Sopron. Designed by. 14. Országos Gazdaságinformatikai Konferencia 14 th International Symposium on Business Information Systems

2017

Designed by

www.guidance.hu

14. Országos Gazdaságinformatikai Konferencia 14 th International Symposium on Business Information Systems Sopron, 2017. november 10-11.

Sopron

NJSZT Neumann János Számítógép-tudományi Társaság GIKOF Gazdaságinformatikai Kutatási és Oktatási Fórum

OGIK’2017

Országos Gazdaságinformatikai Konferencia Az előadások összefoglalói

Sopron, 2017

OGIK2017 Országos Gazdaságinformatikai Konferencia Az előadások összefoglalói 14. Országos Gazdaságinformatikai Konferencia A konferencia ideje: 2017. november 10-11., Sopron A konferencia helyszíne: Soproni Egyetem, Sopron, Bajcsy-Zs. u. 4.

Szerkesztők: Bacsárdi László, Bencsik Gergely, Pödör Zoltán

Tördelőszerkesztő: Somos András

Kiadó: Alexander Alapítvány a Jövő Értelmiségéért 9026 Győr, Hédervári út 49/a. Nyomtatta és kötötte: Lővér-Print Nyomdaipari Kft. Felelős vezető: Szabó Árpád Sopron, 2017 ISBN 978-615-00-0464-8 A borítón szereplő fényképet Somos András készítette. A jelen kiadványban szereplő magyar és angol nyelvű absztraktok a szerzők saját munkái, amelyek tartalmáért a kiadó nem vállalja a felelősséget.

2

OGIK–ISBIS’2017

Welcome to Sopron The Scientific and Educational Forum on Business Information Systems (SEFBSI/GIKOF) was established 17 years ago by academics, software developers, practitioners and users as a Special Interest Group (SIG) of John von Neumann Computer Society (JvN CS). After a year of operation, the Board of that SIG decided to launch a conference series named OGIK (Országos Gazdaságinformatikai Konferencia) as the only one for Hungarian Specialists. As the topic of Business Information Systems appealed not only professionals involved in BIS but also the colleagues from abroad, the conference series needed to be expanded soon as an International event. Since the programs, organized by the GIKOF/SEFBIS SIG was the only Forum in the field of BIS in Hungary many colleagues joined to the community and have been working together during the last years. The first 10 conferences were hosted in Gyor by the Szechenyi University. After the tenth years Jubilee the SEFBIS Board decided to move the conference year by year to some other city of Hungary, so the 11th -13th OGIK conferences took place in Budapest (Corvinus University), in Veszprém (Pannon University) and in Dunaújváros. Last year the Sopron University applied for hosting the 14th OGIK Conference. The Organizing Committee started to work hard on planning and performing the conference on high level even by introducing new ideas and spirit into the conference. The organizers decided to launch a special poster session, which encourages the colleagues for more intensive interaction. In order to reach that goal they managed wine tasting in line with the posters’ presentations. OGIK-ISBIS’2017

3

On behalf of the SEFBIS (OGIK) Board I would like to express our appreciation to all the Sopron University’s colleagues who have been involved in organizing the conference, the IPC members for reviewing the papers, the sponsors for their support and last but not least to the authors who submitted their works and results. We wish you a successful conference, have a valuable time and enjoy the wonderful city of Sopron!

Mária Raffai Chair of IPC November 10, 2017, Sopron

4

OGIK–ISBIS’2017

Jó szerencsét! A Soproni Egyetemen a Simonyi Károly Műszaki, Faanyagtudományi és Művészeti Karának Informatikai és Gazdasági Intézete felelős a gazdaságinformatikus képzésért, így nem csak a szervezőbizottság, hanem a házigazda nevében is sok szeretettel köszöntöm az idei OGIK konferencia résztvevőit. A Soproni Egyetem jogelődjén, a Nyugat-magyarországi Egyetemen 2002-ben indult el a gazdaságinformatikus képzés. A Budapesti Műszaki és Gazdaságtudományi Egyetem támogatásával zajló egykori ötéves képzésnek ma is büszkén őrizzük örökségét. Egy igazán soproni arculatú gazdaságinformatikát tudtunk kialakítani az elmúlt évek során egy olyan sokszínű Karon tevékenykedve, mint a Simonyi Károly Kar. Mobilalkalmazások, reszponzív weboldalak, internet-of-things megoldások, adatbányászat a big data világában, komplex és hatékony vállalatirányítási rendszerek – és még sok más kifejezést találhatunk a gazdaságinformatika 2017-es szófelhőjében. Idén ünnepeljük a szak indulásának 15. évfordulóját, ezért külön öröm számunkra, hogy mi lehetünk házigazdái az OGIK 2017 konferenciának. Tavaly novembere óta nagyon sok időt fordítottunk a konferencia előkészületeire. Köszönöm a szervezőbizottság minden tagjának (Bencsik Gergely, Gludovátz Attila, Kiss Péter, Koloszár László, Pödör Zoltán és Tóth Mónika) a közreműködését. Az előbb felsorolt kollégák közül külön ki szeretném emelni Bencsik Gergelyt, aki az utolsó hetek során fogta össze nagyon hatékonyan az operatív szervezést. Köszönettel tartozom partnereinknek és támogatóinknak is, valamint Somos András hallgatónknak, aki jelen kiadvány tördelését vállalta. OGIK-ISBIS’2017

5

Ahogy a programból látható, az idei évben különleges hangsúlyt helyezünk egy ipari partnerek részvételével zajló kerekasztalbeszélgetésre valamint a poszterszekcióra. A poszterszekció elejét egy rövid bemutatóval kezdjük, ahol minden poszterelőadó kap 60 másodpercet, hogy bemutassa a témáját az összes résztvevő számára. A poszterszekció ideje alatt pedig egy borkóstolóval kedveskedünk minden résztvevő számára, bízva abban, hogy jófajta soproni borok és a szakmailag sokszínű poszterek egyvelege emlékezetes pontja lesz az idei konferenciának. Örülök, hogy eljöttek Sopronba a 14. Országos Gazdaságinformatikai Konferenciára. Egy sikeres, emlékezetes konferenciát kívánok mindenkinek! Sopron, 2017. november 10.

Bacsárdi László A szervezőbizottság elnöke

6

OGIK–ISBIS’2017

Programbizottság Elnök: Társelnök:

Raffai Mária (Széchenyi István Egyetem, NJSZT GIKOF) Bacsárdi László (Soproni Egyetem)

Tagok: Josef Basl (Prague University of Economics) Bencsik Gergely (Soproni Egyetem) Bőgel György (Közép-európai Egyetem) Sohail Chaudhry (Villanova School of Business, Villanova University) Gerhard Chroust (Johannes Kepler University) Csendes Tibor (Szegedi Tudományegyetem) Dobay Péter (Pécsi Tudományegyetem) Petr Doucek (University of Economics, Prague) Erdős Ferenc (Széchenyi István Egyetem) Fekete Attila (Feki Webstudio Kft.) Fülöp Zoltán (Szegedi Tudományegyetem) Gábor András (Budapesti Corvinus Egyetem) Horváth Zoltán (Eötvös Lóránd Tudományegyetem) Kosztyán Zsolt Tibor (Pannon Egyetem) Kő Andrea (Budapesti Corvinus Egyetem) Miháydeák Tamás (Debreceni Egyetem) Miklós Herdon (Debreceni Egyetem) Pödör Zoltán (Soproni Egyetem) Tjoa A Min (Vienna University of Technology) Uchiki Tetsuya (Saitama University) Xu Li (Old Dominion University)

OGIK-ISBIS’2017

7

Szervezőbizottság Elnök: Bacsárdi László (Soproni Egyetem) Tagok: Bencsik Gergely (Soproni Egyetem) Gludovátz Attila (Soproni Egyetem) Kiss Péter (Soproni Egyetem) Koloszár László (Soproni Egyetem) Pödör Zoltán (Soproni Egyetem) Tóth Mónika (Soproni Egyetem) A konferenciát a Soproni Egyetem Simonyi Károly Műszaki, Faanyagtudományi és Művészeti Karának Informatikai és Gazdasági Intézete szervezte. Az intézet honlapja: http://inf.uni-sopron.hu A konferencia honlapja: http://www.ogik2017.hu

8

OGIK–ISBIS’2017

Konferenciaprogram 1. nap – 2017. november 10. 9:30 – Regisztráció / Registration 18:00 10:30 – Köszöntő és a konferencia megnyitása / 10:45 Opening Addresses Plenáris szekció Plenary session

Szekcióelnök: Bacsárdi László Chair: László Bacsárdi

Litkei Péter (NetAcademia): A biztonság fogalma a negyedik ipari forradalomban Csanaki Jenő, Edelényi Márton, Károlyi Tamás, Nagy Zsolt 10:45 – (Opel Szentgotthárd): 12:15 Üzleti intelligencia hasznosítása az Opelnél Zörög Zoltán (Eszterházy Károly Egyetem): Miért oktassunk ERP-t? Gerald Steinbauer, Martin Kandhofer (TU Graz): EDLRIS – A European Driving License for Robots and Intelligent Systems

12:15 – Ebédszünet / Lunch break 13:30

OGIK-ISBIS’2017

9

Szekció A: Gazdaságinformatikai alkalmazások Szekcióelnök: Kő Andrea Session A: Business informatics applications Chair: Andrea Kő Strauss Tamás (Budapesti Corvinus Egyetem): Számítógépes rendszerek tesztelése és validálása a gyógyszeriparban

13:30 – 14:45

Kalmár János (Soproni Egyetem): Egy push and pull migrációs modell és megoldása számítógépes szimulációval Bakó Dávid, Erdei Imre, Pintér Tamás László (Soproni Egyetem): IoT infrastruktúra kialakítása SensorHUB alapokon Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert (Pannon Egyetem): Alkalmazásmenedzsment támogatása ágens alapú szimulációs szoftverekkel Németh Márton, Bencsik Gergely (Soproni Egyetem): Vállalatirányítási rendszerek implementálásának és koncepciójának újszerű megközelítése

Kerekasztal-beszélgetés / Round table discussions 14:45 – Téma: Ipari szereplők jelenléte a gazdaságinformatikus oktatásban 16:00 Moderátor: Fekete Attila (Feki Webstudio)

10

OGIK–ISBIS’2017

16:00 – Csoportkép / Group photo 16:05 16:05 – Kávészünet / Coffee break 16:20 Szekció B: Információmenedzsment Szekcióelnök: Gábor András Session B: Information management Chair: András Gábor Rozsnyai Gábor (Neumann János Számítógép-tudományi Társaság): eSzolgáltatottak szolgáltatói – Szakmai közösségek, mint szolgáltatók, az eSzolgáltatások minősége szakmai közösség, mint csendestárs Tarján Gábor (Budapesti Corvinus Egyetem): 16:20 – Az információbiztonsági tudatosság érettségi szintjének 17:35 mérése gazdálkodó szervezetekben – a tudatosítás kontrollkörnyezete Horváth Ádám Béla (Óbudai Egyetem): Informatikai kockázatok komplex értelmezése Vitályos Gábor (Neumann János Számítógép-tudományi Társaság): Populáris és a professzionális felhasználói viselkedések és elvárások

OGIK-ISBIS’2017

11

Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián (Budapesti Corvinus Egyetem): A digitális átalakulás magyarországi tapasztalatai 1 perces poszterbemutató / “One minute madness” 17:35 – A poszterek előadóit arra kérjük, hogy egyetlen egy darab 17:50 PowerPoint dia kivetítésével tartsanak egy maximum 1 perc hosszú „kedvcsináló" előadást a poszterükről. Borkostolóval egybekötött poszterszekció / Poster session with wine tasting Csaba Brunner (Corvinus University of Budapest): Ant Colony Algorithm in Data Mining Csaba Csáki (Corvinus University of Budapest): Open Data Reuse: A Note for Beginners Tibor Kovács, Andrea Kő (Corvinus University of Budapest): Evaluation of multiple criteria decision models based aggre17:50 – gate performance measures 19:15 Berta Olga (Nyíregyházi Egyetem): Vállalatinformatikai rendszerek használata az agráriumban egy kérdőíves kutatás tükrében Hornyák Miklós, Kruzslicz Ferenc (Pécsi Tudományegyetem): Internet-alapú adatforrás duo-mining elemzése Kehl Dániel, Kruzslicz Ferenc (Pécsi Tudományegyetem): Tantermi interaktivítás támogatása ARS eszközökkel

12

OGIK–ISBIS’2017

Nagyné Halász Zsuzsanna, Gubán Miklós Koloszár László (Budapesti Gazdasági Egyetem, Soproni Egyetem): Az informatikusképzés a felsőoktatásban Pintér László Tamás (Soproni Egyetem): SensorHUB rendszerfelügyelet létrehozása Szőke Péter (Soproni Egyetem): IoT környezetben tárolt adatok feldolgozása és megjelenítése Vajna Zoltán (MVMI Zrt.): Értékteremtő az IT vagy csak költséget jelent? Varga Krisztina, Bacsárdi László, Bencsik Gergely, Pödör Zoltán (Soproni Egyetem): Big Data adatelemzési technikák űrkutatási adatok feldolgozásában Trinh Anh Tuan, Kádár Bence, Pénzes Gábor (Budapesti Corvinus Egyetem): A blockchain technológia a használtautó piacon Trinh Anh Tuan, Frecska Éva (Budapesti Corvinus Egyetem): Social scoring megoldások felhasználása hitelelbírálás során

19:45 – Fogadás / Reception 22:00:

OGIK-ISBIS’2017

13

2. nap – 2017. november 11. Szekció C: Tanulás, fejlődés Szekcióelnök: Dobay Péter Session C: Learning and growth Chair: Péter Dobay Fekets Gábor (Soproni Egyetem): Faipari folyamatok szenzorain keletkező adatok feldolgozása és elemzése korszerű eszközökkel Soós Sándor (Soproni Egyetem): Felhő alapú megoldások az oktatásban

8:45 – 10:15

Anita Mihalovicsné Kollár, Vid Sebestyén Honfi (Dunaújvárosi Egyetem): Gazdaságinformatikus FOSZK, a mostohagyerek? Kő Andrea, Vas Réka, Borbásné Szabó Ildikó, Kovács Tibor (Budapesti Corvinus Egyetem): Vállalati kooperáció és hálózatosodás a technológiai innováció kontextusában Fehér Péter, Varga Krisztián (Budapesti Corvinus Egyetem): A banki gyakorlat digitális átalakulási lehetőségeinek bemutatása a Design Thinking módszertanra támaszkodva Balázs Barna, Szabina Fodor (Corvinus University of Budapest): Battlejungle, an online platform for using enterprise gamification to engage employees

10:15 – Kávészünet / Coffee break 10:40

14

OGIK–ISBIS’2017

Szekció D: Interdiszciplináris szekció Szekcióelnök: Raffai Mária Session D: Interdisciplinary session Chair: Mária Raffai Balázs Kovács (University of Pécs): How language influences the information content of stock market news? László Kovács (Corvinus University of Budapest): Applications of Metaheuristics in Insurance Gergely Bencsik (University of Sopron): 10:40 – Analysis of the random level of scientific results using 12:10: Random Correlation methodology Attila Gludovátz, László Bacsárdi (University of Sopron): The connection of the production and the energy usage in a smart factory Ferenc Erdős, Richárd Németh (Széchenyi István University): 3D Printing Application Opportunities in Real Time Data Communication and Visualization Ágnes Dede (Corvinus University of Budapest): The examination and modification possibilities of lending processes 12:10 – Konferencia zárása / Closing ceremony 12:30: 12:30 – Szendvicsebéd / Lunch break 13:30:

OGIK-ISBIS’2017

15

A konferencia partnerei és támogatói Neumann János Számítógép-tudományi Társaság

Gazdaságinformatikai Kutatási és Oktatási Fórum

Országos Gazdaságinformatikai Konferencia

Soproni Egyetem

16

OGIK–ISBIS’2017

Soproni Egyetem, Simonyi Károly Műszaki, Faanyagtudományi és Művészeti Kar

GAIN BI Kft.

Alexander Alapítvány a Jövő Értelmiségéért

Universitas Fidelissima Kft.

OGIK-ISBIS’2017

17

PLENARY SESSION PLENÁRIS ELŐADÁSOK

18

OGIK–ISBIS’2017

A biztonság fogalma a negyedik ipari forradalomban Litkei Péter NetAcademia Oktatóközpont Kft. [email protected]

A 4. ipariforradalom kapcsán sokszor felmerült, hogy a gyártás automatizálás területén használt rendszereket, pontosabban a SCADA rendszereket az internetre kössük. Vajon felkészültünk- e arra, hogy az ilyen eszközeinket a kiengedjük a világhálóra? Nincsen valakinek Deja vu érzése, mint annak idején először az asztali számítógépekkel – a 90es évektől, amikor már egy világ tanulta meg, hogy szinte semmilyen védelemről nem beszélhettünk operációs rendszereink, szoftverjeink esetén. Majd szépen lassan megtanultuk, és egy új szakma, és iparág jött létre, IT biztonság néven. Aztán amikor megjelentek az okos telefonok, megint mindent elfelejtettünk a biztonságról, amit talán mostanra sikerült csak röppályára állítani. És most csatlakoztassuk a SCADA rendszereket az internetre? Kulcsszavak: Ipar 4.0, SCADA, automatizálás.

OGIK-ISBIS’2017

19

EDLRIS – A European Driving License for Robots and Intelligent Systems Gerald Steibauer1, Martin Kandhofer2 1Graz

University of Technology

[email protected] 2Graz

University of Technology

[email protected]

Robotics and Artificial Intelligence (AI) is becoming increasingly important. Thus, sound knowledge about the principles of Robotics and AI will be a crucial factor for future careers of young people as well as for the development of novel, innovative products. Addressing this challenge, we present an ambitious 3-year project focusing on developing and implementing a professional, internationally accepted, standardized training and certification system for Robotics and AI which will also be recognized by the industry and educational institutions. The project’s main goal is to train and certify trainers (e.g. teachers, mentors, etc.) as well as trainees (e.g. pupils, students, young people, etc.) in basic and advanced Robotics and AI topics. In order to facilitate a broad acceptance, an Advisory Board comprising members from industry, educational institutions and public bodies is involved from start-up to the completion of the project. Keywords: ELDRIS, Artificial Intelligence, Robotics. 20

OGIK–ISBIS’2017

Miért oktassunk ERP-t? Zörög Zoltán Eszterházy Károly Egyetem, Károly Róbert Campus [email protected]

Az elmúlt évtizedek során az adatok kezelése és a vállalaton belüli kommunikáció jelentősen átalakult. Eleinte csak néhány számítógép került beszerzésre a vállalatoknál, ezért a szervezeti egységek különkülön építették ki a vállalati adminisztráció területeit lefedő alkalmazásokat, így úgynevezett szigetmegoldások jöttek létre. Napjainkban az elektronikus adatfeldolgozás elterjedésével nem az információk megszerzése jelenti a legfőbb problémát a vállalkozások számára – ezek ugyanis megtalálhatók a legkülönfélébb adatbázisokban, adattárházakban belső-, illetve külső információként – hanem azoknak az információknak az előállítása, amelyekre az adott szituációban szükség van egy döntés meghozatalához. Mi segíthetne ebben jobban, mint az informatika, ezen belül is a vállalatoknál évtizedeken keresztül tapasztalható „szigetszerű” szoftver megoldásokat felváltó integrált vállalatirányítási rendszerek. Használatuk során fontos szerepet játszik a rendszerszemléletű gondolkodásmód mindamellett, hogy a rögzítésre kerülő milliónyi adatból a megfelelő időpontban, csakis a vezetői döntés megalapozásához szükséges adatokat kell előteremteni. A napjainkban tapasztalható globalizáció, a világpiac egyre nagyobb mértékű kiterjedése, a növekvő és az egész világra kiterjedő kereskeOGIK-ISBIS’2017

21

delem kemény piaci versenyt eredményez. A versenyben való helytállást részben az integrált vállalatirányítási információs rendszerek és alkalmazásukhoz szükséges humánerőforrás kompetenciák megléte segíti. Magyarországon folyamatosan növekszik azoknak a vállalkozásoknak a száma, amelyek egy integrált rendszer segítségével kísérlik meg piaci pozíciójukat megtartani, vagy azt megerősíteni, illetve működésük hatékonyságát javítani. A felsőoktatásból a munkaerőpiacra kerülő pályakezdők egyre nagyobb valószínűséggel nyújtják be jelentkezésüket olyan vállalkozáshoz, ahol szükség lehet azokra az ismeretekre, amelyet a felsőoktatásban eltöltött évek alatt megszereztek. Kulcsszavak: információgazdálkodás, vezetői információs rendszerek, információs és kommunikációs technológia

22

OGIK–ISBIS’2017

Üzleti intelligencia hasznosítása az Opelnél Csanaki Jenő, Edelényi Márton, Károlyi Tamás, Nagy Zsolt Opel Szentgotthárd Kft. [email protected], [email protected] [email protected], [email protected]

Az Opel Szentgotthárd Magyarország egyik legdinamikusabban fejlődő vállalata, több mint 25 éves múltra tekint vissza. Jelenleg főként motorgyártással, továbbá motorkomponens-gyártással, közepes és nagy teljesítményű automata sebességváltó-gyártással, váltófelújítással és motororsó-javítással foglalkozunk. A vállalat FLEX gyáregysége a világ egyik legmodernebb és legrugalmasabb gyáregysége. A gyártás során temérdek mennyiségű, különböző granilaritású adat keletkezik. A heterogén rendszerekben tárolt adatok részletezettsége idő dimenzió mentén időbélyeg vagy műszak szinten, termék dimenzió esetén egyedi termék vagy terméktípus szinten, megmunkáló állomások esetén gép vagy orsók szinten ismertek. Az adatok rögzítése vagy automatikusan, vagy manuálisan történik. A rendszerekben az egyedi termékek teljes életútja, a megmunkáló gépek státuszai, illetve a termékek minőségügyi mérései rögzítődnek. Az információk kinyeréséhez szükség volt egy olyan konzisztens, integrált adattároló kialakítására, ahonnan jó minőségű adatokból az információ kinyerése gyorsan megvalósítható. Ahol riportolás szempontjából transzparens módon lehet nyomon követni a dimenziók, célszámok változásait, de a változások lekérdezhetők. Ahol közös, definiált mérőszámok kerülnek implementálásra. Amelyből lehetőség van OGIK-ISBIS’2017

23

különböző nézőpontú riportok kialakítására az informatikai osztály közvetlen bevonása nélkül. A fenti szempontok megvalósítását egy BI (Business Intelligence – üzleti intelligencia) rendszer építésével oldottuk meg. Létrehoztunk egy adatbázist, illetve azon értelmezett webes felületet a műszakszintű manuális adatbevitelre. Megterveztünk és implementáltunk egy adatpiacot. Kialakítottuk a különböző forrásrendszerekből származó adatok betöltőit az adatpiacba. OLAP (Online analytical processing) kockát definiáltunk az adatpiacra, melynek segítségével biztosítani tudjuk nem csak a gyors adatelérést, hanem az információk különböző nézőpontú és részletezettségű lekérdezhetőségét. Önkiszolgáló BI-on keresztül a megfelelő jogosultságú felhasználók a konzisztens, előkészített adatokból könnyedén saját interaktív riportokat készíthetnek. A megvalósult rendszer életünk részévé vált, jelen van a legalacsonyabb szintű részletes megbeszélésektől kezdve a menedzsment szintű megbeszélésekig bezárólag. Támogatást nyújt a termelés teljesítményének méréséhez, a veszteségek azonosításához, illetve az azok fejlesztésére, javítására indított akciók megvalósulásának méréshez is. Mindezek és az elért eredmények együttesen bizonyítják az elkészült rendszerünk hasznosságát. Kulcsszavak: üzleti intelligencia, döntéstámogatás, autóipar, motorgyártás.

24

OGIK–ISBIS’2017

Abstracts

OGIK-ISBIS’2017

25

3D Printing Application Opportunities in Real Time Data Communication and Visualization Ferenc Erdős1, Richárd Németh2 1Department

of Information Technology, Széchenyi István University [email protected] 2Baross

Gábor Bilingual Secondary Technical School of Economics [email protected]

It is generally accepted that the technology of the 21st century is characterized by turbulent development; the number of innovations is growing exponentially. By the increase of available performance, the development of the area of different visual presentations is becoming increasingly important; by way of example, systems based on virtual reality, holographic displays or the novelty of the past decade, the additive manufacturing technology (AMT; 3D printing). The development of future is clearly pointing to the expansion of perceptions and interactive communication. By now users require not only seeing, but perceiving, holding and going around the subject of their interest. If education is taken as the basis, several experiments proved that students can receive much more effectively that information they can tangibly experience instead of merely reading or seeing projected. The same is true for the world of work; especially in professions require high precision and good depth perception. The penetration of this technology is most noticeable today in medical and industrial applications where the benefits of AMT are increasingly applied. At the same 26

OGIK–ISBIS’2017

time, we must not forget about our fellow human beings with disabilities – the world of a blind or partially-sighted person can be widened significantly if he can access information through other senses. There has been a lot of progress over the last decade, such as the so-called 'sonification', designed for presenting visual data and images via auditory display, or the vibration (haptic) feedback used primarily in mobile phones and the so-called 'force feedback' which is in game controllers for many years. In this area, real-time transformation and dynamic mapping can be a further step forward. The aim of our research is to examine the demonstration possibilities of 3D visualisation, in such a way to make best use of the potential of physical touch and sensation alongside with the visual possibilities provided by space. By now, with the simple, fast, cost-effective and easily customizable 3D printing, there are opportunities we could not imagine before. However, the technology is available for many years, and it is constantly evolving, there are still many challenges and limitations to overcome – we will also investigate these. As a result of the growing analytical business needs, data visualization solutions entitled to provide reports and analyzes based on business needs to company managers are now widespread. According to in our days commonly accepted conventional approach, these analyzes are not based on the most actual data, as these are transmitted from the transactional system to the data warehouse – which is the basis for the analysis – only at certain intervals (monthly, weekly or nightly). Using novel in-memory database management techniques, however, it is possible to serve OLTP and OLAP requirements from a unified system and to process analytical needs in real time. For example, a management dashboard with such technology always displays analysis based on actual data, which can deliver business value in certain decision situations. OGIK-ISBIS’2017

27

The key to our visioned process is the quick spatial and physical mapping of the previous (printed, drawn or projected) presentations of two-dimensional publishers. This requires a software and hardware environment that is able to map the real-time results of the analytical system immediately, in a tangible way, and continuously tracking changes that are updated by this. Of course, the process should include the data conversion process into a file format acceptable for 3D printers. Among these, the most common format is STL (STereoLithography). However, the above described are at most spectacular; their practical usefulness is currently dwarfed by the light of the capital invested. The procedure shows its true power if we make sure that the created demonstration objects are interactive – these can also be changed according to our needs. This requires several conditions to be met at the same time. Firstly, the target object must be created per piece, reaching that the move of each piece provides an interactive experience to the user. And this must be achieved so that the final result will be more effective and demonstratively than the existing opportunities. One of these options is the Shape Display, a dynamic shaping surface, which is perfect for operating the created modular demonstration tools using its virtual interface. The future of 3D printing has even more potential; the so-called 4D printing technology – the essence of which is to create flexible, statechanging memorable materials – is already under development and virtually workable. That object which is produced by this way can be moved or changed and even able to take multiple stable forms, and to react for the changed conditions (temperature, humidity, touch) by changing its own configuration. Keywords: 3D printing, additive manufacturing technology, spatial demonstration, real-time data visualization 28

OGIK–ISBIS’2017

Analysis of the random level of scientific results using Random Correlation methodology Gergely Bencsik Institute of Informatics and Economics, University of Sopron [email protected]

Nowadays, huge data volumes are collecting in every scientific fields. Data are analyzed with several methods and based on the results, correlations are stated. If correlations are not found between data rows with the given method, new analysis approaches appear, i.e., new method of analysis is chosen or new input parameter values are defined to find a correlation. The process is supported by Big Data environment and Internet of things as well. We can assume that based on the bigger amount of data (Volume), the different format of data (Variety), the bigger incoming speed of data (Velocity), and the better quality of data (Veracity) can cause more precise models. However, it is just partly true. The nature of the Big Data environment and the various models and methods create such environment in which correlations could have born just randomly. Randomness means that near the precisely followed research methodology and mathematical background, a correlation is found, however, this correlation does not exist in real life. The correlation is misidentified as a real correlation. There are methods to check the results’ endurance, but our research points out over these methods that random property, which we named as Random Correlation. Since many algorithms can be executed after each other and some kinds of algorithms can be parameterized, the number of possible analyses is countless. The main question is that these countless analyzing possibilities including Big Data environment can influence on the endurance of the results. Due to the contiOGIK-ISBIS’2017

29

nuously increasing data volume analyses with different methods, it is possible that the result can occur randomly. In our research, Random Correlation methodology was created to detect the degree of the random level of the given analysis. It is important to analyze whether the given result’s space is balanced or not. From the Random Correlation point of view, balanced result space means a rate between the “correlation found” and “correlation not found” possibilities. The rate can be different in each research case, and it depends on the measured data and the applied method characteristics. In other words, based on parameters related to data items (e.g., measured items range, mean and deviation) and method of analysis (e.g., number of applied methods, outlier analysis) can create such environment, where the possible judgment is highly determined (e.g., data rows are correlated or noncorrelated, pendent or independent). We demonstrate the Random Correlation methodology in two cases. Analysis of variance and regression techniques are analyzed from the Random Correlation point of view, however, the Random Correlation methodology itself can be applied in the case of other models and methods as well. It is important to remark that we do not deny that real connections exist and Random Correlation does not intend to mean that one given problem cannot be approached with different viewpoints. We state that the standard research methodology steps, such as research design, data collection rules, analysis execution, result interpretation, should be extended with the step of Random Correlation analysis. It means that scientists may calculate Random Correlation factor based on the given research data and environment and the factor should be attached to every scientific result. Keywords: Random Correlation, decision support, Big Data.

30

OGIK–ISBIS’2017

Ant Colony Algorithm in Data Mining Csaba Brunner Corvinus University of Budapest [email protected]

There is an increasing demand for information extraction algorithms from large datasets. One of the most common extraction type is classification, such as decision trees, bayes classifiers and neural networks. However, many more less known algorithms exist. One example is Antminer. It is a swarm intelligence based approach specialized for data mining tasks, modeling an ant colony’s search for food. In the first section I briefly introduce the audience to the Antminer algorithm. The next section discusses several datasets the algorithm was tested on. The final part of my presentation is a comparison of a more common algorithm with the introduced Antminer in terms of performance for all dataset tested. Keywords: data mining, swarm intelligence, ACO, antminer.

OGIK-ISBIS’2017

31

Applications of Metaheuristics in Insurance László Kovács Corvinus University of Budapest [email protected]

When calculating the earnings of a life insurance company, one of the most important factors to account is the value of new business, VNB for short. In order to calculate VNB, we need to know the probability that our policy is still in force at any given time after the start of risk bearing. This is called the survival function of the policy. During the pricing of insurance products, actuaries make assumptions for the average survival function of the product, but these assumptions do not meet reality. From this difference, the company has a so called technical result, which should be positive. In order to calculate this result, we need to estimate the survival function for each policy and then match it with the assumed average. For survival function estimation based on the unique parameters of a new policy, Cox regression is used. However, not all parameters of a new policy are relevant in estimating the survival function. So, we need to apply model selection algorithms in order to determine the relevant parameters of our new policy for estimating the survival function accurately. Furthermore, if the exact effects of the policy parameters for the survival function can be determined, the insurance company can direct its sales team to acquire policies with positive technical results. In this presentation, we examine data from a Hungarian insurance company, in order to build models for the survival functions of two life insurance products. In the dataset there are 39 policy parameters that can be used as predictors for new policies’ survival functions. Some of these parameters are highly correlated, e.g. the existence of additional health coverages or 32

OGIK–ISBIS’2017

the sales channel and the change of agent, and so on. When traditional model selection techniques (best subset algorithms, stepwise and regularization methods) are applied on our training data, we can find that they have good predictive results for the survival curves on a test set. On the other hand, the effect of the selected predictors for survival cannot be determined as there is a harmful degree of multicollinearity and a great number of insignificant predictors in our final models. For example, if we cross reference the different models, we cannot determine what additional coverages have positive or negative effects on survival. If we get some consistent results from our models, then they are not always reliable as they contradict pairwise statistical tests or reason. These features of the received models mean, that we cannot direct the sales team in what kind of policies to obtain. In order to tackle this problem, we adapted the PGAIHSRS metaheuristic from Láng et al (2017) to Cox regression in order to eliminate multicollinearity from the final model. The performance of the models from the metaheuristic on the test set rivals those of the traditional algorithms, however the PGAIHSRS uses noticeably less predictors to achieve this, and these predictors are not significantly correlated and are significant for survival, as well. Which means, with the application of metaheuristics, we could produce a model for out data with good predicting capabilities and interpretable predictor effects. These predictor effects can be used to direct the sales activities for the company, e.g. we can suggest which additional coverages will produce better survival and through it, better technical result and VNB can be expected. Keywords: metaheuristics, Cox regression, insurance.

OGIK-ISBIS’2017

33

Battlejungle, an online platform for using enterprise gamification to engage employees Balázs Barna, Szabina Fodor Corvinus University of Budapest [email protected] [email protected]

The examination of the engagement of employees and the possibilities to enhance the engagement toward the company has received increasing attention in the last decade. Stronger employee commitment has a positive effect on the life of a company, which can lead to decreased workforce fluctuation, more supportive corporate community, and enhanced employee attitudes that are more conducive to the company's goals. In this study, we tested how gamification can be used to improve the social environment within the enterprise. We examined the user base of an online service, Battlejungle promoting the management of sports and common playing events with the help of gamified elements, and tested the impact of the use of this service on the users. We analysed the changes in the workplace atmosphere, the extent and quality of the relationships between the employees and the modifications of their sporting habits. Our results show that users reported a better workplace atmosphere when using a gamified online service, the employees have met many new people, and the application has motivated them to incorporate physical activity into their daily life. Keywords: gamification, employee engagement, connection network 34

OGIK–ISBIS’2017

Evaluation of multiple criteria decision models based aggregate performance measures Tibor Kovács, Andrea Kő Corvinus University of Budapest [email protected] [email protected]

Performance measurement is essential for managing any business process. Developing an aggregate performance measure can help businesses to compare themselves with their peers and to monitor their improvements over time. The research is aimed to evaluate different performance aggregation and ranking methods, using multiple criteria decision models. It is utilising case study methodology of a multinational consumer goods company. The methods evaluated are Borda ranking, Analytic Hierarchy Process (AHP), utility functions and Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). The results highlight the deficiencies of the ranking techniques, describe the benefits of the TOPSIS method and the utility functions and show how performance improvements can be monitored over time. Finally, the presentation explains how individual businesses and network of companies could benefit from using these methods. Keywords: performance measurement, performance aggregation methods, TOPSIS, multiple criteria decision models.

OGIK-ISBIS’2017

35

How language influences the information content of stock market news? Balázs Kovács Department of Management Science, Faculty of Business and Economics, University of Pécs [email protected] Companies listed on the stock exchange are obliged to issue press releases in case of events which may influence the stock prices of the company. Stock markets operating in multilingual or nonEnglish speaking countries may require issuers to publish press releases in multiple languages. In principle, the information content of the corresponding news articles should be the same despite the different linguistic codes. This hypothesis can be tested empirically by comparing the accuracies of a text based stock prediction system fed by different translations of the same press releases. I choose the Budapest Stock Exchange, more precisely its Equities Prime Market as my testbed. Issuers in this market publish press releases both in English and Hungarian, and these shares are the most liquid equities on the Hungarian stock market. Interestingly, the dictionary extracted from the English translations contains only about half as many words as the Hungarian dictionary. This may affect the quality of the bagof-words representation. My results suggest that neither of the languages are superior in price forecasting, however the majority of the relatively few cases when one of the input languages produced significantly higher accuracy under the same conditions indicated Hungarian as the better choice of input language. Keywords: text mining, news mining, language, stock exchange, forecasting.

36

OGIK–ISBIS’2017

Open Data Reuse: A Note for Beginners Csaba Csáki Corvinus University of Budapest [email protected]

Originally, the idea of publishing public sector data (PSD) was the result of promoting accountability and transparency. Later the eGovernment idea, then the push for open government led to increased demand for Open Government Data (OGD). The latest trend is based on economic interest, namely the idea of innovative, commercial reuse of public sector information (PSI). However, reusing open data is not a straightforward exercise. Although there are reports of OGD quality issues, there appears to be no research how newcomers should approach opportunities of OGD reuse. This presentation highlights basic points related to working with open data for the first time which are based on the author's own experience over cases of typical public sector datasets published with the intent to be reused. The logic follows the main dimensions of assessing OGD quality. Awareness and availability: More and more PSD is available and linking datasets in a machine readable format becoming the norm. However, this poses several challenges. It is more difficult to find relevant data in the increased volume of output, and one has to constantly be on alert regarding the freshness of the data – partly because of outdated links, partly due to sources being updated regularly. Authenticity of sources needs to be validated. OGIK-ISBIS’2017

37

Accessibility: The most important factor during download is granularity. In some cases the units released are at a low level and thousands of small records need to be accessed and pieced together – at the other end of the spectrum data may be released at a high level of aggregation resulting in massive file sizes and complex datasets. Readability: Even though data are now usually published in nonproprietary formats using standard encoding schemas, language differences could cause interpretation problems depending on the tool used. Technical qualities of the data: Most PSD is stored in databases, but during publication they are stripped of any datatype information, yet (different) types might be automatically assigned depending on the tools used. Content and structure: It is necessary to assess the quality of the data in relation to its content and domain context. Public sector data is regularly captured through forms and templates, which would enforce certain restrictions, but relying on this could lead to problems as any programming or deliberate mistakes when filling out the forms could result in data quality issues. Such errors may only be discovered using deep domain knowledge and understanding of the context. It is necessary to consider missing data or duplicates. It is not unusual to see multiple values entered into one field. Traceability: Although there are dedicated standards and best practices, the actual use and reliability of data set linkages varies widely hindering the users’ ability to connect relevant components of related datasets.

38

OGIK–ISBIS’2017

Usability: Ease of use depends on the same three things as ‘transformation’ above: the (language and date) formats, the tools required to work on the data, and the structure of the data in the files. Fit-for-purpose: The ability of end users to generate value is influenced by the complexity of the dataset. Squeezing value out of public data often requires manual cleansing and restructuring to make it digestible by analytical tools. The main message is that the nature of PSD and the mechanisms used during their production and publication are specific to the context and impact on the quality of the data being disseminated. This has to be considered when utilizing PSI or OGD for innovative services. Potential future research involves the categorization of root causes that hamper OGD quality. This requires an understanding of the differences between the OGD and the private data ecosystem. Keywords: open data, open data reuse, open data utilization, data quality, open data quality framework.

OGIK-ISBIS’2017

39

The connection of the production and the energy usage in a smart factory Attila Gludovátz, László Bacsárdi Institute of Informatics and Economics, University of Sopron [email protected], [email protected]

According to the newest industrial trends, the static and highly centralized networks are replaced by elastic, distributed, many autonomous, but linked components. By decentralizing industrial management, the goal is to achieve a more efficient resource utilization in the factories. The previous wasteful energy consumption cannot be maintained anymore. The process would impose a limit on production, which cannot be tolerated by the producers. The producing machines have built-in sensors, which are able to detect the disruption of energy input and its usage rate, and they can assign it with the resulting pieces, so the system can deduct the most efficient settings of the operating machines. At a manufacturing company, the managers aim to develop their processes, which connect to the production. The development is not only a new method, but a new mentality, with which we are able to identify the problem area and solve it. The main problem was identified earlier, that is related to the wasteful energy use of manufacturer machines. Therefore, a data collector prototype system was implemented by us at the company.

40

OGIK–ISBIS’2017

This study demonstrates the challenges and their solutions from the viewpoint of timeline. In the last months, the prototype system was created for data collecting. These historical and real-time datasets are the basis of the analysis: first, we have cleaned and prepared the dataset, then the analysis of data is continually executed. This analysis helps us in getting the information. With forecasting methods, we can make estimates for the future events. The managers can get the daily reports about the production numbers and the energy use. In addition, we can focus the occurrences of critical events with defining the limit for risky parameters. The goal is to prevent the stoppage of the production or the excessive use of the energy. After we get the results of analysis, we will make decisions. First, we have focused on the data collecting process. The company’s supervisory system gives us the energy usage data of the selected manufacturing machines. We have chosen different machines, from the aspect of utilization of the energy (high, moderate, standard and low). The measurements are done by the data-collector sensors. We have built the communication network between the machines, sensors and the data-centers. In this way, we can keep under control the complete process in real-time. The energy usage of the machines would be constant, but there is no consideration of the various manufacturing at the company. We notice, that they produce circa 1500 different types of products. In addition, there is an upper limit of the energy usage a day, on average, that the company should comply with it. So then, we must collect and select the data, which are connected to the production process. For example, produced products’ type and quantity or shift data. At the end of this process, we merged the total sum of the fact data (that mentioned above) through the dimension data (time and OGIK-ISBIS’2017

41

machine identifiers). The merging progress is happened every 10 minutes. This time parameter can be modified by us at any time. Then, with help of a business intelligence software, we can analyze the time series of the various data. The managers can make decisions now easier than ever. However, we still have challenges with this system, for example, the reaching the fact data faster or the optimization of the analysis methods. Our general goal is to make the manufacturing more efficient. In our presentation, we will demonstrate a decision support system at an international furniture company. Keywords: manufacturing, energy management system, integrated solution.

42

OGIK–ISBIS’2017

The examination and modification possibilities of lending processes Ágnes Dede Corvinus University of Budapest [email protected] Mostly everyone lives through a lending process, and they are often perceived (from a customer point of view), as frustrating, illogical, time consuming, unnecessary or overcomplicated activities. This service is very heavily regulated part in the banking sector. The start of the lending process is very stressful for the customer, but nowadays the banks have to change, because the environment changed as well. Next to the competition between the industry, appeared a new threat, the Financial Technology (shortly: FinTech). The banks have to compete a new industry, which made easier and more customer friendly solutions for the typical banking services. One of the strength of the bank is the service portfolio, where the customer can manage the investments, savings, etc. But the order of administration does not match with the customer needs. But, before we said that all of this are the banks fault, we have to examine the reasons behind the processes. Maybe the banks cannot change some steps in the processes, because they have to comply the regulation. If this is true, the banking sector have no any chance to change the processes, and satisfy the customers. The other possibility, that behind some process activity we will find inside policies, because the bank wants to protect itself. In that case OGIK-ISBIS’2017

43

the bank has the chance to change the processes, just it does not know these parts in the processes, or they are just afraid to take more risk even if this has a consequence of customer dissatisfaction. Probably, the second presumption is the correct one, because after the crisis with the currency loans the banks tightened the loan conditions, and made new risk analyzing methods. But the regulation has not changed so much. In my research I will find the answers to these questions. In the presentation I will show one bank’s lending process, and the result of analysis from the viewpoint of the regulation. Keywords: banks, lending, compliance.

44

OGIK–ISBIS’2017

Kivonatok

OGIK-ISBIS’2017

45

A banki gyakorlat digitális átalakulási lehetőségeinek bemutatása a Design Thinking módszertanra támaszkodva Fehér Péter, Varga Krisztián Budapesti Corvinus Egyetem [email protected] [email protected]

A tanulmány a magyar bankszektor digitális átalakulásban rejlő lehetőségeit tekinti át a Design Thinking módszertanból származtatott „One Week Srping” módszerén keresztül. Kutatásunkban ez hazai bankkal működtünk együtt, és fejlesztési területként az ingatlanvásárlás, és a kapcsolódó banki szolgáltatások elemzése és fejlesztése szerepelt. A bank jellemzően igen erős a jelzálog hitelezésben, ugyanakkor szolgáltatási minőségét javítani, és főleg digitalizálni szándékozik. Kutatásunkban azt vizsgáltuk, hogy rövid időn belül (5 munkanap) hogyan lehet ezen feladatot elvégezni, illetve a Design Thinking módszertant hogyan lehet ilyen időkorlátok mellett felhasználni és testreszabni. A kutatásban 2 vezető kutató irányításával 13 kutató és a bank oldaláról 3 fő vezető szakértő vett részt. Felhasználva az elterjedt design thinking módszertanokat, illetve a már sikeresen alkalmazott design thinking alapú projektek tapasztalatait, zen kihívásnak megfelelően alakítottuk ki az ún. „One Week Sprint” (egy hetes spring) módszertant. Ez a módszer öt fázisból áll, ezeken végighaladva tártuk fel a banki problématerületeket és a megoldási lehetőségeket, melyeket egy konkrét területre fókuszáltunk. Az első 46

OGIK–ISBIS’2017

két fázis a „Feltárás” (Exploration) és az „Értelmezés” (Interpretation), ezek keretén belül – az ügyfelek véleményére koncentrál – elemeztük a hazai és nemzetközi banki gyakorlatot, és tártuk fel a megoldandó problématerületeket. Az általános elemzésen túl kijelöltük az ingatlanokhoz kapcsolódó szolgáltatásokat. Tapasztalataink szerint a módszertan interpretation részének kiemelt módszertani a persona azonosítás és a vásárlói utak elemzése (customer journey analysis) volt. Ezzel elérhettük azt, hogy nem csak a hagyományosan banki termékként megjelenő ingatlanfinanszírozási területet vizsgáljuk, hanem a fogyasztói igények mentén koncentráljunk akár az ingatlan felkutatására, a tudatos vásárlásra és akár a vásárlás utáni javításokra is. Az Ideation és Experimentation fázisok során a feltárt problématerületek megoldása a cél. Kijelöltük a megoldási lehetőségeket, ezeket értékeltük a haszon és a szükséges erőforrások tekintetében, és azokat, melyek megvalósítása indokolt lehet, gyors prototipizálással vagy egyéb demonstratív eszközzel mind a fogyasztók, mind a banki vezetők számára be tudtuk mutatni. Végül a Evaluation fázisban meghatároztuk a lehetséges MVP funkcionalitást, és a piacralépési stratégiát. Összességében tehát hazai és nemzetközi tapasztalatok elemzésén túl egy mélyebb elemzéssel tártuk fel a digitális átalakulásban rejlő lehetőségeket a magyar bankszektorban. Kulcsszavak: Digitális Átalakulás, Design Thinking, Egy Hetes Sprint, one-week-sprint, bankszektor, banki digitalizáció.

OGIK-ISBIS’2017

47

A blockchain technológia a használtautó piacon Trinh Anh Tuan, Kádár Bence, Pénzes Gábor Budapesti Corvinus Egyetem [email protected] [email protected] [email protected]

Kevés olyan vagyontárgyunk van, ami olyan kitüntetett szerepű lenne, illetve amihez olyan sok szolgáltatás kapcsolódna, mint a járművekhez. Új járművet vásárolni viszont relatíve drága, használtan vásárolni pedig bizonytalan, rizikós döntés, mert a piac tele van csalókkal, az autók előélete pedig ritkán lekövethető. Az új autók árának befolyásolása helyett a használtautó vásárlás bizonytalanságának csökkentését célul kitűzve kerestük a megoldásokat. Piackutatásunk eredménye alapján arra a következtetésre jutottunk, hogy a fogyasztók szívesebben vásárolnak olyan használtjárművet melyről több információ áll a rendelkezésükre. Gazdaságinformatikus hallgatókként a piaci problémákat az informatika eszközeivel szeretnénk megoldani. Ennek megfelelően terveztünk meg egy komplex, központi adatbázist melyben a járművek vásárlási szempontból fontos adatai vannak eltárolva blokklánc formájában, s így az adatok helyessége garantált. Egy jármű életútjának dokumentálása már az autó legyártásával elkezdődik, és ideális esetben a bontásig tart. Ezalatt többször cserél gazdát, és az állapota is jelentősen változik. A jármű életútjának követésére a Blockchain technológiát tartjuk ideálisnak, hasonlóan a gyémántok kereskedelménél használt Everledger platformhoz. 48

OGIK–ISBIS’2017

Terveink alapján a használtautók piacán egy piaci rést szeretnénk kihasználni, a biztonságos használtautó vásárlást. Külön adatbázis létezik (KEKKH), ahol a műszaki vizsgák során bejegyzett km-óra állások láthatók, köztudott azonban, hogy az autók számlálóját visszatekerni pár perces művelet, és sokan élnek ezzel, továbbá a napjainkban nagy számban importált nyugat-európai használtautók története sem kerül be a magyar adatbázisba, így gyakran előfordul, hogy egy Németországban 400 ezer km-rel megvásárolt autó Magyarországon már csak 200 ezer km-rel az órájában kerül forgalomba. A járművek papíralapú szervizkönyvét (ha egyáltalán megvan) szintén könnyű hamisítani, tetszőleges adatokkal kitölteni. A márkaképviseletek pedig rendelkeznek szerviztörténettel, amennyiben egy autót márkaszervizbe hordtak, ezek azonban harmadik fél számára ritkán kiadott adatok. A projektünk célja ezen adatok egy helyre csoportosítása és digitális verifikálása. A Blockchain technológia kulcs eleme, hogy a láncba újonnan bekerülő adatok kapcsolódnak az előző blokkokhoz, így létrehozva egy főkönyvet, ami az autóknál is használható. Jelen esetben például egy időszakos szervizlátogatás jelentene egy blokkot, és ezt csak a felhatalmazott márkaszervizek jegyezhetik be a blokkláncba. A leendő rendszer egyik kritikus pontja a felhalmozott adatok kezelése. A vállalatok gigantikus mennyiségű adatot tárolnak rólunk, illetve vagyontárgyainkról, amit 2018 tavaszától másképpen szükséges kezelni, mint eddig, a meglehetősen elavult 1995. évi törvény alapján. Adatvédelmi aggályok léphetnek fel minimális mennyiségű fogyasztói adat kezelése során is, különösképpen az internetes felületeken lásd cache gyorsítótárazás. Tavasszal lép életbe az Európai Únióban hatályos általános adatvédelmi rendelet (GDPR - General Data Protection ReguOGIK-ISBIS’2017

49

lation). A felület regisztráció nélkül is hozzáférhető bárki számára, így azonban csak a hirdetett autókat lehet megtekinteni, azok dokumentumait nem, ez ugyanis ütközne a GDPR-ben foglaltakkal. Mint fentebb említett, a márkaszervizbe hordott autók szervíztörténete ugyan nem minősül személyes adatnak, a jelenlegi üzleti protokoll alapján mégis csak a tulajdonosok férhetnek hozzá. A GDPR 20. cikke (adathordozhatósághoz való jog) ugyanakkor kimondja, hogy az egyénnek joga van az őt érintő személyes adatokat, jelen esetben saját használtautója szerviztörténetét digitális formában megkapni, és ezeket szükség esetén továbbítani. A regisztrált felhasználók tehát nemcsak eladás céljából használhatják az oldalt, hanem a meglévő autójuk történetét is egyszerűen elérhetik. A platformra történő regisztráció után magánszemélyek és kereskedők egyaránt hirdethetik saját autóikat, a visszaéléseket elkerülvén a rendszer lekérdezi az Ügyfélkapuból a tulajdonos kilétét, és csak akkor engedi a hirdetésfeladást, ha a nevek egyezést mutatnak. Fontos számunkra, hogy projektünk a közeljövőben megvalósuljon, így ugyanis áthidalhatnánk a használtautók piacán fennálló bizonytalanságot, csalásokat, aminek a jóhiszemű vásárlók és a valóban becsületes eladók egyaránt elszenvedői. Kulcsszavak: fintech, blockchain, alkalmazás.

50

OGIK–ISBIS’2017

A digitális átalakulás magyarországi tapasztalatai Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián Budapesti Corvinus Egyetem [email protected] [email protected] [email protected] [email protected] A digitális technológiák robbanásszerű fejlődésével egyre több lehetősége van a szervezeteknek, hogy javítsanak akár belső működésükön, akár ügyfélkapcsolataikon. Az informatikához kapcsolódóan ilyen csodavárást már láthattunk az ezredforduló környékén, melyet gyors és látványos kiábrándulás követett. Az elmúlt években új divatszó jelent meg: digitális átalakulás (digital transformation), mely ezt az új digitalizációs hullámot hivatott leírni, ugyanakkor nagyobb tudatossággal is megtölteni. Hiszen nem elég, hogy újabb és újabb technológiák jelennek meg, és fel lehet őket használni, nagyon fontos a vállalatoknak megérteni saját és ügyfeleik elvárásait, problémáit, és azokra tudatosan alkalmazni a digitális megoldásokat (big data, cloud, artificial intelligence, machine learning, robotics, autonomous cars, 3d printing, chatbots, roboadvisors, social anything, blockchain... ). A digitális transzformáció iparáganként eltérő ütemben, intenzitásban valósul meg Így például - hiába az erős informatikai háttér - a pénzügyi szektor digitalizációja (FinTech témakör) most erős lendületet vett , intenzívebbé vált az automatizálás, illetve a termelési folyamatok digitalizálása (Ipar 4.0), de gondolhatunk a közelmúlt diszruptívnak tűnő megoldásaira: az UBER és a személszállítás, AIRB'N'B és a szálláspiac, FaceOGIK-ISBIS’2017 51

book és a média, stb. 2017-ben megvalósult vállalati felmérésünk adatai alapján vizsgáljuk a vállalati tendenciákat, az informatika vállalati szerepének alakulását, a divatszavak mögé belátva szeretnénk feltárni a vállalati motivációkat, gyakorlatokat, piaci folyamatokat, a hazai technológiai trendeket, illetve módszertani szempontból vizsgálni a tudatosabb, ügyfélközpontú digitalizációs lehetőségeket. A válaszadók szerint a digitális átalakulás központi téma, a szervezetek számára fontos a digitális üzleti átalakulás, az üzleti oldal képviselői ugyanakkor lényegesen magasabbra értékelik a kérdést, mint az informatika. Az iparági verseny még nem mindenhol igényli a digitalizációt, nagyobb az elszántság az autóipar, a pénzügy és az államigazgatás területén, míg az energiaipar, a K+F csak mérsékelt hatást várnak a digitális technológiák iparági terjedésétől. A megkérdezett vállalatok nagy része a hatékonyságot és az ügyfélélményt szeretné fejleszteni, az üzleti oldal egyértelműen nagyobb hangsúlyt tesz ezekre e területekre, mint az informatika. A válaszokból kitűnik, hogy bár a szervezetek felismerték a digitális átalakulás szükségességét, a követendő utat nem látják világosan, értik a kihívásokat, de a kockázatok felvállalására való hajlandóság nem elég erős, a letisztult stratégia és tervek még sok helyütt nem állnak készen. Látszik ez a digitális átalakulás tudatos alkalmazásához szükséges feladatok körén is: a kísérletezés, a trendek figyelése már széleskörű gyakorlat, de az innovatív megoldások gyors, operatív alkalmazáshoz szükséges megvalósítási képességek még sok szervezetnél nem kellően kiforrottak. Az informatika 2017-ben végre ismét növekvő költségvetésből gazdálkodhat a minta szerint, és az informatikai funkciónak a szervezetben elfoglalt pozíciója is jelzi az IT felismert stratégiai fontosságát, mégis a tendenciák azt jelzik, hogy újra az üzleti területek veszik ke52

OGIK–ISBIS’2017

zükben az innováció kezdeményezését. A digitális átalakulás végrehajtásában a felmérés szerint az informatikának inkább kiszolgáló szerepe van. A kutatás vizsgálja a jelen legfontosabb technológiai fejlesztési irányait (felhő, mobil és közösségi média), és a hosszabb távú elképzeléseket is. Kulcsszavak: digitális átalakulás, digitális üzleti stratégia, innovatív technológiák

OGIK-ISBIS’2017

53

Alkalmazásmenedzsment támogatása ágens alapú szimulációs szoftverekkel Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék [email protected] [email protected] [email protected]

Az alkalmazásmenedzsment, mely elsősorban a szoftverfejlesztés és támogatás területén alkalmazott új megközelítés, még nagyon új, eddig nagyon kevéssé kutatott terület mind menedzsment, mind pedig operációkutatási szempontból (Keuper, F. et al., 2011; Teubner, A., 2008; Westner K. M. & Strahringer S. 2008, van der Pols 2012). A szoftverfejlesztő cégek, melyek az alkalmazások támogatásával (support folyamataival) is foglalkoznak, ma már nem fejezik be tevékenységüket a szoftvertermék átadásával. Tulajdonképpen a folyamatnak nincs is előre meghatározott végső időpontja, így a projektszemléletű, merev határidőkben gondolkodó megközelítés az alkalmazások menedzsmentjében sokszor félrevezető lehet. Viszont másfelől, nem lehet az alkalmazásokat pusztán szolgáltatási folyamatként sem tekinteni (mint ahogyan az ITIL tekint rá), hiszen itt kisebb nagyobb fejlesztések mini “projektek” is végrehajtásra kerülnek. Fejlesztők dolgoznak nemcsak a hibák javításán, hanem az ügyfelek kéréseit is figyelembe vevő fejlesztésben, vagy éppen, az alkalmazások testreszabásában. Így őket, mint legfontosabb erőforrásokat kell az ütemezés során tekinteni. Az ütemezés során sokféle cél is megfogalmazható: minimálhatjuk a tevékenységek végrehajtására allokált 54

OGIK–ISBIS’2017

erőforrást, költségeket, de fontos, sőt talán a legfontosabb cél lehet a vevői igények minél magasabb szintű kielégítése, az elégedettség növelése (Pinedo, 2016). Ha operációkutatási szempontból tekintünk a problémára, akkor itt a legfontosabb feladat a tevékenységek ütemezése egy olyan változó (flexibilis) környezetben, ahol folyamatosan jönnek új, különböző prioritással rendelkező vevői igények, melyek között kapcsolat is lehet. A különböző ütemezési stratégiákat, modellünkben ágensek (egyszerű szabályokat követő szoftveralkalmazások) fogják reprezentálni. Őket versenyeztetjük különböző alkalmazásmenedzsmentbeli feladatokban. Modellezzük a teljesítés idejétől függő vevői elégedettséget, a végrehajtás kockázatát (valószínűségekkel súlyozott idő- és költségtúllépések hatásait), sikerességét (vevői elvárásoknak és a határidőknek való megfelelést) stb. Hipotézisünk szerint az ütemezés során olyan módszerek a legeredményesebbek, amelyek képesek meghaladni a hagyományos, termelésmenedzsmentben használt, tevékenységek függetlenségét feltételező prioritási szabályokat. Képesek a tevékenységek között fennálló, sokszor nem feltétlenül fix kapcsolatokat, a vevői elvárások változását is kezelni. Kulcsszavak: Alkalmazásmenedzsment, ütemezés, prioritások kezelése.

OGIK-ISBIS’2017

55

Az informatikusképzés a felsőoktatásban Nagyné Halász Zsuzsanna¹, Gubán Miklós ², Koloszár László3 ¹Budapesti

Gazdasági Egyetem

[email protected] 2Budapesti

Gazdasági Egyetem

[email protected] 3Soproni

Egyetem

[email protected]

A vállalkozások számára a versenyképességük megőrzéséhez, javításához elengedhetetlen az innováció, a folyamatos megújulás, ami fejlett számítógépes rendszerek nélkül elképzelhetetlen. Az információs rendszerek kialakításához és működtetéséhez informatikai szakemberekre van szükség. De milyenekre? A közép- és felsőoktatás képzési struktúrájának kialakításakor épp a piaci igényekből kellene kiindulni. A piaci igények felmérése azonban nehézkes, hiszen az egyes szakmák és szakok tartalma és értelmezése a vállalatok és az oktatási struktúrát meghatározó minisztériumok által eltérő lehet. Arról nem is beszélve, hogy még az igények felmerülése előtt kellene megbecsülni a jövőt. Ennek következtében alakult ki az IT-szakemberhiány, és a piaci igények és oktatási intézményi kimenetek közötti diszharmónia. Jelenlegi kutatásunk épp erre az eltérésre összpontosít, melynek részeként felmérjük az informatikai képzési lehetőségeket szakirodal56

OGIK–ISBIS’2017

makra, és informatikai képzéshez kapcsolódó megvalósult kutatásokra alapozva, de böngészünk az egyetemek és főiskolák honlapjain is. Elsősorban a felsőoktatásra fókuszálunk és a kimeneti kompetenciákra helyezzük a hangsúlyt. A mostani konferencia-előadás erre a témakörre tér ki. Ugyanakkor megkezdődött a kutatás vállalati IT-szakemberigény és hozzá kapcsolódó kompetenciaigény felmérési szakasza is, melyet szisztematikus szakirodalom-kutatás előzött meg. A kutatás során megvalósult a témához kapcsolódó definíciók meghatározása. Mindez azt a célt szolgálta, hogy az informatikában elterjedt főbb fogalmakat egységesen tudjuk kezelni. Így lehetővé válik minden vállalati szakember számára a fogalmak azonos értelmezése. Emellett feltérképezésre kerültek az adott témában eddig már megvalósult kutatások. Erre egyrészt azért volt szükség, hogy elkerüljük a már kutatott területeket, másrészt, hogy felhasználhassuk a már meglévő eredményeket. Ezek alapján állt össze a kvantitatív kutatás alapját képező adathalmaz, amely kérdőív formában jelent meg. Az előadás befejező részében szeretnénk bemutatni a kérdőív felépítését és az eddig elért eredményeket. A részletes elemzés még várat magára, mert a felmért vállalkozások száma még nem érte el a megalapozott vizsgálathoz szükséges nagyságrendet. Kulcsszavak: felsőoktatás, informatikusképzés, szakirodalom-kutatás.

OGIK-ISBIS’2017

57

Az információbiztonsági tudatosság érettségi szintjének mérése gazdálkodó szervezetekben – a tudatosítás kontroll-környezete Tarján Gábor Budapesti Corvinus Egyetem Gazdaságinformatikai Doktori Iskola [email protected]

A gazdálkodó szervezetek információ vagyona és annak védelme a profit és a nonprofit széférában is egyre nagyobb jelentőséggel bír. Egyrészt versenyképességi kérdés, másrészt pedig olyan megfelelőségi kritérium, melyet számos nemzetközi standard és előírás vár el a gazdálkodó szervezetektől (lásd pl. a SOX, HIPAA, GLBA, FISMA, PCI DSS, ISO 27001 és egyéb standardokat). Az információbiztonsági incidensek, káresemények döntő hányada emberi hibára, gondatlanságra, szándékosságra vezethető vissza, ami ellen leginkább az információbiztonsági tudatossággal tudunk védekezni. Az információbiztonsági tudatosság alatt a szervezet tagjainak tudását és attitűdjét értjük a szervezet tulajdonában vagy kezelésében lévő információs javak védelmével kapcsolatban. A gazdálkodó szervezetek vezetői számára elemi érdek ennek a tudatosságnak a növelése az egyén és a szervezet szintjén. Doktoranduszhallgatóként ennek kapcsán megfogalmaztam néhány kutatási kérdést és az egyes kérdések kapcsán megpróbáltam szakmai válaszokat alkotni szakirodalmi kutatás és elemzés útján. A kérdések és a kapcsolódó kutatási eredmények:

58

OGIK–ISBIS’2017

Hogyan írható le, hogyan értékelhető a gazdálkodó szervezetekben az információbiztonsági tudatosság szintje, minősége? A szakirodalom tanulmányozása rávilágított arra a meglepő tényre, hogy igazából nincs koherens és konzisztens definíciója az információbiztonsági tudatosságnak. Számos szerző számos megközelítésben tárgyalja a témát, előadásomban kitérek erre a definíciós problémára, és bemutatok egy lehetséges definíciót, mely a későbbi kutató munka alapja is lehet. Mérhető-e a változás (javulás, romlás) egy gazdálkodó szervezet életében? Egy gazdálkodó szervezet vezetője számára ez alapvető kérdés, és ezt a kérdést megválaszolandó a mérhetőség kérdéskörét járom körül kutatásom egyik elemeként. Összehasonlíthatók-e a gazdálkodó szervezetek? Szervezeti szinten az összehasonlíthatóságot támogatják az ún. érettségi / kiválósági modellek, melyek a szervezeti működés számos területére születtek meg. A szervezeti információbiztonsági tudatosság érettségi modelljének egy vázlatos leírását adja a SANS Institute 2012-ben publikált modellje. Kutatásom során ezt a modellt felhasználva kívánok egy objektívnek tekinthető mérőrendszert létrehozni, mely alkalmas lehet a mérésekkel kapcsolatos tudományos kritériumok (pl. megismételhetőség) teljesítésére. Támogatható-e a tudatosság értékelés hagyományos audit eszközökkel (pl. ellenőrző listák)? Auditorként is dolgozva azt tapasztalom, hogy bizonyos kontrollok megléte vagy hiánya utal a szervezet információbiztonsági tudatosságának érettségére, szintjére. Kutatásom során kísérletet teszek egy ilyen kontroll leltár létrehozására, mely segítségével egy adott gazdálkodó szervezet információbiztonsági tudatosságának érettségi szintje mérhetővé válhat. OGIK-ISBIS’2017

59

A tervezett előadás a fenti kutatási kérdésekben való előre haladásról kíván számot adni annak érdekében, hogy megalapozza a megalkotott modell alkalmazását, kipróbálását statisztikai értelemben is értékelhető méretű mintán magyarországi vállalatok (elsősorban pénzügyi szektor) körében. Kulcsszavak: információbiztonság, tudatosság, tudatosság mérése, érettségi modell, kontrol, kontrollkörnyezet.

60

OGIK–ISBIS’2017

Big Data adatelemzési technikák űrkutatási adatok feldolgozásában Varga Krisztina, Bacsárdi László, Bencsik Gergely, Pödör Zoltán Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected] [email protected] [email protected] [email protected]

Napjaink tipikus informatika problémái a különböző forrásokból származó, hatalmas tömegű adatok gyűjtése, kezelése és elemzése, ami nem triviális feladat. Különösen igaz ez az űrből származó, menynyiségüket tekintve egyértelműen Big Data adatok esetén, amelyek egyik meghatározó részét a Föld-megfigyeléséből származó adatok alkotják. A NASA és az ESA is működtet Föld-megfigyelő műholdakat, amelyek rengeteg mérési adatok szolgáltatnak Földünk különböző tulajdonságairól. A feladatot tovább nehezíti, hogy az utóbbi években egyre újabb és újabb szenzorok jelennek meg és ezzel együtt a generált adatok mennyisége és összetettsége is rohamos ütemben növekszik. Az adatelemzés alapjában véve sem egyszerű folyamat, hiszen előfordulhatnak hiányzó és zajos, valamint kiugró adatok is, amelyeket a tényleges elemzési folyamat megkezdése előtt kezelni kell. Elsőre az sem mindig egyértelmű, hogy a sokféle adatból mi az, ami egy adott probléma kapcsán felesleges és mi az, ami számunkra értékes információt tartalmaz. Kihívást jelent továbbá a gyűjtött adatok intézmények OGIK-ISBIS’2017 61

közti megosztása is, amely adathozzáférési jogosultsági problémákat vet fel. Az űrből érkező adatok esetében mára a következő specifikus kihívások fogalmazzák meg: (1) időbeli és tömb alapú számítási paradigmát adni, (2) a létező megosztott Föld-megfigyelési adatok szuverenitását kezelni és (3) fokozottan támogatni a térinformatikai adatok elemzését. Az adatok elemzésének legelső lépése az adatok helyes és megbízható tárolása: meg kell határoznunk, hogyan, milyen technikák alkalmazásával akarjuk tárolni a birtokunkban lévő adatokat. Figyelembe véve az űrkutatásban keletkező adatok sokféleségét, eltérő szerkezetét és struktúráját érdemes lehet a hagyományosnak tekintett relációs adatbázisok mellett a nem relációs adatbázisok alkalmazásának lehetőségét is figyelembe venni. Az elemzési folyamatot megelőzően megtörténik az adott vizsgálat kapcsán releváns adatok kiválasztása, a hiányos, zajos, kiugró adatok kezelése, szükség esetén dimenziócsökkentés, normalizáció, azaz az adatelőkészítés folyamata. Majd ezt követi a tényleges elemzési szakasz, melyet iteratív folyamatként foghatunk fel, hiszen sokszor ugyanazt az elemzési folyamatot különböző paraméterezéssel, vagy többféle elemzési technikát is alkalmaznunk kell a kívánt eredmények eléréséhez. A fenti folyamatra és a tipikus elemzési feladatok megvalósítására már léteznek integrált informatikai megoldások, amelyek a Földmegfigyelési adatok elemzését támogatni képesek, de sok esetben szükség lehet feladat specifikus, saját megközelítések alkalmazására. Munkánkban bemutatjuk a Föld-megfigyelési adatok feldolgozásában kurrens megközelítéseket, mind adattárolás, mind adatfeldolgozás vonatkozásában. Áttekintjük milyen infrastrukturális megoldások állnak rendelkezésre a keletkező adatok fogadására, tárolására. Melyek a 62

OGIK–ISBIS’2017

tipikus vizsgálati irányok és az alkalmazott elemzési megközelítések, technikák, melyeket ezen adatok feldolgozására használnak. A tapasztalatok alapján definiálhatók azok a kutatási irányok melyek lehetővé teszik – akár saját elemzési módszertanok kidolgozásával – , hogy új, hasznos eredményeket állíthassunk elő. Az űrkutatásban keletkező adatok önmagukban is lehetőséget biztosítanak komoly feladatok generálására. Ugyanakkor más adatforrásokkal történő összekapcsolásuk olyan új lehetőségeket és vizsgálati irányokat definiál, ami mind adattárolási, mind módszertani mind megjelenítési oldalon rengeteg lehetőséget és megoldandó problémát vet fel. Előadásunkban a földmegfigyelési adatok elemzéséhez köthető módszereket mutatjuk meg. Arról adunk egy áttekintő képet, hogy milyen adatfeldolgozási, adattárolási, infrastrukturális és elemzési keretrendszerek állnak rendelkezésre napjainkban, amelyek képesek ezen megfigyelések hatékony elemzését. A kutatás az Emberi Erőforrások Minisztáriumi ÚNKP-17-4-III kódszámú Új Nemzeti Kiválóság Programjának támogatásával készült. Kulcsszavak: Big Data, Földmegfigyelés, adatelemzés.

OGIK-ISBIS’2017

63

Egy push and pull migrációs modell és megoldása számítógépes szimulációval Kalmár János Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected] A STELLA szoftver az Isee System fejlesztése, célja differencia egyenletekkel leírható folyamatok numerikus modellezése. Professzionális változata már 2000 $-tól beszerezhető. Viszonylag széles körben alkalmazzák az ökológiában, pl. a talaj és az élővilág közti transzfer folyamatok leírásánál, de véleményem szerint alkalmas ökonómiai folyamatok modellezésére is. Úgy gondoltam, napjaink slágertémájában, a migrációkutatásban (Huzdik [2014], Hárs [1992]) mutatok egy példát alkalmazására. A leegyszerűsített modell csak két régiót tartalmaz az alábbi tulajdonságokkal és elvándorlási motivációkkal: Lit: i régió népessége t ciklusban Kit: i régió konfliktus (etnikai, vallási, politikai, stb.) indexe a t ciklusban (értéke 0 és 1 közé esik). Az onnan menekülők száma arányos a nagyságával, tehát taszító potenciál. mi,jK = (Kit – Kjt) · Lit , ha Kit > Kjt, egyébként 0. i régióból j-be akkor van konfliktus okozta mi,jK migráció, ha j régió biztonságosabbnak látszik. Eit: i régió jóléti, elégedettségi (anyagi helyzet, munkanélküliség, jövőkép, lakhatás, egészségügy, oktatás, bűnözés, stb.) indexe t ciklusban (értéke 0 és 1 közé esik). Minél nagyobb a régiós jóléti index a szomszédokhoz képest, annál többen veszik célba, tehát vonzási potenciál. mi,jE = (Ejt – Eit) · Lit , ha Ejt > Eit, egyébként 0. i régióból j-be akkor van jóléti deficit okozta mi,jE migráció, ha j régióban kedvezőbbek a körülmények.

64

OGIK–ISBIS’2017

A fenti jelölések figyelembevételével i régió népességének változását a t ciklusban az alábbi összefüggés szolgáltatja: ∆Lit = mj,iK + mj,iE - mi,jK - mi,jE , és ∆Lit <= Ljt, mert a változás nem lehet több, mint a forrás kapacitása. Nem véletlenül kaptak t idő-indexet Kit és Eit régiós indexek, mert nagyságukat a modell szerint a régiós népességadatok ∆Lit / Lit relatív változása módosítani fogja: ∆Kit = - k · ∆Lit / Lit, pl. ha csökken a populáció a régióban, akkor tovább nő a kiszolgáltatottságuk, ezért nő a Kit konfliktus index (a 0 < k < 1 paraméter konstansnak tekinthető), de nem csökkenhet 0 alá, illetve nem nőhet 1 fölé. ∆Eit = - e · ∆Lit / Lit, pl. ha csökken a népesség a régióban, javul a helyben lévők helyzete, ezért nő az Eit jóléti index (a 0 < e < 1 paraméter konstansnak tekinthető), mely nem csökkenhet 0 alá, illetve nem nőhet 1 fölé. A fenti migrációs modell STELLA programja csak 22 értékadó utasítást tartalmaz az inicializálást is beleértve: K10 = E10 = 0.07, K20 = E20 = 0.05, k = e = 0.1, L10 = 1000000 és L20 = 2000000 A k és e paraméterek konstansok (converter típus), a többi viszont a szimuláció (flow folyamat) során lépésenként változik (stock típus). A modell elválaszthatatlan része a grafikus felület, ahol a modell szerkezetét (a paraméterek hatását a változásokra) kell leírni. Engem elsősorban a modell fixpontja érdekelt, vagyis az a t állapot, amikor megszűnik az átjárás a régiók között (∆Lit = 0). Ez akkor következik be, amikor K1t = K2t és E1t = E2t teljesül, de nem feltétlen egy L1t = L2t állapotban! A számpéldában a migráció a kezdeti nagyobb lépések után fokozatosan kifulladt, és közel 100 lépés után teljesen leállt. A paraméterek végértéke így alakult: K1100 = K2100 = E1100 = E2100 = 0.05, L1100 = 1219350 és L2100 = 1780650 A modell igény szerint új régiókkal és populációkkal bővíthető, és más paraméterekkel újrafuttatható. Kulcsszavak: migrációs modell, STELLA program, migrációs egyensúly.

OGIK-ISBIS’2017

65

eSzolgáltatottak szolgáltatói – Szakmai közösségek, mint szolgáltatók, az eSzolgáltatások minősége szakmai közösség, mint csendestárs Rozsnyai Gábor ExxonMobil BSC Magyarország [email protected] Az infokommunikációs technológiába beleszületett generációk sincsenek könnyű helyzetben, ha el akarnak igazodni az ICT világában, esetleg a használaton túl is. Az előadás arról szól, hogy hogyan segíti az eligazodást, ezen túlmenően az ICT nyújtotta szolgáltatások hatásos és hatékony igénybevételét a számítógép-tudományi társaság. Milyen elvárások vannak egy ilyen társaságban működőkkel szemben? A fejlődés természetes velejárója, hogy az ICT használat nem csak egyre általánosabb és intenzívebb, hanem jellege is állandóan változik. A digitális esélyegyenlőség ma már nem a fizikai elérésen múlik. Az NJSzT tudatosan és következetesen szolgáltat tudást ahhoz, hogy tagjainak, szakembereknek és a teljes népességnek az előbbiekben említett ICT használatot (is) támogassa. Elkezdődött az újragondolása annak a kommunikációnak, melynek egyik színtere az NJSzT „portál” (www.njszt.hu). Kinek mit szolgáltat (a társaság és honlapja)? Jelen tárgyalás középpontjában az informatika egyes művelői között történő egyeztetések és gondolatcserék rögös útja, illetőleg az ebből a tevékenységből levonható tapasztalatok állnak A (szub)kulturális és humán kompetenciák jelentősége mellett szó esik a technológiától való függőségről is. Az NJSzT e-Szolgáltatások szakmai közösség tevékenységeként vizsgáltuk azt is, hogy mi nehezíti az egyes szakterületek képviselőinek az együttműködését. Többek között az alábbi kérdések vetődnek fel:

66

OGIK–ISBIS’2017

•

Hogyan lehet tudatosítani, hogy a jelenlegi weblapfejlesztési gyakorlat egyszerűsített kényszerpályáihoz képest újszerű elvek weblapon való megvalósítására van szükség? • Miért fontos, hogy az NJSzT webes megjelenése professzionális legyen? o Mit is jelent a professzionalitás (mennyiben kell eltérni az un. populáris megjelenéstől)? o Hogyan lehet a költséges professzionális nagyrendszerek nélkül fontos alapelveket bemutatni? o Hogyan lehet egységesíteni a szóhasználatot, illetőleg biztosítani a fogalmak egyértelműségét? • Mit jelentenek a levont következtetések a mindennapi életünkben, amikor különböző szolgáltatók által nyújtott különböző ügykezelő rendszerek felhasználóiként intézzük „ügyeinket”? • Milyen gondolatok hasznosak a szolgáltató rendszerek szereplőinek (Rendszertulajdonos,/Ügygazda, Szolgáltató, Fejlesztő, Felhasználó)? • Hogyan lehet továbblépni? A továbblépés feltételeként • egy kommunikáción alapuló integrációt gondolunk. • melynek központjában egy tudásportál áll, ami o jó, ontológiára alapozott általános keresőmechanizmust és o rugalmas (paraméterezhető) megjelenítést tartalmaz, o melyben a jogosultságkezelésen túlmenően o személyre szabhatóságig terjedő egyéni megjelenés biztosítható, o ahol a szakosztályok valódi együttműködést tudnak megvalósítani. • és a technika támogatja a „intellektuális szenvedély (intellectual passion) és elkötelezettség (commitment) érvényesülését. Kulcsszavak: Quality of eServices, eSzolgáltatások minősége, az ICT generációja, technológiai- humán- kulturális- kompetenciák, informatika a mindennapokban, tudásportál.

OGIK-ISBIS’2017

67

Értékteremtő az IT vagy csak költséget jelent? Vajna Zoltán MVMI ZRT. VIG FIG [email protected]

Az első ipari forradalmat az emberiség a 18. század végén élte meg, amikor a gőzgépeket a termelés szolgálatába állították. A 20. század elején, amikor elkezdték alkalmazni az elektromosságot az iparban, azzal eljött a második ipari forradalom ideje is. Az elektronika és az IT fejlődése okozta a harmadik ipari forradalmat a 70-es években, de az IT töretlen és exponenciális fejlődési görbéjének köszönhetően mára megérkeztünk a negyedik ipari forradalom küszöbére. (Plattform Industry 4.0, 2016) Az elmúlt néhány évtizedben a gazdasági erőviszonyok megváltoztak, Kína vársárló és termelő képessége az EU–t és egyben Németországot is változásra sarkallja, amennyiben nem szeretne tovább veszteni jelenlegi helyzetéből. Mivel a német gazdaság számára kulcskérdés a világban elfoglalt piacvezető helyének megőrzése, ezért a német kormány megbízott egy kutatócsoportot, hogy tanulmány keretében mutassák be, hogy a cél elérése miként lehetséges. Az elkészült tanulmány (Plattform Industry 4.0, 2016) a német ipar jövőjét az okos gyárakban látja. A projekt megállapításai szerint az okos gyárak legfontosabb jellemzője, hogy a jelenlegi centralizált működés helyett decentralizált módon termelnek, a termelésben egymással kommunikáló kiber-fizikai rendszerek működnek és a vevői igényeket képesek még kis darabszám esetén is, agilisan és gazdaságosan kiszolgálni. A megál68

OGIK–ISBIS’2017

lapítások alapján kijelenthető, hogy a negyedik ipari forradalom a kiber-fizikai rendszerek gyártásban történő alkalmazásának köszönhető. 2017-ben már látjuk, hogy az informatika milyen szinten hatja át a mindennapjainkat, de 2003 májusa fekete nap az IT életében. A Harward Business Review számában megjelent publikációnak címe Az IT nem számít (G. Carr, 2003) már akkor is komoly ideológiai vitát eredményezett, de azt gondolom, hogy a negyedik ipari forradalom hajnalán elmondhatom, hogy Nicholas G. Carr-nak nincs igaza. Az IT igenis számít és nem csak egy replikálható infrastruktúra szolgáltatásról beszélünk, hanem a mai rendkívül gyorsan és dinamikusan változó üzleti világban az innováció motorja, de nem csak technológiai szinten, hanem a környezeti változásokra folyamatosan reagálni kényszerült üzleti modellek területén is. A jelen előadásomban röviden kitérek arra, hogy mit is jelent a manapság olyan sokat ismételt Ipar 4.0, majd egy empirikus felmérés kapcsán szeretném bizonyítani azon állításomat, hogy azon szervezetek amelyek fejlettebb informatikai képességekkel, folyamatokkal rendelkeznek, azoknál a szervezeteknél az üzemelő berendezések megbízhatósági szintje magasabb. Ezért azt gondolom, hogy az IT-ra nem mint csökkentendő költségre kell tekinteni, hanem igenis, mint a vállalat egyik értékteremtő képességére. Kulcsszavak: Ipar 4.0, értékteremtő IT, információ, tudás, kutatás, karbantartás.

OGIK-ISBIS’2017

69

Faipari folyamatok szenzorain keletkező adatok feldolgozása és elemzése korszerű eszközökkel Fekets Gábor Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected]

Az ipari környezetben is egyre inkább jellemző, hogy a termelési folyamatok során rengeteg, például szenzorok által gyűjtött adat keletkezik. Ezek feldolgozása, a hasznos információk kinyerése nagy kihívást jelent. Jelen kutatás célja egy hazai faipari középvállalkozás termelési tevékenysége során, telepített szenzorokon keletkező adatok feldolgozása. A szenzorok a famegmunkálási eszközökre (kis asztali körfűrész, nagy asztali körfűrész, szövetszabászgép) kerültek telepítésre és a felvett áramerősség mértékét monitorozzák a betápláláson keresztül. Az Ipar 4.0 megjelenésével elérhetővé vállnak olyan alkalmazások és rendszerek, melyek az IoT platformokat támogatva hatékonyan segítik az adatokból kinyert információ alapján történő gyártási és termelési döntéseket. Egy multinacionális vállalat elsősorban a legújabb technikákat, kompakt megoldásokat és a moduláris bővíthetőséget tartja szem előtt az eszközbeszerzések során, melyet a tőkeerős hátterével tud megvalósítani. Ezzel szemben a kis- és középvállalkozásokra jellemző tőkehiány miatt a szenzorok vagy teljesen hiányoznak vagy jellemzően analóg technikát alkalmaznak a termelési folyamatokban. A felügyelt gyártási folyamat a vállalat számára számos előnyt nyújt, az adatokból ugyanis a vezetői döntéstámogatáshoz kulcsfontosságú információ állítható elő, a hatékonyság növelhető, ezáltal a termelési költségek csökkennek. A kutatás célja egy olyan adatfeldolgozási mód70

OGIK–ISBIS’2017

szer létrehozása, amely az utólag kiépített, a faipari vágó- és marógépekre telepített áramfelvételi jellemzőket gyűjtő szenzorokon keletkezett adatokat felhasználva hatékony támogatást nyújt az egyes gépek használati és működési viszonyait tekintve. A szenzorok időbélyeggel ellátott áramfelvételi adatokat (Amper értékeket) továbbítanak a feldolgozó egység felé, melyet egy online felülettel kérdezhetünk le vagy menthetünk XLS formátumba. A feldolgozás következő lépésében az R programnyelvet alkalmazva kerül sor az adatok tisztítására, feldolgozására és megjelenítésére. Az adatfeldolgozás elsődleges célja a kiugró, a szokásostól eltérő áramfelvételi adatok monitorozása és kiszűrése, így megelőzendő a gépek olyan fokú meghibásodását, melynek költségvonzata a javítási munkálatok valamint az állásidő következtében jelentős mértékűre nőhet. Fontos kérdés, hogy a módszer hány egymáshoz közeli kiugró értéket tekint a szokásostól eltérőnek illetve mekkora időszakot vizsgál a kiugró érték megállapításakor. Feldolgozáskor az adott időablak hosszának szabályozhatónak, paraméterezhetőnek kell lennie, így biztosítva a feldolgozás rugalmasságát. Az adatok vizsgálatával a gépkihasználtság mérése is lehetséges, így a menedzsment számára gyártásütemezés optimalizáció tekintetében nyújt támogatást. A múltban keletkezett adatok alapján, azonos jelenkori feltételek mellett következtetni lehet az elkövetkezendő időszakban várható termelési volumenre, a gépek kihasználtságára valamint a gépek meghibásodásának várható üteme, az egyes meghibásodások közötti öszszefüggések feltárásával és a karbantartások megfelelő ütemezésével növelhető a rendelkezésre állási idő. Kulcsszavak: szenzor, áramfelvétel, adatfeldolgozás, gyártás optimalizáció, Ipar 4.0, IoT.

OGIK-ISBIS’2017

71

Felhő alapú megoldások az oktatásban Soós Sándor Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected]

Munkánkban bemutatjuk, hogy milyen módon lehet felhasználni a korszerű felhőszolgáltatásokat az oktatás különböző területein. Sorra vesszük az oktatási folyamat különböző fázisait és esettanulmányok formájában megmutatjuk, hogy ezeket hogyan lehet támogatni a számítási felhők különböző szolgáltatásaival. Ezek jó részét saját napi gyakorlatunkban is alkalmazzuk, így egészen konkrét tapasztalatokról is be tudunk számolni. Mivel azonban napról-napra megjelennek egyre újabb és újabb online eszközök, folyamatosan figyelemmel kísérjük ezeket és a legjobbakat beépítjük a napi gyakorlatba először kísérleti jelleggel egy-egy kisebb kurzusban, vagy kisebb projektben majd, amelyek tényleg beválnak, azokat egyre szélesebb körben is. Most bemutatunk ilyen, még kísérleti fázisban lévő megoldásokat is felkínálva az érdeklődők számára a velünk való együttműködés, együtt gondolkodás lehetőségét. Ilyen esettanulmányok készülnek a következő területekről: Előadás: az egyetemi oktatás legtipikusabb formája a frontális előadás. Első ránézésre úgy tűnhet, hogy itt nincs mód a felhő használatára, valójában azonban a leghagyományosabb előadáson is szerepet kaphatnak az online eszközök az előadó és a hallgatóság oldalán egyaránt. Gyakorlat és laborgyakorlat: a gyakorlatok során az informatikai tárgyak esetében egyértelműen, de más tárgyak esetében is gyakran szükség van számítógép használatára, ekkor nagy segítséget jelent a felhő használata, sok erre szolgáló eszközt fogunk bemutatni. Projektmunka 72

OGIK–ISBIS’2017

tanár-diák, vagy tanár-diákcsapat együttműködése: a csoportmunka támogatására nagyon sok eszköz létezik és ezek között sok felhőszolgáltatás is van. Az ebben a kategóriában ismertetésre kerülő eszközök nem csak az oktatásban, hanem bármilyen csapatmunka során is felhasználhatók. Hallgató-konzulens együttműködés: ebben az esetben sokat tud segíteni a számítási felhő, ennek révén sokkal szorosabb és közvetlenebb együttműködés alakítható ki a felek között anélkül, hogy túl nagy időbeli leterheltséget jelentene ez bármelyik fél számára. A felhő lehetővé teszi az időbeli és térbeli távolságok legyőzését, így nem jelent akadályt a közös munkában, ha a konzulenst időnként távolba szólítja a munkája. Jegyzetelés és önálló tanulás: még kevésbé elterjedtek azok az online eszközök, amelyek ezen a területen használhatók, pedig nagyon sokat tudnak segíteni ezekben a feladatokban. Kutatás, irodalmazás: a kutató munka jellege és a szakterület erősen befolyásolja, hogy mennyire használhatók a felhőszolgáltatások, a szakirodalmi kutatást azonban minden szakterület esetében nagyban megkönnyíthetik és hatékonyabbá tehetik ezek az eszközök. Számonkérés: a hagyományos számonkérési formák általában kizárják az online kapcsolat meglétét, így nem lehet szó felhőszolgáltatások használatáról. Vannak azonban új módszerek, amelyekkel van lehetőség számonkérésre online környezetben. Tanulmányi adminisztráció: az egyetemi oktatás adminisztrációja jelenleg is nagyrészt online módon zajlik, de sokat lehetne javítani ennek minőségén, ha valódi felhőszolgáltatássá alakítanánk. Természetesen nem lenne teljes egy ilyen elemzés, ha nem beszélnénk a távoktatásról. Zárásként megvizsgáljuk, hogy milyen felhőszolgáltatásokat használhatunk a távoktatás során. Kulcsszavak: számítási felhő, felhőszolgáltatás, cloud computing. OGIK-ISBIS’2017

73

Gazdaságinformatikus FOSZK, a mostohagyerek? Mihalovicsné Kollár Anita, Honfi Vid Sebestyén Dunaújvárosi Egyetem, Informatikai Intézet [email protected] [email protected]

A mai magyar sajtóban szinte már hetente jelenik meg, hogy jelenleg hány informatikus hiányzik a munkaerőpiacról és az elkövetkező néhány évben ez a szám milyen elképesztő dinamikával fog emelkedni. Ha az informatikus végzettséget igénylő munkakörökben elérhető munkabéreket is összehasonlítjuk a többi terület jövedelmi viszonyaival, azt gondolhatnánk, hogy a pálya nagyon vonzó a fiatalok körében. Akkor hol itt a probléma? A felsőoktatásnak csak képeznie kell azt a rengeteg jelentkezőt, ontania kell a sok frissen végzett informatikust és a munkaadók elégedettek lesznek, hogy minden pozíciót be tudnak tölteni. Valahogy mégsem ezt látjuk! A jelenlegi magyar felsőoktatásban az informatikai képzési területen mind a 4 féléves felsőoktatási szakképzésben (FOSZK), mind a 6, illetve 7 féléves alapképzésben gazdaságinformatikus, mérnökinformatikus és programtervező informatikus szakon tanulhatnak a hallgatók. A 4 féléves mesterképzésben e három mellett még az orvosi biotechnológia szak szerepel. Ezen túlmenően pedig számtalan szakirányú továbbképzési szakon szerezhetnek informatikai végzettségre épülő, vagy éppen más tudományterületen szerzett diplomán alapuló informatikai tudást. A paletta tehát széles, a kérdés csak az, hogy a munkaerőpiac ezek közül mit tud hasznosítani. Egyáltalán van-e értelme ennyi szaknak, képzési szintnek és a képzési időn belül mi az a tudás, ami ez alatt a 74

OGIK–ISBIS’2017

néhány félév alatt átadható és szükséges/hasznos is a majdani munkavállalónak és a munkaadónak egyaránt? A konferencia a gazdaságinformatikusok szakmai eszmecseréjének ad teret és az előadók célja a vitaindítás. Az alábbi kérdésekre szeretnénk választ keresni: – – – –

Van-e létjogosultsága a gazdaságinformatikai felsőoktatási szakképzésnek? Tudjuk-e, hogy mi az, amit a munkaadói oldal ezen a területen a felsőoktatástól elvár? Teljesítjük-e ezeket a kéréseket, vagyis egybeesik ez az igény azzal, amit a rendelet előír számunkra a KKK-ban? Hogyan tudunk egymásnak segíteni, hogy ez az együttműködés a gazdasági élet és az oktatási szféra szereplői között minél hatékonyabb legyen?

Természetesen a felsorolás nem teljes, arra azonban elégséges, hogy ha változásra van szükség, elindulhasson egy folyamat, aminek a végén mindenki elégedett lehet - hiszen mindannyian ugyanazért dolgozunk: a hallgatóért, aki használható, naprakész tudást vár el tőlünk. Kulcsszavak: gazdaságinformatikus felsőoktatási szakképzés, felsőoktatás, képzési és kimeneti követelmények.

OGIK-ISBIS’2017

75

Informatikai kockázatok komplex értelmezése Horváth Ádám Béla1 1Óbudai

Egyetem, Biztonságtudományi Doktori Iskola [email protected]

A legtöbb kockázatkezelési eljárás, minőségbiztosítási-, illetve információbiztonsági szabvány implicit abból indul ki, hogy ezen kockázatok egymástól függetlenül alakulnak ki, és nincsenek hatással egymásra. Ez a feltételezés ugyan nincs leírva, de az un. üzleti hatás mérése („business impact analyis”) főképp a katasztrófa-helyreállítási- és üzletfolytonossági tervek előkészítésében merülnek fel, és a kockázatkezelés területén ritkán kerül kihangsúlyozásra. Greg Suddards ír le a publikációjában egy pénzintézetben végbemenő hipotetikus dominóhatást, miszerint egy természeti katasztrófa kiváltja, hogy az informatikai infrastruktúra megsérül és üzemképtelenné válik (ami kockázat az IT-ért felelős részleg számára), és az üzemképtelen informatikai rendszer miatt az ügyvitel lehetetlenül el, aki kockázat más szervezeti egységek (pl.: hitelezés) számára. A kockáztatok felmérése alapvetően nehéz kérdés. Ahhoz, hogy pontos képet kapunk azokról a kockázatokról, rendkívül gazdag veszteség-adatbázisra lenne szükség. Nem véletlen, hogy a Bázel-II is, csak a legszofisztikáltabb kockázat-kezelési eljárás alkalmazása (AMA) során várja el az előírásokat alkalmazótól, hogy az egyes kockázati elemeket részletesen felmérjék és dokumentálják, és ez alapján dolgozzák ki a szükséges ellenintézkedéseket. Nagyon kevés szervezet rendelkezik ilyen adatokkal, ezeket iparágban gyűjtött adatokkal próbálják helyettesíteni. (Ilyen iparági adatokat bocsát tagjai rendelkezésére az Operational Riskdata eXchange Association [ORX].) 76

OGIK–ISBIS’2017

Feltételezve, hogy rendelkezésre állnak megfelelő minőségű adatok, meglátásom szerint integrálni kellene a lehetséges kockázati károk felmérésében a tovagyűrűző hatást, amennyiben az létezik. Azaz: tételezzünk fel, hogy létezik két egymással (részleges függőségi) kapcsolatban álló kockázat, és az üzleti folyamatok dokumentációi, illetve a korábban említett üzleti hatás elemzés (BIA) alapján a kapcsolat ki is mutatható: az „A” kockázat sztochasztikus (tehát nem függvényszerű) hatással a „B” kockázatra. Amennyiben az egyes kockázatok csak önmagában mérjük, akkor a rendelkezésre álló adatok alapján be tudjuk sorolni valamelyik kategóriába; példánkban legyen ez az A1 pont. Ez a pont A1(P(A); E(A))-ként azonosítható, ahol P(A1) az A kockázat bekövetkezési valószínűsége, E(A) az A kockázat várható kárértéke), így ennek megfelelő ellenintézkedés válaszható ki a kockázat kezelésére. A továbbiakban nem hagyom figyelmen kívűl, hogy a kockázat felmérése történhet kvailitatív módón (pl.: alacsony – közepes – nagy kockázat) vagy kvantitatív módón (számszerűsített valószínűségekkel és várható kárértékekkel), ahogy ezt Dr. Horváth Zsolt László oktatási célú jegyzetében (2016) be is mutatta. A két módszertan közötti áthidalás egyik lehetőségét mutatta be Horváth Zsolt (2017) cikkében. Ha figyelembe vesszük a tovagyűrűző hatásokat, akkor egy új pont jelölhető ki A2(P(A); E(A)+P(B|A)*E(B)), ahol P(B|A) feltételes valószínűséget jelöl, az E(B) az B kockázat várható kárértéke. Természetesen nem tekinthetőnek törvényszerűnek, hogy a korrigált értékek számítsa során az adott kockázat egy másik – komolyabb ellenintézkedéseket igénylő tartományba – kerül. Fordítsunk most a figyelmünket – most két kockázat relációjában – a „B” jelű kockázatra. Bontsunk fel a P(B) kockázatot két részre: P(B) = P(B|A+) + P(B|AØ). Amennyiben sikerült az „A” jelű kockázat bekövetOGIK-ISBIS’2017

77

kezési valószínűségét minimalizálni, akkor ezzel együtt „B” jelű kockázat bekövetkezési valószínűsége csökkenthető, hiszen 𝑃(𝐵|𝐴+ ) = 𝑃(𝐵 ⋂ 𝐴+) 𝑃(𝐴+ )

, így a tört értéke csökkeni fog. Ez esetben sem törvényszerű a

„kategória-váltás”. Amennyiben igazolhatóan fennáll az törvényszerűség, hogy az „A” jelű kockázat sikeres minimalizálásának eredménye a „B” jelű kockázat bekövetkezési valószínűségének csökkenése, akkor ez a tény lehetőséget biztosít a védelmi költségek optimalizálására. A kockázatok közötti kapcsolatok megállapításánál is ugyanaz a fő probléma, mint a Bázel-II AMA módszertanának implementálásakor: részletes adatbázisra van szükség, viszonylag pontos esetleírásokkal. Ahogy Horváth (2016b) cikkében kifejti, a során fel kell mérni a kiváltó (lehetséges) okokat (itt lehet ok, egy korábbi kockázati esemény), valamint a lehetséges következményeket (ami lehet egy későbbi kockázati esemény), és kritikus elem, hogy minél nagyobb ismereti tapasztalatra tudjon támaszkodni. Ez esetben egy un. ágazati adatbázis (például: ORX) nem feltétlen nyújt kielégítő mélységű (pontosságú) adatokat. Jelen tanulmányban informatikai kockázatok alatt informatikai infrastruktúrának egy vagy több alkotóelemeinek rendellenes működését értem, amely megnehezíti vagy ellehetetleníti a rendes ügymenet folytatását, és így kár keletkezik. Függetlenül attól, hogy a rendellenes működés vis maior vagy jogellenes tevékenység eredménye, ezek a káresemények a legtöbb esetben nemcsak az ITinfrastruktúrára gyakorol hatást, hanem a legtöbb esetben gazdasági hatásokkal járnak. Az informatikai kockázatokkal foglalkozó különböző szintig atomizálja az egyes kockázatokat. Például:

78

OGIK–ISBIS’2017

•

•

Azonosított kockázat lehet a szerveren bekövetkezett adatszivárgás (illetéktelen hozzáférés). Ez egy kockázatnak kitett infrastrukturális egységhez kapcsolódó egy fajta kockázat. Azonosított kockázat lehet egy szerver rendellenes működése. Ez a meghatározás magában foglalhatja adott esetben egy kényszerű üzemszünetet (amely az információbiztonság rendelkezésre állás dimenzióját érintő káresemény), vagy az előző pontban említett kockázat, amely az információbiztonság bizalmasság dimenziójának, követelményinek nem felel meg. ehhez hasonló komplex kockázatot ír le Steve Elky (2007) tanulmányában.

Ezekből következik, hogy az információs kockázatok esetén a kockázatoknak nem egy dimenziója, hanem minden egyes kockázat felmérése során felmérendő, hogy milyen következményei vannak az egyes információbiztonsági dimenziók (rendelkezésre állás, bizalmasság, letagadhatatlanság, azonosíthatóság, sérthetetlenség) tekintetében. Kulcsszavak: működési kockázat, ISMS, információbiztonság.

OGIK-ISBIS’2017

79

Internet-alapú adatforrás duo-mining elemzése Hornyák Miklós, Kruzslicz Ferenc Pécsi Tudomány Egyetem [email protected]

Kutatásunk célja, hogy a technológia specifikus Kickstarter kampányok egyedi fejlesztésű technológia alkalmazásával történő elemzése. A vizsgált minta 2009 júniusa és 2016 szeptembere között a Kickstarter technológia kategóriájában közzétett és lezárult, 18157 darab kampányát foglalja magában. Módszertanilag a kutatás támaszkodik a duomining technikára (Creese, 2004), amely a kvantitatív és a kvalitatív adatok közös elemzését végzi. E technika általunk alkalmazott megvalósítása az Auto Cluster Classification (ACC), melynek során a mennyiségi adatok alapján képzett klaszterek jellemzésére a klaszterek elemeihez a klaszterképző adatok között nem szereplő külső szöveges adatbázist csatolunk (Kruzslicz et al. 2016). Ennek révén a klaszterek lényegre törő elnevezési folyamatát automatizálhatjuk, melynek során a klaszterjellemzést a külső, minőségi adatok szövegbányászati (Term Document, illetve Term Frequency and Invers Document Frequency) elemzésével végezzük. Kutatásunkban a projektek mennyiségi jellemzőit a weboldalak elemzése révén tovább dúsítottuk, mind mennyiségi, mind minőségi adatokkal. A projektek kvantitatív adatainak felhasználásával végzett klaszterezését követően a kialakított klaszterek jellemzését a projektekhez tartozó weboldalra feltöltött szöveges attribútumok szövegbányászati feldolgozásával segítettük. A klaszterek vizuális reprezentációját Conway-szófelhős technika alkalmazásával támogattuk. Kulcsszavak: Duo-mining, clustering, Big Data 80

OGIK–ISBIS’2017

IoT infrastruktúra kialakítása SensorHUB alapokon Bakó Dávid, Erdei Imre, Pintér László Tamás Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected], [email protected], [email protected]

A XXI. században új trend jelent meg a termelési folyamatokban, amit Ipar 4.0-nak hívnak és ez többek között az informatika széleskörű és mély alkalmazását jelenti a gyártási folyamatok minden területén. Lehetővé vált, hogy akár online módon olyan részletes információkhoz jussunk, ami alkalmas a költségek csökkentésére, vagy a folyamatok optimalizálására. Ezzel párhuzamosan rohamosan terjednek az okos eszközök, különféle szenzorok, amik különféle adatokat generálnak és továbbítanak feldolgozásra. Ezeknek a nagyszámú, különféle eszközöknek a hálózata az Internet of Things (IoT – „Dolgok internete”) néven vált ismerté. Az így keletkező big data adatok kezelése, tárolása speciális, a korábbiaktól eltérő megoldásokat igényel. Ugyanakkor ez nagy, anyagiakban is mérhető hasznot hozhat a cégeknek és a felhasználóknak egyaránt. Erre több gyári, „dobozos” megoldás is létezik (pl.: Homag gépek), viszont a kis és középvállalkozások sok esetben nem engedhetik meg maguknak ezeket a beruházásokat. Számukra nyújthatnak alternatívát az egyedi, kis költségigényű szenzor alapú megoldások. Kifejezetten szenzor adatok fogadását, tárolását teszi lehetővé a SensorHUB infrastruktúra, ami BME-AUT fejlesztés és Hadoop alapokon, OGIK-ISBIS’2017

81

Cloudera platformmal fut jelenleg. A platform célja, hogy egységes, hatékony hátteret és felületet nyújtson különböző adatforrásokból származó, akár eltérő formátumú, típusú adatok fogadására, tárolására és feldolgozására. Bemutatjuk az általunk kialakított, SensorHUB alapú infrastruktúrát, annak komponenseit és lehetőségeit. A kialakított környezet lehetőséget biztosít intézetünknek, a hallgatóknak, hogy tapasztalatokat szerezzenek IoT, Ipar 4.0 feladatokban, olyan feladatokkal, alkalmazásokkal foglalkozzanak, melyek ezt a hátteret használják és kihasználják. A teljes infrastruktúra 5 virtuális gépet tartalmaz Linux alapokon: 1 gateway, 1 master és 3 worker gép. A gateway és 2 worker gépen konténer-virtualizációt (Docker) telepítettünk Kubernetes menedzsment felülettel együtt. Virtualizációval futtatjuk az egyes SensorHUB szolgáltatásokat, amelyek az egyes alkalmazásokat azonosításáért, kérések irányításáért és továbbításáért felelnek. Az egységesített struktúráért saját belső domaint alakítottunk ki. A MQTT nevű IoT kapcsolati protokoll teszi lehetővé a különböző adatforrások adatainak az egyszerű beküldését, illetve adatok közvetítését a kliensek felé. Majd elvégeztük a Cloudera Manager, a Hadoop frissítését. Előbbi a rendszer menedzselését, utóbbi pedig az elosztott adattárolást biztosítja. A korábbi telepítéshez képest több korábbi szolgáltatás is feleslegessé vált, amiket eltávolítottunk a rendszerből (pl: Hbase, Solr, Spark). A frissítés végeztével a megfelelő komponenseket egyenként teszteltük, hogy az ellátandó funkció ténylegesen működik, majd integrált teszt keretén belül éles szenzoradatok bevitelével, továbbá mesterségesen létrehozott JSON adatsorokkal. A fejlesztésekkel megteremtettük az a hátteret, melyre további munkák, fejlesztések tudnak építkezni. A kialakított, modern infrastruktúra 82

OGIK–ISBIS’2017

lehetővé teszi, hogy a megszerzett tudással, tapasztalatokkal aktív résztvevői lehessünk Ipar 4.0 projekteknek különösen további, a környezethez kapcsolódó specifikus alkalmazás fejlesztésekkel. Az elkövetkező időszak feladata pedig egyrészt a saját szenzor infrastruktúra bővítése, amely big data jellegű adatokat szolgáltat az infrastruktúra számára. Másrészt az ehhez szükséges adatbetöltő alkalmazások megírása és a kapcsolódó alkalmazások igényeinek kiszolgálása. Továbbá folyamatosan keressük a hatékonyabb szolgáltatásokat, alkalmazásokat ezzel fejlesztve a környezetet, ami így korszerű, és leginkább optimalizált lesz. A projektet a NETvisor Zrt. szakmai partnerségével megvalósuló Gazdaságinformatikus Szakmai Ösztöndíj program támogatta. Kulcsszavak: SensorHUB, Big Data, IoT, Ipar 4.0., szenzorok.

OGIK-ISBIS’2017

83

IoT környezetben tárolt adatok feldolgozása és megjelenítése Szőke Péter Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected]

Napjainkban kiemelt informatikai jellegű kihívásokat generálnak a különböző helyeken, formátumban előálló Big Data adatok. Az okos eszközök térnyerésével egyre több szerkezet, gép kommunikál a hálózaton keresztül (Internet of Things), illetve végez méréseket szenzorok segítségével. Ezt a lehetőséget az ipar is hasznosítja, többek között az Ipar 4.0 keretein belül. Ez a nagy adatmennyiség rengeteg, gazdasági szempontból is jelentős információt tartalmaz, de a hatékony tárolásához és felhasználásához újabb és újabb technológiákra és megközelítésekre van szükség. A Soproni Egyetem Simonyi Károly Műszaki, Faanyagtudományi és Művészeti Karának Informatikai és Gazdasági Intézetében a BME SensorHUB alapján kialakított INGA SensorHUB átfogó lehetőséget nyújt a problémák megismerésére és egy lehetséges megoldási alternatívát is kínál. A rendszerbe több forrásból érkeznek adatok: külső partnerektől (például MTA CSFK Geodéziai és Geofizikai Intézet) és a korábbi félévek során kialakításra került egy saját szenzor alapú tesztkörnyezet is. Az Informatikai és Gazdasági Intézet épületében szenzorok kerültek felszerelésére, melyek folyamatosan, 5 másodperces időközzel vagy még gyakrabban szolgáltatják a mérési adatokat.

84

OGIK–ISBIS’2017

Ezzel kapcsolatban foglalkoztam áramerősség adatok SensorHUB rendszerbe történő betöltésével majd a betöltött adatok lekérdezésével és megjelenítésével. A jelen kutatásban használt szenzorok mPortokon keresztül kommunikálnak a gyári, Controller szoftverrel. Az adatbetöltő komponens feladata, hogy a Controller szoftver által postolt szenzor adatokat betölthető formátumba alakítja, majd továbbítja azokat a megfelelő adatbázisba. Egy php szkript segítségével töltöttük be szenzorokból származó realtime mérési eredményeket a SensorHUB adatbázisba. Majd az elkészült programot kissé módosítva egy másik adatbázisból nagyobb mennyiségű, korábban oda gyűjtött (hisztorikus) adatot is a SensorHUB rendszerbe töltöttünk át. A tesztkörnyezet nyáron tovább bővült, újabb szenzorokat (mozgásérzékelő, ablak nyitás-zárás érzékelő, hőmérő) szereltünk fel, így még változatosabb típusú valós idejű mérési adatok érkeznek az INGA SensorHUB rendszerbe. Célom a szenzorokból származó adatokkal kapcsolatos elemzési feladatok definiálása és megvalósítása. Ez a hagyományos statisztikai elemzéseken túlmutató adatbányászati megoldásokat és eszközöket kíván ezen adatforrások esetében. Így a további kutatások célja az alkalmazható eljárások körének meghatározása és ezek megvalósítása egy, a feladathoz kiválasztott környezetben. A projektet a NETvisor Zrt. szakmai partnerségével megvalósuló Gazdaságinformatikus Szakmai Ösztöndíj program támogatta. Kulcsszavak: Big Data, IoT, adatbetöltés, adatelemzés.

OGIK-ISBIS’2017

85

Populáris és a professzionális felhasználói viselkedések és elvárások Vitályos Gábor Vitályos Consulting E-szolgáltatások minősége szakosztály, Neumann János Számítógép-tudományi Társaság [email protected] Ebben az előadásban a kétfajta felhasználói magatartást és elvárást elemezzük. Definíció: Professzionális egy tevékenység, ha a végzésének jogi, pénzügyi, egészségi kihatásai vannak, pl. internetes vásárlás, hatósági ügyek, elektronikus recept, stb. kérdései. Populáris (jelen előadásban egyszerűség kedvéért) minden egyéb tevékenység, pl. nézelődés, ismerkedés, videózás, stb. Alapkérdésünk: mi a „jó” professzionális (azaz ilyen tevékenységet szolgáló) interaktív szolgáltatás, mai szóval professzionális portál? Mik az elvárásaink? A kutatás aktualitását az adja, hogy előbb utóbb minden ügyünk, dokumentumunk a virtuális térbe helyeződik, és az információtechnológia interaktív eszközeivel kezeljük azokat. Sőt: kommunikálni is virtuális szereplőkkel fogunk, és magunk is ilyenné válunk mások számára. Elképzelhetetlen mennyiségű információ kerül majd a virtuális térbe, ezek talaján eddig ismeretlen szolgáltatások tömege fog kifejlődni. Az új szolgáltatások jogi, adat- és információbiztonsági, ontológiai, ergonómiai, nyelvi, pragmatikai stb. megfelelősége, egymással való terminológia és kulturális kompatibilitása – röviden a használati minősége – a társadalmi hatékonyság és biztonság fontos része, és egyre inkább az lesz.

86

OGIK–ISBIS’2017

A kutatás motivációja az e-szolgáltatások, azaz az internetes portálok használhatóságával kapcsolatos rossz érzésünk, melyet a portálok alacsony használati minőségeként, UX-eként,- általánosságban az internetes ökoszisztéma kaotikusságaként - tudunk megfogalmazni: ezek az eszközök nem elégítik ki a munkaeszközökkel szembeni természetes elvárásainkat. Kitekintő: A probléma nehezen kutatható, multidiszciplínáris. Több dolgozatban elemeztük, és 3 fő fejezetre osztjuk: ergonómia (viszonylag jól kutatott, és az UX kérdéskör jó részét ide sorolja az irodalom), szemantika (a portál, a szolgáltatás fogalmi pontossága) és pragmatika (a szereplők közötti kommunikáció korrektsége). Ld. a referenciákat. A jelen dolgozatban elemzett felhasználói igények a szemantika és a pragmatika fejezeteibe tartoznak. A következőkben professzionalitásnak nevezzük azt a lelki állapotot (gondolkodásmódot, hozzáállást), ami a professzionális tevékenységgel általában együtt jár. Lehet, hogy a felhasználó éppen nem ilyen tevékenységet végez, de hajlama van erre, ilyen értelemben embertípust is jelent. Analóg módon definiáljuk a popularitás fogalmát. Hétköznapi szavakkal az előbbire azt mondjuk, hogy logikus, szigorú, kritikus, “balagyféltekés”, az utóbbi pedig asszociatív, befogadó, “jobagyféltekés” gondolkodás. Itt példák következnek a kutatás megállapításaiból. Nem tudományos állítások, inkább fölvetések, a további kutatás szükségességét és lehetséges irányát mutatják. A felsorolásokban az a) a populáris tevékenységre, vagy a popularitásra, a b) a professzionális tevékenységre, vagy a professzionalitásra vonatkozik. 1. A tevékenység lehet: a. Szabadidős, kötetlen b. intézményes, határidős 2. A felhasználói élmény természete rokonítható a következővel: a. Hagyományos élményforrás, kalandtúra b. információforrás, tudásforrás, kompetencia- és szuverenitás-érzés

OGIK-ISBIS’2017

87

3. Felhasználói hozzáállás a szolgáltatás váratlan helyzeteihez, hibáihoz: a. Kalandtúra, ellazulás b. célorientáltság, stressz a váratlanságtól, a. újdonság élvezete, élet császára érzés, b. A váratlanság, a sok nem pontosan értett lehetőség boszszantó, hátráltató: trehány szolgáltatók lopják az időnket, balek vagyok. a. Nyitottság az új lehetőségekre, b. célra koncentrálás 4. Hozzáállás az interaktív technológiák újdonságaihoz: a. Pozitív, amit a professzionalitás „felületesnek” mond. b. Alapos, kritikus, amit a popularitás “negatívnak” bélyegez. 5. Gondolkodás a feladatról a. Elsőleges az akció: megyünk játszani, adót bevallani. b. Elsődleges konstrukció, az objektumok: megnézzük a játékteret, az adónyilvántartásunkat, utána döntünk. 6. A dolgok megtalálása a. Néhány találattal elégedett vagyok. A keresőgép a barátom. b. Minden dolognak helye legyen, ahol azt keresni kell. Ha nincs találat, máshol már ne kelljen keresni. Az összes találatot át akarom nézni. A keresőgép ellenség. Ez a néhány példa is érzékelteti, hogy jelenlegi e-szolgáltatások nagyon messze vannak a professzionalitás elvárásaitól. Sőt, megállapíthatjuk, hogy a jelenlegi szolgáltatásépítő szoftver-technológiákkal (CMS-ekkel) nem is lehet reális költséggel ezeket az igényeket kielégíteni. Kulcsszavak: UX, e-service quality, Human-Computer Interaction, semantics, pragmatics.

88

OGIK–ISBIS’2017

SensorHUB rendszerfelügyelet létrehozása Pintér László Tamás Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected]

Napjainkban új, eddig elképzelhetetlen igények jelentek meg a termelési és gyártási folyamatokban, amit Ipar 4.0-nak nevezünk. Ez informatikai szempontból teljes integrációt jelent, vagyis a teljes termelési, gyártási folyamat nyomon követhetővé válik. Ennek köszönhetően online, azaz valós időben olyan részletes információkhoz, adatokhoz jutunk, amelyeket a folyamatok optimalizálására fordíthatunk. Az okos eszközök, különféle szenzorok terjedése, amelyek különböző folyamatokról adatokat állítanak elő is elősegítik az irányvonal fejlődését. Ebben a témakörben megjelenik egy másik fogalom is, az IoT (Internet of Things – „Dolgok internete”), amely ezen okos eszközök összességét jelenti. Az így keletkező hatalmas mennyiségű adat kezelése, tárolása különböző informatikai kihívásokat állít. Ezen folyamatoknak a felügyelete kritikus pont lehet, mert az adat elvesztése esetén termeléskiesés, nem tervezett költség jelenhet meg. Egy ilyen rendszer hatékony felügyelete mérhető megtakarítást eredményezhet a felhasználóknak. A PVSR (teljes nevén: PerformanceVisor) egy olyan általános teljesítményjellemzők monitorozására szolgáló platform, amely a különböző alkalmazásokhoz kapcsolódva, a felhasználói élményektől a hálózati infrastruktúrákon át, az informatikai szolgáltatások minőségének és teljesítményének jellemzéséig képes mérőszámok előállítására, valamint ezen mérőszámok feldolgozására, megjelenítésére. A rendszer OGIK-ISBIS’2017

89

kialakítása támogatja a különböző mérőmodulok fejlesztését, amellyel a rendszer felhasználhatósági körét bővíthetjük. A korábban említett szenzorok adatainak érkeztetését, tárolását, elemzését biztosítja a SensorHUB környezet, amely már hosszabb időre visszatekintő BME-AUT fejlesztés. A rendszer alapja a Hadoop, amelynek a menedzselése Cloudera segítségével történik. A keretrendszerrel univerzális felületet biztosít a fent említett szolgáltatásokra. Egy ilyen rendszerben is találkozhatunk folyam(at)okkal, amelyek felügyelete nem triviális. A megfelelően kialakított rendszer felügyelettel elkerülhető lehet az adatvesztés, a nem működő, vagy késleltetett riasztás, illetve további olyan információk állíthatóak elő, melyek a rendszer működéséről adnak hasznos jelzéseket. A rendszerfelügyelet középpontjában a SensorHUB keretrendszer áll, amelynek a felügyelete egyrészről mérőmodul fejlesztését, másrészt a rendszer legsokoldalúbb komponensének felhasználását jelenti, amely az Apache Nifi. Ez a komponens valós idejű adatfolyam generálást, módosítást és menedzsmentet támogat, és ez felel a rendszer néhány modulja közti kommunikációért is. Adatfolyam(ok) definiálásával a beérkező adatok hatékonyabb tárolása is megoldható, amely a rendszer terheltségének csökkenésében is jelentkezik, illetve a rendszer teljesítmény paramétereit is a felügyeleti eszköz rendelkezésére bocsájthatjuk egy egyszerűbb felületen keresztül. Az Lightweight Machine To Machine – röviden LwM2M – protokoll a gép-gép kommunikáció egy szigorított formája, amely eszközök menedzsmentjére szolgál. A protokoll az eszköz paramétereinek módosítását, olvasását, akár parancsok végrehajtását is támogatja. Az adatfolyamok felügyeletével egy átfogó képet kaphatunk a rendszer és a belső kommunikáció állapotáról. Amennyiben a kommuniká90

OGIK–ISBIS’2017

ció során hibát tapasztalunk, azt automatikusan jelezve az üzemeltetők felé, az adatvesztés és a szolgáltatáskimaradás csökkenthető, elkerülhető. A projektet a NETvisor Zrt. szakmai partnerségével megvalósuló Gazdaságinformatikus Szakmai Ösztöndíj program támogatta. Kulcsszavak: SensorHUB, Big Data, IoT, Ipar 4.0., szenzorok, adatfolyam, felügyelet, rendszerfelügyelet, LwM2M.

OGIK-ISBIS’2017

91

Social scoring megoldások felhasználása hitelelbírálás során Trinh Anh Tuan, Frecska Éva Budapesti Corvinus Egyetem [email protected] [email protected]

A social scoring azt jelenti, hogy azokat az adatokat, amiket mi az internethasználattal magunk után hagyunk (digitális lábnyom), vállalatok, intézmények, vagy más személyek valamilyen szinten nyomon tudják követni, ezekből következtetéseket tudnak levonni a személyiségünkről, érdeklődési- és ismeretségi körünkről, de ezen kívül a személyes adatainkat is megszerezhetik. A megszerzett információk birtokában mindenkit pontozhatnak bizonyos szempontok alapján. Napjainkban ebből egyre több következtetést tudnak levonni rólunk, hiszen egyre több mindent intézünk digitális úton, tehát beszélgetéseinket, vásárlásainkat is. Egy 2016-os felmérés alapján a világon már több, mint 1 712 000 000 felhasználója van a legnépszerűbb közösségi oldalnak, a Facebooknak (Simon Kemp, 2016), ennek következtében rengeteg emberről szerezhetünk különböző információkat magánszemélyként is, azonban például az irányított hirdetésekből is jól látszik, hogy annál az információnál, amit mi nyilvánossá teszünk magunkról, jóval többet megtudhatnak rólunk különböző vállalatok vagy intézmények. Az egyetemi évek alatt felmerülő költségekre a diákoknak lehetősége van a tandíjat fedező Diákhitel 2-t felvenni, vagy a szabadfelhasználású Diákhitel 1-et. A Diákhitel 1 havonta 15 000 Ft és 50 000 Ft közötti összeget tud biztosítani a tanulóknak. Egy-egy nagyobb kiadásra azon92 OGIK–ISBIS’2017

ban nincs lehetőségük kölcsönt felvenni, ugyanis a banki személyi kölcsönök egy minimum havi 100 000 Ft-os fizetéshez vannak kötve. Ezek az összegek az egyetemi/főiskolai tanulmányok alatt nehezen megkereshető fizetések, így a legtöbb hallgató a tandíjon kívüli költségeire kizárólag a Diákhitel 1-et tudja felvenni. Tekintettel arra, hogy a diákhitelek kockázata igen magas, a hitelintézetek akkor tudnának a tanulók vagy friss diplomások számára személyre szabott kölcsönt biztosítani, ha a hitelképességüket a fizetésük vagy ingatlanuk nélkül pontosan meg tudnák határozni. Erre kínálhat lehetőséget a social scoring, ezt felhasználva tudnánk kialakítani az adott ügyfél hitelpontszámát, mely a megbízhatóságát mutatja. A modellünk két pillérre épül, egy saját fejlesztésű programra, illetve együttműködésre más cégekkel, szervezetekkel az adatok megszerzése érdekében. Ezek a források akkor tudnak egy megbízható pontszámot adni, ha az adott személy elegendő információt hagy maga után az internethasználat során. A frissdiplomások és egyetemi, főiskolai hallgatók körében ez a pontozás működőképes lehet, hiszen ebbe a korosztályba tartozók túlnyomó többsége jelen van a közösségi oldalakon, és igénybe vesz online szolgáltatásokat. A projekt keretében létrejövő social scoring webfelületen a felhasználó értesül arról, hogy mely adatait vesszük igénybe a hitelpontszám meghatározásához, és a hozzájárulását követően a program kiszámítja azt. Ezt a pontszámot nem csak bankok vagy hitelintézetek vehetik igénybe a hitelelbíráláshoz, de a P2P hitelezéshez is felhasználható lenne.

OGIK-ISBIS’2017

93

2018-tól lép életbe két fontos rendelet az Európai Unióban, a PSD2, valamint a GDPR, melyekhez minden személyes adatot kezelő vállalatnak alkalmazkodnia kell majd. A PSD2, mely 2018 januárjától fog életbe lépni, kötelezi a bankokat, hogy a fizetési adatokat kiadják harmadik félnek is, amennyiben az ügyfél egy másik platformon szeretne online fizetni, azt nem csak a bank felületén keresztül teheti meg, hanem pl. a Facebookon is. Ez a modellünk szempontjából kedvező lehet, hiszen az ügyfél beleegyezésével a social media adatait felhasználva képet kaphatunk a fizetési szokásairól is. A GDPR (Általános Adatvédelmi Rendelet) 2018 májusától lesz hatályban, ez a szabály minden eddiginél szigorúbb, és ez fogja garantálni az Európai Unióban az adatvédelmet. Ennek értelmében a személyes adatokat kezelő vállalatoknak bármikor el kell tudniuk számolni a tevékenységükkel, valamint ki kell nevezniük egy adatvédelmi biztost is. A jogszabály kötelezi a cégeket arra, hogy az esetleges adatvédelmi incidensekről azonnal tájékoztassák az érintetteket, illetve, ha megsértik az adatvédelmi rendeletet, akár az éves forgalmuk 4%-ának fizetésére kötelezi őket. Kulcsszavak: fintech, hitelezés, social scoring.

94

OGIK–ISBIS’2017

Számítógépes rendszerek tesztelése és validálása a gyógyszeriparban Strauss Tamás1,2 1Budapesti 2EGIS

Corvinus Egyetem Gyógyszergyár Zrt.

[email protected]

A számítógépes rendszerek gyógyszeripari alkalmazása eltér más egyéb ipari területen történő rendszerbevezetéstől. Ennek alapvetően minőségbiztosítási okai vannak, valamint az adott ország szabályozási politikája határozza meg a bevezetés és üzemeltetés feltételeit. Az előadás célja az lenne, hogy bemutassa milyen hatósági szabályozások, ajánlások játszanak szerepet az Unióban, illetve az Egyesült Államokban egy számítógépes rendszer bevezetése kapcsán. Ilyen ajánlások pl. a GAMP 5 (Good automated manufacturing practice), valamint a EU GMP Annex 11. A helyes gyógyszeripari gyakorlatot követve milyen megfelelési követelményeket támasztanak egy rendszerrel szemben. A továbbiakban bemutatásra kerülne, hogy mit tekintünk számítógépes rendszernek, illetve hogy a validálási eljárás mennyivel több területet és szabályozott eljárást érint, mint egy szoftver rendszer puszta tesztelése. Szerepet játszik ebben pl. egy rendszer kockázatértékelése, valamint a fejlesztendő igények, illetve már rendelkezésre álló funkciók funkcionális kockázatelemzése. Ezek mind meghatározzák a tesztelés mélységét és részletességét (pozitív, illetve negatív tesztek adott funkciókra, stb.), valamint a rendszer felülvizsgálat gyakoriságát. OGIK-ISBIS’2017

95

Fontos azt is kiemelni, hogy milyen dokumentációs terhet jelent egy ilyen rendszer bevezetése, azaz a különböző komplexitású, kockázatú rendszerek milyen eltérő dokumentációt igényelnek. Ez azért fontos, mert egy rendszer bevezetésekor a projekt szempontjából kiemelt jelentőséggel bír, hogy megfelelő időtartambecslést tudjunk adni ezen szakaszra vonatkozóan is. Nem utolsó sorban bemutatásra kerülne, hogy milyen módon lehet egy validált környezetet fenntartani és a különböző módosításokat milyen módszer szerint lehet életbe léptetni, továbbá hogyan követjük nyomon a rendszerben bekövetkező változásokat. Kulcsszavak: validálás, számítógépes rendszer, GAMP 5.

96

OGIK–ISBIS’2017

Tantermi interaktivitás támogatása ARS eszközökkel Kehl Dániel, Kruzslicz Ferenc Pécsi Tudományegyetem [email protected] [email protected] Egy oktatásmódszertani fejlesztési projekt során azt vizsgáltuk meg, hogy a fordított osztályterem technikát milyen informatikai eszközökkel lehet hatékonyan támogatni. Fő célunk elsősorban a nagy létszámú előadásokon való részvétel intenzitásának javítása volt. Prezentációnk során a közönségválaszt támogató eszközök által nyújtott lehetőségeket ismertetjük. Bemutatjuk az ilyen termékeket gyártók piaci szegmensét, kínálatát, és a rendszereik által nyújtott szolgáltatásokat. Az ARS rendszerek kiváló terepet biztosítanak a mobil informatikai alkalmazásokra és a prezentációs technikák kiterjesztésére. A rendszer bevezetését hallgatói és oktatói igényfelmérések előzték meg, melyek eredményeiből fontos kiindulási pontokat sikerült azonosítani. Végül az elmúlt időszak tapasztalatainak összefoglalásával útmutatót adunk az ARS rendszerek módszertani tárgyak oktatásban való felhasználásnak előnyeiről, hátrányairól. Kulcsszavak: ARS technológia, flipped classroom, mobile interactivity.

OGIK-ISBIS’2017

97

Vállalati kooperáció és hálózatosodás a technológiai innováció kontextusában Kő Andrea, Vas Réka, Borbásné Szabó Ildikó, Kovács Tibor Budapesti Corvinus Egyetem [email protected] [email protected] [email protected] [email protected]

Az együttműködés és a „hálózatosodás” a vállalatok számára is nagyon ígéretes stratégiai alternatíva napjainkban. Lehetőséget nyújt a vállalatok számára arra, hogy a komplex és széttagolt versenyhelyzetben kedvező pozíciót nyerjenek, befelé irányulóan pedig kibővíthetik, erősíthetik képességeiket. A hálózatoknak többféle formája ismert, az innovációs klaszterektől az ellátási láncok mellett szerveződő vállalkozásokig. A hálózatosodás egyik hajtóereje az IKT (infokommunikációs technológiák), pl. a jövő internetes technológiái, Internet of Things és a szemantikus web technológiái. Ezek az eszközök, technológiák a mindennapi élet szerves részét képezik, egyre inkább végfelhasználói eszközök, könnyű kezelhetőségük és olcsó hozzáférhetőségük miatt. Az IKT folytonos fejlődése, a mindennapok során használt eszközökbe való beépülése új lehetőségeket kínál az együttműködésre és a tudástranszfer tevékenységek támogatására. Az IKT az együttműködésben is új távlatokat nyit, például az oktatásban, a termékfejlesztésben, gondoljunk csak pl. a felhő alapú szolgáltatásokra a csoportmunka területén. A hálózatokban való együttműködés, erősíti az innovációs viselke98

OGIK–ISBIS’2017

dést, megkönnyíti az ötletek generálását és megvalósítását. Kutatásunk az IKT tudáshálózatok kialakításában és működtetésében játszott szerepének felmérésével, a kooperáció és hálózatosodás elemzésével foglalkozik a technológia innováció kontextusában. A kutatás keretében a szakirodalmi eredményekre építve elemezzük fehérvári régió klasztereket alkotó vállalatainak tudásteremtési folyamatait, az alkalmazott technológia- és tudástranszfer gyakorlataikat, felmérjük, hogy az informatika miként támogatja, segíti elő tudáshálózatok kiépítését és hatékony működtetését a régióban. A kutatást az EFOP-3.6.1-16-2016-00013 projekt „Piaci terméket vagy szolgáltatást előállító hálózatok” alprojektje támogatja. Kulcsszavak: hálózatosodás, tudáshálózat, IKT, tudásgenerálás hálózatokban

OGIK-ISBIS’2017

99

Vállalatinformatikai rendszerek használata az agráriumban egy kérdőíves kutatás tükrében Berta Olga Nyíregyházi Egyetem, Gazdálkodástudományi Intézet [email protected]

Az agrárgazdaság informatikai fejlődése dinamikusan kezdődött el az utóbbi években. A rendszerváltást követően jelentősen szétesett, majd újra strukturálódott mezőgazdaságban működő vállalkozások az informatika területén jelentős elmaradással küzdöttek. Napjainkban, amikor világszerte egyre nagyobb teret nyer az informatikai alkalmazások használata az élet minden területén, az agrárgazdaság sem vonhatja ki magát az eszközök internete, a precíziós mezőgazdaság vagy a vállalkozások működését hatékonyabbá tevő agrárinformatikai alkalmazások adaptálása alól. Kutatásomban arra kerestem a választ, hogy milyen összetevők befolyásolják a vállalkozások belső információs rendszerét, használatát, milyen rendszereket használnak, és milyen okok befolyásolják a használatot. A reprezentatív mintavétellel készült kutatás során egy kérdőíves vizsgálat zajlott a kettős könyvvezetésű vállalkozások bevonásával. A vizsgált tényezők arra irányultak, hogy a vállalkozások informatikai sajátosságaira mely tényezők hatnak leginkább, a vállalkozások tulajdonosi szerkezete, esetleg a tevékenységek diverzifikáltsága befolyásolja-e az informatikai alkalmazások sajátosságait, az informatikához való viszonyát. Kulcsszavak: agrárinformációs rendszerek, menedzsment, kutatási eredmények. 100

OGIK–ISBIS’2017

Vállalatirányítási rendszerek implementálásának és koncepciójának újszerű megközelítése Németh Márton, Bencsik Gergely Soproni Egyetem, Informatikai és gazdasági Intézet [email protected] [email protected]

Napjainkban a vállalatirányítási rendszerek (Enterprise Resource Planning, ERP) egyértelműen meghatározóak az iparban és manapság szinte minden vállalat használ valamilyen üzleti megoldást. A különböző üzleti megoldások a ma is meghatározó folyamatelvűségen alapszanak, miszerint az egyik üzleti folyamat kimenete, egy vagy több másik üzleti folyamat bemenete és tulajdonképpen az egész vállalati működés folyamatok láncolataként épül fel. Amikor egy vállalat (megrendelő) úgy dönt, hogy bevezet egy vállalatirányítási rendszert, akkor vagy egy előre elkészített „dobozos” terméket vásárol meg, vagy egy saját fejlesztésű ERP-t implementál. A szakirodalom tárgyalja mindkét lehetőség előnyét és hátrányát, ugyanakkor a piacon – különösen az Ipar 4.0, Internet of Things és Big Data hatására – általában a „dobozos” megoldások mellett döntenek a cégek. A „dobozos” ERP-k közös jellemzője, hogy egy fiktív vállalatmodell alapján kerültek implementálásra, ezért a használatbavétel előtt szükséges a vállalat egyedi folyamatainak és az adott megvásárolt ERP implementációjának illesztése (testreszabás). A folyamatok illesztése szakértelmet igényel, ezért egy tanácsadó cég (eladó) végzi a „dobozos” ERP bevezetését. Ugyanakkor ez az illesztés nem mindig tökéletes. Bár a nagy gyártók által forgalmazott vállalatirányítási rendszerek igyekeznek az összes üzleti folyamaOGIK-ISBIS’2017

101

tot támogatni, mindig előfordulnak olyan egyedi folyamatok, amelyeket kevésbé lehet megvalósítani a megvásárolt rendszerben. Ilyenkor egyfajta megoldást jelenthetnek az adott rendszerhez történő hozzáfejlesztések, amelyek extra költségekkel járnak, de olyan is előfordul, hogy az adott folyamatot teljes egészében egy másik informatikai megoldással oldják meg, amely már képes az adott folyamat teljeskörű támogatására. Ez a Best-of-Breed irányvonal azonban rendelkezik a nem integrált rendszerek összes hátrányával. A saját fejlesztésű ERP-k esetében az illeszkedés teljeskörű, hiszen már a rendszer tervezési fázisában a vállalatnál felmerülő összes folyamatot figyelembe veszik, ugyanakkor a rendszer birtokbavétele – például a rendszer teljes implementálási ideje miatt is – sokkal több időt jelent. Kutatásunkban a fenti két irányt ötvöztük, és egy új koncepciót dolgoztunk ki a vállalatirányítási rendszerekre vonatkozóan. A koncepció ötvözi a „dobozos” ERP-k és a saját fejlesztésű megoldások előnyeit, ugyanakkor nem rendelkezik a hátrányaikkal. A koncepció lényege egy egyedi fejlesztésű ERP keretrendszer, amelyben a megrendelő folyamatai, mint modell definiálható. A keretrendszer által biztosított építőkockákból és a köztük lévő kapcsolatok definiálásával leírható az adott vállalati folyamatmodell. Ezután egy értelmező interpretálja a modellt és automatikusan legenerálja az adott modellhez tartozó ERP „egyedet”. A koncepció így 100%-os illeszkedést biztosít, hisz a bemeneti modell egyértelműen az adott vállalathoz (megrendelő) tartozik, maga az implementáció teljes egészében a vállalat folyamatainak felmérése után történik meg. A forráskód átadásra kerülhet, hiszen maga a konkrét vállalatirányítási egyedet generáló ERP keretrendszer a tanácsadó (eladó) cégnél marad. Amennyiben a megrendelő cég nem kíván az eladó folyamatos támogatási (support) lehetőségével élni, 102

OGIK–ISBIS’2017

saját kezébe veheti a rendszer fejlesztését. Ugyanez igaz a sok szempontból kritikus jogszabálykövetésre is: amennyiben a megrendelő úgy dönt, hogy saját alkalmazottal oldja meg, akkor ezt megteheti, hiszen nem függ az eladótól. Amennyiben a keretrendszerben nincs olyan építőelem, amely az adott megrendelő adott folyamatát támogatná, akkor csak ezt az egy építőkockát kell implementálni a keretrendszerben, a többi elem használható, az építőelemek közötti kapcsolatok révén az új elem integrálható a többi elem közé, így kialakítható az új vállalati modell. A koncepció a vállalatirányítási rendszerek megvalósításának egy – az ERP 2 és ERP 3 koncepciók után – új evolúciós lépcsőjének is tekinthető. Kulcsszavak: vállalatirányítási rendszerek, ipar 4.0, ERP keretrendszer.

OGIK-ISBIS’2017

103

104

OGIK–ISBIS’2017

TARTALOMJEGYZÉK

OGIK-ISBIS’2017

105

Welcome to Sopron ..................................................................................... 3 Jó szerencsét! .............................................................................................. 5 Bizottságok .................................................................................................. 7 Konferenciaprogram.................................................................................... 9 A konferencia partnerei és támogatói ....................................................... 16 PLENÁRIS ELŐADÁSOK .................................................................................... 18 Litkei Péter: A biztonság fogalma a negyedik ipari forradalomban .......... 19 Gerald Steibauer, Martin Kandhofer: EDLRIS – A European Driving License for Robots and Intelligent Systems............................................................ 20 Zörög Zoltán: Miért oktassunk ERP-t? ...................................................... 21 Csanaki Jenő, Edelényi Márton, Károlyi Tamás, Nagy Zsolt: Üzleti intelligencia hasznosítása az Opelnél ........................................................ 23 ABSTRACTS ................................................................................................... 25 Ferenc Erdős, Richárd Németh: 3D Printing Application Opportunities in Real Time Data Communication and Visualization .................................... 26 Gergely Bencsik: Analysis of the random level of scientific results using Random Correlation methodology ............................................................ 29 Csaba Brunner: Ant Colony Algorithm in Data Mining.............................. 31 László Kovács: Applications of Metaheuristics in Insurance ..................... 31 Balázs Barna, Szabina Fodor: Battlejungle, an online platform for using enterprise gamification to engage employees .......................................... 34 Tibor Kovács, Andrea Kő: Evaluation of multiple criteria decision models based aggregate performance measures .................................................. 35 Balázs Kovács: How language influences the information content of stock market news? ............................................................................................ 37 Csaba Csáki: Open Data Reuse: A Note for Beginners .............................. 37 Attila Gludovátz, László Bacsárdi: The connection of the production and the energy usage in a smart factory .......................................................... 40

106

OGIK–ISBIS’2017

Ágnes Dede: The examination and modification possibilities of lending processes ................................................................................................... 43 KIVONATOK .................................................................................................. 46 Fehér Péter, Varga Krisztián: A banki gyakorlat digitális átalakulási lehetőségeinek bemutatása a Design Thinking módszertanra támaszkodva ................................................................................................................... 46 Trinh Anh Tuan, Kádár Bence, Pénzes Gábor: A blockchain technológia a használtautó piacon .................................................................................. 48 Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián: A digitális átalakulás magyarországi tapasztalatai ..................................................... 51 Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert: Alkalmazásmenedzsment támogatása ágens alapú szimulációs szoftverekkel.............................................................................................. 54 Nagyné Halász Zsuzsanna, Gubán Miklós Koloszár László: Az informatikusképzés a felsőoktatásban ...................................................... 56 Tarján Gábor: Az információbiztonsági tudatosság érettségi szintjének mérése gazdálkodó szervezetekben – a tudatosítás kontroll-környezete 58 Varga Krisztina, Bacsárdi László, Bencsik Gergely, Pödör Zoltán: Big Data adatelemzési technikák űrkutatási adatok feldolgozásában ..................... 61 Kalmár János: Egy push and pull migrációs modell és megoldása számítógépes szimulációval....................................................................... 64 Rozsnyai Gábor: eSzolgáltatottak szolgáltatói – Szakmai közösségek, mint szolgáltatók, az eSzolgáltatások minősége szakmai közösség, mint csendestárs ................................................................................................ 66 Vajna Zoltán: Értékteremtő az IT vagy csak költséget jelent? .................. 68 Fekets Gábor: Faipari folyamatok szenzorain keletkező adatok feldolgozása és elemzése korszerű eszközökkel........................................ 70 Soós Sándor: Felhő alapú megoldások az oktatásban .............................. 72

OGIK-ISBIS’2017

107

Mihalovicsné Kollár Anita, Honfi Vid Sebestyén: Gazdaságinformatikus FOSZK, a mostohagyerek? ......................................................................... 74 Horváth Ádám Béla: Informatikai kockázatok komplex értelmezése ....... 76 Hornyák Miklós, Kruzslicz Ferenc: Internet-alapú adatforrás duo-mining elemzése………………………………………………………………………………………………..80 Bakó Dávid, Erdei Imre, Pintér Tamás László: IoT infrastruktúra kialakítása SensorHUB alapokon ................................................................................. 81 Szőke Péter: IoT környezetben tárolt adatok feldolgozása és megjelenítése ............................................................................................ 84 Vitályos Gábor: Populáris és a professzionális felhasználói viselkedések és elvárások.................................................................................................... 86 Pintér László Tamás: SensorHUB rendszerfelügyelet létrehozása ............ 89 Trinh Anh Tuan, Frecska Éva: Social scoring megoldások felhasználása hitelelbírálás során .................................................................................... 92 Strauss Tamás: Számítógépes rendszerek tesztelése és validálása a gyógyszeriparban....................................................................................... 95 Kehl Dániel, Kruzslicz Ferenc: Tantermi interaktivitás támogatása ARS eszközökkel ................................................................................................ 97 Kő Andrea, Vas Réka, Borbásné Szabó Ildikó, Kovács Tibor: Vállalati kooperáció és hálózatosodás a technológiai innováció kontextusában ... 98 Berta Olga: Vállalatinformatikai rendszerek használata az agráriumban egy kérdőíves kutatás tükrében .............................................................. 100 Németh Márton, Bencsik Gergely: Vállalatirányítási rendszerek implementálásának és koncepciójának újszerű megközelítése .............. 101

108

OGIK–ISBIS’2017