Obrazloženje teme – Metode poslovnog planiranja i predviđanja kroz

korištenje modernih digitalnih alata za analizu podataka

Ova tema je odabrana iz razloga jer poslovno planiranje i predviđanje, odnosno

njegove metode, su izuzetno krucijalne u funkciji kontrolinga, pa tako i samog menadžmenta.
Stavlja se posebna važnost na moderan digitalan aspekt alata, što proizlazi iz potreba i načina
obavljanja cjelokupnog poslovanja u trenutnoj tehnološkoj okolini.

1. Definiranje predmeta istraživanja, ciljeva istraživanja, istraživačkih

pitanja, metode rada i strukture rada

1.1 Predmet istraživanja

Predmet istraživanja je analiziranje poslovnih procesa te sukladno tome uspjehu

poslovanja korištenjem modernih alata koji omogućuju detaljniji uvid u segmente kompanije.
Naravno, temeljna stvar je definiranje poslovnog planiranja i predviđanja, te tome relevantnih
metoda. Unutar rada će se dotaknuti važnost digitalnog modernog aspekta u stvaranju
poslovnih planova i moć istih alata u svojoj mogućnosti da prognoziraju buduće događaje u
potpunome procesu poslovanja.

1.2 Cilj istraživanja

Cilj istraživanja je dokazati utjecaj i definiranje važnosti „Big data“ alata na

povećanje produktivnosti kompanije i optimizacije poslovnih procesa.

1.3 Istraživačka pitanja

Istraživačka pitanja se odnose na to koji su određeni način je potrebno učiniti pojedine

poslovne promjene korištenjem digitalnih alata za specificiranja poboljšanja. Postavlja se
glavno pitanje koje glasi „Što i kako se mogu unaprijediti aspekti poslovanja kroz planiranje i
predviđanje.“; naravno odgovor istog leži u spomenutim digitalnim alatima.
1.4 Metoda rada

Metoda rada se odvija kroz usporedbu svakih od pojedinih alata i stvaranja zaključka
koji od istih je najefikasniji/najefektivniji, odnosno koji alat je najviše prilagođen određenoj
poslovnoj situaciji. U slučaju ako je moguće, digitalni alati koji pomažu u planiranju i
predviđanju biti će rangirani po svojoj korisnosti na objektivan način.

1.5 Struktura rada

Struktura rada će pratiti navedene smjernice, od uvoda koji će objasniti što je to

poslovno planiranje i prognoziranje (odnosno njihovu važnost), utjecaj modernih alata u
spomenutim planiranjima i prognoziranjima i njihova krucijalnost u današnjoj industriji.
Nakon uvoda se ulazi u generalne točke seminarskog rada koje će proći kroz definiranje
ciljeva istraživanja, detaljnijih objašnjenja relevantnih alata, stvaranja uvida u važnost
specifičnih alata i njihove efektivnosti u poslovanju. Zaključak rada je zaokružiti važnost i
kontekst poslovnog planiranja i prognoziranja, što se radi upravo sa digitalnim alatima.
2. Literatura

1.) Shah, H. M. et al. (2021) ‘The contemporary state of big data analytics and artificial

intelligence towards intelligent supply chain risk management: a comprehensive review’,

2.) KYBERNETES. doi: 10.1108/K-05-2021-0423.

Romero, J. A. and Abad, C. (2022) ‘Cloud-based big data analytics integration with ERP

platforms’, MANAGEMENT DECISION. doi: 10.1108/MD-07-2021-0872.

3.) Maroufkhani, P., Iranmanesh, M. and Ghobakhloo, M. (2022) ‘Determinants of big data

analytics adoption in small and medium-sized enterprises (SMEs)’, INDUSTRIAL

MANAGEMENT & DATA SYSTEMS. doi: 10.1108/IMDS-11-2021-0695.

4.) Halwani, M. A. et al. (2022) ‘Job qualifications study for data science and big data

professions’, Information Technology & People, 35(2), pp. 510–525. doi: 10.1108/ITP-
04-2020-0201.

5.) Contreras Pinochet, L. H. et al. (2021) ‘Consequential factors of Big Data’s Analytics

Capability: how firms use data in the competitive scenario’, JOURNAL OF ENTERPRISE

INFORMATION MANAGEMENT, 34(5), pp. 1406–1428. doi: 10.1108/JEIM-11-2020-

0445.

6.) Tsai, CW., Lai, CF., Chao, HC. et al. Big data analytics: a survey. Journal of Big
Data 2, 21(2015). https://doi.org/10.1186/s40537-015-0030-3
7.) Russom, P. (2011). Big data analytics. TDWI best practices report, fourth quarter, 19(4),
1-34.

8.) Elgendy, N., & Elragal, A. (2014, July). Big data analytics: a literature review paper.

9.) Industrial conference on data mining (pp. 214-227). Springer, cham.

10.) Singh, D., & Reddy, C. K. (2015). A survey on platforms for big data analytics.
Journal of big data, 2(1), 1-20.

11.)Zakir, J., Seymour, T., & Berg, K. (2015). Big Data Analytics. Issues in Information

Systems, 16(2).

12.) LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2011). Big
data, analytics and the path from insights to value. MIT sloan management review, 52(2), 21-
32.

13.) Cardenas, A. A., Manadhata, P. K., & Rajan, S. P. (2013). Big data analytics for

security. IEEE Security & Privacy, 11(6), 74-76.

14.) Fisher, D., DeLine, R., Czerwinski, M., & Drucker, S. (2012). Interactions with big
dana analytics. interactions, 19(3), 50-59.

15.)Hu, H., Wen, Y., Chua, T. S., & Li, X. (2014). Toward scalable systems for big data

analytics: A technology tutorial. IEEE access, 2, 652-687.

16.) Najafabadi, M. M., Villanustre, F., Khoshgoftaar, T. M., Seliya, N., Wald, R., &

Muharemagic, E. (2015). Deep learning applications and challenges in big data analytics.
Journal of big data, 2(1), 1-21.