1. IntroductionBig data and predict

1. Introduction
Big data and predictive analytics (BDPA) is an all-encompassing
term for techniques destined to handle big data characterized in terms
of high volume, velocity and variety (Duan & Xiong, 2015; Wang,
Gunasekaran, Ngai, & Papadopoulos, 2016; Zhou, Chawla, Jin, &
Williams, 2014). Big data can help address critical challenges of
predictive analytics that refer to data capture, storage, transfer & sharing
(i.e. system architecture), and search, analysis, and visualization (i.e.
data analytics) (Chen, Chiang, & Storey, 2012; Duan & Xiong, 2015;
Erevelles, Fukawa, & Swayne, 2016). BDPA can improve supply chain
performance by improving visibility (Barratt & Oke, 2007), resilience
and robustness (Brandon-Jones, Squire, Autry, & Petersen, 2014), and
organizational performance (OP) (Schoenherr & Speier-Pero, 2015;
Waller & Fawcett, 2013).

ผลลัพธ์ (ไทย) 1:

1. บทนำข้อมูลและการวิเคราะห์งาน (BDPA) เป็นการผ่อนคลายการกำหนดการจัดการข้อมูลขนาดใหญ่ที่โดดเด่นในแง่เทคนิคปริมาณสูง ความเร็ว และความหลากหลาย (ด้วนและคายเนสหยง 2015 วังGunasekaran ไห และตุส 2016 ได้รับ โจว Chawla จิน &วิลเลียมส์ 2014) ข้อมูลขนาดใหญ่สามารถช่วยให้ความท้าทายที่สำคัญที่อยู่ของการวิเคราะห์งานที่อ้างอิงถึงจับข้อมูล เก็บข้อมูล ถ่ายโอน และแชร์(เช่นระบบสถาปัตยกรรม), และค้นหา วิเคราะห์ และการมองเห็นคือวิเคราะห์ข้อมูล) (Chen เชียงใหม่ และ ชั้น 2012 ด้วนและคายเนสหยง 2015Erevelles, Fukawa, & Swayne, 2016) BDPA สามารถปรับปรุงห่วงโซ่อุปทานประสิทธิภาพ โดยการปรับปรุงทัศนวิสัย (Barratt & โอคลอดจ์ 2007), ความยืดหยุ่นและความแข็งแกร่ง (แบรนดอน-โจนส์ Squire, Autry และ ภาพยนตร์ 2014), และประสิทธิภาพขององค์กร (OP) (Schoenherr และ Speier-Pero, 2015วอลเลอร์ & ฟอว์เซ็ตต์ 2013)

ผลลัพธ์ (ไทย) 2:

1. บทนำ
ข้อมูลขนาดใหญ่และการวิเคราะห์การทำนาย (BDPA) เป็นทั้งหมดที่ครอบคลุม
ระยะสำหรับเทคนิคชะตาที่จะจัดการกับข้อมูลขนาดใหญ่โดดเด่นในแง่
ของปริมาณสูงความเร็วและความหลากหลาย (ด้วนและ Xiong 2015; วัง
กูนาซีคาแรไหงและ Papadopoulos, 2016; โจว Chawla จินและ
วิลเลียมส์ 2014) ข้อมูลขนาดใหญ่สามารถช่วยให้อยู่กับความท้าทายที่สำคัญของ
การวิเคราะห์การทำนายที่อ้างถึงการเก็บข้อมูลการจัดเก็บการถ่ายโอนและการแบ่งปัน
(เช่นสถาปัตยกรรมระบบ) และการค้นหาการวิเคราะห์และการสร้างภาพ (เช่น
การวิเคราะห์ข้อมูล) (เฉินเจียงและชั้น 2012; ด้วน และ Xiong 2015;
Erevelles, Fukawa และ Swayne 2016) BDPA สามารถปรับปรุงห่วงโซ่อุปทาน
ประสิทธิภาพโดยการปรับปรุงการแสดงผล (รัต & Oke, 2007), ความยืดหยุ่น
และความทนทาน (แบรนดอนโจนส์นาย Autry และปีเตอร์เสน 2014) และ
ประสิทธิภาพขององค์กร (OP) (Schoenherr & Speier-Pero 2015;
วอลเลอร์และ Fawcett, 2013)

ผลลัพธ์ (ไทย) 3:

1 . แนะนำข้อมูลใหญ่และวิเคราะห์เชิงคาดการณ์ ( bdpa ) ครอบคลุมทั้งหมดคำว่าเทคนิคกำหนดให้จัดการใหญ่ในแง่ข้อมูลลักษณะของปริมาณสูงความเร็วและความหลากหลาย ( ต้วน & สง 2015 ; วังgunasekaran ไหง และ papadopoulos 2559 ; โจว , ชวาลา , จิน , และวิลเลียมส์ , 2014 ) ข้อมูลใหญ่สามารถช่วยรับมือกับความท้าทายที่สำคัญของวิเคราะห์เชิงคาดการณ์ที่อ้างถึงจับภาพ , เก็บข้อมูล , การโอนและร่วมกัน( เช่นสถาปัตยกรรมระบบ ) , การค้นหาและการวิเคราะห์และการมองเห็น ( เช่นการวิเคราะห์ข้อมูล ) ( เฉิน มหาวิทยาลัยเชียงใหม่ และชั้น , 2012 ; ด่วน & สง 2015 ;erevelles fukawa , และสเวน 2559 ) bdpa สามารถปรับปรุงห่วงโซ่อุปทานผลงานโดยการปรับปรุงการมองเห็น ( รัต & วง , 2007 ) , ความยืดหยุ่นและ ทนทาน ( แบรนดอน โจนส์ เด็กรับใช้ ทรี และ ปีเตอร์สัน ปี 2014 )การปฏิบัติงานขององค์กร ( op ) ( โชนเฮอร์ & speier แต่ 2015 ;วอลเลอร์ & ฟอว์เซตต์ , 2013 )