Villamosenergia költség előrejelzés gyakorlata a nagyvállalati szektorban a "Big-Data" korszakában, reflektálva a 2022-es energiaválság jelentette kihívásokra
Saved in:
Main Author: | |
---|---|
Format: | Thesis |
Kulcsszavak: | Advanced Analytics big data controlling energiaválság pénzügyi előrejelzések villamosenergia-piac |
Online Access: | http://dolgozattar.uni-bge.hu/52294 |
MARC
LEADER | 00000nta a2200000 i 4500 | ||
---|---|---|---|
001 | dolg52294 | ||
005 | 20240124093629.0 | ||
008 | 240124suuuu hu om 000 hun d | ||
040 | |a BGE Dolgozattár Repozitórium |b hun | ||
041 | |a hu | ||
100 | 1 | |a Cserpes Ákos | |
245 | 1 | 0 | |a Villamosenergia költség előrejelzés gyakorlata a nagyvállalati szektorban a "Big-Data" korszakában, reflektálva a 2022-es energiaválság jelentette kihívásokra |c Cserpes Ákos |h [elektronikus dokumentum] |
520 | 3 | |a Dolgozatomban az elmúlt 1-1,5 év egyik jelentős problémáját vizsgáltam a controlling területen. Ez pedig a villamos energia költségek megnövekedése miatti bizonytalanság a tervezés és előrejelzés folyamatában, valamint az erre adható válaszok a Big-Data eszközök segítségével. A 2022-es évben különböző hatások miatt a villamos energia költsége jelentősen (akár duplázódott is) növekedett a vállalatok számára és mértéke jellemzően hullámzó tendenciát mutatott. Ez az éves tervezési és a heti havi vagy éves előrejelzési folyamatokban kiszámíthatatlanabbá tette a költséget, illetve a költség megnövekedése miatt jóval nagyobb fókuszt kell kapjon a pontossága is. Utóbbira adható megoldás a Big-Data eszközök alkalmazása.A szakirodalmi áttekintő (2. fejezet) részben a téma szerteágazósága miatt több különböző területet mutattam be. Áttekintettem a klasszikus controllinghoz kapcsolódó szakirodalmakat, hogy bemutassam controlling funkció szerepét a szervezet és a feladatait. Ezt követően a Big-Data fogalmát és eszközeit mutattam be részletesebben így az adatgyűjtés és tárolás témaköréről, az adatvizuaizációról és a magas szintű elemzésekről. Igyekeztem megtartani az összhangot, hiszen erről a témáról önálló dolgozatot is lehetett volna írni, de törekedtem rá, hogy tömören, de érthetően mutassam be a területet, hogy meglegyen a dolgozat későbbi részéhez a kapcsolódás.Ugyancsak a szakirodalmi fejezetben mutattam be a controlling terület fejlődési lehetőségeit a digitalizáció segítségével. Nem kérdéses, hogy napjainkban ez a változás erős fókuszt kapott a pénzügyi területen, de különösképpen a controlling funkció esetében, ezért vizsgáltam mi is egyáltalán a változás igénye és miért van rá szükség. Ezen túl bemutattam a digitalizációs lehetőségeket a controlling kapcsán, illetve külön bemutattam a digitalizált előrejelzés hátterét.A dolgozatom témája miatt – bár nem kapcsolódik a controlling területhez – bemutattam a hazai villamosenergia piacot, kitértem a 2022-es árrobbanás okaira és eredményeire, illetve ezekhez kapcsolódóan összekötöttem a controlling területtel az előrejelzés fontosságának bemutatásával.A primer kutatásom elméleti hátterét is bemutattam. Ebben a fejezetben ismertettem a korábban a témában készült kutatásokat, illetve a saját kutatási módszeremet.A 3. fejezetben a villamos energia előrejelzés lehetőségeit mutattam be egy gyakorlati példán keresztül. Itt ismertettem a vállalati problémát és az EMC ajánlását követve elvégeztem az adatelemzés folyamatát. Részletesen végig vettem az adatokat, amik egy előrejelzéshez szükségesek, készítettem egy többváltozós lineáris regressziós modellt Python programnyelben, illetve a kapott végeredményt kielemeztem. Megadtam a választ a hipotézisemre, hogy az aktuális hónap közepén, az adott hónapot illetőleg 95% feletti pontossággal előrejelezhetők a villamosenergia költségek a vizsgált vállalat esetében. Elfogadtam a hipotézist.A 4. fejezetben a primer kutatás eredményeit mutattam be és értékeltem. Az online kérdőíves felmérésre 31 releváns válasz érkezett (54-en töltötték ki összesen). A kérdőívre adott válasz részletes elemzése segített a másik két hipotézisem megválaszolásában. Mindkettőt elfogadtam a kérdőívre adott válaszok alapján: A nagyvállalati controllerek legalább fele esetében releváns probléma a villamosenergia költségek előrejelzése és tervezése a 2022 energiaválság következtében. A nagyvállalati controllerek legalább fele használ valamilyen Big Data eszközt a munkája során.Dolgozatom megírásához több mint negyven1 a témához kapcsolódó könyvet, tanulmányt vagy cikket olvastam el, melyek az irodalomjegyzékben részletesen felvezetésre kerültek.A mellékletek között több is hozzájárul a dolgozat színesítéséhez és a törzsrész könnyebb megértéséhez, ide került becsatolásra az online kérdőívem is. | |
695 | |a Advanced Analytics | ||
695 | |a big data | ||
695 | |a controlling | ||
695 | |a energiaválság | ||
695 | |a pénzügyi előrejelzések | ||
695 | |a villamosenergia-piac | ||
856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/52294/1/Szakdolgozat_Cserpes%20%C3%81kos_Vezet%C3%A9s%20%C3%A9s%20szervez%C3%A9s_2023.pdf |z Dokumentum-elérés |
856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/52294/2/%C3%96sszefoglal%C3%B3_Cserpes%20%C3%81kos_Vezet%C3%A9s%20%C3%A9s%20szervez%C3%A9s_2023.pdf |z Dokumentum-elérés |
856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/52294/3/SZAKDOLGOZATI%20B%C3%8DR%C3%81LATI%20LAP_Cserpes%20%C3%81kos_NK.pdf |z Dokumentum-elérés |
856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/52294/4/VSZ%20Szakmai%20%C3%B6sszegz%C5%91%20k%C3%A9rd%C3%A9s_Cserpes%20%C3%81kos.pdf |z Dokumentum-elérés |
856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/52294/5/VSZ%20b%C3%ADr%C3%A1lat_%20Cserpes%20%C3%81kos.pdf |z Dokumentum-elérés |