ВКР: Анализ использования корпоративной системы распространения знаний сотрудниками газпром нефти

ОГЛАВЛЕНИЕ
Заявление о самостоятельном выполнении выпускной квалификационной работы
Введение
1. Управление знаниями, его взаимосвязь с большими данными и его применение в нефтегазовой отрасли
1.1. Большие данные и их характеристики
1.2. Взаимосвязь больших данных и менеджмента знаний
1.3. Применение менеджмента знаний в нефтегазовой отрасли
1.3.1. Управление знаниями в российских нефтяных компаниях
1.4. Выводы по главе 1
2. Описание компании ПАО «Газпром нефть и ее корпоративной Системы Распространения Знаний
2.1. О ПАО «Газпром нефть»
2.1.1. Краткий обзор компании
2.1.2. Стратегическое развитие компании
2.1.3. О научно-техническом центре «Газпром нефти»
2.2. Система Распространения Знаний как единая платформа распространения информации ..
2.2.1. О Системе Распространения Знаний
2.2.2. Этапы становления и развития Системы управления знаниями в «Газпром нефть»
2.2.3. Основные принципы Системы распространения знаний
2.2.4. Модули Системы распространения знаний
2.2.5. Модуль «Библиотека знаний»
2.2.6. Модуль «Передовые и новые технологии»
2.2.7. Модули по темам геологии и добычи
2.3. Выводы по главе 2
3. Выбор и обзор инструментария для дальнейшего анализа
3.1. Выбор платформы для бизнес-аналитики
3.2. O Tableau
3.3. Анализ данных в Tableau
3.3.1. Подготовка данных в Tableau Prep
3.4. Дополнительные возможности Tableau
3.4.1. Отслеживание потоков
3.4.2. Отслеживание возникающих ошибок
3.4.3. Внедрение контроля доступа над данными
3.4.4. Создание историй в Tableau
3.4.5. Мобильная версия Tableau
3.4.6. Инструменты разработчика в Tableau
3.5. Выводы по главе 3
4. Анализ данных на основе Системы Распространения Знаний ПАО «Газпром нефть» ……
4.1. Подготовка данных
4.2. Обработка первой группы данных
4.2.1. Очистка выбросов
4.2.2. Преобразование
4.2.3. Удаление дубликатов
4.3. Обработка второй группы данных
4.4. Результаты анализа
4.4.1. Рабочие зоны
4.4.2. Уникальные пользователи
4.4.3. Общая активность пользователей
4.4.4. Активность пользователей по функциям
4.4.5. Активность пользователей по Рабочим Зонам
4.4.6. Улучшение качества данных для последующих анализов
4.5. Выводы по проведённому анализу и дальнейшие рекомендации
4.5.1. Использование дополнительных возможностей Tableau для глубокой предиктивной аналитики
4.5.2. Конкретизация информации по определенным сотрудникам в корпоративной базе
4.5.3. Минимизация технических работ в определенные временные промежутки …
4.5.4. Проведение обучения по работе с Рабочими Зонами
4.5.5. Комплексные системные улучшения
4.6. Выводы по главе 4
Заключение
Список литературы





____________________________________ (Дата)

ВВЕДЕНИЕ

В настоящее время анализ больших данных становится все более и более актуальным, количество информации увеличивается с каждым днем. Компании больше не могут игнорировать необходимость анализа больших данных, поскольку информация, выявленная при его помощи, становится конкурентным преимуществом, а аналитика, проведенная по внутренним данным организации, позволяет сокращать расходы или же оптимизировать производственные процессы, в частности, это может быть применимо к прогнозированию спроса на продукцию или же к сокращению затрат на логистику. Сотрудники компаний вынуждены взаимодействовать с растущими объемами данных для принятий верных управленческих решений, при этом также необходимо как сохранять накопленные знания, так и обмениваться ими внутри компании. Именно поэтому вместе с анализом данных в последнее время активное развитие получил и менеджмент знаний. Только относительно недавно была обнаружена взаимосвязь между этими двумя сферами: менеджментом знаний и анализом больших данных. В большин