Technológiai innovációk a vállalati ökoszisztémában
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Thesis |
| Kulcsszavak: | adatbázis előrejelzés infrastruktúra innováció mesterséges intelligencia |
| Online Access: | http://dolgozattar.uni-bge.hu/53753 |
MARC
| LEADER | 00000nta a2200000 i 4500 | ||
|---|---|---|---|
| 001 | dolg53753 | ||
| 005 | 20240322125105.0 | ||
| 008 | 240322suuuu hu o 000 hun d | ||
| 040 | |a BGE Dolgozattár Repozitórium |b hun | ||
| 041 | |a hu | ||
| 100 | 1 | |a Tar Áron Szilárd | |
| 245 | 1 | 0 | |a Technológiai innovációk a vállalati ökoszisztémában |c Tar Áron Szilárd |h [elektronikus dokumentum] |
| 520 | 3 | |a Kutatásom három rövidebb esettanulmányból tevődik össze, melyek témája az automatizált könyvelési rendszerek és a blokklánc technológia használata, a döntésoptimalizálás mesterséges intelligencia segítségével, illetve a magyarországi Azonnali Fizetési Rendszer működésének hatásai. A dolgozatban kvantitatív primer kutatást, illetve szekunder kutatást, adatbázis elemzést végzek, a kapott eredményekből pedig saját modelleket készítek. H1 hipotézis: A blokklánc hálózat használható könyvelési adatok tárolására, ennek köszönhetően csökkenthető az adatredundancia. H2 hipotézis: A mesterséges intelligencia segítheti a vállalati erőforrások optimális elosztását. Amennyiben igaz a hipotézis, milyen módon használható a vállalati ökoszisztémában? H3 hipotézis: Az azonnali fizetési rendszer (AFR) fejlesztése és integrációja kiemelten fontos a modern gazdaság számára. Milyen az ideális környezet a technológiai innovációk integrálása szempontjából? Első esettanulmányom eredményeként, a megfelelő adattisztítás elvégzését követően, a törzs adatokat képes voltam eltárolni a blokkláncon. A hipotézist viszont részben tudtam elfogadni, mivel az adatok nyers formátumban nem feltölthetőek a blokklánc hálózatra jelenleg, az adatbázist PNG formátumban, képként tudtam feltölteni. Dolgozatom második esettanulmányának eredményeképp létrehoztam egy adatbázist, melybe felvezettem az általunk készített előrejelzéseket, melyeknek pontossága betegszabadság előrejelzésnél 92,15 %, szabadságkivételnél 91,1 %.. A H2 hipotézisemet, mely szerint a mesterséges intelligencia segítheti a vállalati erőforrások optimális elosztását elfogadtam, a létrehozott modell egyértelműen pontos előrejelzéseket adott, így annak használata segítheti a vállalatok működését, az erőforrások optimális elosztását. Kutatásom harmadik esettanulmányához kapcsolódó, H3 hipotézist részben elfogadtam, mivel a digitális fizetési szolgáltatások fontossága egyértelmű, ám a társadalmi szokások és az illegális foglalkoztatás nagy mértékben hátráltatja a rendszer fejlődését. | |
| 695 | |a adatbázis | ||
| 695 | |a előrejelzés | ||
| 695 | |a infrastruktúra | ||
| 695 | |a innováció | ||
| 695 | |a mesterséges intelligencia | ||
| 700 | 1 | |a Budai Dr. László |e ths | |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/53753/1/Tar_%C3%81ron_Szil%C3%A1rd_KKK.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/53753/2/Tar_%C3%81ron_Szil%C3%A1rd_KKK.doc |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/53753/3/TDK_Tar_biralat.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/53753/4/Dolgozat_biralati_lap_2023.pdf |z Dokumentum-elérés |