Časopis pro excelentní práce studentů vysokých škol. Ročník: Číslo: 2 ISSN: X

Časopis pro excelentní práce studentů vysokých škol Ročník: 2013 Číslo: 2 ISSN: 1805-613X

Vydává: Fakulta informatiky a statistiky, Vysoké školy ekonomické v Praze

Časopis pro excelentní práce studentů vysokých škol Ročník: 2013 (vychází dvakrát ročně) Číslo: 2 Místo vydání: Praha ISSN 1805-613X Vydává: Vysoká škola ekonomická v Praze nám. W. Churchilla 4 130 67 Praha 3 IČ: 61384399 Web: http://scholaris.vse.cz

Redakční rada: Václav Řezníček (šéfredaktor) – Fakulta informatiky a statistiky, VŠE v Praze Ondřej Bečev – Lékařská fakulta, MU v Brně / Fakulta informatiky a statistiky, VŠE v Praze Radim Čermák – Fakulta informatiky a statistiky, VŠE v Praze Alexander Galba – Fakulta informatiky a statistiky, VŠE v Praze Ondřej Havlíček – GSN Ludwig-Maximilians-Universität München Václav Janoščík – Vysoká škola uměleckoprůmyslová v Praze Petr Musil – Deloitte Česká republika Zdeněk Smutný (editor) – Fakulta informatiky a statistiky, VŠE v Praze Pavel Synek – EBSCO Publishing Petr Švarný – Filozofická fakulta, UK v Praze Filip Vencovský – Fakulta informatiky a statistiky, VŠE v Praze Václav Vlček – Matematicko-fyzikální fakulta, UK v Praze Ondřej Vadinský – Fakulta informatiky a statistiky, VŠE v Praze Stanislav Vojíř – Fakulta informatiky a statistiky, VŠE v Praze

Kontakt a technické informace: Václav Řezníček – [email protected] Zdeněk Smutný – [email protected]

Časopis je součástí platformy Acta Informatica Pragensia (http://aip.vse.cz) a je podporován Fakultou informatiky a statistiky, VŠE v Praze.

OBSAH:

Význam e-learningu v informační společnosti ..................................................................... 1 Ondřej Cajthaml Optimalizace nákladů na provoz datového centra ................................................................. 8 Jan Kunst, Jan Beneš, Roman Volf Rozloženie operačných systemov v mobilných zariadeniach a preferencie používateľov na Slovensku a v Českej republike ....................................................................................... 23 Tomáš Štalmach

AIP Scholaris 2(2), 2013, 1–7, ISSN 1805-613X Online: scholaris.vse.cz

Význam e-learningu v informační společnosti Ondřej Cajthaml1 1

Fakulta informatiky a statistiky, Vysoká škola ekonomická v Praze nám. W. Churchilla 4, 130 67 Praha 3 [email protected]

Abstrakt: To, že e-learning je hojně využívanou učební pomůckou, není překvapivé. Žijeme v době informační a téměř vše se dnes orientuje na moderní informační technologie. Článek si klade za cíl nastínit, jaké negativní stránky s sebou může nést přehnané zapojování e-learningu do výuky. Autor si je vědom kladných stránek e-learningu, ale poukazuje na některé nedostatky a potenciální nebezpečí s ním spojená. Tento článek by mohl sloužit jako zdroj pro další zamyšlení nad naznačenými problémy. Klíčová slova: e-learning, vzdělávání, hrozby, informace, znalosti

Title: Importance of e-learning in information society Abstract: It is not surprising that e-learning is widely used teaching tool. We live in the information age and almost everything is focused on contemporary information technology. Article aims to outline what negatives can cause involving e-learning into teaching. The author is aware of the positive aspects of e-learning, but he highlights some weaknesses and their potential danger regarding this area. This article could be used as a resource for more reflection over these problems. Keywords: e-learning, education, threats, information, knowledge

Poznámka redakce: Tento článek je výtahem z úspěšně obhájené bakalářské práce: CAJTHAML, O. Význam e-learningu v dnešní (informační) společnosti. Praha, 2013. Bakalářská práce. Vysoká škola ekonomická v Praze. Vedoucí práce Ing. Václav Řezníček.

2

Cajthaml

1 ÚVOD V dnešní době je e-learning stále hojněji využívaným způsobem výuky. Bezpochyby je to nástroj, díky kterému se studiu mohou věnovat i lidé, kteří by klasické vzdělávání nezvládali např. kvůli nedostatku času či kvůli problémům s dojížděním. Je ale skutečně moudré zapojovat e-learning čím dál více i do klasické (prezenční) výuky? Při svém studiu se stále častěji setkávám s faktem, že mnozí studenti, díky možnosti využívat e-learningové nástroje, prakticky přestávají navštěvovat budovu školy a jejich studium probíhá z domova či z jiného místa než je škola. Možné problémy spojené s takovýmto využíváním e-learningu nastíním v tomto článku. Cílem tohoto článku je kriticky nahlédnout na význam e-learningu a jeho dopad na dnešní společnost, která se označuje za společnost informační.

2 E-LEARNING Přesné definování toho co to vlastně e-learning je, je velmi obtížné a neexistuje jen jedna definice, která by byla všeobecně využívaná. Takovýchto definic je nemalé množství, protože každý člověk si pod tímto pojmem představí něco odlišného. Většina těchto definic se, jak již napovídá pojem, týká ICT prvků ve vzdělávání. Definice se liší zejména rozdíly ve vymezení rozsahu využívání ICT. Za velmi výstižnou považuji následující definici. „E-learning je vzdělávací proces, využívající informační a komunikační technologie k tvorbě kurzů, k distribuci studijního obsahu, komunikaci mezi studenty a pedagogy a k řízení studia.“ [6] Za zrod e-learningu se považují šedesátá léta 20. století. Prakticky ve stejnou dobu jako vznikl internet. Rozvoj e-learningu se za celou dobu nezastavil a bude pokračovat i v budoucnu. Dnes se již téměř nevyužívá tzv. off-line řešení e-learningu, které probíhalo bez připojení k internetu a bylo distribuováno na CD-ROM a jiných paměťových nosičích. Naopak hojně se využívá on-line řešení, které funguje díky internetu. Dělí se na synchronní a asynchronní a to v závislosti na způsobu komunikace mezi studenty a pedagogy. Důležité je si uvědomit, že e-learning není jen otázkou studentů ve školách, ale týká se i zaměstnanců ve firmách, které e-learning využívají pro všemožná proškolování svých zaměstnanců.

3 INFORMAČNÍ ZAHLCENÍ A JEHO DOPAD NA E-LEARNING Příval obrovského množství informací je v dnešní době více než patrný. Ovšem jaké informace si vybereme z tohoto množství je pouze na nás. Někteří lidé dávají přednost informacím, které naleznou nejrychleji a nezkoumají do hloubky jejich validitu. V době rozšíření sociálních sítí takovýto způsob vstřebávání informací může mít velký dopad na společnost, protože tyto nekvalitní informace se mohou šířit neuvěřitelnou rychlostí mezi obrovským množstvím lidí. To ovšem odbočuji od zaměření tohoto článku. To, co nás skutečně zajímá, je úroveň a kvalita informací v e-learningu. Množství kurzů, které si lze objednat, je opravdu velké. Liší se jak obsahem, tak cenou. Bohužel cena je často na prvním místě před obsahem. To způsobuje, že firmy či jiné instituce využívají pro proškolování svých zaměstnanců sice levnější, ale obsahově méně kvalitní kurzy. V případě, že informace v kurzu nejsou validní, pak takovýto kurz může ve vzdělání spíše uškodit, než skutečně někoho vzdělat. Samozřejmě netvrdím, že levnější kurzy jsou synonymem pro

AIP Scholaris

3

nekvalitní kurz, ale pokud si autor kurzu dává práci s dohledáváním informací z různých zdrojů, tak tato vykonaná práce by se měla odrazit ve vyšší ceně. Kvalita informací může být ovlivněna mnoha podněty. Pokud e-learningový kurz netvoří odborník v daném oboru, tak informace mohou být nesprávně podané a tím upadá obsah celého kurzu. Dalším podstatným problémem je, pokud kurz sice dělá odborník v oboru, ale není dostatečně seznámen s tvorbou kurzu. Tudíž informace podá nesrozumitelným způsobem a tím ovlivní jejich kvalitu, protože student již není schopen původní informaci získat. Vytvoří si tak svoje znalosti na základě toho, co je schopen z daného kurzu vyčíst. Nejoptimálnější je, pokud kurz tvoří odborník v oboru, který spolupracuje s odborníkem na tvorbu e-learningových kurzů. Neplatí ovšem, že díky této kombinaci vznikne zaručeně kvalitní kurz, ale jsou k tomu velmi silné předpoklady. Je možné, že tvůrce kurzu nesprávně pochopí informace a do kurzu je vloží subjektivně zabarvené. To znamená, že ke studentovi se již původní informace nedostanou a nevědomky přejímá subjektivně zbarvené informace tvůrce kurzu. Tato kapitola se týká obsahové stránky e-learningu. Další části se zaměří také na způsob získávání znalostí z těchto kurzů.

4 ŽEBŘÍČKY Tímto tématem se zabývá i Liessmann [5], který zastává myšlenku, že dnešní politika vzdělání se orientuje pouze na otázku „Na jakém jsme místě?“. Stručně řečeno se obává, že dnešním vzdělávacím institucím tolik nesejde na tom, kolik znalostí jejich studenti získají, ale jde jim jen o to, jakou image budou mít vůči společnosti. Nejedná se ovšem jen o nějaké fiktivní žebříčky. Rozšířené jsou např. testy PISA (Programme for International Student Assessment), které jsou každé 3 roky vyplňovány studenty různých škol a na základě jejich výsledků je sestaven žebříček “kvality“ škol. Uvozovky jsou na místě, protože tyto žebříčky neukazují kvalitu škol, ale pouze připravenost na zvládnutí testů PISA. Tyto testy totiž nesouvisí s osnovami škol, ale jsou sestavovány OECD (Organisation for Economic Cooperation and Development). Tím školy nevědomky přebírají osnovy OECD, protože v dnešní době se může jevit důležitější umístění v žebříčku, před zájmem o studenty. Tomuto jevu může napomoci e-learning, protože tyto a nejen tyto testy jsou vytvářeny na základě typových příkladů. Bylo by velmi náročné připravovat studenty na tyto testy během klasické výuky a pravděpodobně by se těmto testům nevěnovalo tolik času. Ovšem díky elearningu je opakování typových příkladů mnohem jednodušší a pohodlnější. V dnešní informační době vlastní počítač téměř každý student a tím pádem se ze studentů mohou stát pouhé nástroje na zlepšení pozice škol v žebříčcích.

5 VIRTUÁLNÍ STUDENTI V tomto článku se nebudu zabývat virtuálními univerzitami, které dnes existují po celém světě. V těchto univerzitách probíhá výuka striktně skrz monitor počítače. Jsou již hojně rozšířeny a je možné dosáhnout i titulu MBA díky virtuální univerzitě. Zaměříme se na nebezpečí, které je spojeno s virtualizací klasické výuky. Když studentům položíme otázku: „Učili byste se raději v pohodlí svého domova, než docházeli do školy?“, tak zajisté dostaneme většinu kladných odpovědí. Virtualizací výuky se rozumí nahrazení klasické výuky e-learningem. Samozřejmě není možné, alespoň prozatím, nahradit všechny typy předmětů e-learningem, jak již bylo vysvětleno [2]. Ovšem u těch předmětů, u kterých je tato

4

Cajthaml

možnost přijatelnější, bychom měli být velmi opatrní. V zájmu studentů je získat co nejvíce znalostí a zavedení e-learningu může napomoci k menšímu množství nabytých znalostí. Pokud student využívá e-learning a studuje např. z domova, tak je vystavován celé řadě negativních faktorů, které jeho studium ovlivňují. Sice díky e-learningu může student studovat kdykoliv a odkudkoliv, ale to může být zároveň i značný nedostatek, protože ne každý student je schopný se sám od sebe přinutit k samostudiu. Pokud by se zavedly elearningové kurzy místo téměř každého předmětu, tak bychom se mohli ocitnout v době, kdy do školy studenti dochází jen pro informace o e-kurzech a učitele vidí prakticky jen u zkoušek, jak se obává i Liessmann [5]. Jedna z vyzdvihovaných kladných vlastností e-learningu je, že každý studuje podle svého vlastního tempa a proto ostatní studenti nemusí brát ohled na tempo jednotlivce. Ovšem pokud se na to podíváme z hlediska zájmu pomalejšího studenta, tak jemu tato situace neprospívá. Pokud student nebude vystaven tlaku, tak nikdy nedosáhne takových výsledků, kterých by mohl být schopen. Student takto zůstane “zaseknutý“ na nižší úrovni, než které by mohl dosáhnout. [2] Proč tedy školy tolik zapojují e-learning do výuky? Školy získávají dotace za studenty, a proto se snaží jich přijmout co největší množství. Ovšem počet studentů je značně omezen z kapacitního omezení budovy školy. Pokud nechceme přistavovat další učebny, tak problém kapacitního omezení je potřeba vyřešit jiným způsobem. A nyní přichází na řadu e-learning, který je schopen část výuky virtualizovat a tím uvolnit místo v budově pro další studenty. Jestli je tomu skutečně tak, bychom zjistili nějakým statistickým šetřením počtu studentů v letech před a po zavedení e-learningu.

6 HARDDISKY V době paměťových disků s obrovskou pamětí se jeví myšlenka, zda se myšlení nenahrazuje ukládáním dat na pevné disky. Dnešní člověk má prakticky pořád u sebe zařízení, ať již telefon, notebook či tablet, které má v sobě uloženo mnoho dat a také má přístup na internet. Proč by se potom měl daný člověk učit nějaké věci, když si je může během pár chvil najít na internetu a nemusel strávit dlouhé hodiny studiem? To je ovšem otázka mimo rozsah tohoto článku a jistě by bylo možné toto téma rozvést na samostatný článek. Jak je to ale s lidským harddiskem? Tímto harddiskem je samozřejmě myšlen lidský mozek. Je možné, že se jednou přemění na disk plný prostých dat? Člověk si zaručeně pamatuje více informací, pokud nejen poslouchá, ale také vykonává činnosti spojené s těmito informacemi. K tomu je e-learning vhodný, protože člověk s danými informacemi pracuje a zapojuje u výuky více smyslových orgánů, což napomáhá k tomu, aby si student zapamatoval více informací. Tato teorie vychází od Edgara Dalea, který sestavil tzv. Kužel zkušeností (Cone of experience), viz Obr.1. Daleaova teorie se zakládá na tom, že člověk se nejméně naučí způsoby na vrcholu kuželu a s přibližováním se ke dnu, si člověk zapamatuje více.

AIP Scholaris

5

Obr.1. Kužel zkušeností [3]

Pokud si vyzkoušíme některé e-learningové nástroje, tak snadno zjistíme, že ne všechny jsou konstruovány tak, aby absolventům kurzu předali skutečné znalosti. Některé kurzy jsou plné nástrojů, které člověku do mozku ukládají jen data, která mají mezi sebou určité vazby. V takovémto případě nás kurz sice naučil, že některá data mají mezi sebou vazbu, ale již nevíme, co tato data symbolizují, protože nám nebyla předána znalost, která by odhalila podstatu těchto dat. Tyto asociace se objevují v testech těchto kurzů, a proto si student jiné věci zapamatovat nepotřebuje. Např. pokud se nám v kurzu objeví např. asociace, že PHP se používá k programování webových aplikací ve formátu XHTML, tak sice víme o tomto spojení, ale již nevíme, co pojmy PHP a XHTML znamenají. Tyto asociace se objevují hodně u typových testů s odpověďmi a, b, c, d. Jak je vidět, tak podle Daleovi teorie si sice student zapamatuje více informací, ale v tomto případě se jedná spíše o data, než o informace. Neodvažuji se ovšem tvrdit, že všechny e-learningové nástroje mají tento dopad vzdělání. Vždy záleží na podobě kurzu a způsobu jakým vzdělává. „I přes rozšířené používání prostředků pro kolaboraci v univerzitním prostředí má mnoho kurzů stále podobu skladiště informací, webových knih nebo PowerPointových prezentací.“[1] Autorka citátu se ve svém díle věnuje spíše kladným vlastnostem e-learningu a ukazuje jeho výhodnost v edukačním procesu, ale i ona uznává, že vždy záleží na podobě kurzu a i přes veškeré moderní technologie jsou některé kurzy nekvalitní. Tento článek se zaměřuje na pomyslné přetvoření lidského mozku na harddisk, ale existují i autoři [4], kteří se domnívají, že s vylepšením technologie, bude lidem v budoucnu zabudován do mozku paměťový čip a celý proces učení zanikne, neboť bude stačit prosté nahrání dat do mozku.

6

Cajthaml

7 MOTIVACE Další klíčový pojem, který nesmí být vynechán ve spojitosti s elektronickým vzděláním, je pojem motivace. Motivace je nedílnou součástí studia. Pokud student není dostatečně motivován ke studiu, tak jeho zápal nebude nijak velký. U klasické výuky je motivovanost těžká, ale oproti e-learningu ji ulehčuje několik faktorů. Tím nejdůležitějším je samozřejmě přímá konfrontace s profesorem. Jak ale namotivovat studenta k samostudiu? To je otázka, kterou si musí položit každý tvůrce e-learningových kurzů. Motivačních faktorů musí zapojit co nejvíce, aby namotivoval co největší počet studentů. V případě, že kurz nedokáže motivovat, tak může mít sebelepší obsah, ale student si z něj neodnese příliš znalostí, protože ho bude vykonávat pouze z nutnosti a nejspíše ho nechávat až na nejpozdější termín.

8 ZÁVĚR Pro zpřehlednění je vhodné si uvést shrnutí vybraných světlých a stinných stránek elearningu. Některé vlastnosti e-learningu mohou mít jak pozitivní tak negativní dopad na člověka. Elektronické vzdělávání pro svou existenci potřebuje nějaký počítač, na kterém vzdělávání probíhá. Využívání počítače tak může rozšiřovat počítačovou gramotnost populace. Na druhou stranu je možné, že nadměrným využíváním počítače si osoba může vypěstovat závislost. Závislost na počítačích a moderních technologiích se stále častěji objevuje u dnešní mládeže. Jiným z kladů e-learningu je, že v jednu chvíli může být vzděláváno téměř neomezené množství studentů. To ovšem na druhou stranu vybalancuje odosobnění výuky. Více lidí je vzděláváno, ale chybí zde dostatečná zpětná vazba a přímá interakce s učitelem. Samozřejmě některé typy e-learningu (např. virtuální třída) poskytují zpětnou vazbu, protože se jedná o převedení klasické třídy do virtuálního prostoru, ale u těchto typů nelze vzdělávat takové množství studentů současně. Pokud se zamyslíme, tak absence kontaktu s vyučujícím může mít i světlé stránky. Opravuje-li test nějaký automatizovaný nástroj, tak nemůže působit zaujatost profesora vůči studentovi. To by se samozřejmě nemělo stávat ani u klasické výuky, ale plně zabránit tomu nelze. V případě, že student nemá možnost kontaktu s vyučujícím, tak se může stát, že problematice předmětu neporozumí, protože má k dispozici pouze jeden styl vysvětlení. Profesor by měl ke každému studentovi přistupovat individuálně a přijít na způsob, jakým mu látku vysvětlit. Tato možnost v e-learningu ovšem chybí. Jak již bylo řečeno, je nezbytně nutné si dávat pozor na informace (potažmo data) obsažené v kurzech, ale i na způsob, jakým jsou informace předávány. Elektronické vzdělávání by nemělo mít podobu prostého e-readingu a následného vyplňování testů s možnostmi a, b, c, d. Jsem si naprosto vědom mnoha přínosů, které zajišťuje využívání e-learningu. Studium odkudkoli a kdykoli je velmi přínosná věc. Jedná se v současné době o skvělý doplněk klasické výuky. Diskuze o tom, že by e-learning mohl nahradit klasickou výuku, jsou možná předčasné, protože zatím obsahuje několik nedostatků, které tomuto nahrazení brání, ale rozhodně bychom si měli být vědomi toho, že k tomu v budoucnu může dojít. Globální nahrazení klasické výuky je možná otázkou budoucnosti, ale důležité je dát si pozor na současné přílišné využívání e-learningu v místech, kde to může mít na výuku negativní vliv. Článek nastiňuje některé hrozby spojené s využíváním e-learningu, ale samozřejmě to nejsou hrozby jediné. Každý člověk by se měl před tím, než začne elektronické vzdělávání využívat, zamyslet, zda mu e-learning přinese více, než kolik mu toho vezme. Nelze stoprocentně určit, jaký vliv má e-learning na každého člověka zvlášť, protože každý člověk má jiné priority

AIP Scholaris

7

a jinak na něj působí jisté stimuly. To, co by si člověk měl odnést z toho článku, je, že elearning nemá jen své kladné stránky, které je všeobecně presentovány a známy, ale obsahuje i jistá negativa, na která je nutné si dát pozor.

9 SEZNAM POUŽITÝCH ZDROJŮ [1]

BAREŠOVÁ, A. E-learning ve vzdělávání dospělých. Praha: VOX, 2011. ISBN 97880-87480-00-7.

[2]

CAJTHAML, O. Význam e-learningu v dnešní (informační) společnosti. Praha 2013. Bakalářská práce. Vysoká škola ekonomická v Praze, Fakulta informatiky a statistiky, Katedra systémové analýzy.

[3]

DALE, E. Kužel zkušenosti [online]. 2007[cit. 2013-09-28] Dostupné z

[4]

HEDBERG, J. G. Futures of education II– Edited by Jürgen Oelkers. British Journal of Educational Technology. 2007, roč. 38, č. 4, s. 759-760. ISSN 00071013. DOI: 10.1111/j.1467-8535.2007.00733_4.x.

[5]

LIESSMANN, K. P. Teorie nevzdělanosti: omyly společnosti vědění, Praha: Academia.2008. ISBN 978-80-200-1677-5.

[6]

WAGNER, J. Nebojme se eLearningu.[online] portál Česká škola.cz. 2005. [cit. 201309-25] Dostupné z: .

AIP Scholaris 2(2), 2013, 8–22, ISSN 1805-613X Online: scholaris.vse.cz

Optimalizace nákladů na provoz datového centra Jan Kunst1, Jan Beneš1, Roman Volf1 1

Fakulta informatiky a statistiky, Vysoká škola ekonomická v Praze nám. W. Churchilla 4, 130 67 Praha 3 {xkunj23, xbenj33, xvolr04}@vse.cz

Abstrakt: Naše práce nastiňuje současné možnosti, jak efektivně využívat dostupné technologie a znalosti problematiky optimalizace výdajů na celkovou spotřebu a efektivitu chodu datového centra, které vedou v konečném důsledku ke snížení celkové spotřeby energie a snížení nákladů. Zabýváme se různými způsoby napájení datového centra, dále vybranými možnostmi pro optimalizaci chlazení v datových centrech a na závěr řešíme jak optimálně rozložit zátěž na jednotlivé servery, a to v prostoru i v čase. Klíčová slova: Datové centrum, horké a studené uličky, tepelný management, rozložení zátěže

Title: Optimizing the cost of running the data center Abstract: Our work outlines current options of efficient use of available technology and knowledge of optimizing the total expenditure on consumption and efficiency of data center operation, which lead to overall energy consumption and costs reduce. We deal with different ways to power the data center, also with selected options how to optimize cooling in data centers and at the end we find out how to place workload on servers, both in space and in time. Keywords: Data center, hot and cold aisles, thermal management, workload placement

Vypracováno v rámci magisterského semináře: Řízení podnikové informatiky (Cílem předmětu je seznámit studenty s principy řízení podnikové informatiky, zejména s plánováním rozvoje a řízením informatických služeb, s různými formami zajištění informatických služeb, s řízením informatických procesů a zdrojů.) Vyučující semináře: Ing. Tomáš Bruckner, Ph.D.

AIP Scholaris

9

1 ÚVOD V dnešní době, ve které je stále více a více uživatelů internetu, spotřeba energie v datových centrech neustále stoupá. Proto je potřeba optimalizovat výdaje na celkovou spotřebu a efektivitu chodu datového centra. TCO (Total Cost of Ownership), tedy celková cena za vlastnictví, je složena z mnoha komponent, jako jsou výdaje za nájem/výstavbu budov, výdaje za samotné servery nebo za veškerou používanou techniku. Pravdou ale je, že kolem 25% z TCO je vydáno právě za elektrickou energii, což bylo v roce 2011 jen v USA kolem 7 miliard dolarů [1]. Celkově je spotřeba datových center více než 1% z celkové spotřeby elektrické energie světa, což je pro představu stejně vypuštěného oxidu uhličitého, jako vypouští celá Argentina [5]. To poskytuje dostatečný potenciál pro možnou optimalizaci úspory elektrické energie a snižování vypouštěných emisí do naší atmosféry. Naše práce si proto klade za cíl nastínit současné možnosti, jak efektivně využívat dostupné technologie a znalosti této problematiky k efektivnímu chlazení a výběru vhodného způsobu napájení. V konečném důsledku by měly dále zmíněné metody vést ke snížení celkové spotřeby energie a tím i snížení nákladů na provoz datového centra.

2 MOŽNOSTI NAPÁJENÍ DATOVÝCH CENTER V této části se budeme zabývat problematikou výběru správného způsobu napájení datového centra. Zjistíme, co nám může přinést odebírání od více dodavatelů najednou a v čem může být výhodné používání obnovitelných zdrojů.

2.1 VÝBĚR DODAVATELE NAPÁJENÍ Dnešní datová centra jsou vesměs napájena od energetických gigantů, kde je cena za jednotku spotřebovaného výkonu pevně daná. [9] proto nabádá k multisourcingu, tedy co nejefektivnějšímu využívání nabídek různých dodavatelů. Pokud jednáte s dodavateli, jejichž služby se částečně překrývají, může se při vyhodnocení aktuálního stavu ukázat, že změna poskytovatele některých služeb mezi stávajícími dodavateli přinese nemalé úspory. Další možností jak uspořit výdaje za elektrickou energii je buď nakoupit za předem stanovenou cenu (paušál) nebo podle aktuální sazby v daném čase. V tomto případě je ovšem nutné posoudit, která varianta je dlouhodobě výhodnější. Paušál představuje stabilní sazbu po celý den. Druhá varianta je více riziková a náročnější na vytěžování IT zdrojů. Bude však výhodnější v případě, že datové centrum bude nejvíce vytěžováno v časech, kdy je cena energie nižší.

2.2 GREEN ICT Zavedení strategie Green ICT do podniku je vždy iniciováno za účelem dosažení pozitivního efektu. Environmentálně zodpovědná strategie stále nepatří mezi praktiky, kterým je při vytváření podniku věnována odpovídající pozornost. Zavedené společnosti pak ke změně přistupují pouze tehdy, přinese-li tato změna nějaký efekt, který je v ideálním případě možné vyjádřit finančně. Koncepce Green ICT nemůže být pro podnikatele zajímavá pouze s ohledem na životní prostředí, když bude na celé strategii finančně prodělávat. Primární motivací je tak úspora nákladů či zvýšení příjmů.

10

Kunst, Beneš, Volf

2.2.1 UDRŽITELNÉ DATOVÉ CENTRUM Datová centra tedy musí být stavěna tak, aby byla udržitelná a minimálně zatěžovala životní prostředí. Návrh takových datových center tedy nutně přináší nové postupy, přičemž rychlost inovací se v posledních letech výrazně zrychluje.

Obr. 1. Architektura udržitelného datového centra [9]

Obr. 1 ukazuje architekturu tzv. udržitelného datového centra. IT vybavení zahrnuje servery, zařízení na akumulaci energie a síťové prvky. Elektrická energie potřebná pro napájení všech zařízení je získávána z klasické elektrické sítě a pomocí alternativních zdrojů. V tomto případě z fotovoltaických článků a z větrných elektráren. Chladící aparatura se skládá z centrální jednotky, která řídí chladící výkon a spolupráci prvků, které mají za úkol ochlazovat teplý vzduch v datovém centru. Tato síť je složena ze tří zařízení. Z klasické klimatizační jednotky, a dále jednotek, které jako zdroj chlazení využívají okolní prostředí (vzduch, vodu). 2.2.2 VÝBĚR VHODNÉHO OBNOVITELNÉHO ZDROJE Není možné jednoznačné určit, jaký obnovitelný zdroj je vhodnější. Každý zdroj má svoje specifika a možnosti jeho efektivního využití. Velmi záleží na klimatických specifikách daného regionu. Je známo, že efektivní využití sluneční elektrárny závisí na počtu slunečných dnů/hodin v roce. Například na území ČR dopadají sluneční paprsky v průměru mezi 1330– 1800 hodinami ročně, dle konkrétního místa [4]. Rozdíl 470 hodin slunečního záření bude určitě mít dopady na rozhodnutí, o tom v jaké oblasti naší republiky je datové centrum závislé na obnovitelných zdrojích vhodné vybudovat. 2.2.3 PROBLÉM OBNOVITELNÝCH ZDROJŮ Využívání solární nebo větrné energie má ale jeden zásadní problém. Pokud bychom chtěli pokrývat větší množství spotřeby v nočních hodinách, pak musíme najít metodu pro ukládání vyrobené elektřiny. Energie ze slunce, jako jediná z obnovitelných zdrojů, má sice teoretický potenciál pokrýt 100% našich potřeb elektřiny, jenže fotovoltaické elektrárny vyrábí nejvíce elektřiny pouze v omezeném čase. Pro běh serverů v režimu 24x7 je však nutné elektřinu odpovídajícím způsobem akumulovat, což je ovšem velmi nákladné a ztrátové, protože během nabíjení dochází ke ztrátám energie a zároveň nejsou schopné kapacitu po delší dobu udržet (vybíjejí se). Další a efektivnější možností je plánovat jednotlivé požadavky a tím maximálně

AIP Scholaris

11

vytěžovat IT prostředky v době, kdy je energie z obnovitelných zdrojů vyráběna (o této problematice bude pojednáváno v části 4.3). Na systémy akumulace elektřiny je řada často protichůdných požadavků, důležité jsou následující vlastnosti [12]:       

Velikost a kapacita Maximální výkon jaký může poskytnout, jak rychle dokáže energii uvolnit Doba po jakou může energii uchovat a kolik energie se při tom ztratí Účinnost a její případný pokles s časem Investiční náklady a cena za akumulovanou kWh Počet cyklů, životnost Bezpečnost provozu, vliv na životní prostředí

2.2.4 NET – ZERO ENERGY V dílnách HP Labs vznikl program „HP Net-Zero Energy Data Center research“, který umožňuje firmám a organizacím provozovat po celém světě datová centra využívající místní obnovitelné zdroje energie. Dokáže tak odstranit závislost na konkrétní lokalitě, energetickém zdroji či místních cenách elektřiny [6]. Výzkum HP Labs ukázal, jak může tato architektura v kombinaci s technikami holistické správy energie snížit spotřebu energie až o 30%, zároveň získat nezávislost na standardním zdroji napájení a redukovat náklady o více než 80% [6]. HP díky tomu otevírá zcela nový prostor pro rozšíření IT služeb v organizacích všech velikostí.

2.3 PUE KOEFICIENT (POWER USAGE EFFECTIVENESS) PUE koeficient je poměr celkové spotřeby energie ke spotřebě IT vybavení (hardware). Tato hodnota je pak ukazatelem toho, jak efektivní je datové centrum jako celek, a také jaký ještě zbývá prostor ke zvyšování jeho efektivity. Ideální hodnota PUE je 1,0, což znamená, že by veškerá spotřebovaná energie byla využita přímo jen na provoz samotného IT, ale běžně mají moderní datová centra ve světě hodnotu PUE obvykle kolem 1,4. Pokud má datové centrum PUE výrazně vyšší, je to signálem pro jeho inovaci, která se pak dalším provozem rychle zaplatí.

3 FYZICKÉ USPOŘÁDÁNÍ DATOVÉHO CENTRA Tato část práce se zabývá především úsporou elektrické energie za pomoci rozšířených možností chlazení. Tato řešení jsou specifická především tím, že k jejich řešení je potřeba vykonat nějaký fyzický zásah do datového centra, ať už se jedná o přemístění samotných serverů, nebo dokoupení dalších zařízení (například v podobě ekonomizérů).

3.1 HORKÁ A STUDENÁ ULIČKA Horká a studená ulička je v dnešní době považována za standard většiny datových center, proto je její zařazení do této práce téměř nutností. Pokud je datové centrum vytvořeno bez tohoto systému, mísí se v místnosti studený vzduch, který do prostoru přichází, se vzduchem horkým, jež místnost opouští, což vede ke zvýšení nutné energie pro ventilátory kvůli pohybu vzduchu, který je důležitý pro udržení ideální teploty.

12

Kunst, Beneš, Volf

Principem horké a studené uličky je tedy vytvořit takové rozložení racků v místnosti, aby v prostoru utvořily uličky. Rozestavění serverů pak musí být takové, aby čela serverů (tedy část vyfukující horký vzduch) směřovala k sobě (což způsobí, že k sobě ve vedlejší uličce budou směřovat záda serverů, která naopak vzduch nasávají). Tím je tedy způsobeno, že v první uličce je vzduch pouze nasáván, ve vedlejší pouze vyfukován a ve vedlejší opět pouze nasáván. K tomu je samozřejmě potřeba jak přívod studeného vzduchu, tak vývod vzduchu teplého.

Obr. 2. Horká/studená ulička [2]

Přívod vzduchu je řešen pomocí „aktivních“ podlah – jedná se o vyvýšené dvojité podlahy s perforovanými díly. Pomocí těchto otevřených dlaždic je možné distribuovat studený vzduch přímo k zadním stranám serverů. Průtoky vzduchu mohou být samozřejmě monitorovány několika senzory v samotné podlaze, díky nimž je možné průtok regulovat. Pro odvod vzduchu je využívána klimatizace umístěná ve dvojitém stropě nad horkými uličkami. To má za následek snížení energie potřebné pro chod ventilátorů v klimatizaci, tedy úsporu na správném řízení toku vzduchu (Air flow management). Datové uličky je možné vylepšit o různá rozšíření. Například se jedná o uzavřenou studenou uličku [2], která se používá převážně pro řešení, kde se očekávají vyšší teploty, než je běžné. Principem je fyzická konstrukce oddělující studené uličky od okolních prostor místnosti a to kvůli redukci studeného vzduchu určeného serverům. Dalším zajímavým rozšířením je oddělení horké uličky od prostorů místnosti pomocí tzv. komínků [2], kterými je horký vzduch vydaný servery hnán skrze přidanou konstrukci napojenou přímo na regály rovnou do stropu a ochlazený poté putuje zpět do podlahy.

3.2 NĚKTERÉ PRAKTIKY ŠETRNÉHO CHLAZENÍ V této kapitole představíme několik možností, díky kterým lze datové centrum chladit (nebo celkově optimalizovat) tak, aby spotřeba elektrické energie byla v porovnání s klasickým (tedy neoptimalizovaným) systémem co možná nejmenší.

AIP Scholaris

13

3.2.1 STORED COOLING Stored cooling (nebo také „uložené chlazení“) je postaveno na základě starověkých chladíren [9], které využívaly led uskladněný v zimě pro letní dny. V moderním pojetí je nahrazeno letní uchování ledu a to pomocí moderních chladičů. I přes vynaloženou energii na chlazení ledu je stále toto řešení výhodné [9]. Již z principu je však jasné, že ideálním místem, kde lze stored cooling využít, jsou místa s velice chladným klimatem (John Lamb v [9] uvádí jako perfektní příklad Kanadu) a je tedy dostatek „mrazu“ a ledu k uložení. Pro potřeby datových center lze však využívat i jiných „stored“ systémů, jako například tepelných nebo solárních ukládání. Zajímavostí je, že jako média pro tepelné ukládání mohou sloužit například síran sodný, nebo parafín. 3.2.2 FREE COOLING Metoda free coolingu (volný překlad může být například „chlazení zdarma“) je možná použít hlavně v případech, kdy jsou datová centra umístěna v klimatických podmínkách, které zaručují alespoň 3000 hodin ročně (125 dnů) teplotu maximálně 12,8°C a to především pomocí „water-side/fluid-side ekonomizeru používaného ve spojení s odpařovacím chlazením nebo suchým chlazením (evaporative cooling a drycooling) k nepřímé produkci chlazené tekutiny“ [7], [9]. Tekutina je poté určena k přímému chlazení datových center (chlazená tekutina se pohybuje kolem -11,1°C). Hlavní nevýhoda vodního/kapalinového chlazení (a tedy i metody free coolingu) je však jistá kontroverze, která je spojená s možným únikem vody a poškozením samotných serverů. John Lamb například uvádí, že IBM vodou přestalo chladit již v roce 1995 a Sun Microsystems pak v roce 2008. Free cooling lze použít nejen za pomoci vody, ale i vzduchu (zde se používá vzduchový ekonomizér), který je však mnohými odborníky (např. [7]) považován za příliš nedůvěryhodný a ve výsledku také příliš nákladný. 3.2.3 TEMPERATURE MANAGEMENT Tato metoda v podstatě nabádá k tomu, aby byly teploty v datových centrech zvedány nad jejich dosud typické maximum. Velká část těchto center totiž pracuje s teplotami kolem 22°C, což je samozřejmě velice náročné jak po stránce ekonomické (obrovské množství elektrické energie), tak po stránce ekologické (velké množství CO2 vypouštěného do ovzduší). Některé studie dokonce udávají, že zvýšení teploty o jediný stupeň Celsia dokáže snížit náklady na energii o 2-5%. Microsoft dokonce oznámil, že zvýšením teploty o 2-5% v jediném jejich datovém centru dokázalo ušetřit ročně až 250,000 dolarů za spotřebu energie [5]. Problémem tohoto systému je samozřejmě snížená živostnost komponent serverů a tím zvýšená pravděpodobnost nastání kritické chyby. Tímto problémem se zabývá studie [5], která se snaží dokázat, že závislost zvýšené teploty na spolehlivosti základních komponent serverů (konkrétně HDD, CPU a DRAM) je mnohem nižší, než se obecně předpokládá a to především zjištěním, že do teplot kolem 50°C se chybovost komponent vyskytuje spíše jako lineární růst, nežli jako růst exponenciální. Jiné studie však poukazují na to, že každých 10°C nad teplotu 21°C snižují spolehlivost elektrotechniky až o 50% [11]. Ideální teplotou se tedy jeví číslo kolem 25°C. 3.2.4 ÚSPORNÉ PROCESORY Zajímavým řešením a v podstatě i logickým krokem je pořizování serverů s více jádry. Dle výrobců lze pomocí procesorů s více jádry ušetřit až 40% energie a tepla. Principem tedy je mnohem větší rychlost řešení potřebných úkonů a možnost řešit o poznání více úkolů na

14

Kunst, Beneš, Volf

jednom procesoru, než tomu bylo dříve [9]. Problémem tohoto řešení je však neustále narůstající náročnost společnosti, co se zadaných úkolů týče, přesto snaha výrobců o tvorbu šetrných a energeticky méně náročných procesorů je stále patrnější.

3.3 ROZMÍSTĚNÍ SERVERŮ Velice důležitou součástí při výstavbě nového datového centra, popřípadě jeho optimalizace, je rozmístění racků dle jejich průměrného zatížení, což již předpokládá využití horké a studené uličky. To by mělo následovat také zaslepení prázdných slotů v racku a správné upravení kabelů (neboli zkrocení), což ve výsledku zamezí (nebo alespoň zredukuje) průnik teplého vzduchu do uličky se vzduchem studeným a sníží tak potřebnou energii pro klimatizaci. Špatné rozmístění serverů bez ohledu na zatížení pak může způsobit vážné komplikace kvůli předimenzování nebo poddimenzování konvenčních CRACů (Computer Room Air Conditioning), což může vést až k tomu, že chladící jednotka nebude schopna zvýšené teploty na jedné straně místnosti uchladit (viz Obr. 3), kdežto na druhé straně poběží jednotky jen na 50% svého výkonu [14]. Toho se tedy lze vyvarovat správným rozestavěním, využít uzavřené horké/studené uličky, popřípadě umístit celý rack do uzavřeného stojanu s vlastním chlazením [3].

Obr. 3. Špatné umístění dle zatížení [14]

4 ROZDĚLENÍ ZATÍŽENÍ SERVERŮ Dalším krokem, který lze podniknout k ochlazení datových center a snížení nároků na spotřebu energie, je optimalizace rozdělení zatížení mezi servery. Samozřejmě se jedná o přidělování úkolů dávkového zpracování, které lze přidělit víceméně kdykoliv jakémukoliv serveru, tedy jde nám pouze o rozložení výpočetní zátěže. Je zřejmé, že v případě nulového či stoprocentního zatížení celého datového centra neexistuje výběr mezi lepším a horším rozložením (pro každý tento extrémní stav existuje jen jedna varianta). Nicméně ve všech ostatních případech již je možné nalézt více možností, jak zátěž rozdělit, a najít mezi nimi ty nákladnější a ty méně nákladné. Na Obr. 4 je patrný rozdíl ve výši nákladů na chlazení datového centra v případě nejlepšího či nejhoršího rozložení. Sklon a zalomení křivek bude pro každé datové centrum jiné. Čím bude datové centrum lépe

AIP Scholaris

15

uspořádané a s lepšími klimatizačními podmínkami, tím se zalomení zelené křivky posune více doprava [11].

Obr. 4. Vliv rozložení zátěže na náklady (překresleno dle [11])

Jak rozdělit zatížení mezi servery si povíme ve třech krocích. Nejdříve zjistíme jak vůbec obecně rozkládat výkon po jednotlivých serverech, poté se budeme zabývat tím, jak rozložit zátěž po serverech vzhledem k jejich fyzickému umístění v datovém serveru, a ve třetím kroku se budeme věnovat rozložení zátěže v čase a s tím spojeným využitím obnovitelných zdrojů.

4.1 POWER BUDGETING Každé datové centrum má nějaký maximální výkon, který je mu možno dostupnými zdroji dodávat. V současnosti tento výkon dokonce bývá menší, než celkový součet maximálních výkonů všech zařízení datovém centru, takže kdyby měly všechny servery jet naplno, datové centrum by jim k tomu nebylo schopno zajistit dostatek energie. Tomuto přetěžování se říká „over-subscription“ [8]. Je tedy potřeba řídit zatěžování serverů tak, aby pro ně vždy byl dostatek energie. Pokud se navíc podaří zatížit servery tak, aby byl jimi požadovaný výkon minimální, lze uspořit velkou část energie a tedy i peněz. Jelikož je velice složité řídit výkon každého serveru zvlášť a navíc v kontinuálním intervalu od nulového po maximální výkon, je vhodnější použít jen několika diskrétních stavů, ve kterých se server může vyskytnout. Těmito stavy jsou Nečinnost (Pneč) a Využito 1 až N jader procesorů P1-Pn. Ještě přichází v úvahu stav Vypnuto (Pvyp), ale to je speciální případ, kterým se budeme zabývat později. Pokud budeme chtít využívat datové centrum na X%, pak to znamená, že nám X% serverů poběží na plné obrátky a ostatní budou nečinné. Dle [11] je jednou s nejefektivnějších metod rozložení zátěže mezi servery metoda One Pass Analog s nadstavbou Zone-Based Discretization (ZBD). Při aplikaci této metody je nejdříve provedena kalibrační fáze, kdy se zatíží všechny servery rovnoměrně a je změřena průměrná spotřeba na jeden server (Pref) a průměrná teplota u výdechu serveru (Tref). Následně je již při normálním běhu celého centra měřena teplota u výdechu každého serveru i, ta je porovnávána s Tref a na základě vzorce

16

Kunst, Beneš, Volf

(1) je vypočítán power budget Pi daného serveru. Aby bylo možné pracovat s diskrétními hodnotami, používá [11] nadstavbu Zone-Based Discretization. Při práci s diskrétními hodnotami nezatěžujeme servery rovnoměrně, ale zatěžujeme jen některé, ale za to na 100% (dosahují Pmax). Díky metodě One Pass Analog však mají servery přidělený jen power budget Pi, který je menší než Pmax. Nadstavba funguje tak, že je vybrán nečinný server s nejvyšším přiděleným Pi (tedy ten nejchladnější), zjistí, kolik výkonu mu chybí, aby dosáhl Pmax. (2) Tento výkon si pak server vypůjčí od serverů ze svého okolí. Velikost okolní zóny je dána – má V serverů na výšku a H serverů na šířku, vždy symetricky okolo vybraného serveru (tedy např. V = 4 znamená dva servery nad a dva pod vybraným serverem). Dále je dán poměr a, což je poměr výkonu, který si náš server vypůjčí od každého z vertikálních sousedů ku výkonu vypůjčenému od každého z horizontálních sousedů. (3) Teď již stačí jen zjistit, kolik Wattů si má vybraný server půjčit od svých sousedů. Nejdříve zjistíme počet (N) rovnoměrných dílů, na které budeme dělit půjčovaný výkon Ppotř a pak zjistíme, kolik Wattů připadá na jeden díl (Pdíl) a na konec jen přepočítáme na Ppůjč V a Ppůjč H, tedy kolik je potřeba si vypůjčit od každého vertikálního a horizontálního souseda v rámci zóny. (4) (5) (6) (7) Pokud bychom chtěli takto zatížit více serverů, stačí opakovat algoritmus od začátku. Výhodou je, že celkový power budget pro danou zónu zůstane nezměněný, jen se přemístil výkon jinam. Efekt individuálního přístupu metody One Pass Analog zůstane zachován a přitom je možné pracovat s diskrétními stavy serverů, což je jednodušší. Další účinnou metodou zmíněnou v [11] je Minimizing Heat Recirculation (MinHR). Ta vychází z poznatku, že servery nenasávají jen chladný vzduch z klimatizací, ale i ohřátý vzduch, který vygenerují ostatní stroje a který se nestihne odsát. Zatímco ZBD snižuje výkon strojů, aby tolik nehřály, MinHR řeší množství teplého vzduchu, který je znovu nasáván do serverů.

AIP Scholaris

17

První fází metody MinHR je kalibrační fáze, kterou je nutno provádět v nečinném datovém centru, a to vždy, když je v něm provedena nějaká větší změna (např. přidání CRAC jednotky či nového racku se servery apod.). Při kalibrační fázi je změřeno množství vydaného tepla (Qref) a množství recirkulovaného tepla (δQref). V druhé fázi jsou servery rozděleny do skupinek, které jsou pak brány jedna po druhé, maximálně se zatíží CPU všech serverů ve skupince a znovu se změří množství vydaného (Qj) a množství recirkulovaného tepla (δQj). Z těchto hodnot je pro každou skupinku vypočítán Heat Recirculation Factor (HRF) a součtem všech HRF je získán Summed Recirculation Factor (SRF). Pro každou skupinku serverů je pak vypočítán její power budget Pj. (8)

∑

(9)

(10)

Hlavními výhodami MinHR je, že maximalizuje celkový power budget a díky tomu i potenciální využití každého serveru a minimalizuje celkové množství recirkulovaného tepla. Oproti ZBD je ještě o 20% efektivnější, ale má určitá omezení. Například kalibrační fáze, kdy je vyžadována poměrně dlouhá nečinnost celého datového centra a navíc se musí dělat při každé změně datového centra. Pro srovnání oproti kalibraci ZBD ve vzorovém příkladu v [11] zabrala kalibrace pro MinHR více než stokrát více času. Pro ještě větší zefektivnění je možné nevyužité servery nenechávat nevyužité, ale úplně je vypínat či alespoň hibernovat. Toto zefektivnění lze však úspěšně použít pouze v případě, kdy máme k dispozici stroje, které jsou na časté zapínání a vypínání připravené a jsou schopné naběhnout velmi rychle. Jinak je nevýhodou dlouhá odezva a vyšší poruchovost serverů.

4.2 ROZLOŽENÍ ZÁTĚŽE VZHLEDEM K ROZMÍSTĚNÍ SERVERŮ Tato metoda vychází z poznatku, že v datovém centru jsou místa, která je složitější ochladit, než místa jiná – například v rozích daleko od chladících jednotek nebo obecně ty, které jsou v racku umístěny výš. Zákonitě tedy existují i místa, která je snazší ochladit, kde je chladící efektivita vyšší. Metoda se zabývá nalezením těchto míst, která jsou vhodnější pro chlazení, a tedy mohou generovat větší teplo, jinak řečeno – lze je více zatížit [14]. V [14] je nejdříve pro každý server spočítán Local Workload Placement Index (LWPI), který je daný vzorcem (11) kde ΔTser značí o kolik stupňů je potřeba server zchladit, ΔTdod značí, o kolik stupňů byl server zchlazen na základě teploty vzduchu dodávaného od CRAC jednotky a ΔTrec značí, o kolik

Kunst, Beneš, Volf

18

stupňů se vlivem recirkulace tepla zvyšuje teplota vzduchu u sání oproti teplotě vzduchu doručené od CRAC jednotky. Na servery s nejvyšším LWPI jsou umístěny nejdéle běžící úkoly, ostatní servery lze po doběhnutí jejich úkolů nechat nevyužité, případně je zahibernovat či vypnout.

4.3 VYUŽÍVÁNÍ OBNOVITELNÝCH ZDROJŮ K NAPÁJENÍ Jako třetí dimenzi v rozložení zátěže na servery jsme si vybrali čas, tedy kdy úkoly na serverech spouštět, aby došlo k co největším úsporám. Za normálních okolností na čase spouštění úkolů v podstatě nezáleží – elektřina stojí celý den stejně. Ovšem ve chvíli, kdy se firma rozhodne začít používat obnovitelné zdroje, tak se situace změní. Nejefektivnějším a zároveň nejsnáze instalovatelným zdrojem elektřiny získané z obnovitelných zdrojů jsou fotovoltaické panely [10]. V tomto článku se nebudeme zabývat posouzením, zda se nákup panelů vyplatí nebo ne, ale pouze se pokusíme ukázat, jak je využít pro snížení nákladů na energii datového centra. Nevýhodou fotovoltaických panelů je, že vyrábějí energii pouze ve dne. Je sice pravda, že energii lze skladovat v různých akumulátorech, nicméně toto skladování je poměrně nákladné a navíc dochází ke značným ztrátám během nabíjení a vybíjení. Nejefektivnější tedy je používat energii hned, jak je vytvořená. V datovém centru běží na serverech dva tipy úkolů – interaktivní, které je nutno provádět právě v tu dobu, kdy jsou zadány, a neinteraktivní, které je možno spouštět prakticky kdykoliv. Právě tyto úkoly se můžeme v čase pokusit rozmístit tak, aby bylo co nejvíce využito levné energie z panelů. Nejprve je nutné pro jednotlivé úkoly nedefinovat jejich výpočetní náročnost (počet procesorů, počet hodin, začátek, čas ukončení). Na základě historických dat z předešlých dnů a roků lze předpovědět kolik fotovoltaické energie bude dodáno a jaké bude požadováno zatížení. Kombinací těchto dat, firemních cílů a potřeb a dalších parametrů jako teplota, cena elektřiny, IT kapacita a parametry chlazení, je možno vytvořit rozvrh pro zatížení, resp. pro spouštění jednotlivých úkolů. Při experimentu dle [10] bylo k testování použito datové centrum v Californii, USA, se 130kW polem fotovoltaických panelů a 500 serverů s celkovým výkonem 100kW, na kterých běžela webová služba s 85 miliony registrovaných uživatelů. Interaktivní zátěž běžela cca mezi 8-18 hodinou. Byly stanoveny čtyři simulace:   

„Optimal“ (Optimální), kde bylo využito obnovitelných zdrojů přes den, případně úkoly, které se do dne nevešly, byly zařazeny někdy v noci, kdy je venku chladněji, takže lze využít chlazení vzduchem (pokud je na to datové centrum zařízeno) „Night“ (Noční), kde ve dne byl ponechán prostor pro interaktivní úkoly a neinteraktivní proběhly v noci (tedy tak, jak je to obyčejně zvykem) „Best Effort“ (Nejlepší úsilí), kde je úkol plněn hned, jak vznikne požadavek a je při tom využito veškeré dostupné IT k dokončení úkolu v co nejkratším čase.

AIP Scholaris 

19

„Flat“ (konstantní režim), kde je rozdělení provedeno tak, aby v každou hodinu byla zátěž z neinteraktivních úkolů stejná. Výsledky simulací jsou na

Obr. 5 a)-d), v části e) je znázorněn poměr využití obnovitelných (zelené) a neobnovitelných (modré) zdrojů a v části f) je pak vidět porovnání emisí CO2 a nákladů na energii. Je patrné, že Optimální nastavení je proti normálnímu (tedy Nočnímu) způsobu diametrálně úspornější. V tomto konkrétním příkladu šlo o více než 80%.

Obr. 5. Rozložení zátěže v čase [10]

Kunst, Beneš, Volf

20

5 ZÁVĚR Nejprve je nutné si uvědomit, že tato práce má několik omezení:   

Autoři nemohli uvedené postupy ověřit v reálném prostředí Nebylo možné stanovit, jaký podíl na zvětšení efektivnosti jednotlivá řešení mají A z toho plyne i ta skutečnost, že se nebylo možné určit reálné úspory, ani dopad na efektivnost datového centra (PUE)

Na druhou stranu je nutné říci, že uvedené postupy byly testovány a většina z nich byla uvedena i do praxe. Zde nabízený výčet řešení se v sobě snaží integrovat jednotlivé přístupy k dané problematice tak, aby nabízel komplexní řešení pro řízení efektivnosti v datových centrech. Pro optimalizaci nákladů datových center doporučujeme v první řadě stanovit cílovou teplotu na úroveň 25°C oproti obvyklým 22°C a dále pak rozmístit servery dle principu horkých a studených uliček, navíc s využitím komínků pro přímější odvod tepla z místnosti a v případě potřeby neváhat využít přídavná chladící zařízení pro kritická místa. Rovněž je užitečné rozložit zatížení na servery tak, aby bylo zatížení rovnoměrné, respektive byly ještě o něco více zatíženy servery, které lze efektivněji chladit vzhledem k jejich pozici vůči klimatizačním jednotkám. Toho lze nejefektivněji docílit metodou MinHR, případně metodou ZBD, která je sice o něco méně efektivní, ale zato jednodušší na provedení. Je-li to vzhledem k lokálním klimatickým podmínkám vhodné, je určitě dobré používat obnovitelné zdroje, a to ať jako zdroje elektřiny, tak jako zdroje chladu. S jejich využitím ovšem vyvstává otázka ohledně dostupnosti zdrojů a akumulací energie, které se uplatní v momentě, kdy není generovaný proud z obnovitelných zdrojů. Mezi metody využívající obnovitelné zdroje patří Free cooling, Stored cooling a časové rozložení zátěže na servery tak, aby většina energie mohla být dodávána obnovitelnými zdroji energie. Ideálním stavem je princip udržitelného datového centra, které je právě založeno na maximálním využití obnovitelných zdrojů. Cíl práce byl tedy naplněn, jelikož každý krok sám o sobě představuje možnou úsporu nákladů v datovém centru. Je škoda, že nebylo možné ověřit vliv jednotlivých zlepšení na chod centra a zejména pak v případě, kdyby se celý balík integroval a optimalizoval v reálném prostředí. Bylo by zajímavé sledovat vliv na jednotlivé ukazatele, ať už v relativním nebo absolutním vyjádření. Další relevantní otázky do budoucna:   

Je možné, aby se koncept net-zero energy prosadil? Jaká je jeho návratnost? V jakých oblastech je nejvhodnější ho provozovat?

AIP Scholaris

21

6 SEZNAM POUŽITÝCH ZDROJŮ [1]

AHMAD, Faraz a T. N. VIJAYKUMAR. ASPLOS XV: Fifteenth International Conference on Architectural Support for Programming Languages and Operating Systems, March 13-17, 2010, Pittsburgh, PA, USA. New York, N.Y.: ACM Press, c2010, s. 243-256. ISBN 1605588393.

[2]

Datová centra. KTP. KABEL Trade Praha [online]. 2012. vyd. [cit. 2012-12-17]. Dostupné z: http://www.ktp.cz/cz/datova-centra

[3]

DĚDIČ, Marek. Jak při rozšiřování datacentra zvýšit i jeho efektivitu. System Online [online]. 2009. vyd. [cit. 2012-12-17]. Dostupné z: http://www.systemonline.cz/sprava-it/jak-pri-rozsirovani-datacentra-zvysit-i-jeho-efektivitu1.htm

[4]

EKOWATT. Průměrné měsíční doby slunečního svitu ve vybraných lokalitách ČR [online]. 2011. vyd. [cit. 2012-12-20]. Dostupné z: http://www.tzb-info.cz/tabulky-avypocty/99-prumerne-mesicni-doby-slunecniho-svitu-ve-vybranych-lokalitach-cr

[5]

EL-SAYED, Nosayba. Temperature Management in Data Centers: Why Some (Might) Like It Hot. [online]. 2012 [cit. 2012-12-17]. Dostupné z: http://www.cs.toronto.edu/~nosayba/temperature_cam.pdf

[6]

FEEDIT. HP představuje unikátní architekturu pro datová centra – „Net-Zero Energy“ [online]. 18.7.2012. [cit. 2012-12-20]. Dostupné z http:/www.feedit.cz/wordpress/2012/07/18/hp-predstavuje-unikatni-architekturu-prodatova-centra-net-zero-energy/

[7]

GREENBERG, Steve. Best Practices for Data Centers: Lessons Learned from Benchmarking 22 Data Centers. [online]. 2006 [cit. 2012-12-17]. Dostupné z: http://evanmills.lbl.gov/pubs/pdf/aceee-datacenters.pdf

[8]

HAROLD, Lim, Kansal AMAN a Liu JIE. Power budgeting for virtualized data centers [online]. 2011[cit. 2012-12-18]. Dostupné z: http://research.microsoft.com/pubs/147239/vpsusenix11.pdf

[9]

LAMB, John. The greening of IT: how comanies can make a difference for the environment. Boston: IBM Press, 2009, s. 131-149. ISBN 978-0-13-715083-0.

[10] LIU Zhenhua, Yuan CHEN, Cullen BASH, Adam WIERMAN, Daniel GMACH, Zhikui WANG, Manish MARWAH, and Chris HYSER. 2012. Renewable and cooling aware workload management for sustainable data centers. SIGMETRICS Perform. Eval. Rev. 40, 1 (June 2012), 175-186. Dostupné z: http://smart.caltech.edu/papers/HPimplementation.pdf

[11] MOORE, Justin. Making Scheduling "Cool": Temperature-Aware Workload Placement in Data Centers. [online]. 2005 [cit. 2012-12-17]. Dostupné z: http://static.usenix.org/event/usenix05/tech/general/full_papers/moore/moore_html/

[12] MURTINGER, Karel. Ukládání elektřiny z fotovoltaických a větrných elektráren [online]. 03. 05. 2011. [cit. 2012-12-20]. Dostupné z: http://www.nazeleno.cz/energie/energetika/ukladani-elektriny-z-fotovoltaickych-a-vetrnychelektraren.aspx

22

Kunst, Beneš, Volf

[13] PAKBAZNIA, Ehsan a Massoud PEDRAM. Minimizing Data Center Cooling and Server Power Cost [online]. 2009 [cit. 2012-12-19].Dostuoné z: http://atrak.usc.edu/~massoud/Papers/datacenter-powcost-islped09.pdf

[14] PATEL, Chandrakant. Thermal Considerations in Cooling Large Scale High Compute Density Data Centers. [online]. 2002 [cit. 2012-12-17]. ISSN 1089-9870. Dostupné z: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.9.5049&rep=rep1&type=pdf

AIP Scholaris 2(2), 2013, 23–45, ISSN 1805-613X Online: scholaris.vse.cz

Rozloženie operačných systémov v mobilných zariadeniach a preferencie používateľov na Slovensku a v Českej republike Tomáš Štalmach1 1

Fakulta informatiky a statistiky, Vysoká škola ekonomická v Praze nám. W. Churchilla 4, 130 67 Praha 3 [email protected]

Abstrakt: Článok sa zaoberá pohľadom na trh mobilných zariadení a mobilných aplikácií. Pomocou informácií dostupných od analytických spoločností, ale taktiež pomocou výsledkov vlastného výskumu je cieľom formulovať odporúčania pre tržné segmenty, pre ktoré by mohli byť odporúčania prospešné (spoločnosti zaoberajúce sa vývojom mobilných aplikácií, spoločnosti predávajúce mobilné zariadenia, poskytovatelia mediálneho obsahu). Vlastný výskum je kvantitatívneho charakteru a je realizovaný pomocou internetového dopytovania vo dvoch fázach s ročným odstupom. Kľúčové slová: Dotazník, mobilné aplikácie, mobilný telefón, smartfón, operačný systém

Title: Distribution of operating systems in mobile devices and preferences of users in Slovakia and Czech Republic Abstract: The article deals with overall overview of the market of mobile devices and mobile applications. Based on the information available from analytical corporations and also based on the results of own research, the aim of this research is to formulate recommendations for market segments which these recommendations could be beneficial for (mobile app development company, companies selling mobile devices, providers of media content. The research is quantitative in nature and is implemented by using the Internet questioning in two stages with an annual interval. Keywords: Questionnaire, mobile applications, mobile phone, smartphone, operating system

Poznámka redakce: Tento článek je výtahem z úspěšně obhájené bakalářské práce: ŠTALMACH, T. Operačné systémy pre mobilné zariadenia. Praha, 2013. Bakalářská práce. Vysoká škola ekonomická v Praze. Vedoucí práce Mgr. Ing. Zdeněk Smutný.

24

Štalmach

1 GLOBÁLNY POHĽAD NA TRH MOBILNÝCH TELEFÓNOV Ak sa chceme globálne pozerať na trh mobilných telefónov, je potrebné rozdeliť telefóny na klasické a „múdre“, inak nazývané aj smartfóny. Pri tejto príležitosti je taktiež nutné definovať, čo vlastne pojem smartfón znamená. „Smartfón je mobilný telefón, ktorý okrem telefonovania a možnosti posielania SMS správ poskytuje taktiež pokročilejšie funkcie. Väčšina smartfónov dokáže zobrazovať fotografie, prehrávať videá, kontrolovať a odosielať e-maily a surfovať po webe. Moderné smartfóny, ako iPhone alebo smartfóny bežiace na systéme Androide dokážu spúšťať aplikácie tretích strán, čo poskytuje neobmedzené funkcie.” [8] Hlavný rozdiel medzi klasickým telefónom a smartfónom je v tom, že smartfón disponuje operačným systémom, vďaka ktorému je možné podstatne rozšíriť funkcionalitu telefónu podobne ako pri počítači. Užívateľ takéhoto telefónu má prístup k internetu, má možnosť používať najrôznejšie aplikácie a taktiež môže telefón použiť napríklad ako GPS navigáciu. Vďaka aplikáciám tretích strán, ktoré je možné do telefónu nahrávať, sa užívateľovi otvárajú ďalšie možnosti ako využiť svoj telefón. Oproti klasickým telefónom sa vizuálne väčšinou líšia dotykovým rozhraním a väčšími rozmermi, čo často vedie ku kratšej výdrži batérie. Keďže sa tento článok venuje operačným systémom v mobilných zariadeniach, priblížime si ďalej ako rástol trh smartfónov doteraz a aké očakávania analytikov má rast tohto segmentu v budúcnosti.

Obrázok 1.1: Zobrazenie používateľov mobilných telefónov v svetovom meradle [7, s. 7]

Celosvetová základňa používateľov telefónov bola na konci roka 2012 6,5 miliardy, pričom celosvetová mobilná penetrácia je približné 91%. Analytická spoločnosť Portio Research predpokladá, že do konca roka 2016 táto základňa dosiahne hranicu 8,5 miliardy. V období rokov 2013-2016 má byť tento rast vedený na trhoch v Ázii, Tichomorí a v Afrike. Vo vyspelých štátoch Severnej Ameriky a západnej Európy sa blíži k nasýteniu, keďže väčšina trhov v týchto oblastiach zažíva takmer 100% mobilnú penetráciu už v súčasnosti. Trh so smartfónmi bol za posledných 5 rokov (2007-2012) najrýchlejšie rastúcim a finančne najviac prínosným trhom spomedzi ostatných trhov zameraných na technologický priemysel, ktoré v tomto období zažívajú recesiu. Nasýtené trhy s „nemodernou“ elektronikou opúšťajú

AIP Scholaris

25

spotrebitelia, ktorí dávajú priestor novým segmentom na trhu ako sú smartfóny alebo tablety. Práve vďaka tomuto prechodu slávia smartfóny v súčasnosti taký úspech.

Obrázok 1.2: Zobrazenie používateľov klasických telefónov a smartfónov v svetovom meradle [7, s. 24]

„Múdre“ telefóny sa stávajú tou pravou voľbou pre stovky miliónov užívateľov a rok 2012 bol rekordný v počte aktivácií nových smartfónov. Zatiaľ čo v roku 2011 bolo aktivovaných 485 miliónov smartfónov, čo predstavovalo 31% celkových aktivácií telefónov, v roku 2012 sa tento počet zvýšil až na 655 miliónov (39,1%). Do roku 2016 sa predpokladá, že tento počet nebude menší ako jedna miliarda a bude predstavovať minimálne 51% z celkového počtu aktivácií telefónov v tomto roku. Pri pohľade na celosvetový priemer to znamená, že v roku 2016 by mala byť aktivácia smartfónov viac ako polovičná, v najvyspelejších oblastiach Severnej Ameriky a západnej Európy by tento podiel mal tvoriť až 70%. Predpoklad do roku 2016 je taký, že naša planéta bude mať viac aktívnych SIM kariet ako žijúcich ľudí, preto je nepochybne jasné, že trh s mobilnými zariadeniami je určite vhodnou príležitosťou na podnikanie. [9]

26

Štalmach

Obrázok 1.3: Zobrazenie predajov a tržných podielov najväčších značkových predajcov mobilných telefónov [2]

Ak sa zameriame na konkrétne značky mobilných telefónov, vo svete sa v súčasnosti najviac darí Kórejskému gigantovi Samsung. Podľa analytickej spoločnosti Gartner sa tržný podiel Samsungu v roku 2012 oproti roku 2011 medziročne zvýšil o približné 4,3 percentuálneho bodu. Kladné hodnoty možno spomenúť aj u spoločnosti Apple, kde sa tržný podiel v roku 2012 zvýšil oproti roku 2011 o 50%, čo robí z firmy Apple najrýchlejšie rastúcu konkurenciu Samsungu. Nutno taktiež spomenúť, že firma Apple ponúka iba smartfóny na rozdiel od väčšiny ostatných značiek. Malé zlepšenie, ktoré ale taktiež stojí za mienku, sa podarilo taktiež značkám ZTE, Huwaei a TCL. Tržné podiely ostatných spoločností zažili v roku 2012 recesiu. Analytická spoločnosť IDC v prieskume zverejnenom v Januári 2013 uvádza porovnateľné výsledky ako spoločnosť Gartner. [2]

1.1 GLOBÁLNY POHĽAD NA TRH MOBILNÝCH APLIKÁCIÍ Trh s mobilnými aplikáciami zažíva v súčasnosti „boom“ a po celom svete slávi úspech. Jeho rast je neočakávane rýchly, o čom svedčí aj fakt, že aplikácie vytvorené v roku 2012 generovali neuveriteľných 12 miliárd amerických dolárov. Celkovo bolo za rok 2012 stiahnutých 46 miliárd aplikácií. Kumulatívny počet stiahnutých aplikácií bol na konci roka 2011 37 miliárd. Celkový kumulatívny počet za obdobie rokov 2007-2012 je 83 miliárd stiahnutých mobilných aplikácií. To znamená, že počet stiahnutých aplikácií za rok 2012 je vyšší ako kumulatívny počet stiahnutých aplikácií za obdobie posledných 5 rokov pred rokom 2012. Analytická spoločnosť Portion Research predpokladá, že za rok 2013 používatelia smartfónov stiahnu celkovo 82 miliárd aplikácií, čo bude predstavovať taký počet aplikácií, ktoré boli stiahnuté celkovo za obdobie rokov 2007-2012. Ak sa pozrieme na príjmy generované zo stiahnutých aplikácií, za rok 2013 sa očakáva hodnota 20,4 miliárd amerických dolárov.

AIP Scholaris

27

Na stabilných trhoch poskytujúcich mobilné aplikácie vo vyspelých štátoch Severnej Ameriky a západnej Európy si drží počet stiahnutých aplikácií na osobu stabilnú úroveň. Rýchly rast sťahovania mobilných aplikácií spôsobuje podobne rýchly rast predaja smartfónov a tabletov. Predikcie aktivácií mobilných telefónov sú spomenuté v predošlej časti článku „Pohľad na trh mobilných telefónov“, čo ale prispieva nemalou mierou na rast predaja mobilných aplikácií sú tablety. V roku 2012 bolo predaných 136 miliónov tabletov a predpoklad na počet predaných tabletov v roku 2013 je 208 miliónov. Do roku 2017 sa predpokladá 398 miliónov predaných tabletov ročne. Vďaka tomuto rýchlemu rastu sa dá očakávať, že počet používateľov mobilných aplikácií porastie do roku 2017 na hodnotu 4,4 miliardy, čo je 4x viac ako je tomu dnes. [4]

2 ANALÝZA SPOTREBITEĽOV NA TRHU MOBILNÝCH ZARIADENÍ NA SLOVENSKU A V ČESKEJ REPUBLIKE Marketingový výskum je spôsob získavania informácií o obchodnom trhu (konkurencia, tržné príležitosti, riziká, cieľové skupiny a pod.), ktoré majú význam pre úspešné vedenie firmy. Výstupy z marketingového výskumu sú dôležitou súčasťou tvorby marketingovej aj celopodnikovej stratégie podnikov. [3]

2.1 DEFINOVANIE VÝSKUMNÉHO PROBLÉMU A URČENIE CIEĽA VÝSKUMU Ako bolo spomenuté v úvode článku, trh s mobilnými telefónmi, konkrétne so smartfónmi, je v súčasnej dobe jeden s najviac rastúcich trhov. Mobilné telefóny, predovšetkým smartfóny, sa stávajú našim každodenným spoločníkom doma, v práci, na dovolenke aj na pracovných cestách. V závislosti na tom je na trhu čoraz viac doceňovaná tvorba aplikácií pre mobilné zariadenia z marketingových, ale aj finančných dôvodov. Realitou je, že užívatelia mobilných telefónov sú z väčšej miery ochotní za mobilné aplikácie platiť, a teda ich plnohodnotne využívať. Na základe výskumu realizovaného agentúrou Nielsen je až 93 % užívateľov ochotných zaplatiť za stiahnutie aplikácie na mobil, 87 % za zábavu a 84 % za stiahnutie mapy alebo navigačnej trasy. [6] Biznis s mobilnými aplikáciami teda má budúcnosť. Pretože sa aplikácie stali nesmierne populárne, môžu prostredníctvom nich spoločnosti osloviť značný počet úplne nových spotrebiteľov. Prehliadanie aplikácii a mobilných web stránok sa stáva dominantnou cestou pre užívateľov, ako bez prekážky, kedykoľvek a kdekoľvek prijímať informácie a nakupovať tovar. [5] Otázkou ale ostáva, na aké mobilné platformy sa oplatí vývojárom mobilných aplikácií zameriavať. Každý z operačných systémov pracuje odlišne. Je nutné spomenúť, že aplikácie pre príslušné operačné systémy sa programujú vždy v rozdielnom prostredí a väčšinou v nie rovnakom programovacom jazyku, preto môže byť pre vývojárov náročné vyvíjať aplikácie pre viacero operačných systémov. V súčasnosti existujú projekty ako Mono od spoločnosti Xamarin, ktoré si dávajú za cieľ poskytovať vývojárom nástroje, vďaka ktorým je možné písať aplikácie pomocou rámca Microsoft .NET za podpory jazyka C# a iných programovacích jazykov .NET a ich následnú konverziu pre ostatné platformy, ktoré používajú iné programovacie jazyky. Tento spôsob dokáže využiť kreativitu miliónov vývojárov .NET na celom svete, ale taktiež môže byť pre menších vývojárov finančne náročný. Pre menšie vývojárske firmy sa stále viac oplatí špecializovať sa na určité platformy, preto je cieľom tohto výskumu zistiť, aké mobilné operačné systémy sú najviac využívané a či sú užívatelia týchto operačných systémov spokojní so svojou platformou. Bližšie preskúmať som sa rozhodol nasledujúce oblasti:

Štalmach

28 

Typ mobilného telefónu a operačný systém – Aká značka a operačný systém sú medzi užívateľmi preferované?



Kritéria výberu –Na základe čoho si spotrebitelia vyberajú svoj mobilný telefón?



Spokojnosť s funkciami – Sú užívatelia spokojní s výberom aj s určitým časovým odstupom?



Oblasť používania – Na čo všetko užívatelia používajú svoj mobilný telefón?



Zmena telefónu – Koľko respondentov zmenilo telefón v priebehu jedného roka? Ktoré zo značiek sa stali populárnejšie a ktoré naopak menej populárne?

Cieľom vlastného výskumu je získať informácie vo všetkých vyššie uvedených oblastiach. Na základe týchto informácií by malo byť možné formulovať odporúčanie pre firmy zaoberajúce sa vývojom aplikácií pre mobilné zariadenia v Slovenskej a Českej republike. Prípadná aplikácia týchto doporučení by mala viesť k rastu tržieb danej firmy zaoberajúcej sa vývojom aplikácií pre mobilné zariadenia, v prípade zavedeniu väčším množstvom predajcov taktiež k „oživeniu“ celého trhu. Odporučenia je možné formulovať taktiež pre mobilných operátorov a spoločnosti predávajúce mobilné zariadenia. Na základe otázok určených na zistenie preferovanej značky, spokojnosti s funkciami a majoritného kritéria pri výbere telefónu je možné upraviť ponuku ponúkaných mobilných zariadení a prípadne zmeniť zameranie marketingovej kampane.

2.2 URČENIE VÝBERU VZORKY Posledný zverejnený prieskum analytickej spoločnosti Nielsen v trvaní Q3 2010 – Q3 2011 uvádza, že v treťom kvartáli roku 2011, 62 % ľudí vo veku 25 – 34 rokov používa smartfón. Druhou najrozsiahlejšou skupinou bola skupina ľudí vo veku 18 – 24 rokov s hodnotou 54 %. Ako si môžeme všimnúť na obrázku 2.1, najrýchlejšie rastúcou skupinou sú mladí ľudia vo veku 13-17 rokov, ktorých medziročná hodnota stúpla o necelých 60%. [1]

AIP Scholaris

29

Obrázok 2.1: Znázornenie prenikania smartfónov na trh podľa vekových kategórií.[7]

Na základe prieskumu agentúry Nielsen bolo cieľom, aby boli dotazníky vyplňované najmä ľuďmi vo vekových kategóriách, v ktorých je hodnota používania smartfónov v nadpolovičnej väčšine.

2.3 ZBER DÁT Odkaz na dotazník s jeho žiadosťou o vyplnenie bol šírený najmä prostredníctvom sociálnej siete Facebook, ale taktiež prostredníctvom diskusných fór zameraných na mobilné telefóny. Na sociálnej sieti Facebook bol odkaz na dotazník zverejnený v skupinách s veľkým počtom študentov, napríklad „Prváci na VŠE 2011-2012“ alebo „Informatika, FIS VŠE, 2012-2015“. Odkaz na dotazník bol umiestnený taktiež na fóra portálu „Mobilmánia“ v Českej aj Slovenskej republike a na fóre portálu „smartmobil.sk“ Prvý dotazník v období od 27.11.2011 do 29.2.2012 vyplnilo celkom 335 respondentov. Druhú časť dotazníka vyplnilo celkom 381 respondentov v období od 1.12.2012 do 28.2.2013. Po dokončení zberu boli dáta triedené v programe Microsoft Excel.

2.4 SPRACOVANIE A ANALÝZA ÚDAJOV Ako bolo spomenuté vyššie, pri vyhodnocovaní dotazníkov bol dôraz kladený na päť hlavných oblastí spomenutých v časti „Definovanie výskumného problému a určenie cieľa výskumu“. 2.4.1 TYP MOBILNÉHO TELEFÓNU A OPERAČNÝ SYSTÉM V prvom rozosielanom dotazníku z celkového počtu respondentov nepoznalo názov operačného systému v svojom telefóne 35 respondentov, čo je iba necelých 10%

30

Štalmach

odpovedajúcich. Zvyšných 90% odpovedajúcich uviedlo v dotazníku operačný systém svojho telefónu správne, čo bolo overované pomocou plného názvu telefónu. Tieto hodnoty ilustrujú veľmi dobrú informačnú gramotnosť medzi odpovedajúcimi. Hodnoty odpovedajúcich, ktorí neuviedli operačný systém boli dohľadávané na základe názvu telefónu. Iba 8 respondentov neuviedlo správne celý názov mobilného telefónu, takže nebolo možné dohľadať operačný systém. Najpopulárnejším je operačný systém Android, ktorý používa 41% z celkového počtu respondentov. Druhú priečku zaujal operačný systém iOS od spoločnosti Apple s hodnotou 32%. Treťou najrozšírenejšou skupinou bola skupina užívateľov operačného systému Symbian, ktorý používa 12% respondentov. Ďalšie priečky zaujali Windows Phone (2%), Blackberry OS (1%) a Windows Mobile (1%). Každý z ostatných operačných systémov používa menej ako 1% respondentov (Graf 1). Hodnoty z druhého dotazníka ukazujú, že 15% respondentov nepozná názov operačného systému v telefóne, čo je o polovicu viac ako v prípade respondentov prvého dotazníka. Operačný systém Android používa celkovo 48% respondentov a operačný systém iOS 17% respondentov. V prípade Androidu ide o zlepšenie o 7 percentuálnych bodov, naopak v prípade operačného systému iOS ide o značné zhoršenie o 15 percentuálnych bodov oproti predošlému obdobiu. Pomer používateľov systému Symbian v druhom dotazníku poklesol o 3 percentuálne body na hodnotu 9%. Pri ostatných operačných systémoch nedošlo k podstatnej zmene podielu respondentov. (Graf 2) Ak sa pozrieme na rozloženie značiek mobilných telefónov medzi respondentmi prvého dotazníka, značnú prevahu má značka Apple s hodnotou 32%. Podstatnú časť zaberajú aj značky Nokia (16%), HTC (14%) a Samsung (14%), ktoré sú medzi užívateľmi taktiež veľmi populárne. S hodnotami viac ako 4% sa zaradila aj značka Sony Ericsson s hodnotou 7%. 5% respondentov používa mobilný telefón značky LG. Ostatné značky mobilných telefónov s hodnotou nižšou ako 3% sú v grafe zahrnuté pod kategóriu „Ostatné“ (Graf 3) V druhom dotazníku sa poradie značiek podstatne líši. Jedničkou v početnosti (23%) je značka Samsung, ktorú nasleduje značka Nokia (19%). Značky Apple a HTC používa zhodne 17% respondentov druhého dotazníka. Sony Ericsson si s hodnotu 15% taktiež prilepšil o 8 percentuálnych bodov oproti minulému obdobiu. Posledným spomenutým, značka LG, skončila so 4% respondentov. Za zmienku stojí spomenúť prepad značky Apple o 15 percentuálnych bodov a nárast značky Samsung o 9 percentuálnych bodov. Značka Nokia taktiež stúpla z tretieho miesta na druhé s nárastom 5 percentuálnych bodov oproti minulému dotazníku. (Graf 4) Zaujímavé zistenie prvého dotazníka prináša aj prieskum preferencie značiek, ktorý ukazuje ako sa u užívateľov líši preferencia a skutočný stav. Značku Apple preferuje s hodnotou 39% až o 7% viac ľudí ako v skutočnosti telefón tejto značky vlastní. 17% celkovo a o 3 % viac užívateľov preferuje taktiež značku HTC. S kladnou hodnotou preferencie oproti skutočnému stavu skončila aj značka Sony Ericsson a to s hodnotou 8% preferencie oproti 7% skutočnosti. Značky Samsung, Nokia a LG dosahujú záporné hodnoty . Samsung preferuje o 2% menej užívateľov ako ho v skutočnosti vlastní. Značku Nokia preferuje 13% respondentov, pričom túto značku vlastní 14% opýtaných. Najvyšší mínusový skok zaznamenala značka LG, ktorú preferujú iba 2% užívateľov oproti 5% skutočnosti. Len 2% respondentov nepreferujú žiadnu značku mobilných telefónov (Graf 5). Údaje druhého dotazníka ukazujú, že značku Apple preferujú aj naďalej užívatelia, ktorí vlastnia iné značky telefónov. Konkrétne preferuje značku Apple 24% respondentov, oproti

AIP Scholaris

31

17% respondentov, ktorí telefón značky Apple vlastnia. Oproti prvému dotazníku sa zlepšila aj preferencia značky Samsung, ktorú preferuje 25% respondentov druhého dotazníka, čo je o 2% viac ako je skutočný stav rozloženia. Naopak telefón značky HTC preferuje o 4% užívateľov menej, čo je oproti minulému dotazníku pokles. Ostatné značky ako Nokia, Sony Ericsson a LG preferuje taktiež menej užívateľov ako telefóny tejto značky vlastní. (Graf 6) 2.4.2 KRITÉRIA VÝBERU Niečo menej ako polovica respondentov, konkrétne 47%, sa v prvom dotazníku rozhoduje pri výbere telefónu na základe funkcii a vybavenia telefónu. Druhou nezanedbateľnou skupinou (27%) je skupina respondentov, ktorá sa rozhoduje na základe operačného systému telefónu. Na základe ceny, kvality spracovania a značky výrobcu sa rozhoduje rovnako 7% respondentov. Prekvapivo najmenej užívateľov, iba 5%, sa rozhoduje v prvom dotazníku na základe vzhľadu telefónu. (Graf 7) Respondenti v druhom dotazníku zvolili tak isto kritérium „Funkcie / vybavenie“ za najdôležitejšie (53%). Zmena nastala pri kritériu „Operačný systém“, ktoré považovalo za majoritné iba 11% respondentov. Viditeľnú zmenu vidieť aj pri kritériách „Cena“ a „Vzhľad“, kde respondenti v druhom dotazníku pripísali obom kritériám dvakrát toľko dôležitosti ako v prvom dotazníku, konkrétne cena 14% a vzhľad 10%. (Graf 8) Výskum bol taktiež zameraný na zistenie, podľa akého kritéria si respondenti vybrali telefón s tým ktorým operačným systémom. Pre toto pozorovanie boli zvolené tri najpoužívanejšie operačné systémy a to Android, iOS a Symbian. Telefón s operačným systémom Android si na základe údajov v prvom dotazníku kúpilo 54% opýtaných na základe funkcií a vybavenia. 28% respondentov si ho vybrali na základe operačného systému a 10% užívateľov na základe ceny. Kritéria ako vzhľad telefónu, spracovanie a značka výrobcu majú u tohto operačného systému preferovalo menej ako 3% respondentov (Graf 5). Podstatnú zmenu preferencií v druhom dotazníku môžeme zaznamenať pri kritériu „Operačný systém“, ktoré pokleslo z predošlých 28% iba na 9%. Kritérium „Vzhľad“ naopak postúpilo z predošlých 3% na hodnotu 7%, čo ale môžeme pripísať vyšším počtom respondentov ženského pohlavia. Ostatné kritéria ostali v podobnom pomere ako pri prvom dotazníku. (Graf 10) Respondenti v prvom dotazníku, ktorí majú v svojom telefóne operačný systém iOS si svoj telefón z majoritnej časti (41%) vybrali na základe jeho operačnému systému. Druhou veľkou skupinou (32%) boli užívatelia, ktorí si na operačnom systéme iOS cenia najmä funkcie a vybavenie. 14% fanúšikov značky Apple preferuje pri výbere samotnú značku a 9% sa zameriava na spracovanie telefónu. Ostatné kritéria preferovalo menej ako 2% respondentov. (Graf 11) V druhom dotazníku je viditeľná značná zmena iba pri kritériu „Vzhľad“, kde hodnota kritéria stúpla o 10 percentuálnych bodov na hodnotu 11%. (Graf 12) 2.4.3 SPOKOJNOSŤ S FUNKCIAMI Keďže funkcie telefónu závisia z veľkej miery na operačnom systéme, rozhodol som sa túto oblasť skúmať na základe závislosti na operačnom systéme v telefóne. Z vyhodnotenia prvého dotazníka mi jasne vyplynulo, že najspokojnejší sú s funkciami telefónu užívatelia

32

Štalmach

operačného systému iOS, kde spokojnosť dosahovala až 99%. Druhú priečku zastáva operačný systém Android s hodnotou 92%. 87% užívateľov je spokojných s funkciami telefónov s operačným systémom Windows Phone. Vlastníci telefónov s operačným systémom Blackberry OS sú spokojní zo 75%. Kladnú, ale nie veľmi reprezentatívnu hodnotu 67%, si vybojoval operačný systém Symbian. Najhoršie dopadol operačný systém Windows Mobile s 50% spokojnosťou (Graf 13). V druhej časti dotazníka sa výsledky operačných systémov iOS a Android a Symbian nijako závažne nezmenili. Spokojnosť stúpla u operačných systémov Windows Mobile (75%) a BlackBerryOS (100%). Naopak s operačným systémom Windows Phone sú užívatelia v druhom prieskume spokojnejší o 14 percentuálnych bodov menej, konkrétne hodnota spokojnosti dosahuje 69%. V prieskume pribudla taktiež spokojnosť s operačným systémom Bada, vďaka respondentom, ktorí vlastnia telefón s týmto operačným systémom. Táto hodnota sa vyšplhala na 66% (Graf 14). 2.4.4 OBLASŤ POUŽÍVANIA Ak sa v prvom dotazníku pozrieme, na čo všetko respondenti využívajú svoj telefón, určite nás neprekvapí, že najvyššie hodnoty získalo telefonovanie (95%) a písanie SMS správ (92%). 76% respondentov používa svoj telefón taktiež na surfovanie po webe a zhodne 74% respondentov s telefónom fotí a počúva hudbu. Následne si môžeme všimnúť, že 66% respondentov cez svoj telefón spravuje e-maily a 64% respondentov pristupuje cez svoj telefón na sociálne siete ako Facebook alebo Twitter. 57% respondentov odpovedalo, že na svojom telefóne používajú bežné aplikácie ako napríklad správa dokumentov a iné. Pod hranicou 50% môžeme nájsť oblasti ako „Natáčanie videa“ (45%), „Automobilová navigácia“ (44%), „Vyhľadávanie služieb v okolí aktuálnej pozície“ (30%) a „Turistická navigácia“ (25%). Najmenej respondentov (23%) z mnou navrhovaných funkcií používa svoj telefón na sledovanie filmov (Graf 15) Ani v druhom dotazníku tomu nie je inak a respondenti svoj telefón používajú prevažne na telefonovanie (99%) a písanie krátkych správ SMS (94%). 82% respondentov taktiež svojim telefónom fotí a 75 % respondentov svoj telefón používa na počúvanie hudby. Zhodne 72% respondentov telefónom pristupuje na sociálne siete a web. Nad hranicu 50% sa dostali taktiež oblasti „Používanie bežných aplikácií (správa dokumentov ai.)“ (57%) a „Správa e-mailov“ (53%). Medzi oblasti, ktoré používa menej ako polovica respondentov, sa objavili oblasti „Natáčanie videa“ (45%), „Automobilová navigácia“ (33%), „Vyhľadávanie služieb v okolí aktuálnej pozície (29%), „Turistická navigácia“ (23%) a na záver „Sledovanie filmov“ (14%) (Graf 16) 2.4.5 ZMENA TELEFÓNU V PRIEBEHU JEDNÉHO ROKA Presná tretina respondentov v priebehu uplynutého roka od vyplňovania druhého dotazníka zmenila mobilný telefón. Ak sa zameriame na užívateľov, ktorí používali mobilný telefón značky Samsung, presná polovica z nich si kúpila telefón tej istej značky. Zhodne 18% užívateľov presedlalo na značky Apple a Nokia. Zvyšní užívatelia si vybrali rôzne značky. 40% užívateľov telefónov značky Sony1 alebo Sony Ericsson ostalo verných rovnakej značke. 30% presedlalo na značku Samsung. Najpočetnejšou značkou pred zmenou bola značka 1

Počínajúc Októbrom roku 2011 bola značka Ericcson odstránená z mobilných telefónov, ktoré od tohto dátumu spoločnosť Sony vyrobila.

AIP Scholaris

33

Nokia. 30% užívateľov značku nezmenili, 20% vymenilo telefón za telefón značky Apple a 17% presedlalo na značku Samsung. Až 77% užívateľov telefónov značky Apple zostalo verných svojej obľúbenej značke, čo však šlo predpokladať na základe stratégie spoločnosti Apple. Naopak iba 25% vlastníkov telefónov značky HTC si telefón tejto značky kúpilo znova. Väčšina obľúbencov značky HTC presedlala ku konkurencii s názvom Samsung. 2.4.6 PREZENTÁCIA VÝSLEDKOV VÝSKUMU Hneď na začiatku prezentácie výsledkov výskumu je nutné poznamenať, že respondenti jednotlivých prieskumov nie sú zhodní a v určitých demografických kategóriách sa značne odlišujú, preto môže byť porovnávanie jednotlivých prieskumov medzi sebou mierne skreslené. Z prieskumu jasne vyplýva, že Android je medzi respondentmi najpoužívanejším operačným systémom s najrýchlejšou tendenciou rastu. V prvom prieskume, v ktorom boli respondenti pomerne rovnomerne vekovo rozdelení, bola značka Apple najpoužívanejšou. Zmena nastala v druhom prieskume, ktorý bol vyplnený majoritne respondentmi vo veku 1626 rokov. Rozdelenie značiek v tomto prieskume bolo rovnomerné medzi značkami Apple, Samsung, HTC, Nokia a Sony. Zaujímavé zistenie priniesla odpoveď respondentov na otázku „Akú značku telefónu preferujete?“. Telefóny značky Apple preferuje v oboch prieskumoch o 7 až 8 percentuálnych bodov viac respondentov, ako telefón tejto značky vlastní. U ostatných značiek je preferencia buď nižšia alebo maximálne o 1-2 percentuálne body vyššia ako je skutočný stav. Ak sa zameriame na majoritné kritéria podľa ktorých si respondenti vyberajú svoj telefón, môžeme si všimnúť, že telefóny s operačným systémom Android si v oboch prieskumoch respondenti vyberajú na základe funkcií a vybavenia. Vysokú rolu pri výbere hrajú aj kritéria „Operačný systém“ a „Cena“. Telefóny americkej značky Apple si respondenti kupujú na základe funkcii a vybavenia, ale taktiež na základe operačného systému, ktorý dokonca v prvom prieskume vyhráva nad ostatnými kritériami. V porovnaní s ostatnými operačnými systémami tu respondenti pomerne značne preferujú taktiež značku výrobcu a najmenej spomedzi všetkých operačných systémov hľadia na cenu telefónu. Skoro opačné rozdelenie kritérií nám ponúkajú výsledky otázky „Výber operačného systému Symbian na základe kritérií“. Rovnako tam väčšina užívateľov hľadí najviac na funkcie a vybavenie telefónu, ale iba veľmi málo respondentov si svoj telefón vybralo na základe operačného systému. Užívatelia si okrem funkcií vyberali hlavne na základe ceny zariadenia s týmto operačným systémom. Ak sa ďalej pozrieme na spokojnosť respondentov s ich mobilnými telefónmi na základe funkcií a možností, ktoré im ponúkajú, v tejto otázke bezkonkurenčne vyhráva operačný systém iOS, kde spomedzi oboch prieskumov odpovedal záporne iba jeden respondent. Úspešne dopadol aj operačný systém Android, kde sa spokojnosť pohybovala v oboch prieskumoch nad úrovňou 90%. U ostatných operačných systémoch sa spokojnosť pohybovala približné na úrovni 70%. Podľa demografického hľadiska som sa rozhodol respondentov členiť podľa veku, hlavne preto, lebo z marketingového hľadiska je najjednoduchšie zamerať sa na určitú vekovú kategóriu. Operačný systém iOS je najpoužívanejší medzi respondentmi vo veku nižšom ako 16 rokov a taktiež u respondentov vo veku 27-35 rokov. Najväčší konkurent systému iOS, Android, používajú majoritne respondenti vo veku 16 – 26 rokov a taktiež respondenti starší ako 36 rokov. Ak sa pozrieme na zmeny medzi jednotlivými prieskumami, u respondentov vo veku 16-26 rokov sa po roku posilnila pozícia operačných systémov Android a Windows Phone a naopak klesla pozícia operačných systémov iOS a Symbian. U o niečo starších respondentov bola zmena opačná, operačný systém iOS používalo po roku pomerovo dvakrát viac respondentov, hlavne na úkor operačného systému Android. Väčšina funkčných oblasti telefónov sú užívateľmi pokryté

34

Štalmach

dostatočne až na oblasti „Vyhľadávanie služieb v okolí aktuálnej pozície“ a turistickej a automobilovej navigácie, kde tieto služby používa menej ako tretina respondentov. Posledným skúmaným javom bola zmena značky telefónu pri kúpe nového telefónu. V tomto prieskume sa na prvom mieste umiestnila značka Apple, ktorej pri kúpe nového telefónu ostáva verných až 77% respondentov.

2.5 ODPORÚČANIA PRE TRŽNÉ SEGMENTY V tejto časti budú na základe výskumu vyslovené odporúčania pre segmenty trhu, ktorým by mohli získané informácie pomôcť pri rozhodovaní alebo plánovaní. 2.5.1 ODPORÚČANIA PRE SPOLOČNOSTI ZAOBERAJÚCE SA VÝVOJOM MOBILNÝCH APLIKÁCIÍ Ako je z prieskumu jasne viditeľné, dominanciu na trhu si udržujú hlavne operačné systémy Android a iOS. Oba operačné systémy majú na trhu v Slovenskej a Českej republike silné používateľské zázemie. Operačný systém Android preferujú užívatelia najmä vďaka širokej škále zariadení, ktoré fungujú na tomto operačnom systéme a pomerne vysokej funkcionalite platformy. Telefóny s operačným systémom iOS sú preferované hlavne kvôli samotnému operačnému systému a jeho funkcionalite a taktiež vďaka veľkej popularite firmy Apple. Dá sa predpokladať, že k viditeľnému presunu k iným operačným systémom nebude v blízkej dobe dochádzať. Prieskum ukazuje, že ak respondenti zmenili telefón, buď ostali pri rovnakom operačnom systéme, alebo prešli ku konkurenčnej značke používajúcu majoritne jeden z týchto dvoch operačných systémov. Firmám zaoberajúcim sa vývojom mobilných aplikácií by preto mal priniesť najviac finančných prostriedkov vývoj aplikácií na tieto platformy. Veľký priestor na vývoj aplikácií je v oblastiach turistickej a automobilovej navigácie a v oblasti vyhľadávania služieb v okolí aktuálnej pozície. Podľa môjho názoru je využívanie týchto oblastí prostredníctvom telefónu budúcnosťou a preto by sa vývojári na tento relatívne nepokrytý segment mali zameriavať viac. Väčšie spoločnosti venujúce sa vývojom mobilných aplikácií by mohol zaujať projekt Mono od spoločnosti Xamarin, ktorý poskytuje nástroje vďaka ktorým je možné programovať aplikácie v jazykoch .NET a následne ich konvertovať na platformy, ktoré tieto jazyky nepodporujú. 2.5.2 ODPORÚČANIA ZARIADENIA

PRE

SPOLOČNOSTI

PREDÁVAJÚCE

MOBILNÉ

Mobilní operátori a spoločnosti predávajúce mobilné zariadenia by svoje marketingové kampane u používateľov v Slovenskej a Českej republike vo všetkých vekových kategóriách mali smerovať na telefóny značiek Apple, Samsung, HTC a Sony, ktoré používajú operačný systém iOS alebo Android. V každej z vekových kategórií majú telefóny týchto značiek majoritné zastúpenie. Ako dodatok je možné poznamenať, že marketingové kampane na telefóny Apple s operačným systémom iOS je múdre smerovať na používateľov vo veku nad 30 rokov s vlastným príjmom, ktorých vyššia cena telefónu neodradí od kúpy. Obdobne, marketingové kampane zamerané na telefóny ostatných spomenutých značiek používajúce Android, by mali prilákať najviac dospievajúcich zákazníkov a študentov, a preto by mali byť zamerané hlavne na tento segment. Fínska značka Nokia patrila v minulosti k elite výrobcov a v Česku a na Slovensku mala značné zázemie. Prieskum ukazuje, že telefóny tejto značky používa ešte stále nezanedbateľné množstvo ľudí, ale ako je možné si všimnúť, každým

AIP Scholaris

35

rokom sa tento počet znižuje a tento spád zatiaľ nedokáže fínska firma brzdiť ani predajom relatívne nových telefónov s prívlastkom „Lumia“, ktoré používajú operačný systém Windows Phone. Telefóny značiek Blackberry, Siemens, LG a Huawei v súčasnosti v Slovenskej a Českej republike používa iba malý zlomok celkových používateľov mobilných telefónov, preto by sa na tieto značky operátori a predajcovia mobilných telefónov nemali zameriavať. 2.5.3 ODPORÚČANIA PRE POSKYTOVATEĽOV MEDIÁLNEHO OBSAHU Na základe globálnych prieskumov popísaných v úvode praktickej časti je jasne viditeľné, že trh mobilných zariadení, konkrétne predaj smartfónov a tabletov, láme každoročne rekordy v predaji. Pre poskytovateľov mediálneho obsahu by to mal byť signál, že mediálny obsah už nie je iba webovou devízou. Vývojári mobilných operačných systémov stále viac dopĺňajú prostredia systémov o prvky určené na prehliadanie mediálneho obsahu2. Spoločnosti poskytujúce mediálny obsah na Slovensku a v Českej republike majú tento segment stále málo pokrytý a preto by sa mali snažiť čo najviac preniknúť do tohto segmentu a umožniť tak pohodlný prístup k mediálnemu obsahu aj užívateľom mobilných zariadení.

3 ZHRNUTIE Stanoveným cieľom tohoto článku bolo získať informácie o rozložení značiek telefónov ich príslušných operačných systémov a preferenciách užívateľov mobilných telefónov na Slovensku a v Českej republike pomocou vlastného výskumu a na základe získaných informácií formulovať odporúčania pre spoločnosti zaoberajúce sa vývojom aplikácií pre mobilné zariadenia, spoločnosti predávajúce mobilné telefóny a pre poskytovateľov mediálneho obsah. V úvode článku bol poskytnutý pohľad na trh mobilných telefónov a trh mobilných aplikácií a predikcie týchto trhov v celosvetovom meradle. Z týchto pohľadov nepochybne vyplynulo, že mobilný priemysel a podnikanie na trhu mobilných aplikácií je určite vhodnou príležitosťou na podnikanie. Celosvetový prieskum spoločností Gartner a IDC jednoznačne ukazuje, že najrozšírenejšími značkami telefónov so stúpajúcim rastom sú spoločnosti Samsung a Apple. Vlastný výskum prebiehal formou internetového dopytovania pomocou dotazníkov v dvoch várkach. Prvý dotazník v období od 27.11.2011 do 29.2.2012 vyplnilo celkom 335 respondentov. Druhú časť dotazníka vyplnilo celkom 381 respondentov v období od 1.12.2012 do 28.2.2013. Výsledné dáta z výskumu boli nápomocné pri špecifikácií odporúčaní pre segmenty trhu, ktorým by mohli získané informácie pomôcť pri rozhodovaní alebo plánovaní. Pre spoločnosti zaoberajúce sa vývojom mobilných aplikácií je určite užitočným faktom, že dominanciu na trhu si udržujú hlavne operačné systémy Android a iOS. Oba operačné systémy majú na trhu v Slovenskej a Českej republike silné používateľské zázemie, a preto by mal priniesť týmto spoločnostiam najviac finančných prostriedkov vývoj aplikácií na tieto platformy. Z výskumu ďalej vyplýva, že spoločnosti predávajúce mobilné zariadenia na Slovensku a v Českej republike by sa mali zameriavať na telefóny značiek Apple, Samsung, HTC a Sony, ktoré používajú operačný systém iOS alebo Android. Poskytovateľom mediálneho obsahu je na mieste na základe zistených informácií odporučiť, aby začali mediálny obsah šíriť taktiež cez nové prvky prostredí operačných systémov na to určených.

2

Spoločnosť Apple v systéme iOS 5 (2011) zaviedla nový prvok s názvom Kiosk (stánok)

36

Štalmach

Z dát možno taktiež odvodiť, že užívatelia mobilných telefónov na Slovensku a v Českej republike sa viditeľne neodlišujú od celosvetového priemeru.

4 ZOZNAM POUŽITÝCH ZDROJOV [1]

Generation App 62% of Mobile Users 25-34 own Smartphones. Nielsen.com [online]. 2011 [cit. 2013-04-03]. Dostupné z: http://www.nielsen.com/us/en/newswire/2011/generation-app-62-of-mobile-users-2534-own-smartphones.html

[2]

Global mobile statistics 2013: Mobile phone shipments. MobiThinking.com [online]. 2013 [cit. 2013-04-22]. Dostupné z: http://mobithinking.com/mobile-marketingtools/latest-mobile-stats/a#topmobilemarkets

[3]

MALÝ, Václav. Marketingový výzkum : teórie a praxe. Praga: Oeconomica, 2008. ISBN 978-80-245-1326-3

[4]

Mobile Applications Futures 2013-2017. In: PORTIO RESEARCH.com [online]. 2013 [cit. 2013-04-21]. Dostupné z: http://www.portioresearch.com/en/majorreports/current-portfolio/mobile-applications-futures-2013-2017.aspx

[5]

Mobilné aplikácie. Mobilneaplikacie.sk [online]. 2013 [cit. 2013-04-03]. Dostupné z: http://www.mobilaplikacie.sk/preco_mobilne_aplikacie.html

[6]

OLÁH, Ľuboš. Mobilný marketing. RUonline.sk [online]. 2013 [cit. 2013-04-03]. Dostupné z: http://www.ruonline.sk/mobilny-marketing-10-faktov-ktore-musitevediet/

[7]

Portio Research Mobile Factbook 2013. PORTIO RESEARCH.com. [online]. 2013. Dostupné z: http://www.portioresearch.com/media/3986/Portio%20Research%20Mobile%20Factb ook%202013.pdf

[8]

Smartphone. TechTerms.com [Online]. 2013 [cit. 2013-04-21] http://www.techterms.com/definition/smartphone

[9]

Smartphone Futures 2012-2016. In: PORTIO RESEARCH.com [online]. 2013 [cit. 2013-04-21]. Dostupné z: http://www.portioresearch.com/en/major-reports/currentportfolio/smartphone-futures-2012-2016.aspx

[10]

ŠTALMACH, Tomáš. Operačné systémy pre mobilné zariadenia. Praha, 2013. Bakalárska práca. Vysoká škola ekonomická v Prahe. Vedúci práce Mgr. Ing. Zdeněk Smutný.

AIP Scholaris

PŘÍLOHA S GRAFY:

D1: Rozloženie operačných systémov v mobilných telefónoch 1% 2%

1%

11%

Android iOS 41%

12%

Symbian Windows Phone BlackberryOS Windows Mobile

32%

Ostatné

n=335

Graf 1: Rozloženie operačných systémov v mobilných telefónoch v prvom dotazníku.

D2: Rozloženie operačných systémov v mobilných telefónoch Android 17% 2%

1%

iOS

2%

Symbian 48%

4%

Windows Phone Blackberry OS

9%

Bada 17%

n=381

Windows Mobile Ostatné

Graf 2: Rozloženie operačných systémov v mobilných zariadeniach v druhom dotazníku.

37

38

Štalmach

D1: Rozloženie značiek mobilných telefónov

12%

16% Samsung

5%

Apple 7% HTC Nokia 14%

32%

Sony Ericsson LG

14%

Ostatné

Graf 3: Rozloženie značiek mobilných telefónov v prvom dotazníku.

D2: Rozloženie značiek mobilných telefónov

4%

5% Samsung

23%

Apple

15%

HTC Nokia 17%

19%

Sony Ericsson LG

17%

Ostatné

n=381

Graf 4: Rozloženie značiek mobilných telefónov v druhom dotazníku.

AIP Scholaris

D1: Preferencie značiek 2% 2% 5%

Samsung

14%

Apple

8%

HTC Nokia

13%

Sony Ericsson 39% 17%

LG Bez preferencie Ostatné

n=335

Graf 5: Preferencie značiek v prvom dotazníku.

D2: Preferencie značiek 2% 2% 2%

1% Samsung Apple 25%

14%

HTC Nokia Sony Ericsson

17%

LG 24% 13%

n=381

Blackberry Bez preferencie Ostatné

Graf 6: Preferencie značiek v druhom dotazníku.

39

40

Štalmach

D1: Majoritné kritérium pri výbere telefónu 5% 7% 7%

Funkcie / vybavenie 47%

7%

Operačný systém Spracovanie Cena Značka výrobcu

27%

Vzhľad

n=335

Graf 7: Majoritné kritérium pri výbere telefónu v prvom dotazníku.

D2: Majoritné kritérium pri výbere telefónu

10% Funkcie / vybavenie

7%

Operačný systém Spracovanie

14% 53%

Cena Značka výrobcu

5%

Vzhľad 11%

n=381

Graf 8: Majoritné kritérium pri výbere telefónu v druhom dotazníku.

AIP Scholaris

D1: Výber OS Android na základe kritérií 2% 3% 10%

3%

Funkcie / vybavenie Operačný systém Spracovanie 54%

28%

Cena Značka výrobcu Vzhľad

n=148

Graf 9: Výber OS Android na základe kritérií v prvom dotazníku.

D2: Výber OS Android na základe kritérií

7% 5% Funkcie / vybavenie Operačný systém

14%

Spracovanie Cena

5%

60% 9%

Značka výrobcu Vzhľad

n=184

Graf 10: Výber OS Android na základe kritérií v druhom dotazníku.

41

42

Štalmach

D1: Výber OS iOs na základe kritérií 2% 14% 1%

Funkcie / vybavenie 33%

9%

Operačný systém Spracovanie Cena Značka výrobcu Vzhľad

41%

n=116

Graf 11: Výber OS iOS na základe kritérií v prvom dotazníku.

D2: Výber OS iOs na základe kritérií

11% Funkcie / vybavenie

9% 40%

3%

Operačný systém Spracovanie

6%

Cena Značka výrobcu Vzhľad 31%

n=65

Graf 12: Výber OS iOS na základe kritérií v druhom dotazníku.

AIP Scholaris

D1: Spokojnosť s funkciami na základe operačného systému 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%

n=335

Android

iOS

Symbian

Windows Phone

Windows Mobile

Blackberry OS

Nie

8%

1%

33%

17%

50%

25%

Ano

92%

99%

67%

83%

50%

75%

Graf 13: Spokojnosť s funkciami na základe operačného systému v prvom dotazníku.

D2: Spokojnosť s funkciami na základe operačného systému 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%

n=381

Android

iOS

Symbian

Windows Phone

Windows Mobile

Blackberry OS

Bada

Nie

7%

0%

39%

31%

25%

0%

34%

Ano

93%

100%

61%

69%

75%

100%

66%

Graf 14: Spokojnosť s funkciami na základe operačného systému v druhom dotazníku.

43

44

Štalmach

D1: Oblasť použivania

n=335

Vyhľadávanie služieb v okolí aktuálnej pozície Natáčanie videa Fotenie Používanie bežných aplikácií (správa dokumentov ai.) Prístup na sociálne siete (Facebook, Twitter ai.) Sledovanie filmov Počúvanie hudby Turistická navigácia Automobilová navigácia Surfovanie po webe Správa e-mailov SMS Telefonovanie

30% 45% 74% 57% 64% 23% 74% 25% 44% 76% 66% 92% 95%

Graf 15: Oblasť používania mobilného telefónu v prvom dotazníku.

AIP Scholaris

D2: Oblasť použivania

n=381

Vyhľadávanie služieb v okolí aktuálnej pozície Natáčanie videa Fotenie Používanie bežných aplikácií (správa dokumentov ai.) Prístup na sociálne siete (Facebook, Twitter ai.) Sledovanie filmov Počúvanie hudby Turistická navigácia Automobilová navigácia Surfovanie po webe Správa e-mailov SMS Telefonovanie

29% 45% 82% 57% 72% 14% 75% 23% 33% 72% 53% 94% 99%

Graf 16: Oblasť používania mobilného telefónu v druhom dotazníku.

45

AIP Scholaris Časopis pro excelentní práce studentů vysokých škol ISSN: 1805-613X Články v časopise podléhají licenci Creative Commons Uveďte autora 3.0