RECENZIE

DATE DE IDENTIFICARE STUDIU

Titlul în limba
română: Model de business intelligence pentru analiza informațiilor din media
socială
Titlul original:
Business Intelligence Model to Analyze Social Media Information
Anul: 2018
Autori: Parama Fadli Kurnia, Suharjito
Instituţie: Bina Nusantara University
Editură: Elsevier
Adresa web: https://www.sciencedirect.com/science/article/pii/S1877050918314303
DATE IDENTIFICARE RECENZOR
Nume şi prenume: Corbea Diane-Amelia
Instituţie: Academia de Studii Economice din București
Titlul știinţific: Licențiat în științe economice
Adresa e-mail: amelia.corbea@yahoo.com
CONŢINUTUL MATERIALULUI
Cuvinte cheie (1-5 cuvinte sau sintagme)
Business intelligence, media socială, facebook, twitter, algoritmul SVM, algoritmul Naive Bayes,
algoritmul arborelui decizional
Principalele probleme abordate:
Prin acest articol se încearcă prezentarea principalelor platforme de media socială și analiza
impactului informațiilor ce provin din media socială asupra performanței organizațiilor, prin
intermediul sistemelor de business intelligence create în acest scop. Plaformele de media sociale
au căpătat un rol din ce în ce mai importantîn viața de zi de zi, fiind prezente în majoritatea
domeniilor, fiind folosite atât de tineri, cât și de copii și adulți. În prezent, numărul acestora a
crescut, tradiționalelor rețele sociale precum Facebook și Twitter, alăturându-se LinkedIn,
Instagram, Pinteres și Path. Acestea au un rol important distribuirea informațiilor, foferind un
acces facil utilizatorilor la participarea, distribuirea și crearea conținutului inclusiv blogurile,
rețelele sociale, wiki-urile, forumurile și lumea virtuală, devenind un punct de interes pentru
multe persoane (acest lucru reiese din numărul utilizatorilor, pe primul loc aflându-se Facebook).
Pe de altă parte, aceste rețele sociale devin atractive și pentru întrprinderii, urmare a numărului
mare de utilizatori, pentru promovarea și pentru comunicarea cu clienții. Totodată, posibilitățile
înșelătoriilor prin prisma rețelelor sociale cresc, iar acest lucru determină necesitatea
monitorizării termenilor de marcă, cei adiacenți mărcii, nevoilor consumatorilor, sentimentelor
clienților și ale concurenților.
În acest studiu s-a urmărit dezvoltarea unui depozit de date și a unui sistem de business
intelligence, sursele de date fiind colectate de pe facebook și twitter și au fost clasificate pe
diferite domenii prin intermediul algoritmilor SMV (Support Vector Machine), Naive Bayes și
arborele decizional. Cea mai bună clasificarea a informațiilor realizată de unul dintre algoritmi, va
fi utilizată în implementarea depozitului de date. Proiectarea depozitului de date se realizează prin
metoda Kimbell și include patru etape precum selectarea procesului de afaceri, declararea
cerealelor, identificarea dimensiunilor și identifice faptele. Proiectarea sistemului de business
intellice s-a realizat folosind metoda lui Carlo Vercelli și include, de asemenea, patru etape:
analiza , proiectare, planificare și implementare și control.
Pentru realizarea celei mai bune cercetări, au fost luate în considerare alte studii asemănătoare
din domeniu precum cea realizată de Smita și Seema privind utilizarea data mining-ului
(extragerea cunoștințelor din date) în business intelligence pentru rețele sociale relevând
importanța extragerii informațiilor din media socială pentru companii, în interacțiunea cu clienții
și analiza acestora dezvoltarea de sisteme informatice, marketing și analiza business intelligence,
precum și dezvoltarea și analiza strategiilor individuale și de grup pentru rezolvarea problemelor
în comunitate. Un alt studiu realizat de Sangameshwari și Uma demonstrează rolul data mining în
business intelligence, constând în posibilitatea dezvoltării unor aplicații de detectarea a fraudei,
analiza financiară, analiză a comportamentului clienților, analiza produsului și analiza vânzărilor.
Vitri Tundjungsari a dezvoltat sisteme de business itelligence pentru susțienerea satisfacției
clienților. Studiul relevă, de asemenea, importanța data miningului în social media, adică
extragerea celor mai utile informații pentru o satisfacerea clienților și consolidarea încrederii
acestora, costruirea sistemelor de business intelligence și afișarea datelor pe o interfață facilă
către utilizator.
Ca urmarea a acestor ipoteze a fost realizată o cercetare ce a constat în colectarea datelor,
analiza datelor, designul depozitului de date, designul business intelligence, clasificarea textului
și metodele de evaluare. Colectarea datelor s-a realizat din interviuri, pentru îmbunătățirea
designului sistemelor de business inteloligence, și din literatura de specialitate pentru a determina
metodele de implementarea a design-ului modelului de business intelligence utilizat în media
socială, de pe platformele Facebook și Twitter prin intermediul interfeței de programare API, iar
recuperarea se va face prin intermediul crawrelelor ce au fost create de token-ul API, utile pentru
autentificare și autorizare în procesul de preluare a datelor.
Analiza datelor a urmărit analiza factorilor de decizie în afaceri, analiza strategiei de afaceri,
obiectivele și obiectivele, analiza disciplinelor de valoare, analiza proceselor de bază și analiza
valorilor companiei ce s-a realizat prin clasificarea informațiilot, adică plasarea într-o anumită
categorie prin Naive Bayes, Tree Decision și SVM. A constat în preluarea datelor de la fiecare
platformă, urmată de procesarea datelor (plierea, tokenizarea, filtrarea). În această etapă sunt
evaluate rezultatele fiecărui algoritm prin metoda schemei cu cinci compoziție de date, iar
compozițiile au fost testate prinmetoda de validare încrucișată. Pentru măsurarea performanței
clasificării au fost utilizat matricea confuziei bazară pe precizia predictivă.
Proiectarea depozitului de date s-a realizat utilizând metoda Kimball, în care există patru
etape în proiectarea depozitului de date, adică selectarea procesului de afaceri, declararea
cerealelor, identificarea dimensiunilor și identificarea faptelor. Procesul ETL (Extracție,
Transformare, Încărcare) este important în această etapă, urmărind comentarii, postări, eveniment
rezultate din analiză
Proiectarea business intelligence se realizează cu metoda Carlo Vercellis, unde în această
metodă există patru etape principale, și anume analiza, planificarea, planificarea, implementarea
și controlul. Prin sistemul de business intelligence creat se pot vedea mai multe pagini care pot
furniza date de perspectivă, cum ar fi Trending Topic Page pentru a cunoaște subiecte populare în
social media; cea mai activă pagină de utilizatori activi, pentru a afișa cele mai frecvent
comentate conturi în social media pe care le putem face ca un agent de publicitate. Pe twitter,
postul tip este tweet, retweet și menționează; Trending Hashtag Page, pentru a afișa hashtags
populare pe Twitter; pagina de postări populare, pentru a arăta ce fel de postări sunt populare pe
social media.
Principalele concluzii
După evaluare celui mai bun algoritm de clasificare a datelor, s-a determinat faptul că SVM are
o precizie de 78,99%, comparativ cu Naive Bayes ce are o precizie de 74,67%, și arborele
decizional de 57,66%.
Sistemul de business intelligence creat poate calcula automat date și sumariza, fără a necesita
calculul manual de comentarii, aprecieri sau distribuiri per articol și permite accesul utilizatorului
din orice moment și oriunde s-ar afla. Totodată, aplicația permite monitorizarea performanței
determinate de postările companiei în media social, atât din punct de veder intern, cât și
comprativ cu concurenții în tim real, fără a fi nevoie de accesarea fiecărui cont.
Studiul urrmărește dezvoltarea și a altor aplicații de business intelligence ce pot fi utilizat și pe
alte platform sociela precum Instagram, Linkedin, Path și altele, ca urmare a implementării
depozitelor de date și OLTP ce permite prelucarea rapidă a datelor, astfel încât pot fi vizualizate
în timp real.

Relevanța pentru seminarul de SISTEME INFORMATICE

Acest studiu oferă o viziune nouă cu privire la prelucarea datelor din mediul online și modul în
care acestea pot fi utilizate prin sisteme complexe de business intelligence pentru îmbunătățirea
performanțelor companiilor, ilustrând importanța platformelor sociale în zilele noastre. Totodată,
sunt conturate moduri noi de utilizare a datelor din mediul online mai rapid și eficient, oferind
întreprinderilor posibilitatea obținerii unui avantaj competitv.
APRECIEREA RECENZORULUI PRIVIND CALITATEA MATERIALULUI

Doarece materialul oferă o viziune nouă cu privire la dezvoltarea unor sisteme de business
intelligence care să satisfacă într-o măsură mai mare clienții și să răspundă nevoile actuale ale
companiilor, consider că este un articol care demonstrează importanța implementării noilor
inovațiilor tehnologice în creșterea sustenabilă a companiilor pe o piață marcată de o puternică
concurență și aflată într-o continuă schimbare, urmare a cercetării realizate și argumentării
ipotezelor identificate.
Actualitatea datelor
Articolul se bazează pe un studiu realizat prin intermediul datelor oferite de platformele sociale și
a informațiilor din literatura de specialitate. Acesta a dezvoltat un sistem de business intelligence
pentru analiza datelor din media socială pentru a arăta contribuția pe care o poate avea asupra
creșterii performanței unei organizații. Studiul a fost realizat în 2018 și oferă o viziune nouă, în
concordanță cu progresul tehnologic rapid din zilele noastre.
Consistenţa argumentării
Articolul se bazează pe ipoteze desprinse din cercetările mai multor autori care au desfășurat
studii relevante în domeniu, de asemenea, prin dezvoltarea de sisteme de business intelligence
utilizate în media socială, dar și pe cercetarea proprie din literatura de specialitate.