорост, качество
Функционалността и удобството на мобилния клиент вече са решаващи фактори при избора на BI платформа. През последните две години броят на потребителите, осъществяващи мобилен достъп до системата за бизнес анализи нарасна съществено, докато преди това беше “привилегия” за топ мениджъри.
Същевременно, в използването на аналитични инструменти през последните години настъпиха качествени промени. Новото поколение бизнес анализатори не желае да работи по утвърдени сценарии и постоянно генерира идеи. Тези специалисти се нуждаят от гъвкави и ефективни инструменти за проверка на хипотези и изследване на данни. От друга страна, ИТ подразделенията не са в състояние да се занимават с подготовка, интеграция и почистване на данните за всяка нова инициатива. На този фон все по-голяма популярност придобиват решенията от клас Data Discovery, които са силно ориентирани към бизнес потребителите и предлагат интерактивни интерфейси за работа с данните.
Огромните обеми информация, с които разполагат компаниите дават възможност за по-детайлни и разнопосочни анализи. Във връзка с това обаче, въпросите свързани с производителността на BI системите стават актуални не само за крупните компании, но и за тези от малкия и среден бизнес. Удачен подход за справянето с това предизвикателство, както и за предоставяне на средствата за бизнес анализи на по-голям брой потребители е активното използване на in-memory технологии. Към момента, внедряването на инструменти за високопроизводителни анализи е ясно изразена тенденция в BI пазара.
Друга интересна тенденция е значително повишения интерес към прогнозните анализи.
Накрая, но не на последно място за развитието на BI пазара не е маловажен фактът, че в компаниите се обръща все повече внимание на качеството на данните.
В перспектива можем да очакваме и активен ръст на BI услугите предоставяни по аутсорсинг модел, прогнозират анализаторите от IDC. Факторите, които обуславят такова развитие са няколко. На първо място, в глобален мащаб, квалифицираните специалисти, които са необходими за реализацията на BI инициативи (математици, статистици, специалисти по създаване на модели от данни и др), са недостатъчно. От друга страна, развитието на нови технологии и тясната интеграция на BI със социални мрежи и мобилни платформи правят инструментите за бизнес анализи достъпни за широк кръг крайни потребители, но разходите за инфраструктурата необходима за BI системата са високи за много категории клиенти. Всичко това ще подтиква все повече компании към привличането на доставчици на услуги за решаването на задачи в областта на бизнес анализите, считат експертите от IDC.
Източници:
[1] Best Practices for Managing Integration in a Hybrid Cloud and On-Premises ERP World, Gartner, 2014
[2] Software as a Service, Panorama Consulting, 2013
[3] Predicts 2014: The Rise of the Postmodern ERP and Enterprise Applications World, Gartner, 2013
[4] CRM Will Be at the Heart of Digital Initiatives for Years to Come, Gartner, 2014

10 опасни мита за облачните изчисления

10 опасни мита за облачните изчисления

Неверните представи във връзка с облачните изчисления пречат на компаниите да разработят ефективна стратегия за тяхното прилагане. Експертите на Gartner развенчават 10 от най-често срещаните и заблуди за модела Cloud computing

от , 23 март 20150713 прочитания,
Cloud computing се превърна в масова тема, затова не е изненадващо, че във връзка с нея витаят толкова много митове, половинчати истини и лъжи. Повече или по-малко ИТ сигурност носи облакът на компаниите? Улеснява ли той използването на информационни технологии, или в крайна сметка усложнява управлението на разнообразни услуги? За да отговори на подобни въпроси, през есента на 2014 г., изследователската компания Gartner публикува доклад, систематизиращ някои неверни представи и митове за облачните изчисления, които пречат на компаниите да разработят ефективна стратегия за тяхното прилагане.
Ето какви са най-описните митове във връзка с Cloud computing, според Gartner:
Мит №1: “Облакът” означава преди всичко икономия на пари
Цените за използване на “облаци” намаляват, но това не се отнася за всички видове облачни услуги и в частност за използването на софтуер като услуга (SaaS). Икономията може да бъде едно от предимствата на облачния модел, но не можете да разчитате, че тя винаги ще бъде налице.
10 опасни мита за облачните изчисления
Мит №2: Ако не е облачно, вашето решение не е добро
Подобни представи са следствие от големия шум, който през последните години се вдига във връзка с Cloud computing. Срещат се организации, в които ИТ отделите наричат “облак” всякакви решения, само за да получат финансиране за тях, а после се осъществява стратегия, която не е напълно “облачна”.
Мит №3: За всичко трябва да се използват “облаци”
Този мит е свързан с предишния – счита се, че особеностите на облачния модел за желателни и приложими във всяка ситуация. Наистина, има приложения, за които облачните решения са много подходящи, но далеч не всички приложения и задачи получават предимства при пренасянето им в облака. Например, освен ако това няма да донесе някакви икономии, абсолютно неподходящо е да пренасяте в облака без никакви промени някакво наследено приложение.
Мит №4: “Така каза нашият CEO” – това е облачна стратегия
В много случаи, отговаряйки на въпроса за тяхната облачна стратегия, представителите на дадена компания казват, че правят това, което изпълнителният директор казва. Това обаче не е облачна стратегия – разработката на такава започва с определяне на бизнес целите и с провеждане на оценка за това, дали потенциалните предимства на облака ще помогнат за постигането на тези цели.
Мит №5: Необходима е само една облачна стратегия или единствен доставчик
Облачните изчисления не са едно нещо, така че облачната стратегия трябва да се изгражда в съответствие с тази реалност. Има много видове облачни услуги, модели за преход и за предоставяне, както и различни приложения. Облачната стратегия трябва да се разработва така, че да носи предимства на бизнеса – не е достатъчно просто да се спрем на един продукт.
Мит №6: Облакът е по-малко защитен, отколкото локалните системи
Това е поверие, което не се базира на резултати от реални анализи за защитеността на облаците. До момента има доста малко случаи на взлом на системи за сигурност на публични облаци – повечето инциденти от този тип се случват в локални корпоративни среди.
Мит №7: Облакът не е подходящ за критично важни системи
Облачните изчисления не трябва да се разглеждат на принципа “всичко или нищо”. Те се въвеждат стъпка по стъпка и в конкретни случаи. На този фон, не е изненадващо, че в общия случай преходът към облачен модел не започва с критично важните системи. В много организации обаче, този етап вече е преминат и облачни решения вече се използват и за критично важни приложения. Нещо повече има много компании (преминали фазата на малки стартъпи), които са “родени в облака” и развиват своя бизнес (включително критичните си операции) изцяло в облака.
Мит №8: Облак = център за обработка на данни
Ако сте решили да преминете към облачни изчисления, това не означава, че е задължително да закриете вашия собствен център за данни и да пренесете всичко в облака. Някои компоненти на информационната среда може да бъдат пренесени в облака, други да останат в дейта центъра. Облакът и центърът за данни са различни неща. Изобщо, аутсорсинг центъра за данни, модернизация на дейта центъра и преход към облака не са синоними.
Мит №9: Преминавайки в облака, автоматично получаваме всички предимства на този модел
Не мислете, че “миграцията в облака” означава, че всички негови характеристики автоматично се наследяват от по-ниските нива (като IaaS). Трябва да се прави разлика между приложения, разположени в облака и облачни услуги. Възможен е частичен преход към cloud, който носи някои предимства - например, спестяване на необходимостта да се купува хардуер. Такъв вариант може да е удачен, но това не означава, че той осигурява всички предимства на модела Cloud computing.
Мит №10: Виртуализация = частен облак
Виртуализацията се използва широко в облачните изчисления, но тя не е нито необходима, нито достатъчна за облака технология. Доста често, за силно виртуализирани и автоматизирани среди се казва, че са “частен облак”, но това не винаги е така.
Източник: Gartner Highlights the Top 10 Cloud Myths, www.gartner.com, октомври 2014

Всичко, което бихте искали да знаете за “големите данни” (част 1)

Всичко, което бихте искали да знаете за “големите данни” (част 1)

С какви особености, нови идеи и нови възможности са свързани Big Data технологиите? В този и в следващите броеве на сп. CIO ще отговорим на поредица от въпроси, свързани с тази актуална тема

от , 23 февруари 20150671 прочитания,
Всичко, което бихте искали да знаете за “големите данни” (част 1)Така наречените “големи данни” (Big Data), вече няколко години се посочват от всички водещи анализатори като една от най-перспективните тенденции в областта на ИТ. С този термин, най-общо, се обозначават масиви от данни, които са толкова огромни и комплексни, че трудно могат да се обработват с традиционни приложения, както предизвикателствата са на всички нива – анализ, търсене, споделяне, съхраняване, трансфер, визуализация, поверителност и т.н.
Все пак, очевидно е, че границата, след която данните стават “големи” е условна и тенденцията е тя да се отмества към все по-големи обеми, тъй като изчислителната техника постоянно се усъвършенства и става все по-достъпна. Неслучайно анализаторите от Gartner разглеждат “големите данни” едновременно в три измерения – ръст на обемите, ръст на скоростта на обмен на данните и все по-голямо информационно разнообразие.
Една важна особеност на концепцията Big Data е стремежът за обработка на огромния информационен масив като цяло с цел получаване на по-точни резултати от провежданите анализи. По-старият алтернативен подход предполагаше да се разчита на т.нар. “представителна извадка” или подмножество от цялата информация – логично, този подход е по-неточен, а освен това изисква определени ресурси за подготовка на данните.
С какви други особености, нови идеи и нови възможности са свързани Big Data технологиите? Ще се опитаме да предоставим информация по тази тема като отговорим на поредица от въпроси в няколко статии в този и в следващите броеве на сп. CIO. И така …
Какво представляват “големите данни”?
>> Определение. От названието можем да предположим, че става дума просто за анализ на големи обеми от данни. Според доклад на McKinsey Institute, озаглавен “Големите данни: новата граница за иновации, конкуренция и производителност” (Big data: The next frontier for innovation, competition and productivity), терминът Big data означава масив от данни, размерът на който надхвърля възможностите на типичните бази данни за съхранение, управление и анализ на информация. Трябва да признаем обаче, че това определение изглежда непълно, като се има предвид, че хранилищата за данни по света продължават да растат с бързи темпове. Според прогнозата на IDC в доклада “Изследване на цифровата вселена” (Digital Universe Study), публикуван през 2011 г., данните ще нараснат около 50 пъти до 2020г. вследствие на повишаващия се брой на вградени системи като сензори в дрехи, медицински устройства и т.н., а неструктурираната информация като файлове, имейли и видео ще съставлява 90% от всички данни, създадени през следващото десетилетие.
>> Уточнение. Следва да отбележим, “големите данни” предполагат нещо повече от анализ на огромни обеми информация. Проблемът не е в това, че организациите създават огромни обеми от данни, а в това, че голяма част от тях е във формат, който не съответства на традиционния структуриран формат на базите данни – става дума за видео записи, текстови документи, машинен код, геопространствени данни и т.н. Цялата тази информация се пази в разнообразни хранилища, понякога дори извън пределите на организацията. В резултат, макар и да имат достъп до огромен обем от данни, корпорациите нямат необходимите инструменти, за да намират зависимости между тези данни и на тази основа да правят значими изводи.
В допълнение, от ден на ден данните се обновяват все по-често. Стигаме до ситуация, в която традиционните методи за анализ на информацията не могат да се справят с огромните обеми постоянно обновявани данни, което ни води до необходимостта от нови “Big Data” технологии.
>> Обобщение. Всъщност понятието “големи данни” предполага работа с информация с огромен обем и разнообразен състав, която се обновява често и се намира в различни източници, като целта е създаване на нови продукти и повишаване на ефективността и конкурентоспособността.
Изследователската компания Forrester предлага следната дефиниция: “Големите данни обединяват техники и технологии, които извличат смисъл от данните на екстремалната граница на практичността”.
Защо данните станаха големи?
Източниците на големи данни в днешния свят са много. Сред тях са непрекъснато постъпващи данни от измерващи устройства, събития от радиочестотни идентификатори, потоци съобщения от социалните мрежи, метеорологически данни, потоци от данни за местоположението на абонати на клетъчни мрежи, устройства за аудио и видеорегистрация и т.н. Именно масовото разпространение на изброените технологии и модели за използване на различни типове устройства и Интернет услуги са отправната точка, от която започна проникването на Big Data във всички сфери на човешката дейност и най-вече в научните изследвания, в комерсиалния сектор и в държавното управление.
Ето няколко интересни и показателни факти:
  • Към 2010 г. корпоративните потребители по света са натрупали 7 ексабайта данни (1 EB =1018 B), а на персоналните компютри и ноутбуци на индивидуалните потребители са съхраняват 6 ексабайта информация.
  • Цялата музика на света може да се съхрани на диск с цена $600.
  • Към 2010 г. в мрежите на мобилните оператори по света са обслужвани 5 млрд. телефони.
  • Всеки месец в социалната мрежа Facebook със свободен достъп се публикуват 30 млрд. нови източници на информация.
  • Всяка година обемът на съхраняваната информация нараства с 40%, докато глобалните разходи за ИТ растат с по-малко от 5%.
  • Към април 2011 г. в библиотеката на Конгреса на САЩ са съхранявани 235 TB данни (1 TB =1012 B).
  • Американските компании от 15 сектора (от общо 17 сектора на икономиката) разполагат с обеми от данни, които са по-големи от тези на библиотеката на Конгреса на САЩ.
Така например, датчиците монтирани на авиодвигател генерират около 10 TB данни за половин час. Приблизително същите потоци от данни се генерират от датчиците инсталирани на сондажни платформи и нефтопреработващи комплекси. Услугата за разпространение на кратки съобщения Twitter, въпреки ограниченията за дължина на посланието до 140 символа, генерира поток от 8 TB за денонощие. Ако всички подобни данни се натрупват за бъдеща обработка, техният общ обем ще се измерва с десетки и стотици петабайти (1 PB = 1015 B).
Допълнително ситуацията се усложнява от вариантността на данните – техният състав и структура постоянно се променя при пускане на нови услуги, инсталиране на усъвършенствани сензори, провеждане на нови маркетингови компании и т.н.
Пазарът на Big Data
 Според прогноза на IDC, публикувана през септември 2014 г., пазарът на технологии и услуги в областта на “големите данни” ще расте средно с 26,4% годишно и към 2018 г. ще достигне $41,5 млрд.
Така на практика сегментът Big Data ще расте 6 пъти по-бързо от ИТ пазара като цяло.
Доколко сме готови да използваме “големи данни”?
През есента на 2013 г. Cisco и анализаторската компания InsightExpress проведоха проучване в 18 страни сред 1 800 студенти и 1 800 млади специалисти на възраст до 30 години. Целта на изследването бе да се установи доколко ИТ отделите са готови за реализацията на Big Data проекти и да се получи представа за проблемите, свързани с такива инициативи, а също така за технологичните аспекти и за стратегическата им ценност.
Проучването констатира, че повечето компании събират, записват и анализират данни. Въпреки това, във връзка с Big Data, много компании се сблъскват с редица сложни бизнес и ИТ проблеми. Така например 60% от анкетираните твърдят, че анализите на Big Data могат да усъвършенстват техните процеси за вземане на решения и да повишат конкурентоспособността им, но само 28% съобщават, че вече получават реални стратегически предимства от натрупаната информация.
Как се събират big data?
Компаниите събират и използват данни от най-различен тип, както структурирани, така и неструктурирани. Ето от какви източници получават своите данни участниците в проучването на Cisco и InsightExpress:
  • 74% събират текущи данни
  • 55% събират исторически данни
  • 48% получават данни от монитори и датчици
  • 40% ползват данни в реално време, а след това ги изтриват
  • 32% събират неструктурирани данни – например видео.
 Как се анализират “големи данни”?
Съществуват множество разнообразни методи за анализ на масиви от данни, в основата на които са инструменти, взаимствани от статистиката и информатиката (особено машинното обучение). Списъкът, който привеждаме тук, въпреки че е дълъг, не претендира за пълнота, но дава представа за най-често прилаганите подходи в различните индустрии. При това, изследователите продължават да разработват нови методи и да усъвършенстват съществуващите. Редно е да отбележим също, че някои от изброените методи не са предназначени изключително за големи данни и могат съвсем успешно да се ползват за по-малки масиви (например A/B testing, регресионен анализ и др.). Но разбира се, колкото по-обемист и диверсифициран масив се анализира, толкова по-точни и релевантни са резултатите.
Ето какви са някои от методите за Big Data анализи:
- A/B testing. При този метод контролна група от елементи се сравнява с други тестови групи, в които един или няколко показателя са били променени. Целта е да се изясни какви промени подобряват целевите показатели. С този метод може да се намери оптимална комбинация от показатели за достигане на определена цел – например най-добро възприемане на ново маркетингово предложение от страна на потребителите. “Големите данни” позволяват да бъдат проведени огромен брой итерации и да се получи статистически достоверен резултат.
Сред компаниите, които използват A/B testing са Amazon и Zynga.
- Association rule learning. Това е набор от методи за идентифициране на взаимовръзки, т.е. асоциативни правила за връзки между променливи величини в големи обеми от данни. Тези методи се ползват в решенията за data mining.
- Classification. Група методи, които позволяват да се предскаже поведението на потребителите в определен пазарен сегмент - например за вземане на решение за покупка, за обем на потребление, за отказ от използване на даден продукт и т.н.). Ползват се в решенията за data mining.
- Cluster analysis. Статистически метод за класификация на обекти по групи на базата на откроени общи признаци, които не са били известни предварително. Използва се в решенията за data mining.
- Crowdsourcing. Метод за събиране на данни от голям брой източници.
- Data fusion and data integration. Група методи, които позволяват да се анализират коментари на потребители на социалните мрежи и да се съпоставят с резултати от продажби в режим на реално време.
- Data mining. Група методи, които дават възможност за откриване на смислени корелации, зависимости, повтарящи се образци, тенденции и аномалии в масиви от данни. С инструменти за Data mining се реализират Big Data проекти които имат за цел да се предскаже модел на поведение на потребители или например да се определи каква група потребители ще възприеме най-добре някакъв нов продукт, какви качества са характерни за най-успешните служители и т.н.
- Ensemble learning. Разработван за целите на машинното обучение, този метод включва в действие множество предикативни модели, благодарение на което постига високо качество на изведените прогнози.
- Genetic algorithms. При този метод възможните решения се представят във вид на “хромозоми”, които могат да се комбинират и да мутират. Както и в процеса на еволюцията в природата, оцеляват най-приспособените. Казано по-друг начин, това е евристичен алгоритъм за търсене, използван за решаване на задачи за оптимизация и моделиране чрез случаен подбор, комбиниране и вариации на целеви параметри и използване на механизми аналогични на естествения подбор.
- Machine learning. Направление от областта на изкуствения интелект, насочено към създаването на алгоритми за самообучение на базата на емпирични данни.
- Natural language processing (NLP). Методи за разпознаване и обработка на естествен език, взаимствани от информатиката и лингвистиката.
- Network analysis. Група методи за анализ на връзки между възли в мрежи. Прилагат се към данни от социалните мрежи, като позволяват да се анализират връзки между отделни потребители, компании, общности и т.н.
- Optimization. Група от числени методи за редизайн на сложни системи и процеси с цел подобряване на един или няколко техни показатели. Прилагат се за подпомагане вземането на стратегически решения – например за състава на извежданата на пазара продуктова линия, за провеждане на инвестиционни анализи и т.н.
- Pattern recognition. Методи с елементи на самообучение, прилагани за предсказване на модели на поведение.
- Predictive modeling. Методи, които позволяват да бъде създаден математически модел за предварително зададен вероятен сценарий за развитието на дадени събития. Типичен пример за приложението на Predictive modeling е за анализ на данни от CRM система, с цел да се прогнозират възможните условия, при които част от абонатите на дадена компания ще се откажат от нейните услуги и ще започнат да използват тези на конкурентите.
- Regression. Група статистически методи за намиране на закономерности между изменението на зависима променлива и една или няколко независими. Използва се за прогнозни анализи и при data mining. Широко се прилага методът “линейна регресия”, който определя влиянието на един числов параметър върху друг. Например, с каква средна стойност се променя обемът на продажбите при промяна ма маркетинговия бюджет със 100 лв. Друг вариант е “логическата регресия” – т.е. когато зависимата променлива може да приема само две стойности (0 и 1) – това е един от най-разпространените методи за анализ на вероятността за настъпване на дадено събитие в зависимост от стойностите на някакви параметри.
- Sentiment analysis. Това са методи за оценка на настроенията на потребителите, базирани на технологии за разпознаване на естествен език. Те позволяват от общия информационен поток да бъдат извлечени съобщения, свързани с определена тема или предмет (например за даден продукт), а също така да се оцени дали изказваните по темата съждения са положителни или отрицателни, каква е степента на тяхната емоционалност и т.н.
- Signal processing. Група методи взаимствани от радиотехниката, които имат за цел разпознаването на сигнал на фона на шум и анализ на този сигнал.
- Spatial analysis. Група методи взаимствани от статистиката за анализ на пространствени данни – топология на местност, географски координати, геометрия на обекти. Източник на големи обеми от такива данни често са ГИС системите на крупни организации.
- Supervised learning. Методи базирани на технологиите за машинно обучение, които позволяват да бъдат открити функционални взаимовръзки в анализираните масиви от данни.
- Simulation. Моделирането на поведението на сложни системи често се използва за прогнозиране и изпробване на различни сценарии за целите на планирането.
- Time series analysis. Група методи взаимствани от статистиката и от теорията за обработка на цифрови сигнали. Използват се за анализ на повтарящи се във времето поредици от данни. Типични приложения – проследяване на пазара на ценни книжа, проследяване на броя пациенти с някакво заболяване и т.н.
- Unsupervised learning. Методи базирани на технологиите за машинно обучение, които позволяват да бъдат идентифицирани скрити функционални взаимовръзки в анализираните масиви от данни. Тези методи имат общи черти с Cluster Analysis.
- Visualization. Методи за графично представяне на резултатите от анализи на “големи данни” във вид на диаграми или анимирани изображения с цел опростяване на интерпретацията и по-лесно разбиране на получените резултати.
В следващия брой на списание CIO очаквайте втората част на тази статия, в която ще разкажем как ИТ директорите от различни организации извличат ползи от Big Data технологиите и с какви предизвикателства е свързано тяхното внедряване.

Системите за управление на бизнеса навлизат в ново ниво на зрялост

Системите за управление на бизнеса навлизат в ново ниво на зрялост

Активността, както по отношение на въвеждането на нови информационни решения, така и по-отношение на разширяването на вече изградени системи е повишена. Тенденцията ще бъде още по-ясно изразена през следващата година

от , 21 април 20150192 прочитания,
Надя Кръстева
През последните 2 години фокусът на автоматизацията в българските предприятия се измества от решаването на базови задачи към повишаване на ефективността. Функционалността на корпоративните информационни системи се разширява, все по-активно се използват всички популярни класове бизнес софтуер (ERP, CRM, BI и т.н.). Голяма част от организациите навлизат в ново ниво на зрялост по отношение на използването на информационните технологии за целите на бизнеса.
Това са основните изводи от поредното проучване, което екипът на сп. CIO България проведе през март сред ИТ ръководители от български компании от различни индустрии. Анкетираните предоставиха информация за ИТ проектите реализирани в техните организации, за планирани ИТ инициативи и за предизвикателствата, които срещат при развитието на корпоративната информационна среда.
Най-често реализирани проекти през последните 2 г. (% анкетирани)
Схема 1: Най-често реализирани проекти през последните 2 г. (% анкетирани)
Ето какво още показват данните от това проучване:
>> Кои са най-активно внедряваните приложения през последните 2 години?
Както и в предишното ни проучване, най-много от анкетираните компании са реализирали проекти свързани с въвеждане и обновяване на ERP системи (схема 1). През 2015-а обаче новите внедрявания имат по-голям относителен дял в сравнение с предходната година. През 2014-а съотношението между проектите за обновяване и разширяване на изградени ERP и тези за въвеждане на нови системи бе 3:1, а сега то е 2:1.
Прави впечатление и фактът, че през последните 2 години значително по-активно отколкото в минали периоди са внедрявани и развивани на CRM системи - 34% от анкетираните съобщават за такива инициативи, спрямо 18% при предишното ни проучване.
Сред класовете корпоративни решения, които са били обект на повишен интерес през последните 2 години са също така системите за управление на склад (обновявани от 28% спрямо 18% преди), приложенията за автоматизация на специфични дейности (34% с/о 19% преди), мобилните решения (реализирани от 28% от компаниите с/о 23% преди).
Малък спад отбелязва въвеждането и развитието на BI системите – по такива проекти са работили 20% от участниците в проучването спрямо 23% от анкетираните през миналата година.
Като цяло, може да се каже, че активността, както по отношение на въвеждането на нови информационни решения, така и по-отношение на разширяването на вече изградени системи през тази година е повишена, макар и не драстично.
>> Как се реализират ИТ проектите?
Закупуването на готово решение и привличането на специализирана компания за неговото внедряване си остава най-популярният подход за развитие на информационната среда, прилаган от 62% от анкетираните (схема 2).
Схема 2: По какъв начин организациите развиват своите ИС? (% анкетирани)
Схема 2: По какъв начин организациите развиват своите ИС? (% анкетирани)
Второто място си разделят два подхода, прилагани от почти половината анкетирани (43%) - това са разработката и внедряването с вътрешни ресурси и използването на облачни услуги. Популярността на самостоятелната реализация на ИТ проектите обаче отбелязва съществен спад в сравнение с предходната година (43% спрямо 55%), докато използването на облачни услуги демонстрира значителен и дори по-висок от очаквания ръст (43% спрямо 27%).
Впрочем въвеждането на нови информационни решения под формата на облачни услуги (SaaS) попадна в списъка на утвърдените подходи за внедряване и развитие на информационната среда едва преди година, а сега вече тази практика е факт почти във всяка втора компания.
>> Какво предприемат компаниите за държат разходите за корпоративен софтуер под контрол?
В проучването на сп. CIO, проведено през февруари за първи път през последните 5 години се оказа, че съкращаването на разходите не е основен приоритет за повечето организации у нас. Въпреки това, 64% от анкетираните ИТ мениджъри отбелязаха, че задачите за съкращаване на експлоатационните разходи, включително и за корпоративен софтуер, при запазване на нивото на предоставяните услуги, остават на дневен ред. В тази ситуация, 67% от анкетираните организации (спрямо 64% през миналата година) реализират проекти насочени към рационализация на корпоративната ИТ архитектура, 43% преразглеждат портфолиото от планирани проекти за въвеждане на нови приложения и информационни системи, 43% осъществяват рационализация на използвания набор от приложения и също 43% пренасят своите приложения върху нови платформи (таблица 1).
Какви мерки за съкращаване на разходите за софтуер се прилагат във вашата организация?
Таблица 1: Какви мерки за съкращаване на разходите за софтуер се прилагат във вашата организация?
Прави впечатление, че преходът към архитектура ориентирана към услугите (SOA) и използването на облачни услуги на този етап са доста по-често прилагани като начин за съкращаване на разходите за корпоративен софтуер, отколкото при предишното ни изследване – към момента те се прилагат от 33% от компаниите спрямо 18% през миналата година.
>> Какви са предизвикателствата при реализацията на ИТ проектите?
В началото на 2015 г. финансирането на проектите за развитие на информационната среда е предизвикателство №1 за българските организации. При това проблемът е по-ясно изразен отколкото през миналата година – сега той е валиден за 67% от анкетираните спрямо 45% през миналата година. В голяма степен този резултат се дължи на приключването на някои европейски програми, които в един предишен период улесняваха осигуряването на средства за внедряване на информационни системи (таблица 2).
Кои са най-големите предизвикателства във връзка с проектите за внедряване и развитие на системи за управление на бизнеса във вашата организация?
Таблица 2: Кои са най-големите предизвикателства във връзка с проектите за внедряване и развитие на системи за управление на бизнеса във вашата организация? (допустими бяха до 7 отговора)
В допълнение 57% от организациите срещат сериозни трудности във връзка с нереалистичните оценки за сроковете за реализация на ИТ проекти, както и при конвертирането и интеграцията на данни.
Трета група проблеми, валидни за 43% от анкетираните са свързани със съобразяването с наследените системи и с недостатъчната ангажираност на потребителите.
Въпреки изброените предизвикателства, данните от проучването сочат, че като цяло в българските организации вече е налице доста високо ниво на експертиза, позволяващо успешно да се решават повечето задачи във връзка с изграждане на информационната среда. Все по-малко са компаниите (едва 24% спрямо 36% преди), които срещат трудности при избора на информационно решение или при изграждане на подходяща ИТ инфраструктура за него. Само 19% от анкетираните имат проблеми във връзка с обучението на потребителите и само 10% срещат трудности при взаимодействието с ИТ доставчиците. Нито един от участниците в проучването не съобщава за проблеми във връзка с управлението на ИТ проектите и избора на компетентни внедрители.
По-високото ниво на зрялост по отношение на използването на ИТ в българските организации личи и от новия кръг от предизвикателства, очертан за първи път в това проучване. 24% от анкетираните поставят сред задачите, с които техните компании трябва да се справят по-доброто контролиране на процесите по управление на промяната, осигуряването на еволюцията на реализираните решения и фокусираното измерване на резултатите от ИТ проектите. Вниманието към изброените предизвикателства показва, че корпоративните ИТ потребители у нас вече не се задоволяват просто с работещи информационни системи, а се стремят към ИТ решения, осигуряващи максимални ползи за бизнеса им.
>> Перспективите за 2015-2016 г.?
Отговорите на участниците в нашето проучване дават основание да очакваме, че следващите 2 години ще бъдат период на умерено, но по-активно развитие на информационната среда, в сравнение с предходните две. До края на 2016 г., анкетираните организации предвиждат да реализират средно по 2,4 проекта за внедряване и обновяване на системи за управление на бизнеса. За сравнение, в проучването ни преди година, този показател бе 1,7, а преди 2 години 1,5.
Планирани проекти за внедряване и развитие на ИС (% анкетирани)
Схема 3: Планирани проекти за внедряване и развитие на ИС (% анкетирани)
Както се вижда на схема 3, плановете за въвеждане на всеки от популярните класове бизнес софтуер (ERP, CRM, BI и т.н.) са по-амбициозни в сравнение с предишното ни проучване или поне остават на същото ниво. Ако тези планове бъдат реализирани можем да очакваме скок във внедряванията на BI и CRM системи, мобилни решения и облачни услуги.
Всъщност фактът, че 38% от анкетираните възнамеряват да реализират BI проект, 33% планират въвеждане на мобилни решения и 19% подготвят старта на CRM проект не са изненадващи. Ценността на информацията за бизнеса расте, и организациите, които вече са успели да въведат ред в данните за соята отчетност, научили са се да ги съхраняват и обработват, започват все по-ентусиазирано да използват софтуер за бизнес анализи и прогнозиране, приложения подобряващи взаимоотношенията с клиентите и т.н. В същото време интересът към ERP системите остава стабилен. Компаниите, които изграждат нови решения от този клас не са много, но тези, които са осъществили ERP внедрявания преди 5-10 години се нуждаят от обновяване на своите системи. Неслучайно през всяка от последните 3 години, около 14% от компаниите у нас са заети с ERP проект.
Статията обобщава резултатите от традиционното проучване на списание CIO България “6 въпроса за информационните системи в българските организации”, което провеждаме за 10-та поредна година. В това издание на проучването взеха участие представители на 21 компании от различни сектори, които отговориха на анкетата на CIO чрез попълване на онлайн формуляр.
КОМЕНТАРИ ОТ  
КОМЕНТАРИ
Трябва да сте регистриран потребител, за да коментирате статията
"Системите за управление на бизнеса навлизат в ново ниво на зрялост"



     
Полезни страници

    ОПЕРАЦИОННИ СИСТЕМИ - СЪЩНОСТ И ФУНКЦИИ


    Uploaded on authorSTREAM by Tarzen