INSTITUTUL NAŢIONAL
DE CERCETARE-DEZVOLTARE
ÎN INFORMATICŢ
NATIONAL INSTITUTE
FOR RESEARCH AND DEVELOPMENT
IN INFORMATICS
B-dul Mareşal Averescu 8-10, sector 1
011455, Bucureşti, ROMÂNIA, tel: :+40 21 3160736, +40 21 3165262
fax:+40 21 3161030
8-10 Averescu Avenue, sector 1 011455, Bucharest 1, ROMANIA phone:+40 21 3160736, +40 21 3165262 fax:+40 21 3161030
PLANUL SECTORIAL MCSI 2015-2017
Programul “AGENDA DIGITALĂ pentru ROMÂNIA”
Secţiunea “SERVICII ELECTRONICE””
Proiectul
Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate
în domeniul Smart Specialization"
Etapa I
Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă
Bucureşti, noiembrie 2015
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) i
C U P R I N S
1. Introducere .............................................................................................................. 1
2. Analiza tematicilor CDI prioritare pentru TIC ca sector de specializare inteligentă .. 3
2.1. Documente programatice la nivel naţional ................................................................. 3
2.1.1. Strategia Nationala privind Agenda Digitala pentru România 2020 ...................................... 3
2.1.2. Strategia Naţională pentru Competitivitate 2014 – 2020 ....................................................... 3
2.1.3. Programul Operaţional Competitivitate 2014-2020 ............................................................... 4
2.1.4. Strategia Naţională de Cercetare-Inovare 2014-2020 ........................................................... 4
2.2. Analiza tematică a domeniului de specializare inteligentă CDI TIC ............................ 5
2.3. Comparaţia cu referinţe la nivel european .................................................................. 7
2.3.1. Cercetare-inovare în TIC: Programul Orizont 2020 ............................................................... 7
2.3.2. Implementare-utilizare TIC: studiu privind Europa de vest, 2015 .......................................... 8
2.4. Selectarea tematicilor CDI TIC relevante pentru proiect ............................................. 9
3. Raport de analiză pentru tematica „Managementul, guvernanţa şi analiza datelor de mari dimensiuni (Big Data)” .............................................................................. 12
3.1. Descrierea tematicii ................................................................................................. 12
3.1.1. Managementul datelor şi guvernanţa datelor ...................................................................... 12
3.1.2. Fenomenul Big Data ............................................................................................................ 14
3.1.3. Guvernanţa datelor şi Big Data ............................................................................................ 17
3.1.4. Big Data Analytics ................................................................................................................ 18
3.1.5. Datele deschise şi valoarea lor economică ......................................................................... 20
3.1.6. Ştiinţa datelor şi experţii în ştiinţa datelor ............................................................................ 22
3.1.7. Tranziţia către întreprinderea reactivă şi condusă de date.................................................. 25
3.2. Potenţialul de impact pentru competitivitate ............................................................. 26
3.2.1. Rezultate şi perspective ....................................................................................................... 26
3.2.2. Impactul guvernanţei Big Data ............................................................................................. 28
3.2.3. Impactul utilizării "Big Data Analytics" ................................................................................. 30
3.2.4. Potenţialul şi limitele deciziei determinate de date .............................................................. 32
3.3. Tipologia de soluţii TIC specifice .............................................................................. 33
3.3.1. Tipuri de proiecte şi guvernanţa Big Data............................................................................ 33
3.3.2. Arhitectura de referinţă a sistemelor Big Data Analytics ..................................................... 36
3.3.3. Calculul în Cloud, Big Data şi Big Data Analytics ................................................................ 39
4. Raport de analiză pentru tematica „Suport decizional bazat pe soluţii de Inteligenţa Afacerilor” .............................................................................................................. 42
4.1. Descrierea tematicii ................................................................................................. 42
4.1.1. Evoluţii recente ale suportului decizional pentru mediul de afaceri ..................................... 42
4.1.2. Inteligenţa afacerilor............................................................................................................. 45
4.1.3. Sisteme BI ............................................................................................................................ 51
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) ii
4.2. Potenţialul de impact pentru competitivitate ............................................................. 54
4.3. Tipologia de soluţii TIC specifice .............................................................................. 60
4.3.1. Principalele instrumente şi tehnici de asistarea deciziei manageriale ................................. 60
4.3.2. Soluţii BI şi BA ..................................................................................................................... 61
4.3.3. Tipologia soluţiilor BI “open source”, gratuite ...................................................................... 65
5. Raport de analiză pentru tematica „Timp real şi conectivitate extinsă” .................. 67
5.1. Descrierea tematicii ................................................................................................. 67
5.1.1. Sisteme în timp real pentru procese industriale .................................................................. 67
5.1.2. Internetul lucrurilor (IoT)....................................................................................................... 71
5.1.3. Suportul Cloud Computing pentru sisteme în timp real ....................................................... 77
5.1.4. Industry 4.0 .......................................................................................................................... 81
5.2. Potenţialul de impact pentru competitivitate ............................................................. 82
5.3. Tipologia de soluţii TIC specifice .............................................................................. 85
5.3.1. STR-CP cu acces la expertiză decizională avansată în Cloud ........................................... 85
5.3.2. Platforme de dezvoltare soluţii IoT ...................................................................................... 88
5.3.3. Infrastructuri STR-CP cu virtualizarea senzorilor ................................................................ 88
5.3.4. Sisteme tolerante la defecte ................................................................................................ 91
6. Raport de analiză pentru tematica „Aplicaţii pentru dispozitive mobile inteligente” 93
6.1. Descrierea tematicii ................................................................................................. 93
6.1.1. Aplicaţia mobilă .................................................................................................................... 93
6.1.2. Dezvoltarea aplicaţiilor mobile ............................................................................................. 94
6.1.3. Piaţa aplicaţiilor mobile ...................................................................................................... 103
6.1.4. Teme prioritare actuale pentru aplicaţiile mobile ............................................................... 106
6.2. Potenţialul de impact pentru competitivitate ........................................................... 107
6.3. Tipologia de soluţii TIC specifice ............................................................................ 112
6.3.1. Aplicaţii mobile predictive .................................................................................................. 113
6.3.2. Aplicaţii bazate pe senzori ................................................................................................. 114
6.3.3. Aplicaţii bazate pe servicii Cloud ....................................................................................... 115
6.3.4. Exemple de aplicaţii mobile bazate pe servicii Cloud ........................................................ 117
6.3.5. Tipuri de platforme de dezvoltare ...................................................................................... 118
7. Concluzii .............................................................................................................. 120
8. Bibliografie ........................................................................................................... 127
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 1
1. Introducere
Prezentul raport de etapă a fost elaborat în conformitate cu Planul de realizare al proiectului
intitulat „Cercetare-Dezvoltare şi Inovare în TIC : Dezvoltarea de produse şi servicii inovative
care să deservească cele 10 sectoare identificate în domeniul Smart Specialization", etapa I.
“Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă”.
Obiectivul general al proiectului îl reprezintă evidenţierea potenţialului cercetării-dezvoltării-
inovării în TIC de a susţine valorificarea avantajelor specializării inteligente (SI) la nivel
naţional.
Obiectivele specifice, care asigură realizarea obiectivului general, sunt următoarele:
a) aprofundarea tematicilor CDI în TIC, relevante pentru atingerea obiectivului general al
proiectului;
b) investigarea ofertei acestor tematici din punct de vedere al soluţiilor TIC generice,
caracterizate printr-un potenţial extins de aplicabilitate pe ansamblul sectoarelor SI;
c) valorificarea ofertei existente de soluţii TIC generice prin analiza şi testarea
posibilităţilor lor de configurare şi agregare pentru dezvoltarea de produse şi servicii TIC
inovative destinate sectoarelor SI.
Pentru îndeplinirea acestor obiective, planul de realizare al proiectului este structurat în trei
etape anuale, şi anume:
I. Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă;
II. Constituirea portofoliului de soluţii TIC generice (cu arie larga de aplicabilitate)
pentru tematicile CDI-TIC analizate;
III. Recomandări privind utilizarea soluţiilor de portofoliu pentru dezvoltarea de produse
şi servicii TIC inovative din sectoarele SI.
Rezultatele previzionate ale proiectului constau în:
Pentru etapa I: Rapoarte de analiză pentru tematicile CDI-TIC relevante pe ansamblul
sectoarelor de specializare inteligentă;
Pentru etapa II: Portofoliu de soluţii TIC generice, specifice tematicilor CDI-TIC analizate;
Pentru etapa III. Catalog de opţiuni de utilizare a soluţiilor de portofoliu pentru dezvoltarea de
produse şi servicii TIC inovative din sectoarele SI.
Pentru etapa I, activităţile prevăzute în planul de realizare au fost:
I.1. Analiza tematicilor CDI prioritare pentru TIC ca sector SI;
I.2. Investigarea tematicilor CDI-TIC relevante pe ansamblul sectoarelor SI.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 2
Raportul de etapă este structurat în 7 capitole, în afara acestui capitol introductiv.
Capitolul 2 este dedicat activităţii I.1 şi prezintă demersul adoptat în analiza tematicilor CDI
prioritare pentru TIC ca domeniu de specializare inteligentă şi rezultatul acestui demers,
constând în lista de tematici TIC relevante pentru proiect.
Capitolele 3 – 6 sunt dedicate, respectiv, Rapoartelor de analiză pentru cele 4 tematici TIC
relevante, şi anume:
1. Managementul, guvernanţa şi analiza datelor de mari dimensiuni (Big Data)
2. Suport decizional bazat pe soluţii de Inteligenţa Afacerilor
3. Timp real şi conectivitate extinsă
4. Aplicaţii pentru dispozitive mobile inteligente
Aceste rapoarte reprezintă principalul rezultat al etapei I, ceea ce explică ponderea lor în
structura raportului de etapă. Rapoartele au structură similară, conformă cu prevederile
metodologiei de realizare a proiectului. Prima secţiune a raportului este dedicată descrierii
tematicii respective, cu accent principal pe conţinutul principalelor concepte care guvernează
evoluţia domeniului tematic respectiv, aşa cum sunt evidenţiate de literatura de specialitate şi
de oferta recentă sau de perspectivă imediată a pieţei de soluţii pe plan internaţional, pe de o
parte, de cerinţele de informatizare la nivelul organizaţiilor, cu precădere al companiilor
industriale de diverse mărimi, pe de altă parte. A doua secţiune prezintă potenţialul de impact
pentru competitivitate al tematicii respective, evaluat pe baza ofertei de produse şi servicii al
unor firme reprezentative în domeniu, analizelor şi studiilor prospective efectuate de firme de
consultaţă de prestigiu la nivel internaţional, rezultatelor recente şi interesului existent privind
implementarea unor asemenea soluţii, raportate de comunităţile de utilizatori. A treia secţiune
descrie tipologia de soluţii specifice, identificate pentru domeniul tematic respectiv, cu potenţial
de includere în portofoliul de soluţii generice care va fi constituit pe parcursul etapei II.
Secţiunea de referinţe bibliografice pentru fiecare raport de analiză a fost inclusă în capitolul 8.
Capitolul 7 sintetizează concluziile activităţii derulate în cadrul etapei, cu accent pe rezultatele
obţinute, pe îndeplinirea indicatorilor de etapă şi pe modul de continuare a proiectului pentru
valorificarea acestor rezultate.
Capitolul 8 cuprinde lista referinţelor bibliografice, ponderea principală revenind secţiunilor pe
tematicile TIC relevante.
In ceea ce priveşte contribuţia echipei proiectului la elaborarea raportului de etapă, fiecare din
membrii acesteia, care au un nivel ridicat de contribuţie şi experienţă în activitatea de
cercetare, a primit responsabilitatea câte unui raport de analiză, în concordanţă cu expertiza sa
profesională şi cu interesul curent de cercetare, după cum urmează: pentru tematica 1 – dr.
ing. Vladimir Florian, tematica 2 – dr. mat. Constanţa Zoie Rădulescu, pentru tematica 3 – dr.
ing. Florin Hărţescu, pentru tematica 4 – dr. ing. Alexandru Stanciu. Responsabilii de tematici
şi-au desfăşurat activitatea în directă colaborare cu responsabilul de proiect, care a avut
sarcina evaluării versiunilor intermediare ale rapoartelor de analiză, a validării versiunilor finale
şi a elaborării raportului de etapă. Ceilalţi membri ai echipei au fost la dispoziţia reponsabililor
de tematici pentru executarea unor sarcini punctuale, de complexitate mai redusă.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 3
2. Analiza tematicilor CDI prioritare pentru TIC ca sector de specializare inteligentă
2.1. Documente programatice la nivel naţional
Această secţiune prezintă prevederile relevante pentru procesul de analiză tematică, ale
documentelor programatice adoptate la nivel naţional care asigură contextul de realizare a
proiectului.
2.1.1. Strategia Nationala privind Agenda Digitala pentru România 2020
Documentul defineşte următoarele patru domenii de acţiune:
Domeniul de acţiune I – eGuvernare, interoperabilitate, securitate cibernetică, cloud
computing, open data, big data şi media sociale
Domeniul de acţiune II - TIC în Educaţie, Sănătate, Cultură şi eInclusion
Domeniul de acţiune III - eCommerce, cercetare-dezvoltare şi inovare în TIC
Domeniul de acţiune IV – Broadband şi infrastructura de servicii digitale
Pentru domeniul III sunt formulate două teme majore:
a) TIC în eCommerce
b) Cercetare-dezvoltare şi inovare în TIC
Pentru tematica (b), documentul face conexiunea cu Strategia Naţională de Cercetare-Inovare
(v. cap. 2.1.4) , în care TIC este nominalizat domeniu de specializare inteligentă pentru CDI.
2.1.2. Strategia Naţională pentru Competitivitate 2014 – 2020
Acest document nominalizează cele 10 sectoare de specializare inteligentă, structurate pe 3
direcţii de politică industrială:
a) Rol economic important şi cu influenţă asupra ocupării: (1)Turism şi ecoturism, (2)
Textile şi pielărie, (3) Lemn şi mobilă, (4) Industrii creative
b) Dinamica competitivă: (5) Industria auto şi componente, (6) Tehnologia informaţiei şi
comunicaţiilor, (7) Procesarea alimentelor şi a băuturilor;
c) Inovare, dezvoltare tehnologică şi valoare adăugată: (8) Sănătate şi produse
farmaceutice, (9) Energie şi management de mediu, (10) Bioeconomie.
De subliniat că TIC este nominalizat sector de specializare inteligentă şi din punct de vedere al
dinamicii competitive.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 4
2.1.3. Programul Operaţional Competitivitate 2014-2020
Programul POC operaţionalizează Strategia pentru competitivitate şi, în concordanţă cu
structura acesteia, stabileşte două axe prioritare:
AP 1 - Cercetare, dezvoltare tehnologica şi inovare (CDI) în sprijinul competitivităţii
economice şi dezvoltării afacerilor
AP 2 - Tehnologia informaţiei şi comunicaţiilor (TIC) pentru o economie digitală
competitivă.
Pentru cea de a doua axă prioritară, obiectivul tematic îl constituie îmbunătățirea accesibilității,
a utilizării și a calității tehnologiilor informației și comunicațiilor, pentru indeplinirea căruia sunt
definite trei priorităţi de investiţii:
2a - Extinderea conexiunii în bandă largă și desfășurarea rețelelor de mare viteză și
sprijinirea adoptării
2b - Dezvoltarea produselor şi serviciilor TIC, a comerțului electronic și a cererii de
TIC
2c - Consolidarea aplicațiilor TIC pentru e-guvernare, e-învățare, e-incluziune, e-cultură
și e-sănătate.
Pentru prioritatea (2b), obiectivul specific este OS2.2 - Creşterea contribuţiei sectorului
TIC pentru competitivitatea economică, prin care se reafirmă rolul TIC pentru dezvoltarea
afacerilor.
Analizei acestor trei documente programatice, coroborată cu obiectivul specific din Planul
sectorial căruia îi este subordonat prezentul proiect, şi anume “e-Comerţ şi cercetare-
dezvoltare-inovare în TIC”, a permis fundamentarea orientării tematice de ansamblu a
prezentului proiect, aspect determinant pentru activitatea de selectare şi analiză a tematicilor
TIC de interes pentru acest proiect: dezvoltarea afacerii şi competitivitate economică prin
aportul de inovare al TIC.
2.1.4. Strategia Naţională de Cercetare-Inovare 2014-2020
Relevanţa SN-CDI pentru prezentul proiect este justificată de nominalizarea domeniilor de
specializare inteligentă pentru activitatea CDI (SN-CDI 2020, 2014):
Bioeconomie
Tehnologia informaţiei şi comunicaţii
Energie, Mediu şi Schimbări climatice
Eco-nano tehnologii şi materiale avansate
Referitor la domeniul TIC, documentul menţioneză că acesta reprezintă una dintre cele mai
dinamice industrii din ţară, sprijinită de experienţa antreprenorială acumulată în ultimele
decenii, de calitatea ridicată a învăţământului superior şi a cercetării academice, precum şi de
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 5
prezenţa unor companii multinaţionale importante. Pentru a evidenţia importanţa şi ponderea
TIC pe ansamblul acestor domenii, trebuie subliniat suportul pe care îl asigură cercetărilor în
toate celelale domenii, ca şi rolul pe care îl joacă în abordările cu caracter interdisciplinar,
promovate prin această stategie.
In acelaşi document sunt nominalizate şi domeniile de prioritate publică pentru actualul ciclu
strategic:
Sănătate
Spaţiu şi Securitate
Patrimoniu şi identitate naţională, deschidere, coeziune şi comunicare interculturală.
2.2. Analiza tematică a domeniului de specializare inteligentă CDI TIC
Ca detaliere a domeniului TIC, Anexa 1 la versiunea februarie 2014 a Strategiei Naţionale de
Cercetare-dezvoltare-inovare 2014-2020 defineşte următoarele sub-domenii şi tematici
prioritare:
Analiza şi securitatea datelor de mari dimensiuni :
Culegerea (cu accent pe data streaming), filtrarea, stocarea, prelucrarea şi asigurarea
securităţii datelor în sisteme Big Data.
Partajarea, interoperabilitatea şi reutilizarea colecţiilor de date de mari dimensiuni.
Dezvoltarea de ecosisteme furnizoare de servicii de analiză prescriptivă şi data mining
(SaaS), performante din punct de vedere tehnic şi eficiente economic.
Securitate şi intimitate (privacy) a datelor în contextul analizei la scară largă
informaţiilor din sfera BigData
Corelarea datelor audio, video şi text.
Impactul Big Data asupra evoluţiei culturii decizionale la nivelul organizaţional.
Internetul viitorului :
Tehnologii de comunicaţii pentru dezvoltarea reţelelor eterogene de acces de bandă
largă şi reţelelor wireless inteligente, cu aplicaţii în telemetrie, telematice, teleasistenţă,
telemedicină, pentru asigurarea de conexiuni Internet de mare viteză şi pentru
înlocuirea reţelelor în banda largă de bază cu reţele NGA.
Reţele la domiciliu: reţele de acces şi de senzori pentru monitorizarea spaţiului interior
al locuinţei şi asistarea la distanţă a copiilor, bolnavilor sau bătrânilor
Vulnerabilităţi, riscuri şi disfuncţionalităţi specifice infrastructurilor critice de acces
pentru sisteme de comunicaţii de bandă largă şi influenţa acestora asupra securităţii
sistemelor de comunicaţii.
Reţele definite software (SDN), medii şi infrastructuri de reţea virtualizate (NVE),
infrastructuri specifice cloud computing şi administrarea autonomă a acestora.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 6
Separaţia spaţiului de adresare a sistemelor finale de spaţiul de rutare/localizar
(protocoale inovative precum Locator / Identifier Separation Protocol -LISP) şi
paradigme avansate de comunicaţie peste IP, ca suport pentru dezvoltarea de noi
servicii.
Impactul noilor arhitecturi Internet şi ale soluţiilor de virtualizare a resurselor asupra
realizării obiectivelor la nivel macro şi micro economic ale Societăţii Informaţionale în
România.
Calculul de înaltă performanţă şi noi modele computaţionale :
Noi algoritmi de calcul paralel pentru: a) modelarea, simularea şi analiza sistemelor
complexe din domeniul fizicii, chimiei, ştiinţelor vieţii, ştiinţelor spaţiale, ingineriei,
materialelor; b) modelarea şi simularea numerică a evoluţiei sistemelor sociale; c)
prognozare în meteorologie şi hidrologie; d) analiza imaginilor satelitare; e) proiectare
industrială
Algoritmi paraleli pentru diverse domenii aplicative (data mining, calcul evoluţionar,
optimizarea microdispozitivelor, geometrie computaţională, grafică pe calculator,
procesarea imaginilor etc).
Metode numerice noi, concepute pentru programarea paralelă pe noi arhitecturi
hardware (multicore, GPU, GPGPU). Paralelizarea pentru noile arhitecturi hardware a
aplicaţiilor secvenţiale şi a bibliotecilor software existente. Programarea şi optimizarea
codurilor de calcul paralel hibrid (MPI + memorie partajată).
Tehnologii, instrumente şi metode pentru dezvoltare de software :
Standardizarea acordurilor de nivel al serviciilor, inclusiv pe probleme de
confidenţialitate şi securitate, în furnizarea serviciilor de cloud computing, precum şi
implementarea schemelor de certificare la nivelul UE pentru furnizorii fiabili de servicii
de cloud computing, atât pentru mediul comercial cât şi cel academic.
Analiza, verificarea şi testarea automată a proprietăţilor produselor software, precum şi
a certificării parametrilor de calitate ai acestora.
Cercetări în domeniul mobilităţii şi obiectelor purtabile pentru dezvoltarea de noi
modele şi tehnici de dezvoltare a aplicaţiilor mobile care folosesc mai bine
capabilităţile de procesare paralelă a informaţiei, sunt adaptate pentru folosire în medii
mobile prin oferirea informaţiei oriunde şi oricând, funcţie de context, asigură
otimizarea consumului energetic.
Cercetări privind specificarea sistemelor şi dezvoltarea bazată pe modele metode şi
instrumente soft pentru definirea de specificaţii functionale şi nefuncţionale, construcţia
de modele care să satisfacă specificaţiile şi pentru dezvoltarea şi analiza bazată pe
modele.
Noi modele şi paradigme de programare specifice dezvoltării aplicaţiilor mobile, pentru
asigurarea interoperabilităţii între diverşi producători.
Studii privind adoptarea şi percepţia utilizatorilor asupra soluţiilor software.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 7
Analiza acestor tematici pe criteriul relevanţei pentru soluţii informatice la nivel de întreprindere,
ca premiză pentru susţinerea competitivităţii acestora, a permis formularea unei prime
variante de tematici de interes:
Operaţii de administrare şi politici de utilizare a datelor de mari dimensiuni (Big Data)
Suport decizional bazat pe analiza avansată a datelor
Sisteme cu conectivitate extinsă şi Internetul lucrurilor
Infrastructuri specifice cloud computing și administrarea autonomă a acestora
Aplicaţii mobile, metode şi tehnici de dezvoltare şi furnizare
Metode şi instrumente pentru specificare şi dezvoltare software.
2.3. Comparaţia cu referinţe la nivel european
2.3.1. Cercetare-inovare în TIC: Programul Orizont 2020
Programul Orizont 2020 reprezintă principala referinţă pentru domeniul CDI la nivelul european
şi chiar internaţional, având în vedere că un mare număr de ţări din afara spaţiului european
pot participa la acest program.
Ca argument în favoarea selecţiei preliminare, prezentate în subcapitolul anterior, au fost
identificate corespondenţe cu tematica apelurilor de proiecte publicate în versiunile 2014-2015
(WP ICT 2014-15, 2014) şi 2016-2017 (WP ICT 2016-17, 2015) ale Programul de lucru Orizont
2020 pentru ICT. Rezultatele acestei analize sunt exemplificate după cum urmează:
Operaţii de administrare şi politici de utilizare a datelor de mari dimensiuni (Big Data)
ICT 15 – 2014: Big data Innovation and take-up
ICT-16-2015: Big data - research
ICT4.4 – 2017: Big data PPP: research addressing main technology challenges of the
data economy
Suport decizional bazat pe analiza avansată a datelor
FoF-8-2015: ICT-enabled modelling, simulation, analytics and forecasting technologies
(Factories of the Future)
ICT4.7 – 2017: Big data PPP: skills
Sisteme cu conectivitate extinsă şi Internetul lucrurilor
ICT 30 - 2015: Internet of Things and Platforms for Connected Smart Objects
ICT1.4 – 2016: Smart Anything Everywhere Initiative
ICT7.3 – 2016: R&I on IoT integration and platforms
Infrastructuri specifice cloud computing și administrarea autonomă a acestora
ICT 7 – 2014: Advanced Cloud Infrastructures and Services
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 8
ICT2.2 – 2016: Cloud Computing
Aplicaţii mobile, metode şi tehnici de dezvoltare şi furnizare
ICT 11 – 2014: FIRE+ (Future Internet Research & Experimentation)
ICT-19-2015: Technologies for creative industries, social media and convergence
ICT3.6 – 2016: Net Innovation Factory
Metode şi instrumente pentru specificare şi dezvoltare software.
ICT 9 – 2014: Tools and Methods for Software Development
ICT3.4 – 2016: Software technologies
Conform statisticilor publicate de CE privind numărul propunerilor depuse pentru apelurile cu
termen în aprilie 2015, care este un indicator al interesului comunităţii TIC pentru tematicile
respective, apelurile menţionate mai sus au fost top-ul preferinţelor:
ICT-19-2015: Technologies for creative industries, social media and convergence (144
propuneri);
ICT-30-2015: Internet of Things and Platforms for Connected Smart Objects (137
propuneri);
ICT-16-2015: Big data - research (124 propuneri).
2.3.2. Implementare-utilizare TIC: studiu privind Europa de vest, 2015
Studiul intitulat „2015 IT Priorities” a fost efectuat de TechTarget - firmă de analiză şi
consultanţă pe segmentul de piaţă al cumpărătorilor de tehnologie TI, în primul trimestru al
anului 2015 (Schlack, 2015). Au participat 2.212 persoane, din care 26% din Europa de vest.
Mărimea media a companiilor participante a fost de 16,870 angajaţi. Aceste companii au
reprezentat 17 domenii de activitate, între care: servicii şi consultanţă TI (18%), servicii
financiare, bănci (12%), industrie şi apărare (8%), dezvoltatori TI (5%), distribuţie / retail (5%),
servicii şi consultatnţă de afaceri (2%), bunuri de larg consum (2%).
Persoanele participante au reprezentat comunitatea de informatică, cu următoarea repartizare
pe funcţii pentru cei din Europa: directori general TI (8%), directori TI (27%), decidenţi de nivel
mediu TI (23%), arhitecţi TI (10%), ingineri / programatori (13%), analişti (5%), alt personal TI
(15%). 82% lucrează în companii furnizoare de soluţii TI, 13% în departamentele TI din
comapniile beneficiare, 5% la furnizori de servicii Cloud.
Acest studiu a fost selectat ca reprezentativ pentru obiectivele proiectului de faţă, având în
vedere relevanţa segmentului de firme participante (companii medii-mari din ţări dezvoltate din
punct de vedere economic din Europa de vest) atât pentru activitatea de promovare prin
produse şi servicii a noilor tendinţe în TIC, cât şi pentru determinarea de a implementa aceste
orientări prin politicile de informatizare în vigoare la nivelul companiilor respective. In plus,
mesajele privind priorităţile de informatizare transmise prin acest studiu au prezentat avantajul
unor confirmări în planul interesului practic de utilizare al priorităţilor identificate în programele
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 9
de cercetare-inovare, precum şi al sugerării unor reformulări adaptate la cerinţele unei pieţe cu
un nivel ridicat de profesionalism şi exigenţă.
In continuare sunt redate principalele priorităţi concordante cu lista preliminară de tematici de
interes, prezentată mai sus, de interes începând cu anul 2015.
Iniţiative TI majore ce vor fi implementate în companie:
Mobilitate (1)
Upgrdarea infrastructurii informatice (locul 2)
Big Data (3)
Internetul lucrurilor (7)
Proiecte legate de mobilitate :
Implementarea unei aplicaţii mobile sau a unei platforme de dezvoltare aplicaţii mobile
(2)
Implementarea unei politici de utilizare a dispozitivelor mobile personale (BYOD) (3)
Implementarea unui program pentru mobilitate la nivel de companie (4)
Iniţiative software ce vor fi promovate de companie:
Inteligenţa afacerilor / Analytics / magazii de date (1)
Integrarea datelor (2)
Aplicaţii mobile (3)
Guvernanţa / calitatea datelor (5)
Big Data Analytics (6)
Prelucrarea / managementul Big Data (7)
Forme de livrare a funcţionalităţii informatice:
Aplicaţii în Cloud – Software as a Service (1)
Software / hardware localizat (2)
Infrastructură cloud privată (3)
Mobile (4).
2.4. Selectarea tematicilor CDI TIC relevante pentru proiect
Pe baza analizei priorităţilor identificate mai sus, formulate atât de mediul academic prin
strategii şi programe CDI pe termen mediu, cât şi de mediul de afaceri prin politicile de
informatizare pe termen scurt, au fost selectate următoarele patru tematici:
1. Managementul, guvernanţa şi analiza datelor de mari dimensiuni (Big Data)
2. Suport decizional bazat pe soluţii de Inteligenţa Afacerilor
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 10
3. Timp real şi conectivitate extinsă
4. Aplicaţii pentru dispozitive mobile inteligente.
Problematica Cloud nu este referită explicit, având în vedere că se regăseşte implicit ca
tehnologie suport pentru tematicile selectate, aşa cum relevă şi rapoartele de analiză
prezentate din capitolele 3-6. De asemenea, tematica referitoare la ingineria software a fost
considerată de interes specific pentru domeniul TIC, şi mai putin relevantă pentru celelalte
domenii de specializare inteligentă.
Această selecţie a avut la bază trei criterii de relevanţă. Primul criteriu de relevanţă se referă la
rolul de dimensiune / orientare prioritară în dezvoltarea unei soluţii informatice (sistem,
produs, serviciu) care îşi propune să valorifice suportul oferit de de activitatea CDI TIC:
dimensiunea “Date” – pentru rolul de activ informatic prioritar la nivelul unei
întreprinderi, generat de spcificitatea sa în raport cu beneficiarul soluţiei TIC, de
impactul asupra calităţii deciziilor, de amploarea procesului aflat în drulare privind
reconsiderare a ariei de cuprindere, a abordărilor şi tehnologiile dedicate, datorat
fenomenului Big Data;
dimensiunea “Suport decizional” – pentru rolul determinant în asigurarea
performanţei manageriale prin metode de inteligenţa afacerilor, prin promovarea noilor
abordări în analiza de afaceri, care valorifică noi categorii de date în beneficiul calităţii
deciziilor;
dimensiunea “Timp real” – pentru consistenţa modificărilor de natură conceptuală şi
tehnologică în domeniile tradiţionale pentru acest concept, dar şi pentru potenţialul său
de a fi consacrat ca deziderat de performanţă pentru o arie din ce în ce mai largă de
soluţii TIC de întreprindere, în contextul dezvoltării Big Data şi al Internetului lucrurilor;
dimensiunea “Mobile” – pentru rolul care revine dispozitivelor mobile inteligente şi
aplicaţiilor pentru aceste dispozitive în asigurarea performanţelor de tip agilitate şi
adaptabilitate în afaceri, dar şi în alte domenii de activitate în care suportul informatic
este determinant.
Al doilea criteriu de relevanţă se referă la complementaritatea funcţională a tematicilor,
determinantă pentru soluţiile generice TIC ce vor fi identificate pe parcursul etapei II, în
pespectiva constituirii catalogului de opţiuni de cuplare şi configurare a acestor soluţii pentru
realizarea de produse şi servicii de interes în sectoarele de specializare inteligentă.
Conformitatea cu acest criteriu este ilustrată prin următorele exemple de conexiuni între cele 4
tematici:
reţelele de senzori specifice conceptului de conectivitate extinsă reprezintă o sursă
importantă de fluxuri de date de amri dimensiuni; reciproc, implementările de tip
Internetul lucrurilor au nevoie de soluţii eficiente de prelucrare şi analiză a fluxurilor de
date colectate;
proiectele dedicate datelor de mari dimensiuni au nevoie de implementări performante
ale tehnicilor Analytics pentru valorificarea acestor date în suportul decizional;
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 11
conform ideii că datele neanalizate sunt inexistente pentru managementul afacerii, Big
Data şi Analytics reprezintă o contribuţie importantă pentru inteligenţa afacerii, cu
referire la valorificarea datelor nestructurate sau semistructurate;
sistemele cu funcţionare de timp real, bazate pe conectivitate extinsă, au nevoie de
eficienţă în analiza datelor pentru furnizarea „în timp util” a suportului decizional;
cerinţele de performanţă în adoptarea deciziilor, în condiţiile unui mediu de afaceri
dinamic şi exigent, impun integrarea sistemelor de conducere în timp real de la nivel
operativ cu sistemele de suport decizional de pe nivelurile supraordonate;
principalele categorii de aplicaţii mobile se bazează pe utilizarea senzorilor şi a analizei
predictive a datelor.
Al treilea criteriu de relevanţă îl reprezintă expertiza existentă la nivelul echipei de realizare,
care a trebuit să fie dimensionată corespunzător resurselor financiare ale proiectului. Nucleul
de bază al echipei, care include cercetători principali, cu nivel recunoscut de contribuţie şi
experienţă în activitatea de cercetare, este reprezentativ ca specializare profesională şi interes
curent de cercetare pentru cele 4 tematici selectate.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 12
3. Raport de analiză pentru tematica „Managementul, guvernanţa şi analiza datelor de mari dimensiuni (Big
Data)”
3.1. Descrierea tematicii
3.1.1. Managementul datelor şi guvernanţa datelor
Studiile de sondare (survey) recente (Tallon et al., 2013), evidenţiază fenomenul creşterii
rapide a volumelor datelor colectate şi stocate în centrele de date ale orgnizaţiilor, în toate
domeniile de activitate. Aceste volume se dublează la fiecare doi ani, iar în anumite domenii,
cum ar fi ocrotirea sănătăţii, chiar anual. Deoarece datele sunt transformate în informaţii şi
acestea servesc la luarea deciziilor, devine evident că abilitatea de a extrage valoare utilă din
acestea este dependentă de capacitatea de a guverna ciclul de viaţă al informaţiilor.
Termenul de guvernanţă nu este prezent în dicţionarul limbii române. Cu toate acestea el este
utilizat din ce în ce mai frecvent în vorbirea curentă, fiind un echivalent pentru englezescul
“governance”, care are o traducere clară în limba română: conducere, administraţie, cârmuire,
stăpânire, guvernare (Dimitriu, 2011). Conform acestui document, “guvernanţa” este actul de a
conduce în sens de pilotare. Poate fi un proces separat sau o parte din procesele de
management sau conducere. În cazul unei întreprinderi sau a unei organizaţii non-profit,
“guvernanţa” se referă la management coerent, politici de coeziune, orientare, procese şi
drepturi de decizie pentru un anumit domeniu de responsabilitate. Termenul este utilizat pentru
a face o disticţie cât mai clară între actul de conducere exercitat de un guvern şi conducerea
exercitată în cazul unor structuri economice, sociale sau de altă natură. Referitor la dezvoltarea
de proiecte “guvernanţa” semnifică totalitatea proceselelor care trebuie să aibă loc pentru ca
proiectul să fie încheiat cu succes.
Termenul englez “Governance”, cu sensul de conducere, pilotare, a fost prezent în literatura de
management încă din 1960 (Tallon, Ramirez, & Short, 2013). Guvernanţa TIC a existat ca
subiect de cercetare, în diverse forme, în literatura care se ocupa de infrastructura TIC,
valoarea economică a TIC şi managementul de proiect, de peste două decenii.
„Guvernanţa datelor” este un set de procese care asigură că managementul activelor de tip
date este executat în mod formal, în conformitate cu regulile de bună practică, în cadrul unei
organizaţii (Otto, 2011). Niemi, (2013) afirmă că nu există (la nivelul anului 2013) o definiţie larg
acceptată pentru guvernanţa datelor şi preia din (Otto, 2011). În (Korhonen et al., 2013)
guvernanţa datelor este definită ca o abordare de management al datelor şi al informaţiilor la
nivelul unei organizaţii, care formalizează un set de politici şi proceduri ce cuprind întregul ciclu
de viaţă al datelor, de la achiziţie, utilizare şi până la eliminarea acestora.
Dicţionarul de management al datelor al DAMA (the Data Management Association
International), defineşte „guvernanţa datelor” ca "exercitarea autorităţii, a controlului şi luarea
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 13
deciziilor în comun (planificare, monitorizare şi aplicare) asupra managementului activelor de
date" (http://blogs.perficient.com/healthcare/blog/2012/06/12/data-governance-vs-data-
management/). DAMA a identificat 10 funcţii majore ale managementului datelor în DAMA-
DMBOK (Data Management Body of Knowledge). Guvernanţa datelor este componenta de
bază a managementului datelor, care leagă împreună alte 9 discipline, cum ar fi:
managementul arhitecturii datelor, management calităţii datelor, managementul datelor
principale (Master) şi al datelor de referinţă, etc. (Figura 3.1).
Fig. 3.1. Componentele DAMA-DMBOK ale managementului datelor [conform Pete Stiglich,
Perficient]
Guvernanţa informaţiilor (Tallon et al., 2013), este constituită din ansamblul de capacităţi şi
practici care servesc la crearea, culegerea, evaluarea, stocarea, utilizarea, controlul,
organizarea accesului, arhivarea şi distrugerea informaţiilor în decursul ciclului de viaţă al
acestora. Guvernanţa informaţiilor are două scopuri:
1. maximizarea valorii informaţiilor pentru organizaţie, prin asigurarea îndeplinirii
cerinţelor de fiabilitate, siguranţă şi accesibilitate pentru luarea decizilor;
2. protecţia informaţiilor, astfel încât valoarea lor să nu fie afectată de eventuale erori
umane sau tehnologice, intreruperi ale accesului, condiţii de utilizare neadecvate sau
accidente.
Spre deosebire de guvernanţa infrastructurilor TIC, guvernanţa informaţiilor ia în
considerare aspectele şi caracteristicile specifice artefactelor informaţionale. De
exemplu, spre deosebire de artefactele fizice, informaţiile pot fi replicate şi partajate la distanţe
mari în mod rapid şi facil. De asemenea, informaţiile sunt bunuri a căror valoare nu scade în
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 14
timp, spre deosebire de componentele infrastructurilor TIC ce se uzează moral sau fizic. Este
posibil chiar ca valoarea acestora să crească în timp şi pe măsura utilizării.
Artefactele informaţionale pot fi definite din cinci perspective diferite (Tallon et al., 2013):
ca instrumente de manipulare a informaţiilor (perspectiva instrumentelor);
ca mijloc prin intermediul căruia informaţiile sunt evaluate şi utilizate în luarea deciziilor
(perspectiva de reprezentant - proxy);
ca reprezentare a politicilor de interacţiune dintre utilizatori şi informaţii (perspectiva de
ansamblu);
ca reprezentare a straturilor de stocare şi management al capactăţii de stocare
(perspectiva computaţională);
ca un activ care determină performanţele sistemului TIC (perspectiva generică).
3.1.2. Fenomenul Big Data
Davenport, Barth & Bean, (2012) afirmă că organizaţiile înoată într-un ocean în expansiune
de date care sunt, fie prea voluminoase, fie prea nestructurate pentru a putea fi gestionate şi
analizate prin metode tradiţionale. Printre sursele de date în plină dezvoltare pot fi
enumerate datele de tip clickstream de pe Web, conţinutul social media (tweet-uri, blog-uri,
anunţurile de pe peretele Facebook etc.) şi datele video din marketing-ul on-line, precum şi
cele de divertisment video. Big Data cuprind de o gamă extrem de largă: de la date de voce
generate în centre de tip „call center”, la date de genomică şi proteomică din cercetarea
biologică şi medicină. De remarcat, doar o foarte mică parte a acestor informaţii este formatată
în rânduri şi coloane, conform bazelor de date convenţionale.
Companiile care vor învăţa să exploateze comercial Big Data vor folosi în timp real, informaţii
de la senzori, dispozitive RFID şi alte dispozitive de identificare, pentru a-şi înţelege mediul de
afaceri la un nivel mai granular, pentru a crea noi produse şi servicii, precum şi pentru a
răspunde la schimbările ce apar în modelele de utilizare pe masură ce acestea sunt adoptate
de clienţi. Aceste organizaţii care valorifică Big Data se diferenţiază în trei moduri
principale:
d) acordă atenţie fluxurilor de date şi mai puţin stocurilor.
e) se bazează pe experţi în date (data scientists) şi dezvoltatori de produs şi de proces şi
mai puţin pe analişti de date (data analysts).
f) mută analiza avansată a datelor (Analytics) dinspre sistemul TIC către activitatea de
bază, funcţiunile operaţionale şi de producţie.
a) Concentrarea pe fluxurile de date
Există mai multe tipuri de aplicaţii ale Big Data. Primul tip susţine procesele de lucru ale
organizaţiei, cum sunt identificarea fraudelor în timp real sau evaluarea pacienţilor în medicină
cu privire la riscurile pentru sănătate. Un al doilea tip implică monitorizarea continuă a
procesului pentru a detecta evenimente sau situaţii ca modificări ale percepţiei consumatorilor
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 15
sau necesitatea intrării în service a unui motor cu reacţie. Al treilea tip utilizeză Big Data pentru
a explora relaţiile în reţele sociale, cum ar fi prietenii propuşi pe LinkedIn şi Facebook.
În toate aceste aplicaţii, datele nu sunt constituite de "stocul" dintr-un depozit de date, ci dintr-
un flux continuu. Devine mai importantă evaluarea de fluxuri şi procese continue decât
ceea ce a avut loc în trecut. Aceasta reprezintă o schimbare substanţială faţă de situaţia în
care analiştii de date efectuau mai multe analize pentru a determina semnificaţia într-o cantitate
fixă de date.
„Streaming Analytics” permite prelucrarea datelor în timpul unui eveniment pentru
îmbunătăţirea rezultatelor (Davenport et al., 2012). Această capabilitate este din ce în ce mai
importantă în domenii cum ar fi asistenţa medicală. La Spitalul pentru copii din Toronto, de
exemplu, algoritmi de învăţare automată sunt în măsură să descopere modele predefinite care
anticipează infecţii la copiii prematuri înainte ca acestea să apară.
Volumul şi viteza crescute ale datelor în mediile de producţie vor determina organizaţiile
să dezvolte procese continue pentru colectarea, analiza şi interpretarea datelor. Deşi
"stocuri" mici de date situate în depozite sau baze de date vor continua să fie utile pentru
dezvoltarea şi rafinarea modelelor analitice folosite, odată dezvoltate modelele, acestea trebuie
să proceseze fluxuri de date continue cu rapiditate şi precizie.
Unele aplicaţii cu Big Data, cum ar fi analiza sentimentelor consumatorilor, nu sunt
performante pentru automatizarea deciziilor, dar sunt mai potrivite pentru monitorizarea în timp
real a mediului de lucru. Având în vedere volumul şi viteza Big Data, abordări convenţionale, de
luare a deciziilor sunt de multe ori inadecvate în astfel de medii. În momentul în care
organizaţia are informaţiile necesare pentru a lua o decizie, noi date devin disponibile ceea ce
face decizia caducă. În contexte de monitorizare în timp real, organizaţiile trebuie să adopte
o abordare mai continuă în analiza şi luarea deciziilor pe baza a o serie de ipoteze şi
presupuneri. „Social Media Analytics, de exemplu, preia tendinţele rapid schimbătoare în
sentimente clienţilor despre produse, mărci şi companii. În medii de Big Data este important să
se analizeze, să se ia decizii şi să se acţioneze rapid şi des.
b) Utilizarea suportului experţilor în date şi al dezvoltatorilor de produse şi procese
Deşi a existat întotdeauna necesitatea existenţei unor experţi în analiză pentru a sprijini
capacităţile analitice ale organizaţiei, cerinţele privind personalul de suport sunt diferite pentru
Big Data.
Deoarece interacţiunea cu datele în sine - obţinerea, extragerea, manipularea şi structurarea
acestora - este critică pentru orice analiză, personalul care lucrează cu Big Data trebuie să
deţină abilităţi substanţiale şi creative. De asemenea, ei trebuie să fie aproape de
produse şi procese în cadrul organizaţiilor, ceea ce înseamnă că trebuie să fie organizaţi în
mod diferit faţă de cum era personalul de analiză în trecut.
"Experţii în date", aşa cum aceşti profesionişti sunt cunoscuţi, înţeleg Analytics, dar, de
asemenea, sunt bine experimentaţi în TIC, având de multe ori studii avansate în informatică,
fizică computaţională sau biologie ori ştiinţe sociale. Setul lor actualizat de calificări în
gestionarea datelor - incluzând programare, competenţe matematice şi statistice, precum şi
înţelegere a afacerii şi abilitatea de a comunica eficient cu factorii de decizie - merge mult
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 16
dincolo de ceea ce era necesar pentru analiştii de date din trecut. Această combinaţie de
aptitudini, atât de valoroasă, este foarte greu de găsit.
Companiile îşi regândesc, de asemenea, structurile organizatorice pentru experţii în date. În
mod tradiţional, profesioniştii în analiză au fost adesea parte a organizaţiilor de consultanţă
interne, acordând consiliere managerilor sau directorilor executivi pentru deciziile interne. Cu
toate acestea, în unele industrii, cum ar fi reţelele de socializare online, jocurile de noroc şi
produsele farmaceutice, experţii în date fac parte din organizaţia dezvoltatoare a produsului,
dezvoltând noi produse şi caracteristici ale produselor. La Merck & Co. Inc, de exemplu,
experţii în date (pe care compania îi numeşte experţi în genetică statistică) sunt membri ai
organizaţiei care descoperă şi dezvoltă medicamente (Davenport, Barth & Bean, 2012).
c) Mutarea Analytics de la sistemul TIC către activitatea de bază şi funcţiunile
operaţionale
Volumele de date în creştere necesită îmbunătăţiri majore în bazele de date şi tehnologiile de
Analytics. Preluarea, filtrarea, stocarea şi analiza fluxurilor de Big Data pot înfunda reţelele
tradiţionale, matricele de stocare şi platformele de baze de date relaţionale. Încercările de a
reproduce şi a scala tehnologiile existente nu vor ţine pasul cu cerinţele Big Data, determinând
schimbarea tehnologiilor, abilităţilor şi proceselor TIC.
Piaţa a răspuns cu o gamă largă de produse noi destinate să prelucreze Big Data.
Acestea includ platformele open source, cum ar fi Hadoop, inventat pentru a sprijini gama largă
de date generate şi gestionate în Internet. Hadoop permite organizaţiilor să încarce, stocheze
şi interogheze seturi masive de date pe o reţea mare de servere ieftine, precum şi să execute
operaţii de Analytics avansate, în paralel. Bazele de date relaţionale au fost, de asemenea,
transformate: Noile produse au performanţă de interogare crescută cu un factor de 1.000 şi
sunt capabile de a gestiona o mare varietate de surse de Big Data. Pachetele de analiză
statistică evoluează în mod similar pentru a lucra cu aceste noi platforme de date, tipuri de date
şi algoritmi.
O altă tendinţă este furnizarea de capabilităţi Big Data în Cloud. Deşi nu este încă adoptată
pe scară largă în marile corporaţii, procesarea „în Cloud” este foarte adecvată pentru Big Data.
Multe aplicaţii de Big Data utilizează informaţii externe, care nu sunt proprietare, cum ar fi
modelarea reţelelor sociale şi analiza sentimentelor. Mai mult decât atât, tehnicile Big Data
Analytics sunt dependente de capacităţi de stocare şi putere de procesare extinse, care
necesită un sistem distribuit flexibil, care poate fi reconfigurat pentru nevoi diferite. Furnizorii de
servicii bazate pe Cloud oferă posibilitatea plăţii per cerere, cu reconfigurare rapidă.
O abordare specifică în gestionarea Big Data este de a lăsa datele acolo unde se află.
Aşa-numitele "pieţe de date virtuale" permit experţilor în date să partajeze datele existente,
fără replicarea acestora. eBay Inc, de exemplu, avea o problemă enormă cu replicarea datelor,
cu între 20 şi 50 de versiuni ale aceloraşi date împrăştiate pe diferitele sale pieţe de date.
Datorită utilizării pieţelor sale de date virtuale, problema companiei cu replicarea a fost redusă
drastic. eBay a creat, de asemenea, un "hub de date", un site Web intern pentru a face mai
uşor pentru manageri şi analişti de a se servi cu şi de a partaja date şi analize în cadrul
organizaţiei. De fapt, eBay a construit o reţea socială în jurul Analytics şi al datelor.
Alinierea la Big Data determină organizaţiile să-şi regândească ipotezele de bază cu
privire la relaţia dintre afaceri şi TIC, precum şi rolurile respective ale acestora. Rolul
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 17
tradiţional al TIC, automatizarea proceselor de afaceri, impune cerinţe precise, aderarea la
standarde şi verificarea modificărilor. Analytics a fost mai mult o revizuire pentru procesele de
monitorizare şi de notificare a managementului cu privire la anomalii. Big Data a condus spre
această abordare. Un principiu cheie al Big Data este că lumea şi datele care o descriu
sunt în continuă schimbare, şi organizaţiile care pot să recunoască aceste modificări şi să
reacţioneze rapid şi inteligent vor avea succes. Noile avantaje se bazează pe descoperire şi
agilitate, capacitatea de a explora in mod continuu sursele de date existente şi cele noi pentru
a identifica modele predefinite, evenimente şi oportunităţi.
Aceasta necesită o schimbare în activitatea de TIC în cadrul organizaţiilor. Pe măsură ce
volumul de date explodează, organizaţiile vor avea nevoie de instrumente analitice care să fie
fiabile, robuste şi să poată fi automatizate. În acelaşi timp, Analytics, algoritmii şi interfeţele
utilizator pe care le folosesc vor trebui să faciliteze interacţiunile cu oamenii care lucrează cu
instrumentele. Organizaţiile de succes vor instrui şi recruta oameni cu un nou set de
aptitudini care pot integra aceste noi capabilităţi de Analytics în mediile lor de producţie.
O altă modalitate prin care Big Data determină modificarea rolurilor tradiţionale de afaceri şi
TIC este aceea că prezintă descoperirea şi analiza ca prime comandamente ale afacerii.
Următoarea generaţie de procese şi sisteme TIC trebuie să fie proiectate pentru perspectivă,
nu doar pentru automatizare.
Arhitecturile TIC tradiţionale conţin aplicaţii (sau servicii) ca şi "cutii negre" care realizează
sarcini, fără expunerea datelor şi a procedurilor interne. În contrast, mediile de Big Data trebuie
să înţeleagă datele noi şi deci, raportarările rezumative nu mai sunt suficiente. În consecinţă,
aplicaţiile TIC trebuie să măsoare şi să raporteze în mod transparent pe o mare varietate de
dimensiuni, inclusiv interacţiunile clienţilor, utilizarea produselor, acţiunile de service şi alte
măsuri dinamice. Pe măsură ce Big Data evoluează, arhitecturile se vor dezvolta într-un
ecosistem de informaţii: o reţea de servicii interne şi externe partajând continuu informaţii,
optimizând deciziile, comunicând rezultatele şi generând noi perspective pentru afaceri.
3.1.3. Guvernanţa datelor şi Big Data
Big Data, (concept care implică, de regulă cantităţi mari de informaţii eterogene, structurate şi
nestructurate), este un fenomen foarte recent, care a pătruns în multe organizaţii indiferent de
mărime (corporaţii sau IMM-uri). Ca urmare, guvernanţa Big Data este într-un stadiu
incipient, şi există puţine ghiduri şi indicaţii metodologice răspândite pe scara largă asupra
realizării în mod eficient, a acesteia.
Cu toate acestea, guvernanţa şi integrarea informaţiilor sunt factori esenţiali pentru a
obţine valoarea maximă dintr-un proiect de tip Big Data. Fără garanţia că informaţiile pe
care se bazează sunt de încredere, organizaţiile nu pot lua decizii bazate pe tehnicile Analytics
şi Business Intelligence. Cele mai importante caracteristici şi aspecte care trebuie avute în
vedere în guvernanţa Big Data sunt următoarele.
Fenomenul Big Data este dinamic, volumul datelor care se acumulează într-o organizaţie
creşte continuu, în mod exponenţial şi cu viteze din ce în ce mai mari. Pentru a se evita
situaţia în care devine imposibil ca datele să fie clasificate şi interogate şi informaţiile imposibil
de gestionat este necesar a se adopta poltici de guvernanţă clare şi bine definite.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 18
O mare parte din datele pe care organizaţiile trebuie să le exploateze provin din afara sferei lor
de control, sunt mai puţin structurate, şi mult mai puţin înţelese decât datele tranzacţionale cu
care s-au ocupat în mod tradiţional. În mod tradiţional, guvernanţa datelor s-a concentrat pe
informaţiile stocate în baze de date relaţionale. Guvernanţa Big Data implică noi tipuri şi
forme de informaţii, cum ar fi: bazele de date non-relaţionale sau incomplet relaţionale, date
nestructurate de tipul celor provenite din aplicaţiile informatice de tip „social media” sau
generate de senzori. Apar noi provocări pentru implementarea guvernanţei, deoarece aceste
noi tipuri de date trebuie să fie integrate cu infrastructurile de guvernanţă a informaţiilor şi
tehnologice existente.
Absenţa unei abordări coordonate a guvernanţei Big Data sau neglijarea imperativelor de
integrare în guvernanţa şi managementul datelor unei organizaţii conduce la apariţia
următoarelor situaţii de risc sau pericol:
„Inundarea” cu date care sunt dificil sau imposibil de regăsit şi analizat. Utilizatorii
instrumentelor software (factori de decizie sau operaţionali) întâmpină dificultăţi în
regăsirea informaţiilor necesare pentru luarea deciziiilor sau nu se pot baza pe
validitatea datelor pe care le accesează.
Neîndeplinirea conformităţii cu reglementările şi regulile interne, precum şi cu
standardele generale de calitate. Dacă în cadrul politicilor de guvernanţă adoptate
sau practicate nu sunt incluse şi proceduri robuste pentru asigurarea conformităţii,
devine foarte dificilă conformarea cu standarde sau reglementări adoptate la nivel
internaţional cum ar fi: Sarbanes-Oxley (SOX) sau Basel 2, Federal Rules of Civil
Procedure (FRCP) sau, the Federal Rules of Evidence (FRE), the Health Insurance
Portability and Accountability Act (HIPAA) sau reglementări similare ale U E.
Suportarea unor pagube financiare sau de reputaţie. În absenţa unei gestiuni clare a
ciclului de viaţă al tuturor tipurilor de informaţii, precum şi un control asupra suportului
de stocare a informaţiilor, riscul ca acestea să fie compromise sau furate este mult mai
mare. Efectele acestor situaţii pot fi suportarea unor amenzi, sau afectarea reputaţiei
datorită unor procese sau alte litigii.
Costuri sporite datorate unor politici neclare de retenţie a informaţiilor. Stocarea
unor volume mari de date pe perioade nedefinite sau mai mari decât este necesar se
poate datora absenţei sau unor politici de guvenanţă defectuoase care nu specifică
timpul de păstrare a diferitelor tipuri de date.
3.1.4. Big Data Analytics
„Analytics” este definit, în literatura de limbă engleză (Banerjee, Bandyopadhyay, & Acharya,
2013), ca o deliberare bazată pe fapte ce conduce la formularea de perspective de pătrundere
(eng. „insights”), diagnostice, precum şi la posibile implicaţii pentru planificarea viitoarelor
acţiuni, într-un mediu organizaţional. Aria de cuprindere a Analytics poate varia de la urmărirea
de rutină şi monitorizarea performanţei în afaceri şi a unor elemente de validare, indicatori de
tip „ar fi bine de ştiut”, până la o diagnosticare dirijată a cauzei principale a problemelor de
afaceri, precum şi o predicţie strategică cu privire la iniţiativele de afaceri viitoare. Caracterul
comun în toate aceste activităţi este faptul că sunt conduse în mod semnificativ de fapte
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 19
("raţionale", prin natură), obţinute prin colectarea intenţionată a datelor de piaţă de business ale
firmelor.
Deşi necesitatea de a utiliza inferenţa bazată pe evidenţa factuală în procesul de decizie în
afaceri a fost formulată de timpuriu în teoria managementului, disciplina Analytics a devenit un
curent dominant doar în ultima perioadă. Deoarece Analytics este un ansamblu de procese de
analiză a datelor la care contribuie în mod decisiv ştiinţe ca: statistica matematică, teoria
algoritmilor, ştiinţa computaţională, preeminenţa Analytics în mediul organizaţional se
datorează progreselor făcute în domeniul TIC, conducînd la infrastructuri de calcul performante
şi la apariţia unor tehnici şi instrumente software avansate pentru colectarea şi prelucrarea
informaţiilor.
„Business Analytics” - BA este un termen care poate fi definit ca "o mulţime a tuturor
competenţelor, tehnologiilor, aplicaţiilor şi practicilor necesare pentru explorarea şi investigarea
în mod iterativ, continuu, a performanţelor anterioare în afaceri, în scopul obţinerii unei
perspective şi conducerii planificării afacerii (Banerjee, Bandyopadhyay, & Acharya, 2013). În
funcţie de rezultatele sale, acest proces poate fi de tip descriptiv, de diagnosticare, predictiv,
sau prescriptiv .
Analytics-ul descriptiv descrie un fenomen prin diferite măsuri care ar putea capta
dimensiunile sale relevante. Scopul este de a descoperi pur şi simplu "ceea ce s-a
întâmplat", sau de alertare asupra a ceea ce se va întâmpla.
Analytics-ul de diagnosticare evaluează "de ce" s-a întâmplat ceva. Necesită o analiză
exploratorie a datelor existente sau a datelor suplimentare, dacă este necesar să fie
colectate folosind instrumente cum ar fi tehnici de vizualizare în scopul descoperirii cauzelor
profunde ale unei probleme.
Analytics-ul predictiv caută opţiuni pentru viitoarele imperative de afaceri, prezice
rezultatele potenţiale viitoare şi explică elementele determinante ale fenomenelor observate,
folosind tehnici statistice sau de data mining, (de ex. previziunea vânzărilor unui produs
pentru luna următoare sau comportamentul unui segment ţintă de clienţi).
Analytics-ul prescriptiv depăşeşte simpla descriere, explicând şi estimând pentru a sugera
"ce opţiuni sunt pentru cursul acţiunii" în viitor, pentru optimizarea proceselor de afaceri în
scopul atingerii obiectivelor de afaceri. Cu alte cuvinte, se asociază alternative de decizie cu
predicţia rezultatelor. Pentru Analytics prescriptiv, este folosită analiza deciziei, care include
instrumente cum ar fi optimizarea şi simularea.
Principalul avantaj al utilizării Analytics în procesul de luare a deciziilor de afaceri este
posibila evitare a subiectivităţii. Deşi creierul uman este capabil de prelucrarea mai multor
dimensiuni de date la un moment dat, acestuia îi lipseşte coerenţa, care este obtenabilă printr-
un proces ştiinţific raţional utilizând ajutor computaţional.
Prin urmare, analiza datelor a fost întotdeauna o armă adecvată pentru a contracara riscurile
de incoerenţe produse de deciziile nonraţionale. Tranziţia de la euristică la rezolvarea
problemelor pe bază de fapte a fost stimulată de accesul mai facil la datele de afaceri, atât prin
metode voluntare cât şi involuntare, cât şi dezvoltarea unor capacităţi de procesare mai
inteligente.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 20
„Big Data Analytics” - BDA se referă la colectarea, organizarea şi analiza (Analytics) unor
seturi mari de date (numite "Big Data") pentru a descoperi modele predefinite, şabloane şi alte
informaţii utile. Big Data Analytics poate ajuta organizaţiile să înţeleagă mai bine informaţiile
conţinute în datele respective şi ajută de asemenea, la identificarea celor mai importante date
pentru afacere şi deciziile de afaceri viitoare. Analiştii de "Big Data" urmăresc să extragă
cunoştinţele care rezultă din analiza datelor.
Pentru cele mai multe organizaţii, BDA reprezintă o provocare, având în vedere volumul
mare de date şi formatele diferite de date (atât structurate cât şi nestructurate) care sunt
colectate la nivelul întregii organizaţii şi multiplele moduri în care diferitele tipuri de date pot fi
combinate, comparate şi analizate pentru a găsi modele şi alte informaţii utile afacerii. În multe
cazuri organizaţiile nici nu sunt conştiente că deţin aceste date.
Prima provocare constă în "spargerea" silozurilor de date pentru a accesa toate datele pe
care o organizaţie le stochează în diferite locuri şi, adesea, pe diferite sisteme. O a doua
provocare importantă a "Big Data Analytics" constă în crearea de platforme care pot colecta
date nestructurate la fel de uşor ca pe cele structurate. Acest volum masiv de date este de
obicei atât de mare încât este dificilă prelucrarea cu ajutorul bazelor de date şi al metodelor
software tradiţionale.
Big Data necesită implementări de înaltă performanţă ale tehnicilor Analytics. BDA se
realizează de obicei folosind instrumente software specializate şi aplicaţii pentru analiză
predictivă, explorarea datelor, explorarea textului, prognoză şi optimizare a datelor. Acestea
sunt procese specifice funcţiilor Analytics, dar funcţii extrem de integrate şi de înaltă
performanţă, utilizând suportul hardware, sisteme şi instrumente software de "Big Data". Astfel,
organizaţiile sunt capabile să proceseze datele pe care le-au colectat pentru a determina care
date sunt relevante şi pot fi analizate pentru a conduce la decizii de afaceri mai bune în viitor.
3.1.5. Datele deschise şi valoarea lor economică
Conţinutul şi datele deschise pot fi utilizate în mod liber, modificate şi împărtăşite de
oricine, în orice scop (http://opendefinition.org/). Redifuzarea acestora este permisă cu
respectarea cerinţelor care conservă provenienţa (dreptul de autor) şi deschiderea (partajarea
mai departe).
Există două dimensiuni în deschidere a datelor:
datele trebuie să fie deschise în mod legal, ceea ce înseamnă că trebuie să fie
plasate în domeniul public sau în condiţii liberale de utilizare cu restricţii minime;
datele trebuie să fie deschise din punct de vedere tehnic, ceea ce înseamnă că
trebuie să fie publicate în formate electronice care sunt uşor de citit în mod automat şi,
de preferinţă, non-proprietate. Astfel, oricine poate accesa şi utiliza datele folosind
instrumente software comune, disponibile în mod liber. Datele trebuie să fie, de
asemenea, disponibile public şi accesibile pe servere publice, fără restricţii de parolă
sau firewall. Pentru a face datele deschise uşor de găsit, cele mai multe organizaţii
creează şi gestionează cataloage de date deschise.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 21
În (Chui et al., 2014) se evidenţiază că seturile de date variază de la complet deschise la
complet închise, în patru dimensiuni:
1. accesibilitate (gama de utilizatori care au permisiunea de a accesa datele),
2. lizibilitate (uşurinţa cu care datele pot fi prelucrate în mod automat),
3. cost (preţul pentru a obţine datele), şi
4. drepturi (limitări cu privire la utilizarea, transformarea şi difuzarea/distribuţia datelor)
Informaţiile deţinute de corporaţii devin tot mai „lichide”, pe măsură ce acestea îşi
adâncesc colaborarea şi integrarea cu partenerii de afaceri sau chiar cu clienţii. Fenomenul
este concomitent cu apariţia unor noi iniţiative guvernamentale (SUA, Mexic, Singapore, etc.)
prin care instituţiile publice îşi pun datele la dispoziţia accesului on-line al publicului. Se
constată astfel, că nu numai datele interne sau proprietare sunt valoroase, ci şi cele care sunt
colectate din surse externe, deschise, public accesibile (Chui, Manyika, & Van Kuiken, 2014).
De asemenea, a apărut o nouă categorie de companii denumite „agregatori”, care se
ocupă cu asamblarea, anonimizarea şi valorificarea către terţe părţi a informaţiilor. Cererea
pentru acest tip de date este în creştere rapidă. La acestea se adaugă un volum uriaş de date
cum sunt cele rezultate din interacţiunile cu „social media” disponibile de la platforme de tip
Twitter sau Facebook, care sunt din start publice. Un exemplu ilustrativ, în acest sens este o
aplicaţie pentru telefoane mobile inteligente care utilizează datele furnizate de autorităţile şi
companiile de transport, în timp real pentru a informa utilizatorul despre timpul la care
următorul tren sau autobuz va sosi. Prin utilizarea datelor deschise sau publice provenite de la
cele mai diverse surse şi combinarea cu date interne, proprietatea unei companii se pot realiza
introspecţii şi aplicaţii inovative care pot fi exploatate pentru a face operaţiile din cadrul firmei
mai eficiente şi mai eficace, sau pot contribui la dezvoltarea de produse şi servicii noi şi
inovative.
Studiul efectuat de McKinsey Global Institute, McKinsey Center for Government, şi McKinsey
Business Technology Office (Chui et al., 2014) consideră că valoarea anuală generată de
utilizarea datelor deschise în aplicaţii care acoperă şapte domenii ale economiei globale
(Figura 3.2), poate depăşi 3 trilioane de dolari (un trilion = o mie de miliarde).
Comisia Europeană estimează că câştigurile economice din deschiderea informaţiilor din
sectorul public sau a datelor guvernamentale s-ar putea ridica la 40 de miliarde € pe an. Aceste
estimări au determinat un număr mare de întreprinderi mici şi mijlocii să dorească să fructifice
potenţialul datelor deschise. Se consideră că aceste companii practic „inundă” piaţa, cautând
să se poziţioneze cât mai avantajos, prin specializare, pentru a crea şi a capta valoare (Zeleti
et al., 2014).
Într-un studiu al Băncii Mondiale (Stott, 2014), se relevă apariţia unui sector economic nou,
denumit „infomediary”. Acesta este constituit de companiile care dezvoltă şi valorifică servicii
care au la bază date deschise. Numai în Spania, acest sector cuprinde 150 de companii cu
4000 de salariaţi şi generează 330-550 milioane € (Gross Value Added - GVA), atribuiţi
reutizării datelor deschise (Stott, 2014).
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 22
Fig. 3.2. Potenţialul de a crea valoare al datelor deschise (în miliarde $) [după (Chui et al.,
2014)]
Cu cât mai mult datele sunt deschise, cu atât mai mult ele pot fi folosite, reutilizate, readaptate
în alte scopuri, combinate cu alte date pentru a crea valoare adăugată. Pe măsură ce
economia şi societatea devin mai mult bazate pe cunoaştere, datele devin active de bază,
creând valoare şi deteminând inovarea socială şi economică, creşterea şi dezvoltarea.
Iată câteva moduri în care se creează valoare.
Reducerea costurilor în furnizarea de servicii existente, atât de către organizaţiile
guvernamentale, cât şi în sectorul privat (de exemplu a face acelaşi lucru pentru un cost
mai mic);
Apariţia unor noi servicii şi îmbunătăţirea calităţii serviciilor;
Contribuind în mod indirect la îmbunătăţirea guvernării şi a serviciilor de guvernare prin
îmbunătăţirea responsabilităţii şi implicării cetăţenilor, ambele generând o mai mare
încredere în guvernare.
3.1.6. Ştiinţa datelor şi experţii în ştiinţa datelor
Există în prezent, atât în domeniul academic, cât şi rândurile practicienilor, o dezbatere asupra
definiţiei ştiinţei datelor. Una din abordări constă în a considera ştiinţa datelor ca fiind un pas
evolutiv înspre un domeniu interdisciplinar care include: ştiinţa calculatoarelor, informatica,
modelarea, statistica matematică, Analytics şi matematică.
În esenţa sa, ştiinţa datelor presupune utilizarea metodelor automatizate pentru a analiza
cantităţi masive de date şi pentru a extrage cunoştinţe din acestea. Cu astfel de metode
automate aplicate peste tot, de la genomica la fizica energiilor înalte, ştiinţa datelor ajută la
crearea de noi ramuri ale ştiinţei, şi influenţează domenii ale ştiinţelor sociale şi umaniste.
Tendinţa este de aşteptat să se accentueze în anii următori, pe măsură ce datele provenite de
la senzori mobili, instrumente sofisticate, de pe Web şi din diverse alte surse cresc continuu şi
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 23
se acumulează. Astfel, în cercetarea academică, se consideră că în cadrul unui număr din ce
în ce mare de discipline tradiţionale vor apărea noi subdomenii cu adjectivul "computaţională"
sau "cantitativă". În aproape toate domeniile de reflecţie intelectuală, ştiinţa datelor oferă o
nouă abordare puternică pentru a face descoperiri. Prin combinarea de aspecte din statistică,
informatică, matematică aplicată şi vizualizare, ştiinţa datelor poate transforma mari cantităţi de
date pe care era digitală le generează în noi perspective şi noi cunoştinţe.
Provost & Fawcett, (2013) încearcă să clarifice conceptul ştinţei datelor şi frontierele sale,
precum şi de ce este dificil de definit exact. Ei consideră că următoarele aspecte sunt
importante pentru clarificarea exactă a definiţiei ştiinţei datelor:
înţelegerea principiilor fundamentale care stau la baza conceptului;
înţelegerea relaţiilor care există între acest concept şi cele mai importante concepte
apropiate, aflate în legătură cu acesta.
La nivel conceptual, ştiinţa datelor este un set de principii fundamentale care susţin şi
ghidează extragerea de informaţii şi cunoştinţe din date (Provost & Fawcett, 2013).
Probabil, conceptul cel mai strâns legat de ştiinţa datelor este explorarea datelor (Data Mining),
extragerea cunoaşterii din date, prin intermediul tehnologiilor care încorporează aceste
principii.
Aceste principii şi tehnici sunt aplicate pe larg în toate ariile funcţionale în afaceri. Cele mai
întâlnite aplicaţii de business sunt în marketing pentru sarcini cum ar fi marketingul ţintit,
publicitate online, precum şi recomandări pentru marketingul de tip „cross-selling”. De
asemenea, ştiinţa datelor se aplică în managementul relaţiilor cu clientii pentru a analiza
comportamentul clienţilor, în scopul de a gestiona gradul de acceptare faţă de produs şi de a
maximiza valoarea aşteptată de client. În domeniul financiar se utilizează ştiinţa datelor
pentru a aprecia eficenţa creditelor, precum şi în operaţiuni de detectare a fraudelor şi
management al forţei de muncă. Comercianţi cu amănuntul importanţi (de la Wal-Mart la
Amazon), aplică ştiinţa datelor în cadrul afacerilor lor, de la marketing la managementul lanţului
de aprovizionare. Multe firme s-au diferenţiat strategic utilizând ştiinţa datelor, uneori până la
punctul în care au evoluat în companii concentrate pe explorarea datelor.
Ştiinţa datelor provine din mai multe domenii tradiţionale de studiu. Se bazează pe principiile
fundamentale ale analizei de cauzalitate. O mare parte din ceea ce a fost în mod tradiţional
studiat în domeniul statisticii este fundamentală pentru ştiinţa datelor. Există, de asemenea
anumite situaţii în care este necesar aportul unor calităţi ca: intuiţia, creativitatea, simţul comun
şi cunoaşterea unei anumite aplicaţii. Perspectiva ştiinţei datelor oferă specialiştilor care o
practică un cadru pentru a trata în mod sistematic probleme de extragere de cunoştinţe utile din
date. Scopul fundamental al ştiinţei datelor, în cadrul unei organizaţii, este de a promova,
sprijini şi a ameliora în permanenţă procesele de decizie condusă de date.
Decizia determinată de date (eng. Data Driven Decision Making) este ansamblul de practici
şi tehnici de decizie asistată care se bazează pe analiza datelor şi nu pe intuiţie. De
exemplu, în marketing deciziile de selecţie a publicităţii se pot lua pe baza experienţei
specialiştilor în domeniu care decid „ce merge şi ce nu”, sau selecţia se poate executa pe baza
analizei datelor referitoare la modul în care consumatorii reacţionează la diverse reclame.
Trebuie remarcat că există o mulţime de alte prelucrări ale datelor, care nu ţin de ştiinţa datelor.
Ingineria şi prelucrarea datelor sunt critice pentru a sprijini activităţile ştiinţiei datelor, (Figura
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 24
3.3), dar ele sunt mult mai generale şi sunt utile pentru mult mai multe activităţi. Tehnologiile de
prelucrare a datelor, inclusiv cele care se ocupă de Big Data, sprijină multe alte sarcini de
afaceri care nu implică extragerea de cunoştinţe sau de luare a deciziilor conduse de date, cum
ar fi: prelucrarea eficientă a tranzacţiiilor, sistemele cu funcţionare pe Web, managementul
campaniilor de publicitate on-line şi altele.
Fig. 3.3. Procesele care implică date în cadrul unei organizaţii [după (Provost & Fawcett, 2013)]
Dar poate că cea mai sugestivă definire a ştiinţei datelor se poate face prin clarificarea
specializării celor care o practică. Conform (O’Neil et al., 2013) în mediul academic există mai
multe accepţiuni pentru această specializare, în funcţie de interesele şi aria de cuprindere a
organizaţiei în cauză.
În domeniul lucrativ, termenul de „expert în ştiinţa datelor” (eng. Data Scientist),
desemnează o persoană care ştie să extragă sens din date şi să interpreteze datele. Un astfel
de expert stăpâneşte instrumentele şi metodele statisticii şi de învăţare automată şi, de
asemenea, petrece mult timp în procesul de colectare, curăţare, şi punere în evidenţă a
datelor, deoarece acestea nu sunt niciodată curate. Acest proces necesită abilităţi şi
cunoştinţe de persistenţă, statistică, precum şi de inginerie software, competenţe necesare
pentru inţelegerea deviaţiilor în seriile de date, precum şi pentru depanarea datelor de
jurnalizare şi de ieşire provenite de la codul sursă.
Odată ce datele capătă o formă prezentabilă, o altă componentă esenţială este analiza
exploratorie a datelor, care combină metodele de vizualizare şi sensul din date. Expertul în
ştiinţa datelor va găsi modele predefinite, va construi modele şi algoritmi, poate proiecta
experimente şi este implicat ca parte esenţială a procesului decizional condus de date. Va
comunica cu membrii echipei, ingineri, şi persoane de conducere într-un limbaj clar pentru
aceştia şi cu vizualizări de date astfel încât, chiar dacă ei înşişi nu sunt scufundaţi în date, ei le
vor înţelege implicaţiile.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 25
Davenport & Patil (2012), observă că importanţa acestei specializări a devenit evidentă abia în
momentul în care companiile au devenit conştiente de avantajul competitiv care poate fi obţinut
prin exploatarea datelor pe care le au la dispoziţie, precum şi de dificultăţile cu care sunt
confruntate, fiind practic inundate cu date. O mare parte din entuziasmul manifestat în prezent
în utilizarea Big Data se datorează apariţiei tehnologiilor care au făcut posibile managementul
datelor şi dezvoltarea de aplicaţii intensive ca date. În majoritatea cazurilor aceste instrumente
şi tehnologii, printre care se numără şi platforma Hadoop (cel mai utilizat cadru de prelucrare
bazat pe un sistem de fişiere distribuite) sunt de tip open source, lucrează în Cloud şi includ
tehnici şi limbaje de vizualizare sofisticate.
Caracteristic pentru aceste instrumente şi tehnologii este faptul că majoritatea au fost create în
cadrul unor companii ca Facebook, Google, Twitter sau Linkedin, de către specialişti care intră
în categoria experţilor în ştiinţa datelor şi care au excelat în afaceri datorită modului inteligent în
care au fructificat datele pe care le-au avut la dispoziţie.
3.1.7. Tranziţia către întreprinderea reactivă şi condusă de date
Examinând topul 20 S&P al celor mai valoroase companii, Meijer & Kapoor (2014) observă o
ascensiune a firmelor „bazate pe software”, cum sunt Uber, Tesla sau Airbnb şi în acelaşi timp
un declin al firmelor care urmează modelul tradiţional de afaceri (GlaxoSmithKline, Citigroup,
Philip Morris sau WallMart Stores). Succesul primelor companii se datorează faptului că
adoptă un model de afaceri puternic bazat pe software, ceea ce le permite să fie reactive şi
„conduse de date” (data-driven) şi astfel să reacţioneze rapid la factorii externi.
Tendinţa este ca succesul şi valoarea afacerii să se bazeze pe formula „business = date +
algoritmi”. Iată un exemplu în acest sens. Compania Uber nu deţine o flotă de maşini. Succesul
său se bazează pe colectarea datelor în timp real şi pe algoritmii pe care îi utilizează pentru a
transforma aceste date în decizii. Sistemul Uber urmăreşte în permanenţă condiţiile de trafic,
cererea şi oferta de servicii de transport, precum şi istoricul elasticităţii preţurilor la consumator.
Astfel este capabil să optimizeze tarifarea călătoriilor şi să direcţioneze maşinile către locurile
cu cea mai mare cerere de transport. Un pas în plus în aceeaşi direcţie este făcut de Google
care experimentază maşini autonome, fără şofer. În mod similar companiile Tesla şi Airbnb,
care produc efecte disruptive pe pieţele fabricării de autorisme şi, respectiv, industria hotelieră,
sunt în esenţă companii bazate pe software.
Majoritatea organizaţiilor aspiră astăzi să devină. A deveni companie condusă de date (data
driven) presupune cultivarea şi adoptarea unei mentalităţi conform căreia desfăşurarea
afacerii este bazată pe utilizarea continuă a tehnicilor de tip Analytics în luarea deciziilor
de afaceri pe bază de fapte. Scopul este acela de a se ajunge la un stadiu la care utilizarea
datelor şi a elementelor disciplinei Analytics de către personalul de decizie şi de către angajaţi
să devină o parte firească a fluxurilor de lucru zilnice ale acestora.
Personalul de decizie în domeniile de vânzări, marketing, financiar, precum şi din domeniul
operaţional trebuie să utilizeze în mod avantajos toate activele de date relevante pentru a
lua rapid deciziile adecvate. Pe măsură ce aceştia reuşesc să maximizeze utilizarea datelor
şi a Analytics, companiile cu performanţe de top sunt capabile să se diferenţieze în piaţă prin
abilitatea lor de a utiliza datele adecvate, la momentul potrivit, pentru adoptarea deciziilor.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 26
Unul din aspectele care diferenţiază companiile conduse de date faţă de competitorii lor este
reprezentat de determinarea de a colecta datele relevante pentru toate aspectele afacerii
lor, ceea ce le permite să exploreze în adâncime pentru a înţelege cauzele principale din
spatele anumitor condiţii specifice ale afacerii, cum sunt modificările în comportamentul
clienţilor sau ale tendinţelor pieţei.
Pentru ca o organizaţie să devină condusă de date sunt necesare mai multe etape. Pentru cele
care sunt în starea de pornire a activităţii, este importantă definirea acelor metrici ale
succesului care vor fi evaluate şi maparea acestor metrici la seturile de date care vor
contribui la evaluările respective. Deşi poate părea o iniţiativă descurajatoare, acest exerciţiu
pregăteşte companiile pentru alinierea execuţiei tactice la nivel de departament cu strategia la
nivel de corporaţie şi măsurarea performanţei în raport cu scopurile şi obiectivele stabilite.
Urmează adoptarea utilizării datelor şi tehnicilor Analytics în fluxurile zilnice de lucru, în
întreaga organizaţie. Fără acest angajament de sus în jos şi de jos în sus, adoptarea şi
execuţia pe baza obiectivelor vor avea de suferit. Liderii şi personalul de decizie din cadrul
organizaţiei pot ajuta la adoptarea unitară prin cuantificarea şi apoi partajarea în mod liber a
beneficiilor financiare, de productivitate sau operaţionale pe care le-au experimentat. Această
"polenizare" ce acoperă mai multe compartimente funcţionale, cu cele mai bune practici
conduse de date permite tuturor componentelor organizaţiei să îşi consolideze utilizarea datelor
şi a disciplinei Analytics şi conduce la un nivel mai ridicat de performanţă a afacerii. Pe măsură
ce utilizarea Analytics de către companii se maturizează, adoptarea se va răspândi şi
colaborarea între echipe şi departamente se va îmbunătăţi în mod continuu.
Pe măsură ce o companie devine din ce în ce mai mult condusă de date, directori, manageri,
sau angajaţi deopotrivă, se vor descoperi ei înşişi că acţionează şi gândesc în mod diferit,
punând întrebări mai profunde şi esenţiale despre provocările operaţionale sau de conducere a
afacerii pe care fiecare încearcă să le rezolve. Cine sunt clienţii noştri cei mai profitabili? Care
clienţi ne oferă cea mai mare valoare neexploatată? Generează strategiile noastre de vânzări
îmbunătăţirile pe care le-am aşteptat ?
3.2. Potenţialul de impact pentru competitivitate
3.2.1. Rezultate şi perspective
Se apreciază că datele digitale, tehnicile computaţionale şi de automatizare vor declanşa o
nouă revoluţie industrială. Activităţile umane, procesele industriale şi cercetarea generează
cerinţe de colectare, memorare şi prelucrare de date la o scară fără precedent, având drept
rezultat noi produse şi servicii. Conform (CE, 2014), tehnologia şi serviciile Big Data vor creşte
la nivel mondial la 16,9 miliarde dolari în 2015, cu o rată de creştere anuală de 40 % —
aproximativ de şapte ori mai mare decât rata de creştere anuală a tehnologiei informaţiei şi
comunicaţiilor în ansamblu. Pentru a evidenţia potenţialul de impact la datelor se utilizează
termenul de „inovare bazată pe date”, care se referă la capacitatea mediului de afaceri şi a
organizaţiilor din sectorul public de a utiliza informaţii obţinute din analiza performantă a datelor
pentru a dezvolta servicii şi produse îmbunătăţite care să faciliteze viaţa de zi cu zi a cetăţenilor
şi a organizaţiilor, inclusiv a IMM-urilor (SIIA, 2013). La nivel macroeconomic, economia
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 27
bazată pe date este definită ca un ecosistem de tipuri diferite de actori care interacţionează în
cadrul unei pieţe unice digitale, conducând la mai multe oportunităţi de afaceri şi la o mai mare
disponibilitate de cunoştinţe şi de capital, în special pentru IMM-uri, precum şi o stimulare mai
eficace a cercetării şi inovării relevante (CE, 2014). O asemenea economie va avea
următoarele caracteristici:
disponibilitatea unor seturi de date de bună calitate, fiabile şi interoperabile,
precum şi a unor infrastructuri performante (HPC, infrastructuri şi servicii de reţea
şi cloud computing, infrastructură pentru statistici);
îmbunătăţirea condiţiilor-cadru care facilitează generarea de valoare din seturile
de date: competenţe cu caracter multidisciplinar, cooperare strânsă în domeniul
cercetării şi inovării prin facilitarea accesului la cunoştinţe şi tehnologie, între
universităţi/ institute publice de cercetare şi parteneri privaţi, în special IMM-uri;
existenţa unor domenii aplicative în care o mai bună administrare a Big Data
poate face diferenţa: sisteme TIC bazate pe obiecte inteligente interconectate,
utilizatori iniţiali cu rol de promotori şi catalizatori ai acestor sisteme.
The Economist Intelligence Unit (EIU), a realizat în septembrie şi octombrie 2014, un sondaj
sponsorizat de Teradata (Teradata, 2014) şi care a inclus 362 directori de organizaţii la nivel
mondial. Constatările şi opiniile exprimate în acest raport nu reflectă neapărat punctul de
vedere al sponsorului. Respondenţii reprezintă o serie de industrii, cel mai mare număr din
domeniul asistenţei medicale, produse farmaceutice şi biotehnologie (12%), industria
prelucrătoare (12%), precum şi TIC şi tehnologie (11%).
Sondajul EIU relevă o relaţie puternică între „centrarea pe date” şi realizarea de
performanţe superioare. Companiile în care managerii şi angajaţii se bazează pe date
"întotdeauna", pentru a justifica deciziile de afaceri sunt mult mai susceptibile să declare că îşi
depăşesc concurenţii (68% faţă de 40% dintre respondenţi de la companii care nu sunt
conduse de date, sau îşi bazează deciziile pe date doar "uneori" sau "rar"). Ele sunt, de
asemenea, mult mai probabil să declare că culturile lor sunt creative şi inovatoare (78% faţă de
37%).
O mai mare disponibilitate şi utilizare a datelor la aceste companii duce la o mai bună
partajare a cunoştinţelor (70% faţă de 41%), o gestionare a riscurilor superioară (67% faţă
de 43%) şi o organizare mai de colaborativă (59% faţă de 33%). Companiile conduse de
date, de asemenea, raportează o creştere a calităţii şi a vitezei de execuţie (55% faţă de
24%), o mai rapidă luare a deciziilor (55% faţă de 28%) şi satisfacţia angajaţilor mai mare
(44% faţă de 21%).
Concluzia care se poate trage din aceste exemple este faptul că utilizarea Big Data Analytics
poate depăşi ca performanţe tipuri tradiţionale de analiză şi judecată umană într-un număr în
creştere de domenii.
Un colectiv de la MIT şi Wharton School Penn, a realizat recent un studiu al modului în care
deciziile determinate de date (DDD) influenţează performanţele firmelor (Brynjolfsson ş.a.,
2011). Ei au elaborat un indicator de masurare a DDD care permite evaluarea firmelor cu
privire la gradul de utilizare a datelor pentru a lua decizii în cadrul companiei. Rezultatele
obţinute arată statistic că, cu cât gradul în care o firmă este condusă de date este mai
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 28
ridicat, cu atât este mai productivă, chiar în condiţiile în care este nevoită şă controleze o
gamă largă de posibili factori de confuzie. Diferenţele înregistrate indică că o deviaţie standard
mai ridicată pe scara indicatorului DDD este asociată cu o creştere de 4-6% a productivităţii.
De asemenea, indicatorul DDD este corelat cu rentabilitatea mai mare a activelor, rentabilitatea
capitalului, utilizarea activelor şi valoarea de piaţă, iar relaţia pare să fie cauzală.
Un alt studiu (Tambe ş.a., 2011), a combinat datele provenite de la un important site Web de
recrutare (de locuri de muncă) cu datele unui sondaj privind practicile în sistemele informatice,
cu scopul de a determina de ce companiile bazate pe decizii determinate de date au
performanţe mai bune. Acest studiu a constatat că complementaritatea a trei componente,
TIC + orientarea organizaţiei către mediul extern + organizarea muncii, va duce la
câştiguri de productivitate.
În ştiinţele fizice, atunci când erorile de măsurare determină blocaje în procesul de descoperire
ştiinţifica, reacţia a fost de a dezvolta instrumente de măsurare mai perfecţionate. În contrast,
în marketing şi în ştiinţele sociale, răspunsul a constat în utilizarea de tehnici statistice de mai
mare putere pentru a depăşi problemele de măsurare. Cu toate acestea, doar tehnologiile
digitale sunt acum cele care fac posibilă îmbunătăţirea dramatică a măsurătorilor. Cu ajutorul
acestora, ne putem întoarce la modele mai simple, dar cu date mult mai voluminoase, mai fin
granulate, şi obţinute în timp mult mai util. Cea mai importantă sarcină şi rezultat este
structurarea datelor într-un mod care este semnificativ pentru analiză, precum şi
regândirea dependenţei de euristici depăşite în luarea deciziilor.
3.2.2. Impactul guvernanţei Big Data
Big Data, atunci când sunt utilizate judicios, pot determina obţinerea de valoare adăugată
pentru organizaţii. În acest context, creşte şi importanţa şi vizibilitatea guvernanţei datelor. Într-
un mediu în care se gestionează Big Data, la fel ca în orice mediu, utilizatorii finali pot fi
preocupaţi de credibilitatea rezultatelor analitice atunci când gradul de încredere a surselor de
date este limitat. Acestea au condus la dezvoltarea continuă şi maturizarea proceselor şi
instrumentelor de asigurare a calităţii datelor, standardizarea datelor, şi de curăţare a datelor.
Asigurarea calitatăţii datelor este văzută ca o disciplină matură, în special atunci când în
centrul atenţiei se află evaluarea seturilor de date şi aplicarea acţiunilor de remediere sau
corective asupra acestora (Loshin, 2013). La această percepţie au avut o contribuţie majoră
două fenomene ce s-au manifestat recent.
Primul este conştientizarea faptului că seturile de date create cu un anumit scop funcţional în
cadrul unei organizaţii (cum ar fi vanzări, marketing, contabilitate, sau de achiziţii publice pentru
a numi doar câteva) sunt refolosite în contexte diferite, în special pentru raportare şi analiză. În
consecinţă, calitatea datelor nu mai poate fi exprimată şi măsurată în funcţie de cât de
adecvate sunt unui anumit scop, ci trebuie să fie evaluate din perspectiva unor scopuri
multiple, luând în considerare toate utilizările şi cerinţele de calitate din aval.
Cel de al doilea, strâns legat de precedentul, este convingerea că asigurarea uzabilităţii datelor
pentru toate scopurile necesită o supraveghere mai cuprinzătoare. O astfel de supraveghere
ar trebui să includă controale monitorizate, încorporate în ciclul de viaţă al procesului de
dezvoltare a sistemelor şi să acopere întreaga infrastructură de aplicaţiilor de întreprindere.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 29
Cele două fenomene au consolidat poziţia proeminentă a guvernanţei datelor în medii
caracterizate de Big Data. Când se concentrează pe procesele interne, guvernanţa datelor
permite nu numai un grad de control asupra datelor create şi partajate în cadrul unei
organizaţii, ci permite administratorilor de date să ia măsuri corective, fie printr-o comunicare cu
proprietarii datelor, fie prin intervenţie directă asupra datelor atunci când este necesar.
Atunci când se examinează caracteristicile cheie ale Big Data Analytics, analogia cu
abordările convenţionale ale calităţii datelor şi ale guvernanţei datelor începe să eşueze.
Conform acestor abordări ale calităţii datelor, nivelul de uzabilitate a datelor este măsurat pe
baza unor caracteristici, cum ar fi: precizia, completitudinea, consistenţa, coerenţa, gradul de
actualitate sau gradul de unicitate. Aceste tipuri de măsuri sunt, în general, destinate pentru
validarea datelor folosind reguli definite şi pentru a sesiza orice erori atunci când datele de
intrare nu sunt conforme cu aceste reguli. Sunt vizate seturi de date moderate ca dimensiuni,
din surse cunoscute, cu date structurate, cu un set relativ mic de reguli.
În contrast, seturile de date mari nu prezintă aceste caracteristici şi nici nu au tipuri similare de
impact în desfăşurarea afacerii. Big Data Analytics, în general, nu ia în considerare impactul
erorilor sau neconcordanţelor între diferitele surse, sau provenienţa acestora, sau frecvenţa de
colectare. Aplicaţiile Big Data preiau fluxuri de intrare multiple, provenind din interiorul şi din
afara organizaţiei, unele luate dintr-o varietate de fluxuri de social networking, fluxuri de date
sindicalizate, fluxuri de ştiri, filtre de căutare preconfigurate, seturi de date publice sau open
source, reţele de senzori, sau alte fluxuri de date nestructurate. Astfel de seturi de date nu pot
fi guvernate separat sau în mod singular.
O altă problemă este generată de modelul de dezvoltare si execuţie a aplicaţiilor Big Data.
Modelele dezvoltate în medii izolate, de tip „sandbox”, ocolesc adesea canalele tradiţionale TIC
şi de management al datelor, creind posibilităţi mai mari de neconcordanţe cu proiecte TIC în
care aceste modele sunt utilizate. Acest aspect este complicat mai mult în situaţiile în care
seturile de date sunt introduse direct sau descărcate direct, fără intervenţia TIC.
Dar, probabil, cea mai dificilă, este problema coerenţei. Când seturile de date sunt create în
interiorul organizaţiei şi un utilizator din aval sezizează o potenţială eroare, problema poate fi
comunicată proprietarilor sistemului de origine. Aceştia au apoi, posibilitatea de a găsi cauza
principală a problemelor şi apoi să corecteze procesele care au condus la erori. În cazul
sistemelor care lucrează cu Big Data, care absorb volume masive de date provenite din
exterior, există oportunităţi limitate de a implica proprietarii proceselor în executarea de
modificări la sursa. Pe de altă parte, în cazul în care se optează pentru "corectarea" fluxului de
date potenţial, se introduce o inconsistenţă cu sursa originală, ceea ce poate duce la concluzii
incorecte şi decizii eronate.
În concluzie, într-o anumită măsură, ceea ce ar putea fi numită abordarea standard a
guvernanţei datelor nu se poate aplica la toate aplicaţiile cu Big Data. Şi totuşi, este necesar un
anumit tip de supraveghere care poate asigura că rezultatele analitice sunt credibile. O
modalitate de a aborda nevoia de asigurare a calităţii şi consistenţei datelor, este de a adopta
conceptul de „politici de date” bazate pe caracteristicile de calitate a informaţiilor care
sunt importante pentru un anumit proiect Big Data (Loshin, 2013).
Sunil Soares, autor al mai multor lucrări privind guvernanţa datelor şi fostul director al
departamentului „Information Governance Practice” al IBM susţine necesitatea implementării
unui cadru de guvernanţă a datelor. Deşi implică un mare consum de energie şi resurse,
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 30
guvernanţa Big Data produce câştiguri în termeni de valoare pentru afacere mult mai mari.
Capacitatea de a analiza Big Data, şi de a lua măsurile necesare, pot avea un impact major
asupra profitului unei companii (Soares, 2012). Elaborarea unui model de maturitate pentru
guvernanţa Big Data este un prim pas important în contextul acestor eforturi. Soluţi afurnizată
de IBM este prezentată în Figura 3.4.
Fig. 3.4. Modelul IBM de maturitate pentru guvernanţa Big Data (Soares, 2012)
Modelul porneşte le a scopul afacerii , definit prin rezultatele aşteptate ale acesteia. Facilitatorii
care asigură obţinerea acestor rezultate sunt, la modul general, structurile organizatorice şi de
promovare, iar în mod specific pentru guvernanţa datelor, responsabilii de date, managementul
riscurilor legate de date şi politicile de date. Suportul pentru implementarea activităţilor de
guvernanţă este constituit de disciplinele de bază (managementul calităţii datelor,
managementul ciclului de viată al informaţiei, metodele de securitate şi confidenţialitate a
datelor) şi discipinele suport (arhitectura datelor, clasificarea datelor şi metadate, înregistrarea
şi raportarea auditului informaţiei).
3.2.3. Impactul utilizării "Big Data Analytics"
Pe măsură ce tehnologiile care ajută o organizaţie la "spargerea" silozurilor de date şi la
analiza acestor date se perfecţionează, domeniile de aplicaţie se extind. Progresele actuale în
tehnicile Big Data Analytics permit cercetătorilor să decodifice ADN-ul uman în câteva minute,
să prezică unde plănuiesc teroriştii să atace, să determine care genă este cel mai probabil să
fie responsabilă pentru anumite boli şi, desigur, la care anunţuri publicitare este cel mai
probabil să răspundă cineva pe Facebook.
Există de asemenea cazuri de valorificare a Big Data Analytics în domeniul comercial. De
exemplu, Netflix a explorat preferinţele abonaţilor săi pentru a pune ingredientele esenţiale
împreună în hitul recent House of Cards. Datele abonaţilor au determinat de asemenea
compania să readucă Arrested Development înapoi pe ecran.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 31
Un alt exemplu este la Orange, unul dintre cei mai mari operatori de telefonie mobilă din lume.
Orange a lansat proiectul "Date pentru dezvoltare" prin eliberarea datelor de abonat pentru
clienţii din Coasta de Fildeş. Cele 2,5 miliarde de înregistrări, care au fost făcute anonime, au
inclus detalii privind apeluri şi mesaje text schimbate între 5 milioane de utilizatori. Cercetatorii
au accesat datele şi au trimis propuneri pentru Orange despre modul în care datele ar putea
servi ca bază pentru proiecte de dezvoltare în vederea îmbunătăţirii sănătăţii şi siguranţei
publice. Unul dintre proiectele propuse a arătat un mod de îmbunătăţire a siguranţei publice
prin urmărirea datelor de la telefoanele mobile pentru a localiza pe hartă locurile unde s-au
refugiat oamenii în situaţii de urgenţă, un altul a arătat cum să fie utilizate datele de la celulare
pentru izolarea unor epidemii / boli.
Companiile caută din ce în ce mai mult să găsească perspective utilizabile în datele lor. Multe
proiecte de Big Data au pornit de la necesitatea de a răspunde la întrebări specifice de afaceri.
Prin platforme Big Data Analytics adecvate, o întreprindere îşi poate spori vânzările,
creşte eficienţa şi îmbunătăţi operaţiunile, serviciile către clienţi şi managementul
riscurilor.
Compania QuinStreet, a efectuat o anchetă pentru a afla din care domenii economice sunt
companiile care intenţionează să folosească Big Data Analytics pentru a-şi îmbunătăţi
operaţiunile (http://www.webopedia.com/TERM/B/big_data_analytics.html). Din 540 de factori
de decizie implicaţi în achiziţii, aproximativ jumătate au declarat că utilizează aceste tehnici
pentru a creşte rata de păstrare a clienţilor, pentru a sprijini dezvoltarea de produse şi
pentru a obţine un avantaj competitiv. Domeniile care au atras cel mai mult atenţia se referă
la creşterea eficienţei economice şi optimizarea operaţiunilor. Mai exact, 62 % din repondenţi
au declarat că folosesc Big Data Analytics pentru a îmbunătăţi viteza şi reduce complexitatea.
Proiectul „2010 New Intelligent Enterprise Global Executive Study and Research” executat de
MIT Sloan Management Review şi Institutul IBM pentru valoare în afaceri (IBM Institute for
Business Value) a efectuat un studiu asupra eforturilor organizaţiilor de a valorifica informaţiile
şi a aplica Analytics (LaValle ş.a., 2013). Printr-un sondaj care a implicat aproximativ 3.000 de
directori, manageri, şi analişti, studiul a constatat următoarele:
organizaţiile cele mai performante folosesc Analytics de 5 ori mai mult decât cele cu
performanţe reduse;
60% dintre respondenţi au menţionat „inovarea pentru a realiza o diferenţiere
competitivă” ca fiind o provocare principală în afacere şi de asemenea, au fost de acord
că organizaţia lor are mai multe date decât poate utiliza în mod efficient;
aproape 40% dintre respondenţi au invocat o lipsă de inţelegere a modului de utilizare
a tehnicilor Analytics ca impediment principal în adoptarea pe scară largă a acestora.
Conform studiului, organizaţiile participante au fost de acord cu tărie că utilizarea informaţiilor
şi a Analytics le distinge în cadrul industriei în care activează şi le creşte şansele de a fi
performerii de top. Organizaţiile cu performanţe de top şi-au dublat şansele lor de a utiliza
Analytics pentru a direcţiona viitoarele strategii, precum şi de a utiliza introspecţiile pentru a
ghida funcţionarea de zi cu zi. Acestea iau decizii bazate pe analize detaliate în de două ori mai
multe cazuri decât cele cu performanţe mai mici. Cercetatorii au identificat o strategie în cinci
puncte pentru implementarea cu succes a managementului condus de Analytics şi
pentru a genera rapid valoare:
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 32
1. concentrarea pe oportunităţile cu valorile cele mai mari şi cele mai înalte;
2. identificarea întrebărilor ce trebuie puse şi a introspecţiilor ce trebuie executate pentru
a îndeplini obiectivul principal de afaceri şi apoi identificarea datelor necesare pentru a
răspunde la aceste întrebări;
3. încorporarea introspecţiilor în comunicaţiile uzuale din cadrul companiei pentru a
impulsiona acţiunile şi de a genera valoare;
4. păstrarea capacităţilor existente, concomitent cu adăugarea unora noi;
5. planificarea de viitor, folosind o agendă de informaţii.
Acesta este modul în care cele mai bune organizaţii se transformă ele însele, nu numai în a fi
mai inteligente, dar şi în a acţiona mai inteligent.
3.2.4. Potenţialul şi limitele deciziei determinate de date
În mediul organizaţional există un spectru larg de decizie. La un capăt al spectrului sunt
deciziile operaţionale, care sunt, în general, de rutină, pe termen scurt şi foarte structurate şi
din ce în ce mai încorporate în aplicaţii software sofisticate. La celălalt capăt al spectrului sunt
deciziile strategice care stabilesc direcţiile şi politicile unei afaceri, guvern sau alte organizaţii
pe termen lung. Acestea sunt de obicei luate la un nivel ridicat de management. Ele tind să fie
complexe şi nestructurate datorită incertitudinii şi a riscurilor care însoţesc în general deciziile
pe termen mai lung. Între aceste extreme se află mai multe tipuri de decizii, inclusiv cele care
nu sunt de rutină ca răspuns la situaţii noi sau neprevăzute, dincolo de domeniul de
aplicare al proceselor operaţionale, precum şi deciziile tactice asupra adaptărilor necesare
pentru a pune în aplicare strategii pe termen mai lung.
Pe lângă avantajele acestei abordări, este importantă înţelegerea limitelor aplicării DDD,
identificate prin întrebări de genul (Wladawsky-Berger, 2013):
când se pot încorpora decizii în procese automate organizaţionale bine stabilite?
când automatizarea devine limitativă şi este necesar ca procesul decizional condus de
date să fie privit ca un instrument ajutător pentru decizii mai eficiente şi mai inteligente ?
Pe măsură ce se colectează mai multe date noi, şi se aplică metode de analiză mai sofisticate,
pot fi luate decizii cu intervenţie umană limitată sau inexistentă. În timp, Big Data şi aplicaţii
avansate de ştiinţa datelor vor permite decizii operaţionale la un nivel cu totul nou, într-o
mare varietate de discipline.
Big Data sunt capabile să furnizeze informaţii despre comportamentul uman. Acestea pot
proveni de exemplu, de la sistemul de localizare al telefonului mobil sau de la tranzacţiiile de
cumpărare executate cu cardul de credit. Luate fiecare în parte, sunt mici elemente de date pe
care le lasă în urmă oamenii în activitatea curentă. Prin analizarea acestui tip de date, se pot
extrage enorm de multe informaţii despre aceştia. Dar generarea nor decizii / concluzii pe baza
informaţiilor cu caracter personal obţinute din diverse surse poate genera suspiciuni serioase
cu privire la confidenţialitate, precum şi la probleme legate de proprietatea asupra datelor şi de
controlul datelor. Este important ca utilizatorii să fie conştienţi de aceste riscuri, precum şi de
faptul că au ultimul cuvânt cu privire la utilizarea datelor colectate despre ei. De exemplu, vom
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 33
accepta probabil, utilizarea datelor cu caracter personal în aplicaţii de management al
identităţii, dar s-ar putea să fim mai selectivi în modul în care sunt utilizate datele noastre
personale pentru a ne trimite oferte de marketing. Este necesar să se găsească echilibrul
corect între utilizarea unor astfel de aplicaţii de luare a deciziilor determinate de date şi
confidenţialitatea vieţii private.
Aceleaşi probleme şi dileme intervin în situaţii care impun decizii strategice cum ar fi
securitatea naţională sau ordinea publică. Acestea afectează politicile şi direcţiile pe termen
lung ale unei organizaţii sau comunităţi. Utilizarea Big Data şi a ştiinţei datelor în asemenea
cazuri necesită luarea în considerare a contextului şi este încă un domeniu de investigare.
Wladawsky-Berger (2013) subliniază necesitatea existenţei unui cadru care să sprijine
personalul de decizie să perceapă şi să descrifreze in mod rapid contextul în care se iau
deciziile. Un context ordonat, fie că e simplu sau complicat, presupune un univers ordonat, în
care relaţiile cauză-efect sunt perceptibile, iar răspunsurile corecte pot fi determinate pe bază
de fapte. Un context complex şi haotic este neordonat şi nu există o relaţie imediată între cauză
şi efect, iar calea de urmat este determinată pe baza unor şabloane care apar pe parcurs.
Universul ordonat este subiectul managementului bazat pe fapte, iar contextul neordonat este
gestionat pe bază de şabloane / modele. Una dintre cele mai mari provocări ale DDD constă în
a evita să se considere în mod greşit că un context neordonat, imprevizibil, complex este de
fapt unul ordonat, complicat, dar previzibil. Astfel de ipoteze încurajează simplificări care sunt
utile doar în anumite circumstanţe.
Un management eficient nu adoptă un singur mod de decizie (DDD sau decizia bazată pe
modele), indiferent de situaţie. În cazul deciziilor operaţionale, este necesar să se facă
distincţia între acele situaţii în care deciziile pot fi încorporate în procesele automate, precum şi
cele care necesită intervenţie umană. În cazul deciziilor strategice, trebuie făcută diferenţa
dintre contexte complicate, dar previzibile şi complexe, şi cele intrinsec imprevizibile.
3.3. Tipologia de soluţii TIC specifice
3.3.1. Tipuri de proiecte şi guvernanţa Big Data
Corrigan (2013) scoate în evidenţă faptul că obţinerea de rezultate cu tehnicile de Big Data
Analytics nu este posibilă dacă datele cu care se lucrează nu sunt de încredere. Cele trei
avantaje majore aduse de integrarea şi guvernanţa informaţiilor în condiţiile prelucrării
Big Data sunt următoarele:
1. Posibilitatea gestiunii şi integrării datelor incerte: informaţiile cresc nu numai în volum, ci
şi în varietate. Se estimează, (Corrigan, 2013), că în 2015 80% din date sunt incerte, atât ca
precizie, cât şi ca: origine, calitate, sau surse (senzori şi alte dispozitive care generează date).
Creşterea exponenţială a numărului de surse de date determină ca procesul de culegere a
unor date de încredere să fie tot mai dificil. Rolul managementului şi guvernanţei eficiente a
informaţiilor este de a masca aceste dificultăţi şi a facilita guvernarea unei infrastructuri
complexe în acelaşi mod ca guvernarea unei singure baze de date.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 34
2. Asigurarea adaptabilităţii şi flexibilităţii sistemelor informatice: în permanenţă utilizatorii
unui sistem trec la noi aplicaţii, noi raportări sau noi moduri de exploatare a datelor pentru a
răspunde regulilor de funcţionare a organizaţiei şi astfel cresc complexitatea şi ponderea
informaţiilor neguvernate încă. Se pune întrebarea dacă sistemul sau modul său de guvernare
este suficient de agil şi performant pentru a satisface cerinţele afacerii. Implementarea unei
guvernanţe şi integrări agile permite adaptarea rapidă la cerinţele afacerii mereu schimbătoare
şi asigurarea că informaţiile sunt în permanenţă de încredere.
3. Asigurarea scalabilităţii: creşterea volumului Big Data implică o creştere continuă a cererii
pentru date de încredere în cadrul organizaţiilor. În aceste condiţii, se impune ca aplicaţiile
sistemelor informatice să fie extrem de scalabile, în special cele care implementează integrarea
şi guvenanţa informaţiilor.
Factorul determinant în adoptarea unei strategii de guvernanţă este tipul de proiect Big
Data care se urmăreşte a fi implementat (Corrigan, 2013). Perioada de valabilitate şi modul
de utilizare a datelor sunt indicatori importanţi care influenţează modul de abordare. Astfel,
anumite date au valoare pe perioadă scurtă, expirând rapid, altele dimpotrivă îşi păstrează
valoarea un timp îndelungat şi trebuie stocate pe perioade lungi. De asemenea, unele date
sunt utilizate în mod individual, la nivel de înregistrare, iar altele sunt anonimizate şi utilizate la
nivel agregat. În Figura 3.5 sunt grupate tipurile de proiecte cu diferite cerinţe impuse
guvernanţei şi integrării informaţiilor, în funcţie de necesităţile de prezervare, recunoaştere,
percepţie sau retenţie a datelor.
Fig. 3.5. Cadranul tipurilor de proiecte Big Data (după Corrigan, 2013)
Percepţia. Proiectele din această categorie colectează şi asamblează date cu scopul de a
identifica tendinţe (de exemplu să identifice sentimentele consumatorilor pe baza utilizării
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 35
analizei mijloacelor de difuzare de tip „social media”). Datele se acumulează rapid şi au o
durată de viaţă scurtă. În consecinţă, se pune accentul pe integrarea lor rapidă.
Rolul guvernanţei şi integrării informaţiilor este de a asigura livrarea datelor, consistenţa
impusă a acestora, protecţia datelor sensibile, precum şi distrugerea sau arhivarea în timp util a
acestora. Politicile de gestiune a ciclului de viaţă a datelor sunt aplicate la nivel agregat.
Politicile de retenţie şi arhivare sunt importante pentru că asigură controlul creşterii volumului
datelor. Datele sensibile trebuie mascate (nedivulgate) pentru a se asigura că rămân realiste,
protejate şi în siguranţă. Se impune un anumit nivel al calităţii datelor pentru asigurarea
consistenţei şi pentru a facilita analiza lor, dar nu este necesară aplicarea riguroasă a tuturor
aspectelor calităţii.
Retenţia
Această categorie de proiecte este similară celor din cadranul Percepţie, cu excepţia că datele
sunt reţinute (memorate) pe o perioadă mai lungă, în scopul exectării unor analize istorice. În
general cu cât datele sunt reţinute mai mult, cu atât este necesară mai multă guvernanţă.
Exemple de aplicaţii specifice acestui cadran sunt prognozarea stocurilor necesare sau analize
de tip demografic.
Proiectele din acest cadran se concentrează pe creşterea consistenţei datelor. Sunt utilizate
abilităţile de asigurare a calităţii datelor şi cele de stocare a datelor în formate consistente. Sunt
utilizate metode de management al datelor de test pentru a se asigura că orice modificare sau
upgrade în sistem se realizează în condiţiile păstrării eficienţei şi protecţiei datelor de test.
Managementul ciclului de viaţă al datelor este în continuare o capabilitate importantă, pentru a
păstra controlul asupra creşterii volumului de date. În acest cadran, guvernanţa şi integrarea
informaţiilor sprijină consistenţa, precum şi includerea datelor provenite din surse multiple.
Recunoaşterea
Proiectele de acest tip sunt similare celor din cadranul Percepţie, în sensul că perioada de
valabilitate a datelor este foarte scurtă (de exemplu analiza unor date de campanie de
marketing sau interpretarea datelor colectate de la dispozitive şi senzori). Însă această
categorie se distinge prin concentrarea pe date de tip individualizat, înregistrări separate.
Aria de cuprindere a calităţii datelor este mai largă în acest cadran. În consecinţă,
guvernanţa datelor trebuie să depăşească consistenţa şi să urmărească asigurarea
corectitudinii datelor. Pentru validarea şi recunoaşterea datelor este utilizat managementul
datelor principale (eng. Master Data Management – MDM). Acesta furnizează un set de entităţi
principale, unice derivate din surse de date fragmentate.
Aspecte importante în acest cadran sunt: arhivarea datelor pentru a controla creşterea
volumelor, managementul datelor de test, precum şi integrarea diferitelor tipuri de stocare
(replicare, pe loturi, federativă). În plus, se pune accentul pe asigurarea agilităţii, datorită
timpului scurt cerut de analiza datelor.
Prezervarea
În acest cadran se află proiectele care au cele mai avansate cerinţe pentru guvernanţă
ocupându-se de date individuale care trebuie prezervate un timp îndelungat (de exemplu
aplicaţii la nivel de întreprindere de tip „mission critical” sau sisteme de Analytics şi de raportare
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 36
în domeniul financiar). Sistemul informatic trebuie să asigure atât corectitudinea, cât şi
siguranţa şi confidenţialitatea datelor.
Principalele acţiuni avute în vedere în cadrul guvernanţei sunt: asigurarea acureteţii
mentenanţei datelor de încredere, asigurarea calităţii datelor şi asigurarea standardizării şi
validării informaţiilor. În acest scop este utilizat managementul datelor principale (MDM).
Obiectivul de interes major pentru managementul ciclului de viaţă al datelor se mută de la
politicile agregate la înregistrări individuale (de ex. arhivarea unor înregistrări particulare ale
consumatorilor).
Asigurarea confidenţialităţii şi siguranţei datelor personale sunt în centrul preocupărilor
proiectelor de acest tip. În acest scop sunt utilizate sisteme de protecţie şi monitorizare care
previn eventualele breşe şi maschează sau codifică datele sensibile. Toate aceste
funcţionalităţi sunt furnizate concomitent cu capacităţile de integrare a datelor distribuite,
federate sau replicate şi care pot proveni din prelucrări de tip loturi.
3.3.2. Arhitectura de referinţă a sistemelor Big Data Analytics
Procesul general de extragere de perspective din Big Data poate fi descompus în 5 etape
(Gandomi & Haider, 2015). Aceste 5 etape se pot grupa în 2 subprocese principale:
managementul datelor şi Analytics (Figura 3.6). Managementul datelor cuprinde procesele şi
tehnologiile suport pentru achiziţia şi stocarea datelor, precum şi pentru regăsirea şi pregătirea
acestora pentru a fi analizate. Analytics cuprinde tehnicile utilizate pentru a analiza datele şi a
extrage cunoştinţe şi soluţii din date.
Fig. 3.6. Procesele Big Data Analytics [(Gandomi & Haider, 2015)]
Demchenko, De Laat & Membrey (2014), furnizează o perespectivă asupra unei infrastructuri
Big Data generice, subliniind că aceasta include o infrastructură generală de management
al datelor, bazată în mod tipic pe Cloud, precum şi o parte de Big Data Analytics care se
bazează pe suportul obligatoriu al unui sistem distribuit şi a unei reţele de mare performanţă.
Serviciile generale componente ale infrastructurii Big Data includ:
instrumente de management al datelor, specifice Big Data (Big Data Management);
servicii de evidenţă, indexare, căutare/regăsire, semantică şi spaţiu de nume;
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 37
servicii de securitate şi siguranţă (controlul accesului, ranforsare a politicilor de acces,
asigurarea confidenţialităţii, a încrederii, a disponibilităţii şi protecţiei datelor personale);
medii suport pentru colaborare şi management de grup.
Pe lângă serviciile generale de infrastructură Cloud de bază (cum sunt cele de stocare, calcul
şi management al imaginilor virtuale), în sprijinul aplicaţiilor de Big Data Analytics sunt
necesare servicii şi instrumente specifice unei infrastructuri BDA (Demchenko ş.a., 2014):
servicii de administrare a clusterelor;
servicii şi instrumente specifice mediului Hadoop;
instrumente software de tip Data Analytics (jurnale, evenimente, explorarea datelor,
învăţare automată, etc.);
servere şi sisteme de gestiune a bazelor de date;
baze de date şi sisteme de prelucrare paralelă.
Bazându-se pe investigarea unor cazuri de utilizare, precum şi pe implementările de arhitecturi
de Big Data Analytics la principalele companii mari cu activitate pe Web (Facebook, Google,
Twitter, Netflix, Linkedin, etc), Pääkkönen & Pakkala (2015) au elaborat o arhitectură de
referinţă de nivel înalt pentru sistemele de Big Data Analytics. Această arhitectură (Figura
3.7), evidenţiază componentele funcţionale, subsistemele de stocare şi fluxurile de date din
cadrul sistemelor BDA.
Fluxul datelor se desfăşoară de la stânga la dreapta, fiind iniţiat de diversele surse de date şi
fiind în final, furnizat utilizatorului. Componentele funcţionale ale arhitecturii de referinţă sunt
interconectate de-a lungul acestui flux de date, formând o magistrală de prelucrare.
Componentele similare sunt grupate în zone funcţionale identificate prin denumiri concrete.
Activităţile de specificare a joburilor şi a modelelor sunt figurate separat pentru a ilustra
caracterul distinct al acestora faţă de cel al funcţiilor on-line care constituie fluxul datelor.
Sursele de date sunt definite în două dimensiuni, mobilitate şi structurare. Atributul in situ se
referă la datele care nu se mişcă. De exemplu, un fişier Hadoop ce urmează a fi prelucrat.
Datele de tip streaming sunt datele care aparţin fluxului, vin în mod continuu şi trebuie
prelucrate în timp real (de exemplu, fluxurile de date generate de Twitter).
Atributul structurare diferenţiază datele astfel încât acestea pot fi considerate structurate dacă
respectă un model strict (cazul bazelor de date relaţionale care respectă o schemă),
nestructurate dacă nu pot fi asociate cu nici un model (cazul paginilor Web sau al imaginilor)
sau semistructurate dacă nu sunt complet modelabile ca cele structurate, conţin neregularităţi,
structuri parţiale sau urmează modele sau scheme flexibile sau evolutive (cazul documentelor
în format XML sau JSON).
Extragerea datelor se referă la operaţiile de introducere a datelor in situ în sistem. Aceste
operaţii constau în extragerea datelor din structurile distribuite de stocare în care se află,
stocarea lor temporară în depozite temporare sau transferul şi încărcarea lor în spaţii de
stocare specifice, denumite depozite de date brute. La rândul lor, datele de streaming pot fi
extrase şi stocate temporar în depozite temporare de date de streaming.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 38
Fig. 3.7. Arhitectura de referinţă BDA [după (Pääkkönen & Pakkala, 2015)]
Urmează etape de prelucrare a datelor (combinare şi curăţare), executate pe datele brute,
după care rezultatele sunt salvate în depozite temporare de date prelucrate. Operaţiile de
extragere a informaţiilor constau în extragerea de informaţii noi din datele brute, precum şi de
structurare a acestora şi stocarea în formate structurate în baze de date de nivel
organizaţional.
Operaţiile de tip Analytics în profunzime (Deep Analytics) se referă la executarea de joburi în
sistem pe loturi, asupra datelor in situ. Rezultatele acestor operaţii pot fi memorate în depozite
dedicate sau în depozite de tip „Publish & Subscribe”, care au rolul de a facilita regăsirea
rezultatelor analizelor în mod indirect, fără a exista o cuplare între componentele care publică
(plasează) date şi componentele care le preiau (abonaţi).
Analiza datelor în flux (Stream Analysis) produce rezultate care sunt transformate şi stocate
în depozite de tip server pentru aplicaţiile de vizualizare, panouri de bord şi interfaţă utilizator.
Aplicaţiile de tip interfaţă utilizator, spre deosebire de cele de vizualizare, furnizează un set
limitat de funcţii de control, pentru a putea rula pe dispozitive mobile inteligente.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 39
3.3.3. Calculul în Cloud, Big Data şi Big Data Analytics
Calculul în Cloud şi Big Data sunt strâns legate. Tehnicile Big Data oferă utilizatorilor
posibilitatea de a folosi echipamentele obişnuite pentru a procesa cereri şi interogări distribuite
pe mai multe seturi de date şi să se furnizeze seturi rezultate în timp util. Calculul în Cloud
oferă motorul care stă la baza prelucrărilor Big Data prin utilizarea Hadoop, o clasă de
platforme de prelucrare a datelor distribuite.
Lucrarea (Hashem ş.a., 2015) propune o arhitectură pentru Bid Data în Cloud, prezentată în
Figura 3.8. Conform acestei arhitecturi, volume mari de date din Cloud şi Web sunt stocate
într-o bază de date distribuită tolerantă la defecte şi procesate prin intermediul unui model de
programare pentru seturi de date de mari dimensiuni, cu algoritmi paraleli, distribuiţi într-un
cluster. Scopul principal al vizualizării datelor, este de a prezenta rezultatele analitice într-o
formă vizuală, prin diferite grafice pentru luarea deciziilor.
Big Data utilizează tehnologii de stocare distribuită, cu localizare în Cloud. Aplicaţiile de
prelucrare utilizează intensiv tehnicile de virtualizate şi de scalare elastică specifice Cloud. Prin
urmare, calculul în Cloud oferă nu numai facilităţi pentru calculul şi prelucrarea Big Data, dar de
asemenea, serveşte ca un model de implementare şi furnizare a serviciilor.
Fig. 3.8. Arhitectura Big Data în Cloud [după (Hashem ş.a., 2015)]
Sullivan, Escaravage & Guerra (2014) redau rezultatele unei colaborări realizate între
compania Booz Allen Hamilton şi guvernul SUA ale căror eforturi au fost direcţionate către
utilizarea Big Data Analytics în căutarea de terorişti şi ameninţările acestora. Obiectivul a fost
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 40
integrarea unui spectru larg de surse de date şi aplicarea unor instrumente şi metode
sofisticate de Analytics pentru a descoperi legături şi modele predefinte ascunse. De
asemenea s-a urmărit dezvoltarea unei infrastructuri de furnizare a informaţiilor despre
insurgenţi sau alte entităţi care planifică plantarea de dispozitive explozibile improvizate sau
similare. Rezultatele colaborării s-au concretizat sub forma unei arhitecturi de referinţă
pentru Analytics în Cloud, prezentată în Figura 3.9.
Fig. 3.9. Arhitectură de referinţă pentru Analytics în Cloud [după (Sullivan ş.a., 2014)]
Un element fundamental al arhitecturii de referinţă pentru Analytics în Cloud este constituit de
depozitul central de informaţii denumit „lac de date”. Acesta este un spaţiu de stocare vast,
consolidat, care evită metodele rigide ale structurilor de date clasice. Orice căutare de
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 41
informaţii poate utiliza acest spaţiu de stocare în integralitatea lui şi, în plus, surse de date
externe. Utilizatorul nu mai este obligat să se mute de la o bază de date la alta şi să extragă din
acestea datele lor specifice pentru a realiza apoi o consolidare.
Un depozit de tip lac de date este mai mult decât un simplu mijloc de stocare, este un mediu
proiectat cu intenţia de a întări legăturile ce se află în date. Arhitectura de referinţă a fost
elaborată astfel încât să fructifice şisă exploreze aceste conexiuni, să identifice corelaţii şi
modele predefinite. Astfel se reduce complexitatea Big Data, mărind gradul de manevrabilitate
şi posibilitatea de administrare a acestora.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 42
4. Raport de analiză pentru tematica „Suport decizional bazat pe soluţii de Inteligenţa Afacerilor”
4.1. Descrierea tematicii
4.1.1. Evoluţii recente ale suportului decizional pentru mediul de afaceri
Astăzi mediul de afaceri în care organizaţiile acţionează suferă permanente schimbări şi devine
din ce în ce mai complex. Lumea afacerilor a devenit mai competitivă şi mai puţin
predictibilă, accentuând importanţa unei asistări a deciziei efective şi a utilizării instrumentelor
suport de decizie. Organizaţiile, atât cele private cât şi cele publice, sunt forţate să răspundă
rapid la condiţiile aflate mereu în schimbare şi să fie permanent inovative în modul în care
acţionează. Activităţile pe care trebuie să le desfăşoare acestea implică luarea unor decizii
operaţionale, tactice şi strategice într-un timp scurt. Multe dintre aceste decizii au un mare grad
de complexitate şi pot cere volume mari de date relevante, informaţii şi cunoştinţe. Prelucrarea
acestora pentru adoptarea deciziilor necesare trebuie făcută foarte rapid, în timp real. De
regulă acest lucru necesită folosirea de calculatoare, a Internetului, a dispozitivelor mobile, etc.
Probleme complexe de decizie apar un numai în mediul de afaceri, ci şi în finanţe, sănătate,
educaţie, energie, agricultură, turism, consultanţă, publicitate, etc.
Deciziile pot fi clasificate în funcţie de factori cum ar fi:
timpul necesar pentru rezolvarea problemei
nivelul de management la care are loc problema de decizie
efectul problemei de decizie asupra scopurilor organizaţiei
gradul de structurare a problemei
disponibilitatea unor modele sau model care să fie folosit pentru o problemă particulară.
O apreciere a tipurilor de decizie poate ajuta la înţelegerea caracteristicilor de manevrare a
datelor, informaţiilor şi cunoştinţelor.
Există trei categorii principale de decizii, departajate după scala de timp, nivelul de
management, tipul de informaţie folosită şi a gradului de incertitudine implicat. Acestea sunt:
planificarea strategică, managementul de control şi controlul operaţional.
Planificarea strategică este legată de definirea obiectivelor unei organizaţii, de determinarea
politicilor necesare pentru atingerea acestor obiective. În mod normal managerii de la cel mai
înalt nivel realizează aceste decizii pe termen lung. Informaţia este externă sau internă, înalt
agregată şi cu grad mare de incertitudine. Planificarea strategică implică definirea unor
obiective pe termen lung şi a unor politici pentru alocarea resurselor.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 43
Managementul de control sau planificarea tactică, este legată de deciziile şi politicile de
planificare strategică. Deciziile de la acest nivel sunt luate, în mod obişnuit, de către managerii
de la un nivel mediu. Obiectivul este de a certifica succesul politicilor şi obiectivelor definite de
planificarea strategică. Informaţia este moderat agregată, externă sau internă şi moderat de
incertă. Managementul de control înseamnă achiziţia şi folosirea eficientă a resurselor pentru
îndeplinirea obiectivelor organizaţiei.
Controlul operaţional este în mod normal realizat de managementul de pe un nivel scăzut.
Deciziile sunt orientate pe termen scurt şi legate de activităţi specifice. Informaţia este internă,
detaliată cu grad mic sau nul de incertitudine. Controlul operaţional constă în execuţia eficientă
şi efectivă a unor sarcini specifice.
“Ştiinţa managementului” (Management Science - MS) afirmă că în rezolvarea problemelor de
decizie managerii ar trebui să urmeze următorii paşi ai procesului de decizie:
1. Definesc problema de decizie;
2. Clasifică problema într-o categorie specifică;
3. Construiesc un model care descrie problema reală;
4. Identifică soluţii posibile la problema modelată şi evaluează soluţiile;
5. Compară, aleg şi recomandă o soluţie potenţială la problemă.
Factorii care influenţează procesul de luare a deciziilor se referă la:
contextul organizaţional în care o decizie este luată,
natura sau tipul de decizie care a fost produsă,
structura de preferinţă a decidentului, şi
limitările cognitive.
Aspectele noi legate de complexitatea şi diversificarea activităţilor decizionale, cât şi progresele
recente în tehnologia informaţiei au contribuit la impulsionarea cercetărilor în domeniile
Inteligenţei afacerilor (Business Intelligence - BI), Analizei de afaceri (Business Analytics -
BA) şi Sistemelor Suport de Decizie (Decision Support Systems - DSS) (Burstein şi
Holsapple, 2008; Mayer & Quik, 2015). Unele dintre aceste cercetări sunt cele legate de
funcţiile de analiză a volumelor mari de date şi informaţii, de cooperarea între decidenţi
organizaţi în echipe sau grupuri posibil virtuale.
În ultimii ani BI şi BA au apărut şi ca un domeniu nou de cercetare al DSS, cu un interes
deosebit în rândul cercetătorilor. În epoca Big Data, BI & BA pot contribui la îmbunătăţirea
performanţei organizaţionale, ca urmare a îmbunătăţirii luării deciziei de afaceri. BI şi BA s-au
născut din succesul BI în anii 1990 şi introducerea BA în anii 2000, ca element-cheie de
analiză a datelor în BI.
Afacerile inteligente au nevoie de BI pentru recunoaşterea, analiza, modelarea,
structurarea şi optimizarea proceselor de afaceri, precum şi pentru administrarea şi
analiza unor cantităţi masive de date structurate, semi-structurate şi nestructurate, în
scopul de a sprijini şi de a îmbunătăţi decizii critice în afaceri. Termenul "afaceri inteligente" nu
se limitează numai la societăţi comerciale, fiecare activitate complexă de afaceri poate profita
de avantajele furnizate de BI. BI a devenit o tehnologie de masă şi este, în conformitate cu cei
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 44
mai mulţi analişti în tehnologia informaţiei, în continuă şi prosperă dezvoltare. Aproape toate
întreprinderile şi organizaţiile de dimensiune medie şi mare sunt fie deja utilizatori ai unui
software BI, fie intenţionează să utilizeze BI în următorii câţiva ani.
Domeniul învăţare automată ("machine learning"), inclusiv analiza de date, reprezintă o parte
a tehnologiei BI. Înainte de putea învăţa din date, este nevoie de a colecta datele şi de a le
prezenta într-o formă unitară, proces care implică extragerea datelor din procesele de afaceri
relevante şi, eventual, din surse web, cum ar fi reţelele sociale, curăţare, transformarea, şi
integrarea acestora şi apoi încărcarea într-un depozit de date sau alt tip de bază de date.
Pentru a-i determina pe utilizatori să interacţioneze eficient cu diverse etape ale acestor
activităţi, sunt necesare metode şi instrumente de vizualizare a datelor. BI merge, de altfel, cu
mult dincolo de date simple şi îşi propune să identifice un model şi să optimizeze procesele de
afaceri ale unei întreprinderi.
Dezvoltarea Big Data a avut un impact important asupra BI. Avantajul îl constituie existenţa
mai multor date decât oricând despre aproape fiecare aspect al afacerii. Dezavantaj îl
reprezintă volumul mare de date şi viteza cu care se acumulează acestea, aspecte care fac
extrem de provocatoare analiza şi obţinerea de valoare (cunoştinţe), în timp util. De asemenea,
sunt dificultăţi legate de cum să se utilizeze aceste date în mod eficient, cum să se transforme
datele în informaţii, cunoştinţe, ce acţiuni să se iniţieze în beneficiul afacerii. Pe de altă parte,
datele îşi pierd valabilitatea rapid şi necesită actualizarea perodică sau chiar in timp real.
Organizaţiile trebuie să înveţe cum să acţioneze înainte ca datele pe care îşi pot fundamenta
aceste acţiuni să expire.
Soluţiile convenţionale de BI necesită mult timp pentru a furniza rezultate necesare unor acţiuni
eficiente în condiţiile în care cererile pieţei se schimbă rapid.
În ultimii ani, întreprinderile au apelat tot mai mult la BI, nu doar pentru a înţelege modul în care
afacerea lor este performantă, ci şi de ce este performantă, pentru a înţelege cum se poate
îmbunătăţi performanţa afacerii lor. Managerii de afaceri îşi pun întrebări şi caută răspunsuri
care necesită experienţa unor experţi BI care să analizeze afacerea din perspective noi şi
diferite. Este suficient să se cunoască ce se vinde şi impactul diferiţilor factori de stabilire a
preţului, sezonalitatea, geografia, concurenţa ca să se poată obţine o ghidare în luarea
deciziilor de management. Acum, managerii doresc să ştie nu doar ceea ce este de vânzare,
dar şi care sunt cumpărătorii, cum sunt aceştia motivaţi, precum şi ceea ce nu se vinde şi de
ce. Pe această cunoaştere, compania poate decide ce are de făcut pentru a genera afaceri mai
profitabile de la clienţii existenţi şi noi. Cu siguranţă există date pentru a genera această
cunoaştere. În era tranzacţiilor electronice prin canale multiple, companiile au devenit adepte
ale colectării de date cu privire la comportamentul clientului şi interacţiune. Problema constă în
filtrarea acestor date, analiza lor şi obţinerea de sens şi valoare din aceste date. Modele
analitice fac mai uşoară sarcina identificării valorii informaţiei, ascunse în cantităţi mari de date,
comparativ cu analiştii umani care, folosind rapoarte tradiţionale BI, analizează tabele şi grafice
pentru a ajunge la informaţie şi cunoaştere. Cu toate acestea, crearea de modele analitice şi
punerea lor la lucru în luarea deciziilor durează de multe ori prea mult, consumă resurse şi
necesită abilităţi de care majoritatea organizaţiilor nu dispun. Scopul final al utilizării BI, dificil
de realizat, îl constiuie crearea unui ciclu de învăţare automată, care în mod constant să
urmărească şi să înveţe din comportamentul clienţilor, pentru a îmbunătăţi profitabilitatea
afacerii.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 45
În trecut, sistemele de inteligenţa afacerilor erau eficiente, deoarece datele şi condiţiile de piaţă
nu se schimbau la fel de des sau repede. Aceste aspecte joacă un rol important în furnizarea
unei imagini care să permită managerilor luarea unor decizii strategice pe termen lung.
Metodologii tradiţionale de BI nu se adresează totuşi necesităţilor de vânzări, marketing,
servicii cu clienţii şi altor unităţi din prima linie de responsabilitate pentru deciziile bazate pe
date care fac legătura cu clienţii. Astăzi, presiunea concurenţială impune luarea unor
măsuri care să transforme BI pentru a furniza strategii de acţiune şi a da rapid rezultate.
Pentru a înţelege mai bine cum se îmbunătăţeşte performanţa în afaceri, BI a evoluat de la
BA de tip descriptiv la BA de tip prescriptiv. BA descriptive operează cu metrici care ajută la
înţelegerea a ceea ce s-a întâmplat deja. BA prescriptive ajută la înţelegerea a ceea ce este
necesar să se facă pentru ca afacerea să evolueze într-o direcţie pozitivă.
Dezvoltarea capacităţilor de analiză pentru a ajuta la atingerea obiectivelor de business se poate realiza în trepte (Figura 4.1).
Fig. 4.1. Inteligenţa afacerilor şi procesul de management al deciziei
4.1.2. Inteligenţa afacerilor
4.1.2.1. Conceptul „Inteligenţa afacerilor”- BI
Corespunzător dezvoltării în domeniul TIC şi disponibilităţii datelor, putem distinge diferite
etape în dezvoltarea BI. Iniţial, BI a fost considerat ca un tip de sistem suport de decizie.
Tipurile de DSS sunt (a) DSS orientate pe modele, (b) DSS orientate pe date, (c) DSS orientate
pe comunicaţii, (d) DSS orientate pe documente şi (e) DSS orientate pe cunoştinţe. Conform
definiţiei Howard Dresner din 1989 (http://www.dresneradvisory.com/), termenul BI a devenit
popular în anii 1990 şi a fost înţeles mai mult ca DSS orientat pe date, în strânsă legătură cu
dezvoltarea depozitelor de date, utilizarea OLAP (online analytical processing) şi a
instrumentelor de raportare. În paralel cu evoluţiile din domeniul gestionării datelor, au
devenit populare şi instrumente de analiza a datelor, cum ar fi explorarea datelor (Data
Tip analiză de afaceri Intervenţie umană
Decizie
Date
Descriptiv Ce s-a întâmplat ?
Decizie Diagnostic De ce s-a întâmplat ?
Decizie Predictiv Ce se va întâmpla ?
Decizie Suport decizie
Acţiune
Decizie automată
Prescriptiv Ce ar trebui să fac ?
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 46
Mining) sau analiză predictivă. Uneori, acestea au fost denumite ca BAi (Business
Analytics), iar BI a fost considerat ca o colecţie legată de instrumente suport pentru diferite
activităţi în cadrul unei afaceri. În ultimii ani, disponibilitatea şi capacităţile de analiză a datelor
au crescut enorm şi au apărut noi domenii de cercetare pentru BI.
Conceptul de decizie asistată a fost implementat progresiv sub diferite denumiri de către mai
mulţi analişti şi comercianţi care au creat instrumente şi metodologii pentru asistarea deciziei.
Incepând cu anul 2006, majoritatea produselor comerciale şi serviciilor au apărut sub termenul
de “Inteligenţa afacerilor” (Business Intelligence – BI).
Conceptul de “Inteligenţa afacerilor” este un termen “larg” care combină arhitecturi,
instrumente, baze de date, instrumente analitice, aplicaţii şi metodologii (Raisinghani, 2004,
Grossmann & Rinderle, 2015).
Obiectivul major al BI este de a face posibil accesul interactiv (câteodată în timp real) la date,
de a face posibilă manipularea datelor şi de a da managerilor şi analiştilor abilitatea de a
conduce analize corespunzătoare. Prin analiza datelor istorice şi a celor curente decidenţii
obţin informaţii preţioase care le permit să elaboreze decizii mai bune şi mai informate.
Procesul de BI este bazat pe transformarea datelor în informaţii şi cunoştinţe apoi în decizii şi
în final în acţiuni. Transformarea se poate realiza însă şi prin instrumente independente
(Figura 4.2).
Fig. 4.2. Transformarea datelor în cunoştinţe şi instrumente asociate
În anii 1980 a fost introdus conceptul de Sistem de informare executivă (Executive Information
System – EIS). Acest concept a fost dezvoltat pentru managerii de vârf şi managerii executivi.
Câteva din caracteristicile introduse au fost raportarea dinamică multidimensională (ad-hoc sau
la cerere), previziunea şi predicţia, analiza tendinţelor, forarea până la detalii şi factori de
succes critici. Aceste caracteristici au apărut într-o mulţime de produse comerciale până la
mijlocul anilor 1990. Atunci aceleaşi caracteristici şi câteva noi au apărut în aplicaţii BI.
Există numeroase definiţii pentru BI, câteva exemple sunt prezentate în continuare:
BI este un concept care presupune extragerea şi transformarea datelor în informaţie
inteligibilă (cu sens). Odată cu dezvoltarea aplicaţiilor BI cantităţi imense de date aflate în
diverse formate (spreadsheets, baze de date relaţionale, weblog-uri) pot fi consolidate şi
prezentate analiştilor din domeniu (Whitehorn & Whitehorn, 1999).
Utilizarea datelor disparate ale unei organizaţii pentru a furniza informaţii semnificative şi de
analiză angajaţilor, clienţilor, furnizorilor şi partenerilor, pentru o luare a deciziei mai eficientă
(Business Objects, 2007).
Informaţie Date Cunoştinţe
Instrumente Data Mining şi OLAP (On-Line Analytical
Processing)
Sisteme de Management a Informaţiei (Management
Information Systems
Sisteme de prelucrare a tranzacţiilor (Transactions
Processing Systems
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 47
Livrarea de informaţii corecte persoanelor potrivite, la momentul potrivit pentru a sprijini
luarea de decizii mai bune şi pentru a obţine un avantaj competitiv. (SAS Institute – Ing,
2007).
Un portofoliu de tehnologii şi aplicaţii care oferă o abordare integrată, end-to-end, incluzând
aplicaţii de management al performanţei financiare, aplicaţii operaţionale BI şi depozite de
date. (Oracle, 2007).
Cognos a definit BI ca fiind un proces bazat pe evenimente. Astfel BI monitorizează 3 clase
de evenimente: notificarea, performanţa şi evenimentele operaţionale în scopul identificării
modificărilor esenţiale. Odată detectate modificările BI notifică şi alertează decidenţii,
ţinându-i la curent cu informaţiile disponibile. BI aduce oamenii şi datele împreună oferind o
varietate de moduri de a vedea informaţia pe care se sprijină luarea unei decizii (Cognos
2007).
Procesele, tehnologiile şi instrumentele necesare pentru transformarea datelor în informaţii,
a informaţiilor în cunoştinţe şi a cunoştinţelor în planuri care conduc la afaceri profitabile. BI
cuprinde magazii de date, instrumente analitice de afaceri (business analytics tools) şi
managementul cunoştinţelor (knowledge management) (Moss & Hoberman, 2004).
Un termen umbrelă care cuprinde instrumente, arhitecturi, baze de date, depozite de date,
managementul performanţei, metodologii, şi aşa mai departe, toate integrate într-o suită
unificată de software (Turban et al., 2007).
Cunoştinţe dobândite prin accesul şi analiza de informaţiilor de afaceri. Instrumente şi
tehnologii BI includ interogare şi raportare, OLAP (procesarea on-line analitică), explorarea
datelor (Data Mining) şi analiză avansată (Analytics), instrumente orientate către utilizatorul
final pentru interogare si analiza ad-hoc, şi tablouri de bord pentru monitorizarea
performanţei (Dresner, 2007).
BI realizează o asistare a deciziei bazată pe date şi include generarea, agregarea, analiza şi
vizualizarea datelor. BI nu este strict tehnologic, el implică procesele şi procedurile care sprijină
colectarea datelor, partajarea şi raportarea, toate cu scopul de a se lua decizii mai bune.
4.1.2.2. Conceptul „Analiza de afaceri” - BA
Analiza de afaceri (BA) poate fi definită ca "o categorie largă de aplicaţii, tehnologii şi
procese de colectare, stocare, accesare, şi analiza datelor pentru a ajuta pe utilizatorii de
afaceri să ia decizii mai bune" (Watson, 2009).
BA presupune modalităţi pentru explorarea datelor, evaluarea tendinţelor în timp şi măsurarea
sau compararea lor. Se pot include, de asemenea, diverse moduri de vizualizare a datelor
pentru a analiza rapid tendinţele şi relaţiile dintre date. Dacă BI este orientat pentru luarea de
decizii, BA este orientat către a pune întrebari: Cum s-a vândut un produs luna curentă faţă de
luna trecută? Cum a vandut un agent de vanzari în comparatie cu un altul? Sunt anumite
produse vândute mai bine în anumite locaţii? Se pot pune chiar întrebări cu privire la viitor, în
cazul sistemelor care realizează analize predictive (Predictive Analytics).
BA a fost introdusă la sfârşitul anilor 2000, ca o componentă cheie de analiză în BI (Davenport
2006). BA se referă la competenţe, tehnologii, practici de explorare iterativă continuă şi
investigare a performanţei în afaceri în trecut pentru a obţine o perspectivă şi orienta
planificarea afacerilor (Bartlett et al., 2013). BA este folosit pentru a obţine perspective care
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 48
informează în luarea deciziilor de afaceri şi poate fi folosit pentru a automatiza şi a optimiza
procesele de afaceri. BA tratează datele lor ca un activ corporativ şi ca o pârghie pentru
un avantaj competitiv. Succesul BA depinde însă şi de calitatea experţilor în analiza
datelor, care trebuie să aibă un nivel corespunzător de înţelegere atât a tehnologiilor, cât şi a
afacerilor, precum şi capacitatea de organizare a procesului decizional bazat pe date.
Conform (Sircar, 2009), comunitatea IT preferă utilizarea termenului BI, iar BA este preferat de
comunitatea de afaceri. Totuşi trebuie avute în vedede diferenţele dintre cele două concepte:
BA presupune, în general, explorarea datelor prin întrebări, pe când BI contribuie în faza de
luare a deciziilor. In plus, BA se extinde în prezent cu abordări specifice BDA (Big Data
Analytics), aplicate pentru mediului de afaceri.
După rezultatele furnizate, există trei tipuri principale de BA:
Analiză descriptivă: raportare standard, carduri de notare, raportare ad-hoc, OLAP şi
alerte, toate constituie analize descriptive unde date istorice/tranzacţionale sunt
analizate şi raportate;
Analiză predictivă: modelare sofisticată cantitativă şi statistică ce permite utilizarea
mai bună a datelor disponibile pentru a descoperi tendinţe şi tipare predictive. Aceste
tendinţe şi tipare contribuie la decizii mai precise;
Analize prescriptive: instrumente analitice / inteligente avansate care sunt utilizate
pentru a analiza toate datele historice şi tranzacţii în timp-real.
Exemple de utilizare BA includ:
explorarea de date pentru a găsi noi modele şi relaţii (explorarea datelor)
explicarea întrebării: de ce a avut loc un anumit rezultat (analiza statistică, analiza
cantitativă)
prognozarea rezultatelor viitoare (analiza predictiva).
SAS (2011) identifică opt niveluri de analiză. Avantajul cognitiv creşte cu gradul de inteligenţă al analizei (Tabelul 4.1).
Tabelul 4.1. Niveluri de analiză şi întrebări
Nr.crt. Nivelul de analiză Intrebare
1. Rapoarte standard Ce s-a întamplat ? Cand s-a întamplat ?
2. Rapoarte ad-hoc Cat de multe ? Cat de des ? Unde ?
3. Analiza OLAP Unde este exact problema ? Cum să găsesc răspunsul ?
4. Alerte Cand ar trebui sa reactionez ? Ce acţiuni sunt necesare acum ?
5. Analiză statistică De ce s-a întamplat ? Ce oportunităţi s-au pierdut ?
6. Previziune Ce se întâmplă dacă aceste tendintele continua ? Cat de mult este necesar ? Cand este necesar ?
7. Modelare predictivă Ce se va întampla ? Cum va afecta afacerea mea ?
8 Optimizare Cum să facem lucrurile mai bune ? Care este cea mai bună decizie pentru o problemă complexă ?
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 49
Chen et al. (2012) a utilizat BI&A (Business Inteligence şi Analytics) ca un termen unificat şi
a tratat Big Data ca un domeniu care oferă noi direcţii de cercetare pentru BI&A. Lucrarea
defineşte 3 etape de evoluţie:
BI&A 1.0, orientat pe date structurate, care sunt colectate şi memorate în sisteme de
baze de date relaţionale; managementul datelor şi magazia de date sunt sunt
reprezentative pentru această etapă.
BI&A 2.0, bazat pe sisteme sociale şi surse de date diversificate, centrat pe text şi
analiză pentru conţinut nestructurat Web.
BI&A 3.0, orientat pe aplicaţii mobile şi senzori.
4.1.2.3. Inteligenţa afacerilor adaptivă
Scopul majorităţii sistemelor de inteligenţa afacerilor BI este de a:
accesa date dintr-o multitudine de surse diferite;
transforma aceste date în informaţii şi apoi în cunoştinţe;
furniza o interfaţă grafică uşor de folosit pentru afişarea acestor cunoştinţe.
Sistemele de inteligenţa afacerilor sunt responsabile pentru colectarea şi clasificarea datelor,
precum şi prezentarea cunoştinţelor într-un mod prietenos (sporind astfel capacitatea
utilizatorului final în luarea deciziilor corecte). Figura 4.3 prezintă procesele care stau la baza
unui sistem BI tradiţional.
Fig. 4.3. Procese care stau la baza unui BI tradiţional
Majoritatea managerilor realizează existenţa golului care există între a avea cunoştinţele
corecte şi luarea deciziei corecte. Pentru că acest gol afectează capacitatea administrativă de
a răspunde la întrebări de afaceri fundamentale (cum ar fi “Ce ar trebui făcut pentru creşterea
profitului?”), viitorul se află în utilizarea de sisteme care pot furniza răspunsuri şi recomandări,
mai degrabă decât cunoştinţe sub formă de rapoarte. Această tendinţă este concretizată prin
sistemele de inteligenţa afacerilor adaptivă (Adaptive Business Intelligence - ABI).
Pe lângă rolul de sistem BI tradiţional (prin transformarea datelor în cunoştinţe), sistemul ABI
include şi procesul de luare de decizii, care se bazează pe predicţie şi optimizare (Figura 4.4).
D A T E
Pregătire date
I N F O RM A Ţ I I
Explorare date
C U N O ŞT I N Ţ E
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 50
Fig. 4.4. Sistemul de inteligenţa afacerilor adaptiv cu proces de luare decizii
Inteligenţa Afacerilor Adaptivă (IAA) poate fi definită ca o “disciplină de utilizare a metodelor de
predicţie şi optimizare pentru construirea de sisteme suport de decizii cu auto-învăţare”. IAA
include elemente de explorare date, modelare predictivă, prognoză, optimizare şi
adaptabilitate, şi este folosită de manageri în luarea unor decizii mai bune. Un sistem IAA
încorporează module de predicţie şi optimizare pentru recomandarea unor decizii optime,
precum şi un “modul de adaptabilitate” pentru îmbunătăţirea recomandărilor viitoare. Aceste
sisteme ajută managerii în luarea unor decizii care conduc la creşterea eficienţei, productivităţii,
şi competitivităţii.
4.1.2.4. Provocările actuale ale BI
Obiective ale BI. In zilele noastre putem găsi o înţelegere bine structurată a logicii unei afaceri
în aproape toate domeniile. Aceasta nouă înţelegere a condus la o vedere conceptuală
orientată pe proces, care integrează consideraţii privind fluxul de lucru şi procesul de
explorare în BI. Un alt aspect este faptul că noi structuri organizatorice, cum ar fi
organizaţiile descentralizate, doresc să aplice suport decizional în mediul lor, şi, prin urmare,
idei privind inteligenţa colectivă sunt aplicate în BI.
Fundamente BI. În afară de magazia tradiţională de date, trebuie să fie luate în considerare şi
datele de pe Web. Aceste date nu sunt adesea bine-structurate, ci numai semi-structurate, cum
ar fi datele de tip text. Necesitatea de a integra diferite date utile pentru suport decizional într-
un mod coerent a condus la modele pentru conectarea datelor în BI. În legătură cu aceste
date noi, domeniul de aplicare al metodelor de analiză s-a lărgit cu noi instrumente, cum
ar fi explorarea vizuală, explorarea textelor, explorarea opiniilor sau analiza reţelelor sociale.
Realizarea de sisteme BI. Arhitecturile software de astăzi permit noi soluţii interesante pentru
sisteme BI. Dintr-o perspectivă utilizator, Software as a Service (SaaS) reprezintă o evoluţie
interesantă pentru sistemele BI. Din punct de vedere al calculului, ne confruntăm cu seturi mari
şi complexe de date. Mai mult decât atât, cloud computing şi calculul distribuit sunt concepte
importante pentru deschiderea de noi oportunităţi pentru aplicaţii BI.
D A T E
Pregătire date
I N F O RM A Ţ I I
Explorare date
C U N O ŞT I N Ţ E
Optimizare
Predicţie
D E C I Z I I
Adaptabilitate
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 51
Livrare de BI. Dispozitivele mobile oferă o nouă dimensiune pentru furnizarea de informaţii
către utilizatori în timp real. Cu toate acestea, aceste evoluţii trebuie să ia în considerare
calitatea informaţilor furnizate în timp real, care reprezintă o nouă provocare pentru BI.
O evoluţie a BI este prezentată în Figura 4.5.
4.1.3. Sisteme BI
4.1.3.1. Arhitectura de sistem
Un sistem de tip Inteligenţa Afacerilor are patru componente (Figura 4.6) (Turban et al., 2007;
2011):
o magazie de date cu sursa ei de date;
instrumente analitice de afaceri (BA), care cuprind o colecţie de instrumente pentru
manipularea, explorarea şi analiza datelor din magazia de date;
managementul de performanţă a afacerilor (Business Performance Management –
BPM) pentru monitorizarea şi analiza performanţelor;
o interfaţă utilizator.
Mediul magaziei de date este în principal responsabilitatea personalului tehnic, în timp ce
mediul de analiză (BA) este orientat către utilizatorii din afaceri.
Magazia de date (Data warehouse): este un element fundamental ale oricărui sistem BI din
gama mare şi foarte mare. La început magaziile de date includeau numai date istorice care au
fost organizate şi sumarizate, aşa că utilizatorii finali puteau să vadă cu uşurinţă şi să
manipuleze datele şi informaţiile. Astăzi unele magazii de date includ date curente, aşa că ele
pot să furnizeze asistarea deciziei în timp real.
Inteligenţa afacerilor (BI) 2012 (Inteligenţă, căutare de informaţii, explorare afaceri) 2005 2005 1990 1990
Big Data
BA tradiţional -> Analytics -> Advanced Analytics
BI tradiţional
Instrumente Aplicaţii Date
Figura 4.5. Evoluţia domeniului Inteligenţa afacerilor (Business Inteligence – BI)
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 52
Instrumente BA: utilizatorii finali pot să lucreze cu date şi informaţii într-o magazie de date
folosind o varietate de instrumente şi tehnici. Aceste instrumente şi tehnici se împart în trei
categorii:
rapoarte şi interogări: BA include atât raportarea statică, cât şi pe cea dinamică,
toate tipurile de interogări, descoperire de informaţii, vederi multidimensionale,
explorări către detaliu, etc.
Analytics avansat (AA): include modele statistice, financiare, matematice şi alte
modele care sunt folosite în analiza datelor şi informaţiilor.
explorare date (Data Mining): este un proces de căutare a relaţiilor necunoscute sau
a informaţiilor în baze de date mari sau în magazii de date folosind instrumente
inteligente cum ar fi calculul neuronal (neural computing), tehnici analitice predictive,
metode statistice avansate.
Managementul de performanţă a afacerilor (BPM): este un portofoliu de aplicaţii şi o
metodologie care conţine arhitectura (în evoluţie) a BI şi instrumentele adiacente. BPM extinde
monitorizarea, măsurarea şi compararea vânzărilor, profitului, costului, profitabilităţii şi altor
indicatori de performanţă prin introducerea conceptului de management şi feed back. El
cuprinde procese cum ar fi planificarea şi previziunea ca elemente cheie ale strategiei de
afaceri. În contrast cu un DSS tradiţional, EIS şi BI suportă extracţia bottom up a informaţiilor
din date, iar BPM furnizează o consolidare top down a strategiei unei organizaţii. BPM se mai
numeşte şi Corporate Performance Management – CPM.
Interfaţa utilizator (tablouri de bord şi alte instrumente de difuzare a informaţiei): furnizează o
vedere cuprinzătoare a măsurilor de performanţă a organizaţiei, a tendinţelor şi excepţiilor. Ele
integrează informaţia referitoare la performanţe raportate la obiectivele avute în vedere, o
reprezintă grafic. În plus faţă de tablourile de bord, alte instrumente care difuzează informaţia
sunt portalurile organizaţiei, aşa numitele “digital cockpits” sau piloţi automaţi digitali. Multe
instrumente de vizualizare care pornesc de la prezentarea cubului multidimensional până la
Fig. 4.6. Arhitectura BI la nivel înalt
Magazia de date Analiza afacerii Performanţă şi Strategie
Surse de date
Personal tehnic Construire magazie de date Organizare, sumarizare, standardizare, etc.
Manageri/Directori
Strategii BPM Manipulare, Rezultate
Magazie de date
Analisti Acces, Manipulare, Rezultate
Sisteme inteligente -
componente viitoare
Interfaţă utilizator
Browser, portal, tablou de bord
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 53
realitatea virtuală sunt părţi integrante ale sistemelor BI. Deoarece BI a evoluat din EIS, multe
dintre instrumentele de vizualizare ale managerilor generali au fost transformate în instrumente
software BI.
4.1.3.2. Instrumente şi tehnici
Figura 4.7 prezintă instrumente şi tehnici care pot fi incluse într-un sistem BI, ca rezultat al
evoluţiei acestui domeniu (Turban et al., 2007). De menţionat că, începând cu anul 2005,
sistemele BI au început să includă capabilităţi de inteligenţă artificială ca şi capabilităţi analitice
puternice. Produsele BI sofisticate includ cele mai multe din aceste capabilităţi,dar sunt şi
produse specializate, cu o arie fucţională restrânsă. Mai multe informaţii privind instrumente şi
soluţii BI se găsesc în capitolul "Tipologia de soluţii TIC specifice".
Fig. 4.7. Instrumente şi tehnici ce pot fi incluse într-un BI
4.1.3.3. Sisteme suport de decizie vs. sisteme BI
Arhitecturile DSS şi BI sunt foarte asemănătoare pentru că BI a evoluat din DSS. Totuşi BI
implică folosirea unei magazii de date, în timp ce DSS poate să aibă sau nu o astfel de
componentă. BI este prin urmare mult mai potrivită pentru organizaţii mari (deoarece magaziile
de date sunt costisitoare din punct de vedere al construcţiei şi mentenanţei), pe când DSS pot
să fie potrivite oricărui tip de organizaţie.
Cele mai multe DSS sunt construite pentru a furniza un sprijin direct deciziei. Sistemele BI, în
general, sunt destinate să furnizeze informaţii precise la momentul potrivit şi de aceea ele
sprijină decizia în mod indirect. Această situaţie este schimbătoare, pe măsură ce tot mai multe
instrumente suport de decizie sunt adăugate la pachetele software de BI.
Sisteme ETL
Raportare şi Interogare
Metadate Magazii de date
DSS
Spreadsheets
EIS/ ESS Raportare financiară
Data mart
OLAP
Pilot automat
Inteligenţa afacerilor-BI
Scorecards şi tablouri de bord Workflow
Alerte şi notificări
Data mining
Analitici predictive
Portaluri
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 54
BI au o orientare către managerii generali şi elaborarea de strategii, în special în componentele
lor de BPM şi tablouri de bord. DSS pe de altă parte sunt orientate către analişti.
Cele mai multe sisteme BI sunt construite cu instrumente software comercializate de diverşi
agenţi comerciali şi componente care se potrivesc necesităţilor organizaţiei. În construcţia unui
DSS interesul poate fi în construirea de soluţii la probleme cu grad ridicat de nestructurare. În
asemenea situaţii este posibil să fie necesar un efort suplimentar de programare (de exemplu
folosind instrumente cum ar fi EXCEL) pentru a rezolva probleme specifice.
Metodologiile DSS şi chiar unele instrumente au fost dezvoltate cel mai mult în mediul
academic. Metodologiile şi instrumentele BI au fost dezvoltate în cele mai multe cazuri de
companii software. Mai multe informaţii despre cum a evoluat BI se găsesc Zaman (2005).
Multe dintre instrumentele pe care le folosesc sistemele BI sunt considerate şi instrumente
DSS. De exemplu explorarea datelor şi analiza predictivă sunt instrumente de bază în ambele
domenii.
Există opinii diferite privind raportul intre sistemele DSS şi BI. In unele cazuri BI este
considerat un caz special de DSS care se ocupă in principal cu raportarea, comunicarea şi
colaborarea (o formă de DSS orientat pe date). Conform altor opinii, DSS este o parte a BI, mai
precis unul dintre instrumentele sale analitice. O explicaţie a acestei diversităţi de puncte de
vedere a fost formulată de Watson (2005), conform căreia sistemele BI sunt un rezultat al unei
evoluţii continue, iar sistemele DSS reprezintă unul din domeniile de origine ale acestei evoluţii.
Datorită lipsei de definiţii universal acceptate, mulţi specialişti se referă la sistemele DSS şi BI,
ca şi la componentele acestora cu termenul de Sisteme suport de management
(Management Support Systems – MSS). MSS este un concept suficient de larg pentru a fi
privit ca o tehnologie care suportă sarcini manageriale în general şi asistarea deciziei în
particular.
4.2. Potenţialul de impact pentru competitivitate
In ultimele două decenii, BI, BA, Analytics (A) şi domeniul conex al analizei datelor de mari
dimensiuni (Big Data Analytics - BDA) au devenit tot mai importante atât pentru comunitatea
academicş, cât şi pentru cea de afaceri. De exemplu, pe baza unui sondaj cu peste 4.000 de
profesionişti în tehnologia informaţiei (IT) din 93 de ţări şi 25 de industrii, raportul IBM „Trends
Tech” (IBM Tech Trends Report, 2011) a identificat BA ca fiind una dintre cele patru tendinţe
tehnologice majore la acel moment.
Într-un sondaj privind BA, realizat de Bloomberg Businessweek (2011), se arată că 97% din
companii cu venituri de peste 100 de milioane de $ utilizează o anumită formă de BA.
Hal Varian, economist şef la Google şi profesor emerit la Universitatea din California, Berkeley,
a comentat cu privire la oportunităţile emergente pentru profesioniştii IT şi studenţi în analiza
datelor, astfel: "Deci, ce sunt din ce in ce mai omniprezente şi ieftine? Datele. Şi ce este
complementar datelor? Analiza. Deci recomandarea mea este de a promova o mulţime de
cursuri despre cum să se manipuleze şi să se analizeze datele: baze de date, învăţare
automată, econometrie, statistici, vizualizare şi aşa mai departe".
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 55
Oportunităţile asociate cu date şi analiza în diferite organizaţii au ajutat la a genera un interes
semnificativ pentru BI şi BA. BI este un domeniu activ, foarte bine reprezentat în mediile de
afaceri. Există numeroase evaluări realizate de firme de consultanţă şi experţi privind nivelul
actual de utilizare în mediul de afaceri concordant cu domeniile specializării inteligente
(industrie, turism, sănătate, etc.).
Beneficiile majore ale BI pentru o companie constau în abilitatea de a furniza informaţii
corespunzătoare atunci când este necesar, incluzând o imagine în timp real a performanţei
organizaţiei şi a componentelor sale. Astfel de informaţii sunt necesare pentru toate tipurile de
decizii, pentru planificarea strategică şi chiar pentru supravieţuirea organizaţiei (Figura 4.8).
BI oferă strategie si planificare pentru afaceri cu ajutorul datelor şi a instrumentelor analitice
pentru:
• Creşterea productivităţii - crearea de rapoarte periodice şi ad-hoc cu uşurinţă;
• Îmbunătăţirea eficienţei - rapoarte actualizate în timp real;
• Integrarea datelor - personalizarea rapoartelor de gestiune;
• Adaptarea pe schimbări - realizare de modificări ale rapoartelor şi vizualizarea instantaneu a
rezultatelor cu date interactive;
• Asigurarea flexibilităţii - operaţii OLAP la nivel detaliu.
Thomson Reuters (2010) a raportat următoarele beneficii majore ale BI, bazate pe rezultatele unui studiu:
- Raportare mai rapidă şi mai precisă (81%)
- Decizii îmbunătăţite (78%)
- Servicii către clienţi îmbunătăţite (56%)
- Venituri crescute (49%)
Fig. 4.8. Beneficii BI pentru organizaţie
Un software de tip BI este un element cheie, obligatoriu, în viaţa de zi cu zi a oricărei organizaţii
moderne. Utilizarea unei soluţii BI este cu atât mai importantă într-o economie în plină
transformare ca cea românească, în care orice manager trebuie să previzioneze scenarii de
evoluţie, resurse necesare, să ia decizii pentru a minimiza riscurile organizaţiei, dar şi să ştie
cum să profite de oportunităţile apărute într-o piaţă în continuă schimbare. Se poate câştiga
timp valoros printr-o soluţie software BI care afişează indicatorii de performanţă financiari sau
non-financiari într-un mod grafic atrăgător şi inteligibil. Astfel, activităţile critice din companie
pot fi “vizualizate” în cifre şi grafice care se modifică în timp real, oferind managerului
posibilitatea de a modela strategia de business şi de a lua cele mai bune decizii pentru
compania sa.
Mediu Globalizare Concurenţă Clienţi, furnizori Guvern, reglementări Condiţii de piaţă
Organizaţie Strategie Agilitate organizaţională Modele de afaceri Cultură organizaţională Oameni Schimbare management Management de cunoştinţe Tehnologie
- Produse şi servicii noi - Pieţe noi, lanţuri noi de aprovizionare - Procese eficiente - Productivitate crescută - Modele noi de afaceri - Nivel crescut de luare a deciziilor - Creativitate sporită
Inteligenţa afacerilor şi
Analitytics
OLAP Rapoarte şi vizualizare Data mining, web mining Cloud computing Big Data Analytics
Beneficii pentru organizaţie şi mediul său
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 56
BA / BI se claseaza printre primii cinci termeni de căutare pe site-ul Gartner (Schlegel,
2011), cărţi publicate recent în aceste domenii au devenit rapid succese pe piaţă (Wicom et al.,
2011), şi mari companii, cum ar fi Accenture, Deloitte Consulting şi IBM au lansat centre de
analiză şi practici. Domeniul de BA şi mai ales BDA înregistrează o creştere accentuată,
iar rata de creştere a datelor structurate şi mai ales a celor nestructurate alimentează această
creştere.
După cum a susţinut Davenport şi Dyche (2013), nicio tendinţă de afaceri din ultimul
deceniu nu are un impact potenţial la fel de mare asupra investiţiilor în IT ca BA şi BDA.
Potrivit unui studiu realizat de International Data Corporation (IDC), BI / BA sunt printre
primele două priorităţi IT pentru întreprinderile mari (SAS, 2011). Manyka et al., sugerează
că până în 2018, "Statele Unite s-ar putea confrunta cu un deficit de 140.000 la 190.000 de
persoane cu abilităţi analitice profunde, precum şi de 1,5 milioane de manageri şi analişti
capabili să utilizeze analiza datelor mari pentru a lua decizii eficiente. Astfel, recunoscând
importanţa BI / BA, numeroase companii au implementat deja aceste soluţii pentru a obţine un
avantaj competitiv.
BDA oferă companiilor capacitatea de a gestiona un nou tip de date, cum ar fi voce, text,
imagini şi video (Davenport şi Dyche, 2013), iar factorii de decizie văd în acest nou tip de date
un factor important de inovare şi o sursă importantă de creare de valoare şi avantaj competitiv
(Tan et. al., 2015). În mod similar, un studiu realizat de (Gartner, 2011) sugerează că abilitatea
de a gestiona volume mari de date va fi o competenţă de bază pentru întreprinderi.
Companiile investesc în iniţiative de tip BA pentru diferite motive. De exemplu, Hagen et al.,
(2013) susţine că unele dintre motivele pentru care companiile din diverse industrii au pus în
aplicare iniţiative BA includ luarea deciziilor proactive mai repede şi mai bine,
îmbunătăţirea capacităţilor, creşterea automatizării, eliminarea instrumentelor
redundante şi simplificarea proceselor.
Un studiu cuprinzător realizat de IBM (2012) s-a bazat pe opinia companiilor interogate pivind
ordonarea obiectivelor funcţionale de top pentru BA în cadrul organizaţiilor lor. Raportul relevă
că acestea investesc în BA pentru: (a) a obţine rezultate centrate pe ieşiri (49%), (b) a
optimiza operaţiile (18%), (c) a gestiona riscurile (15%) şi (d) a dezvolta noi modele de
afaceri (14%). Un studiu similar realizat de SAS (2011), subliniază faptul că societăţile
utilizează BA pentru a le ajuta să rezolve o varietate de aspecte critice, dar accentul
principal este pe finanţe. Potrivit aceluiaşi studiu, primele două probleme rezolvate de BA
sunt reducerea costurilor şi gestionarea riscurilor.
Companiile, în cea mai mare parte, utilizează BA în zone în care încrederea în informaţia
cantitativă este de obicei mai raspandită, cum ar fi planificarea strategică, finanţele şi
marketing-ul. Aceste zone funcţionale abordează probleme care necesită analiză şi predicţie
(SAS, 2011). Hagen et al., (2013), sunt de acord şi sugerează faptul că realizarea de
capabilităţi în BA va îmbunătăţi nu numai performanţa în segmente şi funcţii tradiţionale,
dar, va creea şi oportunităţi pentru a extinde ofertele de produse şi servicii. Un studiu
similar, realizat de SAS (2013), arată că organizaţiile sunt în căutarea de analize pentru a
îmbunătăţi modul în care realizează afaceri pentru îmbunătăţi modul de lua decizii mai bune.
Companiile care investesc în tehnologii BI/BA ar trebui să ia în calcul anumite provocări şi
capcane pentru a realiza pe deplin beneficiile oferite de BI/ BA. De exemplu, Davenport (2006)
susţine că firmele ar trebui să înţeleagă că pentru a face utilizarea optimă a BI/BA şi a datelor
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 57
pe care le colectează în mod constant, ar trebui să investească în găsirea scopului corect,
angajarea persoanelor potrivite şi instalarea tehnologiei potrivite. În mod similar, un raport
publicat de SAS (2015) enumeră primele trei mari provocări pentru BI/BA: lipsa de
competenţe / expertiză, dificultatea de a accesa toate datele şi faptul că nu se utilizează în mod
eficient datele cele mai valoroase pentru luarea deciziilor. În plus, complexitatea lucrului cu
BI/BA, integrarea tehnologiilor şi existenţa competenţelor de analiză avansată a datelor
sunt principalele dificultăţi pentru utilizarea cu succes a BI/BA în cadrul organizaţiilor.
Davenport (2006) identifică două atribute cheie ale companiilor care doresc să concureze pe
BA: utilizarea pe scară largă a instrumentelor de modelare şi optimizare şi o abordare de
întreprindere. IBM (2012) susţine că societăţile care doresc să utilizeze un BA de succes
trebuie iniţial să angajeze eforturi pe rezultate centrate pe client. Apoi să dezvolte un model de
Big Data la nivel de întreprindere, începând cu datele existente, pentru a obţine rezultate pe
termen scurt. Să construiască capacităţi de analiză pe bază de priorităţi de afaceri şi în final, să
creeze o afacere bazată pe rezultate măsurabile.
Aplicaţiile BI şi BA acoperă o arie largă de industrii şi domenii. Astfel în studiul realizat în
luna septembrie 2015 de către Dresner Advisory Services, intitulat "Small and Mid-Sized
Enterprise Business Intelligence Market Study" este evidenţiată unor industrii şi domenii
aplicative pentru domeniul BI (Figura 4.9). Se remarcă că domeniile cele mai bine reprezentate
sunt: tehnologice şi de consultanţă. Alte domenii sunt: servicii financiare, educaţie, vânzări,
fabricaţie, servicii de afaceri, sănătate, activităţi non profit, publicitate, asigurări, transporturi,
distribuţie şi logistică, construcţii, producţie alimentară, produse de larg consum, energie,
sănătate, locuinţe, telecomunicaţii.
Fig. 4.9. Reprezentarea industriilor pentru domeniul BI
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 58
TechTarget (http://www.techtarget.com) a prezentat o analiză privind nivelul de utilizare a BI,
BA şi magazii de date (Data Warehouse-DW) în mediul de afaceri din Europa, pentru anul
2013. Tările care au participat la această analiză sunt Marea Britanie, Elveţia, Belgia,
Germania, Irlanda, Olanda, Italia, Polonia, Romania, Rusia, Finlanda, Croaţia, Franta, Suedia
şi Bosnia. Gradul de participare al Romaniei a fost de 3%. Au participat atât organizaţii mari cât
şi organizaţii medii şi mici.
Principalele interogaţii care au stat la baza acestei analize au fost:
"Care au fost cei mai importanţi trei factori consideraţi pentru evaluarea şi selecţia
produselor software de tip BI pe care organizaţia le-a utilizat sau intenţionează să le
utilizeze ?" Lista factorilor consideraţi este prezentată în Tabelul 4.2, în ordinea nivelului de
importanţă cumulat pe ansamblul răspunsurilor.
Tabelul 4.2. Importanţa factorilor consideraţi în evaluarea şi selecţia de software BI
Factor Importanţă
Integrarea cu aplicaţiile întreprinderii 1
Costul 2
Cea mai buna tehnologie care se potriveşte cerinţelor 3
Uzabilitatea / uşurinţa în utilizare 4
Uşurinţa implementării 5
Rentabilitatea 6
Furnizorul preferat 7
Capacităţi de personalizare 8
Suportul furnizorului şi mentenanţa 9
"Care din tehnologiile (dintr-o listă prezentată) este utilizată sau urmează să fie adăugată în
următoarele 12 luni ?" Din răspunsuri se constată că aproape 50% dintre companii
intenţionează să adauge, în următorul an, software BI pentru mobile. BI operaţional în timp
real şi vizualizarea datelor au, de asemenea, un scor mare.
„Care dintre tehnologiile BI le utilizează organizaţia sau intenţionează să le utilizeze în
următoarele 12 luni ?” Tehnologiile de tip „mobile” sunt cele mai vizate (48%), iar cel mai
mult utilizate sunt instrumentele de vizualizare si descoperire de informaţii şi cunoştinţe
(39%) (Figura 4.10).
Fig. 4.10. Tehnologiile BI pe care le utilizează organizaţia sau intenţionează să le utilizeze în
următoarele 12 luni
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 59
“Ce tipuri de BA există în organizaţie sau se intenţionează să se utilizeze în următorul an ?”
Răspunsurile au arătat că analiza predictivă şi analiza clienţilor sunt pe primele locuri
(Figura 4.11).
Fig. 4.11. Tipuri de BA utilizate sau care urmează a fi utilizate
“In ce tipuri de tehnologii va investi organizaţia în următoarele 12 luni ?” Magaziile de date
(52%) şi analiza predictivă (50%) s-au plasat pe primele locuri (Figura 4.12).
Fig. 4.12. Tehnologii în care organizaţia va investi în următoarele 12 luni
13%
17%
21%
32%
38%
40%
40%
50%
50%
52%
15%
25%
23%
19%
28%
13%
23%
26%
25%
35%
2%
2%
2%
2%
2%
1%
2%
5%
1%
2%
70%
56%
54%
47%
32%
46%
35%
19%
24%
11%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Tehnologii Hadoop/NoSQL
Baze de date coloane/ prelucrare paralelă masivă
Analiză text/reţele sociale
Analiză Big data
BI în timp real
BI mobil
BI cu autoservire
Vizualizare/ descoperire în date
Explorare date/ analiză predictivă
Magazii de date
În creştere La fel În scădere Nu am
52%
51%
48%
37%
29%
29%
16%
16%
14%
1%
0% 10% 20% 30% 40% 50% 60%
Analiză predictivă
Analiză orientată client
Explorarea datelor
Analiză de piaţă
Analiză Big Data
Analiză Web
Analiză reţele sociale
Analiză conţinut/ text
Fără analiză avansată
Alte analize
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 60
4.3. Tipologia de soluţii TIC specifice
4.3.1. Principalele instrumente şi tehnici de asistarea deciziei manageriale
Referitor la domeniul cuprinzător al asistării deciziei manageriale, au fost dezvoltate şi sunt
disponibile un număr mare de instrumente şi tehnici, promovate sub diferite nume şi definiţii.
Principalele categorii de instrumente sunt prezentate în Tabelul 4.3.
Tabelul 4.3. Instrumente computerizate pentru asistarea deciziei
Categoria instrumentului
Instrumente şi acronimul lor
Managementul datelor
- Baze de date şi sisteme de baze de date (DBMS) - Extracţia, transformarea şi încărcarea (sisteme ETL) - Magazii de date (DW), DW în timp real, data marts
Rapoarte pentru urmărire a stării (status tracking)
- Prelucrare analitică on-line (On-Line Analytical Processing - OLAP) - Sisteme informatice pentru managerii generali (Executive Information Systems – EIS)
Vizualizare - Sisteme de informare geografice (Geographical înformation Systems - GIS) - Tablouri de bord - Portaluri de informaţie - Prezentări multidimensionale
Analitici de afaceri (Business Analytics)
- Optimizare - Data mining, Web mining şi text mining - Analitici Web (Web analytics)
Managementul strategiei şi performanţei
- Managementul performanţei afacerilor (Business Performance Management BPM)/ Managementul performanţei organizaţiei (Corporate Performance - Management - CPM) - Managementul activităţilor de afaceri (Business Activity Management-BAM) - Tablouri de bord
Comunicare şi colaborare
- Sisteme suport de decizie de grup (Group Decision Support Systems – GDSS) - Sisteme suport de grup (Group Support Systems - GSS) - Portaluri şi sisteme colaborative (Collaborative Information Portals and Systems)
Managementul cunoştinţelor (Knowledge Management – KM)
- Sisteme pentru managementul cunoştinţelor (Knowledge Management Systems - KMS) - Sisteme de localizare expert (Expert Locating Systems - ELS)
Sisteme inteligente (Intelligence Systems)
- Sisteme expert (Expert Systems - ES) - Reţele neuronale artificiale (Artificial Neural Networks - ANN) - Logică fuzzy (Fuzzy Logic) - Algoritmi genetici (Genetic Algorithms - GA) - Agenţi inteligenţi (Intelligent Agents) - Sisteme automate de decizie (Automated Decision Systems -ADS)
Sisteme de întreprindere (Enterprise Systems)
- Planificarea resurselor întreprinderii (Enterprise Resource Planning - ERP) - Management relaţii cu clienţii (Customer Relationship Management - CRM) - Management lanţuri de aprovizionare (Supply-Chain Managemen t - SCM)
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 61
4.3.2. Soluţii BI şi BA
In general, evaluările pe acest subiect utilizează termenul Business Inteligence la nivel generic,
incluzând şi funcţionalitatea analitică. Aşadar, se disting trei categorii de „software BI”:
produse software, dedicate pentru a sprijini procesul analitic BI (de exemplu: software
pentru magazii de date, software explorare date, software tablouri de bord digitale,
etc.);
instrumente BI - produse software BI (instalate, configurate şi utilizabile) într-o
organizaţie;
soluţii BI: sunt instrumente BI şi tehnologii conexe, aplicaţii şi procese utilizate în
sprijinul obiectivelor BI.
Aceste delimitări sunt importante. În primul rând, se subliniază faptul că BI se referă la întregul
proces de gestionare a datelor pentru a susţine în cele din urmă luarea deciziilor manageriale.
În al doilea rând, se face o distincţie clară între produse software standard, instrumente sau
aplicaţii (care sunt produse software instalate, configurabile şi utilizabile pentru un anumit scop,
cum ar fi "planificarea afacerii") şi o soluţie BI, care constă din mulţimea de aplicaţii, inclusiv
infrastructura IT de bază - servere, sisteme de operare, platforme de integrare, reţele, etc.
Având în vedere diversitatea mare de domenii de aplicare a BI şi de produse software
corespunzătoare, rezultă că soluţiile BI pot varia în mod semnificativ în ceea ce priveşte
funcţionalitatea, sofisticarea şi complexitatea.
Piaţa soluţiilor de BI se află în mijlocul unei transformări accelerate de la sistemele BI
tradiţionale, utilizate în principal pentru măsurare şi raportare, la cele care realizează predicţie,
prognoză şi optimizare. Se estimează că această piaţă ar fi crescut în 2014 la 14,1 miliarde
dolari, în mare parte prin intermediul unor proiecte de consolidare a companiilor care investesc
în platforme BI ca sport pentru sisteme extinse de raportare. A scăzut interesul pentru unele
capacităţi analitice cum ar fi rapoartele parametrizate, prelucrarea analitică on-line (OLAP) şi
interogarea ad-hoc. Continuând o tendinţă a ultimilor ani, platformele BI sunt din ce în ce mai
utilizate în situaţii de noi vânzări, de noi investiţii. Cerinţele au fost mai orientate prioritar spre
tehnici de descoperire în date conduse de afacerile utilizatorului, pentru a face analize dincolo
de raportarea tradiţională care este mai accesibilă şi omniprezentă la o gamă largă de utilizatori
şi cazuri de utilizare.
De asemenea, companii şi furnizori independenţi de software sunt din ce în ce mai orientaţi
către a integra, în procesele sau aplicaţiile de business, raportarea tradiţională, tablouri de bord
şi analize interactive, cu analiză mai avansată şi prescriptivă construită prin funcţii statistice şi
algoritmi disponibili în cadrul platformei BI. Intenţia este de a extinde utilizarea de analize la o
gamă largă de consumatori şi utilizatori BI netradiţionali, tot mai mult pe dispozitive mobile. Mai
mult decât atât, companiile acordă atenţie sporită construirii de aplicaţii de analiză, considerând
noi tipuri de date şi noi tipuri de analize, cum ar fi locaţia inteligentă şi analiză datelor
multistructurate în baze de date NoSQL.
În analiza pe care au realizat-o asupra pieţei de soluţii BI şi BA (Sallam et al., 2015), grupul de
experţi Gartner le defineşte ca o platformă software care oferă 17 capabilităţi organizate în
trei categorii: livrare informaţii, analiză şi integrare. Pentru livrare informaţii sunt considerate:
(1) raportarea, (2) tablorile de bord, (3) raportarea ad-hoc, (4) integrarea cu Microsoft Office şi
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 62
(5) BI pentru mobile. Pentru analiză sunt considerate: (6) vizualizare interactivă, (7)
descoperirea în date pe bază de căutare, (8) localizare inteligentă geospaţială, (9) analize
avansate încorporate şi (10) prelucrare analitică on-line (OLAP). Pentru integrare sunt
considerate (11) infrastructura BI şi administrarea, (12) managementul metadatelor, (13)
orientare pe date utilizator de afaceri şi modelare, (14) instrumente de dezvoltare, (15) analiză
încorporată, (16) colaborare şi (17) suport pentru surse Big Data. Analiza menţionată
poziţionează producătorii de soluţii BI şi BA într-un grafic ce consideră pe axa Ox
"Completitudinea vizibilităţii", iar pe axa Oy "Abilitatea de execuţie" (Figura 4.13).
Fig. 4.13. Un clasament al producătorilor de soluţii BI şi BA
Analiza realizată de TechTarget (http://www.techtarget.com) privind nivelul de utilizare BI şi BA
pentru anul 2013, a evidenţiat principalele firme producătoare din domeniu (Figura 4.14).
Fig. 4.14. Nivelul de utilizare a BI, BA şi magazii de date pentru principalele firme producătoare
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 63
Câteva instrumente Software BI pentru managementul performanţei întreprinderii sunt
enumerate în continuare:
Excelsis PMF 2.1, 360 Systems, www.360-systems.com
Cockpit Communicator, 4GHI Solutions AB, http://www.4ghi.com
ActiveStrategy Enterprise, Active Strategy, www.activestrategy.com
Actuate Performance Management, Actuate, www.actuate.com
Balanced Scorecard Designer, AKS-Labs, www.strategy2act.com/
Strategy Map Balanced Scorecard, Applied PC Systems, www.strategymap.com.au/
Clarity Performance Management (CPM) suite, Clarity Systems, www.claritysystems.com
Performance Scorecard, ClearView Systems, www.clearviewsystems.co
Corporate Performance Management, IBM Cognos 8 Business Intelligence, Cognos (An IBM Company), IBM Cognos
CORDA CenterView, Corda PopChart, Corda Technologies, Inc., www.domo.com/
Corporater Enterprise Performance Management Suite, Corporater Group www.corporater.com
CorVu Performance Management Application, CorVu (A Rocket Software company), www.rocketsoftware.com/corvu
Covalent Metrics, Covalent Projects, Covalent Risk, Covalent Core Covalent, www.covalentsoftware.com/
Corporate Overview, Strategic Project Performance Management Cubus, www.cubus.eu
Escendency System, Escendency, www.escendency.com/
Ten Performance Manager, Hitec (Laboratories) Ltd, www.hiteclabs.com/
Business Performance Management (BPM), HostAnalytics, www.hostanalytics.com
Performance Manager, Program Manager, Process Manager i-nexus www.i-solutionsglobal.com
Infor PM (Performance Management), Infor, www.infor.com
Various Products, InformationBuilders, www.informationbuilders.com/
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 64
Performance Plus, InPhase Software, www.inphase.com
InsightVision, InsightFormation: InsightVision, www.insightformation.com/
Klipfolio Dashboard, Klipfolio, www.klipfolio.com
kpifix, kpifix, www.kpifix.com/
Enterprise Performance Management, Lawson, www.lawson.com
Performance Point Server 2007, Microsoft, office.microsoft.com
Various Products, MicroStrategy, www.microstrategy.com
Nexala Insights, Nexala, www.nexala.com
SPAR.net Performance Management, Nexus Open Software Ltd www.nexusopensoftware.co.uk
Oracle Enterprise Manager, Hyperion Performance Scorecard—System 9, PeopleSoft Enterprise Oracle, www.oracle.com
Executive Strategy Manager, Palladium, www.executivestrategymanager.com
Strat&Go Performance Management Procos, www.procos.com
Corporate Performance Management Suite, Prodacapo Balanced Scorecard, etc., ProDacapo, www.prodacapo.com
QPR Scorecard, QPR FactView, QPR Process Guide, QPR Software, www.qpr.com
Gentia Enterprise Performance Management (see also CorVu), Rocket Software www.rocketsoftware.com
SAP Business Objects Enterprise Performance Management, SAP, www.sap.com
SAS Strategic Performance Management, SAS Institute, www.sas.com
Scoreboard, Spider Strategies, Scoreboard, Connect, QuickScore www.spiderstrategies.com
RunYourScorecard, RunYourCompany, Stratsys, www.stratsys.se
SuccessFactor Performance Manager, Successfactors, www.successfactors.com
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 65
4.3.3. Tipologia soluţiilor BI “open source”, gratuite
Pe criteriile "open source" (cu sursa programelor la vedere) şi gratuite, soluţiile BI pot fi grupate
în următoarele categorii:
a) soluţii “open source” gratuite
b) soluţii gratuite în Cloud
c) soluţii proprietare gratuite
d) soluţii „open source” comerciale
Pentru exemplificarea lor au fost selectate 32 de produse, prezentate în Tabelul 4.4.
Tabelul 4.4. Soluţii BI open source, gratuite
Nr. BI Software Caracteristici Categorie
1 Pentaho Community Edition
Platformă de analiză business, integrare de date, proiectare de raport, proiectare cu agregare, interfaţa schematică de lucru, editorul Metadata, Hadoop Shims
(a)
2 Open Text Actuate Information Hub, Free Edition
Planifică, gestionează şi exportă conţinut BIRT, Adaugă interactivitate pentru rapoartele BIRT, Colaborează şi comunică conţinutul cu utilizatorii, Integrare conţinut BIRT cu aplicaţia dumneavoastră web
(a)
3 ReportServer Rapoarte grafice, Liste dinamice, Tablouri de bord interactive, Variante de raport, Planificare şi căutare şi UI
(a)
4 Jaspersoft Community Edition
Proiectare de raport, Motor de raportare, Vizualizare interactivă de raport, Server de depozitare, Planificare de raport, BI Mobil, Accesul utilizatorului şi Securitate
(a)
5 Jedox Base Server-ul Jedox Olap, Add-in Jedox Excel
(a)
6 SpagoBI Raportare analiză multidimensională (OLAP), Grafice, Cockpit--uri interactive, Raportare ad-hoc
(a)
7 A Reporting Tool Raportare analiză multidimensională (OLAP), Grafice, Cockpit-uri interactive, Raportare ad-hoc
(a)
8 Pentaho Reporting Proiectare de raport şi motor de raportare
(a)
9 JMagallanes OLAP şi Rapoarte dinamice
(a)
10 OpenReports Generare raport web şi interfaţă de administrare
(a)
11 Seal Report Server de rapoarte Web, Diagrame HTML5 dinamice sau grafice MS, Surse SQL dinamice
(a)
12 Openi Interfaţă web pentru construcţie şi publicare de rapoarte interactive din surse de date OLAP
(a)
13 NextReports NextReports Designer, Next Reports Engine şi NextReports Server
(a)
14 Rapidminer Analitice Avansate, Planificare Avansată, Rapoarte, Rapoarte Interactive, Colaborare, Integrare
(a)
15 Mondrian Server online de procesare analitică (a) 16 KNIME Analitice Avansate, Raportare (a)
17 IBM Watson Analytics
Analitice self-service, Rafinare de date, Depozite de date, Vizualizare de date
(b)
18 Microsoft Power BI Analitice self-service, Rafinare de date, Depozite de date, Vizualizare de date
(b)
19 SAP Lumira Cloud Analitice self-service, Rafinare de date, Depozite de date, Vizualizare de date
(b)
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 66
20 MicroStrategy Analytics Express
Analitice self-service, Rafinare de date, Depozite de date, Vizualizare de date
(b)
21 Birst Express for NetSuite
Ediţiile Birst Discovery şi Birst Enterprise pentru NetSuite (b)
22 EspressReport Lite Motor de raportare, Constructor vizual de rapoarte, Instrumente de planificare
(c)
23 SAP Lumira personal edition
Analitice self-service, Rafinare date, Vizualizare de date (c)
24 QlikView Personal Edition
Analitice self-service, Rafinare de date, Vizualizare date (c)
25 Style Scope Free Edition
Tablouri de bord interactive flash şi Vizualizări (c)
26 Qlik Sense Desktop Vizualizări, Rapoarte şi Tablouri de bord (c) 27 icCube Prelucrare analitică multidimensională online, server
raportare web (c)
28 Tableau Public Vizualizare date (c) 29 Pentaho Suită de produse BI “open source” (d)
30 Jaspersoft Suită de produse BI “open source” (d) 31 Jedox Suită de produse BI “open source” (d) 32 TACTIC Platfomă bazată pe web (d)
Trebuie subliniat că, deşi aplicaţiile BI şi BA sunt apreciate pe piaţă în ultimii ani, totuşi
succesul unor astfel de produse depinde de o serie de factori locali, cum ar fi de calitatea
datelor şi a tehnologiilor utilizate, de competenţele analiştilor, de cultura organizaţională, de
adaptarea afacerii la cerinţele utilizării BI. Printre barierele în afaceri, cel mai frecvent
menţionate sunt probleme de afaceri care nu sunt bine definite şi lipsa unei relaţii strânse între
afacere şi viziunea BI. Barierele organizaţionale se referă, în principal, la lipsa sprijinului din
partea managerului, lipsa de cunoştinţe despre sistemul BI şi capacităţilor sale, depăşirea
bugetul BI de punere în aplicare, managementul ineficient al proiectului BI, lipsa de formare şi
suport utilizator.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 67
5. Raport de analiză pentru tematica „Timp real şi conectivitate extinsă”
5.1. Descrierea tematicii
5.1.1. Sisteme în timp real pentru procese industriale
5.1.1.1. Conceptul de timp real
Cei mai multi autori care au tratat problematica sistemelor în timp real sunt de acord că dacă
un sistem de calcul preia suficient de rapid datele de intrare referitoare la starea unui proces
sau fenomen, efectueaza prelucrarile necesare într-un interval de timp suficient de scurt şi
transmite rezultatele la utilizator suficient de repede pentru a putea influenţa desfăşurarea
fenomenului la care se refera datele de intrare, atunci acesta poate fi considerat sistem de
calcul în timp real.
Un sistem la care datele de intrare sunt introduse în sistemul de calcul direct de la locul de
generare al acestor date, iar cele de iesire sunt transmise direct la locul de utilizare poartă şi
atributul de sistem de calcul "on-line".
Echipamentele conectate la un sistem de calcul on-line de la care se introduc datele sunt fie
terminale, proiectate pentru a fi utilizate de un operator uman, fie traductoare de masura sau
senzori, care preiau direct datele de la un proces sau obiect fizic şi le transmit în sistemul de
calcul. Exista o mare diversitate de asemenea instrumente de masura conectabile direct la
echipamente de calcul precum şi o varietate de dispozitive care pot receptiona direct de la
calculator datele de iesire şi actiona conform acestora în cazul ca reprezinta comenzi.
Elementul esential care caracterizeaza un sistem în timp real este timpul de raspuns -
intervalul de timp necesar sistemului pentru a genera o informatie ca reacţie la datele
introduse. In general, prin timp de raspuns se intelege intervalul de timp intre momentul
producerii unui eveniment şi momentul în care sistemul de calcul reactioneaza la acel
eveniment.
Un sistem de calcul în timp real este necesar sa asigure un timp de raspuns cât mai scurt,
valoarea admisibilă a acestuia depinzind de aplicatia la care se referă. Pentru a putea controla
şi comanda un anumit proces, este necesar ca timpul de raspuns sa nu depăşeasca anumite
limite. Astfel, în cazul conducerii unui sistem din industria energetica sau industria chimica
timpul de raspuns poate fi impus de ordinul milisecundelor, un sistem de supreveghere a
parametrilor unor cuptoare sau furnale ar putea admite timpi de raspuns de ordinul secundelor,
iar în cazul unor sisteme tranzactionale timpul de raspuns admis ar putea fi de ordinul zecilor
de secunde. In toate situatiile enumerate este vorba despre sisteme în timp real deoarece
asigura un timp de raspuns garantat relativ scurt, sub o anumita valoare limita, care permite
influentarea desfasurarii în timp a unui anumit proces sau fenomem la care se refera datele
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 68
introduse în sistemul de calcul pentru a fi prelucrate, deci rezultatele se obtin în timp util pentru
a avea efect asupra procesului sau fenomenului.
Notiunea, destul de elastica, de timp real face ca acest atribut sa caracterizeze o clasa relativ
larga de aplicaţii. Majoritatea acestora se referă la sistemele informatice de supraveghere şi
conducere a proceselor din mediul industrial, sistemele tranzactionale de informare sau
conducere operativă, sistemele suport de decizie.
Primele sisteme de calcul în timp real au fost cele de supraveghere şi conducere a proceselor
tehnologice. Noţiunea de proces a cunoscut o continua extindere cuprinzând atât pe cele din
domeniul industrial cât şi unele de alta natura cum ar fi controlul traficului aerian sau rutier,
gestiunea stocurilor, gestiunea magaziilor automate etc.
In cadrul sistemelor de calcul on-line se disting mai multe categorii:
sisteme de calcul "in-line" în care datele de intrare sunt preluate direct de la
instrumente (traductoare) care masoara valorile unor parametri ce caracterizeaza un
anumit proces sau fenomen, date ce sunt transmise şi introduse direct în sistemul de
calcul
sisteme conversationale în care introducerea datelor şi comenzilor precum şi
afisarea rezultatelor se fac în mod direct cu ajutorul terminalelor; aceste sisteme se
caracterizeaza prin gradul de interactivitate dintre calculator şi utilizator
sisteme tranzactionale la care pentru uşurinta utilizarii şi asigurarea unei viteze
sporite de reactie, numarul şi tipul de mesaje şi comenzi ce pot fi introduse de catre
utilizator de la terminale este limitat, iar formatul de introducere şi afisare a datelor este
predeterminat; exemple de asemenea aplicatii se întilnesc în sistemele de conducere
operativa a producţiei, sistemele de rezervare de locuri, sistemele bancare etc.
5.1.1.2. Tendinţe de evoluţie a domeniului STR-CP
La nivel mondial, evoluţia sistemelor de conducere a proceselor în timp real este marcată de
câteva tendinţe semnificative, dintre care menţionăm:
- utilizarea unor standarde internaţionale atât pentru certificarea echipamentelor, a
comunicaţiei sau a pachetelor de programe, cât şi pentru sisteme sau ansambluri precum bucle
de reglare. Un exemplu este referitor la Sisteme cu Siguranţă Mărită (Safety Instrumented
Systems);
- diversificarea configuraţiei sistemelor, la sistemele DCS (Distributed Control Systems) şi
PLC adăugându-se cele total distribuite (compatibile standardului Fieldbus Foundation), sau
cele compacte PAC (Programmable Automation Controller);
- creşterea gradului de integrare atât prin utilizarea de standarde de interfaţare, cât şi prin
dezvoltarea de sisteme în timp real, cu siguranţă mărită, bazate pe platforme de comunicaţie
unice (magistrală internă);
- extinderea utilizării de protocoale de comunicaţie standardizate pentru dezvoltarea de
noi produse (traductoare, elemente de execuţie, regulatoare), cât şi de noi sisteme (DCS, PLC,
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 69
RTU, SCADA, MES, PI). Standardul IEC 61850 a creat premizele trecerii de la reţele de utilităţi
monitorizate de sisteme informaţionale la Smart Grid-uri;
- consolidarea utilizării de standarde pentru algoritmi sau expresii matematice, atât
pentru automate programabile, cât şi pentru alte regulatoare sau programe de monitorizare şi
control;
- cresterea ponderii iniţiativelor şi produselor „open source” atât în sistemele informatice
de gestiune, cât şi în cele de timp real. Un exemplu elocvent este iniţiativa OPC – Open
Platform Communication, un standard de interoperabilitate în automatizările industriale.
Tehnologiile OPC permit schimb de informaţii uşor şi sigur între platforme ale diverşilor
furnizori, precum şi integrarea acestor platforme fără a fi necesară dezvoltarea de componente
soft costisitoare.
În ultimii ani s-au facut progrese semnificative în automatizarea instalaţiilor industriale de mari
dimensiuni. Acest lucru se datorează faptului că au fost dezvoltate echipamente capabile să
implementeze funcţii cu un nivel de complexitate din ce în ce mai ridicat, dar care necesită şi o
ajustare corespunzătoare a mecanismelor şi strategiilor de operare şi control. Din acest motiv,
specialistii care construiesc noile strategii trebuie să găsească metode pentru creşterea calităţii
şi eficienţei aplicaţiilor elaborate, dar şi pentru micşorarea timpului de dezvoltare şi
implementare, menţinând totodată un nivel ridicat de fiabilitate şi siguranţă.
Sistemele de control bazate pe utilizarea Internet, IBCS (Internet-Based Control System),
devin din ce în ce mai populare datorită flexibilităţii şi accesibilităţii pe care le oferă. Noua
generaţie de aplicaţii în timp real trebuie să se conformeze cerinţelor industriale de a susţine
integrarea la nivel de companie, controlul la distanţă şi chiar implementarea de sisteme bazate
pe Internet, care să permită execuţia distribuită şi cooperarea între diferite echipamente.
O altă direcţie de cercetare din domeniul sistemelor de control la distanţă de tip supervizor o
reprezintă conectarea instalaţiilor la un centru dedicat de analiză şi diagnoză a riscului,
capabil să ofere soluţii de gestionare a unor situaţii critice. Un asemenea centru necesită
capabilităţi de execuţie la distanţă a unor algoritmi de analiză în scopul identificării situaţiilor
critice, precum şi a unor algoritmi de management al riscului. Execuţia la distanţă permite unui
controller dintr-o reţea distribuită să aibă acces la o putere de calcul şi o bază de cunoştinţe
mai mari decât cele disponibile prin propriile resurse. În acest mod, algoritmii ce necesită un
efort de calcul ridicat (din domenii precum modelarea proceselor, optimizare, control avansat
bazat pe tehnici de inteligenţă artificială, analiză a riscului, prelucrare de imagini etc.) pot fi
stocaţi şi executaţi pe un echipament aflat la distanţă, folosind o conexiune de reţea pentru a
accesa parametrii din proces şi a trimite rezultatele.
Industria se bazează în prezent, tot mai mult, pe sistemele de conducere a proceselor în timp
real, acestea îndeplinind de la funcţii simple, precum monitorizarea proceselor şi comenzi
standard, la regulatoare PID şi chiar aplicaţii complexe de control bazate pe inteligenţă
artificială, metode de control predictiv sau analiza de către un supervizor a funcţionării
sistemelor automate. Tendinţa este de integrare a sistemelor de conducere avansată ale
unei instalaţii în reţelele corporatiste, astfel încât să se poată aborda o metodă de
management unitar, care să înglobeze aspectele economice, tehnologia de producţie, precum
şi resursele materiale şi umane. Se acordă o atenţie tot mai mare dezvoltării de servicii
Cloud dedicate, care să preia atribuţiile actualelor sisteme de conducere SCADA (Supervisory
Control and Data Aquisition) şi să pună la dispoziţie funcţionalitatea acestora pentru a construi
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 70
arhitecturi dinamice ce acţionează şi pe planul vertical, intregrând datele din proces cu sisteme
precum MES (Manufacturing Execution System) şi/sau ERP (Enterprise Resource Planning).
5.1.1.3. Aspecte privind dezvoltarea STR-CP
Procesele tehnologice supuse automatizarii evolueaza adesea în prezenta perturbatiilor, ceea
ce impune adoptarea unor structuri de sisteme evoluate de conducere adaptiva şi
optimală. Regulatoarele, ca elemente de decizie, genereaza comenzi în functie de program şi
de variabilele masurate din proces, inclusiv perturbatii aditive. Varianta parametrilor sau
structurii obiectului condus sub acţiunea unor marimi endogene sau exogene parametrice
necesită adaptarea comenzii în vederea asigurării invariantei performantelor sistemului de
reglare automată. Pentru acest caz, se impune alcătuirea unei structuri de sistem adaptiv.
Criteriile de performanta utilizate la proiectarea sistemelor de reglare automata pot fi criterii
locale sau criterii integrale. Proiectarea pe baza unor criterii locale de performanta urmareste
asigurarea unui anumit raspuns al sistemului, atunci cind la intrare se aplica un semnal dat,
respectiv când perturbatiile apartin unei clase precizate. Criteriile integrale se formuleaza
ţinând seama de tipul semnalelor externe ce actioneaza asupra sistemului. Se poate spune că
procesul de proiectare al unui sistem de reglare automata optimală multi-obiectiv are un
caracter iterativ şi interactiv, începând de la faza de construcţie a modelului matematic, pâna la
validarea soluţiei de automatizare, prin analiza asistată de calculator a performanţelor.
Procesele industriale foarte rar sunt reprezentate de o singura funcţie obiectiv. De cele mai
multe ori, sunt reprezentate de un vector de obiective care trebuie îndeplinite simultan.
Importanta relativa a acestor obiective nu este în general cunoscută pâna când cele mai bune
capacităţi ale sistemului industrial nu sunt determinate şi obiectivele nu sunt pe deplin înţelese.
Pe măsura ce numărul de obiective creşte, problema optimizarii devine complexă şi mai dificil
de cuantificat. Se pune mult accent pe intuiţia proiectantului şi pe abilitatea sa de a exprima o
serie de preferinte de-a lungul ciclului de optimizare. Astfel, cerintele pentru o strategie de
proiectare multi-obiectiv sunt permiterea exprimării formularii unei probleme naturale,
capacitatea sistemului de a rezolva problema şi capacitatea proiectantului de a introduce
preferintele într-o problema de proiectare realistă şi numerică.
Optimizarea multi-obiectiv conduce la minimizarea unui vector de obiective care pot fi supuse
unui număr de restricţii. Intrucât functia obiectiv este un vector, există mai multe soluţii pentru
optimizarea multi-obiectiv. O soluţie neinferioară este o solutie în care îmbunatatirea unui
obiectiv necesită degradarea unui alt obiectiv. Optimizarea multi-obiectiv este preocupată de
generarea şi selectarea unei soluţii neinferioare.
Noua generaţie de echipamente de proces trebuie să poată susţine dezvoltarea unor aplicaţii în
timp real din ce în ce mai complexe şi să permită proiectarea unor sisteme de conducere
adaptabile, reconfigurabile, capabile să funcţioneze în arhitecturi distribuite ce au o flexibilitate
ridicată. Reconfigurabilitatea presupune posibilitatea de modificare a codului unei aplicaţii sau
de transfer a valorilor unor variabile în timpul execuţiei, fără a fi necesară oprirea regulatorului.
Trecerea de la controlul centralizat al automatelor programabile (PLC - Programmable Logic
Controller) la cel distribuit ajută la constituirea unui sistem capabil să se adapteze şi să fie
reconfigurat în funcţie de instalaţie, care să poată fi utilizat în instalaţii distincte cu o gamă largă
de regulatoare. Prin aceasta se creşte şi fiabilitatea sistemului întrucât nu există un punct unic
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 71
de defectare şi se pot implementa mecanisme care să permită ca la înlăturarea unei
componente, restul sistemului să se adapteze. Principalul aspect care trebuie avut în vedere în
dezvoltarea unor aplicaţii de conducere avansata pentru procesele complexe în timp real este
posibilitatea de reutilizare a strategiilor şi algoritmilor dezvoltaţi.
În ultimii ani a fost introdusă în industria sistemelor complexe în timp real o largă varietate de
tehnologii şi echipamente de magistrale de câmp (fieldbus), care se bazează pe protocoale
industriale (precum Profibus, Modbus, Ethernet/IP, CAN, ControlNET etc.), ce permit schimbul
de mesaje sau de date între echipamentele componente. A fost acceptat gradual faptul că sunt
necesare variate tehnologii de comunicaţie pentru a răspunde la cerinţele diverselor aplicaţii.
Totuşi, inginerii au nevoie de o interfaţă şi de funcţionalitate comune pentru a opera sistemele
de conducere în timp real, independent de tehnologia utilizată sau de producătorul acestuia. O
evoluţie importantă o reprezintă standardul IEC 61804, care oferă utilizatorului final
specificaţiile necesare pentru satisfacerea cerinţelor sistemelor de control distribuit bazate
pe blocuri funcţionale. Specificaţiile definesc cerinţele pentru ca blocurile funcţionale să
controleze şi să faciliteze operaţiile de mentenanţă şi de management tehnic, ca aplicaţii care
interacţionează cu elemente de execuţie şi cu echipamente de măsură. Se doreşte astfel
definirea unei arhitecturi care să ofere o specificaţie comună tuturor componentelor din sistem
(funcţii, echipamente, formatul datelor, metode de interfaţare etc.), precum şi a relaţiilor dintre
acestea. Standardul include: modelul care defineşte componentele unui echipament compatibil
cu IEC 61804; specificaţiile conceptuale ale blocurilor funcţionale de măsurare, acţionare şi
prelucrare; tehnologia EDD (Electronic Device Description), care permite integrarea de detalii
ale componentelor sistemului de automatizare prin utilizarea unei semantici similare
instrumentelor de gestionare a ciclului de viaţă al unui sistem de control.
O aplicaţie bazată pe blocuri funcţionale este construită din componente. Blocurile
funcţionale sunt încapsulări de variabile, parametri şi algoritmi de calcul, necesari în
proiectarea procesului şi a sistemului său de control. Aplicaţia poate fi distribuită pe mai multe
echipamente, conectate printr-o reţea sau o ierarhie de reţele de comunicaţie.
5.1.2. Internetul lucrurilor (IoT)
5.1.2.1. Conceptul IoT
Internetul lucrurilor (Internet of Things - IoT) este un concept şi o paradigmă care consideră o
varietate de obiecte aflate într-un mediu în care acestea pot interacţiona şi coopera între ele
prin conexiuni cu sau fără fir, cât şi prin scheme de adresare unice, pentru a crea aplicaţii şi
servicii noi, pentru a ajunge la obiective comune.
Conform Gartner, IoT este o reţea de obiecte fizice cu tehnologie încorporată pentru a
comunica, sesiza şi interacţiona cu propriile stări interne şi cu mediul extern. În domeniul
fabricaţiei, la nivel operaţional poate asigura noi niveluri de flexibilitate, fiabilitate, productivitate
şi colaborare .
La rândul său, IERC (IoT European Research Cluster) a formulat următoarea definiţie a IoT: “o
infrastructură globală pentru societatea informaţională, ce permite servicii avansate prin
interconectarea (fizică şi virtuală) a obiectelor, bazată pe existenţa şi dezvoltarea informaţiei
interoperabile şi a tehnologiilor de comunicaţii”.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 72
Scopul IoT este de a permite obiectelor să fie conectate oricând, oriunde, în timp ce oricine va
putea folosi orice serviciu, prin orice reţea. Obiectele se fac recunoscute şi pot obţine
inteligenţă prin luarea şi permiterea unor decizii legate de context, datorită faptului că aceste
obiecte pot comunica informaţii despre sine şi pot accesa informaţii ce sunt transmise de alte
obiecte. IoT este o reţea a obiectelor fizice cu tehnologie incorporate pentru a comunica, a simţi
şi a interacţiona cu starile lor interne sau cu mediul extern. IoT furnizează accesul la informaţie,
media şi servicii prin conexiuni broadband, cu şi fără fir. IoT se foloseşte de sinergii generate
din convergenţa consumatorului de afaceri şi de Internet industrial. Această convergenţă
creează o reţea globală care conectează oameni, date şi obiecte.
IoT face posibilă dezvoltarea reţelelor ce incorporează întregul proces de fabricaţie. Prin
analiza datelor furnizate de obiectele inteligente din reţeaua IoT se oferă noi servicii care nu ar
fi fost posibile fără acest nivel de conectivitate şi inteligenţă analitică.
Caracteristicile fundamentale IoT sunt următoarele:
Interconectivitatea: posibilitatea de conectare la infrastructuri globalizate de
comunicaţii de informaţii
Serviciile legate de obiecte: capabilitatea de a furniza servicii care includ elemente de
constrângere în raport cu obiectele care le generează, cum ar fi protecţia
confidenţialităţii sau consistenţa semantică a acestor obiectele în interacţiunea lor cu
alte obiecte fizice şi obiectele virtuale asociate.
Heterogenitatea: diversitatea dispozitivelor din IoT, care pot interacţiona între ele sau
cu alte platforme.
Modificări dinamice: numărul dispozitivleor, starea lor (activare şi dezactivare,
conectare şi deconectare), cât şi contextul în care acţioneză (de exemplu locaţia,
viteza) se schimbă în mod dinamic
Scalare mare: capacitatea de a se adapta tendinţei de creştere accentuată a numarului
dispozitivelor IoT (magnitudine comparabilă cu cea a dispozitivelor legate la Internet).
5.1.2.2. Structura funcţională a unei soluţii IoT
Principalele moduel ale unei soluţii IoT sunt următoarele:
Modulul de interacţiune cu dispozitive IoT locale: este responsabil pentru achiziţia
datelor, printr-o interfaţă wireless de distanţă mica, şi trimiterea acestora către servere
aflate la distanţă pentru analiză, prelucrare şi stocare permanentă. .
Modulul pentru analiza şi procesarea locală: are rolul de prelucra local datele
achiziţionate de către dispozitivele IoT.
Modulul pentru interacţiunea cu dispozitive IoT la distanţă: asigură achiziţionarea
datelor, direct prin Internet sau proxy, şi trimiterea acestora către servere aflate la
distanţă pentru analiză, prelucrare primara şi stocare permanentă.
Modulul pentru analiză şi prelucrări specifice: preia cerinţele şi datele de intrare
relevante ale clienţilor, execută algoritmii specifici de procesare şi generează mărimi de
ieşire ce vor fi prezentate utilizatorilor; rulează pe un server de aplicaţii şi este disponibil
tuturor utilizatorilor.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 73
Modulul pentru integrarea informaţiei generate de IoT: asigură valorificarea datelor
generate de IoT în contextul conducerii proceselor de producţie ale unei întreprinderi;
acest modul va căpăta importanţă crescută, o dată cu extinderea utilizării soluţiilor IoT
în întreprinderi.
Modulul de interfaţă cu utilizatorul: asigură reprezentarea vizuală a datelor /
măsurătorilor IoT într-un anumit context (de exemplu o hartă, un tablou de dispecer) şi
interacţiunea cu utilizatorul.
5.1.2.3. Tehnologii suport
Tehnologiile generice ale IoT pot fi grupate în trei categorii:
1. Tehnologii ce permit obiectelor procurarea de informaţie contextuală
2. Tehnologii ce permit obiectelor procesarea informaţiei contextuale
3. Tehnologii ce îmbunătăţesc nivelul de securitate şi confidenţialitate.
Primele două categorii pot fi înţelese ca blocuri funcţionale ce dezvoltă „inteligenţa” în „lucruri”,
acestea fiind trăsăturile ce diferenţiază IoT de către Internetul obişnuit. Cea de-a treia categorie
nu este una funcţională, ci mai degrabă o cerinţă. Dezvoltatorii IoT atenţionează că mediile,
oraşele, construcţiile, vehiculele, îmbrăcămintea şi dispozitivele portabile au din ce în ce mai
multă informaţie asociată cu ele şi au abilitatea de a întelege, comunica sau a produce
informaţii noi. O data cu incorporarea IoT în fabricile de mici dimensiuni, atât volumul cât şi
nivelul de detaliu a datelor generate va creşte considerabil. De asemenea, modelele de afaceri
nu se vor referi doar la o singură companie, ci vor cuprinde reţele dinamice ale companiilor.
Datele vor fi generate şi transmise automat de către maşini inteligente, iar aceste date vor
depăşi graniţele companiilor. În acest context pot fi identificate o serie de pericole, cum ar fi:
datele generate iniţial şi trimise pentru coordonarea fabricaţiei şi a logisticii între diferite
companii pot furniza terţelor părţi informaţii sensibile despre una dintre companiile partenere.
Dezvoltarea tehnologiilor, cum ar fi nanoelectronice, comunicaţii, senzori, smart phones,
sisteme incorporate, reţele, Cloud, virtualizarea reţelelor vor fi necesare pentru a furniza
obiectelor capacitatea de a fi conectate oricând şi oriunde. Aceasta va permite inovaţii privind
utilizarea IoT în diferite sectoare industriale. Unele dintre aceste tehnologii, cum ar fi sistemele
incorporate permit apropierea între spaţiul virtual şi lumea fizică a obiectelor.
Agenda de cercetare strategică şi inovare a IERC, care acoperă problemele şi provocările de
natură tehnologică importante pentru IoT, furnizează viziunea şi parcursul de urmat pentru
coordonarea şi raţionalizarea cercetării-dezvoltării în domeniul tehnologiilor suport IoT. Lista
tehnologiilor avute în vedere include: identificare, comunicare, tehnologia reţelelor,
descoperirea reţelelor, algoritmi şi software, tehnologie hardware specific, procesarea datelor şi
a semnalelor, motoare de descoperire şi de căutare, administrarea reţelelor, stocarea puterii şi
a energiei, securitatea, dependenţa şi confidenţialitatea, interoperabilitatea, standardizarea.
Un rol important pentru IoT îl au tehnologiile semantice, în contextul refolosirii obiectelor
virtuale. Îmbogăţirea semantică a descrierilor obiectelor virtuale realizează pentru IoT ceea ce
a realizat adnotarea semantică a paginilor web pentru SemanticWeb.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 74
In ceea ce priveşte tehnologia Cloud Computing, se apreciază că după IaaS, PaaS, şi SaaS,
următoarea paradigmă este virtualizarea lucrurilor pentru a putea furniza funcţionalitate IoT as
a service. Convergenţa Cloud cu IoT va crea multiple oportunutăţi de promovare a serviciilor
IoT la cerere, pe suport Cloud. In plus, Cloud permite globalizarea acestei infrastructuri de
servicii, iar comunicaţiile mobile permit utilizatorilor globali să se conecteze la această
infrastructură oricând şi oriunde Rezultatul este o reţea de lucruri, utilizatori şi consumatori
accesibilă la nivel global, în care aceştia pot crea modele de afaceri, pot contribui cu conţinut şi
pot genera sau cumpăra noi servicii.
5.1.2.4. Domeniile de aplicabilitate
Un obiectiv major în viziunea IoT European Research Cluster il reprezintă crearea unor medii/
spaţii inteligente în domenii aplicative prioritare, cum ar fi transportul, producţia, oraşe, clădiri,
sănătate, energie inteligentă. Caracteristica principală a acestor spaţii o reprezintă capacitatea
de intercaţiune între oameni, echipamente şi mediul înconjurător.
Astăzi, există miliarde de senzori conectaţi prin intermediul unor smart phone-uri şi mulţi alţi
senzori care sunt conectaţi la reţele mobile „smart” folosindu-se alte protocoale de comunicare.
Provocarea este obţinerea datelor de la aceşti senzori într-un format interoperabil şi crearea
unor sisteme capabile să valorifice aceste date în beneficiul utilizatorilor. Lista de aplicaţii IoT
prezentată în continuare include exemple din diferite domenii, care demonstrează de ce acest
IoT este una dintre tendinţele strategice ale de dezvoltare tehnologică în următorii ani.
5.1.2.4.1. IoT în domeniul industrial
IoT joacă deja un rol critic în următoarea fază de automatizare a fabricaţiei, denumită iniţiativa
Industry 4.0 (Manyika et al., 2015). Acest concept se referă la digitalizarea completă a
proceselor de producţie, cuplarea lumi digitale cu lumea fizică în cadrul fabricii. Un aspect
definitoriu al Industry 4.0 este abilitatea de a monitoriza şi de a controla toate echipamentele de
producţie şi de a folosi datele colectate pentru a îmbunătăţi productivitatea şi calitatea.
Tehnologia IoT este plasata în acest fel în centrul unui nou val de inovare, comparabil cu
utilizarea aburului sau a energiei electrice (prima şi a doua revoluţie industrială). Este de
aşteptat să genereze îmbunătăţiri radicale în domenii cum sunt:
Optimizarea la nivel operaţional - IoT poate creşte productivitatea între 10 şi 25 la sută prin
îmbunătăţirea eficienţei producţiei. Cu IoT, producătorii pot obţine o imagine detaliată a ceea ce
se întâmplă la fiecare punct în procesul de producţie, pot să facă ajustări în timp real pentru a
menţine un flux neîntrerupt de produse finite şi pot să evite defecţiunile. Pe această bază au
posibilitatea de a vizualiza modul în care se derulează procesul de fabricaţie şi pot trata în
eventualele blocaje. De asemenea, posibilitatea de eroare umană este considerabil redusă.
Întreţinerea predictivă - cu senzori şi conectivitate este posibilă monitorizarea echipamentelor
de producţie în timp real, ceea ce permite abordarea de tip predictiv a problemelor de
întreţinere, având ca rezultat evitarea avariilor, îmbunătăţirea capacităţii de utilizare şi a
nivelului de productivitate. In plus, cu dispozitive IoT interconectate este posibil să se
monitorizeze performanţa tuturor instalaţiilor într-un mod sistematic. De exemplu, în cazul în
care o maşină în aval detectează că piesele de lucru pe care le primeşte au în mod constant
deviaţii pe o anumită dimensiune, acesta poate fi un indiciu că echipamentele din amonte au
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 75
nevoie de întreţinere. In acest fel aceste echipamente pot fi reparate şi reglate înainte de
livrarea unor produse cu defecte sau înainte de defectarea respectivelor echipamente.
In prezent, unii producători din industria auto detectează semnale precoce ale problemelor la
echipamentele de producţie folosind senzori la distanţă, care colectează şi raportează datele
de stare a acestora. Aceasta permite prioritizarea şi optimizarea resurselor de întreţinere, cu
economii la costurile de întreţinere comparativ cu întreţinerea programată şi evitarea
întreruperilor de producţie. Unii furnizori de echipamente folosesc tehnologia IoT pentru a
migra către un model de tip serviciu, furnizând echipamente şi întreţinere continuă pe bază de
contract, cu garantarea unui anumit nivel de disponibilitate în funcţionare. Ei monitorizează
continuu, de la distanţă, echipamentele livrate la beneficiar astfel încât să poată acorda service
în timp real, de la distanţă sau local. In acelaşi timp, acest gen de servicii le permit să colecteze
date despre performanţa echipamentelor, utilizate la îmbunătăţirea proiectării şi fiabilităţii
acestora. Întreţinerea predictivă ar putea reduce costurile de întreţinere cu 10 până la 40 la
suta.
Optimizarea stocurilor – personalul operaţional din fabrică are posibilitatea de a capta valoare
prin îmbunătăţirea modului în care gestionează inventarul. Inventarul afectează cheltuielile de
capita, în timp ce reducerea inventarului poate provoca întreruperi deproducţia. Folosind
senzori de greutate sau senzori de înălţime este posibilă generarea automată a unor comenzi
de aprovizionare care sunt mult mai precise decât sistemele actuale bazate pe reguli, care
estimează nevoia de reaprovizionare. Urmărirea dotărilor ajută, de asemenea, la îmbunătăţirea
utilizării acestora, precum şi performanţa angajaţilor de pe nivelul operativ.
Nivelul şi ritmul de adoptare a soluţiilor IoT în mediul de producţie depinde de o serie de
factori facilitatori şi de bariere. Un prim fapt pozitiv este că, după decenii de investiţii în
automatizarea producţiei, introducerea IoT nu va necesita, în multe cazuri, înlocuirea dotărilor
existente, deoarece multe echipamente în exploatare au deja senzori sau pot fi dotate
corespunzător. Acest aspect este în contrast puternic cu schimbări anterioare similare ca
amploare pentru mediul industrial (ca de ex. trecerea la utilizareaa aburului), care necesita
înlocuirea a mai mult de 80 la suta din echipamentele de producţie instalate. Deoarece fabricile
sunt mari consumatoare de capital şi rata de înlocuire a echipamentelor poate fi foarte scăzută
(în special în economiile în curs de dezvoltare), adaptabilitatea dotărilor existente pentru
aplicaţii IoT este un impotant factor facilitator. Deci, în timp ce cele mai multe echipamente pot
fi modernizate pentru a deveni IoT-ready, adoptarea acestei tehnologii ar putea fi graduală, în
special pentru întreprinderile mici şi mijlocii de producţie. Rata de adoptare a IoT-ului în
producţie, pentru anul 2025 este estimată între 65 şi 90 la suta în economiile avansate şi de
între 50 şi 70 la sută în economiile în curs de dezvoltare. Aceste niveluri de penetrare sunt
similare cu cele observate pentru echipamentele de automatizare a producţiei din ultimele
decenii.
O altă cerinţă general valabilă pentru adoptarea IoT în mediul de producţie o constituie reţelele
de date fiabile cu o capacitate suficientă de transfer. Reţele de date din mediul industrial
funcţionează în multe ori în medii cu nivel ridicat de interferenţă electromagnetică. De
asemenea, fluxul continuu de date între maşini şi sistemele informatice la distanţă necesită o
lărgime de bandă corespunzătoare, pe distanţe lungi.
Maximizarea beneficiilor sistemelor IoT bazate în mediul de producţie depinde, de asemenea,
de îmbunătăţirea algoritmilor analitici, care pot interpreta în timp real fluxurile de date de la
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 76
mai multe masini. O asemenea posibilitate contrastează puternic cu situaţia actuală, în care
foarte puţine date generate de echipamentele de producţie sunt utilizate efectiv luarea
deciziilor.
Probleme de securitate şi confidenţialitate a datelor afectează, de asemenea, adoptarea
IoT. Pentru a coleacta datele de îmbunătăţire a soluţiilor de proiectare a echipamentelor pe
baza rezultatelor utilizării acestora, producătorii au nevoie de acces la date cu privire la modul
în care clienţii lor folosesc produsele respective. Acest asepct poate ridica probleme de
confidenţialitate, deoarece un clientpaote considera aceste date confidenţiale, fiind legate de
performanţa procesului de fabricaţie.
5.1.2.4.2. Alte domenii applicative pentru IoT
Monitorizarea inteligentă a mediului
Detectarea incendiilor forestiere: Monitorizarea gazelor şi a condiţiilor de incendiu pentru
definirea unor zone de alertă.
Poluarea aerului: Controlul emisiilor CO2 din fabrici, a poluării emise de către maşini şi a
gazelor generate din ferme.
Energie inteligentă
Instalaţii fotovoltaice: Monitorizarea şi optimizarea performanţei a parcurilor solare.
Turbinele eoliene: Monitorizarea şi analiza fluxului de energie din turbinele eoliene.
Clădiri inteligente
Controlul accesului: Controlul accesului către anumite arii, şi detectarea persoanelor aflate în
arii neautorizate.
Prezenţa lichidului: Detectarea lichidelor în centre de date, depozite pentru a prevenii
întreruperi de funcţionare.
Controlul climei în interior: Măsurarea şi controlul temperaturii, luminii şi nivelului CO2.
Sănătate inteligentă
Calitatea vietii : Asistenţă către bătrâni sau către oamenii cu dezabilităţi ce trăiesc
independent.
Monitorizarea activităţii fizice pentru oamenii în vârstă: senzori pe corp ce măsoare
mişcarea, semnele vitale.
Frigidere medicale: controlează condiţiile din interiorul frigiderelor care stochează vaccinuri,
medicamente şi elemente organice.
Îngrijirea sportivilor: Monitorizarea semnalele vitale în centre de înaltă performanţă.
Supravegherea pacienţilor: Monitorizarea condiţiilor pacienţilor din spitale şi din casele
oamenilor în vârstă.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 77
Gestionarea bolilor cronice: Sisteme de monitorizare a pacienţilor cu boli cronice.
Transport inteligent
Calitatea condiţiilor de transport: Monitorizarea vibraţiilor sau a lovirii recipientelor.
Localizarea obiectelor: Căutarea unor obiecte individuale în suprafeţe mari.
Monitorizarea inteligentă a apei şi a hranei
Calitatea apei: studiul sustenabilităţii apei în râuri şi mări pentru faună şi gradul de
potabilitate.
Cursuri de apă: detectarea prezenţei lichidelor în afara bazinelor şi a variaţiilor de presiune
din ţevi.
Inundarea râurilor: Monitorizarea variaţiilor de nivel a apei din râuri, baraje şi rezervoare.
Administrarea apei: prezentarea informaţiei în timp real despre folosirea apei prin colectarea
parametrilor de apă reziduala către o reţea.
Controlul lanţului de aprovizionare: monitorizarea condiţiilor de stocare pe parcursul lanţului
de aprovizionare, şi monitorizarea produselor pentru scopuri de urmărire.
Îmbunătăţirea calităţii vinului: monitorizarea umezelii pământului şi a diametrului tulpinii în vii
pentru controlul cantităţii zahărului în struguri şi a sănătăţii acestuia.
Case verzi: Controlul micro-climatului pentru maximizarea producţiei de fructe şi legume şi a
calităţii acestora.
Smart Living
Aplicaţii inteligente de cumpărături: Furnizarea de sfaturi în funcţie de preferinţele, obiceiurile
clienţilor.
Controlul la distanţă a aparatelor: Pornirea şi oprirea aparatelor de la distanţă pentru evitarea
accidentelor şi economisirea energiei.
5.1.3. Suportul Cloud Computing pentru sisteme în timp real
5.1.3.1. Conceptul Cloud
Calculul în “Cloud” (Cloud Computing) este calculul bazat pe Internet, în care grupuri mari de
calculatoare (servere) sunt interconectate pentru a permite stocarea centralizată a datelor şi
accesul direct (online) la serviciile sau resursele de calcul.
Platformele Cloud pot fi clasificate ca publice, private, sau hibride. Resursele din Cloud sunt, de
regulă, partajate de mai mulţi utilizatori şi realocate dinamic la cerere. Principala tehnologie
inovatoare pentru calculul în Cloud este virtualizarea, care permite divizarea unui dispozitiv de
calcul fizic în unul sau mai multe dispozitive „virtuale”, putând fiecare să fie uşor utilizat şi
administrat pentru a efectua activităţi de calcul. Devine astfel posibilă optimizarea utilizării
resurselor de calcul.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 78
Modelul Cloud computing are următoarele caracteristici esenţiale:
este disponibil la cerere;
se bazează pe auto-servirea de către utilizator;
uşor accesibil prin intermediul Internet-ului;
promovează principiul partajării resurselor de calcul;
asigură elasticitate în utilizarea resurselor;
implemetează principiul „plată conform utilizării” prin contabilizarea utilizării serviciilor.
5.1.3.2. Tipuri de servicii Cloud
Toate resursele Cloud sunt oferite ca servicii şi se folosesc standarde larg acceptate şi cele
mai bune practici dobândite în domeniul arhitecturilor bazate pe servicii (SOA – Service
Oriented Architecture), pentru a permite accesul global şi uşor la capabilităţile de calcul în
Cloud. Cele mai frecvent folosite sunt serviciile SPI: Software as a service (SaaS), Platform as
a service (PaaS) şi Infrastructure as a service (IaaS).
In cazul IaaS, capacitatea furnizată consumatorului Cloud este de resurse computaţionale,
stocare date, crearea de reţele, şi alte resurse de calcul fundamentale, consumatorul fiind
capabil de a implementa şi de a rula orice software, precum sisteme de operare şi aplicaţii.
Exemple de servicii IaaS sunt Amazon EC2 şi Google Compute Engine.
PaaS furnizează consumatorului Cloud capacitatea de a implementa aplicaţii folosind limbaje
de programare, biblioteci, servicii şi instrumente susţinute de către furnizorul Cloud. Un
exemplu PaaS este Google App Engine.
SaaS oferă consumatorului posibilitatea de a utiliza aplicaţii oferite de către furnizorul de
servicii Cloud, acestea rulând pe infrastructura Cloud a acestuia. Exemple în acest sens sunt
Salesforce CRM (Customer Relationship Management) şi Gmail.
Alte tipuri de servicii disponibile pentru utilizare în Cloud sunt: Network as a service, Storage as
a service, Data as a service, Database as a service, Test environment as a service, Desktop
virtualization, API as a service, Backend as a service.
Utilizatorii Cloud pot alege între diferitele tipuri de servicii Cloud, în funcţie de propriile nevoi de
portabilitate şi automatizare. De exemplu, în cadrul PaaS se oferă posibilitatea de configurare
mai rapidă a aplicaţiilor decât în cadrul IaaS, iar utilizatorii pot exploata oportunităţile de
găzduire gratuită oferite de unii furnizori de soluţii PaaS (de exemplu, Google App Engine).
Serviciile de tip PaaS şi SaaS oferite de către un furnizor Cloud sunt de obicei implementate pe
baza unei infrastructuri de tip IaaS, ceea ce face ca interoperabilitatea nivelului IaaS să fie
mult mai importantă decât a celorlaltor două niveluri superioare. Interoperabilitatea PaaS
depinde în cea mai mare parte de mediile de dezvoltare, ce pot fi mai bine susţinute de către
comunităţile proprii de dezvoltatori atunci când este necesar. Nivelul SaaS oferă un cadru
complet pentru un serviciu utilizator, astfel că principala problemă de interoperabilitate este în
mare parte legată de accesul la date.
Din punctul de vedere al utilizatorilor, clienţii Cloud sunt de obicei reticenţi în a fi legaţi de
serviciile Cloud oferite de un singur furnizor, care nu ar fi în măsură să satisfacă toate cerinţele
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 79
utilizatorilor, cum ar fi distribuţia geografică a centrelor de date, oferirea de Service Level
Agreements (SLAs) etc., existând riscul potenţial de creştere exagerată a costurilor ca urmare
a dependenţei de un singur furnizor. Utilizatorii Cloud doresc infrastructuri Cloud
interoperabile, în care să poată avea un control deplin asupra modului de instalare a
aplicaţiilor şi, de asemenea, să poată să migreze cu uşurinţă atunci când este nevoie, fără
investiţii de dezvoltare suplimentare.
Din punctul de vedere al furnizorilor de servicii Cloud, această incompatibilitate între furnizorii
de soluţii Cloud poate proteja temporar interesul fiecărui furnizor, însă nu şi pe termen lung, în
cazul în care piaţa de servicii Cloud se maturizează. În acest sens, au apărut iniţiative pentru
stabilirea unor standarde pentru federalizarea infrastructurilor Cloud deţinute de diferiţi
furnizori, în special susţinute de către furnizorii de servicii Cloud relativ mici (de exemplu,
Rackspace, GoGrid), dar şi de către cei nou intraţi pe piaţă (de exemplu, Red Hat, Dell, Oracle,
etc.).
5.1.3.3. Avantaje Cloud de interes pentru STR-CP
Un sistem de conducere a proceselor complexe în timp real poate fi construit pe o platformă
sub forma unui server în Cloud care conţine o interfaţă prietenoasă API şi foloseşte obiecte
avansate de calcul şi comunicaţie. Această platformă va oferi suport pentru dezvoltarea, într-
un timp mai scurt, a unor algoritmi cu eficienţă superioară, pe baza funcţiilor disponibile,
caracterizate prin faptul că sunt reutilizabile şi deschise; de asemenea, va permite utilizatorului
să ruleze algoritmi de complexitate sporită, pentru a fi folosiţi pe regulatoare cu resurse
limitate, implementând obiecte de comunicaţie şi servicii Cloud pentru executarea funcţiilor.
In unele oferte de platformă, ca Microsoft Azure şi Google App Engine, resursele de calcul şi
memorie se adaptează automat la cerinţele aplicaţiei, aşa încât utilizatorul nu trebuie să le
aloce manual. Prin arhitectura sa, Google App Engine este orientat spre facilitarea aplicaţiilor în
timp-real. Un exemplu de adpatare îl constituie Cloud-ul hibrid - un ansamblu de două sau mai
multe sisteme Cloud (private, comunitare sau publice) care rămân entităţi distincte, dar sunt
conectate. Un Cloud hibrid poate utiliza un model de implementare a aplicaţiilor numit “explozia
Cloud”, care permite crearea unei infrastructuri informatice care suportă încărcările de calcul
medii, dar utilizează resursele unui Cloud public sau privat în timpul vârfurilor de încărcare.
Aşa cum s-a menţionat, tendinţa pe plan mondial constă în implementarea unor algoritmi
sub formă de funcţii bloc, conforme cu standardele actuale, de exemplu, IEC 61499. Acest
standard poate constitui un punct de pornire pentru obţinerea unei arhitecturi pentru algoritmi
complecşi, ce rulează sub standardul de funcţii bloc. Daca platforma este construită pe un
Cloud de tip hibrid, aceasta permite accesul nu doar în cadrul unui grup, ci şi în afara grupului.
Pentru a reduce timpul de dezvoltare şi a îmbunătăţi calitatea proiectării, se poate implementa
un mediu integrat care sa ofere suport pentru o eficienţă mai bună în fazele de modelare, prin
adăugarea accesului la funcţii avansate de control, la reacţiile altor utilizatori ai platformei, după
implementarea algoritmilor în diferitele instalaţii sau industrii, dar şi la instrumentele de
dezvoltare.
Unul dintre avantajele procesării în Cloud este posibilitatea de a înlocui cheltuielile mari cu
infrastructura, cu costuri reduse şi variabile ce se dimensionează după tipul afacerii.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 80
Un alt avantaj important al serviciilor bazate pe Cloud îl reprezintă accesibilitatea lor, limitată
numai de reţeaua de comunicaţie. S-au format sau s-au dezvoltat câteva companii care profită
de pe urma acestor oportunităţi, concurând la implementarea arhitecturilor de tip Cloud şi a
serviciilor SPI: Google, Amazon, VMWare, Citrix Systems, Microsoft, Rackspace, Salesforce,
Verizon.
Tehnologia Cloud computing reprezintă o nouă paradigmă de calcul prin care se oferă
posibilitatea de a accesa la cerere anumite resurse (spre exemplu CPU, spaţiu de stocare,
reţea, baze de date, aplicaţii) şi pentru care se plăteşte doar costul utilizării efective. Prin
provizionarea rapidă şi eliberarea resurselor cu un minim de efort din partea utilizatorului şi de
interacţiune cu furnizorul de servicii Cloud, această tehnologie facilitează implementarea
unor soluţii de calcul scalabile şi eficiente.
Interoperabilitatea infrastructurilor Cloud reprezintă un trend promiţător al acestei
tehnologii, deoarece promovează mai bine îndeplinirea scopului final al paradigmei Cloud
computing, şi anume acela de furnizare la scară globală, „nelimitată”, cu acces prin interfeţe
unificate, a resurselor de calcul. Importanţa interoperabilităţii Cloud a fost evidenţiată atât de
către industrie, cât şi de către mediul academic. Industria încearcă să abordeze problemele de
interoperabilitate Cloud prin standardizare.
Interoperabilitatea se referă, în general, la capacitatea unor diferite sisteme eterogene de a
funcţiona şi de a interacţiona unele cu altele. In domeniul TIC, interoperabilitatea este definită
ca fiind capacitatea sistemelor şi proceselor de a face schimb de date şi de a permite
distribuirea de informaţii şi cunoştinţe. În cadrul tehnologiei Cloud, interoperabilitatea poate fi
definită ca fiind capacitatea de a utiliza aplicaţiile, SLA-urile, modurile de autentificare şi
autorizare între diferite infrastructuri Cloud astfel încât acestea să poată coopera sau
interopera.
Interoperabilitatea, compatibilitatea şi portabilitatea în Cloud sunt noţiuni strâns legate şi
pot fi adesea confundate. Interoperabilitatea Cloud reprezintă abilitatea mai multor furnizori de
servicii Cloud de a lucra împreună. Atât compatibilitatea Cloud, cât şi portabilitatea Cloud,
răspund la întrebarea „cum?”: compatibilitatea Cloud se referă la faptul că aplicaţiile şi datele
pot fi utilizate în acelaşi mod, indiferent de furnizorul de servicii Cloud, în timp ce portabilitatea
Cloud reprezintă capacitatea de a migra şi refolosi datele şi aplicaţiile indiferent de alegerea
furnizorului de servicii Cloud, a sistemului de operare, ori a formatului de stocare a datelor sau
API-urilor.
O înţelegere cât mai clară şi clasificarea cerinţelor care asigură interoperabilitatea serviciilor
Cloud reprezintă primul pas spre standardizarea platformelor Cloud computing, a API-urilor şi
serviciilor Cloud.
Implementările reprezentative, la nivel de referinţă pentru sistemele de management Cloud
de tip IaaS sunt OpenStack, OpenNebula şi Eucalyptus. În baza practicii actuale, aproape toate
implementările reprezentative de platforme de management Cloud de tip IaaS încearcă să
asigure interoperabilitatea cu platforma dominantă, respectiv Amazon EC2.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 81
5.1.4. Industry 4.0
Internetul lucrurilor şi serviciilor face posibilă crearea de reţele care încorporează întregul
proces de fabricaţie şi care transformă fabricile într-un mediu inteligent (Kagermann et al.,
2013).
Sisteme de producţie cibernetico-fizice cuprind utilaje, sisteme de depozitare şi facilităţi de
producţie inteligente, care au fost dezvoltate digital şi oferă integrare bazată pe TIC, de la
logistica de aprovizionare la producţie, marketing, logistică şi servicii de desfacere. Acest
aspect nu numai că permite ca producţia să fie configurată mai flexibil, dar activează
oportunităţi specifice unor procese de management şi control mult ami diverisficate. În plus faţă
de procesele de optimizare bazate pe TI existente, Industry 4.0 va debloca potenţialul generat
de posibilităţile de urmărire a proceselor la un nivel de detaliu inacessibil în prezent. Aceasta va
implica, de asemenea, o cooperare mai strânsă între partenerii de afaceri (de exemplu,
furnizorii şi clienţii) şi între angajaţi, oferind noi oportunităţi pentru beneficii reciproce. Industry
4.0 va oferi o mai mare flexibilitate şi robusteţe, împreună cu cele mai înalte standarde de
calitate în inginerie, planificare, fabricaţie, procese de exploatare şi logistică. Aceasta va duce
la apariţia de lanţuri ale valorii dinamice, cu auto-organizare, optimizate în timp real pe baza
unei varietăţi de criterii cum ar fi costul, disponibilitatea şi consumul de resurse. Acest lucru va
necesita un cadru de reglementare adecvat, precum şi interfeţe standardizate şi procese de
afaceri armonizate.
Următoarele aspecte caracterizează viziunea pentru Industry 4.0:
Un nou nivel de interacţiune socio-tehnic între toţi actorii şi resursele implicate
în procesul de fabricaţie, care va gravita în jurul reţelelor de resurse de producţie
(echipamente de producţie, roboţi, sisteme transportoare şi de depozitare). Aceste
resurse vor fi autonome, capabile de autocontrol ca răspuns la diferite situaţii, de auto-
configurare, vor fi bazate pe cunoaştere, echipate cu senzori, dispersate spaţial, vor
încorpora sisteme de planificare şi management. Ca o componentă cheie a acestei
viziuni, fabricile inteligente vor fi integrate în reţele ale valorii inter-companii şi vor fi
caracterizate prin inginerie „end-to-end”, care cuprinde atât procesul de fabricaţie cât şi
produsul fabricat, asigurând convergenţa din lumea digitală şi cea reală. Fabricile
inteligente vor permite implementarea unor niveluri de complexitate crescută a
proceselor de fabricaţie şi vor asigura ca producţia să poată fi simultan atractivă,
sustenabilă şi profitabilă.
Produsele inteligente ale Industry 4.0 vor fi identificabile în mod unic şi vor
putea fi localizate în orice moment. De aemenea, vor înmagazina informaţii despre
propriul proces de fabricaţie in timpul derulării acestuia. Aceasta înseamnă că, în
anumite sectoare, produsele inteligente vor fi în măsură să controleze în regim semi-
autonom etapele propriei fabricaţii.
In contextul Industry 4.0 va fi posibil ca cerinţe specifice ale unui client individual
să fie incluse în procesele de proiectare, configurare, comandă, planificare,
producţie, utilizare şi reciclare.
Punerea în aplicare a viziunii Industry 4.0 va permite angajaţilor să controleze, să
reglementeze şi să configureze reţele de resurse de fabricaţie inteligente şi
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 82
etapele de producţie, în funcţie de obiective senzitive la context sau la situaţii
particulare.
Punerea în aplicare a acestei viziuni va necesita extinderea în continuare a
infrastructurii de reţea relevante şi specificarea nivelului de calitate a serviciilor,
prin acorduri de nivel al serviciilor (SLA).
Din punct de vedere la oportunităţilor şi modelelor de afaceri, Industry 4.0 va duce la
dezvoltarea de noi modele de afaceri şi de parteneriat, care sunt mult mai adaptate pentru
satisfacerea cerinţelor individuale, de ultim moment ael clientului.
Aceste modele vor permite IMM-urilor să utilizeze servicii şi sisteme software pe care nu îşi
permit să le achiziţioneze conform modelelor actuale de licenţiere. Noile modele de afaceri vor
oferi soluţii la probleme cum ar fi stabilirea dinamică a preţurilor care să ţină cont de situaţia
concretă a clienţilor şi competitorilor, precum şi de problemele legate de calitatea SLA, într-un
context caracterizat de networking şi cooperare între partenerii de afaceri.
Scenariile de utilizare al Industry 4.0 referitoare la "fabricaţia în reţea", "logistică adaptivă cu
auto-organizarea" şi "ingineria integrată-client" vor necesita modele de afaceri care vor putea fi
implementate în primul rând reţele extrem de dinamice de întreprinderi şi mai puţin de companii
individuale. Monitorizarea detaliată a modelelor de afaceri în timp real va juca, de
asemenea, un rol-cheie în documentarea pe etape de prelucrare pentru a demonstra că
reglementările şi condiţiile contractuale sunt îndeplinite.
5.2. Potenţialul de impact pentru competitivitate
Conform (Huawei, 2015), până în 2025 numărul de dispozitive IoT instalate, conectate şi
administrate autonom va ajunge la 100 miliarde de euro, de la 35 de miliarde euro în 2020 (o
creştere de 300%). De aceea, IoT este inclus intre cele 5 surse majore de impact pentru
schimbările care au loc în mediul industrial, alături de serviciile Cloud (asigurarea resurselor de
calcul necesare pentru generarea dotărilor de tip digital), Big Data şi Analytics (servicii de
conversie a dotărilor de tip digital în valoare pentru afaceri), comunicaţii în bandă largă
(facilitator al furnizării de valoare digitală în economie prin conectarea zonelor periferice, de
colectare date, cu zona centrală, de servicii cu valoare adăugată, a sistemelor informatice) şi
centrele de date (furnizori profesionali de resurse de calcul şi memorare).
Conform (Manyika et al., 2015), aplicaţiile IoT din domeniul industrial au potenţialul de a
genera valoare între 1.200 - 3.700 miliarde dolari pentru anul 2025. Cel mai mare potenţial
pentru crearea de valoare îl va avea optimizarea operării echipamentelor de producţie. Aceasta
include folosirea de senzori în locul raţionamentului uman pentru a regla performanţa
echipamentelor. Aceasta implică, de asemenea, utilizarea de date culese de la aceste
echipamente pentru a regla fluxurile de lucrări, prin monitorizarea şi reglarea de la distanţă, pe
baza datelor de senzori din diferse zone de producţie sau chiar din afară. În total, aplicaţiile IoT
numai în optimizarea operării au potenţialul de a crea valoare între 633 miliarde dolari la 1,8
miliarde dolari pe an 2025.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 83
Referitor la impactul de afaceri al IoT, acesta se referă la performaţa unităţilor de producţie,
inclusiv a proceselor de producţie şi a utilizării echipamentelor (LeHong şi Velosa, 2014).
Evaluarea direcţiilor de impact este următoarea:
impact ridicat din punct de vedere riscului în afaceri, datorită problemelor de securitate
a datelor şi de inginerie a unor dipozitive şi procese cu grad ridicat de noutate;
impact ridicat din punct de vedere al intensităţii tehnologice, datorită asimilării noilor
dispozitive şi soluţii de automatizare;
impact ridicat din punct de vedere al modificării strategiei în afaceri, datorită schimbării
sistemului de producţie, problemelor de implementare, noilor parteneriate şi colaborări
externe, noilor modele de securitate;
impact mediu din punct de vedere al schimbărilor organizatorice, datorită noilor
specializări şi unităţi organizatorice;
impact ridicat din punct de vedere al culturii întreprinderii, datorită transformărilor privind
procesele şi metodele de acces la informaţii, modelele de colaborare şi de implicare a
angajţilor;
impact ridicat din punct de vedere al competitivităţii, datorită accelerării proceselor
decizionale şi calităţii informaţiilor disponibile, unui nivel ridicat de agilitate pentru IMM-
uri.
Un sondaj efectuat de publicaţia DZone cu ocazia elaborării Ghidului IoT pe 2015, la care au
participat peste 500 de specialişti în informatică (din care 41% dezvoltatori şi 24% şefi colective
dezvoltare, 43% din SUA şi 32% din Europa), a evidenţiat că din total respondenţi (DZone,
2015):
44% au fost favorabili dezvoltării de produse IoT în companiile respective, 40% au fost
interesaţi în iniţierea unui start-up IoT pentru mediul industrial sau pentru consumatori
individuali;
58% au afirmat că IoT este deja o realitate în organizaţiile lor, 87% au apreciat că IoT
va fi relevant pentru perioada următoare;
79% sunt îngrijoraţi de securitatea în sistemele IoT, depăşind cu 11% pe cei care au
semnalat problema de pe locul 2 (asigurarea caracterului privatal informaţiilor).
In predicţiile sale din 2015 privind dezvoltarea domeniului IoT, IDC a subliniat că faţă de
perioada actuală, când peste 50% din aceste soluţii sunt utilizate în sisteme de fabricaţie, în
transport, oraşe inteligente sau aplicaţii pentru cetăţean, în 2020 iniţiative IoT vor fi deja
operaţionale în toate industriile (http://www.idc.com/getdoc.jsp?containerId=prUS25291514).
In Digital Universe Report 2014 al EMC2 şi International Data Corporation, sunt evidenţiate
cinci domenii de impact ale IoT asupra mediului de afaceri: noi modele de afaceri (bazate pe
viteza crescută de răspuns la cererile clinţilor), informare în timp real referitoare la sistemele cu
misiune critică, vizibilitate globală asupra detaliilor afacerii (de-a lungul lanţurilor de furnizare,
indiferent de locaţia geografică), eficienţa şi inteligenţa operaţiilor prin preluarea informaţiei de
timp real şi accelerarea deciziilor. Pentru valorificarea acestor oportunităţi este nevoie de o
nouă generaţie de aplicaţii pentru domenii cum ar fi: mentenanţă predictivă, prevenirea
pierderilor, utilizarea instalaţiilor, urmărirea inventarului, predicţia şi recuperarea dezastrelor,
minimizarea timpului de nefuncţionare, optimizarea folosirii energiei, eficacitatea performanţei
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 84
dispozitivelor, managementul performanţei reţelei, planificare capacităţii, prognozarea cererii,
optimizarea preţurilor, managementul randamentului, optimizarea încărcării
(https://infocus.emc.com/william_schmarzo/5-ways-the-internet-of-things-drives-new-
opportunities/ ).
Conform Cisco, în 2013 valoarea estimată generată de Internet of Everything (IoE) a fost de
14.4 trilioane de dolari pentru sectorul privat (http://ioeassessment.cisco.com/learn/2013-ioe-
value-index-whitepaper) şi 4.6 trilioane de dolari pentru sectorul public
(http://ioeassessment.cisco.com/learn/value-stake-public-sector). În sectorul privat, estimările
au vizat venituri de 2.5 trilioane dolari din utilizarea instalaţiilor, 2.5 trilioane dolari din
productivitatea angajaţilor, 2.7 trilioane dolari din logistică şi lanţuri de aprovizionare, 3.7
trilioane dolari din experienţa clienţilor şi 3.0 trilioane dolari din inovare. În sectorul public,
principalele cauze ale surselor de venit sunt productivitatea angajaţilor (1.8 trilioane dolari),
reducerea costurilor (740 miliarde dolari), experienţa cetăţenilor (412 miliarde dolari).
In ceea ce priveşte iniţiativa Industry 4.0, potenţialul său imens de impact este generat de
următoarele capabilităţi (Kagermann et al., 2013):
Îndeplinirea cerinţelor individuale ale clienţilor - luarea în considerare a acestor cerinţe în
etapele de proiectare, configurare, planificare, fabricare şi funcţionarea fazei şi permite
schimbări de ultim moment ce trebuie să fie încorporate. În Industry 4.0 este posibil să se
fabrice în condiţii de profit un produs la un volum de producţie foarte mic (dimensiunea
lotului de 1).
Flexibilitate - reţelele ad-hoc specifice sistemelor cibernetico-fizice permit configurarea
dinamică a diferitelor aspecte ale proceselor de afaceri, cum ar fi calitatea, timpul, riscul,
robusteţea, preţul şi protecţia mediului. Aceasta înseamnă că procesele de inginerie pot fi
mai agile, procesele de producţie pot fi schimbate, opririle temporare (de exemplu, din cauza
aprovizionării) pot fi compensate şi creşterile uriaşe ale producţiei pot fi realizate într-un
interval scurt de timp.
Decizii optimizate - pentru a reuşi pe piaţă globală devine critică capacitatea de a adopta
deciziile corecte, de multe ori în timp foarte scurt.
Productivitatea şi eficienţa resurselor - obiectivele strategice generale pentru procesele de
producţie industriale rămân valabile şi pentru Industry 4.0: oferirea celor mai bune produse
dintr-un volum dat de resurse (productivitatea resurselor) şi minimizarea cantităţii de resurse
necesare livrării unui animit produs (eficienţa resurselor).
Crearea de oportunităţi prin intermediul noilor servicii - Industry 4.0 deschide noi modalităţi
de creare a valorii şi noi forme de angajare, de exemplu prin intermediul serviciilor din aval.
Algoritmi inteligenţi pot fi aplicaţi pentru volume mari date diverse (Big Data) înregistrate de
dispozitive inteligente pentru a oferi servicii inovatoare.
Echilibrul în viaţa profesională - modelele mai flexibile de organizare a muncii în companii
orientate către satisfacerea nevoilor tot mai mari ale angajaţilor, asigurarerea unui echilibru
mai bun între muncă şi viaţa privată şi, de asemenea, între dezvoltarea personală şi
dezvoltarea profesională continuă.
Atenţia acordată la nivel european acestei tematici este confirmată şi de conferinţa „The future
of manufacturing: Industry 4.0”, organizată pe 20.10.2014 la Bruxelles, în organizarea Direcţiei
Generale „Grow” din cadrul Comisiei Europene, în care lista problemelor analizate a inclus:
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 85
rolul politicienilor în asigurarea condiţiilor de abordare a Industry 4.0, schimbările ce vor avea
loc la nivelul companiilor prin promovarea acestei iniţiative, rolul tehnologiilor cheie promovate
de Programul Orizont 2020, rolul Cloud computing şi Big Data în implementarea acestei
iniţiative, potenţialul acesti iniţiative de a genera lideri industriali la nivel european. In cadrul
conferinţei, comisarul european pentru economie şi societate digitală a afirmat că cea dea
patre revoluţie industrială care a demarat deja, caracterizată prin digitizarea avansată şi
interconectarea produselor, lanţurilor valorice şi modelelor de afaceri, va schimba industriile şi
economiile europene, va modifica vieţile cetăţenilor europeni. Germania, ca principal promotor
al Industry 4.0, va investi 40 miliarde euro anual până în 2020 în această iniţiativă industrială.
Se apreciază ca la nivel european investiţiile vor fi de 140 miliarde euro anual. Industriile
bazate pe tehnologiile cheie promovate la nivel european - ICT (inclusiv fotonica, nano- şi
microelectronica), nanotechnologiile, materiale avnsate, fabricaţie avansată, biotehnologii – vor
genera masiv locuri de muncă în proiectare, cercetare-dezvoltare, servicii industriale
(http://sciencebusiness.net/events/2015/the-future-of-manufacturing-industry-40/ ).
5.3. Tipologia de soluţii TIC specifice
5.3.1. STR-CP cu acces la expertiză decizională avansată în Cloud
Cele mai eficiente sisteme pentru conducerea proceselor industriale sunt în prezent
caracterizate printr-o structură ierarhică presupunând existenţa a cel puţin două niveluri de
automatizare: un nivel executiv, responsabil de controlul clasic al parametrilor principali de
proces, şi un nivel de supraveghere, responsabil de monitorizarea instalaţiilor şi de luare a
deciziilor. Cele mai multe dintre mediile industriale necesită sisteme de conducere în timp real
cu un nivel de control superior, capabil să îmbunătăţească şi să optimizeze funcţionarea
instalaţiei.
Paradigma RH Control impune implementarea unui astfel de nivel, dar realizarea acestuia
este dependentă de existenţa unei biblioteci de algoritmi bine documentată şi a unei
metodologii riguroase de reprezentare care să faciliteze comunicarea şi schimbul de informaţii.
Incorporarea ultimelor cercetări în sfera algoritmilor întăreşte relaţiile între mediul academic şi
cercetarea industrială, permiţând transferul de cunoştinte către aplicaţiile industriale şi
acoperind golul dintre dezvoltarea teoretică şi implementarea în timp real. Arhitectura unui
asemenea sistem conţine trei componente principale :
- modul de dezvoltare şi testare;
- biblioteca online;
- subsistemul de execuţie online.
Din punct de vedere structural, sistemul va funcţiona ca o aplicaţie web standard având o bază
de date relaţională, care va permite accesul la fişierele cu diverşi algoritmi prin organizarea
acestora în funcţie de tipul algoritmilor şi de procesele cărora li se pretează. La această
aplicaţie web se adaugă un modul responsabil cu implementarea şi testarea algoritmilor. Acest
modul poate folosi FBDK pentru elaborarea algoritmilor, pornind de la un fişier descriptor ce
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 86
conţine diagrame de execuţie, formule, diagrame de stare etc. Pentru fiecare algoritm se va
adăuga o descriere care să definească concret domeniul de utilizare, să detalieze
performanţele şi limitările. Dacă este cazul, se va specifica dacă un anumit algoritm foloseşte
alte funcţii din bibliotecă, dacă au existat implementări ale acestuia în mediul industrial,
caracteristicile procesului şi rezultatele obţinute.
Biblioteca permite două moduri de utilizare a componentelor sale :
descărcare - pentru a putea fi integrate într-un controller de proces (implementare
offline) sau
execuţie directă în bibliotecă (execuţie online).
În cazul utilizării offline, utilizatorului i se pune la dispoziţie un fişier ce conţine o funcţie bloc
simplă sau compusă ce implementează funcţionalitatea dorită.
În cazul utilizării online, implementarea este sub forma unei configuraţii de sistem care să
permită rularea şi conectarea la o aplicaţie existentă. Sistemul trebuie să îndeplinească
anumite funcţii:
să permită stocarea algoritmilor reutilizabili de control;
să permită accesul online la algoritmii disponibili în bibliotecă;
să ofere posibilitatea de executare online a unor algoritmi din blibliotecă şi furnizarea
rezultatului execuţiei acestora către un controller aflat la distanţă;
să pună la dispoziţia administratorilor de sistem mecanismele necesare gestionării
înregistrărilor (algoritmi şi utilizatori), astfel încât să nu existe duplicate;
să asigurare corectitudinea şi îndeplinirea criteriilor de performanţă ale algoritmilor, prin
verificarea şi validarea acestora înainte de a fi disponibili utilizatorilor;
să definească limitele de utilizare ale algoritmilor disponibili (tipul de aplicaţie, numărul
de variabile de intrare/ieşire etc.).
Pentru aceasta sunt dezvoltate funcţii bloc speciale necesare pentru interfaţarea cu procesul.
Biblioteca online este alcătuită dintr-un sistem de baze de date care va asigura stocarea
coerentă a algoritmilor şi accesarea lor într-un mod optim, un sistem de asamblare şi
prezentare a informaţiilor, folosit pentru interacţiunea cu exteriorul şi validarea introducerii
algoritmilor/blocurilor funcţionale şi un modul de comunicaţie care va prezenta algoritmii stocaţi
folosind standardul ales (IEC 61499 sau orice alt standard ulterior preferat) astfel încât
algoritmii să poată fi implementaţi în sistemul de control al procesului pentru execuţia acestora
în mod optimizat. În plus, este necesară existenţa unui modul de simulare/testare, fie înglobat
în bibliotecă, fie extern acesteia, care să se ocupe cu validarea şi simularea rulării acestor date,
pentru a se putea identifica oportunitatea folosirii unui anume algoritm în situaţii concrete.
Valoarea reala a acestui modul constă în culegerea datelor din timpul rulării şi integrarea
acestora în cadrul informaţiilor despre algoritmi, conţinute în biblioteca de algoritmi, oferind un
istoric util în clasificarea eficienţei, împreună cu rata de success/eşec a fiecărui algoritm în
parte.
În ceea ce priveşte implementarea efectivă a bibliotecii, este preferată abordarea modulară,
care să permită un nivel crescut de portabilitate şi o abstractizare a cadrului în care rulează.
Astfel se poate folosi o implementare bazată pe maşini virtuale (VM) integrate în mediul
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 87
Cloud, conţinând fiecare toate resursele necesare rulării modulului/ modulelor incluse în acel
VM, lucru ce permite portarea bibliotecii între diferiţii ofertanţi de soluţii Cloud, fie ele soluţii
publice, cât şi private sau hibride, conform paradigmei PaaS.
Alternativa este folosirea containerelor Linux (LXC sau Docker), care permit izolarea
resurselor, fie ele CPU, memorie, I/O, reţea, sau chiar a proceselor care rulează pe acea
maşină, făcându-se astfel posibilă separarea şi portarea fără a mai fi nevoie de folosirea unei
maşini virtuale pentru fiecare componentă/proces din bibliotecă. Avantajul acestei soluţii este
înaltul grad de integrare cu soluţiile Cloud deja existente pe piaţă şi flexibilitatea portabilităţii,
inclusiv în timpul funcţionării, fără a afecta disponibilitatea serviciului conform paradigmei SaaS.
Prin utilizarea containerelor, resursele sunt izolate, serviciile pot fi restricţionate, iar procesele
pot fi create cu o vedere proprie asupra sistemului de operare. Acesta include propriul spaţiu
de procese şi propria structură de fişiere sau de interfeţe de reţea. Mai multe containere pot să
acceseze acelaşi nucleu, dar fiecare container poate fi izolat şi constrâns să utilizeze o cotă de
resurse precum CPU, memorie şi I/O.
Docker este un instrument open-source care automatizează lansarea aplicaţiilor în cadrul
containerelor software prin introducerea unui nivel de abstractizare la nivelul virtualizării
sistemului de operare. Docker utilizează facilităţi de izolare a resurselor ce sunt prezente în
cadrul nucleului, ce permit unor containere independente să fie executate în cadrul unei
singure instanţe a unui sistem de operare în timp real. Aceasta reduce consumul de resurse şi
creşte performanţa în comparaţie cu utilizarea maşinilor virtuale. Componenta namespaces
oferă posibilitatea ca fiecare aplicaţie să aibă propria imagine asupra mediului în cadrul
sistemului de operare, inclusiv a listei de procese, a id-urilor utilizatorilor, a stivei de protocoale
TCP/IP sau a sistemelor de fişiere montate, în timp ce componenta cgroups oferă izolarea
resurselor computaţionale precum CPU, memorie, subsistem I/O ce include accesul la disc şi
reţea. Docker include o biblioteca ca implementare de referinţă pentru utilizarea containerelor.
Aceasta este construită pe baza unor componente specializate ce furnizează interfeţe pentru
facilităţile oferite de către nucleul sistemului de operare în timp real.
Docker implementează un API (o interfata) de nivel înalt ce oferă suport pentru crearea de
containere ce execută procese izolate. Un container Docker, spre deosebire de o maşină
virtuală obişnuită, nu necesită sau nu include un sistem de operare propriu. În schimb acesta
se bazează pe funcţionalitatea oferită de nucleu, care este accesat prin intermediul bibliotecii,
sau a componentelor specializate. Prin utilizarea Docker pentru crearea şi administrarea
containerelor, activitatea de implementare a sistemelor distribuite devine mult mai simplu de
realizat. Astfel, este posibil ca mai multe aplicaţii şi procese care au sarcina de a executa
anumite activităţi să fie rulate în mod independent în cadrul unei maşini fizice sau a unui grup
de maşini virtuale. Aceasta permite lansarea în execuţie a sistemelor în funcţie de
disponibilitatea resurselor sau a necesarului de putere de calcul. Prin acest model de execuţie
se pot implementa infrastructuri de calcul Cloud de tip PaaS şi se pot scala aplicaţii precum
Apache Cassandra, MongoDB sau Riak. De asemenea, se simplifică crearea şi operarea
cozilor de execuţie pentru job-uri sau a altor sisteme distribuite.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 88
5.3.2. Platforme de dezvoltare soluţii IoT
Pentru a sprijini utilizatorii interesaţi în implementarea unor soluţii IoT să se concentreze pe
problemele concrete pe care le au de rezolvat printr-o asemenea abordare, pe piaţa IoT a
apărut oferta de platforme specializate. O platformă IoT permite unei organizaţii utilizatoare
(întreprindere industrială, unitate medicală, unităţi din domeniul transportului şi distribuţiei de
energie) să valorifice mai bine informaţiile existente în diversele dispozitive pe care le
utilizează. In acest scop platforma implementează următoarele funcţionalităţi:
colectarea datelor şi conectivitate,
servicii de acces la infrastructuri de stocare şi administrare a datelor,
servicii de procesare şi analiză a acestora.
In acest fel, este lăsată în sarcina utilizatorului conectarea echipamentelor şi selectarea
opţiunilor de care are nevoie: accesul la infrastructura de stocare şi regăsire date, selectarea
serviciilor de procesare, vizualizare şi analiză a datelor.
Principalul beneficiu al unei asemene platforme îl constituie accelerarea valorificării avantajelor
unei soluţii IoT pentru întreprinderea beneficiară, cu condiţia ca aceasta:
să clarifice modul de integrare a soluţiei în activitatea proprie;
să decidă asupra soluţiilor de utilizare a rezultatelor generate de prelucrarea superioara
a datelor existente;
să fie conştientă de costurile de exploatare a soluţiei IoT şi ale serviciilor de consultanţă
pe care le necesită.
Platformele deschise IoT utilizează arhitecturi, concepte, metode şi instrumente care oferă
suport pentru integrarea diverselor funcţii ale unui sistem IoT. Acestea au rolul să furnizeze
conectivitate şi inteligenţă, capacitate de control şi execuţie comenzi, conectare la servicii
Cloud şi analiză big data, interfeţe de programare şi soluţii de interoperabilitate. Este de
aşteptat ca aceste platforme să aibă impact major asupra calităţii ofertei de soluţii inovative IoT,
standardizării în acest domeniu, promovării adoptării platformelor.
Pe piaţa ofertei de platforme IoT se prefigurează trei clase de soluţii, corespunzătoare celor trei
funcţionalităţi menţionate mai sus.
O primă grupă de oferte aparţine firmelor dominante pe piaţa de telefonie mobilă, care
urmăresc să-şi valorifice notorietatea pe această piaţă prin oferirea de soluţii IoT centrate pe
utilizarea telefonului mobil ca unitate de control şi hub de comunicaţii de date. Interesul pentru
această grupă de oferte este generat şi de facilităţile oferite în unele cazuri pentru abordarea
serviciilor specifice următoarelor două clase de soluţii (stocare & administrare, procesare &
analiză). O altă grupă de oferte este furnizată de firme IT specializate.
5.3.3. Infrastructuri STR-CP cu virtualizarea senzorilor
Aşa cun s-a menţionat, următoarea etapă de virtualizare a resurselor specifice unui sistem in
timp real pentru conducerea proceselor vizeaază senzorii. Un exemplu de referinţă pentru
acest tip de abordare îl reprezintă Sensor-Cloud Infrastructure (SCI), care permite
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 89
virtualizarea unui senzor fizic pentru acces în Cloud şi, prin extensie, virtualizarea unei reţele
de senzori fizici, care devine astfel parte componentă în Cloud. Un caz particular îl constituie
problema virtualizării reţelelor de senzori wireless (WSN). Interacţiunea dintre Cloud şi lumea
reală, reprezentată de WSN, este decuplată, în sensul că toate operaţiile executate în Cloud se
fac cu date furnizate de senzorul virtual. Ca atare, interacţiunile pot fi grupate în două categorii:
Cloud vs. senzor virtual şi, respectiv, senzor virtual vs. nod din reţeaua de senzori reali.
5.3.3.1. Arhitectura SCI
Arhitectura software SCI are şapte componente :
Client: asigură acces la interfaţa utilizator a SCI, prin browsere Web;
Portal: furnizează interfaţa utilizator a SCI.
Alocare (provisioning): punere în funcţiune/ alocare automată a senzorilor virtuali;
Managementul resurselor: SCI utilizează resurse IT pentru senzorii virtuali;
Monitorizare: mecanisme dedicate de supraveghere şi monitorizare;
Gruparea senzorilor virtuali: gruparea senzorilor la utilizatorii finali;
Senzori: senzori fizici (reali) utilizaţi în SCI.
Atunci când un utilizator se conectează la portal printr-un browser Web, trebuie să-şi precizeze
statutul (utilizator final, proprietar al reţelei de senzori sau administrator SCI), pentru a identifica
operaţiile admise. Pentru utilizatorii finali, serverul portal indică meniurile de conectare/
deconectare, cererile de alocare sau de anulare a grupurilor de senzori virtuali, precum şi
procedurile de monitorizare şi control ale acestora. Pentru proprietarii reţelelor de senzori,
serverul portal indică meniurile de conectare/deconectare şi de înregistrare sau ştergere a
senzorilor fizici.
Serverul de alocare transmite grupurilor de senzori virtuali cererile de alocare de la serverul
portal. Totodată, el defineşte fluxurile de lucru pe care le execută în ordinea prestabilită.
Un grup de senzori virtuali este alocat automat unui server virtual de serverul de alocare. El
poate fi activat sau dezactivitat de proprietarul grupului şi poate fi controlat de acesta direct sau
printr-un browser Web.
Serverul de Monitorizare primeşte date despre senzorii virtuali de la agenţii din serverele
virtuale, date care sunt preluate de administratorul SCI.
Pentru alocarea grupurilor de senzori virtuali se parcurge următorul flux de activităţi:
conectare;
selectarea de formulare pentru grupurile de senzori virtuali;
solicitarea unui grup de senzori virtuali prin selectarea formularelor adecvate prin portal;
rezervarea resurselor IT;
alocarea grupului de senzori virtuali pe serverul virtual selectat;
notificarea reuşitei alocării.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 90
Baza de date stochează caracteristicile senzorilor fizici (ID-ul proprietarului, tipul de senzor şi
sursa datelor preluate de senzor), ale grupurilor de senzori virtuali (ID-urile grupului de senzori
virtuali, ale utilizatorului final şi, respectiv, serverului virtual, cât şi datele create) şi ale
resurselor IT (date despre servere şi despre servere virtuale, ca de exemplu, adresa IP sau
numele gazdei). Totodată, se creează un registru depozit care stochează formularele tipizate
pentru senzorii virtuali (un astfel de formular conţine biblioteca de programe şi fişierele cu reguli
de prelucrare şi clasificare a datelor).
5.3.3.2. Interfata cu sisteme SCADA
O contribuţie importantă la succesul implementării arhitecturii SCI este adusă de modul în care
este executată interfaţarea. Aşa cum s-a menţionat, pentru structurarea algoritmilor de control
se poate folosi conceptul de funcţii bloc distribuite. Similar cu circuitele integrate utilizate în
proiectarea circuitelor electronice, o funcţie bloc încorporează o anumită funcţionalitate şi poate
fi conectată la alte funcţii bloc prin intrările şi ieşirile sale.
In dezvoltarea algoritmilor se poate utiliza standardul IEC 61499, ce defineşte o arhitectură
deschisă pentru noile generaţii de control distribuit şi automatizări. La elaborarea acestui
standard, IEC a luat în considerare proprietăţile de portabilitate, reutilizare, interoperabilitate şi
reconfigurare a aplicaţiilor distribuite. Spre deosebire de predecesorul său, IEC 61131-3, o
funcţie bloc în IEC 61499 rămâne pasivă până în momentul în care apare un eveniment ce
armează funcţionalitatea respectivă şi este executată, producând evenimente de ieşire şi date.
Dacă iniţial această interfaţă a evenimentelor a fost criticată pentru că făcea scrierea aplicaţiilor
mai complicată comparativ cu IEC 61131, faptul că se permite specificarea explicită a
secvenţei de execuţie a funcţiilor bloc dă dezvoltatorilor un nou nivel de flexibilitate, inexistent
anterior.
Sistemele de control industrial de tip SCADA se află în centrul majorităţii industriilor
moderne, cum ar fi cele de producţie, energie electrică, reţele de alimentare cu apă şi transport
etc. Practic, în orice domeniu actual se vor găsi versiuni de sisteme SCADA, acestea implicând
diverse tehnologii ce permit organizaţiilor atât funcţii de comandă cât şi de monitorizare,
colectare şi prelucrare a datelor extrase din procesele industriale. Aceste sisteme variază de la
configuraţii simple la proiecte de amploare, majoritatea acestora utilizând software de tip HMI
(Human-Machine Interface) ce permit utilizatorilor să interacţioneze şi să controleze
dispozitivele implicate (valve, pompe, motoare etc.).
SCADA primeşte informaţiile de la RTU-uri (Remote Terminal Units) sau PLC-uri, care la rândul
lor sunt alimentate cu informaţii de către senzori sau cu valori introduse manual. Datele
colectate sunt apoi monitorizate şi prelucrate cu scopul principal de a creşte eficienţa şi
eficacitatea instalaţiilor. Majoritatea sistemelor moderne SCADA permit accesarea datelor în
timp real şi de la mare distanţă permiţând luarea deciziilor imediate. Utilizarea de către
programele SCADA a standardelor şi practicilor IT de ultima generaţie, precum bazele de date
puternice şi integrarea cu sisteme de tip MES şi ERP, permite, pe lângă o creştere a eficienţei,
securităţii şi productivităţii, şi un flux mai facil al datelor.
Se urmăreste ca platformele de Cloud Computing să preia atribuţiile sistemelor SCADA,
adoptând tehnologia IoT. Ca rezultat, sistemul SCADA poate raporta starea aproape în timp
real şi se poate folosi de proprietatea scalabilităţii orizontale, pe care mediul Cloud o pune la
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 91
dispoziţie, pentru a implementa algoritmi de control mai complecşi decât s-ar putea implementa
în mod tradiţional în PLC. Folosirea protocoalelor deschise de reţea ca TLS (intrinsec IoT)
oferă în mod implicit o arie de securitate mai mare decât în cazul utilizării unui mix de
protocoale de reţea proprietare, cum se întâmplă în cazul multor implementări de sisteme
SCADA descentralizate.
Cea mai mare provocare rămâne cea a asigurării securităţii, ţinând seama că unele tipuri de
breşe sunt încă mai pregnante în mediul distribuit Cloud, cum ar fi partajarea resurselor şi
imposibilitatea păstrării datelor senzitive sub controlul direct al organizaţiei. Partajarea
resurselor în Cloud este realizată prin tehnologii de virtualizare, care poate fi de tip Full-
Virtualization sau Para-Virtualization. În primul caz, mediul virtual este situat direct peste mediul
hardware, pe când în cazul al doilea, mediul virtual este implementat indirect prin aşa numitele
middleware (hipervizoare), situate între sistemul de operare şi hardware. O soluţie care
preîntâmpină unele considerente în materie de securitate asupra serviciilor oferite de furnizori
este adoptarea de Cloud privat şi utilizarea canalelor VPN (Virtual Private Networks).
5.3.4. Sisteme tolerante la defecte
Evoluţiile recente în domeniul sistemelor complexe în timp real includ exploatarea structurii
problemelor de calcul optimale (implicând matrice Hamiltoniene sau simplectice, ori fascicole
de matrice anti-Hamiltoniene/Hamiltoniene). De mare interes pentru sistemele complexe în
timp real sunt sistemele tolerante la defecte şi sistemele optimale reconfigurabile, pentru care
sunt adecvaţi algoritmi iterativi, de exemplu, de tip Newton.
Conducerea avansată a unui proces implică acumularea continuă de date de măsură a
variabilelor procesului, cât şi transmiterea, memorarea şi prelucrarea lor, pentru supraveghere
(monitorizare), modelare, predicţie, administrarea mai bună a resurselor etc. Etapele parcurse
sunt următoarele: achiziţia şi memorarea datelor, prelucrarea primară, extragerea informaţiei,
agregarea datelor, compararea cu limitele, alarmarea, identificarea, modelarea, optimizarea
etc. Sunt luate în considerare diverse aspecte, incluzând eterogeneitatea, timpul de prelucrare,
securitatea şi caracterul privat al datelor, interacţiunea cu operatorul uman.
Extragerea informaţiei şi cunoaşterii din mulţimi de date foloseşte actualmente tehnici de
căutare a formelor sau tendinţelor („Data Mining”) sau metode de învăţare statistice.
Observaţiile deviante, identificate statistic, diferite ca valoare de altele dintr-un eşantion, sunt
numite şi anomalii (outliers) şi semnifică riscuri sau oportunităţi. Sunt necesare mijloace pentru
detecţia lor. O abordare posibilă se bazează pe testarea ipotezelor statistice. Observaţiile
deviante pot fi cauzate de abateri trecătoare în cursul achiziţiei datelor, datorate funcţionării
necorespunzătoare a aparatelor de măsură, zgomotelor (inclusiv pe canalele de transmitere),
sau schimbărilor abrupte ale naturii sau comportării procesului. Aceste observaţii trebuie
eliminate, dacă se doreşte modelarea funcţionării normale a unui proces, dar trebuie analizate
când ar putea semnala o comportare anormală, conducând posibil la regimuri de funcţionare
critice, periculoase sau inacceptabile.
Modelarea observaţiilor deviante şi abstractizarea problemei detecţiei acestora au trei
componente importante :
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 92
nivelul informaţiei disponibile despre comportarea normală şi deviantă,
tipul deviaţiilor şi
criteriul pentru identificarea acestora.
Abordările existente pentru detecţia anomaliilor pot fi clasificate în patru grupe: supervizate,
semisupervizate, nesupervizate şi complet universale. Abordările supervizate sunt aplicabile
când sunt disponibile modele atât pentru observaţiile normale, cât şi pentru cele deviante, ceea
ce este posibil pentru date statice sau modele lent variabile în timp. Această clasă include
abordări bazate pe clasificare, reţele neurale, Bayes şi „support vector machines” (SVM).
Abordările semisupervizate folosesc doar un model, fie al datelor normale (în majoritatea
cazurilor), fie al celor deviante. Abordările nesupervizate nu utilizează nici o ipoteză despre
modelele datelor; exemple sunt abordările discriminative, abordări parametrice şi prelucrarea
analitică on-line. Abordările complet universale construiesc reguli de decizie cu singura
ipoteză că distribuţiile normală şi deviantă sunt diferite.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 93
6. Raport de analiză pentru tematica „Aplicaţii pentru dispozitive mobile inteligente”
6.1. Descrierea tematicii
6.1.1. Aplicaţia mobilă
O aplicaţie mobilă sau “app”, cum mai este aceasta denumită, este un program special
proiectat pentru a rula pe dispozitive mobile cum sunt telefoanele inteligente sau tabletele
(“Mobile app,” 2015). Termenul "app" este o prescurtare a expresiei “aplicaţie software". Acesta
a fost listat ca "Word of the Year" de către American Dialect Society în anul 2010 (“App - word
of the year,” 2010)
Cele mai multe astfel de dispozitive au pre-instalate mai multe aplicaţii standard, cum ar fi de
exemplu, browser-ul web, clientul de email, calendar, harta şi o aplicaţie pentru cumpărarea de
muzică sau alte fişiere media sau mai multe aplicaţii. Unele dintre aplicaţiile pre-instalate pot fi
eliminate printr-un proces de dezinstalare obişnuit, lăsând astfel mai mult spaţiu de stocare
pentru cele dorite. În cazul în care sistemul de operare al dispozitivului mobil nu permite acest
lucru, unele sisteme pot fi alterate pentru a elimina aplicaţiile nedorite.
Aplicaţiile care nu sunt preinstalate sunt disponibile, de obicei, prin intermediul platformelor de
distribuţie de aplicaţii, care au început să apară începând cu anul 2008 şi sunt operate de
obicei de către proprietarul sistemului de operare mobil, cum ar fi de exemplu Apple App Store,
Google Play, Windows Phone Store, şi BlackBerry App World. Unele aplicaţii sunt gratuite, în
timp ce altele trebuie să fie cumpărate. De obicei, acestea sunt descărcate de pe platforma de
distribuţie pe un dispozitiv ţintă, însă uneori acestea pot fi descărcate pe laptop-uri sau
computere desktop. Pentru aplicaţiile comerciale, în general, un procent variabil între 20-30%
din preţ este luat de către furnizorul platformei de distribuţie (cum ar fi de exemplu iTunes), iar
restul merge la producătorul aplicaţiei (Siegler, 2008), prin urmare, aceeaşi aplicaţie poate
avea un preţ diferit în funcţie pe platforma mobilă.
Aplicaţiile mobile au fost iniţial dezvoltate pentru a creşte productivitate generală şi obţinerea
de informaţii, precum e-mail, calendar, contacte, piaţa de capital şi informaţii meteo. Cu toate
acestea, cererea utilizatorilor şi disponibilitatea unor instrumente de dezvoltare extrem de
sofisticate a condus la expansiunea rapidă a unor noi categorii de aplicaţii, cum ar fi de
exemplu cele pentru gestiunea pachetelor software pentru aplicaţiile desktop. La fel ca şi în alte
domenii, creşterea numărului şi a varietăţii aplicaţiilor a făcut ca descoperirea acestora să
devină o provocare, care, la rândul său, a dus la crearea unei game largi de surse de
recomandare, inclusiv bloguri, reviste şi servicii on-line dedicate aplicaţiilor mobile. În anul 2014
agenţiile guvernamentale americane din domeniul reglementării au început trierea aplicaţiilor în
special în domeniul medical (Yetisen et al., 2014).
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 94
Tipologia aplicaţiilor mobile include: aplicaţii native, aplicaţii web şi aplicaţii hibride (Sansour,
Kafri, & Sabha, 2014). Aplicaţiile native funcţionează numai pe dispozitivele mobile şi folosesc
direct resursele oferite de sistemul de operare al dispozitivului mobil. Aplicaţiile web rulează
pe browser-ele web şi cele mai multe dintre acestea se execută pe un server extern. Ele se pot
executa pe mai multe platforme, dar au o eficienţă mai mică. Aplicaţiile hibride sunt o
combinaţie între aplicaţiile native şi aplicaţiile web.
Din punct de vedere al domeniului aplicativ, există categorii de aplicaţii pentru dispozitivele
mobile în cadrul bibliotecilor de aplicaţii, ce acoperă o gamă largă de domenii precum
divertisment, jocuri, servicii sociale, aplicaţii educaţionale şi aplicaţii financiare sau de afaceri.
6.1.2. Dezvoltarea aplicaţiilor mobile
6.1.2.1. Despre specificitatea procesului
Dezvoltare aplicaţiilor mobile este una dintre cele mai active zone de dezvoltare a aplicaţiilor,
având în vedere fragmentarea continuă a pieţei în ceea ce priveşte dispozitivele mobile şi
sistemele de operare. Dezvoltarea de aplicaţii mobile este un termen utilizat pentru a desemna
procesul prin care aplicaţii software sunt dezvoltate pentru dispozitive mobile portabile. Aceste
aplicaţii pot fi pre-instalate sau pot fi livrate ca aplicaţii web folosind browser-ul dispozitivului
mobil.
In condiţiile în care dispozitivele mobile inteligente se dovedesc a fi alegerea preferată pentru
conectarea la Internet, atât pentru persoane particulare, cât şi pentru angajaţi, dezvoltarea
aplicaţiilor mobile se reorientează de la programarea web la programarea mobilă. Dezvoltarea
de aplicaţii pentru dispozitive mobile necesită luarea în considerare a constrângerilor şi a
caracteristicilor acestor dispozitive: autonomie mai mare decât a calculatoarelor portabile,
existenţa senzorilor (cum sunt cei pentru detectarea locaţiei, efectuarea de înregistrări audio şi
video, etc.), o gamă largă de dimensiuni ale ecranului, o diversitate mare de dispozitive mobile,
datorită concurenţei intense în domeniul producerii acestora.
Cercetări în domeniu au identificat necesitatea anumitor etape în dezvoltarea aplicaţiilor
mobile. Autori precum (Buthpitiya et al., 2012) consideră că telefoanele mobile şi computerele
portabile prin senzorii şi capacitatea de comunicare de care dispun sunt capabile să ofere
aplicaţii omniprezente. Principalele probleme cu care se confruntă dezvoltatorii de aplicaţii sunt
în mare parte datorate limitărilor dispozitivului mobil. Alţii precum (Biegel & Cahill, 2004) au luat
în considerare gradul de conştientizare al contextului şi de mobilitate drept un concept de bază
pentru aplicaţii omniprezente. Ei au dezvoltat un cadru de lucru care facilitează dezvoltarea şi
testarea aplicaţiilor de către utilizatori într-un mod rapid şi uşor.
(Wasserman, 2010) a evidenţiat creşterea accelerată a numărului de aplicaţii pentru
dispozitivele mobile, precum şi principale caracteristici ale acestora: dimensiunea limitată, unul
sau doi dezvoltatori, ca tip de aplicaţii fiind native şi web. De asemenea, au fost analizate
diferenţele dintre dezvoltarea de aplicaţii tradiţionale şi cele pentru dispozitivele mobile.
(Bareiss & Sedano, 2011) au încercat să puncteze unele nevoi speciale pentru aplicaţiile
mobile iar (Carbon & Hess, 2011) au propus câteva metode pentru dezvoltarea unei aplicaţii
mobile pentru gestiunea unei afaceri, precum şi o serie de principii directoare, cum ar fi
procesele centrate pe utilizator, iterative şi integratoare.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 95
Unii autori precum (Charland & LeRoux, 2011) au comparat aplicaţiile native şi cele web. Au
fost descrise şi problemele cu care se confruntă distribuitorii de dispozitive mobile, fiind
dezvoltate în special cerinţele referitoare la platforma de dezvoltare precum şi compatibilitatea
cross-platform. S-a încercat să se facă distincţia între tipurile de aplicaţii, fiind recomandate
aplicaţiile hibride. Pe de altă parte, (Dehlinger & Dixon, 2011) evidenţiază dezvoltarea rapidă
utilizând platformele pentru aplicaţii mobile. Ei, de asemenea clasificate patru provocări de
aplicaţii mobile pentru inginerie software, care creează universale User Interfaces, permiţând
reutilizarea software pe platforme mobile, Proiectare sensibile la context aplicaţii mobile, şi de
echilibrare agilitatea şi incertitudine în cerinţele.
Un exemplu de aplicaţie multimedia este CityEvents, care urmăreşte locaţia utilizatorului
precum şi contextul în care este folosită, şi care oferă informaţii detaliate despre evenimentele
culturale în zona în care se găseşte utilizatorul utilizând harta dispozitivului mobil (Rosa et al.,
2012).
(Ha et al., 2013) descriu beneficiile tehnologiei Cloud Computing, care ajută la creşterea
capacităţii de prelucrare şi de stocare a datelor. Au fost efectuate experimente cu unele aplicaţii
standard (recunoaşterea feţei, recunoaşterea vorbirii, identificarea obiectelor, realitate
augmentată, simulare experimente în fizică) pentru desktop-uri, laptop-uri, şi smartphone-uri,
demonstrând beneficiile tehnologiei Cloud computing.
6.1.2.2. Interfaţa utilizator
Proiectarea Interfeţei Utilizator (UI) este esenţială pentru succesul unei aplicaţii mobile. În cazul
dispozitivelor mobile componenta de UI trebuie să considere atât constrângerile specifice, cât
şi contextul de utilizare. Interacţiunea utilizatorului cu dispozitivul mobil şi interfaţa acestuia
implică atât componente hardware cât şi software. De asemenea, tipologia de utilizatori este
mult mai diversificată ca abilităţi de operare, vârstă, pregătire tehnică. Atenţia acordata acestui
aspect este ilustrată în continuare prin facilităţile oferite de platforma iOS a firmei Apple pentru
dezvoltarea de interfeţe pentru persoane în vârstă sau cu dizabilităţi.
iOS este un sistem de operare pentru dispozitive mobile ce este dezvoltat de către compania
Apple şi este distribuit exclusiv în cadrul echipamentelor hardware realizate de către aceasta.
Interfaţa utilizator a iOS se bazează pe conceptul de manipulare directă prin utilizarea
gesturilor multi-touch. Elementele de control al interfeţei constau în cursoare, butoane şi
comutatoare. Interacţiunea cu sistemul de operare include gesturi precum baleierea, atingerea
uşoară, atingerea apăsată, fiecare având o anumită semnificaţie în cadrul contextului respectiv.
Senzori interni ai dispozitivului mobil precum accelerometrul sunt utilizaţi de unele aplicaţii
pentru a reacţiona la anumite mişcări bruşte ale aparatului precum scuturarea sau rotirea
acestuia (“iOS,” 2015).
Sistemul iOS are anumite elemente comune cu sistemul OS X precum framework-urile Core
Foundation şi Foundation. Tookit-ul UI este Cocoa Touch, spre deosebire de Cocoa care este
utilizat de către OS X. O altă diferenţă între OS X şi iOS constă în restricţionarea accesului la
shell în cadrul iOS. Versiunea curentă, iOS 8.1 rulează pe dispozitive iPhone 4S sau alte
versiuni ulterioare, tablete iPad 2 sau ulterioare, toate modele de tablete iPad Mini şi a 5-a
generaţie de dispozitive iPod Touch. Intuitive prin design, dispozitivele mobile iOS precum
iPhone, iPad şi iPod au la dispoziţie tehnologiile inovative implementate de către platforma iOS
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 96
pentru a fi adaptate nevoilor de asistenţă în utilizare specifice persoanelor în vârstă sau cu
dizabilităţi, astfel încât acestea pot beneficia de întreaga lor funcţionalitate (“Accessibility - iOS -
Apple,” 2015).
VoiceOver este un cititor de ecran inovativ care informează utilizatorul în legătură cu tot ce se
întâmpla în cadrul ecranului şi care îl ajută pe acesta să navigheze în cazul în care acesta are
probleme cu vederea. Prin atingerea ecranului este transmit un sunet care descrie elementul
care se află în dreptului degetului. De asemenea pot fi utilizare gesturi de control pentru a
comanda dispozitivul mobil. VoiceOver este compatibilă cu aplicaţiile care sunt disponibile în
cadrul modelelor iPhone, iPad şi iPod Touch.
Speak Screen este dedicată utilizatorilor cu probleme în citirea textelor afişate pe dispozitivul
mobil (mesaje, email-uri, pagini web sau chiar cărţi). Speak Screen poate fi activată printr-un
gest de atingerea a ecranului cu două degete şi de baleiere în jos sau poate fi apelată cu
ajutorul componentei Siri. Există câteva moduri de personalizare, precum tonul şi dialectul
vocii, iar cuvintele pot fi marcate pe ecran în momentul citirii.
Siri este un program care are rolul de asistent inteligent al utilizatorului în efectuarea
operaţiunilor cotidiene, prin dictare şi prin recunoaşterea automată a limbajului de către
componenta inteligentă. Siri poate asigura trimiterea de mesaje, formarea unor numere de
telefon, programare evenimente, activarea sau dezactivarea unor componente ca VoiceOver,
Guided Access sau Invert Colors. Prin integrarea cu VoiceOver, Siri poate răspunde inteligent
la întrebări precum locaţia unui unităţi medicale şi poate citi acest răspuns direct de pe hartă.
Dictare permite înregistrarea unui text prin citire în loc de scriere. Sistemul iOS poate să
recunoască cuvintele rostite în mai multe limbi, acestea fiind convertite în cuvinte care compun
un text. Astfel nu mai este necesară tastarea caracterelor şi a cuvintelor, ori a diferitelor
elemente precum email-ul sau adresa URL, acestea putând fi dictate direct de utilizator.
Zoom măreşte conţinutul ecranului în orice situaţie sau context în cadrul iOS. Componenta
poate fi activată în orice aplicaţie disponibilă în cadrul AppStore. Prin activarea în contextul 'full
screen' permite vizualizarea zonei mărite într-o fereastră separată în timp ce restul imaginii sau
al ecranului este menţinut la rezoluţia iniţială. Se poate ajusta factorul de mărire a imaginii,
acesta putând scala între 100% şi 1500% faţă de valoarea iniţială. În cadrul imaginii scalate se
pot utiliza toate gesturile de control al ecranului, şi poate fi utilizată componenta VoiceOver,
astfel încât conţinutului de pe ecran poate fi văzut mai bine şi se poate auzi ceea ce este afişat.
Ajustarea dimensiunii caracterelor permite mărirea dimensiunii caracterelor utilizate în
prezentarea textelor de către aplicaţiile standard iOS precum Calendar, Contacts, Mail,
Meesages, Music, Notes şi Settings, şi chiar de către aplicaţii terţe. Se poate alege şi ca textul
să aibă caractere îngroşate, aceasta opţiune fiind suportată de toate aplicaţiile standard iOS.
Inversarea culorilor şi utilizarea tonurilor de gri este utilă în cazul în care din cauza contrastului
prea slab sau a culorilor prea puternice utilizatorul are probleme în a citi conţinutul ecranului.
Prin configurarea acestor filtre se poate asigura obţinerea unui mod unic de vizualizare a
conţinutului ecranului, indiferent de aplicaţie.
FaceTime permite comunicarea în mai multe moduri prin utilizarea expresiilor faciale sau a
limbajului semnelor utilizat de persoanele surdo-mute. Datorită performanţei ridicate a
conţinutului video şi datorită faptului ca FaceTime este disponibil şi pe sistemul OS X, utilizatorii
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 97
au la dispoziţie o gama largă de dispozitive pe care le pot folosi pentru a comunica utilizând
limbajul semnelor.
AssistiveTouch permite adaptarea ecranului Multi-Touch nevoilor personale ale fiecărui
utilizator. Astfel, dacă utilizatorul întâmpină probleme în executarea unor gesturi de control,
acestea pot fi reconfigurate în funcţie de preferinţe sau pot fi create gesturi personalizate. Spre
exemplu, se poate înlocui necesitatea de apăsare a butonului Home cu cea de atingere a
ecranului. Anumite gesturi precum rotirea ecranului şi scuturarea dispozitivului mobil sunt
disponibile chiar dacă sistemul iOS este configurat pentru un aparat static care este ataşat sau
montat unui scaun cu rotile ce este utilizat de o persoană cu dizabilităţi. De asemenea, sistemul
iOS este compatibil cu alte echipamente asistive terţe care ajută în interacţiunea cu
dispozitivele mobile iPhone, iPad sau iPod Touch.
SwitchControl reprezintă o tehnologie asistivă destinată persoanelor care au deficienţe de
mobilitate sau nu au suficientă îndemânare astfel încât să poată utiliza eficient dispozitivele
mobile. Permite navigarea secvenţială a elementelor prezente în cadrul ecranului şi efectuarea
unor acţiuni cu ajutorul unor instrumente conectate prin intermediul Bluetooth.
Prescurtări pentru introducerea textului este utilă în situaţia în care utilizatorul are o serie de
fraze pe care le foloseşte mai des, pentru care poate crea anumite prescurtări care să fie
înlocuite automat în text cu frazele la care fac referire.
Tastatură predictivă oferă sugestii în momentul introducerii textului în funcţie de context,
respectiv în funcţie de persoana pentru care este scris mesajul şi de ceea ce a fost scris
înainte.
Suport pentru tastaturi terţe permite utilizatorilor să aleagă o tastatură în funcţie de cerinţe
specifice sau de preferinţe, de ex. în cazul în care unele tastaturi au o structură mai potrivită
pentru o activitate anume decât tastatura standard.
GuidedAccess ajută utilizatorii care suferă de autism sau de alte deficienţe de menţinere a
atenţiei să rămână concentraţi asupra sarcinii curente, respectiv a aplicaţiei deschise. Cu
ajutorul acestei componente un părinte, un profesor sau terapeut poate să limiteze funcţionarea
sistemului iOS la o singură aplicaţie şi se poate limita durata de timp în care aplicaţia
respectivă poate fi utilizată. Se poate restricţiona utilizarea tastaturii sau a gesturilor de control
într-o zonă anume a ecranului astfel încât să nu fie permise distrageri ale atenţiei.
6.1.2.3. Platforme de dezvoltare a aplicaţiilor mobile
Dezvoltarea de aplicaţii mobile necesită utilizarea unor medii de dezvoltare integrate
specializate. Platformele de dezvoltare de aplicaţii pentru dispozitivele mobile (MADP) oferă
instrumente, tehnologii, componente şi servicii care permit dezvoltatorilor să creeze aplicaţii
mobile pentru clienţi, parteneri şi angajaţi (Gartner, 2015). Aplicaţiile mobile sunt mai întâi
evaluate în mediul de dezvoltare, folosind emulatoare şi apoi sunt supuse unor teste.
Emulatoare oferă un mod simplu şi eficient de a testa aplicaţiile mobile pe dispozitivele la care
dezvoltatorii nu pot avea acces fizic.
Referitor la funcţionalitatea solicitată de către întreprinderi pentru o platformă de dezvoltare
aplicaţii mobile, studiul Gartner (2015) furnizează următoarea listă de facilităţi:
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 98
suport pentru mai multe sisteme de operare (iOS, Android, Windows Phone);
suport pentru cel puţin două din variantele de aplicaţii mobile (native, web, hibride);
suport pentru operarea off-line, de interes pentru aplicaţii mobile care utilizează un
website mobil;
suportul pentru întreg ciclul de viaţă al dezvoltării de aplicaţii mobile: de exemplu,
prototipizare, testare pe mai multe dispozitive, dezvoltare pe mai multe platforme
mobile, administrare versiuni, mangementul configuraţiei, distribuire aplicaţii mobile,
managementul acestora după lansare (de ex. magazine de aplicaţii);
integrare cu sisteme de back-end uzuale (de ex. baze de date, SAP, Microsoft
Dynamics);
instrumente pentru dezvoltarea rapidă a aplicaţiilor care pot fi utilizate de personal mai
puţin specializat (analişti de afaceri sau experţi de proces);
servicii Cloud pentru integrare aplicaţii, persistenţa datelor, notificări, analiza datelor,
integrarea cu social media;
utilizarea standardelor (HTML5 şi CSS3), inclusiv standarde de facto (jQuery,
PhoneGap / Apache Cordova);
un ecosistem al contribuţiilor unor terţe părţi: biblioteci, şabloane, instrumente,
componente şi servicii;
un istoric al referinţelor de succes.
Pe baza analizei de piaţă în domeniul aplicaţiilor mobile, lucrarea (Mendix, 2014) formuleaza
criterii de selecţie a MADP, ca suport decizional pentru întreprinderile interesate să-şi
dezvolte capacitatea de elaborare aplicaţii mobile pentru uz intern sau pentru piaţă:
Un MADP de tip universal este o soluţie avantajoasă în sensul că evitate cheltuielile de
achiziţionare de noi instrumente şi cele de integrare.
Un asemenea MADP poate să nu satisfacă cerinţe specifice în cazul unui beneficiar
care utilizează deja instrumente care acoperă anumite funcţiuni ale unui asemenea
produs şi are interes să achiziţioneze o variantă mai limitată funcţional.
Atunci când se compară produse MADP, trebuie evaluată funcţionalitatea disponibilă pe
o licenţă, raportat la varianta de a achiziţiona module licenţiate separat.
Avantajele unei soluţii MDAP axată pe experţi în afaceri sunt adesea ignorate de către
întreprinderi pentru că ofertele sunt evaluate, de obicei, de departamentul TI. In mod
natural, decizia acestuia favorizează instrumentele orientate spre dezvoltator. In
adoptarea deciziei de achiziţionare trebuie şinut cont de faptul că versiunile de MADP
orientate spre utilizatori din domeniul business pot aduce reduceri semnificative de preţ
şi creşterea vitezei de ieşire pe piaţă în raport cu cele cele orientate tehnologic.
Alte aspecte de care trebuie ţinut cont la alegerea unei platforme sunt sintetizate în continuare.
Furnizorii majori continuă să descompună produsele integrate de tip suite în componente mai
mici. De exemplu, IBM Worklight (devenit portofoliul MobileFirst de produse compatibile) sau
MobileFabric la firmei Kony. Aceşti furnizori încurajează utilizatorii finali să folosească
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 99
configuraţii de instrumente compatibile. In aceste condiţii, o întreprindere îşi poate configura o
platformă MADP din diferite subsisteme, inclusiv biblioteci open-source şi toolkit-uri. Alternativ,
se poate începe cu utilizarea unei soluţii nucleu oferite de un furnizor şi extinderea acesteia pe
parcurs.
Cea mai bună alegere pentru o întreprindere poate să nu satisfacă cerinţele altei întreprinderi.
De asemenea, există posibilitatea ca o soluţie oferită de un furnizor mai puţin vizibil pe piaţă
decât liderii (jucător de nişă, vizionar sau candidat) să răspundă mai bine cerinţelor specifice
ale unei întreprinderi.
Referitor la preţuri, este dificil de formulat o recomandare, deoarece furnizorii au modele diferite
de stabilire a preţurilor, organizaţiile beneficiare dispun de competenţe profesioanle şi
metodologii diferite, iar cerinţele pentru aplicaţii poate varia şi ele foarte mult. Cu toate acestea,
este posibil să se definească o structură pe trei niveluri pentru costurile unui proiect iniţial de
dezvoltare mobilă: nivel scăzut (până la 25.000 $), nivel mediu (între 25.000 $ şi 100.000 $) şi
nivel ridicat (peste 100.000 $).
6.1.2.4. Exemplu de MADP orientat aplicativ
6.1.2.4.1. Destinaţie
HealthKit este un framework ce include API-ul necesar pentru dezvoltarea de aplicaţii
compatibile cu Health. Acesta este inclus în cadrul SDK-ul iOS disponibil pentru computerele
Mac.
Platforma HealthKit permite ca aplicaţiile care oferă servicii în domeniul sănătăţii sau fitness să
partajeze datele atât cu aplicaţia Health cât şi cu alte aplicaţii similare. Informaţiile legate de
starea de sănătate a unui utilizator sunt stocate într-un singur loc care este securizat, iar acesta
poate să decidă ce aplicaţii au drept de acces la aceste date (“HealthKit Framework
Reference,” 2015).
HealthKit oferă cadrul pe care aplicaţiile pot să îl folosească pentru a partaja informaţiile
referitoare la starea de sănătate a utilizatorului şi este conceput pentru a gestiona datele care
pot să provină din surse diferite, putând să îmbine aceste date în funcţie de preferinţele
acestuia. Aplicaţiile pot accesa datele neprelucrate provenind direct de la sursă şi le pot
procesa în funcţie de cerinţele proprii.
HealthKit lucrează direct cu dispozitivele specializate în domeniul monitorizării stării de
sănătate. Astfel, în cadrul sistemului iOS 8, se pot înregistra direct datele ce provin de la
dispozitive compatibile Bluetooth precum monitoarele de ritm cardiac direct în cadrul HealthKit.
La fel, se pot importa direct date referitoare la numărul de paşi efectuaţi, măsurătoare care este
efectuată de către co-procesorul M7 în cazul în care acesta este disponibil în cadrul
dispozitivului mobil.
Celelalte dispozitive şi surse de date trebuie să aibă o aplicaţie dedicată care să poată accesa
şi salva datele în cadrul HealthKit.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 100
6.1.2.4.2. Caracteristici
HealthKit este proiectat astfel încât să permită partajarea datelor de interes pentru starea de
sănătate a utilizatorului într-un mod cât mai eficient. Pentru aceasta, framework-ul impune
anumite constrângeri referitoare la tipurile de date permise care sunt predefinite. Aceste limitări
au rolul de a asigura că alte aplicaţii înţeleg atât ce înseamnă fiecare tip de dată şi cum se
poate utiliza. În consecinţă dezvoltatorii nu pot crea tipuri de date sau unităţi de măsură proprii.
Platforma utilizează în mod intensiv conceputul de sub-clasă prin care se realizează o ierarhie
de clase similare. De foarte multe ori, aceste clase prezintă diferenţe subtile dar importante.
Fiecare obiect HealthKit are următoarele proprietăţi:
UUID: un identificator unic
Source: sursa din care provin datele. Sursa poate să fie un dispozitiv care salvează
datele direct în cadrul framework-ului HealthKit sau o altă aplicaţie. Framework-ul
HealthKit configurează în mod automat sursa sursa fiecărui obiect atunci când acesta
este salvat. Această proprietate este disponibilă doar pentru obiectele care au fost
obţinute din cadrul framework-ului.
Metadata: un dicţionar ce conţine informaţii suplimentare referitoare la fiecare obiect.
Metadata poate să conţină atât elemente predefinite cât şi elemente create adiţional.
Elementele predefinite facilitează partajarea datelor între aplicaţii, iar elementele create
adiţional oferă posibilitatea de extindere a unui tip de date predefinit adăugând
informaţii specifice aplicaţiei.
Obiectele HealthKit pot fi împărţite în două mari grupuri:
Obiectele de tip caracteristică reprezintă date care de obicei nu suferă modificări.
Astfel de tipuri de date constau în grupa sanguină, sex-ul sau ziua de naştere.
Aplicaţia nu poate modifica datele de tip caracteristică, acestea trebuind a fi modificate
de utilizator prin intermediul aplicaţiei Health.
Obiectele de tip eşantion reprezintă date la un anumit moment de timp. Toate
obiectele de tip eşantion sunt subclase ale clasei HKSample. Acestea au următoarele
proprietăţi:
- type: tipul eşantionului (de ex. înălţimea, numărul de paşi parcurşi, orele de
somn, ş.a.);
- start date: momentul de început al eşantionului;
- end date: momentul finalizării eşantionului. În cazul în care eşantionul
reprezintă un singur element atunci momentul Start Date trebuie să fie egal cu
cel End Date. Pentru datele culese în decursul unui interval de timp, momentul
End Date trebuie să fie ulterior momentului Start Date.
Eşantioanele pot fi împărţite şi în funcţie de tipul de date, aceasta putând fi:
- categorie: aceste eşantioane reprezintă date care se pot clasifica într-un set
finit categorii. În cadrul sistemului iOS 8 există doar un singur tip de acest fel,
şi anume tipul de somn.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 101
- cantitate: aceste eşantioane reprezintă un tip de date care poate fi reprezentat
sub forma unor valori numerice. Eşantioanele cantitative reprezintă cel mai
întâlnit tip de date în cadrul HealthKit. Acestea includ înălţimea şi greutatea
utilizatorului, precum şi alte valori ca numărul de paşi efectuaţi, temperatura,
ritmul cardiac, ş.a.
- corelaţii: aceste eşantioane reprezintă tipuri de date compuse, respectiv date
care conţin unul sau mai multe eşantioane. În cadrul sistemului iOS 8,
HealthKit utilizează corelaţii pentru a reprezenta alimentele şi tensiunea
arterială.
- exerciţii: reprezintă orice formă de activitate fizică precum alergarea, înotul sau
chiar joaca. Exerciţiile sau programele de antrenament au proprietăţi precum
tip, durată, distanţă şi energie consumată.
6.1.2.4.3. Protejarea datelor cu caracter personal
Deoarece datele referitoare la starea de sănătate a utilizatorului au un caracter sensibil,
HealthKit oferă utilizatorilor posibilitatea de a controla într-un mod cât mai fin drepturile de
acces şi de utilizare ale acestora.
Astfel, utilizatorul trebuie să permită explicit fiecărei aplicaţii să citească sau să scrie date în
cadrul framework-ului HealthKit. Aceasta se poate face separat şi individual pentru fiecare tip
de date. Spre exemplu, utilizatorul poate să permită unei aplicaţii să citească numărul de paşi
realizaţi, dar poate să interzică acesteia să citească nivelul indicelui glicemic din sânge. Pentru
a preîntâmpina posibilele scurgeri de informaţii, o aplicaţie nu are cunoştinţă dacă i-a fost
permis sau nu accesul la un tip de date. Din punctul de vedere al aplicaţiei, în cazul în care i s-
a interzis accesul la un tip de date, astfel de date nu există în cadrul framework-ului HealthKit.
Foarte important, datele înregistrate în cadrul HealthKit nu pot fi salvate în cadrul iCloud şi nu
pot fi sincronizate pe mai multe dispozitive mobile. Datele sunt păstrate doar în cadrul
dispozitivului mobil în care au fost înregistrate. Din motive de securitate baza de date HealthKit
este criptată atunci când dispozitivul nu este închis.
O aplicaţie HealthKit nu trebuie să acceseze API-ul decât dacă este proiectată cu scopul
principal de a oferi servicii de sănătate sau pentru fitness. Această funcţionalitate a aplicaţiei
trebuie să fie specificată clar atât în textul de promovare cât şi cadrul interfeţei utilizator. Pentru
toate aplicaţiile HealthKit se fac următoarele recomandări:
Aplicaţia nu poate să folosească informaţii obţinute prin utilizarea HealthKit în scopuri
publicitare sau alte servicii similare. Este posibil ca aplicaţia să ofere reclamă, dar
datele din cadrul HealthKit nu pot fi utilizate pentru a crea reclame.
Informaţiile obţinute prin intermediul HealthKit nu trebuie să fie partaje cu niciun alt terţ
fără permisiunea explicită a utilizatorului. Chiar şi după acordarea permisiunii, date nu
pot fi partajate decât dacă acea terţă parte oferă servicii similare în domeniul sănătăţii
sau fitness.
Informaţiile obţinute prin intermediul HealthKit nu pot fi vândute către alte entităţi
comerciale.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 102
În baza consimţământului utilizatorului, aplicaţia poate să partajeze datele din cadrul
HealthKit cu un terţ în scopuri strict de cercetare medicală.
Aplicaţia trebuie să prezinte explicit utilizatorului modul în care va utiliza datele obţinute.
De asemenea, pentru fiecare aplicaţie trebuie să existe o politică de gestiune a datelor cu
caracter personal. Ca exemplu pentru crearea unei astfel de politici se pot utiliza:
Modelul de înregistrări personale (Personal Health Record) pentru aplicaţii non HIPAA:
http://www.healthit.gov/policy-researchers-implementers/personal-health-record-phr-
model-privacy-notice
Modelul HIPAA: http://www.hhs.gov/ocr/privacy/hipaa/modelnotices.html.
6.1.2.4.4. Beneficii ale adoptării HealthKit
Aplicaţiile care oferă servicii de sănătate sau de fitness au o serie de avantaje prin utilizarea
HealthKit. Principale beneficii sunt menţionate în continuare:
▪ Separarea activităţilor de colectare a datelor, de procesare a datelor şi oferirea
unei componente pentru reţelele sociale. Utilizarea aplicaţiilor de monitorizarea a stării de
sănătate şi de fitness implică mai multe componente, precum colectarea şi analiza datelor,
oferirea de informaţii relevante în baza cărora pot fi întreprinse anumite acţiuni, oferirea de
elemente vizuale adecvate şi de asemenea oferirea posibilităţii ca utilizatorii să participe în
cadrul unor comunităţi sociale. HealthKit oferă elementele necesare în implementarea acestor
funcţionalităţi cu un efort minim. Această separare a responsabilităţilor între HealthKit şi
aplicaţie este benefică şi pentru utilizator, nu doar pentru dezvoltatorul aplicaţiei. Astfel, fiecare
utilizator poate să îşi aleagă aplicaţia favorită pentru diverse activităţi precum urmărirea
greutăţii, a numărului de paşi efectuaţi, sau a problemelor de sănătate. Acest mod de
combinare al aplicaţiilor oferă posibilitatea utilizatorului de a alege o suită de aplicaţii, fiecare
aplicaţie individuală fiind potrivită doar pentru o anumită sarcină. Deoarece aceste aplicaţii îşi
pot transfera date între ele, un grup de aplicaţii specializate poate să ofere o experienţă
superioară faţa de o singură aplicaţie generală.
▪ Reducerea efortului de partajare a datelor între aplicaţii. Framework-ul HealthKit
uşurează activitatea de partajarea a datelor între aplicaţii. Acest lucru este extrem de avantajos
pentru dezvoltatorii de aplicaţii deoarece nu mai este necesară scrierea de cod în funcţie de
fiecare aplicaţie. Toate aplicaţiile care suportă HealthKit pot să îşi transmită date prin
intermediul acestuia. Utilizatorii beneficiază şi ei de această caracteristică deoarece nu mai
este necesară configurarea manuală a interoperabilităţii aplicaţiilor, iar datele nu mai trebuie să
fie exportate şi importate manual. Utilizatorii au în continuare dreptul de a autoriza aplicaţiile să
acceseze datele stocate în cadrul HealthKit, însă după ce a fost acordată permisiunea,
aplicaţiile pot scrie şi citi datele unei alte aplicaţii în mod liber.
▪ Oferirea unei game largi de informaţii şi a unei imagini de ansamblu complete.
Aplicaţiile pot beneficia de accesarea unei largi game de date, iar acestea îşi pot crea o
imagine de ansamblu complete asupra stării de sănătate a utilizatorului. În foarte multe situaţii,
aplicaţiile îşi pot modica recomandările în funcţie de informaţiile adiţionale care sunt prezente în
cadrul HealthKit. Spre exemplu, o aplicaţie pentru fitness poate să sugereze un aliment după
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 103
efectuarea sesiunii de exerciţii în funcţie de numărul de calorii pe ca l-a consumat utilizatorului
dar şi de dieta avută în decursul zilei.
▪ Aplicaţiile sunt integrate într-un ecosistem. Aplicaţiile beneficiază de partajarea
datelor înregistrate în cadrul HealthKit deoarece devin parte a unui ecosistem. Acesta are
avantajul de a creşte vizibilitatea, utilitatea şi importanţa aplicaţiilor individuale. La fel de
important, prin adoptarea HealthKit de către aplicaţie, aceasta poate să colaboreze cu alte
aplicaţii pe care utilizatorul deja la foloseşte şi la apreciază.
6.1.3. Piaţa aplicaţiilor mobile
Piaţa privind mobilitatea întreprinderii continuă să evolueze, cu o cerere tot mai mare pentru
aplicaţiile mobile în toate domeniile. Această cerere în creştere înseamnă că organizaţiile
recunosc că nu mai pot continua să construiască o colecţie de aplicaţii unice; este necesară o
abordare de portofoliu. Implementarea unei asemenea abordări reprezintă o schimbare
semnificativă în dezvoltarea domeniului mobile, iar acest lucru se reflectă în piaţă. Livrarea
aplicaţiilor mobile este în mod semnificativ legată de impactul în afaceri, proiectare, integrare,
furnizare, management, şi mult mai puţin de aspecte tehnice privind programarea clientului.
Multe organizaţii realizează că domeniul mobile este un avantaj competitiv esenţial ca parte a
procesului de digitizare a afacerii. Dar mobile-ul este doar o parte din această imagine mai
mare, care nu este suficientă în sine. Trebuie avute in vedere cerinţele pieţii privind suportul
pentru canale de livrare alternative, corespunzător experienţei clienţilor. .
Diversitatea dispozitivelor ţintă continuă să crească. Nu există soluţii dominante privind Nici
dimensiunea ecranului sau sistemul de operare. Orice companie care doreşte să se adreseze
unui public larg trebuie să ofere o experienţă cross-platformă.
Piaţa de aplicaţii mobile este structurată în jurul platformelor de dezvoltare a aplicaţiilor mobile,
care oferă instrumente, tehnologii, componente şi servicii ce permit companiilor să dezvolte
aplicaţii pentru clienţi, parteneri sau angajaţii proprii. O asemenea platformă susţine activităţile
de proiectare, dezvoltare, testare, furnizare, distribuţie, analiză şi administrare a unui portofoliu
de aplicaţii mobile exploatabile pe dispozitive care lucrerază cu diverse sisteme de operare şi
care tratează cerinţe de funcţionare şi scenarii de utilizare diverse.
Piaţa MADP continuă să se maturizeze, relevantă fiind tranziţia de la o abordare centrată pe
soluţii tehnice, la o abordare aliniată la cerinţele afacerii. Obiectivul principal îl constituie
provocarea cu care se confruntă întreprinderile de a dezvolta şi furniza un portofoliu de aplicaţii
mobile pentru clienţi, parteneri şi angajaţi.
O imagine cuprinzătoare şi o caracterizare detaliată a acestei pieţe la momentul curent este
furnizată de studiul Grupului Garner (2015). Criteriile pentru selectarea şi includerea în lista
firmelor exemplare pe piaţa MADP au fost următoarele:
să creeze apps pentru platforme multiple, cel puţin pentru iOS şi Android;
să demonstreze un impact de piaţă semnificativ, cel puţin la nivelul unui venit de peste
25 mil. şi un mare număr de cereri din partea clienţilor finali înscrişi în baza de date
Gartner;
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 104
să aibă cel puţin 10 clienţi plătitori noi pentru implementare PDAM, localizaţi în
următoarele regiuni geografice: America de Nord, Ameica Latină, America de Nord,
America Latină, EMEA (Europa, Orinetul Mijlociu şi Africa) sau Asia/Pacific.
Criteriile de evaluare detaliată a furnizorilor au fost structurate în două categorii:
▪ Abilitatea de execuţie, caracterizată prin:
Produs sau serviciu: Cât de bine îndeplineşte platforma cerinţele întreprinderii-client?
Poate platforma fi folosită pentru construirea de aplicaţii native, hibride şi Web? Este
platforma deschisă? Se integrează bine cu API-urile şi platformele altor furnizori?
Necesită doar competenţe informatice standard şi instrumente? Cât este de eficientă
din punct de vedere al productivităţii? Sprijinină programarea declarativă sau pe bază
de metadate? Utilizează şabloane de aplicaţii pentru a accelera dezvoltarea? Sprijină
întregul ciclu de viaţă de dezvoltare software, inclusiv testarea? Ce suport oferă pentru
furnizarea şi distribuirea, monitorizarea şi execuţia aplicaţiilor? Furnizorul are un
ecosistem de parteneri puternic, capabil să extinde valoarea produselor şi serviciilor
sale? Furnizorul oferă opţiuni de Cloud puternice, incluzând capabilităţi mobile?
Viabilitatea generală: sunt evaluate stabilitatea nivelului de determinare a
managementului de top şi a prosperităţii financaire a companiei, inclusiv investiţiile de
produs depăşind investiţiile similare ale concurenţilor. De asemenea, sunt urmărite
creşterile companiei care depăşesc rata de creştere a pieţei.
Execuţia / preţurile vânzărilor: existenţa unui model de vânzări identificabil în toate
evaluările întreprinderii; existenţa unui model de tarifare care nu obstrucţionează
vânzările;
Reacţia pieţei: cât de rapid a răspuns întreprinderea la schimbările de pe piaţă,
incluzând noi versiuni de sisteme de operare? Sprijină compania noi categoriide
propduse, cum ar fi portabilele ?
Activitatea de marketing: care este nivelul de conştientizare pe piaţă a ofertei
furnizorului? Există o diferenţiere semnificativă a ofertei pe piaţă?
Experienţa consumatorului: care este numărul, varietatea şi dimensiunea referinţelor
client? Ce reacţie specifică şi ce observaţii sunt oferite de clienţi, atât din referinţe, cât şi
din alte contacte ? Care este experienţa clientului de a lucra îmn parteneriat ?
Activitatea operaţională: cât de eficient este suportul oferit de furnizor clienţilor săi ?
Oferă servicii de consultanţă competente şi rentabile financiar ? Poate oferi un model
de furnizare bazat pe Cloud sau servicii de gazduire în Cloud ?
▪ Completitudinea viziunii:
Înţelegerea pieţei: înţelege furnizorul cerinţele utilizatorilor privind soluţia informatică,
marketing-ul, ingineriei de produs, integrarea de sistem ? Cum gestionează aceste
cerinţe şi cum reuşeşte să le traducă în produse utile ? În ce măsură piaţa a validat
viziunea furnizorului ?
Strategia de marketing: are furnizorul o strategie rezonabilă de a asigura un nivel de
conştientizare corespunzător privind compania şi oferta sa ?
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 105
Strategia de vânzări: strategia va permite furnizorului să concureze cu şanse în
majoritatea selecţiilor companiei sau va limita succesul său ? Are furnizorul o abordare
de succes faţă de canalul de vânzări şi de partenerii de servicii?
Strategia de ofertă (produs): reflectă foaia de parcurs pentru produs direcţia pieţei şi
cerinţele probabile ale cumpărătorilor în orizontul de la 18 la 24 de luni? Oferă furnizorul
o strategie eficientă şi realizabilă cu privire la fiecare dintre următoarele domenii:
multiplatforma, multicanal, ciclul de viaţă al aplicaţiei, experienţa utilizatorului,
integrarea, analiza avansată de date, standardele şi suportul Cloud?
Modelul de afaceri: asigură modelul de afaceri al vânzătorului un nivel de creştere, care
va permite companiei să fie lider de piaţa? Sunt modele de licenţiere adecvate ?
Promovează furnizorul un ecosistem puternic în jurul produselor sale?
Strategia industrială: este furnizorul capabil să articuleze o strategie pentru diferenţierea
pe verticală în sectoarele specifice (cum ar fi serviciile financiare, guvernul, asistenţa
medicală, fabricaţia, energia) şi să-şi păstreze poziţia ? Oferă furnizorul pachete de
aplicaţii mobile sau şabloane pentru industrii verticale specifice ?
Inovare: este furnizorul lider de piaţă cu tehnologia de produs, arhitectura software şi cu
modelele de afaceri inovatoare ?
Strategia geografica: are compania un plan puternic pentru sprijinirea clienţilor şi
creşterea în afaceri în diferite regiuni ?
Profilarea firmelor din listă pe baza acestor criterii a permis configurarea următoarelor grupe
comportamentale:
a. Lideri: reprezintă o combinaţie puternică între capacitatea de execuţie şi completitudinea
viziunii. În sectorul MADP acest lucru înseamnă că liderii sunt nu numai capabili de dezvoltare,
distribuţie şi management cross-platformă de-a lungul ciclului de viaţă complet, dar au şi o
viziune corespunzătoare asupra întreprinderii multi-canal, suport pentru diverse arhitecturi şi
standarde, o înţelegere solidă a cerinţelor IT şi parteneriatelor. Liderii trebuie să ofere platforme
uşor de achiziţionat, de programat, de distribuit şi de actualizat, care se pot conecta la o gamă
largă de servicii de back-end şi de servicii Cloud, de la acelaşi furnizor, precum şi părţi terţe.
b. Candidaţi: trebuie să aibă un număr mare de întreprinderi client, o bază în creştere a
locaţiilor de distribuţie, o capacitate de a satisface nevoile tuturor departamentelor. Ei sunt
furnizori cu o istorie de evoluţie pe piaţa, dar care nu au acumulat încă o experienţă
substanţială în sectorul MADP. De asemenea, este posibil să nu aibă viziune tehnică sau de
afaceri coerentă.
c. Vizionari: au o viziune convingătoare asupra produselor şi a viitorului pieţei, o orientare
tehnică corectă şi resursele necesare pentru a evolua. Cu toate acestea, nu au avut
capacitatea de a susţine această viziune în domenii ca: venituri, dimensiunea bazei de clienţi,
diversitatea soluţiilor sau rezultate financiare consolidate.
d. Jucători de nişă: nu sunt reprezentativi după unul sau mai multe dintre următoarele criterii:
completitudinea sau focalizarea produsului, aria geografică, numărul de clienţi. Deşi pot fi o
alegere bună pentru un anumit proiect, nu sunt eligibili pentru o platformă care să susţină o
diversitate de proiecte. Cu toate acestea, o oferta de la un jucător de nişă poate reprezenta
alegerea optimă în situaţii specifice.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 106
6.1.4. Teme prioritare actuale pentru aplicaţiile mobile
Una dintre cele mai importante teme de cercetare actuale se referă la dezvoltarea de modele
predictive bazate pe algoritmi de machine learning pentru evaluarea stării de sănătate a
unei persoane / angajat, pe baza datelor furnizate de senzori sau alte dispozitive de
monitorizarea stării de sănătate.
Colectarea şi prelucrarea acestor date se poate defini drept o încercare de cuantificare a
stării unui individ (cuantificarea sinelui), care reprezintă o nouă tendinţă în domeniul
managementului sănătăţii. Sunt monitorizaţi o serie de parametri referitori la alimentaţie,
calitatea mediului înconjurător, starea fizică şi psihică a unei persoane, inclusiv tensiunea,
nivelul de oxigen din sânge, ş.a. (“Quantified Self”, 2015). Activitatea de auto-monitorizare a
unor parametri vitali ai unei persoane se bazează pe utilizarea unor senzori şi instrumente
specifice precum EEG, ECG, pedometru, tensiometru, etc.
Cuantificarea sinelui utilizează instrumente şi tehnologii relevante de dată recentă (ca de
exemplu senzorii care pot fi purtaţi, dispozitive mobile inteligente, tehnologii avansate de
stocare şi prelucrare a datelor) pentru a întreprinde o auto-cunoaştere individuală în baza
utilizării datelor obţinute prin auto-monitorizare şi apoi prin interpretarea acestora utilizând
metode şi algoritmi din sfera analizei statistice. Activitatea de cuantificare a sinelui este
susţinută şi de faptul că aproape orice activitate umană are drept rezultat generarea de date
(comunicare, monitorizare, tranzacţii financiare, înregistrări video).
Conceptul “Quantified Self” apare ca fiind utilizat încă din anii 70', dar este reconsiderat în
prezent ca fiind determinat de colaborarea dintre utilizatorii şi producători de dispozitive
electronice ce au drept scop comun auto-cunoaşterea personală prin auto-urmărirea şi
înregistrarea activităţii şi a stării utilizatorului. Astfel, utilizarea unor metode de analiză a datelor
în scopuri strict medicale, legate de starea de sănătate a unei persoane, a devenit un subiect
de interes cert datorită posibilităţilor actuale de obţinere a informaţiilor, pe de o parte, dar şi de
beneficiile sociale, economice sau de nivel personal pe care le aduce această nouă paradigmă.
Ca dovadă a importanţei acestui domeniu, în acest moment există o comunitate globală,
formată din grupuri de utilizatori din peste 30 de ţări, având nuclee importante în centre urbane
precum San Francisco, New York sau Londra. Fiind o activitate empirică, metoda principală
constă în colectarea şi analiza datelor. De cele mai multe ori, datele sunt colectate în mod
automat, utilizând senzori uşor de purtat, cum ar fi brăţările sau ceasurile inteligente. Este
posibil ca datele să fie introduse şi manual de către utilizator.
Datele sunt analizate utilizând tehnici tradiţionale precum analiza regresivă, cu scopul de a
stabili diverse corelaţii între variabilele de interes. La fel ca în orice situaţie în care se încearcă
analiza unor date complexe multi-dimensionale, sunt necesare diverse tehnici de vizualizare a
datelor, pentru a facilita evaluarea rezultatelor.
Tehnologia actuală face posibilă înregistrarea cu uşurinţă a unor informaţii extrem de diverse,
cum ar fi de exemplu dieta urmată sau activitatea fizică depusă. De asemenea, performanţa
dispozitivelor mobile permite implementarea unor algoritmi sofisticaţi de prelucrare şi analiză a
datelor, astfel încât pot fi utilizate metode cantitative specifice din domeniul calcului ştiinţific
pentru rezolvarea unor probleme din sfera personală referitoare la starea de sănătate.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 107
Principala aplicaţie în domeniul cuantificării sinelui constă în îmbunătăţirea stării de sănătate şi
crearea unui tonus pozitiv. Foarte multe dispozitive electronice şi servicii online sunt disponibile
pentru a urmări activitatea fizică a unei persoane, aportul caloric, calitatea somnului, poziţia
corpului precum şi alţi factori care sunt implicaţi în starea de bine personală.
Anumite programe de îngrijire şi menţinere a stării de bine sunt oferite, promovate şi încurajate
de către mediul corporatist, în beneficiul angajaţilor proprii. In acest fel, cuantificarea sinelui
reprezintă o soluţie pentru îmbunătăţirea productivităţii personale a angajaţilor, cu
ajutorul unor instrumente şi servicii care oferă suport pentru menţinerea unui jurnal al
activităţilor zilnice, evidenţiază locul şi modul în care îşi petrec timpul, persoanele cu care
interacţionează. Aceasta ajută persoanele să rămână motivate şi să îşi continue activităţile prin
evidenţierea vizuală a progresului realizat. Există o gamă extrem de largă de tehnologii
dedicate urmăririi activităţilor curente şi care pot transforma aceste preocupări în jocuri prin
oferire de recompense cu scopul de a încuraja utilizatorii să participe în competiţii cu prietenii
sau colegii.
Foarte multe dintre aceste aplicaţii şi tehnologii sunt compatibile între ele astfel încât utilizatorii
pot schimba informaţii între acestea, datele personale putând fi partajate şi utilizate de mai
multe aplicaţii sau servicii online. Fiecare tehnologie poate fi integrată cu diferite aplicaţii terţe,
astfel încât se poate compune o imagine de ansamblu asupra stării de sănătate sau de bine a
utilizatorului într-un mod mult detaliat. De asemenea se pot evidenţia tendinţe, se pot crea
jurnale sau obiective care trebuie urmărite şi îndeplinite.
Prin înregistrarea permanentă a stării utilizatorului pot fi deduse informaţii importante cum ar fi
de exemplu efectele secundare care apar în urma administrării unui anumit tratament sau a
expunerii la diverse surse de poluare. Numărul din ce în mai mare de dispozitive utilizate
pentru urmărirea activităţii şi a stării curente conduce la creşterea semnificativă a volumului
datelor care sunt stocate şi prelucrate. În plus, utilizatorii îşi pot analiza singuri datele
înregistrate şi îşi pot corela statisticile proprii cu cele ale prietenilor.
Monitorizarea stării de sănătate joacă un rol extrem de important în menţinerea stării de bine
generale a unei persoane, astfel încât se poate preveni apariţia unor boli. Auto-urmărirea
activităţilor desfăşurate reprezintă o latură importantă în managementul sănătăţii deoarece
costurile asociate acestui proces sunt în continuă creştere, iar o metodă eficientă constă în
implementarea unor strategii preventive.
6.2. Potenţialul de impact pentru competitivitate
Tehnologiile utilizate în dezvoltarea aplicaţiilor pentru dispozitivele mobile inteligente au
progresat foarte mult datorită concurenţei acerbe între marile companii ce furnizează soluţii
hardware şi software precum Apple, Google, Microsoft, Amazon, ş.a.
Utilizarea aplicaţiilor mobile a devenit din ce în ce mai populară în rândul utilizatorilor de
telefoane mobile (Ludwig, 2012), iar un studiu realizat de către compania comScore, în mai
2012, a raportat că sunt mai mulţi utilizatori care utilizează aplicaţii mobile decât cei care
accesează site-uri pe web folosind dispozitivele mobile (Perez, 2012). De asemenea,
cercetătorii au descoperit că utilizarea aplicaţiilor mobile este puternic corelată cu contextul şi
depinde de locaţie şi timp al zilei (Böhmer et al., 2011).
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 108
Firma de cercetare de piaţă Gartner a estimat în 2013 ca aprox. 102 de miliarde de aplicaţii vor
fi descărcate în anul respectiv (91% dintre acestea fiind gratuite), generând în SUA un venit de
26 miliarde dolari, în creştere cu 44,4% faţă de anul 2012 (Gartner, 2013). Un alt raport
estimează că economia bazată pe aplicaţii mobile creează venituri de peste 10 miliarde dolari
pe an în cadrul Uniunii Europene, în timp ce peste 529 de mii de locuri de muncă au fost create
în cele 28 de state ale UE, datorită dezvoltării pieţei de aplicaţii mobile (Visionmobile, 2013).
Această dinamică de dezvoltare a domeniului este edificatoare pentru impactul utilizării
aplicaţiilor mobile în diverse domenii, inclusiv în mediul de afaceri.
In acelaşi timp, valorificarea acestui potenţial de impact la nivelul unei întreprinderi depinde de
corectitudinea unor decizii cu impact pe termen lung privind utilizarea de dispozitive mobile şi
dezvoltarea şi utilizarea de aplicaţii dedicate acestora. De aceea, acest capitol este dedicat în
continuare prezentării unor orientări de natură managerială ca suport pentru implementarea
orientării mobile.
Prima prioritate o reprezintă elaborarea şi adoptarea unei strategii de dezvoltare şi
implementare a aplicaţiilor mobile în întreprindere, bazată pe obiectivele şi cerinţele de
afaceri ale companiei şi susţinute de conducerea acesteia. Lucrarea (Bock, 2015) propune 10
reguli de elaborare a unei asemenea strategii:
1. Recunoaşterea mobilităţii ca prioritate a afacerii: promovarea orientării mobile
trebuie să aibă la bază în primul rând cerinţe de afaceri şi mai puţin oportunităţi
tehnologice. O strategie de succes este asigurată de colaborarea între liderii de afaceri
şi specialiştii în tehnologie, care trebuie să fie ghidaţi de obiective comune.
2. Dezvoltare prin acumularea de experienţă: aplicaţiile mobile puse la dispoziţia
angajaţilor întreprinderii trebuie să fir la fel de atractive şi folositoare ca şi aplicaţiile
mobile utilizate de aceştia în interes personal. Este foarte important ca oportunitatea şi
cerinţele pentru aceste aplicaţii să fie corect identificate pe baza impactului proceselor
de afaceri pe care le susţin asupra creşterii economice la nivel de întreprindere şi a
productivităţii individuale.
3. Adaptarea la un context diversificat: trebuie avut în vedere că angajaţii proprii,
partenerii şi clienţii au nevoie să utilizeze aplicaţiile pe care le au la dispoziţie pe
dispozitive diverse din punct de vedere al caracteristicilor tehnice şi de mobilitate, pe
infrastructuri TIC clasice sau virtualizate. Este importanţă alegerea corectă a
instrumentelor de dezvoltare aplicaţii, care să permită dezvoltarea / adaptarea rapidă şi
cu costuri reduse a acestor aplicaţii la diverse contexte de utilizare.
4. Includerea aplicţiilor mobile în portofoliul de aplicaţii al intreprinderii: aplicaţiile
mobile trebuie să se alinieze aceloraşi cerinţe pe care le îndeplinesc celelalte aplicaţii
din portofoliul informatic la întreprinderii în ceea ce privesc cerinţele utilizatorilor pentru
acces la informaţiile de care au nevoie şi pentru conectivitate. Utilizarea platformelor de
dezvoltare aplicaţii mobile este esenţială, prin facilităţile oferite de generare versiuni
pentru desktop, laptop sau telefon inteligent, pe baza cod unic al aplicaţiei repspective,
cu reduceri semnificative de timp şi costuri.
5. Prioritate opţiunii mobile în proiectare: există diferenţe semnificative între versiunile
aceleiaşi aplicaţii pentru dispozitive cu grade diferite de mobilitate. Aceste diferinţe sunt
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 109
generte nu numai de dimensiunile ecranelor, dar şi de contextul şi specificul de utilizare
a acestor dispozitive. Este recomandabil ca proiectarea aplicaţiilor să înceapă cu
varianta mobilă, care este capabilă să genereze valoare adăugată prin conectarea la
experienţa de lucru a beneficiarului, mai mult decât prin ieşirile pe care le oferă.
6. Securizarea datelor şi proceselor de afaceri concomitent cu dezvoltarea
experienţei mobile: este important ca dimensiunea de mobilitate să nu afecteze
politica de securitate informaţională curentă, adotată la nivelul întreprinderii. Principalele
ameninţări de securitate sunt generate de tranzitul coţinutului informaţional prin
diversele reţele mobile şi de memorarea informaţiilor pe dispozitivele mobile, vulnerabile
dinpunct de vedere al securităţii. Un aspect important îl constituie autentificarea şi
controlul accesului de pe dispozitive mobile la diverse funcţii ale sistemului informatic de
întreprindere: trebuie ţinut cont de experienţa anterioară a angajatului privind aceste
operaţii, dar în acelaşi timp trebuie accelerate aceste proceduri prin valorificarea
informaţiei de context şi procedurile specifice reţeleor mobile.
7. Managerierea acumulării de experienţă mobile la nivelul întreprinderii: este
necesară luarea în considerare a celor trei dimensiuni ale mobilităţii: date, aplicaţii şi
dispozitive. Managementul mobilităţii la nivelul întreprinderii trebuie să asigure
furnizarea, actualizarea şi securizarea permanentă a portofolilului de aplicaţii mobile
puse la dispoziţia angajaţilor.
8. Investiţii în asigurarea unui flux de aplicaţii mobile: trebuie avut în vedere că
implementarea dimensiunii de mobilitate a afacerii este o activitate de lungă durată,
care necesită suport continuu şi permanent. O componentă a acestui efort de durată
trebuie să fie promovarea continuă a rezultatelor pozitive obţinute pe parcurs şi
creşterea gradului de conştientizare a angajţilor privind avantajele acestei orientări. De
asemenea, soluţia informatică de ansamblu la nivelul companiei trebuie reevaluată
periodic pentru valorificarea avantajelor mobilităţii, inclusiv prin adoptarea tehnologiei
Cloud.
9. Accent pe proiectarea colaborativă a aplicaţiilor mobile: în dezvoltarea portofoliului
de aplicaţii mobile trebuie promovată permanent colaborarea între proiectanţi,
dezvoltatori şi utilizatorii din mediul de afaceri. Aceasta va facilita adoptarea noilor
aplicaţii de către beneficiari, va îmbunătăţi expertiza de dezvoltare aplicaţii mobile din
întreprindere, va facilita generarea de versiuni adaptate diverselor dispozitive.
10. Promovarea mobilităţii ca dimensiune a agilităţii organizaţionale: promovarea
mobilităţii nu se reduce la utilizarea de dispozitive mobile, ci trebuie să genereze o
schimbare de mentaliate şi de abordare în furnizarea suportului informatic pentru
activităţile de afaceri, prin tranziţia de la aplicaţii monolitice, multifuncţionale, la aplicaţii
mai agile şi mai eficiente. Mobilitate înseamnă în acelaşi timp stabilirea unor noi reguli
de funcţionare întreprinderii, de colaborare şi partajare a informaţiei între angajaţi şi de
dezvoltarea a relaţiilor cu partenerii şi clienţii.
Strategia de dezvoltare şi de implemetare a aplicaţiilor mobile la nivel companie trebuie să
ţină cont de cerinţe noi, care nu erau proprii strategiilor clasice de informatizare. Conform
(Mendix, 2014), principalele aspecte specifice se referă la:
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 110
viteză / simplitate: companiile au nevoie de aplicaţii la termene de ordinul zilelor, nu
lunilor. Soluţiile de dezvoltare trebuie să ofere un mod simplu şi rapid de a dezvolta
aplicaţii, precum agilitatea de a ţine pasul cu ritmul de schimbare a cerinţelor din
mediului de afaceri.
integrare: aplicaţiile mobile nu vin pe un teren gol, ele trebuie să se integreze cu
aplicaţiile din portofoliul curent al întreprinderii. De asemenea, trebuie să fie conforme
cu reglementările de securitate şi administrare.
productivitate socială: paradigma de dezvoltare aplicaţii trebuie să se bazeze pe
colaborarea între dezvoltatori, experţi în afaceri şi utilizatori.
centrarea pe Cloud: trebuie luat în considerare un mediu complet de dezvoltare,
integrat într-o singură platformă, care să asigure viteză, flexibilitate şi scalabilitate,
reutilizarea componentelor existente în magazinul de aplicaţii, suportul pentru mobile şi
servicii Cloud.
De asemenea, strategia trebuie să surprindă specificul dezvoltării aplicaţiilor mobile, pentru
care lucrarea (Mendix, 2014) identifică următoarele reguli:
1. Diferenţierea afacerii prin aplicaţiile mobile: elaborarea de aplicaţii adaptate
specificului afacerii
2. Adaptare sau dispariţie: aplicaţiile au nevoie de un suport agil de actualizare şi
adaptare la cerinţele în continuă schimbare ale afacerii
3. Afacerea este prioritară: personalil TIC trebuie să ofere experţilor în afaceri condiţiile
de a genera aplicaţiile de care au nevoie, când au nevoie, respectând cerinţele de
viteză şi simplitate ale acestora. Informaticienii trebuie să se concentreze pe furnizarea
unor medii profesionale de dezvoltare şi assitenţă tehnică de specialitate, pe
administrarea unor infrastructuri TIC eficiente, pe soluţii de integrare a datelor la nivelul
întreprinderii, pe minimizarea riscurilor şi ameninţărilor de natură informatică.
4. Dezvoltarea aplicaţiilor este o activitate de echipă: este esenţială colaborarea între
experţii în afaceri, analişti, dezvoltatori şi utilizatori, la care se pot adăuga parteneri,
clienţi, colective de dezvoltatori din alte întreprinderi.
5. Utilizatorii au rolul principal: utilizatorii nu trebuie să se mai conformeze soluţiilor
oferite de informaticieni, ci trebuie să fie incluşi în ciclurile de dezvoltare continue, cu
livrare de rezulatate în timp real. Noile generaţii de utilizatori sunt adaptate culturii
aplicaţiilor interactive şi mobile, a căror evoluţie rapidă se bazează pe recepţionarea
continuă a reacţiei acestora.
6. Aplicaţiile mobile primenesc sistemele tradiţionale: sistemele tradiţionale, percepute
deja ca fiind puţin fiabile şi dificil de întreţinut, pot beneficia de avantajele unui portofoliu
dinamic de aplicţii mobile, cu avantajul că acestea nu modifică vechiul sistem, ci asigură
o interfaţă utilizator modernă pentru acces la functionalitatea acestuia.
7. Viteza este esenţială: ciclurile lungi de dezvoltare a aplicaţiilor nu mai sunt acceptabile
în condiţiile în care cerinţele de afaceri au o dinamică foarte ridicată. Este de preferat o
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 111
aplicaţie funcţională, livrată rapid, care apoi sa fie perfecţionată continuu pe baza
reacţiei utilizatorilor.
8. Mobilitatea accelerează inovarea, dar back-end-ul nu trebuie neglijat: utilizatorii de
aplicaţii mobile au cerinţe justificate de viteză în dezvoltarea aplicaţiilor, de simplitate şi
robusteţe în utilizare. Dar aceste cerinţe trebuie să ţină cont de strategia generală de
informatizare a afacerii, care trebuie să ofere soluţii de dezvoltare eficiente, bazate pe
platforme care să minimizeze efortul de scriere a codului şi de adaptare la o diversitate
de dispozitive.
9. Dimensiunea echipei de dezvoltare nu mai este relevantă: în perioada actuală,
rezolvarea eficientă a problemelor afacerii nu mai este dependentă de numărul de
programatori care participă la dezvoltarea aplicţiilor, ci de calitatea expertizei de afaceri
şi nivelul de implicare a acesteia în acest proces.
10. Dezvoltarea aplicaţiilor mobile pentru afaceri trebuie decuplată de detaliile
tehnologice: serviciile de tip Platform as a Service oferă facilităţile necesare echipei de
dezvoltare aplicaţii, care se paote concentra pe aspectele de business, toate detaliile
tehnologice legate de funcţionalitatea platformei ramânând în sarcina furnizorului de
servicii PaaS. O asemenea abordare susţine cerinţa formulată anterior privind rolul
central ce revine expertului în afaceri.
In ceea ce priveşte soluţia de livrare a aplicaţiilor către angajaţi, lucrarea (Steele et al.,
2014) subliniază riscul reprezentat de stocarea informaţiilor întreprinderii pe dispozitivele
mobile şi de transferul de asemenea informaţii între utilizatori. Sunt propuse patru variante de
soluţii, şi anume:
a) Livrare prin magazinul de aplicaţii propriu: se asigură controlul asupra aspectelor legate
de compatibilitatea cu politica proprie de promovare a mobilităţii, de guvernanaţa datelor şi de
licenţiere. Soluţia oferă, de asemenea, cadrul pentru un forum al reacţiilor utilizatorilor şi al
aspectelor de control al calităţii. Un magazin de aplicaţii mobile propriu trebuie să fie capabil să
controleze şi să monitorizeze întregul ciclu de viaţă al aplicatiilor mobile, care include livrarea,
urmărirea utilizării, eliminarea aplicaţiilor depăşite şi controlul versiunilor în utilizare.
b) Utilizarea aplicaţiilor Web: spre deosebire de aplicaţii mobile native, care necesită un
mecanism de distribuţie şi reglementarea, aplicaţiile Web sunt executate în browsere, ceea ce
le asigură compatibilitatea cu o varietate de dispozitive. Compartimentul TIC poate livra şi
upgrada cu uşurinţă aplicaţiile Web, fără a fi nevoie de un sistem de distribuţie sau de
gestiunea versiunilor. Inn schimb, aceste aplicaţii nu pot valorifica în totalitate caracteristicile
diverselor dispozitive pe care rulează.
c) Livrarea aplicaţiilor mobile în Cloud: este facilitat schimbul de date între aplicaţii, iar
acestea sunt disponibile în orice moment, la orice locaţie şi pe o varietate de dispozitive. Este o
soluţie flexibilă de livrare şi întreţinere, dar necesită fie dezvoltarea unei soluţii Cloud proprii, fie
achiziţionarea de servicii Cloud de pe piaţă, ambele variante reprezentând o investiţie
semnificativă.
d) Virtualizarea desktop pe dispozitive mobile: oferă un mediu PC tradiţional pe orice
dispozitiv, de la un desktop sau laptop la un un telefon inteligent sau tabletă. Soluţia constă în
conectrarea la servere interne sigure, pe care se execută sistemele de operare şi aplicaţiile
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 112
necesare pentru derularea afacerii, utilizând un client subţire instalat pe dispozitivul mobil.
Pentru viabilitatea soluţiei este necesar un nivel adecvat şi sigur de conectivitate în reţea.
Aplicaţiile livrate nu se pliază întotdeauna pe caracterisiticile dispozitivelor mobile, iar aplicaţiile
care sunt dependente de utilizarea intensivă a tasataturii şi a mouse-ului reprezintă, la rândul
lor, o provocare pentru utilizatorul mobil, Orice aplicaţie care se bazează pe acţiunile intensive
de intrare tastatură şi mouse-ul poate fi o provocare pentru lucrătorul mobil.
In contextul în care telefoanele mobile inteligente au devenit un important instrument de
comunicare şi informare, iar tot mai multe companii îşi îndeamnă angajaţii să folosească aceste
dispozitive în cadrul activităţii lor curente în companie, ca soluţie de creştere a productivităţii,
un aspect important care trebuie reflectat în strategia mobile a întreprinderii îl constituie
implementarea politicilor de tip Bring Your Own Device – BYOD,. Acestea trebuie să se
refere, în principal, la acceptanţa de către ambele părţi interesate (companie şi angajat):
a regulior de utilizare,
a controalelor de securitate,
a necesarului de componente care sunt furnizate de companie (de ex. Certificate SSL
pentru autentificarea dispozitivului) şi
a drepturilor de intervenţie a companiei asupra echipamentului (de ex. ştergerea de la
distanţă a conţinutului de pe un echipament compromis).
Toate aceste cerinţe trebuie să fie clar formulate şi să se bazeze pe reguli ferme de aplicare.
6.3. Tipologia de soluţii TIC specifice
Telefoanele mobile de astăzi sunt departe de a fi simple dispozitive de comunicare aşa cum
erau acum zece ani. Fiind echipate cu senzori sofisticaţi şi componente hardware avansate,
telefoanele pot fi folosite pentru a deduce locaţia, activitatea, cadrul social al utilizatorilor, etc.
Ca dispozitive ce devin tot mai inteligente, capacităţile lor evoluează dincolo de deducerea
contextului de utilizare, putând efectua raţionamente şi acţiona asupra contextului prezis
(Rosen, 2012a).
Abilitatea de a comunica în mişcare a revoluţionat stilul de viaţă a milioane de persoane: a
schimbat modul în care se lucrează sau se organizează programele de zi cu zi. În ultimul
deceniu telefoanele mobile au cunoscut o proliferare extraordinară şi 86% din populaţia lumii a
avut un abonament celular în anul 2012 (Union, 2012). În zilele noastre, telefoane mobile
servesc pentru planificarea călătoriilor, pentru a rămâne în contact on-line utilizând reţelele
sociale, pentru a face cumpărături on-line şi numeroase alte scopuri. Telefoanele inteligente de
astăzi cu procesoare multi-core sunt capabile să realizeze sarcini pe care computerele desktop
din generaţiile anterioare aveau probleme. Spre deosebire însă de computerele desktop,
telefoanele inteligente sunt dispozitive mobile cu o dimensiune foarte mică. În consecinţă,
telefoane mobile inteligente au devenit o parte din viaţa de zi cu zi fiind prezente în orice
moment. În plus, telefoanele inteligente pot găzdui o varietate de senzori sofisticaţi: un telefon
poate simţi orientarea sa, accelerarea, poate face localizarea, si poate înregistra audio şi video.
Ca atare, un telefon inteligent nu este doar un computer mobil - este un dispozitiv capabil să
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 113
perceapă şi să extindă simţurile umane (Lane et al., 2010). În plus, aceste dispozitive sunt
conectate la Internet şi, prin urmare, ele pot partaja datele colectate şi pot exploata resursele
oferite de către serviciile Cloud.
Dispozitivele mobile inteligente au potenţialul de a deveni o platformă revoluţionară pentru
sistemele predictive, deoarece reduce decalajul dintre dispozitiv, mediu şi utilizator. În primul
rând, ele îndeplinesc condiţiile necesare pentru a realiza un raţionament predictiv: ele sunt
echipate cu numeroşi senzori şi pot deduce şi monitoriza contextul de utilizare, iar hardware-ul
puternic pentru procesare le permite să ruleze algoritmi de învăţare automată şi să dezvolte
modele sofisticate. În al doilea rând, telefoane sunt foarte strâns integrate cu viaţa de zi cu zi a
persoanelor fizice (Katz, 1997). Astfel, modelele dezvoltate pe telefoanele mobile pot fi foarte
personale, pot fi realizate în timp util şi relevant pentru utilizator.
O clasă de aplicaţii pentru telefoanele inteligente este reprezentată de aplicaţiile predictive sau
anticipative. Un sistem anticipativ este definit ca fiind:
"Un sistem care conţine un model predictiv referitor la sine şi / sau la mediul său, care îi
permite să îşi schimbe starea dintr-un anumit moment în acord cu previziunile modelului
referitoare la o stare ulterioară" (Rosen, 2012b).
Această definiţie sugerează că un dispozitiv anticipativ trebuie să fie capabil să obţină o
imagine realistă a stării sale şi a mediului înconjurător, adică, a contextul în care se află
utilizatorul şi dispozitivul. Echipat cu o serie de senzori şi hardware de procesare puternic care
poate executa algoritmi de învăţare automată sofisticaţi, dispozitivele mobile pot construi
modele predictive ale contextului de utilizare. Strâns integrat cu stilul de viaţă al utilizatorului,
un telefon poate învăţa anumite modele personalizate ale comportamentului acestuia, şi poate
comunica diverse acţiuni pentru acesta.
6.3.1. Aplicaţii mobile predictive
Pentru a ilustra potenţialul dispozitivelor mobile pentru a rula aplicaţii anticipative vom prezenta
trei exemple de utilizare.
Tehnologii asistive personalizate. Un telefon mobil are acces la o multitudine de informaţii cu
caracter personal, inclusiv istoricul de navigare web, evenimentele din calendar, şi contactele
din cadrul reţelelor de socializare. Dezvoltatorii de aplicaţii pot accesa aceste date şi pot
proiecta aplicaţii care prezic intenţiile utilizatorilor, afişând informaţii relevante în funcţie de
context. MindMeld este o astfel de aplicaţie care îmbunătăţeşte conferinţele video online, cu
informaţii pe care utilizatorii sunt susceptibili să le găsească relevante în viitorul apropiat
(“MindMeld,” 2013). În acest scop, MindMeld exploatează analiza discursului în timp real.
Google Now are o abordare mai generală şi îşi propune să ofere unui utilizator de telefon mobil
orice informaţie sau funcţionalitate de care ar putea avea nevoie, fără ca utilizatorul să ceară în
mod explicit (“Google now,” 2015).
Sănătate. Senzorii prezenţi în cadrul dispozitivelor mobile au fost propuşi pentru furnizarea
unui diagnostic in-situ (Gruenerbl et al., 2014). În plus, telefoanele mobile sunt tot mai des
utilizate pentru a furniza terapii personalizate (Klasnja et al., 2009; Morris et al., 2010; Yardley,
2013). În prezent, aceste terapii sunt pre-încărcate pe telefoanele utilizatorilor şi acţionează în
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 114
funcţie de context. Modelele predictive pot fi folosit pentru a construi şi dezvolta un model de
comportament uman, având drept obiectiv elaborarea în mod automat a unor terapii, cu scopul
de a conduce utilizatorul spre o anumită stare de bine. De exemplu, printr-un accelerometru
integrat, telefonul poate detecta nivelul de activitate fizică şi poate determina gradul de
sociabilitate al utilizatorului. Apoi, dispozitivul inteligent poate deduce starea utilizatorului şi
poate prezice dacă acesta are riscul de a face o depresie majora. În cele din urmă, se poate
regla terapia în timp real, prin trimiterea unui link către două bilete de teatru la preţ redus,
stimulând utilizatorul să iasă şi să socializeze. O astfel de aplicaţie de sine stătătoare, care
anticipează schimbările în domeniul sănătăţii şi comportamentul utilizatorului permite o
scalabilitate şi o personalizare de neimaginat în relaţia medic-pacient în mod tradiţional.
Oraşe inteligente. Ponderea populaţiei urbane a cunoscut o creştere constantă astfel încât în
zilele noastre mai mult de o jumătate din populaţia globului se află în zonele urbane (World
Health Organization & Habitat, 2010). Probleme cum ar fi traficul, poluarea şi criminalitatea
afectează oraşele moderne. Cetăţenii pot fi implicaţi activ în colectarea de date, precum şi
participarea voluntară pentru găzduirea unei aplicaţii pe dispozitivele lor. De exemplu, proiectul
Cartel MIT foloseşte senzorii telefonului mobil pentru decongestionarea traficului, monitorizarea
suprafeţei drumului şi detectarea pericolelor (Hull et al., 2006); Sistemul ParkNet colectează
informaţii referitoare la spaţiile de parcare prin detectarea modului în care se deplasează
vehiculele (Mathur et al., 2010). Dutta et al. demonstrează o arhitectura de detectare
participativă pentru monitorizarea calităţii aerului (Dutta et al., 2009).
6.3.2. Aplicaţii bazate pe senzori
Telefoanele mobile inteligente devin rapid dispozitivul central în viaţa utilizatorilor. Canalele de
livrare ale aplicaţiilor, cum ar fi de exemplu Apple AppStore sunt capabile sa descarce o
multitudine de aplicaţii aproape instantaneu. Foarte important, smartphone-uri de azi vin cu un
set tot mai mare de senzori integraţi, cum ar fi de exemplu accelerometrul, busola digitală,
giroscop, GPS, microfon, şi aparat de fotografiat (Lane et al., 2010). Împreună, aceşti senzori
permit dezvoltarea noi aplicaţii în diferite domenii, cum ar fi: asistenţa medicală (Consolvo et
al., 2008), reţelele sociale (Miluzzo et al., 2008), de monitorizare a mediului (Mun et al., 2009),
şi de transport (Thiagarajan et al., 2009).
Telefoanele mobile au contribuit la maturizarea platformelor de calcul, aceste progrese fiind de
cele mai multe ori asociate cu introducerea de noi senzori. De exemplu, accelerometrele au
devenit comune după ce au fost introdusă iniţial pentru a îmbunătăţi interfaţa cu utilizatorul şi
utilizarea camerei. Ele sunt folosite pentru a determina în mod automat orientarea în care
utilizatorul foloseşte telefonul, aceste informaţii fiind utilizate pentru a re-orienta automat afişajul
între o vedere peisaj şi portret.
Senzorii telefonului includ giroscopul, busola, accelerometrul, senzorul de proximitate, senzorul
de lumină ambientală, precum şi alte dispozitive mai convenţionale cum ar fi camera frontală şi
cea principală, microfon, GPS şi Wi-Fi, precum şi Bluetooth. Mulţi senzori sunt adăugaţi pentru
a sprijini interfaţa cu utilizatorul (de exemplu, accelerometrul) sau pentru a îmbunătăţi serviciile
bazate pe locaţie (de exemplu, busola digitală).
Senzorii de proximitate şi de lumină permit telefonului să efectueze forme simple de
recunoaştere a contextului ce sunt asociate cu interfaţa utilizator. Senzorul de proximitate
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 115
detectează, de exemplu, atunci când utilizatorul ţine telefonul aproape de ureche ca să
vorbească. În acest caz, ecranul tactil şi tastele sunt dezactivate, împiedicându-se apăsarea
accidentală, precum şi economisirea energiei, deoarece ecranul este oprit. Senzorii de lumina
sunt folosiţi pentru a regla luminozitatea ecranului. Senzorul GPS face ca telefonul să poată
efectuala funcţia de localizare şi permite noi aplicaţii bazate pe locaţie, cum ar fi de exemplu
căutarea locală, reţelele sociale mobile. Busola şi giroscopul reprezintă o extensie a funcţiei de
locaţie, oferind telefonului un grad sporit de conştientizare a poziţiei sale în raport cu lumea
fizică (de exemplu, direcţia şi orientarea).
Aceşti senzori nu numai ca sunt utili la implementarea interfeţei cu utilizatorul şi furnizarea de
servicii în funcţie de locaţie; ele reprezintă, de asemenea, o oportunitate semnificativă de a
aduna date despre utilizatori şi mediul lor. De exemplu, datele de la accelerometru sunt
capabile să caracterizeze mişcările fizice ale utilizatorului ce transportă telefonul (Miluzzo et al.,
2008).
Modele distincte ce exploatează datele accelerometrului pot fi utilizate pentru a recunoaşte în
mod automat diferite activităţi (de exemplu, alergarea, mersul pe jos, statul în picioare).
Camera şi microfonul sunt alţi senzori importanţi. Acestea sunt, probabil, cei mai cunoscuţi
senzori ai unui telefon mobil. Prin colectarea în mod continuu a semnalului audio de la microfon
telefonului, de exemplu, este posibil să se clasifice un set divers de sunete distinctive asociate
cu un anumit context sau activitate în viaţa unei persoane, cum ar fi utilizarea unui bancomat
(ATM), dacă se află într-un anumit restaurant sau ce activitate desfăşoară. Camera de pe
telefonul mobil poate fi folosită pentru diverse scopuri, inclusiv pentru sarcini tradiţionale, cum
ar fi de exemplu urmărirea mişcării ochilor utilizatorului ca un mijloc de a activa aplicaţii folosind
camera montata pe partea din faţă a telefonului. Combinaţia de date de la accelerometru şi a
unui flux de estimări de localizare de la GPS poate ajuta la recunoaşterea modului de transport
al unui utilizator, cum ar fi spre exemplu utilizarea unei biciclete sau a unei maşini sau de a lua
un autobuz sau metrou (Mun et al., 2009).
6.3.3. Aplicaţii bazate pe servicii Cloud
Telefoanele mobile inteligente sunt acum capabile să susţină o gamă largă de aplicaţii, dintre
care multe necesită o putere de calcul tot mai mare. Acest lucru reprezintă o provocare,
deoarece telefoanele mobile inteligente sunt dispozitive cu resurse limitate, cu putere limitată
de calcul, memorie, stocare, şi durată de funcţionare. Din fericire, tehnologia Cloud computing
oferă în mod dinamic resurse practic nelimitate pentru calcul, stocare, şi furnizarea de servicii.
Prin urmare, cercetatorii au imaginat extinderea serviciilor de Cloud computing pentru
dispozitivele mobile pentru a depăşi constrângerile acestora (Khan et al., 2014).
Se poate defini Cloud Computing mobil ca fiind o modalitate de integrare a tehnologiei Cloud
computing cu dispozitivele mobile pentru a face ca dispozitivele mobile să fie capabile să
beneficieze de resursele de calcul disponibile prin intermediul serviciilor Cloud. Cloud
computing mobil este rezultatul unor abordări interdisciplinare cuprinzând aplicaţiile pentru
dispozitivele mobile şi Cloud Computing. Prin urmare, acest domeniu transdisciplinar este
menţionat şi ca mobiCloud (Huang, 2011).
În continuare se vor enumera principalele criterii care stau la baza selectării unui model de
aplicaţie ce se bazează pe utilizarea serviciilor Cloud.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 116
A. Conştientizarea contextului
Conştientizarea contextului unei aplicaţii se referă la entităţi şi parametrii care pot afecta
decizia de transfer în Cloud a proceselor computaţionale complexe. Este foarte important
pentru o aplicaţie ca aceasta să fie sensibilă la context, deoarece transferarea statică nu este
întotdeauna benefică, şi pot să apară cazuri în care performanţa aplicaţiei se degradează prin
utilizarea serviciilor Cloud (Kumar & Lu, 2010).
B. Latenţa
În domeniul Cloud Computing mobil, latenţa este definită ca fiind timpul necesar pentru
transferarea proceselor computaţionale pe Cloud şi obţinerea înapoi a rezultatelor. Aceasta
este denumită uneori şi timp de răspuns. Latenţa depinde de mai mulţi factori, cum ar fi de
exemplu dimensiunea programului care trebuie transferat, dimensiunea datelor de intrare,
capacitatea reţelei, întârzierile de execuţie, şi dimensiunea datelor rezultate.
C. Utilizarea lărgimii de bandă
Utilizarea lărgimii de bandă se referă la cantitatea de date care trebuie să fie transferat în
Cloud. Prin urmare, în cazul în care migrarea unui proces în Cloud necesită o cantitate mare de
date care trebuie să fie transferate pe timpul rulării, atunci pot să apară latenţe mai mari.
Alternativ, în cazul în care datele sunt transferate în Cloud în avans pentru a reduce latenţa,
atunci este necesară sincronizarea datelor. Cu toate acestea, în cazul în care se face
sincronizarea la intervale scurte de timp, se poate ajunge la utilizarea unei cantităţi mai mari de
date care nu sunt gratuite în cadrul reţelelor celulare.
D. Generalitatea
Generalitatea unui model se referă la gradul de acoperire a unei game largi de aplicaţii. În
practică, există mai multe tipuri de aplicaţii cu diferite cerinţe de resurse şi de comportament.
De exemplu, aplicaţii precum scanarea fişierelor de viruşi, indexarea fişierelor pentru o căutare
rapidă sau indexarea unui site de ştiri sunt sarcini tolerante la întârzieri, care nu necesită
interacţiunea cu utilizatorul după iniţiere. Odată ce sarcinile sunt finalizate, rezultatele pot fi
sincronizate pe dispozitivele mobile. Alternativ, aplicaţiile folosite pentru înregistrarea unei
imagini, a unui discurs, şi de procesare video, necesită un răspuns rapid şi interacţiunea dintre
utilizator şi aplicaţie. Prin urmare, este destul de dificil pentru un model de aplicaţie ca să
sprijine mai multe tipuri de aplicaţii. Cu toate acestea, trebuie depuse eforturi pentru a proiecta
modele de aplicaţii care pot suporta toate modurile de utilizare.
E. Confidenţialitatea
Multe aplicaţii solicită locaţia utilizatorului pentru a furniza servicii în funcţie de aceasta. Aplicaţii
mobile gratuite au nevoie de accesul la funcţionalitatea GPS pentru a afişa anunţuri în funcţie
de locaţia utilizatorului. Prin urmare, informaţiile referitoare la localizarea utilizatorului pot cauza
probleme serioase de confidenţialitate, în special atunci când alte informaţii legate de utilizator
sunt deja cunoscute (Khan et al., 2013; Wang & Wang, 2010).
Ca atare, confidenţialitatea datelor este de asemenea importantă şi este unul dintre principalele
obstacole care limitează adoptarea tehnologiilor Cloud computing mobil. Datele utilizatorilor
stocate în Cloud pot include e-mailuri, rapoarte fiscale, imagini personale, date financiare
referitoare la salariu şi rapoarte de sanatate, etc, şi pot conţine informaţii sensibile. Prin urmare,
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 117
consumatorii nu îşi poate permite breşe de confidenţialitate, deoarece acestea pot duce la
pierderi financiare şi pot cauza probleme juridice (Murray, 2009).
F. Complexitatea
Aplicaţiile mobile dezvoltate pentru platformele Cloud trebuie să fie în măsură să se execute
atât în modul online şi offline. Componenta aplicaţiei care trebuie să fie transferată în Cloud
poate fi determinată în două moduri, şi anume, static şi dinamic. În cadrul transferului static,
programatorii pre-determină componente aplicaţiei care pot fi transferate în Cloud. Această
soluţie nu este foarte eficientă atunci când mai multe entităţi pot influenţa componentele care
pot fi transferate. Alternativ, în cazul selectării dinamice a componentei de transferat, decizia
este luată în funcţie de analiza unor parametri contextuali, cum ar fi, necesarul de resurse,
lărgimea de bandă, latenţa, disponibilitatea bateriei, şi resursele Cloud disponibile.
G. Securitatea
Securitatea este una dintre cele mai importante cauze care împiedică adoptarea Cloud
computing pentru aplicaţiile mobile. Tehnologia Cloud computing prezintă o serie de probleme
legate de securitate, ca de exemplu, controlul accesului la date (Zhu et al., 2012), de distribuţie
a datelor pe o infrastructură distribuită, de integritate a datelor, disponibilitate a serviciului, şi a
canalelor de comunicaţii securizate. De asemenea, mobilitatea adaugă unele probleme de
securitate suplimentare (Djenouri, Khelladi, & Badache, 2005; Lima, Santos, & Pujolle, 2009)
care fac securitatea în Cloud mai dificilă. În Cloud computing mobil, problemel de securitate
trebuie să fie analizată din două perspective, şi anume, pentru dispozivul mobil şi pentru Cloud.
Dispozitivul mobil nu trebuie să aibă coduri maliţioase, cum ar fi viruşi, cai troieni, viermi, etc.
Codurile malware sunt ameninţări la adresa securităţii şi pot schimba comportamentul unei
aplicaţii, pot provoca scurgeri de confidenţialitate sau corupere a datelor. Prin urmare, pentru a
menţine telefoanele neinfectate de coduri maliţioase, aplicaţiile de securitate trebuie să fie
utilizat în mod regulat. Din perspectiva securităţii Cloud, datele stocate în Cloud pot fi pierdute,
modificate, blocate sau furate. Prin urmare, datele stocate în Cloud trebuie să aibă mai multe
backup-uri verificate pentru a evita pierderea de date şi modificările nedorite.
6.3.4. Exemple de aplicaţii mobile bazate pe servicii Cloud
Aplicaţiile mobile devin o parte integrantă a societăţii în diverse domenii: educaţie, comerţ,
sănătate / wellness, transport pentru a numi doar câteva. Realizarea acestor aplicaţii la scară
este o provocare - promotori si părţile interesate se confruntă cu constrângeri care apar datorită
mai multor factori, inclusiv resursele limitate de pe telefonul mobil (Rahimi et al., 2014). În
continuare vor fi evidenţiate câteva clase de aplicaţii mobile care utilizează servicii Cloud
precum şi constrângerile care reduc experienţa utilizatorului şi, în consecinţă, limitează
utilizarea lor pe scară largă.
Aplicaţii educative. Prin utilizarea aplicaţiilor mobile în domeniul învăţământului se produce o
schimbare de paradigmă în “furnizarea serviciilor educaţionale", aceasta putând avea un
impact important în comportamentul asociat procesului de învăţare. Lecţiile şi cursurile pe un
dispozitiv mobil ar putea fi descrise ca în (Berking, Haag, & Archibald, 2012), folosind
tehnologia mobilă pentru a îmbunătăţi sau spori cunoştinţele utilizatorilor, a aptitudinilor şi a
comportamentului prin educaţie, formare profesională, oricând şi oriunde. Învăţarea cu ajutorul
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 118
unui dispozitiv mobil adaugă un nou nivel în cadrul procesului de învăţare prin utilizarea
telefoanelor inteligente; ca şi alte sisteme de e-learning (Saylor, 2013), învăţarea cu ajutorul
dispozitivelor mobile este un proces colaborativ.
Principalele provocări în acest domeniu sunt legate de anumite limitări ale dispozitivelor mobile
precum şi de conţinutul materialelor educative. Streaming-ul video este o activitate mare
consumatoare de energie însă este esenţială pentru aplicaţiile educaţionale. Aceasta provoacă
însă epuizarea rapidă a energiei dispozitivului.
Comerţul mobil. Dispozitivele mobile sunt utilizate pe scară largă în afaceri şi comerţ (Yang,
Pan, & Shen, 2010), acoperind o gamă largă de aplicaţii. Aplicaţiile de comerţ mobil includ
tranzacţiile comerciale şi plăţile care sunt efectuate cu ajutorul dispozitivului mobil. Ca şi în
cazul aplicaţiilor educative, provocările apar la mai multe niveluri. Aplicaţii e-commerce au
nevoie de resurse de calcul şi de stocare ridicate pentru prelucrarea datelor şi partajarea
acestora. Tranzacţiile utilizatorului trebuie să fie interacţiuni sigure şi private între acesta şi
furnizorul de servicii; prezenţa unor servicii Cloud publice în cazul tranzacţiilor sigure şi private
este o sursă de îngrijorare pentru mulţi utilizatori. Anumite tehnici de a structura modul în care
datele sunt stocate utilizând servicii Cloud publice sau private trebuie să fie realizate în funcţie
de limitările dispozitivului mobil şi sensibilitatea conţinutului în curs de procesare.
Sănătate şi wellness. În baza unor studii de cercetare în domeniul asistenţei medicale, se
constată că anumite boli cronice cum ar fi de exemplu diabetul zaharat, astmul bronşic sau
obezitatea, reprezintă aproximativ 46% din problemele de sănătate la nivel mondial
(Braunstein, 2012). Tratamentul bolilor cronice depinde în mare măsură pe raportarea continuă
a stării de sănătate de către pacient. Platformele de tip mHealth (mobile health) fac posibilă
colectarea de către pacient a datelor relevante pentru medici, oriunde, oricând pentru a pentru
un tratament eficient.
Implementarea aplicaţiilor mHealth implică numeroase provocări - cele mai importante dintre
acestea se referă la prelucrarea în timp real şi stocarea unor volume mari de date ale
pacientului. Aceasta are implicaţii asupra modului în care trebuie realizată protejarea vieţii
private / de securitate a informaţiilor medicale (Meingast, Roosta, & Sastry, 2006).
Reţele sociale. Numeroase aplicaţii mobile ce utilizează servicii Cloud enumerate mai sus
presupun acum şi o prezenţă în cadrul reţelelor sociale în care acestea pot fi uşor descoperite
şi utilizate. Se foloseşte termenul de Mobile Social Network (MSN) pentru a referirea în sens
larg la astfel de aplicaţii. Astăzi, aplicaţiile mobile sunt adesea dezvoltate pentru a fi integrate
cu reţele sociale, cum ar fi de exemplu Facebook. Aceste reţele sociale servesc astfel şi ca
mijloace de autentificare de-facto.
6.3.5. Tipuri de platforme de dezvoltare
Numeroase studii dedicate dezvoltării de aplicaţii mobile se concentrează pe problemele cu
care se confruntă programatorii, făcând astfel necesară utilizarea platformelor pentru a
îndeplini cerinţele de dezvoltare a aplicaţiilor. Putem clasifica platformele de dezvoltare pentru
aplicaţii după cum urmează:
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 119
Platforme sensibile la context
Numeroase studii de cercetare au descris diverse moduri pentru dezvoltarea aplicaţiilor mobile
eficiente, concentrându-se pe obţinerea datelor din mediul mobil.
(Buthpitiya et al., 2012) şi-au propus să dezvolte un cadru pentru crearea de aplicaţii avansate
sensibile la context. Acesta este un instrument care oferă un protocol şi o ontologie în care un
widget poate descoperi alte widget-uri care furnizează informaţiile de context. Fiecare widget
asigură un nivel ridicat de securitate pentru aplicaţie, fiind axat pe autentificarea altor widget-
uri, asigurarea integrităţii widget-urilor, precum şi asigurarea comunicării între widget-uri.
(Biegel & Cahill, 2004) au dezvoltat un cadru care facilitează dezvoltarea de aplicaţii sensibile
la context, permiţând dezvoltatoriilor să colecteze şi să gestioneze datele provenite de la
senzori şi context. Acest cadru îndeplineşte două cerinţe majore necesare pentru dezvoltare cu
succes a aplicaţiilor omniprezente şi sensibile la context:
uşurinţa în proiectarea aplicaţiei, a dezvoltării unui prototip şi testarea;
facilitarea pentru designerii şi utilizatorii finali de a-şi construi propriile aplicaţii.
In acest sens, oferă un instrument de programare vizuală care elimină necesitatea de a scrie
un cod complex.
(Van Wissen, Palmer, & Kemp, 2010) descriu "ContextDroid", un cadru centralizat care ajută
programatorii să dezvolte aplicaţii sensibile la context şi care reduce timpul de dezvoltare,
punând accentul pe eficienţa în utilizarea bateriei dispozitivului mobil.
Platforme de tip suport
Alte cercetări în domeniu descriu platforme de tip suport şi îndrumare pentru dezvoltarea de
aplicaţii mobile.
(Doolittle et al., 2012) a creat un cadru de dezvoltare de aplicaţii mobile ca un set de capabilităţi
specifice, instrumente şi resurse care să permită implementarea cu succes a aplicaţiilor ce
permite dezvoltatorilor să ofere feedback cu privire la ceea ce a funcţionat cel mai bine în
cadrul procesului de dezvoltare. Acest cadru furnizează documentaţie specifică, capabilităţile
generice, precum şi resurse necesare aplicaţiilor.
(Cheng & Yuan, 2007) au propus proiectarea şi punerea în aplicare a unui cadru de dezvoltare
generic - Generic Mobile Application (GMA). Acest cadru este capabil să se adapteze diferitelor
dispozitive sau situaţii de utilizare în funcţie de formatul interfeţei cu utilizatorul, puterea şi
funcţionalitate dispozitivului mobil.
(Systems, 2011) oferă indicaţii cu privire la modul de selecţie a platformelor de dezvoltare
pentru aplicaţiile mobile axându-se pe reutilizarea componentelor existente în cadrul aplicaţiilor
web.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 120
7. Concluzii
Raportul prezintă rezultatele obţinute în cadrul primei etape a proiectului, conform planului de
realizare, care prevede derularea a două activităţi.
Activitate I.1 – „Analiza tematicilor CDI prioritare pentru TIC ca sector de specializare
inteligentă” s-a concretizat în selectarea unor tematici de cercetare-dezvoltare în domeniul
TIC, relevante pentru interesul pe care îl pot genera pentru sectoarele de specializare
inteligentă.
Având în vedere că Domeniul de acţiune III – eCommerce, Cercetare-dezvoltare-inovare în
TIC din Strategia Naţională privind Agenda Digitală pentru România 2020 este orientat pe TIC
în economie, ca suport pentru competitivitate prin inovare, interesul generat de tematicile
relevante TIC se referă, în principal, la suportul pentru sectoarele de specializare inteligentă
reprezentative pentru activitatea economică şi mediul de afaceri.
Conform metodologiei proiectului, demersul în stabilirea tematicilor TIC relevante a constat în:
studierea documentelor programatice la nivel naţional pentru perioada 2014-2020:
Strategia Naţională privind Agenda Digitală pentru România 2020, Strategia Naţională
pentru Competitivitate şi Programul Operaţional Competitivitate, Strategia Naţională de
Cercetare-Inovare;
formularea unei prime propuneri (6 tematici), pe baza analizei celor 4 subdomenii TIC
ca domeniu de specializare inteligentă: Analiza şi securitatea datelor de mari
dimensiuni, Internetul viitorului, Calculul de înaltă performanţă şi noi modele
computaţionale, Tehnologii, instrumente şi metode pentru dezvoltare de software;
comparaţia şi validarea acestei prime variante cu referinţe la nivel european, din
activitatea cercetare-inovare în TIC (Programul Orizont 2020) şi din politicile de
implementare-utilizare soluţii TIC în companii din Europa de vest la nivelul anului 2015;
selectarea celor 4 tematici TIC, pe baza utilizării a trei criterii de relevanţă: rolul de
dimensiune prioritară în dezvoltarea unei soluţii informatice, complementaritatea
funcţională a tematicilor, expertiza existentă la nivelul echipei de realizare.
Analiza documentelor programatice, coroborată cu obiectivul specific din Planul sectorial căruia
îi este subordonat prezentul proiect, şi anume “e-Comerţ şi cercetare-dezvoltare-inovare în
TIC”, a permis fundamentarea orientării tematice de ansamblu a prezentului proiect: mediul de
afaceri şi competitivitate economică prin aportul de inovare al TIC. Acest aspect este
determinant pentru activitatea de selectare şi analiză a tematicilor TIC de interes.
Cele patru tematici sunt:
Managementul, guvernanţa şi analiza datelor de mari dimensiuni (Big Data)
Suport decizional bazat pe soluţii de Inteligenţa Afacerilor
Timp real şi conectivitate extinsă
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 121
Aplicaţii pentru dispozitive mobile inteligente.
Activitate I.2 – “Investigarea tematicilor CDI-TIC relevante pe ansamblul sectoarelor SI” s-a
concretizat în elaborarea rapoartelor de analiză pentru cele patru tematici selectate.
Rapoartele au o structură unitară: descrierea tematicii, potenţialul de impact pentru
competitivitate, tipologia de soluţii TIC specifice. Elaborarea lor s-a bazat pe expertiza echipei
proiectului şi pe consultarea unui volum consistent de referinţe bibliografice. O selecţie a
principalelor idei şi concluzii ale celor patru rapoarte este prezentată în continuare.
Managementul, guvernanţa şi analiza datelor de mari dimensiuni:
Organizaţiile înoată într-un ocean în expansiune de date care sunt, fie prea voluminoase, fie
prea nestructurate pentru a putea fi gestionate şi analizate prin metode tradiţionale.
Fenomenul Big Data este dinamic, volumul datelor care se acumulează într-o organizaţie
creşte continuu, în mod exponenţial şi cu viteze din ce în ce mai mari.
Guvernanţa şi integrarea informaţiilor sunt factori esenţiali pentru a obţine valoarea maximă
dintr-un proiect de tip Big Data.
Organizaţiile care valorifică Big Data se diferenţiază prin importanţa acordată fluxurilor de
date (în detrimentul datelor care se referă la trecut), promovarea experţilor în date,
coroborată cu migrarea analizei avansate a datelor dinspre sistemul TIC spre activităţile de
bază şi implementarea schimbărilor organizatorice aferente acestei migrări;
Volumul şi viteza crescute ale datelor în mediile de producţie vor determina organizaţiile să
dezvolte procese continue pentru colectarea, analiza şi interpretarea datelor.
Spre deosebire de abordarea clasică, în gestionarea Big Data prelucrările sunt aduse în
proximitatea datelor.
Organizaţiile de succes vor instrui şi recruta oameni cu un nou set de aptitudini, capabili să
integreze noile capabilităţi de Analytics în mediile lor de producţie.
Pe măsură ce Big Data evoluează, arhitecturile se vor dezvolta într-un ecosistem de
informaţii: o reţea de servicii interne şi externe partajând continuu informaţii, optimizând
deciziile, comunicând rezultatele şi generând noi perspective pentru afaceri.
Big Data necesită implementări de înaltă performanţă ale tehnicilor Analytics. Principalul
avantaj al utilizării Analytics în procesul de luare a deciziilor de afaceri este posibila evitare a
subiectivităţii.
Scopul fundamental al ştiinţei datelor, în cadrul unei organizaţii, este de a promova, sprijini şi
a ameliora în permanenţă procesele de decizie condusă de date.
Tendinţa este ca succesul şi valoarea afacerii să se bazeze pe formula „business = date +
algoritmi”. Companiile care adoptă un model de afaceri bazat pe software sunt reactive şi
„conduse de date” (data-driven).
A deveni companie condusă de date (data driven) presupune cultivarea şi adoptarea unei
mentalităţi conform căreia desfăşurarea afacerii este bazată pe utilizarea continuă a
tehnicilor de tip Analytics în luarea deciziilor de afaceri pe bază de fapte.
Pe măsură ce utilizarea Analytics de către companii se maturizează, adoptarea se va
răspândi şi colaborarea între echipe şi departamente se va îmbunătăţi în mod continuu.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 122
Calitatea datelor nu mai poate fi exprimată şi măsurată în funcţie de cât de adecvate sunt
unui anumit scop, ci trebuie să fie evaluate din perspectiva unor scopuri multiple, luând în
considerare toate utilizările şi cerinţele de calitate din aval.
Prin platforme Big Data Analytics adecvate, o întreprindere îşi poate spori vânzările, creşte
eficienţa şi îmbunătăţi operaţiunile, serviciile către clienţi şi managementul riscurilor.
Tipologia proiectelor Big Data ia în considerare cerinţele de utilizare a datelor (la nivel
agregat / individualizat) şi de valabilitate a datelor (pe termen scurt / lung).
Calculul în Cloud şi Big Data sunt strâns legate. Arhitectura de referinţă pentru Analytics în
Cloud include ca element central conceptul de “lac de date”, un spaţiu de stocare vast,
consolidat, care evită metodele rigide ale structurilor de date clasice.
Suport decizional bazat pe soluţii de Inteligenţa Afacerilor:
Lumea afacerilor a devenit mai competitivă şi mai puţin predictibilă, accentuând importanţa
unei asistări a deciziei efective şi a utilizării instrumentelor suport de decizie.
Aspectele noi legate de complexitatea şi diversificarea activităţilor decizionale, cât şi
progresele recente în TIC au contribuit la impulsionarea cercetărilor în domeniile Inteligenţei
afacerilor (Business Intelligence - BI), Analizei de afaceri (Business Analytics - BA) şi
Sistemelor Suport de Decizie (Decision Support Systems - DSS).
BI este un concept care presupune extragerea şi transformarea datelor în informaţie
inteligibilă (cu sens). Astăzi, presiunea concurenţială impune luarea unor măsuri care să
transforme BI în sensul furnizării in timp util de strategii de acţiune.
Afacerile inteligente au nevoie de BI pentru recunoaşterea, analiza, modelarea, structurarea
şi optimizarea proceselor de afaceri, precum şi pentru administrarea şi analiza unor cantităţi
masive de date structurate, semi-structurate şi nestructurate.
Beneficiile majore ale BI pentru o companie constau în abilitatea de a furniza informaţii
corespunzătoare atunci când este necesar, incluzând o imagine în timp real a performanţei
organizaţiei şi a componentelor sale.
BA a fost introdusă la sfârşitul anilor 2000, ca o componentă cheie de analiză în BI. BI a
evoluat de la BA de tip descriptiv la BA de tip prescriptiv.
BA tratează datele lor ca un activ corporativ şi ca o pârghie pentru un avantaj competitiv.
Succesul BA depinde şi de calitatea experţilor în analiza datelor.
Nicio tendinţă de afaceri din ultimul deceniu nu are un impact potenţial la fel de mare asupra
investiţiilor în TI ca BA şi BDA.
Companiile investesc în BA pentru a obţine rezultate centrate pe ieşiri, a optimiza operaţiile,
a gestiona riscurile şi a dezvolta noi modele de afaceri.
Realizarea de capabilităţi în BA va îmbunătăţi nu numai performanţa în segmente şi funcţii
tradiţionale, dar, va creea şi oportunităţi pentru a extinde ofertele de produse şi servicii.
Complexitatea lucrului cu BI/BA, integrarea tehnologiilor şi disponibilitatea competenţelor de
analiză avansată a datelor sunt principalele dificultăţi pentru utilizarea cu succes a BI/BA în
cadrul organizaţiilor.
Capabiltăţile unei platforme software BI/BA sunt grupate în trei categorii: analiză date,
integrare date şi livrare informaţii.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 123
Succesul utilizării unor produse BI/BA depinde de calitatea datelor şi a tehnologiilor utilizate,
competenţele analiştilor, cultura organizaţională, adaptarea afacerii la cerinţele utilizării BI.
Timp real şi conectivitate extinsă:
Progresele de dată recentă în automatizarea instalaţiilor industriale de mari dimensiuni s-au
datorat echipamentelor capabile să implementeze funcţii cu un nivel ridicat de complexitate,
care necesită o adaptare corespunzătoare a mecanismelor şi strategiilor de operare şi
control.
Noua generaţie de aplicaţii în timp real trebuie să se conformeze cerinţelor industriale de a
susţine integrarea la nivel de companie, controlul la distanţă şi chiar implementarea de
sisteme bazate pe Internet, care să permită execuţia distribuită şi cooperarea între diferite
echipamente.
Tendinţa de integrare a sistemelor de conducere avansată ale instalaţiilor în reţelele
corporatiste permite un management unitar, care să înglobeze aspectele economice,
tehnologia de producţie, resursele materiale şi umane.
Procesul de proiectare al unui sistem de reglare automata optimala multi-obiectiv are un
caracter iterativ şi interactiv, incepând de la faza de constructie a modelului matematic, pâna
la validarea solutiei de automatizare, prin analiza asistata de calculator a performantelor.
Noua generaţie de echipamente de proces trebuie să poată susţine dezvoltarea unor
aplicaţii în timp real din ce în ce mai complexe şi să permită proiectarea unor sisteme de
conducere adaptabile, reconfigurabile, capabile să funcţioneze în arhitecturi distribuite ce au
o flexibilitate ridicată.
În ultimii ani a fost introdusă în industria sistemelor complexe în timp real o largă varietate
de tehnologii şi echipamente de magistrale de câmp, care se bazează pe protocoale
industriale ce permit schimbul de mesaje sau de date între echipamentele componente.
Mediile de producţie necesită sisteme de conducere în timp real, cu un nivel de
supraveghere şi control performant, bazat pe resurse Cloud, capabil să îmbunătăţească şi
să optimizeze funcţionarea instalaţiilor industriale.
IoT face posibilă dezvoltarea reţelelor ce încorporează întregul proces de fabricaţie. Prin
analiza datelor furnizate de obiectele inteligente din reţeaua IoT se oferă noi servicii care nu
ar fi fost posibile fără acest nivel de conectivitate şi inteligenţă analitică.
Caracteristicile fundamentale IoT sunt posibilitatea de conectare la infrastructuri globalizate
de comunicaţii de informaţii; lucrul cu o diversitate de dispozitive care pot interacţiona între
ele sau cu alte platforme; dinamica modificărilor privind numărul de dispozitive, starea
acestora, contextul în care acţioneză; capacitatea de a se adapta tendinţei de creştere
accentuată a numarului dispozitivelor IoT.
In ceea ce priveşte conexiunea cu tehnologia Cloud, se apreciază că după IaaS, PaaS şi
SaaS, următoarea paradigmă este virtualizarea lucrurilor, pentru a putea furniza
funcţionalitate „IoT as a service”. Sensor-Cloud Infrastructure permite virtualizarea unui
senzor fizic sau a unei reţele de senzori fizici.
Se urmăreste ca platformele de Cloud Computing să preia atribuţiile sistemelor SCADA,
adoptând tehnologia IoT, având ca rezultat raportarea aproape în timp real a stării şi
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 124
valorificarea scalabilităţii orizontale a mediului Cloud pentru a implementa algoritmi de
control mai complecşi.
Rata de adoptare a IoT-ului în producţie, pentru anul 2025 este estimată între 65 şi 90 la
suta în economiile avansate şi de între 50 şi 70 la sută în economiile în curs de dezvoltare.
Aceste niveluri de penetrare sunt similare cu cele observate pentru echipamentele de
automatizare a producţiei din ultimele decenii. Aplicaţiile IoT din domeniul industrial au
potenţialul de a genera valoare între 1.200 miliarde dolari şi 3.700 miliarde dolari pentru anul
2025,
IoT este inclus intre cele 5 surse majore de impact pentru schimbările care au loc în mediul
industrial, alături de serviciile Cloud, Big Data şi Analytics, comunicaţii în bandă largă şi
centrele de date.
O platformă IoT permite unei organizaţii utilizatoare (întreprindere industrială, unitate
medicală, unităţi din domeniul transportului şi distribuţiei de energie), interesată de
implementarea unei soluţii IoT, să se concentreze pe problemele concrete pe care le are de
rezolvat privind valorificarea informaţiilor existente în diversele dispozitive pe care le
utilizează.
Industry 4.0, ca sistem cibernetico-fizic, va debloca potenţialul generat de posibilităţile de
urmărire a proceselor la un nivel de detaliu inacessibil în prezent, va facilita o cooperare mai
strânsă între partenerii de afaceri, va oferi o mai mare flexibilitate şi robusteţe, precum şi
standarde de calitate în inginerie, planificare, fabricaţie, procese de exploatare şi logistică,
va duce la apariţia de lanţuri ale valorii dinamice, cu auto-organizare, optimizate în timp real.
Potenţialul de impact al Industry 4.0 este generat de: îndeplinirea cerinţelor individuale ale
clienţilor (fabricarea în condiţii de profit un produs la un volum de producţie foarte mic),
configurarea dinamică a diferitelor aspecte ale proceselor de afaceri, decizii optimizate, în
timp real, productivitatea şi eficienţa resurselor, modele mai flexibile de organizare a muncii
în companii orientate spre satisfacerea nevoilor angajaţilor.
Aplicaţii pentru dispozitive mobile inteligente
Din punct de vedere tehnologic, tipologia aplicaţiilor mobile include: aplicaţii native, aplicaţii
web şi aplicaţii hibride.
Tehnologiile utilizate în dezvoltarea aplicaţiilor pentru dispozitivele mobile inteligente au
progresat foarte mult datorită concurenţei acerbe între marile companii ce furnizează soluţii
hardware şi software.
La fel ca şi în alte domenii, creşterea numărului şi a varietăţii aplicaţiilor mobile a făcut ca
descoperirea acestora să devină o provocare.
Dezvoltarea aplicaţiilor mobile este una dintre cele mai active zone de dezvoltare soft, având
în vedere fragmentarea continuă a pieţei în ceea ce priveşte dispozitivele mobile şi
sistemele de operare. Principalele probleme cu care se confruntă dezvoltatorii de aplicaţii
sunt în mare parte datorate limitărilor dispozitivului mobil.
In condiţiile în care dispozitivele mobile inteligente se dovedesc a fi alegerea preferată
pentru conectarea la Internet, atât pentru persoane particulare, cât şi pentru angajaţi,
dezvoltarea aplicaţiilor mobile se reorientează de la programarea web la programarea
mobilă. Tehnologia Cloud Computing oferă beneficii legate de creşterea capacităţii de
prelucrare şi de stocare a datelor.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 125
Proiectarea Interfeţei Utilizator este esenţială pentru succesul unei aplicaţii mobile. În cazul
dispozitivelor mobile componenta de UI trebuie să considere atât constrângerile specifice,
cât şi contextul de utilizare.
După specificul serviciilor furnizate, aplicaţiile mobile pot fi predictive, bazate pe senzori sau
bazate pe servicii Cloud.
Piaţa de aplicaţii mobile este structurată în jurul platformelor de dezvoltare a aplicaţiilor
mobile.
Platformele de dezvoltare de aplicaţii pentru dispozitivele mobile permit întreprinderilor
beneficiare să realizeze proiectarea, dezvoltarea, testarea, implementarea, distribuirea,
analiza şi gestionarea unui portofoliu de aplicaţii mobile pe o gamă largă de dispozitive şi
care abordează cerinţe pentru diverse cazuri de utilizare.
Tipologia platformelor de dezvoltare aplicaţii mobile include platformele sensibile la context
(care se concentrează pe obţinerea datelor din mediul mobil) şi platforme suport şi
îndrumare pentru dezvoltarea de aplicaţii mobile.
Se estimează că economia bazată pe aplicaţii mobile creează venituri de peste 10 miliarde
dolari pe an în cadrul Uniunii Europene, în timp ce peste 529 de mii de locuri de muncă au
fost create în cele 28 de state ale UE, datorită dezvoltării pieţei de aplicaţii mobile.
Pentru valorificarea acestui potenţial este prioritară elaborarea şi adoptarea unei strategii de
dezvoltare şi implementare a aplicaţiilor mobile în întreprindere, bazată pe obiectivele şi
cerinţele de afaceri ale companiei. Principalele reguli de elaborare se referă la:
recunoaşterea mobilităţii ca prioritate a afacerii, dezvoltarea prin acumularea de experienţă,
adaptarea la un context diversificat de utilizare (angajaţi, parteneri, clienţii), includerea
aplicaţiilor mobile în portofoliul de aplicaţii al întreprinderii, securizarea datelor şi proceselor
de afaceri concomitent cu dezvoltarea experienţei mobile, investiţii în asigurarea unui flux de
aplicaţii mobile, accent pe proiectarea colaborativă a aplicaţiilor mobile, promovarea
mobilităţii ca dimensiune a agilităţii organizaţionale.
*
* *
Indicatorii de realizare ai obiectivului specific pentru această etapă au următoarele valori:
a) Nr. tematici CDI-TIC prioritare identificate: 4
b ) Criterii de analiză şi selecţie a tematicilor relevante: 3
c) Nr. surse de informare analizate:
documente programatice pentru activitatea CDI-TIC la nivel naţional, european şi
internaţional: 7 (conform Bibliografiei);
documentaţii tehnice: studii, rapoarte, expertize, previziuni, puncte de vedere ale
beneficiarilor potenţiali ai rezultatelor proiectului etc) : 144 (repartizate pe cele 4 tematici
conform Bibliografiei);
rapoarte tehnice ale proiectelor CDI aflate în derulare sau finalizate: au fost analizate 12
proiecte în derulare din programele europene FP7 şi Orizont 2020, 6 proiecte finalizate
din programul FP7 şi 3 proiecte finalizate din Planul naţional CDI.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 126
Conform prevederilor Planului de realizare, rezultatele etapei constau în 4 rapoarte de analiză
pentru tematicile CDI-TIC relevante, prezentul raport de etapă şi raportul de activitate.
Indicatorii de realizare privind rezultatele etapei au următoarele valori:
a) Nr tematici CDI-TIC relevante identificate şi analizate: 21 tematici ale sub-domeniilor TIC ca
domeniu de specializare inteligentă;
b) Nr. rapoarte de analiză tematici relevante: 4.
Etapa a II-a – “Constituirea portofoliului de soluţii TIC generice (cu arie larga de aplicabilitate)
pentru tematicile CDI-TIC analizate” are ca obiectiv specific investigarea ofertei tematicilor
relevante privind soluţiile TIC generice, caracterizate printr-un potenţial extins de aplicabilitate
pe ansamblul sectoarelor de specializare inteligentă. Termen: 30.11.2016.
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 127
8. Bibliografie
SN-ADR (2015). Strategia Nationala privind Agenda Digitala pentru România 2020. Ministerul
pentru Societatea Informaţională, Februarie 2015.
(https://www.google.ro/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwitjO2SrqHJAhVFOxoK
HXERBcQQFggcMAA&url=http%3A%2F%2Fwww.mcsi.ro%2FCMSPages%2FGetFile.aspx%3Fnodeguid%3
D0617c1d7-182f-44c0-a978-4d8653e2c31d&usg=AFQjCNGvMiD0UUKjm5Jr4Wgj0HpNUbXUXQ).
POC (2014). Programul Operaţional Competitivitate 2014-2020. Ministerul Fondurilor
Europene, 2014. (http://http://www.fonduri-ue.ro/files/programe/COMPETITIVITATE/POC/VO.POC.2014-
2020.18.12.2014.pdf).
SNC (2014). Strategia Naţională pentru Competitivitate 2014 – 2020. Ministerul Economiei,
iunie 2014. (http://www.minind.ro/PROPUNERI_LEGISLATIVE/2014/SNC_2014_2020.pdf).
SN-CDI 2020 (2014). Strategia Naţională de Cercetare-Inovare 2014-2020 – versiunea tehnică.
Ministerul Educaţiei şi Cercetării Ştiinţifice, februarie 2014. (http://www.cdi2020.ro/wp-
content/uploads/2014/02/STRATEGIA_Versiunea-tehnica_Februarie-2014.pdf).
WP ICT 2014-15 (2014). Horizon 2020 - Work Programme 2014 – 2015, (5) Leadership in
enabling and industrial technologies, (i) Information and Communication Technologies.
European Commission Decision C (2014)4995 of 22 July 2014.
(http://ec.europa.eu/research/participants/data/ref/h2020/wp/2014_2015/main/h2020-wp1415-leit-ict_en.pdf).
WP ICT 2016-17 (2015). Horizon 2020 - Work Programme 2016 – 2017, (5.i) Information and
Communication Technologies. European Commission Decision C (2015)6776 of 13
October 2015. (http://ec.europa.eu/research/participants/data/ref/h2020/wp/2016_2017/main/h2020-
wp1617-leit-ict_en.pdf).
Schlack, M., (2015). 2015 IT Priorities - Editorial Global. TechTarget.
(http://docs.media.bitpipe.com/io_10x/io_102267/item_465972/2015%20IT%20Priorities%20Global.pdf)
Pentru tematica “Managementul, guvernanţa şi analiza datelor de mari dimensiuni”
Oracle. (2011). Enterprise Information Architecture: Best Practices in Data Governance
http://www.oracle.com/technetwork/articles/entarch/oea-best-practices-data-gov-400760.pdf
Oracle. (2013). Big Data & Analytics Reference Architecture. Oracle Enterprise Transformation
Solutions Series. Oracle White Paper. http://www.oracle.com/technetwork/topics/entarch/oracle-wp-
big-data-refarch-2019930.pdf
Korhonen, J.J., Melleri, I., Hiekkanen, K., Helenius, M. (2013). Designing Data Governance
Structure: An Organizational Perspective. GSTF Journal of Computing (JoC), 2(4).
http://dl6.globalstf.org/index.php/joc/article/viewFile/576/592
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 128
Meijer, E., & Kapoor, V. (2014). The responsive enterprise: Embracing the hacker way.
Communications of the ACM, 57(12), 38-43.
Tallon, P. P., Ramirez, R. V., & Short, J. E. (2013). The information artifact in IT governance:
Toward a theory of information governance. Journal of management information systems-
JMIS, 30(3), 141-177. ISSN 0742-1222.
http://www.researchgate.net/profile/Paul_Tallon/publication/269500452_The_Information_Artifact_in_IT_Gov
ernance_Toward_a_Theory_of_Information_Governance/links/5547ce510cf2e2031b3849d7.pdf
Niemi, E. (2013). Working Paper: Designing a Data Governance Framework. In Proceedings of
the fourth Scandinavian Conference on Information Systems (SCIS2013) and 36th
Information Systems Research Seminar in Scandinavia (IRIS2013), University of Oslo,
Norway, August, 2013
http://www.researchgate.net/publication/257194534_Working_Paper_Designing_a_Data_Governance_Frame
work
Otto, B. (2011). A Morphology of the Organisation of Data Governance. In Proceedings of the
19th European Conference on Information Systems (ECIS 2011). Paper 272. Helsinki,
Finland, 2011. http://aisel.aisnet.org/ecis2011/272
Dimitriu, R. (2011). Ce înseamnă guvernanţă? Ce sens are termenul în legătură cu dezvoltarea
de proiecte?. Biroul Virtual de Consultanţă Antreprenorială (site cofinanţat din Fondul
Social European prin Programul Operaţional Sectorial Dezvoltarea Resurselor Umane
2007-2013 Investeşte în oameni!). http://www.e-birouvirtual.ro/node/3726#comment-3731
Corrigan, D. (2013). Integrating and governing big data. IBM White Paper. https://www-
950.ibm.com/events/wwe/grp/grp037.nsf/vLookupPDFs/Integrating_Governing_BigData/$file/Integrating_Gov
erning_BigData.pdf
Chui, M., Manyika, J., & Kuiken, S. V. (2014). What executives should know about open data.
McKinsey Quarterly, January, 2014. https://digitalstrategy.nl/files/2014.01-H-What-executives-should-
know-about-open-data.pdf
Zeleti, F. A., Ojo, A., & Curry, E. (2014, June). Emerging business models for the open data
industry: characterization and analysis. In Proceedings of the 15th Annual International
Conference on Digital Government Research (pp. 215-226). ACM.
http://www.edwardcurry.org/publications/dgo2014.pdf
Davenport, T. H., Barth P., & Bean, R. (2012). How 'Big Data' Is Different. MIT Sloan
Management Review 54(1) (Fall 2012). http://sloanreview.mit.edu/article/how-big-data-is-different/
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2013). Big data,
analytics and the path from insights to value. MIT sloan management review, 21.
http://www.ibm.com/smarterplanet/global/files/in_idea_smarter_computing_to_big-data-
analytics_and_path_from_insights-to-value.pdf
Chui, M., Manyika, J., & Van Kuiken, S. (2014). What executives should know about open data.
McKinsey Quarterly. McKinsey Global Institute, January2014.
http://www.mckinsey.com/insights/high_tech_telecoms_internet/what_executives_should_know_about_open_
data
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 129
Jetzek, T., Avital, M., & Bjørn-Andersen, N. (2013, December). Generating value from open
government data. In The 34th International Conference on Information Systems. ICIS
2013.
http://www.researchgate.net/profile/Thorhildur_Jetzek/publication/259501249_Generating_Value_from_Open
_Government_Data/links/0046352c535fb81d99000000.pdf
Jetzek, T., Avital, M., & Bjørn-Andersen, N. (2014). Generating Sustainable Value from Open
Data in a Sharing Society. In IFIP Advances In Information And Communication
Technology. · June 2014.
http://www.researchgate.net/profile/thorhildur_jetzek/publication/260930555_generating_sustainable_value_fr
om_open_data_in_a_sharing_society/links/0deec539983ac5a598000000.pdf
Stott, A. (2014). Open Data for Economic Growth. The World Bank. June 25, 2014
http://www.worldbank.org/content/dam/Worldbank/document/Open-Data-for-Economic-Growth.pdf
Pääkkönen, P., & Pakkala, D. (2015). Reference Architecture and Classification of
Technologies, Products and Services for Big Data Systems. Big Data Research.
http://www.sciencedirect.com/science/article/pii/S2214579615000027
Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and
analytics. International Journal of Information Management, 35(2), 137-144. http://ac.els-
cdn.com/S0268401214001066/1-s2.0-S0268401214001066-main.pdf?_tid=f28bfe04-7bc1-11e5-a2a4-
00000aacb35e&acdnat=1445851043_78a530da1a1bc187fa3c2f31bf7ffa5e
Banerjee, A., Bandyopadhyay, T., & Acharya, P. (2013). Data analytics: Hyped up aspirations
or true potential. Vikalpa, 38(4), 1-11. http://www.vikalpa.com/pdf/articles/2013/04-Perspectives.pdf
Demchenko, Y., De Laat, C., & Membrey, P. (2014, May). Defining architecture components of
the Big Data Ecosystem. In Collaboration Technologies and Systems (CTS), 2014
International Conference on (pp. 104-112). IEEE. http://uazone.org/demch/papers/bddac2014-bd-
ecosystem-archi-v05.pdf
Provost, F., & Fawcett, T. (2013). Data science and its relationship to big data and data-driven
decision making. Big Data, 1(1), 51-59.
http://www.researchgate.net/profile/Tom_Fawcett/publication/256439081_Data_Science_and_its_relationship
_to_Big_Data_and_data-driven_decision_making/links/02e7e5228cce561fd4000000.pdf
O’Neil, C, & Schutt R. (2013). Doing Data Science: Straight Talk from the Frontline. O'Reilly
Media, Inc. (Capitolul 1) http://cdn.oreillystatic.com/oreilly/booksamplers/9781449358655_sampler.pdf
Davenport, T. H., & Patil, D., J. (2012, October). Data scientist: The sexiest job of the 21st
century. Harvard Business Review. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-
century/
Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise
of “big data” on cloud computing: review and open research issues. Information Systems,
47, 98-115. http://umexpert.um.edu.my/file/publication/00001293_117865.pdf
Sullivan, J., Escaravage, J., & Guerra, P. (2014). The Cloud Analytics Reference Architecture:
Harnessing Big Data to Solve Complex Problems. Booz Allen Hamilton White paper.
McLean, VA, USA. http://www.boozallen.com/media/file/the-cloud-analytics-reference-architecture-
vp.pdf
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 130
Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in numbers: How does data-driven
decisionmaking affect firm performance?. Available at
http://papers.ssrn.com/sol3/Delivery.cfm/SSRN_ID1968725_code1376648.pdf?abstractid=1819486&mirid=1
Teradata. (2014). THE VIRTUOUS CIRCLE OF DATA Engaging employees in data and
transforming your business. Teradata White Paper.
Wladawsky-Berger, I. (2013, Sep 27). Data-Driven Decision Making: Promises and Limits.
[Web log post]. Retrieved from http://blogs.wsj.com/cio/2013/09/27/data-driven-decision-making-
promises-and-limits/
Tambe, P., Hitt, L., & Brynjolfsson, E. (2011). The Extroverted Firm: How External Information
Practices Affect Productivity. Management Science. January 2011.
http://ebusiness.mit.edu/research/papers/2011.01_Tambe_Hitt_Brynjolfsson_The%20Extroverted%20Firm_2
91.pdf
Loshin, D. (2013, February 12). Data Governance for Big Data Analytics: Considerations for
Data Policies and Processes. Data Informed. http://data-informed.com/data-governance-for-big-
data-analytics-considerations-for-data-policies-and-processes/
Soares, S. (2012, April 17). Big Data Governance: A Framework to Assess Maturity. [Web log
post]. Retrieved from http://www.ibmbigdatahub.com/blog/big-data-governance-framework-assess-
maturity.
Pentru tematica “Suport decizional bazat pe soluţii de Inteligenţa Afacerilor”
Bartlett, R., (2013), A Practitioner’s Guide to Business Analytics: Using Data Analysis Tools to
Improve Your Organization’s Decision Making and Strategy. McGraw-Hill. ISBN 978-
0071807593.
Burstein, F., Holsapple, C. (Eds.). 2008. Handbook on Decision Support Systems 1 - Basic
Themes. Springer Verlag, ISBN 978-3-540-48713-5.
Business Objects, (2007), About Business Intelligence, http://www.businessobjects.com/
businessintelligence/default.asp?intcmp=ip_company2
Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business Intelligence and Analytics: From Big
Data to Big Impact. MIS quarterly, 36(4), 1165-1188.
Cognos (2007), Cognos 8 Business Intelligence: What Is Business Intelligence?, Cognos
Corporation, http://www.cognos.com/products/.
Davenport, H.T. (2006). Competing on Analytics, Harvard Business Review, 2-11.
Davenport, H. T., &Dyche, J. (2013). Big Data in Big Companies. Retrieved January 5, 2015 from
http://www.sas.com/ resources /asset/Big-Data-in-Big-Companies.pdf.
Gartner. (2011). Gartner Says Solving 'Big Data' Challenge Involves More Than Just Managing
Volumes of Data, Retrieved January 8, 2015, from http://www.gartner.com/newsroom/id/1731916.
Grossmann, W., Rinderle-Ma, S. (2015). Fundamentals of Business Intelligence, Data-Centric
Systems and Applications, Springer-Verlag.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 131
Hagen, C., Cioba, M., Wall, D., Yadav, A., Khan, H., Miller, J., & Evans, H. (2013). Big Data
and Creative Destruction of Today’s BusinessModels, Retrieved January 5, 2015 from:
https://www.atkearney.com/strategic-it/ideas-insights/article/-/asset_publisher/LCcgOeS4t85g/content/big-
data-and-the-creative-destruction-of-today-s-business-models/10192.
Dresner, H. (2007). The Performance Management Revolution: Business Results Through
Insight and Action (John Wiley & Sons, 2007.
IBM. (2012). Analytics: The real-world use of big data: How innovative enterprises extract value
from uncertain data.
Ing, S. (2007), A Strategic Approach to Intelligence, SAScom Magazine,
http://www.sas.com/news/sascom.
Manyika, J., Chui M., Brown B., Bughin, J., Dobbs, R., Roxburgh, C., Hung Byers, H. A. (2011).
Big data: The next frontier for innovation, competition, and productivity. Big data: The next
frontier for innovation, competition, and productivity. McKinsey Global Institute Report.
http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.
Mayer, H.J., Quick, R., (2015). Business Intelligence for New-Generation Managers Current Avenues of Development, Springer
Moss, L., Hoberman, S. (2004). The Importance of Data Modeling as a Foundation for
Business Insight, Teradata.
Oracle (2007), Oracle Business Intelligence and Enterprise Performance Management,
http://www.oracle.com/solutions/business_intelligence/index.html.
Raisinghani, M. (2004). Business Intelligence in the Digital Economy: Opportunities, Limitations
and Risks, Idea Group Inc (IGI).
Sallam, R.L., Hostmann, B., Schlegel, K., Tapadinhas, J., Parenteau, J., Oestreich, T.W. (2015,
Feb 23). Magic Quadrant for Business Intelligence and Analytics Platforms. Gartner,
ID:G00270380. http://www.gartner.com/technology/reprints.do?id=1-2ACLP1P&ct=150220&st=sb.
SAS, (2011). The Current State of Business Analytics: Where Do We Go From Here? Retrieved
January 3, 2015 from http://www.sas.com/resources/asset/busanalyticsstudy_wp_08232011.pdf.
SAS, (2013). Assessing Your Business Analytics Initiatives: Eight Metrics That Matter. Retrieved
January 5, 2015 from http://www.enterpriseittools.com/sas/Assessing_your_business_analytics_initiatives.pdf
SAS, (2015). Data Visualization: Making Big Data Approachable and Valuable, Retrieved January
3, 2015 from www.sas.com/.../sas-datavisualization-marketpulse-106176.
Schlegel, K. (2011). Key Issues for Analytics, Business Intelligence and Performance
Management. Stamford, CT: Gartner Research.
Sircar, S. (2009). Business Intelligence in the Business Curriculum, Communications the
Association for Information Systems, 24(1), pp.289-302
Tan, H.K., Zhan, Y.Y., J, Guojun, Ye, F., & Chang, C., (2015).Harvesting Big Data to Enhance
Supply Chain Innovation Capabilities: AnAnalytic Infrastructure Based on Deduction
Graph, International Journal of Production Economics.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 132
Turban, E., Aronson, J.E., Liang, T.P. et Shardo R. (2007).Decision Support and Business
Inteligence Systems, Eight Edition, Pearson Prentice Hall, New Jersey.
Turban, E., Sharda, R., & Delen D.(2011). Decision Support and Business Intelligence
Systems, Ninth Edition, Prentice Hall.
Zaman M. (2005), Business Intelligence: Its Ins and Outs, technologuevaluation.com
Watson, H. (2005). Sorting Out What’s New in Decision Support. Business Inteligence Journal
Watson, H. J. (2009). Tutorial: business intelligence–past, present, and future. Communications
of the Association for Information Systems, 25(1), 39.
Wicom, B., Ariyachandra, T., Goul, M., Gray, P., Kulkarni, U., & Phillips-Wren, G. (2011). The
Current State of Business Intelligence in Academia.Communications of the Association
for Information Systems, 29(16), 299–312.
Whitehorn, M. & Whitehorn,M. (1999).Business Intelligence: The IBM Solution
Datawarehousing and OLAP, Springer-Verlag, NY.
Pentru tematica “Timp real şi conectivitate extinsă”
Colombo, A.W., Karnouskos, S., Bangemann, T. (2014). Towards the Next Generation of
Industrial Cyber-Physical Systems. In Colombo, A., Bangemann, Th., Karnouskos, S.,
Delsing, J., Stluka, P., Harrison, R., Jammes, F., Lastra, J.L. (Eds.), Industrial Cloud-
Based Cyber-Physical Systems (pp. 1-22), Springer International Publishing.
DZone (2015). Key Research Findings. In DZone’s 2015 guide to The Internet of Things,
DZone.com/guides, pp. 3-5.
Ferreira, P., Reyes, V., Maestre, J. (2013). A Web-Based Integration Procedure for the
Development of Reconfigurable Robotic Work-Cells. International Journal of Advanced
Robotic Systems, Jan. 2013.
Greenfield, D. (2011). Manufacturing and the Internet of Things. AutomationWorld Magazine,
Oct. 2011.
Huawei (2015). Global Connectivity Index 2015 - Building a better connected world.
Benchmarking Digital Economy Transformation.
Kagermann, H., Wahlster, W., Helbig, J. (2013). Securing the future of German manufacturing
industry. Recommendations for implementing the strategic initiative INDUSTRY 4.0. Final
report of the Industry 4.0 Working Group, April 2013.
LeHong, H., Velosa, A. (2014, July 24). Hype Cycle for the Internet of Things. Garther Group,
ID:G00264127. http://www.gartner.com/technology/reprints.do?id=1-27LJLAK&ct=150119&st=sb.
Lydon, B. (2013). Automation and Control Trends in 2013. http://www.automation.com.
Lydon, B. (2014). Internet of Things - Industrial automation industry exploring and implementing
IoT. InTech Magazine, Mar-Apr. 2014.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 133
Manyika, J., Chui, M., Bisson, P., Woetzel, J., Dobbs, R., Bughin, J., Aharon, D. (2015). The
Internet of Things: Mapping the Value Beyond the Hype. McKinsey Global Institute, June
2015.
McClellan, C. (2015). The Internet of Things and big data: Unlocking the power. Executive’s
guide to IoT and big data, TechRepublic and ZDNet, CBS Interactive Inc.
Pettey, C. (2011). Gartner Identifies the Top 10 Strategic Technologies for 2012. Oct. 2011.
http://www.bussinesswire.com.
Vermesan, O., Friess, P. (Eds.) (2014). Internet of Things – From Research and Innovation to
Market Deployment. River Publishers, Denmark. ISBN: 978-87-93102-95-8.
Pentru tematica “Aplicaţii pentru dispozitive mobile inteligente”
Accessibility - iOS - Apple. (2015). Accessibility - iOS - Apple. Retrieved November 8, 2015,
from https://www.apple.com/accessibility/ios/.
App - word of the year. (2010). App - word of the year. Retrieved November 8, 2015, from
http://www.americandialect.org/app-voted-2010-word-of-the-year-by-the-american-dialect-society-updated.
Azoff, M. (2015, Feb. 15). Ovum Decision Matrix: Selecting a Mobile App Development
Platform Solution, 2015–16. OVUM, IT0022-000223.
Bareiss, R., & Sedano, T. (2011). Improving mobile application development. In 2nd Annual
Workshop on Software Engineering for Mobile Application Development, MobiCASE (Vol.
11, pp. 7-10).
Berking, P., Haag, J., & Archibald, T. (2012). Mobile learning: Not just another delivery method.
Presented at the Interservice Industry Training, Simulation, and Education Conference
IITSEC.
Biegel, G., & Cahill, V. (2004). A Framework for Developing Mobile, Context-aware
Applications. PerCom, 361–365. http://doi.org/10.1109/PERCOM.2004.1276875
Bock, G. (2015). Mobility in 2015: The Essential Mobility Guidebook - Ten New Rules for
Mobile Strategy and Success. Kony, Inc.
Böhmer, M., Hecht, B., Schöning, J., Krüger, A., & Bauer, G. (2011). Falling asleep with Angry
Birds, Facebook and Kindle: a large scale study on mobile application usage. The 13th
International Conference (pp. 47–56). New York, USA: ACM.
http://doi.org/10.1145/2037373.2037383
Braunstein, M. L. (2012). Health informatics in the cloud.
Buthpitiya, S., Luqman, F. B., Griss, M. L., Xing, B., & Dey, A. K. (2012). Hermes - A Context-
Aware Application Development Framework and Toolkit for the Mobile Environment.
AINA Workshops, 663–670. http://doi.org/10.1109/WAINA.2012.43
Carbon, R., & Hess, S. (2011). Mobile Business Applications must be thoroughly engineered!
(Vol. 11, pp. 14–16). Presented at the 2nd Annual Workshop on Software Engineering for
Mobile Application Development, MobiCASE.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 134
Charland, A., & LeRoux, B. (2011). Mobile Application Development: Web vs. Native. ACM
Queue, 9(4), 20. http://doi.org/10.1145/1966989.1968203
Cheng, M.-C., & Yuan, S.-M. (2007). An adaptive and unified mobile application development
framework for Java. Journal of Information Science and Engineering, 23(5), 1391–1405.
Consolvo, S., McDonald, D. W., Toscos, T., Chen, M. Y., Froehlich, J., Harrison, B., et al.
(2008). Activity sensing in the wild: a field trial of ubifit garden. Proceeding of the twenty-
sixth annual CHI conference (pp. 1797–1806). New York, New York, USA: ACM.
http://doi.org/10.1145/1357054.1357335
Dehlinger, J., & Dixon, J. (2011). Mobile application software engineering: Challenges and
research directions. Workshop on Mobile Software Engineering.
Djenouri, D., Khelladi, L., & Badache, N. (2005). A survey of security issues in mobile ad hoc
networks. IEEE Communications Surveys.
Doolittle, J., Moohan, I., Simpson, J., & Soanes, I. (2012). Building a mobile application
development framework. Intel Whitepaper.
Dutta, P., Aoki, P. M., Kumar, N., Mainwaring, A., Myers, C., Willett, W., & Woodruff, A. (2009).
Common Sense: participatory urban sensing using a network of handheld air quality
monitors. The 7th ACM Conference (pp. 349–350). New York, New York, USA: ACM.
http://doi.org/10.1145/1644038.1644095.
Gartner (2013). Mobile apps revenues tipped to reach $26bn in 2013. Retrieved November 8,
2015, from http://www.theguardian.com/technology/appsblog/2013/sep/19/gartner-mobile-apps-revenues-
report.
Gartner (2015, July 23). Magic Quadrant for Mobile Application Development Platforms.
Gartner Group Report, ID:G00270267.
Google now (2015). Google now. Retrieved November 11, 2015, from
https://www.google.com/landing/now/.
Gruenerbl, A., Osmani, V., Bahle, G., Carrasco, J. C., Oehler, S., Mayora, O., et al. (2014).
Using smart phone mobility traces for the diagnosis of depressive and manic episodes in
bipolar patients. The 5th Augmented Human International Conference (pp. 38–48). New
York, New York, USA: ACM. http://doi.org/10.1145/2582051.2582089
Ha, K., Pillai, P., Lewis, G., Simanta, S., Clinch, S., Davies, N., & Satyanarayanan, M. (2013).
The Impact of Mobile Multimedia Applications on Data Center Consolidation. 2013 IEEE
International Conference on Cloud Engineering (IC2E) (pp. 166–176). IEEE.
http://doi.org/10.1109/IC2E.2013.17
HealthKit Framework Reference. (2015). HealthKit Framework Reference. Retrieved November
8, 2015, from
https://developer.apple.com/library/ios/documentation/HealthKit/Reference/HealthKit_Framework/index.html#/
/apple_ref/doc/uid/TP40014707.
Huang, D. (2011). Mobile cloud computing. IEEE COMSOC Multimedia Communications
Technical Committee (MMTC) E-Letter, 6(10), 27–31.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 135
Hull, B., Bychkovsky, V., Zhang, Y., Chen, K., Goraczko, M., Miu, A., et al. (2006). CarTel: a
distributed mobile sensor computing system. The 4th international conference (pp. 125–
138). New York, USA: ACM. http://doi.org/10.1145/1182807.1182821.
INSO-9-2015. (2014). INSO-9-2015. Retrieved November 8, 2015, from
http://ec.europa.eu/research/participants/portal/desktop/en/opportunities/h2020/topics/603-inso-9-2015.html.
iOS. (2015). iOS. Retrieved November 8, 2015, from https://en.wikipedia.org/wiki/IOS
Katz, J. E. (1997). The social side of information networking. Society.
Khan, A. N., Mat Kiah, M. L., Khan, S. U., & Madani, S. A. (2013). Towards secure mobile
cloud computing: A survey. Future Generation Computer Systems, 29(5), 1278–1299.
http://doi.org/10.1016/j.future.2012.08.003
Khan, A. R., Othman, M., Madani, S. A., & Khan, S. U. (2014). A Survey of Mobile Cloud
Computing Application Models. Communications Surveys & Tutorials, IEEE, 16(1), 393–
413. http://doi.org/10.1109/SURV.2013.062613.00160
Klasnja, P., Consolvo, S., McDonald, D. W., Landay, J. A., & Pratt, W. (2009). Using mobile &
personal sensing technologies to support health behavior change in everyday life:
lessons learned. Annual Symposium Proceedings / AMIA Symposium, 2009, 338–342.
Kumar, K., & Lu, Y.-H. (2010). Cloud Computing for Mobile Users: Can Offloading Computation
Save Energy? Computer, 43(4), 51–56. http://doi.org/10.1109/MC.2010.98
Lane, N. D., Miluzzo, E., Lu, H., Peebles, D., Choudhury, T., & Campbell, A. T. (2010). A
survey of mobile phone sensing. Communications Magazine, IEEE, 48(9), 140–150.
http://doi.org/10.1109/MCOM.2010.5560598
Lima, M. N., Santos, A. L. D., & Pujolle, G. (2009). A survey of survivability in mobile ad hoc
networks. Communications Surveys & Tutorials, IEEE, 11(1), 66–77.
http://doi.org/10.1109/SURV.2009.090106.
Ludwig, S. (2012). Study: Mobile app usage grows 35%, TV & web not so much. Retrieved
November 8, 2015, from http://venturebeat.com/2012/12/05/mobile-app-usage-tv-web-
2012/.
Mathur, S., Jin, T., Kasturirangan, N., Chandrasekaran, J., Xue, W., Gruteser, M., & Trappe, W.
(2010). ParkNet: drive-by sensing of road-side parking statistics. The 8th international
conference (pp. 123–136). New York, New York, USA: ACM.
http://doi.org/10.1145/1814433.1814448
Meingast, M., Roosta, T., & Sastry, S. (2006). Security and Privacy Issues with Health Care
Information Technology. 2006 International Conference of the IEEE Engineering in
Medicine and Biology Society, 5453–5458. http://doi.org/10.1109/IEMBS.2006.260060.
Mendix (2014). Important Rules that Make or Break the Successful Development and
Deployment of Enterprise Applications. The Executive’s Guide to the New Enterprise App
World, no 10, Mendix Inc.
Miluzzo, E., Lane, N. D., Fodor, K., Peterson, R., Lu, H., Musolesi, M., et al. (2008). Sensing
meets mobile social networks: the design, implementation and evaluation of the CenceMe
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 136
application. The 6th ACM conference (pp. 337–350New York, USA: ACM.
http://doi.org/10.1145/1460412.1460445.
MindMeld (2013). MindMeld. Retrieved November 11, 2015, from http://www.expectlabs.com/
Mobile app. (2015). Mobile app. Retrieved November 8, 2015, from
https://en.wikipedia.org/wiki/Mobile_app
Morris, M. E., Kathawala, Q., Leen, T. K., Gorenstein, E. E., Guilak, F., Labhard, M., &
Deleeuw, W. (2010). Mobile Therapy: Case Study Evaluations of a Cell Phone
Application for Emotional Self-Awareness. Journal of Medical Internet Research, 12(2),
e10. http://doi.org/10.2196/jmir.1371
Mun, M., Reddy, S., Shilton, K., Yau, N., Burke, J., Estrin, D., et al. (2009). PEIR, the personal
environmental impact report, as a platform for participatory sensing systems research.
The 7th international conference (pp. 55–68). New York, USA: ACM.
http://doi.org/10.1145/1555816.1555823
Murray, P. (2009). Enterprise grade cloud computing. The Third Workshop (pp. 1–1). New
York, USA: ACM. http://doi.org/10.1145/1518691.1518692.
Quantified Self (2015). Quantified Self. Retrieved November 8, 2015, from
https://en.wikipedia.org/wiki/Quantified_Self.
Perez, S. (2012). comScore: In U.S. Mobile Market, Samsung, Android Top The Charts; Apps
Overtake Web Browsing. Retrieved November 8, 2015, from
http://social.techcrunch.com/2012/07/02/comscore-in-u-s-mobile-market-samsung-android-top-the-charts-
apps-overtake-web-browsing/.
Rahimi, M. R., Ren, J., Liu, C. H., Vasilakos, A. V., & Venkatasubramanian, N. (2014). Mobile
Cloud Computing: A Survey, State of Art and Future Directions. Mobile Networks and
Applications, 19(2), 133–143. http://doi.org/10.1007/s11036-013-0477-4
Rosa, P. M. P., Dias, J. A., Lopes, I. C., Rodrigues, J. J. P. C., & Lin, K. (2012). An ubiquitous
mobile multimedia system for events agenda (pp. 2103–2107). Presented at the 2012
IEEE Wireless Communications and Networking Conference (WCNC), IEEE.
http://doi.org/10.1109/WCNC.2012.6214139
Rosen, R. (2012a). Anticipatory Systems. In Anticipatory Systems (Vol. 1, pp. 313–370). New
York, NY: Springer New York. http://doi.org/10.1007/978-1-4614-1269-4_6
Rosen, R. (2012b). Anticipatory Systems (Vol. 1). New York, NY: Springer New York.
http://doi.org/10.1007/978-1-4614-1269-4.
Sansour, R. N., Kafri, N., & Sabha, M. N. (2014). A survey on mobile multimedia application
development frameworks (pp. 967–972). Presented at the 2014 International Conference
on Multimedia Computing and Systems (ICMCS), IEEE.
http://doi.org/10.1109/ICMCS.2014.6911207
Saylor, M. (2013). The mobile wave: how mobile intelligence will change everything.
Siegler, M. G. (2008). Analyst: There’s a great future in iPhone apps. Retrieved November 8,
2015, from http://venturebeat.com/2008/06/11/analyst-theres-a-great-future-in-iphone-apps/.
Planul sectorial MCSI 2015-2017 Cercetare-Dezvoltare şi Inovare în TIC : "Dezvoltarea de produse şi servicii inovative care să deservească cele 10 sectoare identificate în domeniul Smart Specialization"
Etapa I - Selectarea tematicilor CDI-TIC relevante pentru sectoarele de specializare inteligentă (30-11-2015) 137
Steele, C., R. Sheldon, M. Kosht (2015). To Build or to Buy? - That is the Mobile App Question.
TechTarget Inc.
Systems, S. (2011). Framework Selection For Mobile Enterprise Applications.
Thiagarajan, A., Ravindranath, L., LaCurts, K., Madden, S., Balakrishnan, H., Toledo, S., &
Eriksson, J. (2009). VTrack: accurate, energy-aware road traffic delay estimation using
mobile phones. The 7th ACM Conference (pp. 85–98). New York, USA: ACM.
http://doi.org/10.1145/1644038.1644048
Union, I. T. (2012). Measuring the Information Society.
Van Wissen, B., Palmer, N., & Kemp, R. (2010). ContextDroid: an expression-based context
framework for Android. Presented in the Proceedings of PhoneSense.
Visionmobile. (2013). The European App Economy 2013 - VisionMobile.
Wang, Song, & Wang, X. S. (2010). In-Device Spatial Cloaking for Mobile User Privacy
Assisted by the Cloud. 2010 Eleventh International Conference on Mobile Data
Management (pp. 381–386). IEEE. http://doi.org/10.1109/MDM.2010.82
Wasserman, A. I. (2010). Software engineering issues for mobile application development.
FoSER, 397–400. http://doi.org/10.1145/1882362.1882443
World Health Organization, & Habitat, U. N. (2010). Hidden Cities: unmasking and overcoming
health inequities in urban settings. Geneva-Kobe.
Yang, X., Pan, T., & Shen, J. (2010). On 3G mobile E-commerce platform based on Cloud
Computing. 2010 3rd IEEE International Conference on Ubi-Media Computing (U-Media
2010) (pp. 198–201). IEEE. http://doi.org/10.1109/UMEDIA.2010.5544470
Yardley, L. (2013). Uptake And Usage Of Digital Self-Management Interventions: Triangulating
Mixed Methods Studies Of A Weight Management Intervention. Medicine 2.0 Conference.
Yetisen, A. K., Martinez-Hurtado, J. L., da Cruz Vasconcellos, F., Simsekler, M. C. E., Akram,
M. S., & Lowe, C. R. (2014). The regulation of mobile medical applications. Lab on a
Chip, 14(5), 833–840. http://doi.org/10.1039/c3lc51235e
Zhu, Y., Hu, H., Ahn, G.-J., Huang, D., & Wang, S. (2012). Towards temporal access control in
cloud computing. IEEE INFOCOM 2012 - IEEE Conference on Computer
Communications, 2576–2580. http://doi.org/10.1109/INFCOM.2012.6195656