dumitru-alexandru bodislav sinergia big data business ... · în viaţa cotidiană, respectiv acest...
TRANSCRIPT
ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI
DUMITRU-ALEXANDRU BODISLAV
SINERGIA BIG DATA – BUSINESS INTELLIGENCE SOLUȚIA CONSTRUIRII INDICATORILOR RELEVANȚI
PENTRU O ECONOMIE EMERGENTĂ
Colecţia
Cercetare avansată postdoctorală în ştiinţe economice
ISBN 978-606-505-966-5
Editura ASE
Bucureşti 2015
Copyright © 2015, Dumitru-Alexandru Bodislav
Toate drepturile asupra acestei ediţii sunt rezervate autorului.
Editura ASE
Piaţa Romană nr. 6, sector 1, Bucureşti, România
cod 010374
www.ase.ro
www.editura.ase.ro
Referenţi:
Prof. univ. dr. Gabriela ȚIGU
Prof. univ. dr. Eugeniu ȚURLEA
ISBN 978-606-505-966-5
Autorul îşi asumă întreaga responsabilitate pentru ideile exprimate, pentru originalitatea materialului şi pentru
sursele bibliografice menţionate.
Această lucrare a fost cofinanţată din Fondul Social European, prin Programul Operaţional Sectorial Dezvoltarea
Resurselor Umane 2007-2013, proiect POSDRU/159/1.5/S/142115 „Performanţă şi excelenţă în cercetarea
doctorală şi postdoctorală în domeniul ştiinţelor economice din România”.
3
Cuprins
Summary .................................................................................................................................. 5
Introducere ................................................................................................................................. 7
Capitolul 1
Big Data și Business Intelligence. Concepte, aplicabilitate, fezabilitate, sinergie ................... 10
1.1 Big Data ........................................................................................................................ 10
1.2 Business Intelligence .................................................................................................... 16
1.3 Sinergia dintre Big Data și Business Intelligence ........................................................ 20
Capitolul 2
Automatizarea deciziei și fezabilitatea soluției obținute la nivel macroeconomic .................. 32
2.1 Inteligența Artificială. Om versus Mașină, perspectiva economică ............................. 32
2.2 Scopul urmărit, perspectiva sectorului public versus perspectiva sectorului privat .... 33
2.3 Inovația sinergiei informatice, oferirea produselor unicat la preț de serie ................... 46
Capitolul 3
Construirea unui indicator hibrid bazat pe sinergia dintre Big Data
și Business Intelligence ............................................................................................................ 51
3.1 De ce un indicator rezultat din sinergia Big Data și Business Intelligence? ................ 51
3.2 Economia – indicator. Corpo-Land-Index (CLI) ......................................................... 57
Reflexii și căi de urmat ............................................................................................................. 75
Surse bibliografice .................................................................................................................... 79
4
Contents
Summary .................................................................................................................................... 5
Introduction ................................................................................................................................ 7
Chapter 1
Big Data and Business Intelligence. Concepts, applicability, feasibility, synergy .................. 10
1.1 Big Data ........................................................................................................................ 10
1.2 Business Intelligence .................................................................................................... 16
1.3 The synergy between Big Data and Business Intelligence ........................................... 20
Chapter 2
Decision automation and the feasibility of the obtained solution at macroeconomic level ..... 32
2.1 Artificial Intelligence, Man versus Machine, the economic perspective ...................... 32
2.2 The followed purpose, the public sector' perspective versus the private sector'
perspective ..................................................................................................................... 33
2.3 The innovation of informatics synergy, delivering unique products at mass market'
prices............................................................................................................................. 46
Chapter 3
Building a hybrid indicator based on the synergy between Big Data and Business
Intelligence ............................................................................................................................... 51
3.1 Why an indicator resulted from synergy Big Data and Business Intelligence?........... 51
3.2 The Economy as an Indicator. Corpo-Land-Index (CLI) ............................................. 57
Reflections and the way forward .............................................................................................. 75
Bibliographical sources ............................................................................................................ 79
Summary
This book summarises the research done in the postdoctoral research program that was
implemented at Bucharest University of Economic Studies. During the three chapters of this
book, the main objective is to offer a solution or an analysis for developing a socio-economic
indicator (in this case the hybrid indicator entitled the Corpo-Land-Index indicator or shorten
as CLI), which is based on the synergy between the analytics developed by Big Data (as
quantitative evaluation) and filtering them thorough Business Intelligence processes (as
qualitative evaluation). This evolutive process involves knowledge transfer from the
microeconomic environment, the analytical component, and deploying as an exploratory
research that is used in increasing the competitivity of emergent economies.
The automation of Big Data as macroeconomic filter has the purpose to create a different
spotlight for macroeconomic forecast and microeconomic expectations and also to mirror the
available information when it comes to reshape the context of the actual form of capitalism.
Big Data is not a concept of the XXI Century, but it became fashionable in the last decade and
the trend of using it as microeconomic tool (and with this research also as a macroeconomic
tool) especially in those countries that top the charts when it comes to innovation, research and
development, countries like USA, Israel and Germany. The technological advance is only
surfacing these day with a peak to its real potential and during this book the status of the two
main components used as main ingredients for creating synergy (and perhaps in a future
research, singularity) are Big Data and Business Intelligence, elements that offer a parallel
between the microeconomic and the macroeconomic layers from the vantage points of emergent
economies, like Romania wants’ to be.
The exploratory evaluation of the relation between the governmental framework – business
environment – academia – individual is seen as each component being a large producer of data
(Big Data), which are analysed through work processes by Business Intelligence tours that
generate proactive information useful for future decisions and that could consolidate the
development of prime indicators for those involved in the process of regulating economic and
social boundries. The feasibility is also given by the fact that resources will be better distributed
and wisely consumed, process that helps in the catching up race for playing the big league with
developed countries, where come in handy innovation ruptures needed to accelerate economic
development towards moving targets. Romania and other emergent countries could benefit
from the findings of the actual research because the process described while conceiving the
6
indicator helps at developing a higher qualitative process in increasing the qualitative
evaluation of the quantitative evaluation of the raw data achieved at macroeconomic level.
Big Data and Business Intelligence represent intangible components of the future that are
streamliners for the linkage between the Industrial Age towards the Informational Age. Their
synergy offers tangible convergence when it comes to reaching goals by emergent countries
that are on the road of catching up developed countries, and the findings of this research help
to achieve real (and nominal) convergence, e.g countries like Romania, Bulgaria and Croatia
could converge at a faster pace towards the average of the European Union, and for Greece to
reshape its political view by redrawing its social and economic ideas and this way rebecoming
feasible for the basic needs of a functional European Union. The synergy of the two components
offers support for active governments and for an efficient and proactive governance, and in the
same time it will decrease the pressure of frauds (be it political corruption that allows high
penetration rates for classic corruption that is mainly seen in countries that went through the
filter of communism) and also it will lower the rate of abuses of any kind.
The book follows in the third chapter the research done on developing the CLI indicator and it
helps creating an explorotary path towards to use from another perspective (with the help of
Big Data analytics and Business Intelligence processes) of quantitative research done through
a qualitative evaluation filter and underlines as main findings the fact that after slicing the
created lab-economy – the CLI indicator (based on companies listed on developed stock
exchanges, which emulate macroeconomic sectors), offers insight on how the global mechanism
is tuned and that easy money (created through Quantitative Easing procedures) bubble-up
sectors of the global economy which start to burst and when a chain reaction is developed than
crises deploy. As findings of the model we could highlight that the next crisis is shaping to be
at the end of 2016, but the developing of the situation in China (the real estate bubble and the
stock exchange burst) will somehow prepare global expectations for possible future run’s for
the money.
In the conclusion of this book we find the general perspective on the big picture of globalization
and what the synergy of Big Data and Business Intelligence could bring to the countries that
implement similar designed solutions, the fact that those 21st Century economies will have the
chance to developed competitive advantages that will help them be more attractive for investors
and also by using the findings to automate their macroeconomic decisions or just deploy a
process of reducing the paths that are available (but not all feasible) when it comes to
developing national or international projects or designing macroeconomic policies.
7
Introducere
Această carte încununează cercetarea efectuată în cadrul programului de cercetare postdoctorală
urmat în cadrul Academiei de Studii Economice din București. Obiectivul principal al acestei
cărți și al proiectului postdoctoral finalizat este acela de a oferi o soluție sau o analiză în privința
construirii unui indicator socio-economic (indicatorul hibrid CLI – Corpo-Land-Index) bazat
pe sinergia dintre analitica oferită de către Big Data (ca evaluare cantitativă) și filtrarea
rezultelor prin procese de Business Intelligence (ca evaluare calitativă). Acest proces evolutiv
implică inovație în transferul de cunoștințe din cadrul mediului microeconomic, componenta
analitică și funcționând ca o cercetare exploratorie care ajută în mod direct la creșterea
competitivitâții unei economii emergente.
Inovaţiile tehnologice obţinute în domeniul privat, dar cu suportul statului, au revoluţionat locul
de muncă, aducând puterea reprezentată de competitivitatea economiilor emergente în care se
regăsesc noii jucători în apropierea jucătorilor consacraţi din ţările dezvoltate. Această lucrare
filtrează și oferă o analiză exploratorie a combinării soluţiilor de guvernare statală prin filtrul
modelului corporativ hibrid implementat statal şi oferind posibilitatea dezvoltării unui indicator
socio-economic şi ştiinţific utilizabil în elaborarea politicilor economice optime prin utilizarea
celei mai bune opţiuni avute pentru a putea transfera sistemul de selecţie şi decizie
microeconomică către mediul guvernamental, iar îngustarea spectrului decizional este efectuată
prin filtrul analizei funcţionale (oportunist raţional) a big data şi prin utilizarea proceselor pe
tururi regăsite în algoritmi de lucru calitativi întâlniţi în business intelligence, nu numai ca
principiu de lucru la nivelul timpului prezent ci şi ca model de preselecţie a alegerilor macro
efectuate de către indivizii şi grupurile care formează satul global.
Automatizarea big data ca filtru macroeconomic are şi rolul de a aduce o nouă viziune asupra
prognozelor macroeconomice şi aşteptărilor microeconomice şi având rolul de a simetriza
informaţia disponibilă la nivelul conturării conceptului actual de capitalism. Trebuie definită
ideea de big data ca nefiind un concept al secolului XXI, fenomenul a evoluat şi s-a naturalizat
în viaţa cotidiană, respectiv acest volum uriaş de date este folosit pentru a rezolva probleme,
pentru a îmbunătăţi bunăstarea şi genera avans economic. Colectarea, stocarea şi analiza
realizată asupra volumelor mari de date este posibilă prin avansul tehnologic care permite un
cost scăzut în analizarea acestor informaţii. Trendul utilizării big data este abia la început în
economiile emergente, dar destul de dezvoltat în ţările care susţin investiţia în Cercetare &
Dezvoltare, primele fiind SUA, Israel şi Germania. Avansul tehnologic este la început şi
centralizarea datelor cu caracter personal şi în format securizat va lua un avânt considerabil în
perioada viitoare cu impact principal la nivel macroeconomic în analiza datelor pentru a
preîntâmpina aşteptările şi necesităţiile consumatorilor la nivel global, de la nevoile avute
pentru medicaţie şi producţie farmaceutică customizată la întâmpinarea microtrendurilor care
8
dau tendinţele viitoare asupra producţiei agricole, orice nexus informaţional având efectul de
sinergie asupra sistemului influenţat sau asupra indicatorului validat.
Întrând în profunzimea subiectului se poate susține că specificul nu este dat de oferirea mediului
academic, economic și business a unei soluții sinergice pentru țări emergente, precum România,
ci reprezintă o baleare între viziunea cantitativă și viziunea calitativă, dar și permisivitatea
oferită de experiența dobândită într-un mediu de lucru dinamic și interdisciplinar în a contura
un indicator suport pentru a reduce șansele de a alerga după himere în procesul economic
abordat, expunerea la acest mecanism printr-un indicator de asigurare a succesului deciziilor
luate la nivel macro și microeconomic, aceasta fiind livrabila oferită ca punct terminus al
cercetării postdoctorale și al acestei cărți.
Situația componentelor de Big Data și Business Intelligence este expusă pe parcursul cărții
oferind o paralelă între layerele microeconomic și macroeconomic din perspectiva României,
făcându-se o trecere în revistă a unde ne aflăm din această perspectivă și încotro ne îndreptăm
în a construi un suport decizional sustenabil la nivel guvernamental și în a eficientiza
componentele subdezvoltate ale sectorului privat pentru România sau alte țări aflate în proces
de dezvoltare.
Evaluarea exploratorie a relației cadru statal – mediul de afaceri – mediul academic – individ,
cu fiecare componentă având relații de lucru și incluziune invers cronologiei date, informațiile
generate de fiecare componenă fiind luate în considerare deoarece acestea de facto produc
volume imense de date (Big Data) care analizate și filtrate prin procesele de lucru de tip
Business Intelligence generează informație proactivă pentru deciziile viitoare și poate consolida
dezvoltarea de indicatori de întâmpinare pentru nevoile entităților implicate în viața socială și
economică. Fezabilitatea este oferită de procesul de reducere a risipei în consumul de resurse
disponibile și în procesul de prindere din urmă a țărilor subdezvoltate sau al celor emergente,
precum România, a celor dezvoltate, prin rupturi de inovație necesare pentru accelerarea
dezvoltării economice, nu doar de a recupera ecartul față de o țintă mobilă.
Pe parcursul cercetării postdoctorale finalizată prin conturarea acestei cărți s-a desfășurat o
trecere prin analizarea fundamentelor teoretice și empirice ale aplicabilității principiilor Big
Data la nivel microeconomic și macroeconomic, în același timp abordându-se fluxul situațional
care să sublinieze existența sau evoluția utilizării inteligente a volumelor mari de date în țări
aflate în plin proces de dezvoltare sau catching up, precum România, iar în baza situației inițiale
să se interpreteze calitativ informația rezultată.
Procedurile de lucru bazate pe Big Data și Business Intelligence au fost analizate pe parcursul
cercetării postdoctorale, iar expertiza dobândită a ajutat la conturarea posibilității și fezabilității
implementării unor astfel de indicatori la nivel macroeconomic (sectorul public), care să
funcționeze ca adjuvant pentru politicile economice dezvoltate în mod direct și proactiv.
9
Soluția propusă ca indicator reușește să ofere suportul necesar pentru a valida această
posibilitate ca un model optim de lucru necesar obținerii avansului vital procesului de prindere
din urmă a țărilor dezvoltate.
Această lucrare vine ca o completare a cercetărilor în domeniu regăsite în ultimii ani ca fiind
de o mare valoare, dar infinit mai eficiente luate împreună. Administrația prezidențială a
Statelor Unite ale Americii (Podesta / Executive Office of the President, 2014) atrage atenția
asupra potențialului global avut de către filitrarea prin mecanisme automate a volumelor mari
de date generate de către sistemul economic actual, iar implementarea pe termen lung reprezintă
un adjuvant proactive (Armah, 2013: 32-39), iar potențialul de lucru avut de către construirea
unor astfel de indicatori hibrizi suport pentru deciziile luate la nivel macroeconomic este doar
la început de drum, fiind prezentată doar o suprafață zgâriată a ceea ce se poate oferi, tinând
cont de evoluția exponențială a tehnologiei hardware și carre poate oferi un suport pentru o
nouă abordare asupra ceea ce reprezintă viitorul deciziei la nivel macroeconomic și reducerea
căilor de urmat la nivel politic și guvernamental.
10
Capitolul 1 Big Data și Business Intelligence. Concepte, aplicabilitate,
fezabilitate, sinergie
Din perspectiva publică și privată se dorește a se obține o perspectivă intimă asupra
comportamentului uman și a ceea ce înseamnă a trăi un sentiment sau mai degrabă a construi
un sentiment. Corporațiile folosesc tehnici de analiză, de la crowdsourcing la algoritmi genetici,
analiza senitmentelor sau rețele neuronale pentru a studia datele ceea ce crează evoluția unui
individ și care pot construi noi produse sau procese, iar la nivel macroeconomic conturarea unor
politici noi de lucru. Datele colectate din numeroase surse. Incluzând aici baze de date
guvernamentale, baze de date oferite de magazine online, profilurile online (Facebook, Weebo,
etc.) sau char senzorii uzitați în telefoanele și brățările inteligente.
Data mining reprezintă o noutate la nivel de concept cibernetic, dar analiza datelor este regăsită
de pe vremea celor mai vechi înregistrări statistice (datele meteorologice), reprezentând o formă
inițiatică de Big Data, iar reprezentarea seriilor de date din ce în ce mai mari arată doar frecvența
calitativă a acestora. Data streams sau râurile de date sunt regăsite în zilele noastre ca volume
de date aflate în flux continuu și care sunt stocate eficient și reorganizate pentru a oferi în timp
real soluții optime în ciclul de viață a unui produs sau afacere.
De la apariția Internetului, procesul de transfer de la o economie a comunicațiilor bazată pe text
a evoluat la un flux de date mult mai complex bazat pe imaginii, conținut video și metadata
conexă locației, datei și stării de spirit. Evoluția WiFi și 4G a permis o nouă evoluție a socialului
nelocalizat, iar internacțiunea om-mașină a devenit o telemetrie hibridă bidirecțională, care a
rezultat în interacțiunea dintre rețelele de sănătate computerizată care permit sinergia datelor
medicale (radiografii, scanări CT și RMN).
Stocarea datelor reprezintă o problemă în analiza datelor în formă regresivă (reverse data
mining) deoarece volumele mari de date sunt stocate fișier peste fișier pentru a reuși să satisfacă
o analiză continuă și în timp real în dorința de a oferi soluții proactive. În România urmează să
se implementeze soluții de cumpărături virtual onsite în funcție de starea de spirit și localizarea
userului în incinta unui mall (Michael și Clarke, 2013: 216-228).
1.1 Big Data
Big Data ajută și la expunerea în plan real a patternurilor comportamentale ascunse în
subconștient și chiar pot anticipa intenții (de la exemplul clar al anticipării epidemiilor de către
Google Analytics până la anticiparea unei crime în viitorul nu foarte îndepărtat – Minority
Report, 2002). În același timp map-area comportamentului ajută la punerea în legătură individul
11
cu dorințele sale în mod aniticipativ și cu un status social în concordanță cu nevoile acestuia
(Pitt, 2012: 25-28). Informațiile adunate și agregate logic ajută entitățiile guvernamentale și
corporațiile în a lua decizii clare în privința protecției și asigurării integrității unui popor până
la asigurarea suportului funcțional al necesităților indiviziilor.
Datele pacienților ajută sistemul medical să descopere mai rapid leacuri pentru boli precum
cancerul și să prevină apariția/avansul altora (Human Genome Project – 2003, Human Brain
Initiative/US BRAIN Intiative – 2013, Strickland, 2013: 26-32). Se lucrează la construirea unui
computer care să funcționeze după logică creierului uman și care să conțină în simulare 100 de
miliarde de neuroni (conținutul de neuroni ai unui creiere standard mediu) și cu ajutorul acestuia
să se ofere soluții pentru evoluția Parkinson și Alzheimer (Michael și Miller, 2013: 22-24).
Deși Big Data oferă informații despre variate subiecte există și probleme de evoluție și stocare,
iar principala problemă ajunge să fie costul și securizarea acestor date. Listarea de la bursă de
succes a companiei GoPro arată și accesul în intimitate a conținutului video și utilizat ca o
component a Big Data, dar și cu ocuparea nivelului de stocare al informațiilor (stocare ridicată
în volum) arată accentul pus pe conținutul video obiectiv. Camerele de supraveghere din clădiri,
spații publice și din mașinile de poliție au reprezentat primul val al datelor video obiective, al
doilea val fiind reprezentat de conținutul creat de către orice persoană care își atașează la
mașină, bicicletă, motocicletă, cască, etc o camera și astfel noul conținut creat poate fi utilizat
ca Data în procesul informațional, iar agregarea acestuia la nivel macro crează Big Data care
este supusă problematicii costului de stocare și utilizare.
O altă componentă problematică o reprezintă utilizarea morală și etică a Big Data deoarece
anumite corporații folosesc datele pentru a învăța cum să mărească productivitatea și să
reconstruiască procese de lucru, dar pot lovi individual prin faptul că acesta este măsurat
cantitativ versus coechipierii acestuia din același birou sau față de colegii din cealaltă emisferă
a planetei. Sinergia dintre metodele de supraveghere ca activ sau ca entitate, la care adăugăm
Internetul Lucrurilor (Internet of Things) pot conduce la situația în care individul devine un flux
video continuu (Google Glasses, GoPro Hero 4, etc.) și astfel conținutul Big Data va crește
exponențial (Michael și Miller, 2013: 22-24). Problema protejării intimității completează
morala și etica situației prin faptul că fiecare user online și fizic (cei care sunt “prinși” în cadru
în timpul unei filmări) își crează involuntar o amprentă digital și care prin agregarea tuturor
metodelor de introducere ale acestora dezvoltă un ADN digital (Michael, Michael, 2011: 121-
137) care altfel nu poate fi observat. Stocarea datelor in fundal în mod latent, pasiv și cu o
întrerupere a feed-ului de date conform graficului ar putea duce la o alertare automata a
autorităților pentru a putea să interveni în caz de necesitate, acestă hartă evolutiv
comportamentală poate fi construită prin postări online, utilizare discrepantă a punctuației în
funcție de stare, hainele purtate în funcție de eveniment, modul de a îți petrece timpul liber (aici
utilizarea dronelor este un alt mod de a crea date obiective). Datele mezo-familiale precum
12
utilizarea volumul de date online, utilizarea energiei electrice arată patternuri evolutive și
anticipative asupra unor indivizi (Sestini, 2012: 121-137).
Chiar dacă indivizii din dorința de protejare a identității iși alterează profilele online și “sar”
peste anumite validări avute de către marketingul avansat care segmentează piața și oferă
produse în temă cu nevoile, cu ajutorul Big Data se poate insista în crearea unei societăți super-
supraveghetoare; această societate poate evolua înspre stoparea oricăror tipuri de infracțiuni,
dar în același timp poate evolua spre o versiune high tech a viziunii lui George Orwell în cartea
1984. Componenta pozitivă este că evoluția analiticii Big Data va duce și la construirea unor
rezultate precum screening ultra-timpuriu a unor, iar acestea fiind stopate din evoluție la nivel
genetic (maladia Alzheimer fiind un exemplu clar).
Anumiți teoreticieni adepți ai economiei clasice și adepți ai businessului fizic, nu bazat pe biți
sau servicii virtuale consideră că datele sunt sub forma volumelor mari (Big Data) chestiuni
temporare în circuitul economic global, dar deja aceste volume mari de date au devenit
schimbări tehnologice fundamentale care au apărut și s-au stabilizat ca parte a circuitului
decizional, nu numai în cadrul unor companii de resort precum Google, Facebook, Amazon sau
Microsoft (Michael și Miller, 2013: 22-24), ci și în rândul celor care urmăresc perspectiva
tradițional umană, precum în promovarea muzeelor (Smithsonian, Guggenheim, etc.) sau
promovarea unor state prin hibridizarea conceptului de avantaj comparativ al lui David Ricardo
(Singapore, Chile, etc.).
Utilizarea Big Data ca suport pentru luarea anumitor decizii nu reprezintă un concept nou, dar
nu reprezintă a componentă a sectorului IT sub umbrella conceptului de business analytics.
Diferența dintre aceste concepte este că în momentul actual costul scăzut al colectârii, stocării
și analizării informațiilor permite integrarea în procesul decizional al componentei demografice
(locație, sex, vărstă, status social, etc.), cea geografică și structurării de evoluție a stocurilor
produselor deținute de un anumit retailer și “socializarea” acestora prin promovarea online a
produselor; acest circuit fiind valabil pentru retailerii de mărime medie și mare, de exemplu:
implementarea CoraDrive de către retailerul Cora s-a făcut în urma construirii unei soluții de
Business Intelligence care a fost dinamizată prin utilizarea Big Data.
Conceptul tradițional de business analytics are un fundament descriptiv, predictiv și prescriptiv;
descriptiv din perspectiva faptului că descrie un fenomen și prezintă informația în formă statică.
Google Trends reprezintă o unealtă uzitată pentru segmentarea descriptivă a geo-locației și
demografiei consumatorilor, analiza predictivă uzitează datele istorice pentru a crea o prognoză
pentru viitor și este întălnită în toate business-urile, nu contează noutatea sau mărimea acestora,
analiza prescriptivă este extreme de important în circuitul decizional, aceasta având rolul de a
optimiza și de a crea recomandări, iar componenta cheie este data de interpretarea umană a
rezultatelor, dar în cercetarea efectuată analizăm componenta de automatizare a deciziei care
presurizează componentele descriptive și predictive cu prezența evaluatorului uman, pe când
13
componenta prescriptivă se leagă de conceptul automatizării deciziei, în special dacă există un
model decizional construit a priori.
Utilizarea datelor este regăsită istoric și statistic din vremuri timpuri, China, Imperiul Roman
și Grecia Antică fiind promotorii fezabilității utilizării datelor în lucrul cu politicile
macroeconomice și cu dorința generală de a crește bunăstarea în cadrul imperiului sau statului
vizat. Pentru a înțelege noutatea decizională putem discuta din perspectiva unui publisher care
trebuie să decidă tirajul unui nou roman, astfel dacă ar folosi business analytics-ul clasic ar
rezulta o evaluare a trendului vânzărilor pe acel segment și pe acea perioadă calendaristică
(sezonul sărbătorilor de iarnă reprezintă punctul de maxim în cadrul vânzărilor de carte) și astfel
cu ajutorul unei analize statistice bazate pe o serie de timp ar realiza necesarul de exemplare de
comandat din respectivul volum, atingând componentele de analiză descriptivă și predictivă,
iar introducerea analizei prescriptive ar rezulta și o evaluare a viitorului venit și profit rezultat
din noul roman lansat, dar introducerea Big Data analizată prin filtre de Business Intelligence
rezultă că analiza statistică a vănzărilor este completată de către alte componente analizate în
relația cu cererea pentru acel roman. Viitorul nu este atât de sigur precum îl consideră analiza
statistică, dacă ar fi de sigur am avea de a face cu sisteme simple precum situația în care o
persoană cade de la etajul 10 al unui bloc, știind că doar gravitația este principal agent de acțiune
putem calcula aproape exact unde se regăsește acea persoană după 2 secunde (chiar dacă
intervin abateri de tipul direcția și viteza vântului sau greutatea persoanei), astfel fizica de bază
rezolvă situația viitorului nesigur, dar când discutăm despre sisteme complexe care nu sunt clar
specificate și fără ca toate forțele prezente să fie cuantificate avem și printr-o evaluare avansatâ
econometricâ de erori ridicată sau chiar o autocorelare a acestora.
Analiza cererii pentru un bun, evoluția unei posibile epidemii sau simplul comportament al
ghețarilor din Antarctica reprezintă complexitate evoluționistă între prezent și viitor filtrate prin
element necunoscute a priori, astfel se poate susține că viitorul reprezintă o funcție a
prezentului, precum faptul că dacă te regăsești în metrou și cineva strănută înspre tine șansele
să răcești sunt extrem de ridicate, iar colectarea, stocarea și analizarea informațiilor și volumelor
de date primite/create în prezent oferă posibilitatea creării unui viitor mai bun, iar în acest
moment Big Data se autovalidează ca fezabilitate și ca importanță prin volum, varietate,
veridicitate și velocitate ca elemente de caracterizare ale datelor obținute.
Elementele prezentate anterior care caracterizează Big Data (velocitate, varietate, volum și
veridicitate) sunt componente principale în caracterizarea componentelor care dau viață
sistemului adaptabil dat de Big Data. În cadrul celor trei componente avem de a face cu
următoarele elemente definitoare:
1. Volum – definite de mărimea datelor (GB, TB, PB), înregisttrarea totală a datelor,
tranzacționarea fluxului de date și ordonarea în fișiere și tabele de lucru;
14
2. Velocitate – lotul de lucru, timpul de creare, timpul global de construcție și fluxurile
virtuale ale datelor create și utilizate;
3. Varietate – date structurate/nestructurate/semistructurate.
Extragerea esenței din Big Data necesită în momentul actual utilizarea analizei descriptive,
predictive și prescriptive. Totuși, uneletele clasice nu mai sunt de actualitatea când volumul de
date este prea mare, din experiența personală situațiile când interoghezi un sheet în Excel
(Microsoft Office) cu peste 65.000 de linii informații a câte 10 coloane de informații despre
fiecare linie rezultă într-un eșec frecvent a acestuia de a face față procesului simplu de
deschidere a fișierului, necontând puterea de procesare a componentei hardware din proces, iar
dacă operația este executată, logica softul să fie relativă deoarece se pot crea relații artificiale
între datele utilizate, iar astfel viitorul prezis să fie mult prea sigur a se produce, fenomen
cunoscut ca overfitting.
O soluție de lucru care rezolvă problema varietâții datelor este Hadoop, platformă scalabilă
pentru a putea filtra dinamica volumele mari de date (macro Big Data) și în același timp să
asigure filtrarea necesară dinamizării în timp real al acestor date, al cărui flux și arbore de
dependențe logice să fie filtrat de către soluții software precum MapReduce, soluție care reduce
și repetabilitatea în cadrul platoformelor interdisciplinare sau platforme care folosesc mai multe
baze de date sau fluxuri în timp real pe aceeași speță de lucru (Russom, 2011: 6).
Big Data este regăsită în zilele noastre ca nuanțator decizional în cadrul spitalelor (fișele
pacienților sunt înregistrate electronic, iar analiza de fundal a acestora poate descoperi alte
pericole de sănătate sau posibile viitoare complicații), retailerilor (Walmart utilizează
marketing țintit prin minarea consumatorilor, iar Carrefour prin comportamentului fizic al
consumatorilor în spațiu) și al serviciilor de impunere fiscal (Fiscul american utilizează
algoritmi de identificare a fraudelor). Toți algoritmii prezentați fac parte din componenta de
“machine learning” care are ca principală calitate învâțarea din greșelile petrecute în trecut și
nerepetarea acestora.
Soluții IT care pot crea legătura de bază între volumele mari de date (Big Data) și conturarea
unui flux de la parte la întreg între decizie și creștere potențială este dată de valoarea lor de
integrare într-un ecosistem, cele mai bune soluții fiind oferite de către: Cloudera, EMC, IBM,
Impetus Technologies, Oracle, Kognitio, Actian, SAND Technology, SAP, SAS, Tableau
Software, Teradata, etc.
Elementele cheie ale utilizării Big Data în cadrul industriilor și analizarea relației teorie –
practică prin aplicabilitatea principiilor Big Data Analytics la nivel microeconomic și
macroeconomic (Russom, 2011).
Cercetarea efectuată conturează componenta de punere în valoare a beneficiilor aduse de
utilizarea principiilor de lucru a Big Data care aduc un strat de claritate și transparență
sistemului care prevede utilizarea acestora. Pentru a pătrunde tainele plus valorificatoare în
15
rândurile următoare am prezentat succint elementele cheie care favorizează utilizarea Big Data
(Bodislav, 2015c: 257-264):
1. Big Data a pătruns toate industriile și funcțiile de implementare în afaceri și
reprezintă acum un important factor de producție;
2. Big Data crează valoare adăugată pe mai multe căi:
crează transparență;
permit experimentarea ca metodă de descoperire a nevoii, calcularea
variabilității și îimbunătățirea performanțelor;
segmentează populația pentru a permite dezvoltarea de acțiuni targetate;
înlocuiesc sau oferă suport deciziei umane prin utilizarea algoritmilor
automatizați;
inovează noi modele de afaceri, produse și servicii;
3. Utilizarea Big Data va deveni o bază pentru accelerarea competitivității și creșterii
IMM-urilor;
4. Utilizarea Big Data va crea noi rupturi/salturi în creșterea productivității și ponderării
surplusului consumatorului;
5. Deși principalul avantaj îl reprezintă componenta interdisciplinară și relațiile
construite inter sectoare, câștiguri ridicate se vor obține și pe latura intra-sectorială;
6. O problemă și o oportunitate o reprezintă lipsa capitalului/resursei umane instruite
în perspectiva utilizării Big Data;
7. Probleme pot fi observate în dorința utilizării Big Data la potențial maxim:
politica de utilizare/prelucrare/obținere date;
tehnologia și tehnica;
schimbarea organizațională și talentul;
accesul la Big Data;
structura industriei.
Pentru a putea înțelege fenomenul și balearea dintre nivelul microeconomic și cel
macroeconomic s-a mers mai departe spre nișa studiată și observarea proceselor care formează
mecanismul de lucru. Fezabilitatea unui proces sau proiect este studiată la nivel de cost versus
rezultate, cu o presiune din ce în ce mai ridicată față de componenta de cost, după criza
economică a anilor 2007 – 2014. Substraturile avute de relația dintre eficiență și eficacitate este
întâlnită în figura următoare:
16
Figura 1. Costuri versus Rezultate, mecanism filtrat prin procedurile de siguranță
și asigurarea implementării
Sursa: interpretare desfăşurător general pentru graficele de implementare B.I. asupra scăderii
costurilor versus creșterea valorii totul randamentat în funcţie de nivelul de siguranţă avut –
Bodislav, 2015c: 257-264
1.2 Business Intelligence
Business Intelligence reprezintă un set de metodologii, procese, arhitecturi și tehnologii care
transformă volume de date în informație calitativă. BI permite utilizatorilor să își asume decizii
clare și create în timp real astfel punându-și compania pe care o reprezintă (sau guvernul) în
fața competitorilor. În mod clasic, funcțiile de bază precum raportare și analitica reprezintă
componenta forte a tehnologiei BI, dar după dobândirea acestora se pot crea seturi noi de
poibilități. Cercetările desfășurate în ultimii ani sublinază acest lucru și conturează ideea că BI-
ul reprezintă noua frontieră a avantajului competitiv la nivel industrial.
În anii ’80 BI era întâlnit ca DSS (Decision Support Systems – Stjerne, 2011) și avea același ca
scop acum, respectiv să ofere informație calitativă care să poate fi folosită în luarea deciziei. În
figura care urmează se arată clar evoluția deciziei filtrate tehnologic:
17
Figura 2. Complexitatea tehnologică existentă în plan decizional
Sursa: adaptare după Olszak și Ziemba, 2007
Componentele care formează conceptul de Business Intelligence se bazează pe utilizarea
analizei multidimensionale și raportărilor ierarhice și în cascadă. Prin oferirea acestor analize
se pot construi Data Warehouse care să atingă nevoile companiilor, aici integrarea de Big Data
duce la construcția unui sistem care necesită utilizarea unor sisteme software, dar și hardware
de ultimă generație pentru a crea un flux coerent și eficient pentru respectivul interogator de
date. Cele cinci componente care dau valoare conceptului de Business Intelligence, dar pun și
baza cooperării sinergice la nivel tehnologic cu Big Data, sunt (Stjerne, 2011):
1. Analiza multidimensională;
2. Raportarea;
3. Minarea datelor;
4. Consolidarea financiară și bugetarea;
5. KPI (Key Performance Indicators).
Analzia multidimensională permite “felierea” datelor pe mai multe sisteme de interogare
cunoscute ca valori pivot. Microsoft Office și a sa componentă Excel reprezintă unealtă de bază
pentru observarea acestui fenomen. Într-un document creat în Excel se poate rezuma tot
volumul de date într-un tabel cu cap pivot care să permită interogarea în funcție de necesitâțile
avute (Stjerne, 2011). Din perspectiva tehnică a BI, analiza multidimensională este structurată
ca un cub, dar care trece bariera a trei elemente pivot sau dimensiuni, ci poate evolua către
18
valori care îngreunează procesul în lipsa unui management al datelor existente în Data
Warehouses inteligente.
Raportarea reprezintă o componentă multidimensională la rândul ei, deoarece depinde de
variațiuni de scop și de timp, de aceea soluțiile BI oferă metode de extragere a rapoartelor în
funcție de necesitățile avute calitativ și de formatele necesare de oferit cantitativ, ambele fluxuri
(calitativ și cantitativ) fiind necesare în integrarea automată (compatibilitate perfectă) cu
soluțiile de Data Warehouse (Stjerne, 2011).
Minarea datelor (Data mining) reprezintă o soluție de extragere a informațiilor necesare dintr-
un volum imens de date prin procedee care să permită combinarea metodelor statistice și
Inteligență Artificială aplicată la nivel de managementul datelor. În cadrul soluțiilor de BI se
acoperă și funcționalitatea datelor analizate cu scopul nu numai de a extrage un răspuns final,
ci și de a extrage patternuri regăsite în orice flux de lucru (intern sau extern) al entității care
utilizează soluția de BI și astfel orice informație nouă (și relevantă) poate interveni în fluxul
final al deciziei.
Consolidarea financiară și bugetarea reprezintă o componentă tehnică și cu o relevamțâ
majoră în întreg sistemul evolutiv al unei companii doarece oferă suportul deciziei de a efectua
procese majore în cadrul unei companii sau în relația acesteia cu alte companii. Pentru decizii
care țin de viitorul unei companii, această componentă este legată de managementul
performanței și metricii regăsite în KPI (Key Performance Indicators).
KPI reprezintă indicatorii de performanța ai unei entități, la nivel de companiei acești indicatori
sunt legați de componenta economică, iar la nivelul unei țări, regiuni sau uniuni de state este
dată si de indiciatorii sociali, nu numai de către cei economici. Indicatorii de performanță se
măsoară periodic și sunt orientați spre evidențierea atingerii unui scop business și oferă și
trendul spre atingerea acelui obiectiv.
Mergănd în profunzimea subiectului ideii de fezabilitate a Business Intelligence se poate atinge
și modul de interpretare a rezultatelor. Analiza informațiilor și raportarea rezultatelor oferite
calitativ de către soluțiile de BI reprezintâ profunzime și calitate în veridicitate sau în “ghicirea
viitorului” dacă se aplică filtre care să acopere componentele de managementul performanței,
managementul macro-datelor, managementul calității și managementul riscului.
Managementul performanței din perspectiva interpretârii rezultatelor oferite de către soluțiile
de BI includ și analiza prin multiple straturi de lucru după cum urmează:
1. Misiunea unei entități cu scop definit (stat sau corporație);
2. Valorile atemporale;
3. Viziunea ca imagine de ansamblu;
4. Strategia – nucleu (planul de joc avut pentru atingerea obiectivelor);
19
5. Harta strategică – structura abstractă și grafic a obiectivelor propuse;
6. Balanced scorecard – KPI, țeluri și inițiative;
7. Măsuri ierarhice (de flux) – create pentru departamente/ministere/agenții
guvernamentale cu mini-țeluri specific;
8. Sistem de management strategic – Balanced Scorecard intersectat cu sistemele
de raprotare oferite de către soluțiile de Business Intelligence disponibile.
Din această perspectivă enumerată putem deduce faptul că managementul performanței are la
bază intersecția mai multor componente strategice regăsite în cadrul unei companii sau stat,
printre care aplicarea Balanced Scorecard (Kaplan, Norton) pentru a mula analiza tradițională
pentru bugetare și construcția tehnologic evoluționistă.
Fluxurile de macro-date reprezintă un concept care face legătura dintre bazele de date
tradiționale și Big Data pentru că realizează nevoia de a filtra și gestiona volumul de date cu
scopul de a rula în timp real interogări pentru efectuarea unor decizii sau al unui plan de decizii.
În sistemele bazate pe soluții ERP (Enterprise Resource Planning) se regăsesc proceduri și
procese care nu structurează logic volumele mari de date și astfel se crrează și date orfane care
se pot dovedi cruciale în procesul final de luare a deciziei în întregul lanț analitic al Business
Intelligence.
Managementul calității și managementul riscului reprezintă elemente cheie când vine vorba de
a observa imaginea de ansamblu sau procesul de lucru global, elemente care sunt de nivel
calitativ și arată un flux informațional excelent și control al documentelor, în același timp ce
riscul este ponderat în funcție de prognozarea acestuia și oferirea în timp real a unor soluții
eficiente și proporționate cu importanța situațională a riscului acoperit.
20
Figura 3. Relațiile de lucru dintre nivelul de implicare al top managementului
și executarea efectivă a deciziei
Sursa: autorul, pornind de la Stjerne, 2011: 12, http://www.stjerne.biz/wp-
content/uploads/2011/11/Business-Intelligence-An-introduction.pdf
Figura de mai sus arată modul în care sunt influențate laturile de lucru dintre soluțiile clasice
de corporate governance și modul în care planificarea resurselor (ERP), soluțiile de Business
Intelligence adoptate și volumele mari de date gestionate (Big Data Analytics) astfel creându-
se un scenariu de lucru în care datele utilizate sunt trecute printr-un filtru de raportare funcțional
și care astfel oferă informație relevantă și în timp real către factorii de deciziei din cadrul unei
companii și cu extrapolare funcțională și bugetară, la nivel de stat. Beneficii create sunt regăsite
în calitatea informației finale obținute, aceasta fiind și structurată și ușor de raportat în sistem
pivot, informația este gestionată și filtrată la un nivel care permite construcția unei ultra-
informații care să ofere o soluție simplă și clară la un proces complex care include macro-date
și Big Data procesate prin filtre de Business Intelligence. O parte negativă a procesului este
reprezentată de costurile suplimentare avute în stocarea datelor în unități hardware inteligente
și în servicii de consultanță necesare construirii sistemului de lucru inteligent al datelor.
1.3 Sinergia dintre Big Data și Business Intelligence
Cercetarea în acest domeniu interdisciplinar are la bază creșterea puterii de procesare, trendurile
în acoperirea globală a rețelei de Internet, accentuarea conceptului de externalizare/outsourcing
și constuirea unui lanț global de furnizare de materii prime, servicii sau know how. Globalizarea
21
caracterizată conceptual și lucrativ de către Thomas Friedman în lucrarea sa din anul 2005
(“The World is Flat”) reprezintă steroidizarea conexiunii la Internet la nivel de logică de lucru
și astfel volumele mari de date au devenit atemporale și fără limite geografice. Internetul la
scară largă a fost implementat în momentul oferirii denumirii de World Wide Web (în jurul
anului 1990), iar analiza Big Data de bază a apărut la scurt timp și s-a dezvoltat asupra modului
de funcționare a guvernelor, entitățiilor medicale și aplicațiilor de e-commerce. Astazi există
deviceurile purtabile care permit analizarea unor data aproape intime care până acum nu erau
disponibile și care pot oferi noi valențe de lucru care abia acum încep să fie cu adevărat
valorificate.
Pentru a înțelege valențele de lucru ale Sinergiei dintre Business Intelligence (procesele și
analytics-ul) și Big Data avem următorul tabel care exemplifică procesele și simplifică noțional
legăturile dintre diferitele ramuri pe care se dezvoltă această Sinergie.
Business Intelligence și Big Data – Aplicabilitate, aplicații și impact
Tabel 1
Recunoaștere
Piețelor și Comerț Electronic
Aplicabilitate
guvernamentală și
Politica secolului
21
Sțiință și
Tehnologie
Sănătate și
Bunăstare
Securitate și
Siguranță
Publică
Aplicabilitate Sistem de
recomandări
Evaluare și
monitorizare social
media
Sistem deschise
auto-evoluate
(crowdsourcing)
Jocuri virtuale de
dezvoltare socială
și construcție baze
de date
Servicii
guvernamentale
complexe
Acces neîngrădit la
servicii publice de
către populație
Participarea în actul
guvernării de către
cetățeni
Sondare complexă,
principală și
secundară în cadrul
campaniilor politice
Inovații științifice și
tehnologice
Testări de
ipoteze
Descoperirii noi
efectuate
Decodificarea
genetică a regnului
animal și al
regnului vegetal
Construirea unui
suport tehnic
proactiv pentru
sistemul medical
Analiza funcțională
a pacienților și a
întregii populație
(ca evoluție și
trend)
Analiză
criminalității Construirea de
patternuri ale
criminalilor
Terorismul
cybernetic
Cyber security
Intelligența de
grup oferită de
procesele open
source
Volume de date Log-uri ale
utilizatorilor și
tipurilor de căutări
Date despre
tranzacții Conținut generat de
utilizator sau client
Servicii și
informații guvernamentale
Reguli și
regulamente de
evoluție
guvernamentală și
politică
Feedback și relația
bilaterală cu
popoulația
Reverse
engineering în
construirea de
instrumente sau
indicatori bazați pe Big Data
pentru generarea
de noi
descoperiiri în
Știință și
Tehnologie
Conținut generat
de Internet of
Things și
senzorii
purtabili
(smarthwatch,
fitness band,
smartphone)
Secvențe de date cu
suport genetic
Fișele medicale ale
populației în format
electronic
Conexiuni dintre
social media și
sănătatea pacienului
sau a întregii
populații
Date despre
activități criminale
Harta geografică
a criminalității Rețelele de lucru
criminale
Conținutul
generat pe
această speță
Baze de date
despre acrtivități teroriste
Activitățile
virtuale ale
virușilor,
atacurilor
cibernetice și
botnets
22
Recunoaștere
Piețelor și Comerț Electronic
Aplicabilitate
guvernamentală și
Politica secolului
21
Sțiință și
Tehnologie
Sănătate și
Bunăstare
Securitate și
Siguranță
Publică
Structura Date Date online,
conținut generat de
utilizator, flux de
lucru în rețea,
informație
nestructurată și cu
caracter informal
Surse de informații pluriprezente,
informații fragmentate
agregate,
perspectiva
informării asupra
deciziilor de vot ale
cetățenilor prin
modul acestora de a
își exprima
intențiile.
Instrumente
avansate de
colectare a
datelor, procese
de înregistrare
de date avansate
și multistrat,
formate unicat
de stocare și
analiză a datelor
Conținutul
informațional poate
fi necircumstanțial,
specific la nivel de
persoană, dar
neconculdent
pentru o nație sau
rasă
Informații cu
caracter personal,
volume mari de
informații nestructurate și
dezvoltate
lingivstic,
cultural și social
Analytics Regula de aur
creată pentru datele
minate
Segmentarea și
divizarea bazelor de
date
Detectarea
Anomaliilor
Minarea în arborele
logic
Analiza rețelelor
sociale utilizate
Analiza textului și
comportamentului
online general de
utilizator
Analiza
sentimentelor și
afectivității față de
anumite procese
executate în spațtiul
virtual
Integrare
informațională
Analiza pe text și
logica conținutului
Servicii de analiză
a semanticii
guvernamentale
Evaluare și
monitorizare social
media
Analiza rețelelor
sociale
Analiza
sentimentelor și
afectivității față de
anumite procese
executate în
spațtiul virtual
Modele de
analiză
matematică,
econometrică
sau ipotetică
Analiza și
vizualizarea
secvențelor
genetice sau a
întreg ADN-ului
uman
Nișarea și minarea
informațiilor oferite
de către fișele
medicale ale
populației la nivel
macro
Monitorizarea între
status social și
evoluție medicală
Analiza de rețea a
pacienților
Analiza efectelor
(adverse) ale
medicamentelor
experimentale sau
ale schemelor de
medicație
Protejarea datelor
create prin minierit
Minarea și
segmentarea
informației din
perspectiva
analizei pe latură
criminal
Analiza rețelelor
infracționale
Vizualizarea
datelor din
perspectivă
spațio-temporală
Analiză pe text
prin filtrul social,
cultural și
lingvistic
Analiza
sentimentelor și
afectivității față
de anumite
procese executate
în spațtiul virtual
Analiza atacurilor
cibernetice
Impact În domeniul
marketing se
consideră a fi
utilizat și în cadrul
companiilor pentru
a crește satisfacția
utilizatorilor/
clienților
Transformări
proactive și
reactive ale
guvernelor,
împuternicirea
populație în a se
face auzită în
relația cu political,
îmbunătățirea
transparenței,
conturarea
principiului
participării și
egalității în actul
politic,
guvernamental și
justițiar
Evoluția științei
și tehnologiei
Îmbunătățirea
sistemului medical
și a actului
/serviciului medical
oferit
Eficientizarea
tratamentelor pe
termen mediu și
lung
Punerea pacientului
și a poporului în
mijlocul serviciului
oferit
Îmbunătățirea
siguranței publice
și a securității naționale
Sursa: autorul, pornind de la Chen et al., 2012 : 1165-1188
23
Pentru a putea implementa cu o rată de succes ridicată un astfel de sistem de analytics sau
analiză la nivel de aplicabilitate și principia Big Data și transferul informațional pentru crearea
unui standard de lucru este nevoie de utilizarea algoritmilor și principiilor de lucru întâlnite în
dezvoltarea și utilizarea programelor software de tip Business Intelligence care au incluse și
componenta de prognoză inclusă (forecast și oversight). Pentru a înțelege cadrul progresiv al
utilizării unor astfel de programe și algoritmi/principia generați avem figura care arată sinergia
shift-ul prinicipial microeconomic la nivel macroeconomic.
Figura 4. Sinergia dintre soluția automatizată și integrarea orizontală
la nivel macroeconomic
Sursa: autorul, pornind de la Boyer, 2011 și Bodislav, 2015c
În urma cercetărilor efectuate asupra studiilor de specialitate, nu numai la nivel academic și în
special asupra cercetărilor efectuate în cadrul companiilor de profil (specializați fie în utilizarea
și filtrarea Big Data și dezvoltarea și implementarea de soluții de tip Business Intelligence) a
rezultat următoarea schema simplificată asupra adoptării anumitor soluții de lucru:
24
Soluții de implementare automatizare cu scalabalitate corporativă
și guvernamental-statală
Tabel 2
Soluţia de
implementare PRO CONTRA
Dezvoltare
Software
Enterprise
1.Control total
2.Integrare verticală & orizontală
3.Flexibilitate
1.Implementare greoaie şi
costisitoare
2.Rezistenţa la schimbare
Virtualizare 1.Evaluare eficientă a
potenţialului şi a resurselor
consumate
2.Costuri scăzute
1.Cerinţe tehnice
2.Customizarea mediului
Sisteme de
business
optimizate
1.Ciclu dezvoltare –
implementare cu durată scăzută
2.Rezultatul obţinut poate fi
controlat
1.Soluţia utilizată este complexă,
eficientă, dar flexibilitatea
redusă
Cloud Computing 1.Cost scăzut, cea mai ieftină
soluţie
2.Productivitate accelerată
1.Integrarea este în ciclu
evolutiv (pionierat)
2.Risc crescut de apariţia unor
breşe în securitatea datelor
(informaţională)
Sursa: reinterpretarea de către autor a soluţiilor oferite la nivel global de către marii
operatori/integratori/dezvoltatori de software business, pornind de la documentaţia IBM
asupra B.I. (Boyer et al., 2011: 100)
Aceste principii au fost utilizate inițial în anii ’80 în procesele de fabricare componente auto în
volum mare și în procesele robotizate siderurgice care au evoluat în a fi folosite în componenta
intangibilă a proceselor de dezvoltare de business, precum manangement financiar sau al
riscului, evoluând în ultimii ani în nișarea și segmentarea preferințelor avute la angajare de către
personal calificat.
Astăzi, Big Data ajută la accelerarea obținerii antidotului pentru virusul Ebola, iar soluții ca
ZMap fiind întâlnite ca inovații în cercetarea medicală actuală cu impact global, ținând anumite
limite răspândirea virusului. Mergând pe o componentă mai abstractă avem alegerea efectuată
25
de către sectorul public în managerierea contractelor viitoare sau în alegerea căilor de urmat de
către acestea prin anularea efectului de ciclu politic sau măcăr diminuare amprentei lăsate de
acestea de a lungul timpului, permițând un proces de catching up prin întretăierea traseului
urmat.
Mergând pe strategia de influențare decizională prin algoritmi specifici proceselor de selecție
și evoluție ai Business Intelligence și prin filitrarea decizională și randare informatică a
volumelor de date trebuie urmărite anumite căi care validează siguranța în aplicabilitate a
implicării în decizia guvernamentală a tehnologiei de analiză a Big Data prin filtrare decizională
și logică întâlnită în procesele de tip Business Intelligence.
O altă întrebare la care s-a răspuns în cadrul aceste etape a fost: de ce să existe un sistem
automatizat pentru aplicarea principiilor de Business Intelligence, filtrate prin Big Data
analytics și care să ruleze principii de guvernanță corporativă întâlnită în sectorul privat, în
cadrul guvernanței statale.
Deoarece guvernanţa corporativă automată are la bază principii de raportare, analiză, lucru
integrat, vizualizare, randamentare metrică (scorecard), care lucrează în baza unor procese
standardizate de managementul performanţei (analiză financiară, planificare, bugetare,
prognoză), procese standardizate de analiză avansată (analiză predictivă, data mining) şi
procese standardizate de managementul informaţiei (profilarea datelor, testarea calităţii datelor,
data warehousing şi integrarea datelor).
Standardizarea proceselor de lucru şi transformarea acestora în algoritmi de conectare şi
nivelare proceduri oferă următoarele puncte forte (Bodislav, 2015c: 257-264):
1. Acoperire largă (raportare, planificare, consolidare, analiză, mining, panou de
comandă integrat, etc.);
2. Arhitectura procesului orientată către serviciu oferit şi consumat (integrarea
tehnică a procedurilor de lucru şi aducerea la ultimele standarde tehnic-
informaţionale);
3. Scalabilitate (standardizarea ajută la obţinerea tehnică a scalabilităţii /
randamentelor de scară);
4. Accesul la date eterogene (accesul fie la date structurate şi fie la date
nestructurate);
5. Capabilitate globală (soluţiile standard, împământenite au ca principal punct
forte atingerea obiectivelor în procedură liniară şi în cadrul întregului sistem).
Securitatea şi siguranţa oferită de standardizare (suport şi cadru de lucru sigur având un flux de
date verificat şi validat tehnic şi eficient, fără date recurente). Un alt aspect îl reprezintă ideea
26
de sinergie dintre Big Data și Business Intelligence, situația macroeconomică în zona emergentă
a Europei, respectiv Europa Centrală și de Est și destructurarea riscului de țară pentru aceste
țări cu scopul de a înțelege încontro se îndreaptă țările emergente în funcție de ratingul primit
de la agențiile de specialitate. De ce o astfel de precizare? Pentru că prin prezentarea situației
actuale și a căilor necesare de a fi completate se validează și necesitatea de a produce soluții
clare și cu costuri optimizate pentru a nu exista pierderi care la nivel macroeconomic poate
conduce la pierderi de eficiență sau „doar” la pierderi de zeci sau sute de miliarde de euro.
Această primă prezentare subliniază și eficiența și performanțele aduse de Big Data analytics
prin faptul că nu numai că oferă soluții medicale împotriva virusurilor considerate (momentan)
mortale, precum soluția ZMap oferită pentru frânarea efectelor avute de epidemia de Ebola, dar
și pentru ingeniozitatea oferită în sinergie cu tururile de Business Intelligence implementate în
domenii care pot aduce beneficii spectaculoase precum utilizarea acestor două componente și
câștigarea de către echipa națională a Germaniei a Cupei Mondiale la fotbal în anul 2014.
Evoluția Big Data la nivelul României este totuși în trendul global deoarece aceasta se află în
palierul de dublare a datelor generate și „urcate” pe Internet, iar accesul la acestea se
înjumătățește volumetric, iar tot în trendul global se regăsește și fluxul de informație nouă
generație, în perioada 2013 – 2014 s-a produs informație nouă egală cu ultimii 20 de ani, iar
traficul mobil conform Orange (2013) a crescut cu aproximativ 1000%, iar în România sunt
regăsiți 9,6 milioane de utilizatori de Internet care generează informație ce poate fi analizată
instantă deoarece și agregarea acesteia este instantanee, în ritm cu generearea aceasteia. Datele
create și obținute nu se reduc doar la cele generate de Internet ci și la cele generate de serviciile
de informații, clasificările și evaluările efectuate de către organismele statului și de către entități
private contractate să evalueze anumite tendințe și situații macroeconomice.
Din cele prezentate mai sus rezultă și (r)evoluția unei paradigme a secolului trecut, respectiv
problema nu mai este obținerea informației, ci cum ne debarasăm de informațiile de care nu
avem nevoie, de cele mai multe ori datele accesibile online nu pot fi verificate sau certificate și
astfel relevanța acestora este relativă. Un punct aparte la nivel regional se poate caracteriza
atacul cibernetic asupra Ucrainei din trimestrul II al anului 2014 de către entități ruse și care au
dus la dezvoltarea a sectorului de Big Data pentru normalitate în cadrul cibersecurității,
respectiv viitorul centru de securitate ciberneticâ care urmează a fi deschis în România.
Analiza va deveni o componentă importantă completată de software de înaltă precizie care
crează și evidențiază corelații între informații și clasificate de către data miner-i, rezultatul fiind
o statistică ierarhizată în funcție de gradul de structurare al informațiilor relevante utilizate. Din
27
perspectiva macroeconomică reprezintă o schimbare a logicii informației, în care informația nu
mai reprezintă putere de sine stătătoare, ci cunoașterea modului de utilizare a acesteia, fără
sortare și corelare informația nu este productivă.
Asupra Big Data și evoluția conceptului în România ne aflăm într-un ușor avantaj competitv
datorită faptului că România este un excelent producător de creiere care sunt axate pe analiza
IT&C și astfel componenta de analiză poate fi efectuată de către unii dintre cei mai buni
specialiști în domeniu (aceștia reprezintă servicii externalizate care își desfășoară activitatea în
altă țară, într-un sistem virtual). Aceste dispecerate online au un sistem de decizie de tip
comandă-control influențată prin analiză geospațială, iar acest sistem este caracterizat ca
reprezentând informație GIS, care suferă în utilizare la nivel general pentru că există necestiatea
procesării, cooperării și fluxului continuu și în timp real, astfel decizia rezultată să fie în timp
real și cu utilizare conform politicii „just in time”, preluată de la managementul stocurilor
implementat de compania Toyota în anii ’70. În decizia dintre bombardarea unei grădinițe cu
copii din Afganistan și identificarea locației unor lideri ISIL/ISIS, precum și analizarea
informațiilor generale de pe rețeaua de telefonie care au dus la anihilarea liderilor separatiști
prin identificarea geospațială reprezintă analiza volumelor mari de date (Big Data) în timp real.
Precizia de lucru devine următoarea cursă în momentul în care UAV-uri (unmaned armed
vehicle) sau drone sunt ghidate să execute misiune speciale; conform standardelor în domeniu
datele culese de o dronă într-o zi necesită 20 – 25 de zile de analiză de fond pentru o interpretare
exactă.
Revenind la fenomenul Big Data explorat în România putem preciza că acesta este regăsit în
sectorul privat și doar în formă pasivă în sectorul public. Modul în care volumele mari de date
sunt analizate poate reprezenta valoare adăugată crescută la nivel de sector public și extrapolând
pentru întreaga economie, printre care s-ar regăsi și un suport pentru internalizarea inovației,
productivității și creșterii.
În structura sectorului public, exploatarea volumelor mari de date au caracteristica de a
îmbunătății eficiența și valoarea investițiilor în slujba cetățeanului, în special în momente în
care constrângerile de ordin bugetar sunt regăsite în temelia cadrului instituțional. La acestea
se adaugă necesitățile și așteptările avute de oameni care în trend cu fenomenul globalizării
devin din ce în ce mai complexe și cu o greutate mai mare în a fi atinse sau împlinite.
Guvernarea sau guvernața de bună calitate poate fi obținută prin utilizarea soluțiilor de tip Big
Data deoarece prin acestea sectorul public își îmbunătățește productivitatea și își consolidează
capacitatea de a servi nevoile cetățenilor prin eficientizarea procesului de decizionare.
28
Utilizarea Big Data în cadrul sectorului public permite din primul moment anularea
subiectivității maligne care blochează de multe ori decizia în cadrul anumitor instituții ale
statului. Înlocuirea modului de obținere a deciziei și validarea printr-un algoritm matematic
aduce ca efecte de runda a doua scăderea nivelului de ineficiență și obținerea unei transparențe
decizionale.
Desigur că se poate adăuga ca un factor important și scăderea ratei de fraudare, abuzare sau
pierdere de bani investiți în proiecte naționale care astfel pot fi evaluate nu numai ca fezabilitate,
ci și ca oversight asupra rezultatului final scontat.
În România oportunitatea utilizării în scară largă a Big Data reprezintă un prim pas spre
ajungerea din urmă a nivelului de trai european. Printre domeniile care ar putea beneficia de
utilizarea analizei Big Data regăsim (Bodislav et al., 2015):
1. Sănătatea publică: actul medical necesită o îmbunătățire continuă, iar situația
actuală din România regăsită în sistemul de sănătate publicâ și la nivel statistic
ne arată că deși costurile sunt ridicate, eficiența și eficacitatea este redusă în
tratarea bolnavilor. Costurile actului medical în creștere, coroborate cu
accelerarea numărului de cazuri întâlnite în cadrul maladiilor cronice (diabet,
boli cardiovasculare, obezitate, cancer, etc.) duc la o evoluție exponențială a
costurilor și astfel un management eficient al resurselor disponibile este necesar
(și a fluxului în care acestea sunt obținute), la care se adaugă instrumentele IT
analitice care pot fi făcute la nivelul sistemului informatic de înregistrări
electronice de sănătate ale pacienților;
2. Transporturile: fluxul de autovehicule care crează ambuteiaje reprezintă un
nod consumator de resurse și care accelerează poluarea și încălzirea globală ca
externalități negative, iar cercul vicios crește costurile cu menținerea în
parametrii optimi ai mediului înconjurător și crește incidența de boli de profil.
Fiecare automobil este dotat cu senzori interconectați, iar sistemul gps împreună
cu soluțiile de tip Big Data Analytics pot permite fluidizarea blocajelor printr-
un management proactiv al traficului rutier;
3. Cibersecuritatea: după cum am discutat și la începutul acestui raport, România
reprezintă un gardian la nivelul NATO și al Uniunii Europene pentru menținerea
și anihilarea atacurilor cibernetice asupra țărilor regăsite pe continentul european
și în zona limitrofă de pe continentul asiatic;
4. Educația: soluțiile Big Data oferă activități de învățare elevilor și studenților și
pot regăsi anumite tipare de învățare astfel li se pot oferi acestora celei mai bune
29
soluții customizate pentru a avea parte de cea mai bună dezvoltare, iar agregarea
lor oferă soluții de lucru eficient pentru licee, facultăți și minister de resort pentru
o mai bună alocare a fondurilor bugetare bugetate și a optimizării ofertei
educaționale;
5. Șomajul: în acest caz Big Data ar ajuta la întâlnirea perfectă dintre cererea și
oferta de muncă și cu posibilitatea menținerii ratei șomajului la nivelul ratei
naturale a acestuia;
6. Fraudele bancare: într-un sistem interconectat orice anomalie este detectată
instantaneu, astfel evaziunea poate fi redusă prin transparentizarea analitică a
plăților bugetare și prin alinierea input-ului cu output-ul;
7. Harta meteo: în ultimii ani, în România au fost întâlnite fenomenele meteo
extreme, inclusiv tornade, fapt ce arată modificări climatice majore și care pot fi
înțelese și la nivel micro și la nivel macro în beneficiul cetățeanului al agentului
economic și al statului, dar cu beneficii pentru sectorul agricol, cel al
asigurărilor, al turismului, etc. Dezastrele nu pot fi anulate, dar pot fi reduse în
intensitatea pierderilor financiare și omenești prin senzori automați și tehnicile
de analiză Big Data utilizate în modele meteo realizate pe termen lung.
Mergând pe același fir constructiv se observă că și idealul de marjă în care România trebuie să
se situeze la nivel tehnologic, guvernamental și informațional, respectiv aceasta trebuie să
atingă valențe de guvernanță sub control clasic, în concordanță cu teoria sau să accelereze spre
ideea de colaborare, respective să ofere suportul deschis către o relație cu alte economii aflate
în curs de dezvoltare, sprijinul reciproc oferind un accelerator de convergențâ care poate merge
mână în mână sau chiar sub formă de ad-on/sub-rutină a indicatorului propus, iar ca margini de
valoare, aceasta, ca economie, trebuie să graviteze în zona de influență și de anvergură a unor
țări precum SUA sau Elveția. Pentru o schematică tehnică avem figura următoare:
30
Figura 5. Sinergia geo-economică a cadrului informațional
(idealul de evoluție pentru țările emergente precum România)
Sursa: autorul
Practic, România are de ales la nivel de alegere soluții Big Data și Business Intelligence între
soluții standard și relativ eficiente și soluții customizate sau customizabile care arată o evoluție
de la economia neo-clasică, bazată pe modelul moenetarist și primul model de globalizare, iar
locul în care aceasta trebuie să se poziționeze este în cadrul noului tip de globalizare, cea
deschisă, bazată pe colaborare și pe sinergie ridicată cu diferențiere “soft” a componentelor.
Conform sinergiei business intelligence – big data se poate contura o livrabilă eficientă în
evaluarea economiei unei țări asemănător cu un indicator economic care este fezabil pentru o
economie emergentă. Se poate observa că infuzarea de practici întâlnite în cadrul guvernanței
corporative pot aduce indicatorul la performanțe cu 100% peste ceea ce înseamnă o agregare
macroeconomică funcțională. Din această perspectivă rezultă și 3 căi de urmat:
1. Din perspectiva statului rezultă că relația Stat – Privat reprezintă sinergia
optimizării continue a instituțiilor publice și reconfigurarea funcțională care
crează transparență și un grad ridicat asupra validității prognozelor economice;
2. Din perspectiva sectorului privat, relația Public – Privat reprezintă o corelare
spre “ungerea” mecanismelor interne ale sectorului public cu rezultat în noi
străpungeri de performanță.
31
3. Imaginea de ansamblu care arată autonomia și funcționalitatea Economiei ca
Indicator rezultă în transformarea acesteia în unealtă hibridă bazată pe tridentul
B.I. – Big Data – Guvernanță (Corporativă în oglindă cu cea Statală, care
formează tridentul antitetic) care permite accelerarea procesului de catching up
prin balearea componentelor întâlnite în oportunismul situațional pe termen
mediu și lung.
Aceste 3 căi arată că în căutarea adevăratului Nord se poate crea un mediu macroeconomic
neturbulent în prognoză și așteptări și care permite trasarea unui interval de echilibru bazat pe
Economia ca Indicator și cu rezultate ieșite din palierul tehnic regăsit în vechea paradigmă și
care permite conturarea ajungerea din urmă a celor dezvoltați fără a ne baza pragmatic pe
reamestecarea pachetului de cărți de joc geo-politice (Bodislav, 2013).
În dorinţa de a contura şi expune sinergia cercetării efectuate pe parcursul cercetării
postdoctorale și prezentate în această carte am dorit să subliniez fiecare componentă din planul
individual de cercetare pentru a pune în lumina reflectoarelor limitările modelelor actuale şi
necesitatea unei rupturi în paradigmă. Limitările au fost de ordin economic şi financiar, nu
numai la nivel conceptual ci şi la nivel de modelare cantitativă şi calitativă, existând chiar un
curent care a fost dat de psihologia calmului care să permită lăsarea unui spaţiu de manevră,
popular fiind intitulată ca lăsarea gardei şi astfel supra simplificarea şi supra-încrederea
acordată economiei au permis apariţia acestui nexus sincopial care a conturat criza actuală.
Astfel de critici au fost aduse şi de către criticii capitalismului, dar perspectiva abordată în
această lucrare a fost diferită, pornind de la punctul accelerator al crizei, sistemul financiar
văzut din exterior, din perspectiva largă. Noua paradigmă şi încrederea largă acordată arată o
antiteză cu sistemul economic actual care guvernează societatea zilelor noastre (Dinu, 2014).
Lucrurile se înrăutăţesc cu trecerea timpului, ne mai existând un J.M. Keynes care să îşi
înşusească statutul de părinte al macroeconomiei şi să ofere soluţiile anilor 1929 – 1933, care
astăzi sunt depăşite în condiţiile crizei deschise începând cu anul 2007. Se cheltuiesc miliarde
de dolari încercându-se a se stabili punctul de origine al universului şi echilibrul absolut în
comuniunea Om – Natură, dar condiţiile unei economii funcţionale şi sustenabile pe termen
lung nu pot fi conturate la nivel general şi cu caracteristici trasate pe termen lung, de aici și
problema urmărită în plan principal, aceea dacă se poate construi un indicator care să permită
ușurarea creării și asumării unei decizii, totul fiind filtrat prin filtrul obiectiv al sinergiei
Business Intelligence – Big Data. Scopul secundar al acestei lucrări îl reprezintă conceptul și
conceptual automatizarea deciziei, componentă care va fi discutată pe parcursul capitolului al
doilea al acestei cărți.
32
Capitolul 2 Automatizarea deciziei și fezabilitatea soluției obținute la nivel
macroeconomic
Automatizarea ca scop final reprezintă primul pas când vine vorba despre guvernanță
automatizată deoarece are la bază următoarele principia: raportare, analiză, flux de lucru
integrat, vizualizare, metrici analitice (scorecard), toate acestea fiind procese standard pentru
managementul performanței, analitici avansate (data mining și analiză predictivă) și
managementul inforrmației (profilare date, testarea calității datelor, stocarea inteligentă a
datelor și integrarea totală a datelor).
Automatizarea reprezintă un nou membru din procesul social care reduce șansa de a face profit
de către un stat, funcționează ca o caracteristică de minimizare a profiturilor pentru a întoarce
comunității în scopul de a îmbunătății acestora nivelul de trai și speranța de viață; avantajul
oferit de către soluțiile de tip indicator cadru sau general creat în baza funcționalității sinergiei
Business Intelligence și Big Data este de a avea o funcție de gestionare proactivă a decizilor
automate (automatizate).
2.1 Inteligența Artificială. Om versus Mașină, perspectiva economică
Ascensiunea inovației interdisciplinare este condusă de către tehnologiile de substrat care au
fost conectate de către apariția Internetului. Legea lui Gordon Moore susține că o unitate de
procesare se înjumătățește la fiecare 18 luni, iar costul acestei se reduce tot la jumătate, deci
avansul creat este exponențial, iar prețul tehnologiei tinde spre zero. Acum 45 de ani la Caltech,
profesorul Carvey Mead, a identificat corolara legii lui Moore și care explicată în zilele noastre
arată că prețul unui transistor regăsit în componența unui procesor Intel cu 8 nuclee este de
0.000001 cenți față de aproximativ 30 de dolari în anii ’60.
În anul 1986, costul unui computer (prezentat tehnic ca mașină din titlul acestui subcapitol) era
aproximativ 20 de milioane de dolari, acum de 2.500 de ori aceeași putere de procesare se
regăsește într-un telefon iPhone 6, care este de 30.000 de ori mai ieftin, rezultând o creștere de
75 de milioane de ori a puterii de procesare per dolar cheltuit (Bodislav, 2015b: 39-41).
Șansele ca în următorii 25 de ani aceeași creștere exponențială să aibă loc față de tehnologia
disponibilă în momentul de față sunt foarte mari.
În zilele noastre investițiile merg masiv spre sectorul tehnologiei informației și construcția de
sisteme cu răspuns automat în caz de necesitate, dar se lucrează spre dobândirea unui proces de
lucru proactiv cu tendințe de a nivela orice dereglare sistemică înainte ca gândul să se conceapă.
33
Acum 100 de ani a fost utilizat tractorul la fermă, economiștii au anunțat: slujbele dispar, iar
oamenii vor rămâne fără locuri de muncă pe termen nedeterminat; a fost așa?
Nu. De fapt, milioane de slujbe au fost create.
Printre cei care au prezis tensiunea viitorului, respectiv tensiunea Om versus Mașină
(Inteligența Artificială) se regăsesc (Bodislav, 2015b: 39-41):
1. Karl Marx a prezis funcționalitatea evoluției și acceptării acesteia.
2. John Maynard Keynes a văzut viitorul, dar dependența de trecut l-a făcut să aibă
perspectivă funcțională asupra viitorului.
3. Ray Kurzweil atinge în viziune ideea că inteligența biologică se autolimitează
în jurul anului 2045.
Mașina viitorului, cea care apare nouă la fermă nu este tractorul, ci computerul (în curând
cuantic), dar acesta nu creaază slujbe, ci doar le reduce și le înlocuiește prin alte forme de
compensare.
Controlorii aeroportuari, șoferii de camion/taxi, chelnerii sunt doar primul pas spre
automatizare, fiind înlocuiți de entități mecano-inteligente.
Recesiuniile succesive conduc la accentuarea înlocuirii muncii cu capital, dar problema este că
deși creșterea economică reapare, output-ul reintră în trend, volumul de muncă scade, astfel
locurile de muncă nu sunt recuperabile.
2.2 Scopul urmărit, perspectiva sectorului public versus perspectiva sectorului
privat
Joseph Schumpeter (promotorul distrugerii creatoare – Schumpeter, 2011) susținea ideea de
creștere economică menținută sănătos/sustenabil, fiind continuat în ruptura ideii plus-
valorificatoare de către Robert Solow (TFP – Solow, 1956: 65-94).
Această etapă a deschis calea pentru studierea complementară, dar intuită a faptului că pe lângă
costuri și rezultate scontate în urma utilizării unei căi tehnice care aduce în prim plan
componenta informatică și o scalează la nivel macroeconomic, mai există și dorința sau alegerea
publică.
Ținând cont că acest proiect se bazeză pe alegerile efectuate în teoria legată de Public Choice,
subliniând alegerea făcută de guvern pentru a dezvolta un proiect sau parteneriat în colaborare
cu sectorul privat şi astfel se reduce presiunea creată de exclusivitatea oferită de implementarea
strict publică a unui proiect (Bodislav, et al., 2014: 29-32). Construirea de noi utilităţi,
pregătirea personalului de stat angajat, subvenţionarea investiţiilor efectuate de sectorul privat
şi reglementarea normelor de poluare sunt domenii în care economia bunăstării poate fi un
34
jucător important, dar poate juca un rol determinant în acceptarea sau respingerii unei soluții pe
termen mediu și lung construind decizia luată în funcție de utilizarea proceselor de tip Business
Intelligence și filtrarea volumelor mari de date.
Conform ideilor care stau la baza necesității utilizării proceselor de tip Business Intelligence
filtrate prin proceduri de tip Big Data analytics, s-au conturat și componente care ajută la
validarea sau fezabilitatea unui proiect. Elementele care validează dezvoltarea unui proiect,
implementarea acestuia şi aducerea lui la maturitate sunt transpuse în sectorul public şi sunt
regăsite în următoarele rânduri (Bodislav, et al., 2014: 29-32):
1. Alternativele la starea actuală (statusul actual – status quo);
2. Consecinţele hard aduse de fiecare soluţie sau crearea unui plan de tip cantitativ
pentru calculul inputurilor şi outputurilor din proces şi destructurate pe intervale
de timp;
3. Implementarea unui proces de flux asupra costurilor avute în perioada de
executare proiect (destructurare cost punctul 2);
4. Politica de flux în timp a proiectului randamentat cu prognozele economice
(pentru business, în sectorul privat şi pentru economie, în sectorul public);
5. În urma valorificării cantitative ale punctelor 3 şi 4 rezultă posibilitatea calculării
unui ROI (return on investment) pentru fiecare proiect, iar cel mai bun scor
obţinut prin factorizarea punctelor 3, 4 şi 5 rezultă o ierarhizare a proiectelor, cel
mai bun scor fiind primul pe lista de implementare.
Teoria economică a bunăstării sociale susţine existenţa unei corelaţii inverse între costurile
sociale achitate pe termen scurt şi beneficiile sociale crescânde versus scăderea ratei de
discount. Pentru a sedimenta grafic ideea de diferenţiere finală între proiecte cu toţi factorii
egali, dar cu rate de discount diferite avem următorul grafic de lucru:
35
Figura 6. Dobândă diferită versus durată proiect diferită
Sursa: autorul, pornind de la Acocella, 2009 și Bodislav et al., 2014: 29-32
Conform teoriei keynesiene a investiţiilor atunci când costul şi beneficiul factorizate prin
discount sunt egale, intră în lucru eficienţa marginală a capitalului sau rata de dobândă a
capitalului care este factorizată negativ cu rata de dobândă (Bodislav, et al., 2014: 29-32). Dacă
rezultatul este unul subunitar atunci avem de a face cu un cost care trebuie suportat de către stat
şi poate să nu fie încadrat la pierdere dacă acesta este atenuat de bunăstarea socială obţinută.
Calculul efectuat în cadrul analizei cost-beneficiu este unul care necesită o finalitate cu mai
multe rate de randament finale în funcţie de etapa de validare sau a ceea ce este urmărit prin
execuţia unui proiect public (Bodislav, et al., 2014: 29-32). Pentru sectorul public avem un
rezultat scontat: introducerea costului social sau beneficiul adus reprezintă piatra de hotar care
modifică ierarhizarea unui proiect sau acceptarea/respingerea acestuia în execuţie.
Calcularea rezultatelor sau efectelor unui proiect se bazează pe efectele de primă rundă şi de
runda a doua avute de utilizarea resurselor alocate proiectului şi rezultatul creat de livrabilă
obţinută pentru economie şi societate şi rezultatul de externalitate obţinut pe termen lung, după
ce beneficiile de dezvoltare au fost obţinute.
În cazul costurilor şi beneficiilor acestea pot fi evaluate la nivel de indicatori macroeconomici.
Efectele de primă rundă sunt cele care sunt generate din schimbările rezultate din
alocările/dizlocările de input şi output, iar cele de runda a doua sunt cele care crează efecte de
stopare flux a celor iniţiale prin disturbarea pieţei şi a societăţii.
36
Analiza cost-beneficiu se bazează foarte mult pe evaluarea efectelor unui proiect, această
evaluare fiind un proces complex de valorificare anticipată sau încercare de cuantificare a unor
rezultate pozitive (sau negative) obţinute pentru care nu există o piaţă de tranzacţionare reală.
Dacă valorificarea se face prin sistem de cuantificare financiară, rezultatul trebuie evaluat
printr-o valoare exprimată printr-o monedă de circulaţie internaţională (euro sau dolar
american), dar pentru costurile rezultate sau iniţiate, sistemul de valorificare a efectelor este
unul simplu: disponibilitatea la plată a populaţiei sau a societăţii pentru acel plus sau beneficiu
social obţinut, iar pentru resursele consumate avem un singur mod de valorificare: costul de
oportunitate al nealocării acestor resurse în cadrul altor proiecte disponibile spre implementare
(Bodislav, et al., 2014: 29-32).
Relația dintre scopul urmărit de sectorul public și scopul urmărit de sectorul privat se observă
prin fine tuning-ul dintre perspectiva microeconomică și perspectiva macroeconomică. Se
poate merge pe calea de esență soft reprezentată de relația care fundamentează practiciile de
tip Business Intelligence, pornind din proactivitate creării acestora, din existența instituție
drepturilor de proprietate și perspectiva construirii unui posibil indicator care să se bazeze pe
sinergia big data – business intelligence și paralela dintre statul minimal și garantarea
drepturilor de proprietate.
Necesitatea intervenției guvernamentale poate fi un punct de maxim al tensiunilor dintre
economiști, nu pentru că nu sunt luate în considerare eșesul piețelor ci din cauza unei intervenții
guvernamentale fără rezultat sau implementată ineficient. Există o componentă a acțiunii
guvernamentale care crează controverse deoarece aceasta deși este văzută ca necesară de către
societatea civilă și necesară pieței, aceea de reglementare a cadrului legal al pieței (Bodislav, et
al., 2014: 29-32).
Din această situație rezultă necesitatea unui cadrul minim de îndatoriri guvernamentale printre
care desemnarea de drepturi, protejarea împotriva impunerii cu forța, furt și fraudă și întărirea
conceptului de contract și drepturile aferente acestuia. Acestea sunt condiții esențiale necesare
pentru existența și funcționarea pieței. În primul rând, activitatea legislativă, în special
conturarea cadrului legal al drepturilor de proprietate reprezintă fundația pieței. Modul în care
drepturile sunt create vor crea rezultate diferite în ideea de distribuție și eficiență. Totuși simpla
conturare a drepturilor de proprietate nu este un act suficient, ci respectarea acestora reprezintă
garanția. Aceeasi autoritate care le crează este și autoritatea care trebuie să își asume
responsabilitatea de implementare și interpretare a acestora în funcție de fondul real al
problematicii (activitatea juridică) și asigurarea celor care dețin drepturile că sunt protejați
37
împotriva celor din comunitate sau din afara acesteia care le pot leza sau încălca drepturile
deținătorilor (aceștia fiind abordați prin mijloace de coerciție legale – acțiuni polițienești).
Asigurarea acestor funcții necesită atribuirea de funcții subsidiarea acestora, de exemplu: din
moment ce legislația, justiția și protecția necesită anumite cheltuieli, cetățenii trebuie să
contribuie financiar, prin taxele plătite.
O problemă nouă poate fi observată în momentul în care un individ nu deține resursele
financiare necesare și acesta lucrează într-o companie doar pe baza capitalului de risc (împărțit
prin proprietatea generală) sau pe baza capitalului împrumutat de la instituțiile de credit. În
această situație se regăsește un caz de conflict de interese între proprietarul drepturilor de
control și ceilalți care îi monitorizează deciziile CEO-ului (Bodislav, et al., 2014: 29-32). O
problematică asemănătoare este regăsită și în cazul în care un „capitalist” se regăsește într-o
poziție de execuție în firmă și are rolul de a forma și echipele care îl normează pe acesta.
Ambele cazuri (acela al unui capitalist care să dețină o mare parte din capitalul unei firme și cel
al unei firme conduse de alte persoane care nu sunt și proprietari ai capitalului inclus) sunt
incluse în compania manageriată. Persoana care controlează compania (managerul) este diferită
de persoana care deține capitalul companiei (proprietarul/patronul/acționariatul) și de aceea
apare problema modalității de guvernare a relațiilor dintre aceste două componente (manageri
și acționari) pentru a obține outputuri puse sub semnul eficienței, luând în calcul și conflictele
de interese (anumite stimulente apărute pe parcurs), totul reducându-se la reducerea
problematicii hazardului moral. Pentru a crea o alternativă la sistem se poate evidenția o
conexiune acționar – agenție (derivată din teorema principal-agent) a corporației care să se
bazeze pe recunoașterea existenței personalității corporative: ca oameni de bază ai corporației,
managerii trebuie să își asume ținte de atins pe termen mediu și lung și nu doar să simplifice
interesele financiare ale acționarilor.
Economia bunăstării se bazează pe alegerile efectuate în alegerea publică, subliniând alegerea
făcută de guvern pentru a dezvolta un proiect sau parteneriat în colaborare cu sectorul privat şi
astfel a elibera presiunea creată de exclusivitatea oferită de implementarea strict publică a unui
proiect. Construirea de noi utilităţi, pregătirea personalului de stat angajat, subvenţionarea
investiţiilor efectuate de sectorul privat şi reglementarea normelor de poluare sunt domenii în
care economia bunăstării poate fi un jucător important (Ailenei, 2006: 17-20).
Pentru a purcede în subiectul dezvoltării publice trebuie dezvoltat subiectul a ceea ce înseamnă
un proiect public prin viziunea sectorului privat. Sectorul privat şi restul populaţiei neimplicată
direct în procese de lucru cu sectorul public pot fi considerate ca fiind beneficiarii net ai
38
dezvoltării proiectelor publice, dar modul de dezvoltare al proiectelor este cel care necesită
influenţa sectorului privat prin know-how şi alte influenţe oferite de către domeniul R-D-I
(Research-Development-Innovation / Cercetare-Dezvoltare-Inovare). Proiectele naţionale sau
foarte mari sunt cele care schimbă global şi brutal nivelul bunăstării unor anumite zone sau
regiuni şi conţin numeroase variabile exogene şi endogene care cresc complexitatea de lucru şi
măresc responsabilitatea în decizie a agenţiilor guvernamentale de resort, acestea evaluând prin
analize de tip cost-beneficiu şi asumându-şi un proiect şi o soluţie exact în urma randamentării
fezabilităţii şi a analizelor de tip cost-beneficiu, SWOT sau PEST, precum şi investitorii sau
dezvoltatorii privaţi utilizează mecanisme similare. Dacă modul de luare a decizie este acelaşi
precum cel din sectorul privat, atunci de ce nu se implementează norme de lucru şi execuţie
pentru decizie şi funcţionare a agenţiilor guvernamentale, a guvernului şi a statului precum cele
din sectorul privat, implementate la nivel macro-business prin guvernanţă corporativă, dar
luând în calcul şi ponderarea ideii de obţinere profit prin calcul social, respectiv păstrarea unui
element de bunăstare socială activ (Bodislav, et al., 2014: 29-32)?
Pentru a putea delimita cadrul de comparație între o țară și o corporație la nivel structural trebuie
evidențiate principalele diferențe dintre acestea (Krugman, 2009, Bodislav, 2012: 51-56), după
cum urmează în paginile următoare.
Relaţia directă dintre export – slujbe
Ca afacere: free trade (liberul schimb), creşterea acestuia duce la creşterea
agregată a indicatorului liberului schimb; GATT - General Agreement on Tariffs
and Trade, denumirea pentru acordul care a perfecționat liberul schimb și astfel
a creat ca efect disponibilitatea generală de a crea mai multe slujbe.
Ca economie: liberul schimb în creştere înseamnă creșterea exporturilor, acest
lucru ducând la creșterea nivelului de slujbe disponibile în relația cu exteriorul.
La nivel global cumulat, Exporturile sunt egale cu Importurile, iar acestea trebuie să aibă un
consum global mai mare și legat de o cerere mai mare pentru a creşte efectiv numărul de slujbe,
iar dacă numărul de slujbe crește, va scădea şomajul și va rezultă creşterea inflaţiei, ca efect de
runda a doua și ca rezultat al necesității de a angaja forță de muncă (Bodislav, 2012: 51-56).
De exemplu, dacă o țară precum China comandă bunuri de 300 de miliarde de dolari din SUA
atunci numărul de slujbe legate de export vor creşte, dar FED va încerca să oprească boomul
prin creşterea dobânzii (creștere blocată de rundele de Quantitative Easing și de Operation
Twist), astfel scăzând atractivitatea industriilor legate direct de sectorul împrumuturilor, iar
slujbele dintr-un sector se vor muta în altă parte. Nu există creștere directă, fără pierederea netă
39
a unei alte componente creatoare de slujbe, pentru validare avem disfuncționalitatea sistemul
american de a menține un flux de angajări minim, deoarece acesta are nivelul optim de 150000
de slujbe nou create pe lună, dar cifra estimată lunar, scăzând angajarea sezonieră este situată
la pragul de 120000 de slujbe create pe lună, dată valabilă pentru economia SUA începând cu
anul 2010, rezultă că economia funcționează sub optim. Creşterea Exporturilor, aceasta aduce
creşterea numărului de slujbe, dar dacă exporturile accelerează necontenit vor duce la scăderea
importurilor din cauza scăderii competitivităţii la import, efectul de specializare fiind
principalul vinovat (Krugman, 2009).
Investiţiile şi balanţa comercială
Ca exemplu avem: multinaţionalele care aleg o ţară pentru a investi, acestea introducând
miliarde de dolari în acea ţară rezultând următoarele perspective:
Ca afacere: ţara va avea excedent comercial deoarece din această perspectivă
investiţiile reprezintă o intrare în creşterea capacităţii de producţie, crezând că
astfel vor importa mai puţin, pentru că piața internă va acoperi mai mult din
cerere (după ce infuzia de investiții străine directe a fost absorbită).
Ca economie: balanţa comercială face parte din balanţa de plăţi şi orice
intrare/ieşire se observă în contul de capital.
Investițiile Străine Directe duc la creşterea achiziţiilor de Active (Importuri crescute), astfel
presiunea este observată şi în Importuri în relație cu Exporturile şi pe ISD rulate. Dacă ţara are
un curs de schimb liber, toate intrările de ISD vor duce la scăderea cursului şi frânarea relativă
a importului, dar dacă ţara are un curs fix duce la creşterea inflaţiei. De exemplu: Mexic, înainte
de anul 1989 nu era atractivă, după anul 1989 investiţiile puternice în Mexic au creat boom
economic, dar au destabilizat moneda (devalorizarea peso - 1994), au transformat ţara în
importator net şi astfel s-a ajuns la un deficit pe balanţa comercială care a fost echilibrat în final
prin scăderea puternică a ISD în Mexic (Krugman, 2009).
Business versus Economie
Un guvern nu crează sisteme fiscale diferite, ci crează standarde pentru a nu deveni ineficient
per total prin extra reglementări sau extra nişări. Dacă businessul este dat de avantajul
competitiv (tehnologie, know how, experienţă în domeniu), în economie se merge pe principii
generale de lucru. De exemplu: Ce domenii trebuie dezvoltate? Într-un business avem ideea de
dezvoltare pe mai multe sectoare, dar nu lăsate la decizie managerului de linie ci sub lideranţa
executivului. Într-o economie dacă se lasă în seama secretarului de stat ce industrie să fie
40
dezvoltată şansele de eşec sunt mult mai mari decât în business pe aceeaşi ramură (Krugman,
2009, Bodislav, 2012: 51-56).
Într-un business se poate creşte numărul angajaţilor repede, se poate decide asupra noi
investiţii, intrarea pe noi pieţe, consolidarea celor vechi, reducerea numărului de angajaţi,
mulţumită sistemului deschis, rezultând astfel şi dublarea sau triplarea cifrei de afaceri într-un
timp relativ scurt. Într-o economie nu este posibil aşa ceva – sistem închis, nu pot toate
companiile care formează economia unei ţări să îşi dubleze cifra de afaceri în 10 ani, imposibil
de atins un asemenea randament, din contră unele companii sunt cele care blochează pe altele
înghiţindu-le (pe ele sau cota de piaţă). Aici ne putem întoarce la comerţul global care chiar
dacă va creşte nu influenţează mult economia, pentru SUA 70% din angajaţi lucrează în
sectoare neinfluenţate de Export/Import, automat că acestea sunt în competiţie strict internă în
detrimentul altora (Bodislav, 2012: 51-56). Rezultă că slujbele create din export sunt rezultate
pe pierderea slujbelor de către alţii care au devenit pentru moment mai ineficienţi.
În economie creşterea numărului de angajaţi dintr-un sector se face în majoritatea cazurilor în
detrimentul altor sectoare. Trebuie controlat influxul de capital în acelaşi timp cu exportul pe o
ramură, în detrimentul altor ramuri.
Feedbackul în business este diferit de cel economic – feedbackul este pozitiv, slab şi neclar
(sistem deschis), faţă de feedbackul în economie, care este negativ, clar şi foarte puternic (sistem
închis cu propagare imediată).
Întreprinderea inovativă și guvernanța corporativă
Centralizarea deciziei din cadrul corporațiilor asupra alocării resurselor în economie a dus la
considerarea modulului corporativ ca fiind propice pentru a fi translatat către performanța
macroeconomică. Procesul prin care resursele sunt exploatate reprezintă un avantaj competitiv
al corporațiilor în fața celorlalte corporații. Teoriile construite asupra guvernanței corporative
– teoriile despre guvernanță corporativă au un minus important, nu includ analiza sistemică a
inovației în structura de core business. Acestea sunt construite având la bază teoria economică
neoclasică, care nu include inovația ca factor de dezvoltare. Pentru a evalua economia inovației,
teoria guvernanței corporative trebuie să includă un trident bazat pe dezvoltare, organizare și
dimensionare strategică asupra alocării resurselor ca factor inovațional.
Guvernanța corporativă folosită pe post de controller asupra sistemului guvernamental de
alocare a resurselor trebuie să fie ea însăși inovată deoarece nu trebuie translatate greșelile
efectuate în teoriile clasice despre guvernanță corporativă. Componenta de strategie
inovațională în investiții trebuie adusă în discuție, în funcție de stimulentele și abilitățile de a
41
exercita controlul. Ar trebui să ne așteptăm că relația dintre guvernanță corporativă –
comportament inovativ - guvernanță statală să varieze în funcție de economia influențată,
cultura organizațională și condițiile instituționale oferite de către stat, care să influențeze
deciziile de dezvoltare și ce fel de decizii trebuie luate și pe ce termen acestea oferă un
randament (social) acceptabil.
Studierea comparativă dintre guvernanță corporativă și performanța economică arată
necesitatea creării unei metrici de măsurare asupra caracterului inovativ care leagă cele două
componente, această viziune comparativă a fost pe larg dezbătută de Lazonick și O‘Sulivan
(1998) din perspectiva influențelor sociale create prin colaborarea celor două medii: cel privat
și cel de stat (Lazonick, O’Sullivan, 1998).
Asupra modelelor de guvernanță corporativă utilizate și perspectiva inovațională a acestora au
fost elaborate studii de către Nelson (1993), Freeman și Soete (1997), Mowery și Rosenberg
(1998), iar o altă componentă construită ca o nouă nișă de studiu este aceea a comportamentului
economic inovativ din perspectiva corporației. Acest proces trebuie adaptat din cadrul
corporativ în cadrul guvernamental statal pentru a funcționa ca un hibrid și în cadrul guvernanței
corporative și a celei statale, astfel în economiile dinamice, firmele și națiunile au o problemă
comună: când este optim a se opri o acțiune în lucru pentru a reduce pirederile sau eficiența
neconcludentă (O’Sullivan, 2000: 393-416). Această teorie-cadru poate fi construită în baza a
doi factori: oportunitățile și stimularea distrugerii creatoare, precum și impulsionarea creației,
ajungându-se la un model central care poate evolua din direcția corporativă spre cea statală,
astfel creând un model de guvernanță corporativă (derivat din modelul de guvernanță
corporativă anglo-american) care să promoveze performanța economică națională printr-un
cadrul conceptual conturat ca o economie a inovației și a informației (Bodislav, 2012: 51-56).
Componenta financiară a guvernanței corporative
Datoria și echitatea financiară nu sunt considerate ca fiind instrumente financiare alternative, ci
mai degrabă căi parcurse în cadrul dezvoltării guvernanței corporative. Guvernanța datoriilor
funcționează pentru că este formată din nenumărate reguli, pe când cea bazată pe echitate are
la bază pârghii informale. Teoria lui Williamson oferă o viziune asupra abordării dezvoltării,
prin echitate sau prin datorie, alegere făcut strict în baza activelor disponibile, fie că subiectul
discuției este o țară sau o corporație (Williamson, 1988: 567-591).
Costurile de tranzacție reprezintă o abordare prin care sunt restrânse în sistem proactiv toate
posibilele costuri și astfel se pot introduce acestea în planurile de dezvoltare urmate, de la
42
început. Existența multor structuri instituționale duce la creșterea costurilor cu guvernanța și
structura acesteia.
Diversitatea ca presiune asupra guvernanței corporative
Pentru a putea evidenția legăturile dintre corporație (guvernanța corporativă) și stat
(guvernanța statală) la nivel executiv este necesară explicarea cadrului guvernanței
corporative. Se identifică relațiile sociale și aranjamentele instituționale care formează
guvernanța corporativă creată și implementată de boardul director și ce interese deservesc, care
drepturi și responsabilități sunt conturate și urmate (incluzând aici acționarii – corporația;
populația – statul).
Schimbările instituționale sunt greoaie, făcute doar pentru a tempera anumite presiuni publice,
iar presiunea externă poate duce la schimbări top-down, dar fără a fi propovăduite ierarhic.
Rezultatul presiunilor create este o hibridizare a modelelor de guvernanță corporativă, unde
practicile standard sunt stabilite la nivel național (libertate parțială decizională), acestea fiind
mulate asupra standardelor de politică economică națională (Pieterse, 1994: 161-184).
Hibridizarea crează omogenitatea practicilor organizaționale în limitele naționale (Herrigel,
1995). În timp ce națiunile prezintă un profil general pentru guvernanță corporativă, dar
abaterea de la modelul standard observat evoluează până la internaționalizarea corporațiilor,
dar cu modele de guvernanță unice (Bodislav, 2012: 51-56).
Regândirea administrației publice
Conceptul de guvernanță este cel mai des folosit în descrierea administrației publice, dar
definiția termenului s-a diluat. Literatura europeană a evoluat și a construit ideea de „guvernanță
corporativă”, subliniând importanța pentru ideea de rețea, parteneriate și piețe (la nivel global
– Peters și Pierre, 1998: 223-243).
Conceptul tradițional asupra sectorului public a devenit din ce în ce mai nișat, ideea de guverne
naționale care au funcția principală de creator de politici publice și care pot influența economia
și societatea prin acțiunile urmate. Direcțiile urmate de guvernele naționale au apărut ca un
rezultat al importanței crescute asupra mediului internațional și diluarea în implementare și
execuție a acțiunii guvernamentale din cauza presiunii globalizării. Acele presiuni asupra
guvernelor naționale sunt executate prin piețele de capital internaționale (Hirst, 1996, Peters,
1998) sau se crează printr-un organism intern, precum Uniunea Europeană (Scharpf, 1997: 520-
538).
43
Dezbateriile asupra guvernanței reprezintă și un mod prin care comunitatea academică
recuperează adaptabilitatea cu realitatea existentă în sectorul public și în lumea contemporană.
Dependența de trecut observată la nivel administrativ este prezentă și la nivel academic, de
aceea arhitecții reformei trebuie de multe ori să impună anumite decizii contrar cursului actual
(chiar și în perioade de expansiune).
Reforma care are la bază ideea de modificare a modelului de bază și a modus operandi-ului
administrației publice se face pe termen lung, deoarece o implementare pe termen scurt va duce
la blocarea sistemului și la apariția de discrepanțe între cultura administrației publice și
așteptările avute de la rolul extern, ducând la un blocaj funcțional și la un blocaj la nivel de
apartenență. Reformele moderate se implementează pe termen scurt, dar cu o rată de succes mai
mare decât a reformelor radicale.
Europa de Vest a încercat implementarea unei guvernanțe statale emergent corporatistă,
îmbinând tradiția și politica corporaților cu schemele de lucru clasice ale administrației publice.
Controlul creat prin reformă este mai ușor de implementat în Statele Unite ale Americii
deoarece reforma administrativă bazată pe piață (SUA) este mult mai conectată la realitate
decât administrația publică clasică (Europa de Vest). Deși reforma este creată la nivel federal,
aceasta este definită ideologic la nivel guvernamental prin coaliția de interes (forțată) dintre
sectorul public și cel privat, fapt realizat și datorită unui modus operandi mai orientat către țel
al guvernelor locale (naționale).
Tema de lucru pentru ambele modele puternice de administrație publică (cel nord american sau
cel vest european) este oferirea unei importanțe crescânde economiei de rețea, chiar din
perspectiva tradițională europeană care necesită crearea de compromisuri politice și
modificarea scării valorice ale administrației. În SUA existența nivelelor federale și statale scad
eficiența și au ca problemă capturarea de către sectorul privat a eficienței marginale și ale
scopurilor grupurilor de interese.
Sectorul public format din regimuri, agenții, programe și activități pot fi organizate pentru a
duce la îndeplinirea scopurilor determinate de guvern. Provocările întâlnite de cercetători
domeniului guvernanței sunt la nivel de explicare a rezultatelor, impactului sau performanței
guvernelor prin observarea caracterului politicului și al structurii administrației și să permită
identificarea separată a aranjamentelor guvernamentale și rezultatele obținute.
Internaționalizarea și schimbarea schemelor de guvernanță statală
Schemele actuale ale guvernanței în mediul internaționalizat pot fi puse în legătură cu
capacitatea de a guverna din partea actorilor publici și privați. Strategia de lucru are la bază trei
44
dimensiuni: congruența dintre scopul problemei și structura organizațională a actorilor
implicați, tipologia problemei și contextul instituțional (Knill, Lehmkuhl, 2002: 41-63).
Guvernanţa poate fi văzută ca fiind un model pentru implementare teoretică în viaţa de zi cu zi.
Cinci idei pot fi extrase şi prezentate ca adevărate soluţii pentru schimbarea cursului jocului,
precum (Bodislav, 2013):
1. Guvernanța reprezintă un set complex de instituții și actori care sunt atrași
dinspre și înspre guvernare.
2. Guvernanța recunoaște nedefinirea limitelor și responsabilităților pentru
abordarea problemelor sociale și economice.
3. Guvernanța identifică puterea dependenței implicate în relația dintre instituțiile
implicate în acțiunea colectivă.
4. Guvernanța reprezintă o rețea de actori care se auto-guvernează.
5. Guvernanța recunoaște capacitatea de a duce lucrurile până la final și care nu își
frânează puterea guvernamentală de a comanda sau de a își folosi autoritatea.
Această idee reprezintă și un model de a utiliza noi unelte și tehnici pentru a
ajunge la rezultatul propus (Stoker, 1998).
Guvernanța ideală se bazează pe patru tipuri de guvernanță, creată de relația dintre sectorul
public și privat și capacitatea de a influența layerele sociale, economice și procesele politice
angajate în diferite acțiuni (Bodislav, 2013). Ținând cont de presiunea creată de
internaționalizare și puterea politică și economică rezultă capacitatea actorilor de a fi ancorați
în realitatea guvernamentală. Internaționalizarea poate fi conturată ca reprezentând o schemă
de guvernanță tridimensională, bazată pe: reglementare intervenționistă sau pe auto-
reglementare impusă legal, reglementare auto impusă din perspectiva competitivității și
reglementarea creată de piață. O altă problemă este aceea a numărului de actori implicați în
economie: aceea a actorilor publici care nu pot influența direct comportamentul actorilor privați
și astfel rezultă o corelație directă între puterea de influențare și cursivitatea funcționării
mecanismului economic (Bodislav, 2012: 51-56).
Întorcându-ne la componenta cantitativă și pentru a observa substraturilor tehnice, intangibile
construite se doreşte pe parcursul acestei cercetări postdoctorale, construirea guvernanţei
eficiente în economia de reţea şi implicaţiile dezvoltate în rândul psihologiei umane. Orice
sistem economic (fie micro – la nivel de corporaţie, fie macro – la nivel de stat) formează
grupuri (micro: joint-venture; macro: uniuni statale), aceste grupuri fiind unitatea complexă de
lucru pentru evoluţia spre avansul economic din perspectiva globalizării, dar pentru a porni
motorul cooperării şi colaborării globale este nevoie de un declic al sistemelor economice, în
45
special în dorinţa implementării modelului de lucru hibrid corporativo-statal la nivel de
guvernanţă. Declicul sistemelor economice este posibil prin îndeplinirea a trei condiţii:
cunoaşterea ca sursă de evoluţie, nu ca resursă, făcând notă unificatoare cu capitalul şi munca,
devenind astfel resursă prevalentă (economia se scientizează), Economia ca experienţă practică
şi teoretică de creare a avuţiei, dar ieşită de sub controlul puterii politice (politică statală sau
politică corporativă) şi manifestată ca dimensiune intersubiectivă a naturii umane (Economia
se hominizează) şi a componentei de limitare a evoluţiei economiei prin intangibilitatea
subiectivităţii umane.
Limitările de orice fel pot frâna creşterea unei economii, dar acestea pot fi văzute de formatorii
de opinie direct implicaţi în execuţia politică a unui stat, a unei organizaţii continentale sau a
unei organizaţii comerciale globale ca potenţiale oportunităţi (Andrei, et al., 2009: 713-731).
Thomas Friedman a urmărit în cartea sa „Pământul este plat ” evidenţierea unui efect al
globalizării, respectiv nivelarea „terenului de joc” pe care acţionează competitorii din cadrul
pieţei globale. Inovaţiile tehnologice obţinute în domeniul privat, dar cu suportul statului
(suport care poate fi financiar, legal, reglementator, de flux și pur moral), au revoluţionat locul
de muncă, aducând puterea reprezentată de competitivitatea economiilor emergente în care se
regăsesc noii jucători în apropierea jucătorilor consacraţi din ţările dezvoltate. Paradoxal, în
acelaşi timp ce aceste evoluţii au dus la un flux ridicat al afacerilor extra-frontaliere, barierele
relaţionale – obstacole în productivitatea umană, sunt la cote crescânde din cauza contextului
economic actual.
Din perspectiva laturii umane a managementului din cadrul companiilor transnaţionale avem
ineficienţa existenţei unei lideranţe funcţionale deoarece aceştia trebuie să dezvolte relaţii de
tip ierarhic sau reţea cu parteneri (fie state, fie alte companii) din cadrul altor state. Slujba
liderilor (cel puţin din domeniul privat, cuvântul lider va avea sensul de membru al nivelului
executiv <C-Level Suite, conform legislaţiei americane> pentru corporaţii; membru de execuţie
al guvernului; membru al parlamentului unei ţări cu funcţie de execuţie; membru al oricărei
organizaţii <care are un anumit nivel de influenţă la nivelul economiei> şi cu o influenţă nu
impusă prin funcţie ci prin eficienţa networkingului acestuia (situaţie valabilă şi pentru liderii
politici aflaţi în dizgraţia conducerii unui partid, dar care reuşesc să aibă control asupra evoluţiei
politice a partidului) este mai uşor de executat în urma avansului tehnologic care ajută în
micşorarea ecarturilor de distanţă şi cunoaştere, dar aceşti lideri se confruntă cu limitări
derivate (aceste limitări au un caracter rezidual: inamici istorici, diferenţe de nivel cultural,
situaţii istorice nefinalizate şi ecarturi de generaţie). Astfel de limitări potenţează conflictul,
46
impun îngrădiri asupra performanţei şi un nivel al fluxului de inovaţii sub nivelul potenţial
(Bodislav, et al., 2014: 29-32).
Componenta intangibilă evoluționistă reprezintă și pragul de ruptură și totodată de accelerare
spre viitor: nevoia de a călării coama valului inovației spre a poziționa omenirea spre partea
luminată a evoluției, acea parte care permite reducerea pierderilor, a căior de urmat în planul
propus la nivel de țară/regiune/uniune (infrastructură, redobândire avantaje comparative,
construirea polilor de competitivitate, etc.)
2.3 Inovația sinergiei informatice, oferirea produselor unicat la preț de serie
Pentru a observa clar modul în care ar trebui sinergia dintre Big Data și Business Intelligence
să rezulte în soluții perfect customizabile utilizate în dezvoltarea unui stat sau a unei comunității
(soluție fiind deja oferitâ către corporații) putem discuta despre similitudinea tehnologiilor
regăsite în linii de producție care pot customiza produse considerate serie limitată sau chiar
unicat la prețuri de produse în serie largă. Astăzi liniile de producție folosesc deja tehnologii
puternice bazate pe roboți inteligenți, inteligență artificială și algoritmi genetici. Liniile de
producție vor deveni capabile să se auto-configureze și să se transforme în timp real în vederea
execuției de produse diferențiate și personalizate. Pentru a transpune invențiile tehnologice din
zona producției în afaceri profitabile, autorii consideră că sistemele informatice orientate pe
producție ar trebui să folosească arhitecturi orientate pe client/cumpărător ce vor permite
acestora să proiecteze și să comande produse personalizate și să le achiziționeze în final la
prețuri acceptabile. Astfel de arhitecturi vor avea nevoie de putere de procesare sporită fapt care
nu mai constituie o problemă în zilele noastre. Arhitectura software propusă pentru industria
producătoare poate fi considerată un ERP (Enterprise Resource Planning) extins iar contribuția
originală a lucrării este dată de integrarea cumpărătorilor finali cu funcționalitatea sistemului
prin posibilitatea proiectării de produse personalizate și plasarea unei comenzi nu doar de
achiziție ci de execuție a produsului (Avram și Bodislav, 2013: 301-312). Se introduce astfel
ideea de comerț electronic extins în sensul folosirii avatajelor tehnologiei și a suportului internet
nu doar la nivel de magazin virtual ci la nivel de fabrică virtuală.
Integrarea strategiilor IT cu strategiile de dezvoltare ale unei organizații este critică întrucât
sistemele IT au încetat să mai reprezinte simple instrumente tactico-operaționale în organizație.
Ele sunt instrumente strategice care susțin modele de business inovative sau chiar le lansează.
Software-ul construit pentru industriile orientate pe producție a reprezentat un punct de interes
încă din anii '60. La mijlocul anilor '70 s-au dezvoltat sistemele informatice de planificare a
47
necesarului de materiale și materii prime din procesul de producție - Material Requirements
Planning, MRP. Conceptul de MRP s-a extins și a evoluat rapid astfel că în aceeși perioadă au
apărut sisteme complexe și puternice de planificare și gestiune a resurselor de producție.
Conceptul poartă numele de Manufacturing Resource Planning - MRP II și constituie bazele
sistemelor ERP de astăzi. Principala funcție a unui MRP II este de a gestiona necesarul de
materie primă și materiale în concordanță cu necesarul de producție însă sistemul integra și
funcționalitățile cu logică superioară, precum cele financiar-contabile, gestionarea stocurilor,
vânzare și distribuție, resurse umane etc (Avram și Bodislav, 2013: 301-312).
Ulterior sistemele ERP s-au extins prin integrarea lor cu sisteme dedicate gestiunii furnizorilor
în vederea optimizării gestiunii stocurilor de materii prime și materiale necesare producției.
Este vorba de sistemele SCM, Supply Chain Managemet. Au fost de asemenea integrate sisteme
dedicate gestiunii cleinților, CRM, Client Relationship Management.
Figura 7. Componentele unui sistem orientat spre producție
Sursa: adaptare după Avram și Bodislav, 2013: 301-312
48
Procesul de producție ca unitate de lucru este automatizat și liniarizat prin intermediul
sistemelor informatice de tip MES - Manufacturing Execution Systems. MES sunt responsabile
cu streamline-ul (gestiunea și optimizarea) procesului de producție din momentul plasării
comenzii și până la realizarea produselor finite. Manufacturing Execution Systems sunt folosite
în industria auto, aeronautică, textilă, farmaceutică, echipamente medicale și în orice industrie
care include procese de procuție în implementarea și dezvoltarea acesteia. Figura 7 prezintă
componentele de bază ale unui sistem ERP extins cu funcționalități de gestine a furnizorilor și
a clienților și integrat cu sisteme dedicate liniilor de producție (Avram și Bodislav, 2013: 301-
312).
Ca exemplificare putem folosi companii precum Pomarfin care are un model de afaceri ce se
bazează pe soluții 100% customizabile și în același timp perfect automatizata, rezultând pantofii
perfecți creați (chiar și pentru cei cu anumite defecte sau deficiențe ortopedice) la prețuri
apropriate de produsele fabricate în serie largă (acest model de afaceri a fost ales din dorința de
a nu externaliza producția în China și astfel să concedieze o parte din managementul companiei
aflat în Finlanda și echipa de producție din Estonia). Dacă astăzi este posbil în condiții de cost
sustenabil să se obțină avantaje din personalizarea produselor de îmbrăcăminte și încălțăminte
prin accesul la scanere 3D, avantajele pot fi mult mai mari dacă sistemele informatice vor fi
gândite din această optică. Elementul original al acestui studiu constă în conceperea unui
prototip de arhitectură software la nivel macro al componentelor prinicipale și al comunicării
între ele cu scopul de a susține în viitorul apropiat o întreprindere orientată pe producția de
bunuri cât mai personalizate.
Sub ipoteza că scanarea 3D este fezabilă și că în viitorul apropiat costuile unui scaner 3D vor
permite achiziționarea de astfel de aparatură, modelul de afacere al firmei Pomarfin va deveni
mult mai eficient pentru că nu va mai avea nevoie de retaileri și de magazine de prezentare
dotate cu scanere 3D. Cumpărătorii vor folosi propriile aparate pentru obținerea tiparului
perfect și vor plasa singuri comanda prin interfețe ale aplicației de comerț electronic (Avram și
Bodislav, 2013: 301-312). Adevărata provocare rămîne deci proiectarea de sisteme informatice
noi care să suporte un astfel de model de afacere.
Oferind disponibilitatea cliențiilor de a-și personaliza produsul dorit și de a a-și plasa comanda
direct în sistemul informatic al producătoriilor sistemul necesită o comunicare în timp real între
toate sistemele informaționale componente.
Aceste cerințe împreună cu dezvoltarea internetului au permis proiectarea unor arhitecturi
orientate spre eficiență și performanță, capabile în a transmite mesaje între diferite componente,
49
oriunde în lume prin intermediul rețelei internet. Arhitectura propusă în acest studiu este o
arhitectură SOA, Service Oriented Architecture. La baza arhitecturii SOA stau serviciile web
care reprezintă componentele autonome ce interactionează. Arhitectura SOA reprezintă o
imbinare de tehnologii și standarde. Pentru realizarea unei platform bazate pe arhitectura SOA
este necesar să se evalueze și să se selecteze produsele software corespunzatoare pentru a ține
pasul cu noile cerințe din industrie, sistemele informatice trebuie să devină mai flexibile și
configurabile. Figura următoare prezintă arhitectura SOA adaptată industriei de producție în
care clienții pot să iși personalizeze produsele și să le comande.
Figura 8. Arhitectura SOA orientată pe producție diferențiată
Sursa: Avram și Bodislav, 2013: 301-312
50
Punctul central al arhitecturii este Proxy Server-ul, care rutează mesajele între componentele
arhitecturii. Avantajul major al acestei arhitecturi este autonomia fiecarei componente în parte.
Fiecare sistem din arhitectură este independent și se comportă ca o aplicație de sine stătatoare
care poate fi localizată oriunde în rețea și care comunică cu aplicațiile terțe cu ajutorul
serviciilor web. Arhitectura prezentată este una deschisă, noi componente pot fi adăugate
oricând fără a fi nevoie de modificări asupra componentelor existente deja. Elementul original
al arhitecturii este dat de interacțiunea clientului cu întreaga arhitectură în sensul că întregul
flux de producție pornește de la o cerință personalizată de a executa un produs unic. Prin faptul
că se permite cumpărătorului nu doar să își configureze un produs ci să îl proiecteze, întregul
flux de producție așa cum exită astăză în sistemele informatice orientate pe producție trebuie
remodelat.
Automatizarea și standardizarea reprezintă astăzi succesul costurilor de producție mici. Henry
Ford, fondatorul companiei Ford Motor spunea că un client poate alege orice culoare atâta
vreme cât este neagră, dar se poate observa că există deja evoluții în automatizarea decizională
ne implicând (încă) „steroidizarea” principiilor și mecanismului de lucru, decât după ce avem
de a face cu introducerea în ecuație a practicilor de Business Intelligence și care pot evolua la
nivel global și cu un cadrul de prognoză automat și avansat dat de Inteligența Artificială
dezvoltată în zilele noastre (Avram și Bodislav, 2013: 301-312).
Plecând de la analiza efectuată până în acest punct în cadrul cercetării postdoctorale și filtrând
prin ceea ce s-a rezumat în primele două capitole ale acestei cărți ajungem la punctul culminant
al cercetârii, acela în care construim un indicator hibrid care să ofere suport pentru viitoare
cercetări în domeniu, iar fezabilitatea acestuia fiind validarea eficienței acestuia ca rezultate
financiare oferite.
51
Capitolul 3 Construirea unui indicator hibrid bazat pe sinergia dintre Big Data
și Business Intelligence
Capitolul 3 este creat ca un punct de plecare în călătoria pionieratului economic interdisciplinar,
unde economia tradițională se intersectează cu sistemele complexe dezvoltate și eficientizate
prin influența Economiei digitale și a informației creată prin presiunile plus-valorificatoare ale
sinergiei dintre Business Intelligence și Big Data, sinergie care rulată fin și supusă unui macro-
fine tuning crează singularitate. Efectul de singularism versus efectul de sinergie sunt aduse în
discuţie şi strategiile dezvoltate pentru a contura economia deschisă şi totul economic văzut ca
un flux global unitar cu specificităţi geo-strategico-politice.
3.1 De ce un indicator rezultat din sinergia Big Data și Business Intelligence?
Indicatorul hibrid creat se bazează pe un sistem complex de relaționare mulat pe translatării
perfecte a soluției propuse (o economie reprezentativă simulată prin pracitci de Business
Intelligence și Big Data).
În continuare se va aborda conturarea, crearea şi validarea unui indicatorului hibrid bazat pe
faptul că societatea globală se confruntă cu următoarea problemă: avuţia este creată prin
capitalismul bazat pe piaţă, deşi sistemul bazat pe piaţă crează nesiguranţă şi inegalitate pentru
clasele sociale.
În zilele avansului tehnologic şi al evoluţiei pozitive a perspicacităţii umane asistate de
inteligenţa artificială primară ne oprim asupra marilor întrebări legate de creşterea economică
adusă de implementarea acestora asupra datelor problemelor deja existente.
Multe din probleme fiind de natură non-tehnică şi neavând o perspectivă informatică ataşată se
doreşte ca aceasta să fie exprimată prin factori de business inteligence. Pentru a face trecerea
de la perspectiva pur tehnică şi exprimarea acesteia din viziunea economică tradiţionalistă şi
problemele posibile (Bodislav, 2015c: 257-264):
1. Inexistenţa strategiei de lungă durată;
2. Metricile de măsurare a succesului unei politici aplicate la nivel macroeconomic
nedefinite;
3. Clasa politică şi cultura sustrag de pe traiectorie şi defocusează viziunea
executivă;
4. Implementarea directă şi legăturile funcţionale între proprietăţiile avute de către
serviciile de tip SAAS (software as a service) sau BI (business intelligence)
inexistentă;
52
5. Soluţiile utilizate la nivel macroeconomic nu sunt interconectate şi au validate
per întreaga reţea scăzută şi cu costuri extrem de mari. Astfel nu este observată
o valorificare directă a investiţiei, o valorificare de tip ROI (Return On
Investment).
Societatea creată în cadrul unei companii sau în cadrul unui minister/instituţii poate duce la
respingerea unor soluţii de tip BI asentimentale şi astfel anulând orice cale de intrare în sectorul
macroeconomic ghidat de aparatul guvernamental. Dacă se trece peste principiile tradiţionaliste
se ajunge la partea a doua a problematicii, aceea a deraierii de la traseu a serviciilor de tip BI
astfel scăzând eficienţa şi crescând costurile (Avram și Bodislav, 2013: 301-312). Politiciile
macroeconomice văzute ca nişte proiecte implementate cu ajutorul supervizării de tip BI ajung
a fi un succes prin convergenţa mai multor factori, fie oameni, procese sau strategii tehnice şi
tehnologii.
Avantajele oferite de către un program de business intelligence cu ponderea înclinată spre
strategie şi implementare executivă se bazează pe a oferi valoarea adăugată companiilor într-
un mediu economic aflat în continuă schimbare, pornind de la (Avram și Bodislav, 2013: 301-
312):
1. Reducerea costului de execuţie a operaţiunilor unei companii sau componentă
guvernamentală prin crearea unui proces de valorificare de tip ROI (Return On
Investment) cu creştere a eficienţei;
2. Infrastructura decizională a companiei trebuie dublată de o infrastructură IT
pentru a obţine acces direct la întreagă cantitate de informaţie generată de
companie sau componentă guvernamentală astfel numărul deciziilor luate să fie
reduse şi să rămână în calculul final doar cele care au cea mai mare şansă de a
aduce valoare adăugată ridicată;
3. Programele de tip BI oferă suport pentru argumentarea deciziilor luate, astfel
crescând colaboarea şi fluxul neutral în cadrul instituţiei cu efecte asupra
eficienţei (în consumul resurselor disponibile, anularea datelor interne
neconcludente și implementarea metricilor în funcţie de importanţa nişelor
controlate).
Crearea unui program de BI care sa funcţioneze complet mulat pe necesităţiile unei companii
sau a unei componente guvernamentale poate dura ani, cicluri politice sau cicluri economice,
iar evoluţia tehnologică trebuie şi aceasta luată în considerare.
Principalul motor al programelor BI este volumul mare de date care lucrează pentru a obţine
soluţii eficiente şi directe cu consum de resurse, efort şi timp minim. Efortul este liniar în timp
53
şi este cel care măreşte rata de succes a implementării BI, iar acesta răspunde la nevoile de
astăzi şi de mâine ale organizaţiei, fie corporaţie sau formă de guvernământ.
Programele de tip BI cu o componentă accentuată de forecasting variabil precum IBM Cognos
și au la bază nu numai rezultatul tehnic oferit ci şi implicarea în comunitate astfel creându-se
mai uşor legătura cu viaţa socială, un model de tip 1.1 faţă de ceea ce a făcut compania Hewlett
Packard în Bangalore, India. Prin astfel de conexiuni de tip stratificare secundară avem de a
face cu atingerea ţelurilor statale sau corporatiste, asigurarea deschiderii către oameni şi unităţi
de proces utilizate, practic putând fi conturată ca un nou sistem de programe complexe de tip
BI şi prognozare, o schemă aplicată de excelenţă în domeniu.
Pentru a avea şanse mai mari în implementarea unui sistem de business intelligence este nevoie
de aducerea la un standard al organizaţiei prin implementarea unui cadru de excelenţă care
lucrează mult peste stratul de lucru tehnologic, factorizarea pentru creşterea producţiei a
capitalului uman şi perfectarea proceselor ca punct cheie al dezvoltării unui business sau
economii naţionale.
Evoluţia şi deschiderea de lucru a unui proces de implementare pentru utilizare a unui sistem
BI poate fi văzută ca o excursie de formare, pentru a exemplifica mai bine fenomenul se va
prezenta următorul proces de lucru conform celor patru straturi de lucru a proceselor BI.
Figura 9. Strategia business tridimensională cu posibilitatea de translatare
către sectorul public
Sursa: autor, pornind de la Boyer et al., 2011 și Bodislav, 2015c: 257-264
54
Strategia Business/Economică – această componentă se bazează pe relaţia şi poziţia faţă de
liderul vizat pe o anumită piaţă, fie companie, fie ţară; astfel noi oportunităţi, şlefuirea
proceselor de lucru şi reducerea costurilor operaţionale sunt posibile (decizii eficientizate
pentru valorificarea totală a informaţiei disponibile – Bodislav, 2015c: 257-264). Pentru a porni
la drum în execuţie trebuie să se contureze metrica de lucru şi modul de utilizare, la care se
adaugă colaboarea dintre componenta business şi componenta IT.
Pentru a liniariza fluxul de date şi ţelul businessului efectuat trebuie conturată bidirecţional
relaţia dintre strategia top-down şi implementarea bottom-up bazându-se pe:
1. Evaluarea curentă a situaţiei;
2. Abordarea strategică asupra deciziei, implementării şi execuţiei;
3. Construirea obiectivelor corporative conform nevoilor;
4. Dezvoltarea metodologiei de lucru pentru a reduce erorile de management;
5. Construirea studiului de caz conform necesităţilor şi procedurei de lucru.
Strategie şi Comportament Organizaţional – creşterea accelerată a unei economii sau a unui
business duce la apariţia problemei clasice a dependenţei de trecut a celor împământeniţi în
organizaţie. În special se regăsește atunci când se lucrează pentru perfecţionarea fină a unor
procese, iar procedura de lucru utilizată actualmente este liniarizată complet şi produce un flux
tehnic cu eficienţă ridicată, iar dezvoltarea unui nou proces crează pierderi de eficienţă în baza
iniţială de lucru (Bodislav, 2015c: 257-264). Pentru a putea reduce pierderea de eficienţă din
dorinţa de a mări eficienţa trebuie construit un program de acceptare a schimbării:
1. Înţelegerea culturii organizaţionale şi de business şi comunicarea obiectivelor
programului;
2. Construirea suportului executiv şi echilibrul creat pentru a promova şi executa
proiectul propus;
3. Valoarea structurii organizaţionale ajută la întărirea fluxului ideologic şi a
fluxului de finanţare;
4. Completarea interfeţei utilizatorului cu aceea a angajatului non-tehnic;
5. Prezentarea fiecărei etape de lucru pentru awarness-ul conform evoluţiei
proiectului.
Strategie Tehnologică – aceasta trebuie construită în ton cu principalele ţeluri de dezvoltare ale
companiei sau economiei respective şi să respecte nevoile principalilor investitori în acel
business sau al poporului dacă este vorba despre economii naţionale (Bodislav, 2015c: 257-
264). Software-urile de tip CRM, ERP, reţele neuronale şi sistemele tranzacţionale pot simula
eficient și obiectiv etapele de lucru ale diviziilor şi subsidiarelor companiilor sau ale
55
ministerelor şi al agenţiilor guvernamentale din cadrul guvernului unui stat. Pentru a construi
capabilităţile pentru strategia tehnologică este nevoie de:
1. Standardizarea şi consolidarea strategiei;
2. Îmbunătăţirea costului de operare şi balearea investiţiilor efectuate;
3. Livrarea soluţiilor din ce în ce mai numeroase şi crearea unei platforme de tip
enterprise;
4. Guvernanţă corporativă sau statală exprimată prin evaluarea informaţiei şi a
tehnologiei disponibile;
5. Fluxurile de date mari sau volumetrice (principiul de Big Data) oferă suportul
necesar pentru anticiparea mişcărilor pieţei şi întărirea încrederii în informaţia
obţinută;
6. Opţiunile de implementare şi dezvoltare se diversifică.
Componenta forte a sistemelor de business intelligence este aceea că ajută la dezvoltarea
automată a analizei obiectivelor prin antiteza bottom up versus top down prin crearea hărţilor
de lucru asupra operaţiunilor din cadrul entităţii re-eficientizate şi adăugarea de noi valori către
ţelurilor strategice avute de către entitate, fie aceasta microeconomică sau macroeconomică
(Osimo, 2008).
Problematica conexională dintre evaluarea top down versus bottom up este pusă în paralelă între
strategie versus tactică şi poate conduce la probleme fricţionale între top management versus
top management sau relaţia lor cu managementul de linie, astfel blocând utilizarea unui sistem
de guvernanţă corporativă eficient. Blocajul general este generat de prioritizarea strategică
versus cea tactică şi la care se adaugă intrarea pe micro-nişe pentru a pioniera şi a construi
avantaje competitive sau abordarea corporativă de masă, pentru atragerea unui segment global
de piaţă, fie la nivel de ţară sau la nivel de industrie.
Pentru strategia de tip bottom up putem aduce in discuţie punctele forte şi punctele slabe ale
acesteia, după cum urmează (Boyer et al., 2011: 21):
Pro Bottom up:
la nivel guvernamental agenţiile guvernamentale pot începe să lucreze spre un
ţel comun, înţeles de toate părţile implicate;
implementarea soluţiilor au finalitate pe termen scurt şi nu pe termen mediu,
antrenând astfel şi mai puţini bani cheltuiţi pentru procedura de
implementare/executare;
56
soluţia oferită poate crea rupturi sau contura un efect de domino în cadrul
organizaţiei, rezultând în atragerea şi părţilor pasive în dezvoltarea şi
implementarea procesului.
Contra Bottom up:
soluţia oferită spre utilizare nu poate duce la implementarea unei macro structuri
care poate conduce sau da trendul de lucru pentru o industrie sau o ţară;
metrica de lucru trebuie reconstruită ca să poată fi mulată pe întreaga organizaţie
şi să exprime imaginea şi forţa de lucru a acesteia;
când soluţia oferită şi implementată nu este explicată şi dezvoltată o motivaţie
atunci este posibilă ca sistemul strategic să nu funcţioneze eficient.
Mergând mai departe în conturarea viziunii guvernanţei corporative automatizate, trebuie adus
în discuţie elementul de lucru fluidizant şi standardizat spre excelenţă. Pentru a putea arată
macro-imaginea de ansamblu am conturat următorul grafic, pornind de la un studiu de business
intelligence efectuat de către compania IBM (Boyer et al., 2011, Bodislav, 2015c: 257-264):
Figura 10. Sinergia Tehnologie – Individ și rezultatul obținut segmentat
la nivel de corporație sau la nivel guvernamental
Sursa: interpretare autor procese de lucru IBM Cognos şi conturarea unei scheme
de ansamblu, cum este dezvoltată relația tehnologie, mediul guvernamental
și bunăstarea populație
57
Construcția următorului subcapitol arată fezabilitatea construirii unui indicator relevant la
nivelul unei economii și care poate cumula plus valoarea adusă de economia tradițională, de
sinergia dintre Business Intelligence și Big Data (prin soluția conturată la nivel de date) și
suportul oferit în termeni de creștere economică reală, prin rezultatele comparate dintre reușita
ca economie “de eprubetă” sau mai bine zis economie – indicator și economia reală, deși vom
avea în vedere și faptul că economia condusă guvernamental are ca scop final obținerea
bunărstării sociale versus sectorul privat care are ca scop obținerea profitului, componentă
prezentată în cadrul subcapitolului 2.2.
3.2 Economia – indicator. Corpo-Land-Index (CLI)
Această construcție este filtrată și din perspectiva top – down și din cea bottom – up și de aceea
putem vedea construcția acestui indicator CLI ca fiind o stradă cu două sensuri deoarece acesta
exprimă și succesul creării unei economii “de eprubetă” care să fie simplificată funcțional și
care să nu utilizeze principii relative precum: procesele de unificare, conștința națională și
dependența de trecut.
Performanța macroeconomică arată într-un mod holistic cum dezvoltarea economică este
pornită într-o țară, dar și calitatea și standardul vieții contează în traseul spre Morgana
dezvoltării.
Într-o lume care abundă de vehicule investiționale fără acoperire în realitate și care permite
construirea unor soluții macroecomice nefundamentate, totul bazându-se pe indicatori unici și
sintetici creați fie de către corporații, fie de către bănci, fie de către organisme internaționale de
evaluare și rating cu scopul de a crea lichiditate și bonitate relativă. Fundamentarea în economia
reală și construirea unui indicator care să arate potența și fezabilitatea simplificării sau
singularizării potențialului unei economii într-o singură valoare arată șansa avută prin sinergia
dintre Business Intelligence și Big Data în a crea suport prin construcția unor indicatori – cadru
asupra deciziilor efectuate în politicile guvernamentale, printre care și decizii complexe
randamentate cu suportul Inteligenței Artificiale.
Economia – indicator construită a fost creată în concordanță cu actualele deschideri avute de
toate țăriile și în funcție de Era Informațională în care am intrat de mai bine de un deceniu.
Emularea unei economii aflată în plină dezvoltare sub forma unui indicator a fost efectuată
transparent printr-o procedură de construcție clară în paralel cu componentele care formează o
economie la nivel de țară, respectiv sectoarele care se regăsesc într-o economie aflată în
dezvoltare (emergentă). Datele au fost auditate, extrase și analizate folosind ca bază de date
58
NASDAQ OMX (incluzând aici și platforma acestora de lucru), partea de validare și
valorificare a fost efectuată calitativ prin soluțiile oferite de către Bloomberg Professional,
Zacks Investment Management, Wall Street Daily Trading, Goldman Sachs, Infinitum Group
și pentru minarea și evaluarea cantitativă și procesarea obiectiv-calitativă, soluția IBM Cognos
10 Business Intelligence.
Mergând mai departe putem observa componentele integrante ale indicatorului CLI, acesta
fiind un indicator hibrid creat în baza automatizării datelor utilizate în cadrul indicatorului,
rezultatul final fiind observabil în tabelul care urmează:
Companiile care formează indicatorul CLI (Corpo-Land-Index)
Tabel 3
Nr. Crt.
Nume companie Indicativ bursier
Profil activitate (regăsit la nivel de sector macroeconomic)
1. Schweitzer-Mauduit International SWM Producție hârtie premium
2. Paramount Gold and Silver Corp. PZG Minierit metale prețioase
3. Goldcorp Inc GG Minierit metale prețioase
4. First Majestic Silver Corp AG Extracție argint
5. SPDR Gold Trust GLD ETF
6. Telefonica SA TEF Telecom
7. Stamps.com STMP Curierat
8. OpenTable (delistat – preluat) OPEN Rezervări online
9. Google Inc. GOOG Internet Search & SAAS
10. Watsco WSO Tehnologii aer condiționat
11. Town Sports International Holdings CLUB Fitness / recreare
12. Steven Madden SHOO Încălțăminte
13. Ross Stores ROST Magazine cu discount
14. Nordstrom JWN Retailer modă
15. Men's Wearhouse MW Retailer modă (bărbați)
16. Maidenform Brands (delistat – preluat) MFB Fashion & Retail
17. LuLulemon Athletica LULU Echipament sportiv și tehnic
18. Watson Pharmaceuticals (delistat – preluat) WPI Farmaceutice
19. Techne Corporation TECH Biotehnologie
20. On Assignment ASGN Soluții specializate HR
21. Jazz Pharmaceuticals JAZZ Farmaceutice
22. Cross (A.T.) Company (delistat – preluat) ATX Instrumente de scris
23. Western Refining WNR Rafinării
24. Sunoco Logistics Partners SXL Lanț vertical și orizontal extracție petrolieră
25. Patterson-UTI Energy PTEN Producție energie
26. Exxon Mobil Corporation XOM Energie (explorare & producție)
27. Alon USA Energy ALJ Petrol (producție & distribuție)
28. Templeton Russia Fund TRF Derivată financiară
29. Tanger Factory Outlet Centers SKT Fond de investiții imobiliar
30. Rayonier Inc. RYN Materiale de construcții
31. Plum Creek Timber Company PCL Industria lemnului
59
Nr. Crt.
Nume companie Indicativ bursier
Profil activitate (regăsit la nivel de sector macroeconomic)
32. Medallion Financial Corp. TAXI Licențiere taximetrie (monopol –NYC)
33. CME Group Inc CME Trading & Investment Banking
34. Berkshire Hathaway (1/100) BRK/A Soluții business optimizate
35. Bank of America Corporation BAC Banking & servicii financiare
36. American Campus Communities Inc ACC Fond de investiții imobiliar
37. Westinghouse Air Brake Technologies Corporation WAB Tehnologii aer condiționat
38. MasTec MTZ Construcții
39. GSI Group GSIG Lasere și soluții electro-optice
40. Grupo Aeroportuario del Sureste ASR Aeroporturi
41. General Electric Company GE Tehnologii și servicii financiare
42. Embraer-Empresa Brasileira de Aeronautica ERJ Aviație (lanț ierarhic)
43. Colfax Corporation CFX Instalații & sistem țevi
44. Boeing Company BA Aviație, tehnologie militară, C&D&I
45. Bae Systems Plc BAESY Aviație, tehnologie militară, C&D&I
46. 3M Company MMM Tehnologii industriale
47. Goldman Sachs Income Builder Fund A Shares (lichidat) GSBX Fond de investiții
48. Ultratech UTEK Inovație în tehnologie
49. Stratasys SSYS Imprimări 3D
50. Microsoft Corporation MSFT IT (tot lanțul ierarhic), C&D&I
51. j2 Global JCOM Cloud Computing & SAAS
52. International Business Machines Corporation IBM BI, Cloud Computing, tehnologie, C&D&I
53. Intel Corporation INTC Microprocesoare și plăci de bază
54. CACI International CACI Tehnologie date
55. Apple Inc * AAPL PCs & soluții multimedia
56. ACI Worldwide ACIW Plăti internaționale
57. 3D Systems Corporation DDD Printări 3D
58. American Water Works AWK Utilități – apă/canal
Companiile care sunt marcate cu galben au fost delistate (preluate sau închise pentru
că au atins maturitatea presupusă).
Sursa: indicator creat pentru a simula o economie cu scopul de a contura decizile necesare
pentru obținerea creșterii organice. Toate companiile sunt listate pe NASDAQ, NYSE
sau LSE
Companiile au fost alese cu ajutorul IBM Cognos și Bloomberg Professional pentru a contura
o perioadă mai mare de validare a fezabilității indicatorului (o cercetare inițială a fost efectuată
și în cadrul unei cercetări anterioare în cadrul cercetării pentru teza de doctorat obținută în
domeniul Economie). Alegerea are baza în anul 2011, dar validarea indicatorului la nivel de
componente constituente s-a efectuat în luna iulie 2014. Intervalul de execuție a fost ales pentru
a fi în ton cu economia globală aflată într-o lipsă de ritm de la începutul crizei economice din
anul 2007. Prețurile de tranzacționare ale acțiunilor includ și optimismul investitorilor, iar
60
indicatorul creat dacă este evaluat ca un fond închis de investiții oferă performanțe excelente
(peste 25% pe an creștere), iar o evaluare a riscului l-ar încadra într-un spectru de risc redus,
care aduce ca premium o rată de 3-4% de creștere an la an.
Desfășurarea componentelor indicatorului CLI pentru a arăta eficiența și fezabilitatea
indicatorului a fost aleasă pentru intervalul 3 octombrie 2011 – 2 iulie 2015. De ce această
perioadă? Pentru a executa exercițiul financiar transparent din spatele indicatorului s-a pornit
de la unul dintre cele mai speculative momente bursiere ale anului, respectiv “Sezonul
Raportărilor” care este desfășurat în luna octombrie a fiecărui an, iar jucătorii urmăresc banii
ușor de făcut din dividendele obținute pentru acțiunile deținute, deci prețurile de tranzacționare
ale acestora sunt ușor supraevaluate înainte de luna octombrie. La finalul anului 2011 și pe
parcursul anului 2012 au existat mai multe evenimente majore, fie economice, natural sau
sociale, de la Primăvara Arabă, tsumaniul/cutremurul din Japonia și atingerea limitei de
îndatorare a SUA (care deja a fost prelungită cu 2 ani de către Administrația Prezidențială
Obama – Bodislav, 2015a). Aceste evenimente au destabilizat economia globală, împreună cu
evitarea la limită a falimentului Greciei în luna iulie 2015 (această componentă fiind analizată
în evoluția indicatorului pe o perioadă de o săptămână, 25 iunie – 2 iulie 2015) și au trimis
majoritatea indicilor buriseri către Sud, cu șanse mici de revenire sustenabilă pe termen mediu.
Pentru a valida performanța indicatorului și a nu fi considerat o lebădă neagră (Taleb, 2010),
CLI a fost testat pe parcursul a trei ani și nouă luni și filitrat prin reducerea așteptărilor avute la
nivel global (Bodislav, 2015a). Creșterea economică a gravitat în ultimii patru ani în jurul cifrei
zero, fapt care transmite un mesaj de alarmă către toate economiile dezvoltate, atingerea
plafonului de îndatorare SUA (eveniment amânat pentru noiembrie 2016) și operațiunile de
finanțare directă ale FED (Quantitative Easing 1,2 și 3, Operation Swap, etc.) și menținute și
de către BCE (QE european) au dus la un boom care cu greu este absorbit, poate anulat prin
momentul “1929” întâlnit pe bursele din China (bursele chineze sunt în scădere de la începtului
verii 2015 și suflul comunist nu poate atenua aterizarea forțată, investitorii chinezi având și
săptămâni mai puțin bune în care au pierdut și 100 de miliarde de dolari pe săptămână).
Indicatorul s-a desfășurat în cei trei ani și nouă luni în mod excepțional, tot timpul avănd o
poziție peste evoluțiile principalilor indicatori bursieri din țările dezvoltate și cele emergente.
La finalul primului an de execuție (2011 – 2012) performanța indicatorului a fost de 39,85%,
58% la finalul celui de al doilea an (2011 – 2013), iar la finalul celui de al treilea ani (2011 –
61
2014), 65.44%, iar pe întreaga perioadă a execuției indicatorului (3 octombrie 2011 – 2 iulie
2015) acesta a performat cu 77,77%.
Economia globală a performat în aceeași perioadă la nivel de PIB cu un trend de 3,2% pe an,
Statele Unite ale Americii cu un trend de 2,00% pentru anul 2012, 2,40% pentru anul 2013 și
aproape 5,00% pentru anul 2014, Uniunea Europeană (UE27/UE28) a performat pe aceleași
perioade cu 0,60% (2012), -0,40% (2013) și 0,80% (2014). Pentru țări aflate în plin proces de
catching up, creșterea ecoomică regăsită pentru anul 2012 a fost între 1,20% (România) și
8,20% (China), pentru anul 2013 între 0,70% (Mexic) și 7,70% (China), iar pentru anul 2014
între 0,50% (Italia) și 7,40% (China), datele fiind accesate în data de 18 iunie 2015 cu ajutorul
platformelor Bloomberg Professional, EUROSTAT, World Bank și TradingEconomics.com.
Evoluția principalilor indicatori bursieri considerați strategici.
Intervalul 2011-2015
Tabel 4
Nr. Crt.
Index bursier Indicativ P&L 1 (%)
02.07.2015 25.06.2015
P&L 2 (%) 02.07.2015 02.04.2015
P&L 3 (%) 02.07.2015 02.10.2014
P&L 4 (%) 02.07.2015 02.10.2013
P&L 5 (%) 02.07.2015 02.10.2012
P&L 6 (%) 02.07.2015 03.10.2011
1 NASDAQ CCMP -2.01 2.50 13.07 31.30 60.55 114.45
2 S&P 500 SPX -1.21 0.48 6.71 22.61 43.65 88.93
3 DJIA INDU -0.90 -0.19 5.53 17.16 31.51 66.40
4 FTSE100 UKX -2.61 -2.97 2.86 3.00 14.13 34.10
5 CAC40 CAC -4.09 -4.70 13.97 16.29 41.63 65.21
6 NIKKEI225 NKY -1.20 6.26 31.03 44.83 133.58 140.16
7 DAX DAX -3.26 -7.25 20.70 28.62 51.92 106.43
8 BE500 BE500 -2.74 -3.84 14.78 22.30 39.62 67.63
9 Hang Seng HSCI -3.18 3.98 13.95 14.35 25.82 61.73
10 STOXX50 SX5E -4.09 -6.78 11.49 18.67 38.95 61.97
11 Shanghai Shenzen
CSI300 SHSZ300 -12.72 -0.41 67.61 70.52 77.06 60.65
12 IBOVESPA Brasil IBOV -0.13 -0.03 -0.77 0.01 -10.33 4.56
13 BOLSA Mexico MEXBOL -0.44 2.20 2.08 9.38 9.65 37.04
14 KOSPI Korea KOSPI 1.07 3.86 6.64 5.39 5.58 23.51
15 Bucharest SE BET 0.86 3.12 1.31 21.46 53.59 72.71
Medie ponderatâ -1.46 0.95 7.80 13.37 18.87 42.98
Media normală -2.44 -0.25 14.06 21.73 41.13 67.03
P&L reprezintă prescurtarea de la Profit & Loss (Profit & Pieredere). Calculele sunt efectuate
pentru a arăta evoluția actuală (03.10.2011 – 02.07.2015).
Sursa: autorul, folosind Bloomberg Professional
62
Rezultatele atinse de către indicatorul hibrid construit, CLI, depășește așteptările avute în
scenariul inițial și performează peste rezultatele oferite de către indecși bursieri aleși pentru
comparație agregată. Pentru anul 2012 boom-ul în formatul de W al crizei este observat și în
evoluția CLI, creșterile sau sincopele avute la nivel global sunt resimțite cu o intensitate mai
mica în cadrul acestuia. Anul 2013 a reprezentat o accelerare a trendului CLI prin faptul că
acesta să depășească așteptările cu 56,21% rezultatele avute în medie de către indicatorii
bursieri globali aleși, în timp ce pentru anul 2014 CLI a redus panta trendului și din Nordul
stabil țintit a pornit spre Sud datorită problemei avute de Grecia în asigurarea finanțării ca țară
și a rostogolirii datoriilor avute.
Pentru a observa pe larg imaginea de ansamblu create de indicator (și pe componenetele
acestuia) cu baza de execuție a creșterii inversă (în loc de a avea baza în anul de plecare - 2011,
baza va fi pusă în 2 iulie 2015 pentru a înțelege avansul avut de CLI pe parcursul perioadei de
execuție – 3 ani și 9 luni).
Execuția și evoluția indicatorului CLI – anul 2015
Tabel 5
Nr. Crt.
Nume companie Indicativ 02.07.2015 25.06.2015 Delta 1(%)
02.04.2015 Delta 2(%)
1. Schweitzer-Mauduit
International SWM 39.76 40.45 -1.71 45.77 -13.13
2. Paramount Gold and
Silver Corp. PZG 1.54 1.55 -0.65 1.40 10.00
3. Goldcorp Inc GG 16.18 16.56 -2.29 18.85 -14.16
4. First Majestic Silver
Corp AG 4.72 5.13 -7.99 5.49 -14.03
5. SPDR Gold Trust GLD 111.76 112.44 -0.60 115.28 -3.05
6. Telefonica SA TEF 14.27 14.94 -4.48 14.62 -2.39
7. Stamps.com STMP 73.06 73.99 -1.26 66.04 10.63
8. OpenTable OPEN 0.00 0.00 0.00 0.00 0.00
9. Google Inc. GOOG 547.34 557.95 -1.90 534.06 2.49
10. Watsco WSO 122.48 122.83 -0.28 125.23 -2.20
11. Town Sports
International Holdings CLUB 2.79 3.14 -11.15 6.75 -58.67
12. Steven Madden SHOO 42.44 42.58 -0.33 38.20 11.10
13. Ross Stores ROST 49.31 49.79 -0.96 51.96 -5.10
14. Nordstrom JWN 75.12 75.43 -0.41 79.96 -6.05
15. Men's Wearhouse MW 62.62 65.30 -4.10 52.68 18.87
16. Maidenform Brands MFB 0.00 0.00 0.00 0.00 0.00
17. LuLulemon Athletica LULU 65.18 67.56 -3.53 63.35 2.88
18. Watson
Pharmaceuticals WPI 0.00 0.00 0.00 0.00 0.00
19. Techne Corporation TECH 96.54 100.15 -3.60 98.52 -2.01
63
Nr. Crt.
Nume companie Indicativ 02.07.2015 25.06.2015 Delta 1(%)
02.04.2015 Delta 2(%)
20. On Assignment ASGN 39.32 40.29 -2.41 38.69 1.63
21. Jazz Pharmaceuticals JAZZ 177.37 179.93 -1.42 168.86 5.04
22. Cross (A.T.) Company ATX 0.00 0.00 0.00 0.00 0.00
23. Western Refining WNR 45.39 43.81 3.61 46.32 -2.01
24. Sunoco Logistics
Partners SXL 37.99 38.26 -0.71 41.53 -8.52
25. Patterson-UTI Energy PTEN 17.78 18.69 -4.87 19.37 -8.21
26. Exxon Mobil Corporation
XOM 83.14 83.93 -0.94 84.30 -1.38
27. Alon USA Energy ALJ 19.00 18.80 1.06 16.69 13.84
28. Templeton Russia Fund TRF 10.01 10.35 -3.29 10.33 -3.10
29. Tanger Factory Outlet
Centers SKT 32.29 32.40 -0.34 35.85 -9.93
30. Rayonier Inc. RYN 25.96 25.66 1.17 26.45 -1.85
31. Plum Creek Timber
Company PCL 40.96 40.86 0.24 43.41 -5.64
32. Medallion Financial
Corp. TAXI 8.69 8.62 0.81 10.34 -15.96
33. CME Group Inc CME 94.27 94.00 0.29 92.91 1.46
34. Berkshire Hathaway
(1/100) BRK/A 2059.23 2096.00 -1.75 2165.00 -4.89
35. Bank of America
Corporation BAC 17.03 17.37 -1.96 15.54 9.59
36. American Campus Communities Inc
ACC 38.48 38.36 0.31 43.36 -11.25
37. Westinghouse Air
Brake Technologies Corporation
WAB 94.42 95.76 -1.40 94.29 0.14
38. MasTec MTZ 19.50 20.51 -4.92 19.49 0.05
39. GSI Group GSIG 14.87 15.39 -3.38 13.43 10.72
40. Grupo Aeroportuario
del Sureste ASR 143.23 144.64 -0.97 141.11 1.50
41. General Electric
Company GE 26.78 27.04 -0.96 24.94 7.38
42. Embraer-Empresa
Brasileira de Aeronautica
ERJ 30.31 29.93 1.27 31.29 -3.13
43. Colfax Corporation CFX 45.54 46.71 -2.50 48.48 -6.06
44. Boeing Company BA 140.21 142.45 -1.57 149.28 -6.08
45. Bae Systems Plc BAESY 28.20 29.82 -5.43 31.09 -9.30
46. 3M Company MMM 155.38 155.92 -0.35 162.80 -4.56
47. Goldman Sachs Income Builder Fund A Shares
GSBX 0.00 0.00 0.00 0.00 0.00
48. Ultratech UTEK 18.68 19.02 -1.79 17.14 8.98
49. Stratasys SSYS 34.56 37.54 -7.94 52.89 -34.66
50. Microsoft Corporation MSFT 44.40 45.65 -2.74 40.29 10.20
51. j2 Global JCOM 67.14 69.67 -3.63 67.20 -0.09
52. International Business Machines Corporation
IBM 165.09 166.08 -0.60 160.45 2.89
53. Intel Corporation INTC 30.56 31.99 -4.47 30.81 -0.81
64
Nr. Crt.
Nume companie Indicativ 02.07.2015 25.06.2015 Delta 1(%)
02.04.2015 Delta 2(%)
54. CACI International CACI 81.17 84.30 -3.71 88.33 -8.11
55. Apple Inc * AAPL 885.08 892.50 -0.83 877.24 0.89
56. ACI Worldwide ACIW 24.33 25.34 -3.99 21.48 13.27
57. 3D Systems Corporation
DDD 18.95 20.48 -7.47 27.45 -30.97
58. American Water Works AWK 49.85 49.37 0.97 54.89 -9.18
TOTAL/Evoluție
procentuală simplă indicator
6190.27 6287.23 -1.54 6331.48 -2.23
Evoluție procentuală ponderată indicator
- - -2.11 - -3.07
Delta reprezintă creșterea dintre data de maturitate (02 iulie 2015) și data prezentată în stânga
delta din tabel.
Sursa: calcul autor, utilizând NASDAQ OMX și Bloomberg Professional
Execuția și evoluția indicatorului CLI – perioada 2011-2014
Tabel 6
Nr.
Crt. Nume companie 02.10.2014
Delta
3(%) 02.10.2013
Delta
4(%) 02.10.2012
Delta 5
(%) 03.10.2011
Delta
6(%)
1 Schweitzer-Mauduit
International 40.14 -0.95 59.47 -33.14 32.45 22.53 27.57 44.21
2 Paramount Gold and
Silver Corp. 0.88 75.00 1.30 18.46 2.59 -40.54 2.17 -29.03
3 Goldcorp Inc 23.60 -31.44 25.47 -36.47 45.62 -64.53 45.36 -64.33
4 First Majestic Silver
Corp 7.84 -39.80 11.58 -59.24 22.86 -79.35 14.90 -68.32
5 SPDR Gold Trust 116.74 -4.27 127.06 -12.04 172.10 -35.06 160.96 -30.57
6 Telefonica SA 15.10 -5.50 16.03 -10.98 13.53 5.47 18.38 -22.36
7 Stamps.com 32.11 127.53 45.83 59.42 22.86 219.60 19.36 277.38
8 OpenTable 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
9 Google Inc. 570.08 -3.99 887.99 -38.36 756.99 -27.70 495.52 10.46
10 Watsco 87.35 40.22 94.01 30.28 76.92 59.23 51.31 138.71
11 Town Sports
International
Holdings 6.25 -55.36 12.46 -77.61 13.22 -78.90 6.87 -59.39
12 Steven Madden 32.21 31.76 35.93 18.12 43.87 -3.26 28.36 49.65
13 Ross Stores 75.81 -34.96 74.01 -33.37 65.95 -25.23 38.21 29.05
14 Nordstrom 68.83 9.14 56.80 32.25 55.63 35.04 45.37 65.57
15 Men's Wearhouse 46.67 34.18 34.30 82.57 34.31 82.51 25.01 150.38
16 Maidenform Brands 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
17 LuLulemon Athletica 42.36 53.86 74.46 -12.47 76.35 -14.64 44.80 45.48
18 Watson
Pharmaceuticals 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
19 Techne Corporation 93.64 3.10 80.57 19.82 73.38 31.56 65.29 47.86
20 On Assignment 26.58 47.93 33.01 19.12 19.95 97.09 6.75 482.52
65
Nr.
Crt. Nume companie 02.10.2014
Delta
3(%) 02.10.2013
Delta
4(%) 02.10.2012
Delta 5
(%) 03.10.2011
Delta
6(%)
21 Jazz Pharmaceuticals 154.55 14.77 90.28 96.47 58.76 201.86 37.35 374.89
22 Cross (A.T.)
Company 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
23 Western Refining 42.04 7.97 30.50 48.82 26.58 70.77 11.80 284.66
24 Sunoco Logistics
Partners 47.88 -20.66 66.46 -42.84 49.00 -22.47 29.46 28.95
25 Patterson-UTI
Energy 30.27 -41.26 22.39 -20.59 15.80 12.53 15.83 12.32
26 Exxon Mobil
Corporation 93.30 -10.89 86.08 -3.42 91.72 -9.35 71.15 16.85
27 Alon USA Energy 14.49 31.12 10.26 85.19 13.95 36.20 5.47 247.35
28 Templeton Russia
Fund 12.39 -19.21 14.79 -32.32 15.55 -35.63 14.06 -28.81
29 Tanger Factory
Outlet Centers 32.95 -2.00 33.08 -2.39 32.02 0.84 24.73 30.57
30 Rayonier Inc. 31.14 -16.63 55.78 -53.46 48.65 -46.64 35.65 -27.18
31 Plum Creek Timber
Company 39.04 4.92 47.45 -13.68 42.94 -4.61 33.75 21.36
32 Medallion Financial
Corp. 11.75 -26.04 14.92 -41.76 11.97 -27.40 8.91 -2.47
33 CME Group Inc 80.42 17.22 73.97 27.44 57.11 65.07 49.70 89.68
34 Berkshire Hathaway
(1/100) 2062.50 -0.16 1715.00 20.07 1332.27 54.57 1047.01 96.68
35 Bank of America
Corporation 16.88 0.89 14.06 21.12 8.93 90.71 5.53 207.96
36 American Campus
Communities Inc 36.29 6.03 34.31 12.15 43.49 -11.52 36.15 6.45
37 Westinghouse Air
Brake Technologies
Corporation 77.91 21.19 63.43 48.86 81.38 16.02 50.15 88.28
38 MasTec 29.60 -34.12 30.54 -36.15 20.55 -5.11 16.93 15.18
39 GSI Group 11.60 28.19 9.47 57.02 8.79 69.17 7.27 104.54
40 Grupo
Aeroportuario del
Sureste 125.21 14.39 115.43 24.08 89.90 59.32 48.94 192.66
41 General Electric
Company 25.12 6.61 24.33 10.07 22.79 17.51 14.69 82.30
42
Embraer-Empresa
Brasileira de
Aeronautica 37.95 -20.13 33.73 -10.14 26.22 15.60 24.67 22.86
43 Colfax Corporation 57.10 -20.25 57.66 -21.02 36.12 26.08 19.07 138.80
44 Boeing Company 124.17 12.92 117.84 18.98 69.53 101.65 58.25 140.70
45 Bae Systems Plc 29.47 -4.31 29.13 -3.19 21.60 30.56 15.78 78.71
46 3M Company 138.67 12.05 119.20 30.35 93.54 66.11 70.93 119.06
47 Goldman Sachs
Income Builder Fund
A Shares 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
48 Ultratech 22.80 -18.07 29.97 -37.67 31.99 -41.61 16.12 15.88
49 Stratasys 115.05 -69.96 103.50 -66.61 56.55 -38.89 18.00 92.00
50 Microsoft
Corporation 45.76 -2.97 33.92 30.90 29.66 49.70 24.53 81.00
51 j2 Global 50.18 33.80 50.25 33.61 32.78 104.82 25.50 163.29
52 International
Business Machines
Corporation 186.91 -11.67 184.96 -10.74 209.84 -21.33 173.29 -4.73
66
Nr.
Crt. Nume companie 02.10.2014
Delta
3(%) 02.10.2013
Delta
4(%) 02.10.2012
Delta 5
(%) 03.10.2011
Delta
6(%)
53 Intel Corporation 33.52 -8.83 22.89 33.51 22.84 33.80 20.62 48.21
54 CACI International 70.88 14.52 68.90 17.81 52.31 55.17 46.81 73.40
55 Apple Inc * 699.30 26.57 487.97 81.38 661.29 33.84 374.57 136.29
56 ACI Worldwide 18.79 29.48 55.19 -55.92 42.20 -42.35 25.26 -3.68
57 3D Systems
Corporation 43.71 -56.65 55.22 -65.68 34.21 -44.61 13.50 40.37
58 American Water
Works 48.01 3.83 41.53 20.03 36.82 35.39 29.27 70.31
TOTAL/Evoluție
procentuală simplă
indicator 5983.79 3.45 5714.67 8.32 5058.23 22.38 3616.89 71.15
Evoluție procentuală
ponderată indicator 2.81 3.14 20.37 77.77
Delta reprezintă creșterea dintre data de maturitate și data prezentată în stânga delta din tabel.
Sursa: calcul autor, utilizând NASDAQ OMX și Bloomberg Professional
Din execuția și evoluția indicatorului pentru anul 2015 se poate observa că acesta frânează (în
special pe intervalul 25.06 – 02.07) datorită presiunii exercitate de neraportarea la valori globale
a Greciei (dacă cercetarea ar fi avut un set de date cu execuția spre mijlocul lunii august 2015
se putea include și presiunea crizei bursiere regăsită în China începând cu luna iulie 2015).
Putem observa că avansul indicatorului în perioada 3.10.2011 – 02.07.2015 este de 77.77%
(evoluție simplă) care poate fi comparată cu evoluția de 67.03% a principalilor indicatori
bursieri urmăriți. Acest avans de 15% între cele două componente urmărite validează potența
indicatorului de a nu fi doar un foc de paie în evoluția globală și care pe parcurs a conturat și
concluzii secundare pline de înțeles. Evoluția ponderată între cei CLI și agregarea indecșilor
bursieri este mult mai mare, dar nu este reprezentativă deoarece este supusă incompatibilității
dintre indicatori, similar cu adunarea caiselor, cu piersici și cu nectarine, se aseamănă, sunt
similare, dar produsele reprezintă nișe de piață diferite și de aceea nu putem compara creșterea
pe evoluție normală de 71.15% a CLI față de evoluția simplă agregată a indicatorilor bursieri
urmăriți de 42.98%, diferența de evoluție fiind mai mare de 65,5%, fapt care întărește
performanțele CLI și validează eficiența acestuia, dar fără a fi întru-totul transparent ca
acuratețe metodologică.
Ca întărire a evoluției indecșilor bursieri aleși ca reprezentativi la nivel global și în paralel cu
indicatorul construit avem următorul tabel care arată situația acestora:
67
Principalii indecși bursieri reprezentativi pentru economii dezvoltate și emergente
Tabel 7
Nr. Crt.
Indicator bursier Indice 02.07.2
015 25.06.20
15 02.04.20
15 02.10.2
014 02.10.2
013 02.10.2
012 03.10.2
011
1 NASDAQ CCMP 5009.21
4 5112.19 4886.93
7 4430.19 3815.02 3120.04 2335.83
2 S&P 500 SPX 2076.78 2102.31 2066.96 1946.17 1693.87 1445.75 1099.23
3 DJIA INDU 17730.1
1 17890.3
6 17763.2
4 16801.0
5 15133.1
4 13482.3
6 10655.3
4 FTSE100 UKX 6630.47 6807.82 6833.46 6446.39 6437.5 5809.45 4944.44
5 CAC40 CAC 4835.56 5041.71 5074.14 4242.67 4158.16 3414.23 2926.83
6 NIKKEI225 NKY 20522.5 20771.4
19312.79
15661.99
14170.49
8786.05 8545.48
7 DAX DAX 11099.3
5 11473.1
3 11967.3
9 9195.68 8629.42 7305.86 5376.7
8 BE500 BE500 260.28 267.6 270.67 226.76 212.82 186.42 155.27
9 Hang Seng HSCI 26282.3
2 27145.7
5 25275.6
4 23064.5
6 22984.4
8 20888.2
8 16250.2
7
10 STOXX50 SX5E 3463.25 3610.91 3715.27 3106.42 2918.31 2492.48 2138.24
11 Shanghai Shenzen CSI300
SHSZ300
4107.996
4706.516
4124.776
2450.99 2409.04 2320.16 2557.08
12 BOVESPA Brasil IBOV 53106.1
9 53175.6
7 53123.0
2 53518.5
7 53100.1
8 59222.0
8 50791.5
3
13 BOLSA Mexico MEXBOL
45175.58
45377.12
44202.94
44254.43
41300.66
41199.29
32966.23
14 KOSPI Korea KOSPI 2107.33 2085.06 2029.07 1976.16 1999.47 1996.03 1706.19
15 Bucharest SE BET 7323.74 7261.02 7101.95 7228.82 6029.94 4768.31 4240.47
TOTAL (unități monetare)
209730.
67 212828.
566 207748.
253 194550.
85 184992.
5 176436.
79 146689.
09
Sursa: autorul, folosind NASDAQ OMX și Bloomberg Professional
Dacă CLI ar fi comparat cu creșterea economică a țărilor cu care relaționează companiile care
formează indicatorului și ar fi verificată corelația dintre creștereile sau descreșterile celor două
componente puse în paralel și ar fi adăugate și țările BRICK (Brazilia, Federația Rusă, India,
China și Coreea de Sud) și alte țări emergente reprezntative precum Mexic, Turcia și România
(Bodislav, et al. 2015), ar rezulta că implicațiile sociale din fiecare țară sunt extrem de relevante
datorită globalizârii, astfel afectând și țări neconectat aparent (efectul de fluture).
68
Evoluția țărilor dezvoltate, grupul BRICK și o selecție de țări emergente
Tabel 8
Creștere PIB (%)
Țară/Evoluție procenutală PIB anual 2011 2012 2013 2014
Evoluție 2011 - 2014
Evoluție 2010 - 2014
Global 3.90 3.10 3.00 3.70 10.12 14.42
OECD 2.00 1.50 1.30 2.20 5.08 7.18
EU28 1.60 -0.60 -0.40 0.80 -0.21 1.39
USA 1.80 2.80 1.90 2.60 7.48 9.41
China 9.30 7.70 7.70 7.40 24.58 36.16
Japan -0.50 1.40 1.50 1.20 4.16 3.64
Germany 3.40 0.90 0.50 1.90 3.33 6.84
France 2.00 0.00 0.30 0.90 1.20 3.23
Brazil 2.70 1.00 2.30 1.80 5.18 8.02
United Kingdom 1.10 0.30 1.70 3.20 5.27 6.43
Italy 0.60 -2.40 -1.80 0.50 -3.68 -3.10
Russia 4.30 3.40 1.50 2.00 7.05 11.65
India 6.80 3.20 4.40 5.40 13.56 21.28
Mexico 3.90 3.70 1.20 3.00 8.09 12.31
South Korea 3.70 2.30 3.00 4.00 9.58 13.64
Indonesia 6.50 6.30 5.80 5.70 18.88 26.60
Turkey 8.80 2.10 4.00 2.80 9.16 18.76
Romania 2.50 0.60 3.50 2.50 6.72 9.39
Valorile din tabel sunt exprimate în puncte procentuale.
Sursa: autorul, utilizând date oferite de către Banca Mondială, Fondul Monetar Internațional
și TradingEonomics.com în data de 27 iulie 2015
În tabelul anterior se poate observa tendința economiei globale de a reduce ritmul și posibilitatea
apariției unei noi recesiunii (deși scenariul reprezentării în formă de W a evoluției crizei din
2007 este cel mai probabil din cercetările efectuate de către autor în ultimii an- Bodislav,
2015a). Graficul următor arată distribuția metadatei tuturor companiilor și indicatorilor bursieri
la care se adaugă și mediile agregate (simple și ponderate) care validează că performanțele
avute de către modul în care s-au folosit volumele mari de date (Big Data) disponibile în cadrul
NASDAQ OMX și Bloomberg Professional și transferate în procesul de analiză al Business
Intelligence-ului construit de către IBM prin soluția Cognos ne oferă un indicator super-flux,
reprezentativ pentru o economie “de eprubetă” construită conform cerințelor economiei actuale,
cea a informației.
69
Figura 11. Evoluția CLI comparat cu principalii indicatori bursieri
și componentele indicatorului: 2011-2015
27 iulie 2015
Sursa: autorul, date disponibile în platformele Bloomberg Professional și NASDAQ OMX
70
Indicatorul propus are la maturitate o evoluție ciclică, deși acest poate fi momentan validat ca
experimental în forma acutală, iar evoluția trasată similar cu sectoarele unei economii moderne
este reprezentată în tabelul care urmează:
Evoluția sectoarelor care formează economia funcțională sub forma indicatorului CLI
Tabel 9
Nr. Crt.
Sector P&L 1 (2015-2014) P&L 2 (2015-2013) P&L 3 (2015-2012) P&L 4 (2015-2011)
1 Materii prime -14.16 -36.41 -39.91 -30.89
2 Equity (derivate financiare) -5.70 -14.16 -35.11 -30.43
3 Comunicații 2.82 -33.18 -20.00 19.02
4 Consum ciclic 16.82 9.94 14.66 75.02
5 Consum non-ciclic 14.00 53.65 105.95 186.34
6 Energie -10.83 -5.74 3.17 52.05
7 Industrie grea 6.34 16.26 48.47 113.80
8 Finanțe, buget, bănci 0.26 16.51 46.88 86.63
9 Tehnologie 6.45 25.37 16.72 85.58
10 Utilități 3.83 20.03 35.39 70.31
TOTAL 3.45 8.32 22.38 71.15
Valorile calculate sunt reprezentate în puncte procentuale (%) pentru perioada exprimată
în fiecare coloană.
Sursa: autorul, conform indicatorului CLI
Din structura cadru inițială segmentată pe sectoarele unei economii emergente se poate construi
următorul grafic:
Figura 12. CLI – distribuția inițială
Sursa: autorul
Materii prime2%
Equity (derivate
financiare)5%
Comunicații15%
Consum ciclic7%
Consum non-ciclic3%
Energie4%
Industrie grea9%
Finanțe, buget, bănci34%
Tehnologie20%
Utilități1% 03.10.2011
71
Figura 13. CLI – distribuția anuală în trend cu performanțele obținute
(valori intermediare)
Sursa: autorul
Materii prime
2%
Equity (derivate
financiare)4%
Comunicații16%
Consum ciclic7%Consum
non-ciclic3%
Energie4%Industrie grea
9%
Finanțe, buget, bănci
31%
Tehnologie23%
Utilități1%
02.10.2012
Materii prime
2%
Equity (derivate
financiare)2%Comunicații
17%
Consum ciclic7%
Consum non-ciclic3%
Energie4%
Industrie grea10%
Finanțe, buget, bănci
35%
Tehnologie19%
Utilități1%
02.10.2013
Materii prime
1%
Equity (derivate
financiare)2%Comunicații
10%Consum ciclic
6%
Consum non-ciclic5% Energie
4%
Industrie grea11%
Finanțe, buget, bănci39%
Tehnologie21%
Utilități1%
02.10.2014
72
Figura 14. CLI – maturitatea indicatorului
Sursa: autorul
Conform cu structura distribuției în cadrul performanțelor indicatorului se poate observa că
avansul obținut în cele 45 de luni de execuție ale indicatorului nu se bazează pe un boom
sectorial sau pe evaluarea speculativă a sincopelor pieței. Dacă de la situația inițială la
maturitate pentru sectorul Materii prime se poate observa existența nesiguranței în economia
globală, iar lipsa de motivare pentru investițiile pe termen lung au dus la output-uri negative în
implementarea indicatorului. Alte sectoare precum Consumul non-ciclic și Industria grea au
crescut în cele 45 de luni de execuție cu 186% și 114%, fapt ce arată că infrastructura și
construcțiile reprezintă adevărate staruri ale economiei globale și aduc profituri uriașe pentru
cei care sunt deja reprezentativi în domeniile de activitate specifice sectoarelor, dar
neregularitățile sunt create de către sectoarele Tehnologie și Finanțe, buget, bănci care oferă
semne de întrebare pentru că evoluția indicatorului CLI ne arată ca aceste două sectoare se
supraîncălzesc prin fluxul de bani aflați sistem, supraîncălzire produse și de către operațiunile
financiare executate de către FED prin Quantitative Easing (1, 2 și 3) și operațiuni de schimbare
Materii prime1%
Equity (derivate
financiare)2%
Comunicații10%
Consum ciclic7%
Consum non-ciclic5%
Energie3%
Industrie grea11%
Finanțe, buget, bănci38%
Tehnologie22%
Utilități1%
02.07.2015
73
a maturităților pe termen scurt cu cele pe termen lung. În plus, un alt sector care arată semne de
supraîncălzire este și cel al Utilităților, dar nu datorită faptului că acestea devin mai scumpe,
ci pentru că disparitățile sociale se aprofundează, încălzirea globală ca proces al asimetriei
informaționale aprofundează șocurile dintre cercerea și oferta de utilități la nivel global.
Din graficele prezentate anterior se poate observa că în cele 45 de luni de viață ale indicatorului
acesta a devenit un indicator hibrid pentru că oferă nu numai soluții macroeconomice (căi de
urmat și proceduri inteligento-tehnice de lucru), dar și punți microeconomice de a crea noi
vehicule investiționale sub forma unor fonduri de investiții închise construite după acest
indicator CLI. Se poate observa că indicatorul a avut un ritm de creștere excelent (+78%), dar
distribuția sectorială și evoluția acesteia a rămas constantă sau cu mici modificări. Singurul
semnal de alarmă îl avem în cadrul sectorului Tehnologie care a crescut cu 10% (de la 20% la
22%, dar ajungând în luna aprilie 2015 să reprezintă 28% din întregul care caracterizează CLI).
Sectorul Comunicații a avut cel mai multe de suferit în evoluția CLI, deoarece acesta s-a redus
cu mai bine de 33% din întregul actual față de cel inițial (de la 15% din întregul inițial la 10%
din întregul actual), iar ca valoare acesta a evoluat sub medie, respectiv cu aproximativ 19%
creștere. O pierdere significantă, dar normal datorită faptului că acest sector a stat la baza
escaladării puterii acestei crize la nivel global, sectorul Derivatelor/Equity care nu reprezintă
o componentă la nivel macroeconomic ca procese de lucru implicate, dar ca volum de bani
rulați la nivel global acest sector își câștigă dreptul de a reprezenta un mic sector
macroeconomic de sine stătător, sectorul acesta fiind singurul care pe parcursul testării
indicatorului a scăzut în valoare cu mai bine de 30%, contrat situație oferite de către sectorul
Finanțe, buget, bănci care a crescut în indicator cu mai bine de 12% în reprezentare (de la 34%
la 38% din pondere) și ca valoare cu mai bine de 87%.
74
Figura 15. Distribuția evoluției sectoarelor care simulează o economiei și formează
indicatorul CLI (evoluție procentuală)
Sursa: autorul
P&L 1 (2015-2014)
P&L 3 (2015-2012)
Mat
erii
pri
me
Eq
uit
y (
der
ivat
e fi
nan
ciar
e)
Co
mu
nic
ații
Co
nsu
m c
icli
c
Co
nsu
m n
on
-cic
lic
En
ergi
e
Ind
ust
rie
gre
a
Fin
anțe
, bu
get,
băn
ci
Teh
no
logi
e
Uti
lită
ți
TO
TA
L1 2 3 4 5 6 7 8 9
10
-50-0 0-50 50-100 100-150 150-200
-14.16-5.7
2.82
16.82
14-10.836.34
0.26
6.45
3.83
3.45-36.41-14.16
-33.18
9.94
53.65-5.7416.26
16.51
25.37
20.03
8.32-39.91-35.11
-20
14.66
105.95
3.17
48.47
46.88
16.72
35.39
22.38
-30.89-30.43 19.02
75.02
186.34
52.05
113.8
86.63
85.58
70.31
71.15
-50
0
50
100
150
200Materii prime
Equity (derivatefinanciare)
Comunicații
Consum ciclic
Consum non-ciclic
EnergieIndustrie grea
Finanțe, buget, bănci
Tehnologie
Utilități
TOTAL
P&L 1 (2015-2014) P&L 2 (2015-2013) P&L 3 (2015-2012) P&L 4 (2015-2011)
75
În urma testărilor efectuate putem observa că CLI reprezintă un indicator care simulează
economia unei țări și care ajută la acceptarea unei căi de urmat de către guverne sau de observare
a unei procedure de reducere a alternativelor posibile în alternative fezabile. CLI oferă suportul
pentru a construi perspectiva guvernamentală și care să permită accentuare parteneriatelor de
tip public – privat și care să reprezinte sinergia similară cu cea expusă în această carte în prima
parte, cea dintre BI și Big Data, care împreună cu transparența totală pot oferi o certitudine în
prognozele efectuate pentru viitorul unui sistem economic eficient și un model de reînivere a
conceptului de avantaj comparativ.
Constrângerile macroeconomice care reduc evoluțiile de tip dinți de fierăstrău dintre Cererea și
Oferta Agregată pot fi întâlnite, iar supra dezvoltarea facilităților de producție este posibilă, de
aceea optimizarea randamentelor tehnice de producție trebuie să fie conforme cu cerințele
piețelor prognozate cel puțin pe termen mediu.
Reflexii și căi de urmat
Big Data și Business Intelligence reprezintă componente intangibile ale viitorului aduse în
conexiunea umanității din era industrialâ în era informațională. Pentru a înțelege valoarea
fenomenului trebuie să pornim spre a deslușii problemele pe care le-ar putea avea extragerea
particulară a acestor date din sectorul public (chiar și fără cuanitificarea unor personae implicate
în proces ca purtători și creatori de date – populația unei țări sau uniunii economice) și ofeirea
ca agregat de lucru deoarece aceste tehnologii sunt încă la început și pot avea șansa să ne ofere
metode de îmbunătățire a standardului de viață prin conectarea cu factorii de îmbunătățire a
serviciilor publice oferite populației (sistem medical eficient, educație mulată pieței muncii și
pentru valoriile naționale care să ofere și să mențină avantajul comparativ al acelei națiunii,
siguranța națională întărită proactiv, respectarea intimității și întărirea respectului și
aplicabilității legii și contopirea existenței virtuale cu cea fizică a unei persoane), creșterea
economiei prin independența obiectivitâții decizionale și oferirea mândriei către populația unei
țări de a fi parte a acelei țări.
Big Data și Business Intelligence oferă convergența palpabilă de a atinge țelul țărilor emergente
de a converge real (și nominal) către ideal, de exemplu: România, Bulgaria și Croația să
conveargă spre idealul UE28, iar Grecia să își redreseze poziția politicâ prin corectarea
socialului și al economicului spre a redevenii fezabilă pentru poporul elen și pentru Uniunea
Europeană. Sinergia celor două componente oferă suport pentru un guvern activ și o guvernare
76
eficientă și proactivă, în același timp rezultă și reducerea fraudelor (corupției politice care
permite păstrarea la cote alarmante a corupției de tradiție a popoarelor trecute prin filtrul
comunismului), scăderea pierderilor avute și volumul de abuzuri de orice fel redus. Valoarea în
sine se modifică la nivel calitativ când aceasta poate fi măsurată prin diferite spectre de lucru și
metode de analiză funcțională și obiectivă. Patternuri naționale pot fi idenitficate, iar legat de
construcția geograficâ avem dezvoltarea climatului și modificările acestuia, aceste componente
putând fi anticipate și recreate proactiv pentru a nu exista pierderi în sistem. Înțelegerea tehnică
a evoluțiilor meteorologice, resursele de subsol disponibile și modul de utilizare eficient al
acestora reprezintă un alt avantaj obținut prin utilizarea acestor sisteme. Analiza inteligentă a
datelor permite prin utilizarea super-computerelor (în viitorul apropiat, computere cuantice) să
accesăm noi metode de cuantificare a tot ce ne înconjoară.
Practic orice soluție tehnică adusă în circuitul decizional guvernamental crează suport pentru
un standard de viață mai bun pentru populație. (R)evoluția Big Data și avansul soft, dar în
special hardware, al suportului analitic al Business Intelligence oferă un trend exponențial al
unei nații, nu numai a modului de executare a principiilor de guvernare ale acesteia.
Guvernul nu este singurul beneficiar de execuție, ci și administrațiile locale pot beneficia de pe
urma utilizătorii erei informației. Orașele și comunele pot scădea timpii de reacție la orice fel
de factor exogen sau endogen care presurizează evoluția acelei comunități.
Munca în folosul comunității a Big Data și a Business Intelligence reprezintă suportul creării
de exo-aptitudinii și de depresurizarea tensiunii nevoi – resurse și accentuarea unei Cereri și
Oferte de muncă echilibrată inclusiv pe termen scurt.
Societatea civilă (prin organizațiile non-profit) transferă în țările dezvoltate un volum mic de
eficiență dinspre govern, dar și dinspre sectorul privat (Ford and MacArthur Foundation, 2013),
deoarece nu există metode sau căi de motivare pentru a păstra talentul în fluxul tehnologic al
sinergiei Big Data și Business Intelligence în “folosul comunității”.
În sectorul privat există avansul tehnologic oferită de intersecția Big Data și Business
Intelligence, dar cu o ruptură în transpunerea în sectorul guvernamental (componenta de cost,
reduce dorința sau fezabilitatea transferului informațional dintre cele două macro-componente).
Primul avantaj creat de avansul tehnologic este dat de scăderea costurilor și a prețurilor pentru
obținerea informației (ca serviciu, ca știre, ca formă de distracție și ca acces gratuit sau aproape
gratuit – Bodislav, 2015a). Marketingul personalizat cu costuri reduse reprezintă o componentă
profitabilă și intangibilă care am întâlnită și la prezentarea soluțiilor ERP dinamice și care
77
permit personlizarea și unicitatea soluțiilor oferite, la costuri și prețuri de serie (interesant este
că această soluție oferă un acces facil la clasele defavorizate și care și acestea devin clienți
potențiali; de aici anulându-se problema avută de marii comercianți globali: au un venit minim
sub pragul de 1 dolar pe zi, nu contează sau nu există pe harta comerțului).
Pe parcursul cercetării efectuate și a rezultatului obținut, respectiv crearea unui indicator
reprezentativ pentru o economie modernă s-a conturat necesitatea conturârii sau obținerii unor
macro-avantaje competitive pentru a menține țările interesate și interesante pentru investitori.
Evoluția de la consumatorul analog (individ, companie au țară) la consumatorul filtrat digital
urmărește costurile de producție descrescânde care implică scăderea prețurilor oferite și
reducerea stocurilor avute. Cererea evaluat précis și Oferta replicantă față de cerere duc la
obținerea unor stocuri neutilizate spre zero și consolidează apariția unor avantaje comparative
intangibile sau soft între țări, culminând cu optimizarea anticipării ființei umane, la nivel de
individ, de națiune, în funcție de orice fel de segmentare, totul fiind filtrate de sinergia dintre
Big Data și Business Intelligence, iar automatizarea anticipativ proactivă reprezintă doar pasul
spre o posibiliă cercetare viitoare asupra implicării Inteligenței Artificiale în arborele funcțional
al oricări entități decizionale.
La nivel microeconomic regăsim clienții individuali, fie aceștia corporații mari dacă discutăm
despre relații Business to Business și la nivel macroeconomic discutăm despre țări care
funcționează ca hipe-rcorporații, acestea trebuind să atragă investitori noi (sub formă de
corporații sau alte state), fie să ofere forță de muncă optimizată și optimizabilă, aceasta
implicând acceptarea și asumarea de slujbe pe care alții nu le-ar accepta sau nu ar avea
calificarea necesară.
Economia Informației Digitale filtrate prin sinergia dintre Business Intelligence și Big Data
aduce cu aceasta un reglaj fin al Cererii anticipate care se mulează cu Oferta, neținând cont de
mărimea acestora și de creatorul fiecăreia.
Alinierea strategiilor de business cu cele economice sau naționale duc la conturarea execuției
eficiente și atingerii țelurilor propuse, iar pas cu pas creând convergență comportamentală
optimizată în funcție de riscul posibil și automatizat în proactivitate, o rezultantă viitoare a
testării indicatorului creat, CLI.
Testarea posibilităților avute în conturarea indicatorului CLI folosind principiile oferite de către
Business Intelligence și analitica Big Data ne oferă ca sinergia optimizată, adică fenomenul
singularității, prin automatizarea deciziei, dar nu înțeleasă ca luarea unei decizii în mod automat
78
prin algoritmi predeterminați, ci prin stimularea urmării unei singure soluții dintr-o multitudine
de soluții avute, prin consultarea evoluției CLI la nivel holistic și pe sectoare, iar împreună cu
insightul oferit de către Business Intelligence să se poată urmării un proces de dezvoltare
sustenabilă, fezabil, optimizat cu resursele disponibile și în trend cu necesitățile globale.
Automatizarea deciziei reprezintă un pas normal către circuitul noțional obținut prin (r)evoluția
cuantică și prin tratarea datelor și a informației nu ca un bun final, ci ca un flux intermediar care
ar putea o infinitate de finalități, totul depinzând de scopul urmărit de utilizator.
Rezultatele obținute de către indicatorul CLI arată clar că există o dezvoltare diferențiată între
țări, dar în special în dezvoltarea pe sectoarele de bază ale economiei unei țări. Divizarea în
10 sectoare de lucru car formează indicatorul conturat și care permite construcția unor supoziții
care, deși intuite la începutul cercetării, efectul lor ar avea cu adevărat rezonanță la nivel global
spre sfârșitul anului 2016, începutul anului 2017 arătând a fi cu adevărat presurizant pentru
creatorii de politici macroeconomice și pentru cei implicați la nivel decizional, fie în sectorul
privat sau în sectorul public.
Această carte a prezentat doar o perspectivă abstractă și introductorie în ceea ce reprezintă noua
față a economiei, de la analitica Big Data, procesarea informațional-rațională avută de către
procesele de Business Intelligence, iar sinergia acestora poate oferi o depresurizare a căilor de
urmat în construcția unui plan de viitor, al politicilor macroeconomice, al înțelegerilor
comerciale internaționale și al construcției de uniuni (comerciale, economice, fiscale, politice,
etc.) sau de fuziuni (politice sau business). Cercetarea postdoctorală prezentată în această carte
a introdus în circuitul academic și economic din România perspectiva Inteligenței Artificiale ca
element soft în automatizarea deciziei și o introducere fulger în futurologia economică sau cum
să zgâriem suprafața globului de cristal pentru a calcula ceea ce se întâmplă (cu riscul de eroare
minim) față de a ghici nefundamentat viitorul, doar printr-un empirism ultraoptimist.
79
Surse bibliografice
Acocella, N. (2009) ”Economic Policy in the Age of Globalization”, Editura Cambridge
University Press, New York
Andrei, T., Constantin, D. & Mitruț, C. (2009) “Regional specialization and industrial
concentration in Romania’s transition period from an election cycle perspective”,
Environment and Planning: Government and Policy, vol. 27: 713-731
Ailenei, D. (2006) “Politica economică, între interesul individual și interesul public”,
Theoretical and Applied Economics, no. 7: 17-20
Armah, N. A. (2013) “Big Data Analysis: The Next Frontier”, Bank of Canada Review, Ediția
de Vară: 32-39
Avram, C. & Bodislav, D. A. (2013) “ERP Strategy for customer-centric enterprises in a
growing environment”, Proceedings of Globalization & Business International
Conference, 28 septembrie 2013, București: 301-312
Bodislav, D. A. (2012) “Countries versus Corporations and Economics versus Business… What
makes the Global Mechanism work better?”, Annals of the “Constantin Brâncuși”
University of Târgu-Jiu, Economy Series, nr. 3: 51-56
Bodislav, D. A. (2013) “Modelul corporativ optim de creștere economică sustenabilă pentru o
țară emergentă”, Teza de doctorat, București
Bodislav, D. A. (2015a) “Automated decision making by using Big Data analysis and
qualitative validation through Business Intelligence principles” / Dunis, C., Middleton,
Karathanasopoulos, A. & Theofilatos, K. (2015) “Artificial Intelligence in Financial
Markets: Cutting Edge Applications for Risk Management, Portfolio Optimization and
Economics”, seria New Developments in Quantitative Trading and Investment, Editura
Palgrave Macmillan, Londra
Bodislav, D. A. (2015b) “The Synergy between Business Intelligence and Big Data – lowering
the gap between the Future and Present Day”, Journal of Financial and Actuarial
Mathematics and Management, nr. 3: 39-41
Bodislav, D. A. (2015c) ”Transferring business intelligence and big data analysis from
corporations to governments as a hybrid leading indicator”, Theoretical and Applied
Economics, vol. 22, nr. 1: 257-264
Bodislav, D. A., Iovițu, M. & Popa, D. (2014) “Nationwide economic growth seen through
corporate turnover”, Proceedings of MCCS International Conference, 6 iunie 2014, Cluj
Napoca: 29-32
80
Bodislav, D. A., Pascu, L., Pascu, B., Rătezanu, I. & Badea, G. (2015) ”Emulating Business
Intelligence Strategies Filtered with Big Data Analysis”, Proceedings of 25th IBIMA
Conference, 7-8 mai, Amsterdam
Boyer, J., Frank, B., Green, B., Harris, T. & Van De Vanter, K. (2011) “Business Intelligence
Strategy – A Practical Guide for Achieving BI Excellence”, Editura MC Press, Ketchum
Chen, H., Chiang, R. & Storey, V. (2012) “Business Intelligence and Analytics: From Big Data
to Big Impact”, MIS Quaterly, vol. 36, nr. 4: 1165-1188
Dinu, M. (2014) ”Economicitatea. Peisajul epistemic”, Editura Economică, București
Freeman, C. & Soete, L. (1997) ”The Economics of Industrial Innovation”, Editura MIT Press,
Cambridge
Friedman, T. (2005) ”The World is Flat”, Editura Farrar, Straus and Giroux, New York
Herrigel, G. (1995) ”Industrial Construction: The sources of German industrial power”, Editura
Cambridge University Press, New York
Hirst, P. & Thomas, G. (1996) ”Globalization in Question”, Editura Polity Press, Oxford
Kiron, D., Krik Prentice, P. & Boucher Ferguson, R. (2014) “The Analytics Mandate”, MIT
Sloan Management Review, Research Report
Knill, C. & Lehmkuhl, D. (2002) ”Private actors and the state: internationalization and changing
patterns of governance”, Governance: An International Journal of Policy, Administration
and Institutions, vol. 15, nr. 1: 41-63
Krugman, P. (2009) “A Country is not a Company”, Editura Harvard Business Review Classics,
Cambridge
Lazonick, W. & O’Sullivan, M. (1998) “Corporate Governance and Sustainable Property”,
Editura Jerome Levy Economics Institute, New York
Locke, R., Kochan, T. & Piore, M. (1995) ”Employment relations in a changing world
economy”, Editura MIT Press, Cambridge
Michael, K. & Clarke, R. (2013) “Location and Tracking of Mobile Devices: Uberveillance
Stalks the Streets”, Computer Law & Security Review, vol. 29: 216-228.
Michael, K. & Michael, M. (2011) “The Social and Behavioural Implications of Location-based
services”, J. Location-Based Services, vol. 5, nr. 3-4: 121-137.
Michael, K. & Miller, K. (2013) “Big Data: New Opportunities and New Challenges”, IEEE
Computer Society, nr. 6: 22-24
Mowery, D. & Rosenberg, N. (1998) ”Path of Innovation: Technological Change in 20th
Century America”, Editura Cambridge University Press, New York
81
Nelson, R. (1993) ”National Innovation Systems: A Comparative Analysis”, Editura Oxford
University Press, New York
O‘Sullivan, M. (2000) ”The innovative enterprise and corporate governance”, Cambridge
Journal of Economics, nr. 24: 393-416
Olszak, C. & Ziemba, E. (2007) “Approach to Building and Implementing Business
Intelligence Systems”, Interdisciplinary Journal of Information, Knowledge, and
Management, vol. 2: 135-148
Orwell, G. (1950) “1984, Signet, Londra
Osimo, D. (2008) “Web 2.0 in Government: Why and How?”, JRC Scientific and Technical
Reports – Comisia Europeană, Bruxelles
Peters, G. (1998) ”Getting by with help from our friends: partnership as institutions”, Editura
Macmillan, Londra
Peters, G. & Pierre, J. (1998) ”Governance Without Government? Rethinking Public
Administration”, Journal of Public Administration Research and Theory, vol. 8, nr. 2:
223-243
Pieterse, J. N. (1994) ”Globalization as hybridization”, International Sociologym nr. 9: 161-
184
Pitt, J. (2012) “Design Contractualism for Pervasive/Affective Computing”, IEEE Technology
and Society Magazine, vol. 31, nr. 4: 25-28.
Podesta, J., Pritzker, P., Moniz, E., Holdren, J. & Zientis, J. (2014) “Big Data: Seizing
Opportunities, Preserving Values”, Executive Office of the President, Washington, DC
Russom, P. (2011) “Big Data Analytics”, The Data Warehousing Institute Best Practices
Report, Trimestrul 4
Scharpf, F. W. (1997) ”Introduction: The Problem solving Capacity of Multi-Level
Governance”, European Journal of Public Policy, nr. 4: 520-538
Schumpeter, J. (2011) ”Poate supraviețui capitalismul? Distrugerea creatoare și viitorul
economiei globale”, Editura Publica, București
Sestini, F. (2012) “Collective Awareness Platforms: Engines for Sustainability and Ethics”,
IEEE Technology and Society Magazine, vol. 31, nr. 4: 54-62
Solow, R. (1956) ”A Contribution to the Theory of Economic Growth”, Quarterly Journal of
Economics, nr. 70: 65-94
Stjerne, D. (2011) “Introduction to Business Intelligence. What to consider implementing a
Data Warehouse and Business Intelligence”, disponibil la http://www.stjerne.biz/wp-
content/uploads/2011/11/Business-Intelligence-An-introduction.pdf
82
Stoker, G. (1998) ”Governance as theory: five propositions”, International Social Science
Journal, vol. 50, nr. 155: 17-28
Strickland, E. (2013) “The Gene Machine and Me”, IEEE Spectrum, nr. 3: 26-32
Taleb, N. N. (2010) “Lebăda Neagră – Impactul foarte puțin probabilului”, Editura Curtea
Veche, București
Vahn, G.Y. (2014) “Business analytics in the age of Big Data”, London Business School
Business Strategy Review, disponibil la http://www.london.edu/faculty-and-
research/lbsr/business-analytics-in-the-age-of-big-
data?_cldee=YWxleGFuZHJ1X2JvZGlzbGF2QHlhaG9vLmNvbQ%3d%3d#.VblJ73hu
3ds
Williamson, O. (1988) ”Corporate Finance and Corporate Governance”, The Journal of
Finance, vol. 43, nr. 3: 567-591
*** Ford and MacArthur Foundation (2013) ”A Future or Failure? The Flow of Technology
Talent into Government and Civil Society”, disponibil la
http://www.fordfoundation.org/pdfs/news/afutureoffailure.pdf
*** Banca Mondială (baza de date și rapoarte)
*** Bloomberg Professional service (baza de date)
*** EUROSTAT (baza de date și rapoarte)
*** Fondul Monetar Internațional (baza de date)
*** Goldman Sachs (baza de date și rapoarte)
*** Infinitum Group (analize și rapoarte)
*** Nasdaq OMX (baza de date)
*** TradingEconomics.com (baza de date)
*** Wall Street Daily Trading (baza de date și rapoarte)
*** Zacks Investment Management (baza de date și rapoarte)