Adatvagyon gazdálkodás hatása a nagyvállalati kontrolling munkára

A digitalizáció megjelenése hatással van a gazdaság minden szereplőjére iparágtól és cégmérettől függetlenül. Befolyásolja a fogyasztók viselkedését a vállalkozások és állami szervezetek működési folyamatait. Ennek kapcsán az adat és az információ, mint értékkel bíró eszköz szerepe felértékelődik. Napjainkra már egyértelműen termelési tényezővé vált. Igy kiemelt szerepet kap az ezzel való gazdálkodás is. Az adatvagyon gazdálkodás és az ezt támogató informatikai megoldások már nem csak az adatok összegyűjtéséért és bemutatásáért felelősek, hanem az azokban rejlő összes lehetőség kiaknázásáért is. Az adat egyfajta új speciális „nyersanyaggá” vált, amely nagyban tudja javítani a vállalkozások eredményességét és alapját tudja képezni egy újfajta adat vezérelt üzletnek is. A kontrolling munka beleértve a tervezés, terv ellenőrzés, vezetői információszolgáltatás, döntéselőkészítés és teljesítmény mérés minőségét és lehetőségeit eddig is meghatározta a rendelkezésre álló adatok mennyisége, teljessége és minősége. Az elmúlt években végbemenő adatvagyon gazdálkodási és informatikai innovációk, valamint az Adattárház és Big Data rendszerek és a rájuk épülő adatkiaknázási megoldások fejlődése új lehetőségeket nyitottak meg a kontrolling munka számára. Jelen cikk az adatvagyon gazdálkodás és a kontrolling tevékenység kapcsolatát vizsgálja és arra a keresi a választ, hogy az adatvagyon gazdálkodás és az ezt reprezentáló informatikai megoldások alkalmazása mely pontokon hozhatnak változást a hagyományos kontrolling munka területén.

X. ÉVF. 2022. 2. SZÁM 44-51

DOI: 10.24387/CI.2022.2.8

Felhasznált irodalom:

AHMEDA, E. – YAQOOBA, I. – HASHEMA, I. A. T. – KHARB, I. – AHMEDA, A. I. A. – IMRACH M. –  VASILISKOS A.V (2017): The role of big data analytics in Internet of Things, Computer Networks Volume 129, Part 2, 24 December 2017, 459-471p

ANTHONY, R. N. – V. GOVINDARAJAN. (2006): Management Control Systems 12th Edition. New York: McGraw-Hill Education.

ARNO, D. B. – MEYSMAN, D. C. – MOHAMED, A. (2016): Introducing Data Science: Big data, machine learning, and more, using Python tools, Shelter Island, NY: Manning Publications Co., 17-35 p.

BAJNAI, P. – FENYVES, V. (2021): A controlling szerepének és eszköztárának átalakulása a digitalizáció hatására. Controller Info, Vol. IX, No. 4, 2-8. p.

BLOEM, J. – VAN DOON, M. – DUIVESTIN, S. – OMMEREN, E. (2012): Creating clarity with big data, Sogeti VINT Reseach Report, Forrás: https://www.uk.sogeti.com/globalassets/uk/reports/sogetiuk_vint1_creating_clarity_wp.pdf (olvasva: 2022. 03.15.)

BLUMNÉ, B. K. – ZÉMAN, Z. (2014): Controlling a vezetés szolgálatában. Történeti fejlődés, perspektívák, Gazdálkodás- és szervezéstudományi folyóirat A Virtuális Intézet Közép-Európa Kutatására Közleményei, Vol. 6 No: 1-2, 440-442 p.

BODA, GY. – SZLÁVIK, P. (2005): Kontrolling Rendszerek, KJK-KERSZÖV Jogi és Üzleti Kiadó Kft. Budapest 224-235. p.

CASTENEDO, F. (2017): Understanding Data Governance. New Jersey, O’reilly Media, Inc. 5-15p.

DAMA International (2009): The DAMA Guide to the Data Management Body of Knowledge (DAMA-DMBOK Guide) Technics Publications. Bradley Beach, NJ: The Data Management Association, 4-16p. A 2. verzió 2014-ben lett publikálva, Forrás: https://www.dama.org/sites/default/files/download/DAMA-DMBOK2-Framework-V2-20140317-FINAL.pdf

EVANS, D. (2011): The Internet of Things How the Next Evolution of the Internet Is Changing Everything, Cisco Internet Business Solutions Group (IBSG), Forrás: https://www.cisco.com/c/dam/en_us/about/ac79/docs/innov/IoT_IBSG_0411FINAL.pdf (olvasva: 2020. 09. 5.)

FANNING, K. (2016): Big Data and KPIs: A Valuable Connection. In: Corporate Accounting and Finance, Vol. 27, No. 3, 17-19. p.

GARTNER, INC. (2017): Big Data. IT Glossary. Forrás: http://www.gartner.com/it-glossary/big-data/ (olvasva: 2019. 04. 11.)

GRAY, J. – REUTER, A. (1992): Transaction Processing: Concepts and Techniques. San Francisco, CA: Morgan Kaufmann Publishers, 92-95p

GULYÁS, A. (2017): Forecasting 4.0: Miért érdemes a jövő előrejelzési módszerét használni?, Forrás: Menedzsment és Controlling Portál, https://www.controllingportal.hu/forecasting-4-0/

GYENGE, B. – MÉSZÁROS, K. – TARI, K. (2019): Üzleti inteligencia (BI) alkalmazása a logisztikában.  Studia Mundi – Economica, Vol. 6, No. 2, 46-58. p.

HANYECZ, L. (1999): Tervezés és controlling a vezetési, irányítási folyamatokban: Vezetéstudomány XXX. ÉVF 1999. 07-08. szám 30-37p

HANYECZ, L. (2006): A controlling rendszere. Budapest: Saldo Pénzügyi Tanácsadó és Informatikai Rt.

HSINCHUN, C. – ROGER, H. L. C. – VEDA, C. S. (2012): Business Intelligence and Analytics: From Big Data to Big Impact, Business Intelligence Research MIS Quarterly, Vol. 36 No. 4: Minesota Management Information Systems Research Center, University of Minnesota, 116-118p forrás: https://www.jstor.org/stable/41703503

JELONEK, D. (2017): Big Data Analytics in the Management of Business, CSCC MATEC Web of Conferences 125, 04021

KELLY, S. (1997): Data Warehousing in Action, Chichester, John Wiley & Sons Ltd., 12-15p

KHAN, M. – X. WU – X. XU – W. DOU (2017): Big data challenges and opportunities in the hype of Industry 4.0, IEEE International Conference on Communications (ICC), 1-6 p.

KIMBALL, R. – Ross, M. (2002): Data Warehouse Toolkit, New York, NY: John Wiley & Sons Ltd., 154p

KÖRMENDI, L. – TÓTH, A. (2006): A controlling elmélete és gyakorlata. Budapest: Perfekt Kiadó

LADLEY, J. (2012): Data Governance. Waltham, MA: Elsevier Inc. 21-32p.

LO FRANCO, R. – COMPAGNO, G. (2018): Indistinguishability of Elementary Systems as a Resource for Quantum Information Processing. Phys. Rev. Lett. Vol. 120, 240403.

LYPAK, H. – RZHEUSKYI, A. – KUNANETS, N. – PASICHNYK, V. (2018): Formation of a consolidated information resource by means of cloud technologies. In: Problems of Infocommunications Science and Technology, PIC S and T, 157–160 p.

MAYER – SCHÖNBERGER, V. – KENNETH, C. (2014:) Big Data- Forradalmi módszer, amely megváltoztatja munkánkat, gondolkodásunkat és egész életünket, HVG Kiadó Zrt., Budapest, 11-17. p.

MAYER-SCHÖNBERGER, V. – CUKIER, K. (2013): Big Data: A revolution That will Transform How we Live, Work, and Think. Boston, MA: Houghton Mifflin Harcourt.

MUSINSZKI, Z. (2013): Kontrolling oktatási segédlet logisztikai menedzser és logisztikai mérnök mesterszakos hallgatók számár, Miskolc, 4 p.

ONUKWUGHA, E. (2016): Big Data and Its Role in Health Economics and Outcomes Research: A Collection of Perspectives on Data Sources, Measurement, and Analysis. PharmacoEconomics, Vol. 34, No. 91.

OTLEY, D. (1999): Performance management: a framework for management control systems research. In: Management Accounting Research, Vol. 10, No. 4, 363-382. p.

RAJNAI, Z. – KOCSIS, I. (2018): Assessing industry 4.0 readiness of enterprises, 2018 IEEE 16th World Symposium on Applied Machine Intelligence and Informatics (SAMI), IEEE, 225-230 p.

ROSS, J. W. – SEBATIAN, I. M. – BEATH, C. M. (2017): How to Develop a Great Digital Strategy. Boston, MA: MITSloan Management Review Winter 2017 issue

STADLLER, G. (2015): Big Data – tömeges adatelemzés gyorsan, HTE Medianet, Vol 70 No: 1, 44-47 p.

SÜTŐ, D. (2017): A controlling fejlődéstörténete, helye és szerepe a gazdálkodó szervezetekben. In: International Journal of Engineering and Management Sciences, Vol. 2, No. 4, 466-477. p.

SZÓKA, K. (2018): Az új üzleti modell kialakításának feladatai a kontroller számára a negyedik ipari forradalom kihívásaihoz igazodva. In: Gazdaság és Társadalom, Vol. 10, No. 2, 45-58. p.

SZŐRÖS, K. – KRESALEK, P. (2013): Üzleti tervezés. Budapest: Budapesti Gazdasági Főiskola

SZUKITS, Á. – BODNÁR V. (2019): A költségelemzéstől az adathasznosításig – a hazai vállalatok által használt controllingeszközök alakulása az elmúlt ötven évben. In: Vezetéstudomány, Vol. 50, No. 12, 112-121. p.

TABESH, P. – MOUSHAVIDIM, E. – HASANI, S. (2019): Implementing big data strategies: A managerial perspective. In: Business Horizons, Vol. 3, No. 62, 347-358. p.

THALMEINER, G. – SUHAJDA, Á. – TÓTH M. (2019): Teoretikus kontrolling szemléletek. In: Controller Info, Vol. 7, No. 2, 23-29. p.

VAJDA, G. – THALMEINER, G. – NAGY, G.  M. (2021): Data Asset Management and representations in a large enterprise environment. FINTELLIGENCE Conference Aspectect of Financial Literacy tanulmánykötet.

WHITE, T. (2012): Hadoop: The Definitive Guide, Third Edition, O’Reilly Media, Inc. Sebastopol 17-22 p.

ZÉMAN, Z. (2016): A kontrolling fejlődésének főbb irányzatai.  Társadalom és Gazdaság, Vol. 2, No. 1, 77-92. p.