Научный журнал

Международный журнал экспериментального образования

ISSN 2618–7159

ИФ РИНЦ = 0,425

• Авторы
• Файлы
• Литература

Назаренко М.А. 1

---

1 ФГБОУ ВО «Московский государственный университет информационных технологий радиотехники и электроники»

Статья в формате PDF

2185 KB

1. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Пер. с англ. Инны Гайдюк. – М.: Манн, Иванов и Фербер, 2014. С. 17.

2. Назаренко М.А., Адаменко А.О., Киреева Н.В. Принципы менеджмента качества и системы доработки или внесения изменений во внедренное программное обеспечение // Успехи современного естествознания. – 2013. – № 7. – С. 177-178.

3. Найдич А. Большие данные: насколько они большие? // Компьютер Пресс. – 2012. – № 12. – С. 22-29.

4. Черняк Л. Большие Данные – новая теория и практика // Открытые системы. – № 10. – 2011.

5. Фетисова М.М., Корешкова А.Б., Горшкова Е.С., Алябьева Т.А. Современные методы управления персоналом и пути их совершенствования // Успехи современного естествознания – 2013. – № 11. – С. 195–196.

Естественнонаучное образование в последнее десятилетие в России имеет весьма размытый вектор, в связи с его многоплановостью. Поэтому автор считает необходимым конкретизировать его стратегию в одном из направлений, а именно в области больших данных.

Для этого необходимо выделить ключевые особенности больших данных и их роль в управлении предприятием. Во-первых, применение больших данных для оценки и повышения качества продукта позволяет рассчитывать на выявление новых, ранее не известных факторов, влияющих на качество [1]. Усилить полученный эффект можно путем сочетания традиционных методов анализа данных и технологий больших данных. В частности, известно, что человеческий экспертный подход в сочетании с методами анализа больших данных позволяет значительно повысить эффективность выявления проблемных участков на производстве [5].

Во-вторых, стандартизация больших данных позволяет повысить качество их обработки [4]. В определениях больших данных одной из основных их характеристик является неструктурированность, непредсказуемость, разнообразие информации. Используя стандарты, разработанные для той или иной отрасли производства, можно уменьшить влияние этого непредсказуемого фактора [3]. Например, для повышения эффективности обработки отзывов можно разработать форму ответа клиента, которая позволит сделать более точные выводы, непосредственно касающиеся качества продукции.

В-третьих, технологии больших данных можно применять для повышения качества продукции, расширяя охват источников информации. Перейдя от традиционных методов обработки данных к сбору информации от всех возможных ее источников, мы тем самым переходим к использованию больших данных [4]. А значит, можем рассчитывать на более точную итоговую информацию, позволяющую находить ключевые точки в процессе производства, которые влияют на качество продукции.

Именно поэтому, в области больших данных в стратегии естественнонаучного образования необходимо отталкивать от концепции стандартизации и управления качеством [2], поскольку именно она позволит их структурировать, снизить риски, повысить качество и, как результат, повысить эффективность управления производством, использующим большие данные.

Библиографическая ссылка