Lojistik ve Tedarik Zinciri Süreçlerinde Büyük Veri Kullanımı ve Etkilerinin Analizi

Günümüzde insanlık artık fiziksel veri depolama unsurlarına bağımlı değildir. Her geçen gün artan bir biçimde verilerin toplandığı ve büyük veri “Big Data” adı verilen devasa bir sistem bu gereksinimi ortadan kaldıracak gibi görünmektedir. Lojistik süreçlerin yapısal olarak karmaşıklık düzeyinin yüksek olması ve bir takım değişkenlerin operasyonların performansına önemli ölçüde etki etmesi lojistik süreçlerin optimize edilmesine yönelik olarak veri gereksinimini hayati düzeyde önemli hale getirmiştir. Dolayısıyla Büyük Veri’nin yakın bir gelecekte lojistik süreçler için vazgeçilmez bir role sahip olacağı öngörülebilmektedir. Bu çalışma Büyük Veri’nin lojistik süreçler üzerinde meydana getirebileceği etkiler ile yaratacağı faydalar ve risklerini analiz etmeye çalışmaktadır. Çalışma aynı zamanda Büyük Veri kullanımı sayesinde toplam faydayı artırabilecek, risk ve maliyetleri azaltabilecek bir takım yöntem ve uygulamaları önermektedir.

Utilization of The Big Data in The Logistics and Supply Chain Processes and Analysis of Its Impacts

Nowadays, humans are not dependent to the physical data storage elements. It can be seen that a gigantic system that called as the big data that collected the data increasingly each passing day can remove this requirement. Being extremely complex of the logistics systems and being significant impacts of a number of variables to the performance of logistics activities has made more important the data requirements in order to create the optimal logistics operations. Therefore, it can be seen that the Big Data will have an indispensable role in logistics processes in the near future. This study tried to analyze the impacts on logistics processes as well as its benefits and risks. At the same time, this paper also suggests a number of methods and applications that can increase the total benefits while the costs and risks are reduced.

PDF

___

Aslan, Ü. Özerhan, Y., (2017). Big Data and Accounting Profession. Muhasebe Bilim Dünyası Dergisi, 19(4): 862-883.
Arslan, G. Fawzy, D., Atay, C., (2017). On The Prediction of Structural Reactions to Big Earthquakes in Turkey. Press Academia Procedia, 5(1): 335-340.
Çakırel, Y. (2016). İşletmelerde Büyük Veri. Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(1): 52-62.
Yaprakli, T. Unalan, M., (2017). Consumer Privacy in The Era of Big Data: A Survey of Smartphone Users’ Concerns. Press Academia Procedia, 4(1): 1-10.
Çekin, M. (2016). An Analyze of the New Turkish Code On the Protection of Personal Data Nr. 6698 Regarding Big Data and Freedom of Will. İstanbul Üniversitesi Hukuk Fakültesi Mecmuası, 74(2): 629-644.
Eyüpoğlu, C., Aydin, M., Sertbaş, A., Zaim, A., Öneş, O. (2017). Büyük Veride Kişi Mahremiyetinin Korunması. Bilişim Teknolojileri Dergisi, 10(2): 177-184.
Öztürk, A. (2017). Yükseköğretimde Büyük Veri ve Öğrenme Analitikleri: Güncel Teori ve Uygulamalar. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 3(1): 218-228.
Bozkurt, A. (2016). Öğrenme Analitiği: E-Öğrenme, Büyük Veri ve Bireyselleştirilmiş Öğrenme. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 2(4): 55-81.
Dirsehan, T., Köse, N., Ercevik, E., Ceylan, S. (2017). Konaklama Sektöründe Büyük Veri Aracılığıyla Sektörel Rekabette Kültürel Farklılıkların Keşfi. Marmara Business Review, 2(1): 71-82.
Boyd, D., Crawford, K., Savcı, B. (2015). Büyük Veri Üzerine Eleştirel Sorular: Kültürel, Teknolojik ve Bilimsel Bir Olgu Hakkında Eleştirel Sorgulamalar. Folklor/Edebiyat, 83: 199-215.
Aktaş, M. (2017). A Software Architecture for Monitoring Big Data Storage Platforms. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 23(5): 597-601.
Atalay, M., Çelik, E. (2017). Büyük Veri Analizinde Yapay Zekâ Ve Makine Öğrenmesi Uygulamalari - Artificial Intelligence and Machine Learning Applications in Big Data Analysis. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(22): 155-172.
Wang, G., Gunasekaran, A., Ngai, E. W.T., Papadopoulos, T. (2016). Big Data Analytics İn Logistics and Supply Chain Management: Certain Investigations for Research and Applications. Int. J. Production Economics, 176: 98-110.
Kwon, O., Lee, N., Shin, B. (2014). Data Quality Management, Data Usage Experience and Acquisition Intention of Big Data Analytics. International Journal of Information Management, 34: 378-394.
Waller, M. A. Fawcett, S. E. (2013). Click Here for a Data Scientist: Big Data, Predictive Analytics, and Theory Development in the Era of a Maker Movement Supply Chain. Journal of Business Logistics, 34(4): 249-252.
Zhong, R. Y., Huang, G. Q., Lan, S., Dai, Q.Y., Xu, C., Zhang, T. (2015). A Big Data Approach for Logistics Trajectory Discovery from RFID-Enabled Production Data. Int. J. Production Economics, 165: 260,272.
OECD, Directorate for Financial and Enterprise Affairs Competition Committee, (2016). Big Data: Bringing Competition Policy to The Digital Era, https://one.oecd.org/document/DAF/COMP(2016)14/en/pdf, (22.01.2017)
Eaton, C., deRoos D., Lapis, G., Zikopoulos, P., Deutsch, T. (2012). Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. New York: Mc Graw Hill.
SAS Whitepaper (2012). Big Data Meets Big Data Analytics: Three Key Technologies for Extracting Real-Time Business Value from the Big Data That Threatens to Overwhelm Traditional Computing Architectures.
Smart, B. D. (1999). Topgrading. Upper Saddle River, New Jersey: Prentice-Hall.