Файл: Контрольная работа дисциплина Наименование дисциплины Ф. И. О студента Фамилия Имя Отчество Направление код и Наименование.docx

МИНОБРНАУКИ РОССИИ

федеральное государственное бюджетное образовательное учреждение

высшего образования

«Новосибирский государственный университет экономики и управления «НИНХ»

(ФГБОУ ВО «НГУЭУ», НГУЭУ)

Кафедра [наименование кафедры]

КОНТРОЛЬНАЯ РАБОТА

Дисциплина: [Наименование дисциплины]

Ф.И.О студента: [Фамилия Имя Отчество]

Направление: [код и Наименование]

Направленность (профиль): [Наименование]

Номер группы:

Номер зачетной книжки:

Номер варианта контрольной работы: 9

Проверил: [Фамилия Имя Отчество, ученая степень, должность]

Новосибирск 20-

Содержание

1. На примере задач розничной торговли ответьте на следующие вопросы:

- какие данные, подходящие под определение big data, фиксируются/могут фиксироваться в исследуемой предметной области;

- какими инструментами можно воспользоваться для сбора и хранения данных. Какие ресурсы необходимы для этого (технические, программные)

- описать источники данных и способы добычи данных из этих источников

Ответ оформите в табличном виде в формате:

Наименование программного средства/оборудования	Наименование собираемых/хранимых данных	Описание и краткая характеристика собираемых/хранимых данных, источники данных
Для сбора данных может использоваться собственное программное обеспечение, или можно воспользоваться услугами и программами для ритейл аудита: Как цифровая услуга: Iceberg Analytics, RocketRetail; Как программный продукт (Retail Management Software): HeartlandRetail; Как собственная имплементация с использованием инструментов: фреймворков Apache Spark и Apache Hadoop , скриптов и модулей для работы с данными в Python, R, Java и др. Для хранения данных, например: PostgreSQL	Текстовые и числовые данные о товарах Персональные данные клиентов Данные об истории спроса на товар Данные о поставщиках Данные о финансовых операциях Данные о поведении клиентов (например, на сайте) Поисковые запросы Отзывы и рейтинги Другие данные	Структурированные и неструктурированные данные используемые в retail analytics, retail audit, prediction analytics и technology-enabled personalization (TEP) и др. Данные различной природы: числовые, качественные, текстовые данные, графы, аудио- и видеозаписи, изображения и др. Источники данных можно разделить на самостоятельно собранные генерируемые данные (накопление) и данные, собранные из внешних источников (например, text-mining and site-parsing). Отдельную категорию составляют наборы данных, такие как, подходящие для базовых задач аналитики распознавания и аналитики тенденций.

---

2. Приведите примеры способов обработки и визуализации данных с использованием инструментов работы с big data в розничной торговле:

Ответ оформите в табличном виде в формате:

Наименование данных	Характеристика результата после обработки/визуализации	Наименование программного средства, с помощью которого получен результат
Данные о финансовых операциях (временной ряд с трендом) Текстовые данные (неструктурированные данные) Персональные данные о клиентах	Линейные графики, c/без регрессионной прямой Диаграмма рассеяния для кластерного тематического анализа и семантического анализа слов; гистограммы слов, которые вносят наибольший вклад, например, при регрессионном анализе Диаграммы размаха для сравнения признаков (пар признаков и т.д.) по категориям	Python, R, Java, Kotlin Python, R, Java, Kotlin Python, R, Java, Kotlin

3. Сформулируйте задачи, возникающие в розничной торговле, которые можно было бы решить с использованием машинного обучения. Опишите возможные результаты

Задачи сферы розничной торговли, решаемые с использованием машинного обучения:

1. Задача: прогнозирование спроса. Возможный результат: выявление возможного дефицита товаров в магазинах (оптимизация ассортимента и цен).

2. Задача: контент-анализ. Возможный результат: создание персональных рекомендаций для покупателя.

3. Задача: конкурентный анализ. Возможный результат: минимизирование угрозы потери доли рынка.

4. Сформулировать и перечислить основные заинтересованные лица (стейкхолдеры), кто был бы заинтересован в полученных результатах. Опишите возможные результаты

Перечень основных заинтересованных лиц (стейкхолдеров), заинтересованных в управлении, основанном на данных:

Наименование заинтересованного лица (стейкхолдера)

Какой полезный результат могут получить

Ритейлеры (Например, «Магнит») Клиент (покупатель в розничной сети)

Прежде всего, ритейлер как заинтересованная сторона выигрывает от использования аналитики данных и машинного обучения в розничной торговле. Использование аналитики больших данных позволяет таким организациям анализировать динамику и структуру рынка, анализировать спрос, проводить предиктивную аналитику; позволяет выявлять и своевременно устранять угрозы для доли рынка и маржинальности компании и т.д. Использование ритейлерами аналитики больших данных позволяет покупателю получать персонализированные рекомендации и скидки. Также в розничной торговле возможно использование методов аналитики данных группой покупателей - например, использование приложения для сбора и анализа данных о товарах и акциях.

---

5. Сформулировать требования к возможным изменениям в нормативно-правовой базе

Требуемые изменения в нормативно-правовой базе (государственный, отраслевой, внутренний уровни):

1. В настоящее время на государственном уровне рассматриваются поправки к закону «о персональных данных», которые позволят запретить (а значит и использовать, так как только обезличенные данные могут быть использованы в аналитике) обезличивание данных без согласия субъекта, а также ограничить передачу данных за границу. Исходя из действующего закона "о персональных данных", а также последних поправок, представленных на рассмотрение, можно сформулировать следующее требование к обезличиванию данных. Обезличивание данных должно гарантировать, что никакие методы анализа данных (включая использование методов обратной инженерии) не позволят обезличенным данным характеризовать субъекта таким образом, что они могут быть использованы против него.

2. На отраслевом уровне новые нормативные акты могут описывать универсальные требования к обработке и хранению персональных данных, а также описывать перечень сведений, относящихся к персональным данным.

3. На внутреннем уровне нормативный внутренний контроль также может обеспечить соблюдение требований по защите информации при ее использовании сотрудниками организации.

Библиографический список

1. 
   Анализ данных: учебник для академического бакалавриата / под ред. В. С. Мхитаряна. - М. : Издательство Юрайт, 2016. - 490 с.
   
2. 
   Большие данные: метод. указания по контактной и самостоятельной работе / сост. А. В. Параскевов. – Краснодар: КубГАУ, 2020. - 35 с.
   
3. 
   Лесковец, Ю. Анализ больших наборов данных / Ю. Лесковец, А. Раджараман. - М.: ДМК, 2016. - 498 c.
   

---