Technológiai innovációk a vállalati ökoszisztémában

Tar Áron Szilárd (2023) Technológiai innovációk a vállalati ökoszisztémában. Külkereskedelmi Kar. (Kéziratban)

	PDF Tar_Áron_Szilárd_KKK.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	Microsoft Word Tar_Áron_Szilárd_KKK.doc Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (49kB)
	PDF TDK_Tar_biralat.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (485kB)
	PDF Dolgozat_biralati_lap_2023.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (131kB)

Absztrakt (kivonat)

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.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Külkereskedelmi Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Nemzetközi gazdálkodás

Konzulens(ek)

Mű típusa:	TDK dolgozat
Kulcsszavak:	adatbázis, előrejelzés, infrastruktúra, innováció, mesterséges intelligencia
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2024. Már. 22. 12:51
Utolsó módosítás:	2024. Már. 22. 12:51

Actions (login required)

Tétel nézet