Villamosenergia költség előrejelzés gyakorlata a nagyvállalati szektorban a "Big-Data" korszakában, reflektálva a 2022-es energiaválság jelentette kihívásokra

Cserpes Ákos (2023) Villamosenergia költség előrejelzés gyakorlata a nagyvállalati szektorban a "Big-Data" korszakában, reflektálva a 2022-es energiaválság jelentette kihívásokra. Pénzügyi és Számviteli Kar.

	PDF Szakdolgozat_Cserpes Ákos_Vezetés és szervezés_2023.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (3MB)
	PDF Összefoglaló_Cserpes Ákos_Vezetés és szervezés_2023.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (399kB)
	PDF SZAKDOLGOZATI BÍRÁLATI LAP_Cserpes Ákos_NK.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (318kB)
	PDF VSZ Szakmai összegző kérdés_Cserpes Ákos.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (678kB)
	PDF VSZ bírálat_ Cserpes Ákos.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (674kB)

Absztrakt (kivonat)

<p dir="ltr">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.</p><p dir="ltr">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.</p><p dir="ltr">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.</p><p dir="ltr">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.</p><p dir="ltr">A primer kutatásom elméleti hátterét is bemutattam. Ebben a fejezetben ismertettem a korábban a témában készült kutatásokat, illetve a saját kutatási módszeremet.</p><p dir="ltr">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.</p><p dir="ltr">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:</p><p dir="ltr"> A nagyvállalati controllerek legalább fele esetében releváns probléma a villamosenergia költségek előrejelzése és tervezése a 2022 energiaválság következtében.</p><p dir="ltr"> A nagyvállalati controllerek legalább fele használ valamilyen Big Data eszközt a munkája során.</p><p dir="ltr">Dolgozatom megírásához több mint negyven1 a témához kapcsolódó könyvet, tanulmányt vagy cikket olvastam el, melyek az irodalomjegyzékben részletesen felvezetésre kerültek.</p><p dir="ltr">A mellékletek között több is hozzájárul a dolgozat színesítéséhez és a törzsrész könnyebb megértéséhez, ide került becsatolásra az online kérdőívem is.</p>

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Menedzsment Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Vezetés és szervezés

Konzulens(ek)

NEM RÉSZLETEZETT

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	Advanced Analytics, big data, controlling, energiaválság, pénzügyi előrejelzések, villamosenergia-piac
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2024. Jan. 24. 09:36
Utolsó módosítás:	2024. Jan. 24. 09:36

Actions (login required)

Tétel nézet