stringtranslate.com

Аналитика

Аналитика — это систематический вычислительный анализ данных или статистики . [1] Он используется для обнаружения, интерпретации и передачи значимых закономерностей в данных . Это также предполагает применение шаблонов данных для эффективного принятия решений. Это может быть ценно в областях, богатых записанной информацией; аналитика опирается на одновременное применение статистики , компьютерного программирования и исследования операций для количественной оценки производительности.

Организации могут применять аналитику к бизнес-данным для описания, прогнозирования и улучшения эффективности бизнеса. В частности, области аналитики включают описательную аналитику, диагностическую аналитику, прогнозную аналитику , предписывающую аналитику и когнитивную аналитику. [2] Аналитика может применяться к различным областям, таким как маркетинг , менеджмент , финансы , онлайн-системы, информационная безопасность и программные услуги. Поскольку аналитика может потребовать обширных вычислений (см. « Большие данные» ), алгоритмы и программное обеспечение, используемые для аналитики, используют самые современные методы информатики, статистики и математики. [3] По данным International Data Corporation , глобальные расходы на решения для больших данных и бизнес-аналитики (BDA) в 2021 году, по оценкам, достигнут $215,7 млрд. [4] [5] По данным Gartner , общий рынок программного обеспечения для аналитических платформ вырос на $25,5 млрд. в 2020 году. [6]

Аналитика против анализа

Анализ данных фокусируется на процессе изучения прошлых данных посредством понимания бизнеса, понимания данных, подготовки данных, моделирования и оценки, а также развертывания. [7] Это подмножество анализа данных, которое требует нескольких процессов анализа данных, чтобы сосредоточиться на том, почему произошло событие и что может произойти в будущем на основе предыдущих данных. [8] [ ненадежный источник? ] Аналитика данных используется для формулирования более крупных организационных решений. [ нужна цитата ]

Аналитика данных — это междисциплинарная область. Широко используются компьютерные навыки, математика, статистика, описательные методы и прогнозные модели для получения ценных знаний из данных посредством аналитики. [ нужна цитата ] Все чаще используется термин расширенная аналитика , обычно используемый для описания технических аспектов аналитики, особенно в новых областях, таких как использование методов машинного обучения , таких как нейронные сети , деревья решений, логистическая регрессия, линейное к множественному. регрессионный анализ и классификация для прогнозного моделирования . [9] [7] Он также включает в себя методы машинного обучения без учителя, такие как кластерный анализ , анализ главных компонентов , анализ профиля сегментации и анализ ассоциаций. [ нужна цитата ]

Приложения

Оптимизация маркетинга

Маркетинговые организации используют аналитику для определения результатов кампаний или усилий, а также для принятия решений по инвестициям и ориентации на потребителей. Демографические исследования, сегментация клиентов, совместный анализ и другие методы позволяют маркетологам использовать большие объемы потребительских покупок, опросов и панельных данных для понимания и распространения маркетинговой стратегии. [10]

Маркетинговая аналитика состоит из качественных и количественных, структурированных и неструктурированных данных, используемых для принятия стратегических решений относительно бренда и доходов. Этот процесс включает в себя прогнозное моделирование, маркетинговые эксперименты, автоматизацию и коммуникацию в режиме реального времени. Данные позволяют компаниям делать прогнозы и изменять стратегическое исполнение, чтобы максимизировать результаты деятельности. [10]

Веб-аналитика позволяет маркетологам собирать информацию о взаимодействиях на веб-сайте на уровне сеанса с помощью операции, называемой сеансизацией . Google Analytics — пример популярного бесплатного инструмента аналитики, который маркетологи используют для этой цели. [11] Эти взаимодействия предоставляют информационным системам веб-аналитики информацию, необходимую для отслеживания реферера, поиска по ключевым словам, идентификации IP-адреса, [12] и отслеживания действий посетителя. С помощью этой информации маркетолог может улучшить маркетинговые кампании, креативный контент веб-сайта и информационную архитектуру. [13]

Методы анализа, часто используемые в маркетинге, включают моделирование комплекса маркетинга, анализ цен и продвижения, оптимизацию продаж и анализ клиентов, например: сегментацию. Веб-аналитика и оптимизация веб-сайтов и онлайн-кампаний теперь часто работают рука об руку с более традиционными методами маркетингового анализа. Акцент на цифровых медиа немного изменил словарный запас, так что моделирование маркетинг-микса обычно называют моделированием атрибуции в контексте цифрового моделирования или моделирования маркетинг-микса . [ нужна цитата ]

Эти инструменты и методы поддерживают как стратегические маркетинговые решения (например, сколько в целом потратить на маркетинг, как распределить бюджеты по портфелю брендов и маркетинговому комплексу), так и более тактическую поддержку кампании с точки зрения ориентации на лучшего потенциального клиента с помощью оптимальное сообщение на наиболее экономически эффективном носителе в идеальное время.

Людская аналитика

Людская аналитика использует поведенческие данные, чтобы понять, как работают люди, и изменить методы управления компаниями. [14]

Кадровая аналитика также известна как аналитика рабочей силы, HR-аналитика, аналитика талантов, аналитика кадров, аналитика талантов, аналитика коллег, аналитика человеческого капитала и аналитика HRIS. HR-аналитика — это применение аналитики, помогающее компаниям управлять человеческими ресурсами . [15] Кроме того, HR-аналитика стала стратегическим инструментом анализа и прогнозирования человеческих тенденций на меняющихся рынках труда с использованием инструментов Career Analytics. [16] Цель состоит в том, чтобы определить, каких сотрудников нанимать, кого вознаграждать или продвигать по службе, какие обязанности назначать, а также решать аналогичные проблемы с человеческими ресурсами. [17] Например, проверка стратегического феномена текучести кадров с использованием инструментов People Analytics может послужить важным анализом в периоды сбоев. [18] Было высказано предположение, что People Analytics — это отдельная дисциплина по отношению к HR-аналитике, в которой большее внимание уделяется бизнес-вопросам, а не административным процессам, [19] и что People Analytics на самом деле может не относиться к отделу кадров в организациях. [20] Однако эксперты с этим не согласны, многие утверждают, что отделу кадров необходимо будет развивать HR-аналитику как ключевую часть более эффективной и стратегической бизнес-функции в меняющемся мире труда, вызванном автоматизацией. [21] Вместо того, чтобы выводить People Analytics за пределы HR, некоторые эксперты утверждают, что она принадлежит HR, хотя и поддерживается новым поколением HR-специалистов, которые больше ориентируются на данные и разбираются в бизнесе. [22]

Портфельная аналитика

Распространенным применением бизнес-аналитики является анализ портфеля . При этом банк или кредитное агентство имеет набор счетов различной стоимости и риска . Счета могут различаться в зависимости от социального статуса (богатый, средний класс, бедный и т. д.) владельца, географического положения, его чистой стоимости и многих других факторов. Кредитор должен сбалансировать доход по кредиту с риском неисполнения обязательств по каждому кредиту. Тогда возникает вопрос, как оценить портфель в целом. [23]

Кредит с наименьшим риском может быть предоставлен очень богатым людям, но число богатых людей очень ограничено. С другой стороны, есть много бедных, которым можно дать кредит, но с большим риском. Необходимо найти некий баланс, который максимизирует прибыль и минимизирует риск. Аналитическое решение может сочетать анализ временных рядов со многими другими вопросами, чтобы принимать решения о том, когда давать деньги взаймы этим различным сегментам заемщиков, или решения о процентной ставке, взимаемой с членов сегмента портфеля для покрытия любых потерь среди участников этого сегмента. . [ нужна цитата ]

Аналитика рисков

Прогнозные модели в банковской сфере разрабатываются для обеспечения уверенности в оценке рисков для отдельных клиентов. Кредитные рейтинги создаются для прогнозирования преступного поведения человека и широко используются для оценки кредитоспособности каждого заявителя. [24] Кроме того, анализ рисков проводится в научном мире [25] и страховой отрасли. [26] Он также широко используется в финансовых учреждениях, таких как компании, предоставляющие шлюзы онлайн-платежей, для анализа того, была ли транзакция подлинной или мошеннической. [27] Для этой цели они используют историю транзакций клиента. Это чаще используется при покупках по кредитной карте: когда происходит внезапный всплеск объема транзакций клиента, клиент получает звонок с подтверждением, если транзакция была инициирована им/ею. Это помогает уменьшить потери из-за таких обстоятельств. [28]

Цифровая аналитика

Цифровая аналитика — это набор бизнес- и технических действий, которые определяют, создают, собирают, проверяют или преобразуют цифровые данные в отчеты, исследования, анализ, рекомендации, оптимизации, прогнозы и автоматизацию. [29] Сюда также входит SEO ( поисковая оптимизация ), при которой отслеживается поиск по ключевым словам и эти данные используются в маркетинговых целях. [30] Даже рекламные баннеры и клики подпадают под цифровую аналитику. [31] Все большее число брендов и маркетинговых фирм полагаются на цифровую аналитику в своих задачах цифрового маркетинга , где MROI (рентабельность инвестиций в маркетинг) является важным ключевым показателем эффективности (KPI). [ нужна цитата ]

Аналитика безопасности

Аналитика безопасности относится к информационным технологиям (ИТ) для сбора событий безопасности, чтобы понять и проанализировать события, которые представляют наибольшие риски безопасности. [32] [33] Продукты в этой области включают информацию о безопасности, управление событиями и аналитику поведения пользователей.

Программная аналитика

Аналитика программного обеспечения — это процесс сбора информации о том, как используется и создается часть программного обеспечения . [34]

Проблемы

В индустрии программного обеспечения для коммерческой аналитики особое внимание уделяется решению проблем анализа огромных и сложных наборов данных, часто когда такие данные находятся в состоянии постоянного изменения. Такие наборы данных обычно называют большими данными . [35] Если раньше проблемы, связанные с большими данными, были обнаружены только в научном сообществе, то сегодня большие данные представляют собой проблему для многих предприятий, которые используют транзакционные системы в Интернете и, как следствие, быстро накапливают большие объемы данных. [36] [35]

Анализ неструктурированных типов данных — еще одна проблема, привлекающая внимание отрасли. Неструктурированные данные отличаются от структурированных тем, что их формат широко варьируется и не может храниться в традиционных реляционных базах данных без значительных усилий по преобразованию данных. [37] Источники неструктурированных данных, такие как электронная почта, содержимое документов текстового процессора, PDF-файлы, геопространственные данные и т. д., быстро становятся важным источником бизнес- аналитики для предприятий, правительств и университетов. [38] [39] Например, в Великобритании обнаружение того, что одна компания незаконно продавала поддельные медицинские записи, чтобы помочь людям обманывать работодателей и страховые компании [40] дает страховым компаниям возможность повысить бдительность в отношении своих неструктурированных данных . анализ . [41] [ оригинальное исследование? ]

Эти проблемы в настоящее время являются источником вдохновения для многих инноваций в современных аналитических информационных системах, порождая относительно новые концепции машинного анализа, такие как сложная обработка событий , [42] полнотекстовый поиск и анализ, и даже новые идеи в представлении. Одним из таких нововведений является внедрение сеточной архитектуры в машинный анализ, позволяющей увеличить скорость массово-параллельной обработки за счет распределения рабочей нагрузки между многими компьютерами, имеющими равный доступ ко всему набору данных. [43]

Аналитика все чаще используется в сфере образования , особенно на уровне округов и государственных учреждений. Однако сложность показателей успеваемости учащихся создает проблемы, когда преподаватели пытаются понять и использовать аналитику для выявления закономерностей в успеваемости учащихся, прогнозирования вероятности окончания учебы, повышения шансов учащихся на успех и т. д. [44] Например, в исследовании, в котором участвовали округа, известные активное использование данных, 48% учителей испытывали трудности с постановкой вопросов, вызванных данными, 36% не понимали данные и 52% неправильно интерпретировали данные. [45] Чтобы бороться с этим, некоторые аналитические инструменты для преподавателей придерживаются формата данных, продаваемого без рецепта (встраивание ярлыков, дополнительной документации и справочной системы, а также принятие ключевых решений по упаковке/отображению и содержанию), чтобы улучшить понимание преподавателями и использование отображаемой аналитики. [46]

Риски

Риски для населения в целом включают дискриминацию по таким характеристикам, как пол, цвет кожи, этническое происхождение или политические взгляды, посредством таких механизмов, как ценовая дискриминация или статистическая дискриминация . [47]

Смотрите также

Рекомендации

  1. ^ «Оксфордское определение аналитики» . Архивировано из оригинала 10 августа 2020 года.
  2. ^ «Когнитивная аналитика - сочетание искусственного интеллекта (ИИ) и анализа данных». www.ulster.ac.uk . 8 марта 2017 года. Архивировано из оригинала 10 января 2022 года . Проверено 7 января 2022 г.
  3. ^ Кохави, Ротледер и Симудис (2002). «Новые тенденции в бизнес-аналитике». Коммуникации АКМ . 45 (8): 45–48. CiteSeerX 10.1.1.13.3005 . дои : 10.1145/545151.545177. S2CID  15938729. 
  4. ^ «Согласно новому руководству по расходам IDC, глобальные расходы на решения для больших данных и аналитики достигнут 215,7 миллиардов долларов в 2021 году» . Архивировано из оригинала 23 июля 2022 года . Проверено 24 июля 2022 г.
  5. ^ «Доходы от больших данных и бизнес-аналитики в 2022 году» . Архивировано из оригинала 20 июля 2022 года . Проверено 24 июля 2022 г.
  6. ^ «Доля рынка: программное обеспечение для обработки данных и аналитики, во всем мире, 2020» . Архивировано из оригинала 3 октября 2022 года . Проверено 24 июля 2022 г.
  7. ^ Аб Келлехер, Джон Д. (2020). Основы машинного обучения для прогнозного анализа данных: алгоритмы, рабочие примеры и тематические исследования. Брайан Мак Нэми, Аойф Д'Арси (2-е изд.). Кембридж, Массачусетс. п. 16. ISBN 978-0-262-36110-1. ОСЛК  1162184998.{{cite book}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
  8. ^ Парк, Дэвид. «Анализ против аналитики: прошлое против будущего». ЭЭ Таймс . Архивировано из оригинала 29 января 2021 года . Проверено 20 января 2021 г.
  9. ^ «ИИ, большие данные и расширенная аналитика в цепочке поставок». Форбс.com . Архивировано из оригинала 23 июня 2022 года . Проверено 16 апреля 2020 г.
  10. ^ аб Ведель, Мишель; Каннан, ПК (1 ноября 2016 г.). «Маркетинговая аналитика для сред с большим объемом данных». Журнал маркетинга . 80 (6): 97–121. дои : 10.1509/jm.15.0413. ISSN  0022-2429. S2CID  168410284. Архивировано из оригинала 31 марта 2022 года . Проверено 10 января 2022 г.
  11. ^ «Сеанс — Помощь по аналитике» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  12. ^ «IP-адрес — Справка по аналитике» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  13. ^ «Инструменты и решения аналитики для вашего бизнеса — Google Analytics» . Маркетинговая платформа Google . Архивировано из оригинала 2 октября 2022 года . Проверено 9 января 2022 г.
  14. ^ Лукем (4 ноября 2016 г.). «Людская аналитика: трансформация управления с помощью поведенческих данных». Программы для профессионалов | Профессиональное образование Массачусетского технологического института . Архивировано из оригинала 8 сентября 2018 года . Проверено 3 апреля 2018 г.
  15. ^ Чалуц Бен-Гал, Хила (2019). «Обзор HR-аналитики на основе рентабельности инвестиций: инструменты практического внедрения» (PDF) . Обзор персонала, Vol. 48 № 6, стр. 1429-1448. Архивировано из оригинала (PDF) 30 октября 2021 года . Проверено 9 февраля 2020 г.
  16. ^ Села, А., Чалуц Бен-Гал, Хила (2018). «Карьерная аналитика: анализ текучести кадров и карьерного роста на основе данных в наукоемких фирмах: Google, Facebook и других» (PDF) . В 2018 году прошла Международная конференция IEEE по электротехнике в Израиле (ICSEE). IEEE. Архивировано из оригинала (PDF) 31 марта 2022 года . Проверено 9 февраля 2020 г.{{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка )
  17. ^ «Людская аналитика - Пенсильванский университет» . Курсера. Архивировано из оригинала 19 апреля 2019 года . Проверено 3 мая 2017 г.
  18. ^ Авраами, Д.; Песах, Д.; Сингер, Г.; Чалуц Бен-Гал, Хила (2022). «Аналитика человеческих ресурсов и исследование текучести кадров с помощью машинного обучения: последствия для теории и практики» (PDF) . Международный журнал рабочей силы, Vol. Перед печатью Нет. Перед печатью. Архивировано из оригинала (PDF) 2 апреля 2022 г. Проверено 27 июля 2022 г.
  19. ^ «People Analytics: MIT, 24 июля 2017 г.». Кадровый эксперт . 2 августа 2017. Архивировано из оригинала 28 апреля 2019 года . Проверено 3 апреля 2018 г.
  20. ^ Берсин, Джош. «Вундеркинды приходят в HR: аналитика людей уже здесь». Форбс . Архивировано из оригинала 20 сентября 2019 года . Проверено 3 апреля 2018 г.
  21. ^ «Руководство генерального директора по конкуренции через HR» . Архивировано из оригинала 24 июля 2020 года . Проверено 24 июля 2020 г.
  22. ^ МакНалти, Кейт. «Пришло время HR 3.0». Экономика талантов . Архивировано из оригинала 3 июля 2020 года . Проверено 24 июля 2020 г.
  23. ^ Пилбим, Кейт (2005), Пилбим, Кейт (редактор), «Анализ портфеля: риск и доходность на финансовых рынках», Финансы и финансовые рынки , Лондон: Macmillan Education UK, стр. 156–187, doi : 10.1007/978 -1-349-26273-1_7, ISBN 978-1-349-26273-1, получено 9 января 2022 г.
  24. ^ «Кредитные отчеты и рейтинги | USAGov» . www.usa.gov . Архивировано из оригинала 8 января 2022 года . Проверено 9 января 2022 г.
  25. ^ Майерник, Мэтью С.; Бреземан, Келси; Даунс, Роберт Р.; Дюрр, Рут; Гарретсон, Алексис; Хоу, Чунг-И (Софи); Комитет, Инициатива по управлению экологическими данными (EDGI) и Информационные партнеры по наукам о Земле (ESIP) по управлению данными (12 марта 2020 г.). «Оценка риска для научных данных». Журнал науки о данных . 19 (1): 10. doi : 10.5334/dsj-2020-010 . ISSN  1683-1470. S2CID  215873228.
  26. ^ «Прогнозная аналитика в страховании: типы, инструменты и будущее». Мэривилл Онлайн . 28 октября 2020 года. Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  27. ^ Лиебана-Кабанильяс, Франциско; Сингх, Нидхи; Калинич, Зоран; Карвахаль-Трухильо, Елена (1 июня 2021 г.). «Изучение факторов, определяющих намерение продолжения использования, и смягчающего эффекта пола и возраста пользователей мобильных платежей NFC: мультианалитический подход». Информационные технологии и менеджмент . 22 (2): 133–161. дои : 10.1007/s10799-021-00328-6. ISSN  1573-7667. S2CID  234834347.
  28. ↑ Крейл, Чонси (9 марта 2021 г.). «Как включить оповещения мобильных кредитных карт о покупках и мошенничестве». Советник Форбс . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  29. ^ Филлипс, Джуда «Создание организации цифровой аналитики», Financial Times Press, 2013, стр. 7–8.
  30. ^ «Руководство для начинающих по SEO: основы | Центр поиска Google» . Разработчики Google . Архивировано из оригинала 12 января 2022 года . Проверено 9 января 2022 г.
  31. ^ «Показатель кликабельности (CTR): определение - Cправка - Google Реклама» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  32. ^ «Аналитика безопасности вселяет надежду на обнаружение нарушений» . Инновации предприятия. Архивировано из оригинала 12 февраля 2019 года . Проверено 27 апреля 2015 г.
  33. ^ Талабис, Марк Райан М. (2015). Аналитика информационной безопасности: поиск информации о безопасности, закономерностей и аномалий в больших данных. Роберт Макферсон, И. Миямото, Джейсон Л. Мартин. Уолтем, Массачусетс. п. 1. ISBN 978-0-12-800506-4. ОСЛК  910911974.{{cite book}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
  34. ^ «Аналитика программного обеспечения - обзор | Темы ScienceDirect» . www.sciencedirect.com . Архивировано из оригинала 11 января 2022 года . Проверено 9 января 2022 г.
  35. ^ ab «2.3 Десять общих характеристик больших данных». www.bitbybitbook.com . Архивировано из оригинала 31 марта 2022 года . Проверено 10 января 2022 г.
  36. ^ Наоне, Эрика. «Новые большие данные». Обзор технологий, Массачусетский технологический институт. Архивировано из оригинала 20 мая 2022 года . Проверено 22 августа 2011 г.
  37. ^ Инмон, Билл; Несавич, Энтони (2007). Использование неструктурированных данных . Прентис-Холл. ISBN 978-0-13-236029-6.
  38. ^ Мудро, Линдси. «Анализ данных и неструктурированные данные». Информация о приборной панели. Архивировано из оригинала 5 января 2014 года . Проверено 14 февраля 2011 г.
  39. ^ «Использование возможностей неструктурированных данных» . Массачусетский технологический институт Слоана . Архивировано из оригинала 10 января 2022 года . Проверено 10 января 2022 г.
  40. ^ «Поддельные больничные листы врачей продаются за 25 фунтов стерлингов, предупреждает отдел по борьбе с мошенничеством Национальной службы здравоохранения» . Телеграф . Лондон. 26 августа 2008 г. Архивировано из оригинала 12 января 2022 г. Проверено 16 сентября 2011 г.
  41. ^ «Большие данные: следующий рубеж инноваций, конкуренции и производительности, как сообщается в книге «Строительство с большими данными»». Экономист . 26 мая 2011 г. Архивировано из оригинала 3 июня 2011 г.
  42. ^ Флорис, Иоаннис; Гиатракос, Никос; Делигианнакис, Антониос; Гарофалакис, Минос; Камп, Майкл; Мок, Майкл (1 мая 2017 г.). «Проблемы комплексной обработки событий: состояние и перспективы в эпоху больших данных». Журнал систем и программного обеспечения . 127 : 217–236. дои : 10.1016/j.jss.2016.06.011. ISSN  0164-1212. Архивировано из оригинала 14 апреля 2019 года . Проверено 10 января 2022 г.
  43. ^ Ян, Нин; Лю, Дию; Фэн, Цюаньлун; Сюн, Цюань; Чжан, Линь; Рен, Тяньвэй; Чжао, Юаньюань; Чжу, Дехай; Хуан, Цзяньси (25 июня 2019 г.). «Крупномасштабное картирование сельскохозяйственных культур на основе машинного обучения и параллельных вычислений с сетками». Дистанционное зондирование . 11 (12): 1500. Бибкод : 2019RemS...11.1500Y. дои : 10.3390/rs11121500 . ISSN  2072-4292.
  44. ^ Принслу, Пол; Слэйд, Шэрон (13 марта 2017 г.). «Слон в комнате аналитики обучения». Материалы Седьмой Международной конференции по аналитике обучения и знаниям (PDF) . ЛАК '17. Нью-Йорк, штат Нью-Йорк, США: Ассоциация вычислительной техники. стр. 46–55. дои : 10.1145/3027385.3027406. ISBN 978-1-4503-4870-6. S2CID  9490514.
  45. ^ Управление планирования, оценки и разработки политики Министерства образования США (2009). Внедрение принятия решений на основе данных в школах: доступ учителей, поддержка и использование. Министерство образования США (Служба воспроизведения документов ERIC № ED504191)
  46. ^ Рэнкин, Дж. (28 марта 2013 г.). Как системы данных и отчеты могут бороться с эпидемией ошибок анализа данных или распространять ее, и чем могут помочь руководители преподавателей. Архивировано 26 марта 2019 года на презентации Wayback Machine , проведенной в рамках школьного саммита технологического информационного центра административного лидерства (TICAL).
  47. ^ Фаваретто, Маддалена; Де Клерк, Ева; Элджер, Бернис Симона (5 февраля 2019 г.). «Большие данные и дискриминация: опасности, обещания и решения. Систематический обзор». Журнал больших данных . 6 (1): 12. дои : 10.1186/s40537-019-0177-4 . ISSN  2196-1115. S2CID  59603476.


Внешние ссылки