2017OGIK-ISBIS’2017 3 Welcome to Sopron The Scientific and Educational Forum on Business Information Systems (SEFBSI/GIKOF) was established 17 years ago by academics, software developers,

14 . Országos Gazdaságinformatikai Konferenciath14 International Symposium on Business Information Systems

Sopron, 2017. november 10-11.

Sopron

www.guidance.hu

Designed by

2017

NJSZT Neumann János

Számítógép-tudományi Társaság

GIKOF Gazdaságinformatikai Kutatási és

Oktatási Fórum

OGIK’2017

Országos Gazdaságinformatikai Konferencia

Az előadások összefoglalói

Sopron, 2017

2 OGIK–ISBIS’2017

OGIK2017 Országos Gazdaságinformatikai Konferencia

Az előadások összefoglalói

14. Országos Gazdaságinformatikai Konferencia

A konferencia ideje: 2017. november 10-11., Sopron

A konferencia helyszíne: Soproni Egyetem, Sopron, Bajcsy-Zs. u. 4.

Szerkesztők: Bacsárdi László, Bencsik Gergely, Pödör Zoltán

Tördelőszerkesztő: Somos András

Kiadó: Alexander Alapítvány a Jövő Értelmiségéért

9026 Győr, Hédervári út 49/a.

Nyomtatta és kötötte: Lővér-Print Nyomdaipari Kft.

Felelős vezető: Szabó Árpád

Sopron, 2017

ISBN 978-615-00-0464-8

A borítón szereplő fényképet Somos András készítette.

A jelen kiadványban szereplő magyar és angol nyelvű absztraktok a szerzők

saját munkái, amelyek tartalmáért a kiadó nem vállalja a felelősséget.

OGIK-ISBIS’2017 3

Welcome to Sopron

The Scientific and Educational Forum on Business Information

Systems (SEFBSI/GIKOF) was established 17 years ago by academics,

software developers, practitioners and users as a Special Interest Gro-

up (SIG) of John von Neumann Computer Society (JvN CS). After a year

of operation, the Board of that SIG decided to launch a conference

series named OGIK (Országos Gazdaságinformatikai Konferencia) as

the only one for Hungarian Specialists. As the topic of Business Infor-

mation Systems appealed not only professionals involved in BIS but

also the colleagues from abroad, the conference series needed to be

expanded soon as an International event. Since the programs, organi-

zed by the GIKOF/SEFBIS SIG was the only Forum in the field of BIS in

Hungary many colleagues joined to the community and have been

working together during the last years.

The first 10 conferences were hosted in Gyor by the Szechenyi Uni-

versity. After the tenth years Jubilee the SEFBIS Board decided to mo-

ve the conference year by year to some other city of Hungary, so the

11th -13th OGIK conferences took place in Budapest (Corvinus Univer-

sity), in Veszprém (Pannon University) and in Dunaújváros.

Last year the Sopron University applied for hosting the 14th OGIK

Conference. The Organizing Committee started to work hard on plan-

ning and performing the conference on high level even by introducing

new ideas and spirit into the conference. The organizers decided to

launch a special poster session, which encourages the colleagues for

more intensive interaction. In order to reach that goal they managed

wine tasting in line with the posters’ presentations.


On behalf of the SEFBIS (OGIK) Board I would like to express our

appreciation to all the Sopron University’s colleagues who have been

involved in organizing the conference, the IPC members for reviewing

the papers, the sponsors for their support and last but not least to the

authors who submitted their works and results.

We wish you a successful conference, have a valuable time and en-

joy the wonderful city of Sopron!

Mária Raffai

Chair of IPC

November 10, 2017, Sopron

OGIK-ISBIS’2017 5

Jó szerencsét!

A Soproni Egyetemen a Simonyi Károly Műszaki, Faanyagtudományi

és Művészeti Karának Informatikai és Gazdasági Intézete felelős a gaz-

daságinformatikus képzésért, így nem csak a szervezőbizottság, hanem

a házigazda nevében is sok szeretettel köszöntöm az idei OGIK konfe-

rencia résztvevőit.

A Soproni Egyetem jogelődjén, a Nyugat-magyarországi Egyetemen

2002-ben indult el a gazdaságinformatikus képzés. A Budapesti Műsza-

ki és Gazdaságtudományi Egyetem támogatásával zajló egykori ötéves

képzésnek ma is büszkén őrizzük örökségét. Egy igazán soproni arcula-

tú gazdaságinformatikát tudtunk kialakítani az elmúlt évek során egy

olyan sokszínű Karon tevékenykedve, mint a Simonyi Károly Kar. Mo-

bilalkalmazások, reszponzív weboldalak, internet-of-things megoldá-

sok, adatbányászat a big data világában, komplex és hatékony vállalat-

irányítási rendszerek – és még sok más kifejezést találhatunk a gazda-

ságinformatika 2017-es szófelhőjében.

Idén ünnepeljük a szak indulásának 15. évfordulóját, ezért külön

öröm számunkra, hogy mi lehetünk házigazdái az OGIK 2017 konferen-

ciának.

Tavaly novembere óta nagyon sok időt fordítottunk a konferencia

előkészületeire. Köszönöm a szervezőbizottság minden tagjának (Ben-

csik Gergely, Gludovátz Attila, Kiss Péter, Koloszár László, Pödör Zoltán

és Tóth Mónika) a közreműködését. Az előbb felsorolt kollégák közül

külön ki szeretném emelni Bencsik Gergelyt, aki az utolsó hetek során

fogta össze nagyon hatékonyan az operatív szervezést. Köszönettel

tartozom partnereinknek és támogatóinknak is, valamint Somos And-

rás hallgatónknak, aki jelen kiadvány tördelését vállalta.


Ahogy a programból látható, az idei évben különleges hangsúlyt he-

lyezünk egy ipari partnerek részvételével zajló kerekasztal-

beszélgetésre valamint a poszterszekcióra. A poszterszekció elejét egy

rövid bemutatóval kezdjük, ahol minden poszterelőadó kap 60 másod-

percet, hogy bemutassa a témáját az összes résztvevő számára. A

poszterszekció ideje alatt pedig egy borkóstolóval kedveskedünk min-

den résztvevő számára, bízva abban, hogy jófajta soproni borok és a

szakmailag sokszínű poszterek egyvelege emlékezetes pontja lesz az

idei konferenciának.

Örülök, hogy eljöttek Sopronba a 14. Országos Gazdaságinformatikai

Konferenciára. Egy sikeres, emlékezetes konferenciát kívánok minden-

kinek!

Sopron, 2017. november 10.

Bacsárdi László

A szervezőbizottság elnöke

OGIK-ISBIS’2017 7

Programbizottság

Elnök: Raffai Mária (Széchenyi István Egyetem, NJSZT GIKOF)

Társelnök: Bacsárdi László (Soproni Egyetem)

Tagok: Josef Basl (Prague University of Economics)

Bencsik Gergely (Soproni Egyetem)

Bőgel György (Közép-európai Egyetem)

Sohail Chaudhry (Villanova School of Business,

Villanova University)

Gerhard Chroust (Johannes Kepler University)

Csendes Tibor (Szegedi Tudományegyetem)

Dobay Péter (Pécsi Tudományegyetem)

Petr Doucek (University of Economics, Prague)

Erdős Ferenc (Széchenyi István Egyetem)

Fekete Attila (Feki Webstudio Kft.)

Fülöp Zoltán (Szegedi Tudományegyetem)

Gábor András (Budapesti Corvinus Egyetem)

Horváth Zoltán (Eötvös Lóránd Tudományegyetem)

Kosztyán Zsolt Tibor (Pannon Egyetem)

Kő Andrea (Budapesti Corvinus Egyetem)

Miháydeák Tamás (Debreceni Egyetem)

Miklós Herdon (Debreceni Egyetem)

Pödör Zoltán (Soproni Egyetem)

Tjoa A Min (Vienna University of Technology)

Uchiki Tetsuya (Saitama University)

Xu Li (Old Dominion University)


Szervezőbizottság

Elnök: Bacsárdi László (Soproni Egyetem)

Tagok: Bencsik Gergely (Soproni Egyetem)

Gludovátz Attila (Soproni Egyetem)

Kiss Péter (Soproni Egyetem)

Koloszár László (Soproni Egyetem)

Pödör Zoltán (Soproni Egyetem)

Tóth Mónika (Soproni Egyetem)

A konferenciát a Soproni Egyetem Simonyi Károly Műszaki, Faanyagtudo-

mányi és Művészeti Karának Informatikai és Gazdasági Intézete szervezte.

Az intézet honlapja: http://inf.uni-sopron.hu

A konferencia honlapja: http://www.ogik2017.hu

http://inf.uni-sopron.hu/

http://www.ogik2017.hu/

OGIK-ISBIS’2017 9

Konferenciaprogram

1. nap – 2017. november 10.

9:30 – 18:00

Regisztráció / Registration

10:30 – 10:45

Köszöntő és a konferencia megnyitása / Opening Addresses

10:45 – 12:15

Plenáris szekció Szekcióelnök: Bacsárdi László Plenary session Chair: László Bacsárdi Litkei Péter (NetAcademia): A biztonság fogalma a negyedik ipari forradalomban Csanaki Jenő, Edelényi Márton, Károlyi Tamás, Nagy Zsolt (Opel Szentgotthárd): Üzleti intelligencia hasznosítása az Opelnél Zörög Zoltán (Eszterházy Károly Egyetem): Miért oktassunk ERP-t? Gerald Steinbauer, Martin Kandhofer (TU Graz): EDLRIS – A European Driving License for Robots and Intelli-gent Systems

12:15 – 13:30

Ebédszünet / Lunch break


13:30 – 14:45

Szekció A: Gazdaságinformatikai alkalmazások Szekcióelnök: Kő Andrea Session A: Business informatics applications Chair: Andrea Kő Strauss Tamás (Budapesti Corvinus Egyetem): Számítógépes rendszerek tesztelése és validálása a gyógyszeriparban Kalmár János (Soproni Egyetem): Egy push and pull migrációs modell és megoldása számítógépes szimulációval Bakó Dávid, Erdei Imre, Pintér Tamás László (Soproni Egyetem): IoT infrastruktúra kialakítása SensorHUB alapokon Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert (Pannon Egyetem): Alkalmazásmenedzsment támogatása ágens alapú szimulációs szoftverekkel Németh Márton, Bencsik Gergely (Soproni Egyetem): Vállalatirányítási rendszerek implementálásának és koncepciójának újszerű megközelítése

14:45 – 16:00

Kerekasztal-beszélgetés / Round table discussions

Téma: Ipari szereplők jelenléte a gazdaságinformatikus oktatásban

Moderátor: Fekete Attila (Feki Webstudio)

OGIK-ISBIS’2017 11

16:00 – 16:05

Csoportkép / Group photo

16:05 – 16:20

Kávészünet / Coffee break

16:20 – 17:35

Szekció B: Információmenedzsment Szekcióelnök: Gábor András Session B: Information management Chair: András Gábor Rozsnyai Gábor (Neumann János Számítógép-tudományi Társaság): eSzolgáltatottak szolgáltatói – Szakmai közösségek, mint szolgáltatók, az eSzolgáltatások minősége szakmai közös-ség, mint csendestárs Tarján Gábor (Budapesti Corvinus Egyetem): Az információbiztonsági tudatosság érettségi szintjének mérése gazdálkodó szervezetekben – a tudatosítás kontroll-környezete Horváth Ádám Béla (Óbudai Egyetem): Informatikai kockázatok komplex értelmezése Vitályos Gábor (Neumann János Számítógép-tudományi Társaság): Populáris és a professzionális felhasználói viselkedések és elvárások


Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián (Budapesti Corvinus Egyetem): A digitális átalakulás magyarországi tapasztalatai

17:35 – 17:50

1 perces poszterbemutató / “One minute madness” A poszterek előadóit arra kérjük, hogy egyetlen egy darab PowerPoint dia kivetítésével tartsanak egy maximum 1 perc hosszú „kedvcsináló" előadást a poszterükről.

17:50 – 19:15

Borkostolóval egybekötött poszterszekció / Poster session with wine tasting Csaba Brunner (Corvinus University of Budapest): Ant Colony Algorithm in Data Mining Csaba Csáki (Corvinus University of Budapest): Open Data Reuse: A Note for Beginners Tibor Kovács, Andrea Kő (Corvinus University of Budapest): Evaluation of multiple criteria decision models based aggre-gate performance measures Berta Olga (Nyíregyházi Egyetem): Vállalatinformatikai rendszerek használata az agráriumban egy kérdőíves kutatás tükrében Hornyák Miklós, Kruzslicz Ferenc (Pécsi Tudományegyetem): Internet-alapú adatforrás duo-mining elemzése Kehl Dániel, Kruzslicz Ferenc (Pécsi Tudományegyetem): Tantermi interaktivítás támogatása ARS eszközökkel


Nagyné Halász Zsuzsanna, Gubán Miklós Koloszár László (Budapesti Gazdasági Egyetem, Soproni Egyetem): Az informatikusképzés a felsőoktatásban Pintér László Tamás (Soproni Egyetem): SensorHUB rendszerfelügyelet létrehozása Szőke Péter (Soproni Egyetem): IoT környezetben tárolt adatok feldolgozása és megjelenítése Vajna Zoltán (MVMI Zrt.): Értékteremtő az IT vagy csak költséget jelent? Varga Krisztina, Bacsárdi László, Bencsik Gergely, Pödör Zoltán (Soproni Egyetem): Big Data adatelemzési technikák űrkutatási adatok feldolgozásában Trinh Anh Tuan, Kádár Bence, Pénzes Gábor (Budapesti Corvinus Egyetem): A blockchain technológia a használtautó piacon Trinh Anh Tuan, Frecska Éva (Budapesti Corvinus Egyetem): Social scoring megoldások felhasználása hitelelbírálás során

19:45 – 22:00:

Fogadás / Reception


2. nap – 2017. november 11.

8:45 – 10:15

Szekció C: Tanulás, fejlődés Szekcióelnök: Dobay Péter Session C: Learning and growth Chair: Péter Dobay Fekets Gábor (Soproni Egyetem): Faipari folyamatok szenzorain keletkező adatok feldolgozása és elemzése korszerű eszközökkel Soós Sándor (Soproni Egyetem): Felhő alapú megoldások az oktatásban Anita Mihalovicsné Kollár, Vid Sebestyén Honfi (Dunaújvárosi Egyetem): Gazdaságinformatikus FOSZK, a mostohagyerek? Kő Andrea, Vas Réka, Borbásné Szabó Ildikó, Kovács Tibor (Budapesti Corvinus Egyetem): Vállalati kooperáció és hálózatosodás a technológiai innová-ció kontextusában Fehér Péter, Varga Krisztián (Budapesti Corvinus Egyetem): A banki gyakorlat digitális átalakulási lehetőségeinek bemu-tatása a Design Thinking módszertanra támaszkodva Balázs Barna, Szabina Fodor (Corvinus University of Budapest): Battlejungle, an online platform for using enterprise gami-fication to engage employees

10:15 – 10:40

Kávészünet / Coffee break


10:40 – 12:10:

Szekció D: Interdiszciplináris szekció Szekcióelnök: Raffai Mária Session D: Interdisciplinary session Chair: Mária Raffai Balázs Kovács (University of Pécs): How language influences the information content of stock market news? László Kovács (Corvinus University of Budapest): Applications of Metaheuristics in Insurance Gergely Bencsik (University of Sopron): Analysis of the random level of scientific results using Random Correlation methodology Attila Gludovátz, László Bacsárdi (University of Sopron): The connection of the production and the energy usage in a smart factory Ferenc Erdős, Richárd Németh (Széchenyi István University): 3D Printing Application Opportunities in Real Time Data Communication and Visualization Ágnes Dede (Corvinus University of Budapest): The examination and modification possibilities of lending processes

12:10 – 12:30:

Konferencia zárása / Closing ceremony

12:30 – 13:30:

Szendvicsebéd / Lunch break


A konferencia partnerei és támogatói

Neumann János

Számítógép-tudományi

Társaság

Gazdaságinformatikai

Kutatási és Oktatási Fórum

Országos

Gazdaságinformatikai

Konferencia

Soproni Egyetem


Soproni Egyetem,

Simonyi Károly Műszaki,

Faanyagtudományi és

Művészeti Kar

GAIN BI Kft.

Alexander Alapítvány a Jövő

Értelmiségéért

Universitas Fidelissima Kft.


PLENARY SESSION

PLENÁRIS ELŐADÁSOK


A biztonság fogalma a

negyedik ipari forradalomban

Litkei Péter

NetAcademia Oktatóközpont Kft. [email protected]

A 4. ipariforradalom kapcsán sokszor felmerült, hogy a gyártás auto-

matizálás területén használt rendszereket, pontosabban a SCADA

rendszereket az internetre kössük. Vajon felkészültünk- e arra, hogy az

ilyen eszközeinket a kiengedjük a világhálóra? Nincsen valakinek Deja

vu érzése, mint annak idején először az asztali számítógépekkel – a 90-

es évektől, amikor már egy világ tanulta meg, hogy szinte semmilyen

védelemről nem beszélhettünk operációs rendszereink, szoftverjeink

esetén. Majd szépen lassan megtanultuk, és egy új szakma, és iparág

jött létre, IT biztonság néven. Aztán amikor megjelentek az okos tele-

fonok, megint mindent elfelejtettünk a biztonságról, amit talán mos-

tanra sikerült csak röppályára állítani. És most csatlakoztassuk a SCADA

rendszereket az internetre?

Kulcsszavak: Ipar 4.0, SCADA, automatizálás.


EDLRIS – A European Driving License for Robots

and Intelligent Systems

Gerald Steibauer1, Martin Kandhofer2

1Graz University of Technology [email protected]

2Graz University of Technology [email protected]

Robotics and Artificial Intelligence (AI) is becoming increasingly im-

portant. Thus, sound knowledge about the principles of Robotics and

AI will be a crucial factor for future careers of young people as well as

for the development of novel, innovative products. Addressing this

challenge, we present an ambitious 3-year project focusing on devel-

oping and implementing a professional, internationally accepted,

standardized training and certification system for Robotics and AI

which will also be recognized by the industry and educational institu-

tions.

The project’s main goal is to train and certify trainers (e.g. teachers,

mentors, etc.) as well as trainees (e.g. pupils, students, young people,

etc.) in basic and advanced Robotics and AI topics. In order to facilitate

a broad acceptance, an Advisory Board comprising members from

industry, educational institutions and public bodies is involved from

start-up to the completion of the project.

Keywords: ELDRIS, Artificial Intelligence, Robotics.

mailto:[email protected]



Miért oktassunk ERP-t?

Zörög Zoltán

Eszterházy Károly Egyetem, Károly Róbert Campus [email protected]

Az elmúlt évtizedek során az adatok kezelése és a vállalaton belüli

kommunikáció jelentősen átalakult. Eleinte csak néhány számítógép

került beszerzésre a vállalatoknál, ezért a szervezeti egységek külön-

külön építették ki a vállalati adminisztráció területeit lefedő alkalmazá-

sokat, így úgynevezett szigetmegoldások jöttek létre.

Napjainkban az elektronikus adatfeldolgozás elterjedésével nem az

információk megszerzése jelenti a legfőbb problémát a vállalkozások

számára – ezek ugyanis megtalálhatók a legkülönfélébb adatbázisok-

ban, adattárházakban belső-, illetve külső információként – hanem

azoknak az információknak az előállítása, amelyekre az adott szituáci-

óban szükség van egy döntés meghozatalához. Mi segíthetne ebben

jobban, mint az informatika, ezen belül is a vállalatoknál évtizedeken

keresztül tapasztalható „szigetszerű” szoftver megoldásokat felváltó

integrált vállalatirányítási rendszerek. Használatuk során fontos szere-

pet játszik a rendszerszemléletű gondolkodásmód mindamellett, hogy

a rögzítésre kerülő milliónyi adatból a megfelelő időpontban, csakis a

vezetői döntés megalapozásához szükséges adatokat kell előteremte-

ni.

A napjainkban tapasztalható globalizáció, a világpiac egyre nagyobb

mértékű kiterjedése, a növekvő és az egész világra kiterjedő kereske-


delem kemény piaci versenyt eredményez. A versenyben való helytál-

lást részben az integrált vállalatirányítási információs rendszerek és

alkalmazásukhoz szükséges humánerőforrás kompetenciák megléte

segíti.

Magyarországon folyamatosan növekszik azoknak a vállalkozásoknak

a száma, amelyek egy integrált rendszer segítségével kísérlik meg piaci

pozíciójukat megtartani, vagy azt megerősíteni, illetve működésük

hatékonyságát javítani.

A felsőoktatásból a munkaerőpiacra kerülő pályakezdők egyre na-

gyobb valószínűséggel nyújtják be jelentkezésüket olyan vállalkozás-

hoz, ahol szükség lehet azokra az ismeretekre, amelyet a felsőoktatás-

ban eltöltött évek alatt megszereztek.

Kulcsszavak: információgazdálkodás, vezetői információs rendszerek,

információs és kommunikációs technológia


Üzleti intelligencia hasznosítása az Opelnél

Csanaki Jenő, Edelényi Márton,

Károlyi Tamás, Nagy Zsolt

Opel Szentgotthárd Kft. [email protected], [email protected]

[email protected], [email protected]

Az Opel Szentgotthárd Magyarország egyik legdinamikusabban fejlő-

dő vállalata, több mint 25 éves múltra tekint vissza. Jelenleg főként

motorgyártással, továbbá motorkomponens-gyártással, közepes és

nagy teljesítményű automata sebességváltó-gyártással, váltófelújítás-

sal és motororsó-javítással foglalkozunk. A vállalat FLEX gyáregysége a

világ egyik legmodernebb és legrugalmasabb gyáregysége.

A gyártás során temérdek mennyiségű, különböző granilaritású adat

keletkezik. A heterogén rendszerekben tárolt adatok részletezettsége

idő dimenzió mentén időbélyeg vagy műszak szinten, termék dimenzió

esetén egyedi termék vagy terméktípus szinten, megmunkáló állomá-

sok esetén gép vagy orsók szinten ismertek. Az adatok rögzítése vagy

automatikusan, vagy manuálisan történik. A rendszerekben az egyedi

termékek teljes életútja, a megmunkáló gépek státuszai, illetve a ter-

mékek minőségügyi mérései rögzítődnek.

Az információk kinyeréséhez szükség volt egy olyan konzisztens, in-

tegrált adattároló kialakítására, ahonnan jó minőségű adatokból az

információ kinyerése gyorsan megvalósítható. Ahol riportolás szem-

pontjából transzparens módon lehet nyomon követni a dimenziók,

célszámok változásait, de a változások lekérdezhetők. Ahol közös, de-

finiált mérőszámok kerülnek implementálásra. Amelyből lehetőség van




különböző nézőpontú riportok kialakítására az informatikai osztály

közvetlen bevonása nélkül.

A fenti szempontok megvalósítását egy BI (Business Intelligence – üz-

leti intelligencia) rendszer építésével oldottuk meg. Létrehoztunk egy

adatbázist, illetve azon értelmezett webes felületet a műszakszintű

manuális adatbevitelre. Megterveztünk és implementáltunk egy adat-

piacot. Kialakítottuk a különböző forrásrendszerekből származó adatok

betöltőit az adatpiacba. OLAP (Online analytical processing) kockát

definiáltunk az adatpiacra, melynek segítségével biztosítani tudjuk

nem csak a gyors adatelérést, hanem az információk különböző néző-

pontú és részletezettségű lekérdezhetőségét. Önkiszolgáló BI-on ke-

resztül a megfelelő jogosultságú felhasználók a konzisztens, előkészí-

tett adatokból könnyedén saját interaktív riportokat készíthetnek.

A megvalósult rendszer életünk részévé vált, jelen van a legalacso-

nyabb szintű részletes megbeszélésektől kezdve a menedzsment szintű

megbeszélésekig bezárólag. Támogatást nyújt a termelés teljesítmé-

nyének méréséhez, a veszteségek azonosításához, illetve az azok fej-

lesztésére, javítására indított akciók megvalósulásának méréshez is.

Mindezek és az elért eredmények együttesen bizonyítják az elkészült

rendszerünk hasznosságát.

Kulcsszavak: üzleti intelligencia, döntéstámogatás, autóipar, motor-

gyártás.


Abstracts


3D Printing Application Opportunities in

Real Time Data Communication and Visualization

Ferenc Erdős1, Richárd Németh2

1Department of Information Technology, Széchenyi István University

[email protected]

2Baross Gábor Bilingual Secondary Technical School of Economics

[email protected]

It is generally accepted that the technology of the 21st century is characterized by turbulent development; the number of innovations is growing exponentially. By the increase of available performance, the development of the area of different visual presentations is becoming increasingly important; by way of example, systems based on virtual reality, holographic displays or the novelty of the past decade, the additive manufacturing technology (AMT; 3D printing).

The development of future is clearly pointing to the expansion of perceptions and interactive communication. By now users require not only seeing, but perceiving, holding and going around the subject of their interest.

If education is taken as the basis, several experiments proved that students can receive much more effectively that information they can tangibly experience instead of merely reading or seeing projected. The same is true for the world of work; especially in professions require high precision and good depth perception. The penetration of this technology is most noticeable today in medical and industrial applica-tions where the benefits of AMT are increasingly applied. At the same



time, we must not forget about our fellow human beings with disabili-ties – the world of a blind or partially-sighted person can be widened significantly if he can access information through other senses. There has been a lot of progress over the last decade, such as the so-called 'sonification', designed for presenting visual data and images via au-ditory display, or the vibration (haptic) feedback used primarily in mo-bile phones and the so-called 'force feedback' which is in game cont-rollers for many years. In this area, real-time transformation and dynamic mapping can be a further step forward.

The aim of our research is to examine the demonstration possibilities of 3D visualisation, in such a way to make best use of the potential of physical touch and sensation alongside with the visual possibilities provided by space.

By now, with the simple, fast, cost-effective and easily customizable 3D printing, there are opportunities we could not imagine before. However, the technology is available for many years, and it is cons-tantly evolving, there are still many challenges and limitations to over-come – we will also investigate these.

As a result of the growing analytical business needs, data visualizati-on solutions entitled to provide reports and analyzes based on busi-ness needs to company managers are now widespread. According to in our days commonly accepted conventional approach, these analyzes are not based on the most actual data, as these are transmitted from the transactional system to the data warehouse – which is the basis for the analysis – only at certain intervals (monthly, weekly or nightly). Using novel in-memory database management techniques, however, it is possible to serve OLTP and OLAP requirements from a unified system and to process analytical needs in real time. For example, a management dashboard with such technology always displays analysis based on actual data, which can deliver business value in certain de-cision situations.


The key to our visioned process is the quick spatial and physical mapping of the previous (printed, drawn or projected) presentations of two-dimensional publishers. This requires a software and hardware environment that is able to map the real-time results of the analytical system immediately, in a tangible way, and continuously tracking changes that are updated by this. Of course, the process should inclu-de the data conversion process into a file format acceptable for 3D printers. Among these, the most common format is STL (STereoLit-hography). However, the above described are at most spectacular; their practical usefulness is currently dwarfed by the light of the capi-tal invested. The procedure shows its true power if we make sure that the created demonstration objects are interactive – these can also be changed according to our needs.

This requires several conditions to be met at the same time. Firstly, the target object must be created per piece, reaching that the move of each piece provides an interactive experience to the user. And this must be achieved so that the final result will be more effective and demonstratively than the existing opportunities. One of these options is the Shape Display, a dynamic shaping surface, which is perfect for operating the created modular demonstration tools using its virtual interface.

The future of 3D printing has even more potential; the so-called 4D printing technology – the essence of which is to create flexible, state-changing memorable materials – is already under development and virtually workable. That object which is produced by this way can be moved or changed and even able to take multiple stable forms, and to react for the changed conditions (temperature, humidity, touch) by changing its own configuration.

Keywords: 3D printing, additive manufacturing technology, spatial demonstration, real-time data visualization


Analysis of the random level of scientific results

using Random Correlation methodology

Gergely Bencsik

Institute of Informatics and Economics, University of Sopron [email protected]

Nowadays, huge data volumes are collecting in every scientific fields. Data are analyzed with several methods and based on the results, correlations are stated. If correlations are not found between data rows with the given method, new analysis approaches appear, i.e., new method of analysis is chosen or new input parameter values are defined to find a correlation. The process is supported by Big Data environment and Internet of things as well. We can assume that based on the bigger amount of data (Volume), the different format of data (Variety), the bigger incoming speed of data (Velocity), and the better quality of data (Veracity) can cause more precise models. However, it is just partly true. The nature of the Big Data environment and the various models and methods create such environment in which corre-lations could have born just randomly. Randomness means that near the precisely followed research methodology and mathematical background, a correlation is found, however, this correlation does not exist in real life. The correlation is misidentified as a real correlation. There are methods to check the results’ endurance, but our research points out over these methods that random property, which we named as Random Correlation. Since many algorithms can be execu-ted after each other and some kinds of algorithms can be parameteri-zed, the number of possible analyses is countless. The main question is that these countless analyzing possibilities including Big Data environ-ment can influence on the endurance of the results. Due to the conti-



nuously increasing data volume analyses with different methods, it is possible that the result can occur randomly. In our research, Random Correlation methodology was created to detect the degree of the ran-dom level of the given analysis. It is important to analyze whether the given result’s space is balanced or not. From the Random Correlation point of view, balanced result space means a rate between the “corre-lation found” and “correlation not found” possibilities. The rate can be different in each research case, and it depends on the measured data and the applied method characteristics. In other words, based on pa-rameters related to data items (e.g., measured items range, mean and deviation) and method of analysis (e.g., number of applied methods, outlier analysis) can create such environment, where the possible judgment is highly determined (e.g., data rows are correlated or non-correlated, pendent or independent). We demonstrate the Random Correlation methodology in two cases. Analysis of variance and reg-ression techniques are analyzed from the Random Correlation point of view, however, the Random Correlation methodology itself can be applied in the case of other models and methods as well. It is import-ant to remark that we do not deny that real connections exist and Random Correlation does not intend to mean that one given problem cannot be approached with different viewpoints. We state that the standard research methodology steps, such as research design, data collection rules, analysis execution, result interpretation, should be extended with the step of Random Correlation analysis. It means that scientists may calculate Random Correlation factor based on the given research data and environment and the factor should be attached to every scientific result.

Keywords: Random Correlation, decision support, Big Data.


Ant Colony Algorithm in Data Mining

Csaba Brunner

Corvinus University of Budapest [email protected]

There is an increasing demand for information extraction algorithms

from large datasets. One of the most common extraction type is clas-

sification, such as decision trees, bayes classifiers and neural networks.

However, many more less known algorithms exist.

One example is Antminer. It is a swarm intelligence based approach

specialized for data mining tasks, modeling an ant colony’s search for

food.

In the first section I briefly introduce the audience to the Antminer

algorithm. The next section discusses several datasets the algorithm

was tested on. The final part of my presentation is a comparison of a

more common algorithm with the introduced Antminer in terms of

performance for all dataset tested.

Keywords: data mining, swarm intelligence, ACO, antminer.


Applications of Metaheuristics in Insurance

László Kovács


When calculating the earnings of a life insurance company, one of the most important factors to account is the value of new business, VNB for short. In order to calculate VNB, we need to know the proba-bility that our policy is still in force at any given time after the start of risk bearing. This is called the survival function of the policy. During the pricing of insurance products, actuaries make assumptions for the average survival function of the product, but these assumptions do not meet reality. From this difference, the company has a so called techni-cal result, which should be positive. In order to calculate this result, we need to estimate the survival function for each policy and then match it with the assumed average. For survival function estimation based on the unique parameters of a new policy, Cox regression is used. Howe-ver, not all parameters of a new policy are relevant in estimating the survival function. So, we need to apply model selection algorithms in order to determine the relevant parameters of our new policy for es-timating the survival function accurately. Furthermore, if the exact effects of the policy parameters for the survival function can be de-termined, the insurance company can direct its sales team to acquire policies with positive technical results. In this presentation, we examine data from a Hungarian insurance company, in order to build models for the survival functions of two life insurance products. In the dataset there are 39 policy parameters that can be used as predictors for new policies’ survival functions. Some of these parameters are highly correlated, e.g. the existence of additional health coverages or


the sales channel and the change of agent, and so on. When traditio-nal model selection techniques (best subset algorithms, stepwise and regularization methods) are applied on our training data, we can find that they have good predictive results for the survival curves on a test set. On the other hand, the effect of the selected predictors for survi-val cannot be determined as there is a harmful degree of multicolline-arity and a great number of insignificant predictors in our final models. For example, if we cross reference the different models, we cannot determine what additional coverages have positive or negative effects on survival. If we get some consistent results from our models, then they are not always reliable as they contradict pairwise statistical tests or reason. These features of the received models mean, that we can-not direct the sales team in what kind of policies to obtain. In order to tackle this problem, we adapted the PGAIHSRS metaheuristic from Láng et al (2017) to Cox regression in order to eliminate multicollinea-rity from the final model. The performance of the models from the metaheuristic on the test set rivals those of the traditional algorithms, however the PGAIHSRS uses noticeably less predictors to achieve this, and these predictors are not significantly correlated and are significant for survival, as well. Which means, with the application of metaheu-ristics, we could produce a model for out data with good predicting capabilities and interpretable predictor effects. These predictor effects can be used to direct the sales activities for the company, e.g. we can suggest which additional coverages will produce better survival and through it, better technical result and VNB can be expected.

Keywords: metaheuristics, Cox regression, insurance.


Battlejungle, an online platform for using en-

terprise gamification to engage employees

Balázs Barna, Szabina Fodor


[email protected]

The examination of the engagement of employees and the possibili-

ties to enhance the engagement toward the company has received

increasing attention in the last decade. Stronger employee commit-

ment has a positive effect on the life of a company, which can lead to

decreased workforce fluctuation, more supportive corporate commu-

nity, and enhanced employee attitudes that are more conducive to the

company's goals.

In this study, we tested how gamification can be used to improve the

social environment within the enterprise. We examined the user base

of an online service, Battlejungle promoting the management of sports

and common playing events with the help of gamified elements, and

tested the impact of the use of this service on the users. We analysed

the changes in the workplace atmosphere, the extent and quality of

the relationships between the employees and the modifications of

their sporting habits.

Our results show that users reported a better workplace atmosphere

when using a gamified online service, the employees have met many

new people, and the application has motivated them to incorporate

physical activity into their daily life.

Keywords: gamification, employee engagement, connection network




Evaluation of multiple criteria decision models

based aggregate performance measures

Tibor Kovács, Andrea Kő


[email protected]

Performance measurement is essential for managing any business

process. Developing an aggregate performance measure can help

businesses to compare themselves with their peers and to monitor

their improvements over time. The research is aimed to evaluate diffe-

rent performance aggregation and ranking methods, using multiple

criteria decision models. It is utilising case study methodology of a

multinational consumer goods company. The methods evaluated are

Borda ranking, Analytic Hierarchy Process (AHP), utility functions and

Technique for Order Preference by Similarity to Ideal Solution

(TOPSIS). The results highlight the deficiencies of the ranking techni-

ques, describe the benefits of the TOPSIS method and the utility func-

tions and show how performance improvements can be monitored

over time. Finally, the presentation explains how individual businesses

and network of companies could benefit from using these methods.

Keywords: performance measurement, performance aggregation

methods, TOPSIS, multiple criteria decision models.


How language influences the information

content of stock market news?

Balázs Kovács

Department of Management Science, Faculty of Business and Economics, University of Pécs

[email protected]

Companies listed on the stock exchange are obliged to issue press rele-ases in case of events which may influence the stock prices of the com-pany. Stock markets operating in multilingual or nonEnglish speaking countries may require issuers to publish press releases in multiple langua-ges. In principle, the information content of the corresponding news ar-ticles should be the same despite the different linguistic codes. This hypothesis can be tested empirically by comparing the accuracies of a text based stock prediction system fed by different translations of the same press releases. I choose the Budapest Stock Exchange, more precisely its Equities Prime Market as my testbed. Issuers in this market publish press releases both in English and Hungarian, and these shares are the most liquid equities on the Hungarian stock market. Interestingly, the dictionary extracted from the English translations contains only about half as many words as the Hungarian dictionary. This may affect the quality of the bag-of-words representation. My results suggest that neither of the languages are superior in price forecasting, however the majority of the relatively few cases when one of the input languages produced significantly higher accuracy under the same conditions indicated Hungarian as the better choice of input language.

Keywords: text mining, news mining, language, stock exchange,

forecasting.



Open Data Reuse: A Note for Beginners

Csaba Csáki


Originally, the idea of publishing public sector data (PSD) was the

result of promoting accountability and transparency. Later the e-

Government idea, then the push for open government led to increased

demand for Open Government Data (OGD). The latest trend is based

on economic interest, namely the idea of innovative, commercial reu-

se of public sector information (PSI).

However, reusing open data is not a straightforward exercise. Alt-

hough there are reports of OGD quality issues, there appears to be no

research how newcomers should approach opportunities of OGD reu-

se. This presentation highlights basic points related to working with

open data for the first time which are based on the author's own expe-

rience over cases of typical public sector datasets published with the

intent to be reused. The logic follows the main dimensions of assessing

OGD quality.

Awareness and availability: More and more PSD is available and link-

ing datasets in a machine readable format becoming the norm. Howe-

ver, this poses several challenges. It is more difficult to find relevant

data in the increased volume of output, and one has to constantly be

on alert regarding the freshness of the data – partly because of out-

dated links, partly due to sources being updated regularly. Authenticity

of sources needs to be validated.


Accessibility: The most important factor during download is granula-

rity. In some cases the units released are at a low level and thousands

of small records need to be accessed and pieced together – at the

other end of the spectrum data may be released at a high level of agg-

regation resulting in massive file sizes and complex datasets.

Readability: Even though data are now usually published in non-

proprietary formats using standard encoding schemas, language diffe-

rences could cause interpretation problems depending on the tool

used.

Technical qualities of the data: Most PSD is stored in databases, but

during publication they are stripped of any datatype information, yet

(different) types might be automatically assigned depending on the

tools used.

Content and structure: It is necessary to assess the quality of the da-

ta in relation to its content and domain context. Public sector data is

regularly captured through forms and templates, which would enforce

certain restrictions, but relying on this could lead to problems as any

programming or deliberate mistakes when filling out the forms could

result in data quality issues. Such errors may only be discovered using

deep domain knowledge and understanding of the context. It is ne-

cessary to consider missing data or duplicates. It is not unusual to see

multiple values entered into one field.

Traceability: Although there are dedicated standards and best practi-

ces, the actual use and reliability of data set linkages varies widely

hindering the users’ ability to connect relevant components of related

datasets.


Usability: Ease of use depends on the same three things as

‘transformation’ above: the (language and date) formats, the tools

required to work on the data, and the structure of the data in the files.

Fit-for-purpose: The ability of end users to generate value is influen-

ced by the complexity of the dataset. Squeezing value out of public

data often requires manual cleansing and restructuring to make it

digestible by analytical tools.

The main message is that the nature of PSD and the mechanisms

used during their production and publication are specific to the

context and impact on the quality of the data being disseminated. This

has to be considered when utilizing PSI or OGD for innovative services.

Potential future research involves the categorization of root causes

that hamper OGD quality. This requires an understanding of the diffe-

rences between the OGD and the private data ecosystem.

Keywords: open data, open data reuse, open data utilization, data

quality, open data quality framework.


The connection of the production and the energy

usage in a smart factory

Attila Gludovátz, László Bacsárdi

Institute of Informatics and Economics, University of Sopron [email protected], bacsar-

[email protected]

According to the newest industrial trends, the static and highly cent-

ralized networks are replaced by elastic, distributed, many autono-

mous, but linked components. By decentralizing industrial manage-

ment, the goal is to achieve a more efficient resource utilization in the

factories. The previous wasteful energy consumption cannot be main-

tained anymore. The process would impose a limit on production,

which cannot be tolerated by the producers. The producing machines

have built-in sensors, which are able to detect the disruption of energy

input and its usage rate, and they can assign it with the resulting pie-

ces, so the system can deduct the most efficient settings of the ope-

rating machines.

At a manufacturing company, the managers aim to develop their

processes, which connect to the production. The development is not

only a new method, but a new mentality, with which we are able to

identify the problem area and solve it. The main problem was identifi-

ed earlier, that is related to the wasteful energy use of manufacturer

machines. Therefore, a data collector prototype system was imple-

mented by us at the company.





This study demonstrates the challenges and their solutions from the

viewpoint of timeline. In the last months, the prototype system was

created for data collecting. These historical and real-time datasets are

the basis of the analysis: first, we have cleaned and prepared the da-

taset, then the analysis of data is continually executed. This analysis

helps us in getting the information. With forecasting methods, we can

make estimates for the future events. The managers can get the daily

reports about the production numbers and the energy use. In addition,

we can focus the occurrences of critical events with defining the limit

for risky parameters. The goal is to prevent the stoppage of the pro-

duction or the excessive use of the energy. After we get the results of

analysis, we will make decisions.

First, we have focused on the data collecting process. The company’s

supervisory system gives us the energy usage data of the selected ma-

nufacturing machines. We have chosen different machines, from the

aspect of utilization of the energy (high, moderate, standard and low).

The measurements are done by the data-collector sensors. We have

built the communication network between the machines, sensors and

the data-centers. In this way, we can keep under control the complete

process in real-time. The energy usage of the machines would be cons-

tant, but there is no consideration of the various manufacturing at the

company. We notice, that they produce circa 1500 different types of

products. In addition, there is an upper limit of the energy usage a day,

on average, that the company should comply with it. So then, we must

collect and select the data, which are connected to the production

process. For example, produced products’ type and quantity or shift

data. At the end of this process, we merged the total sum of the fact

data (that mentioned above) through the dimension data (time and


machine identifiers). The merging progress is happened every 10 mi-

nutes. This time parameter can be modified by us at any time. Then,

with help of a business intelligence software, we can analyze the time

series of the various data. The managers can make decisions now easi-

er than ever. However, we still have challenges with this system, for

example, the reaching the fact data faster or the optimization of the

analysis methods.

Our general goal is to make the manufacturing more efficient. In our

presentation, we will demonstrate a decision support system at an

international furniture company.

Keywords: manufacturing, energy management system, integrated

solution.


The examination and modification possibilities of

lending processes

Ágnes Dede


Mostly everyone lives through a lending process, and they are often

perceived (from a customer point of view), as frustrating, illogical, time

consuming, unnecessary or overcomplicated activities. This service is

very heavily regulated part in the banking sector. The start of the

lending process is very stressful for the customer, but nowadays the

banks have to change, because the environment changed as well. Next

to the competition between the industry, appeared a new threat, the

Financial Technology (shortly: FinTech).

The banks have to compete a new industry, which made easier and

more customer friendly solutions for the typical banking services. One

of the strength of the bank is the service portfolio, where the custo-

mer can manage the investments, savings, etc. But the order of admi-

nistration does not match with the customer needs.

But, before we said that all of this are the banks fault, we have to

examine the reasons behind the processes. Maybe the banks cannot

change some steps in the processes, because they have to comply the

regulation. If this is true, the banking sector have no any chance to

change the processes, and satisfy the customers.

The other possibility, that behind some process activity we will find

inside policies, because the bank wants to protect itself. In that case



the bank has the chance to change the processes, just it does not

know these parts in the processes, or they are just afraid to take more

risk even if this has a consequence of customer dissatisfaction.

Probably, the second presumption is the correct one, because after

the crisis with the currency loans the banks tightened the loan conditi-

ons, and made new risk analyzing methods. But the regulation has not

changed so much.

In my research I will find the answers to these questions. In the

presentation I will show one bank’s lending process, and the result of

analysis from the viewpoint of the regulation.

Keywords: banks, lending, compliance.


Kivonatok


A banki gyakorlat digitális átalakulási

lehetőségeinek bemutatása a Design Thinking

módszertanra támaszkodva

Fehér Péter, Varga Krisztián

Budapesti Corvinus Egyetem [email protected]

[email protected]

A tanulmány a magyar bankszektor digitális átalakulásban rejlő lehető-

ségeit tekinti át a Design Thinking módszertanból származtatott „One

Week Srping” módszerén keresztül. Kutatásunkban ez hazai bankkal

működtünk együtt, és fejlesztési területként az ingatlanvásárlás, és a

kapcsolódó banki szolgáltatások elemzése és fejlesztése szerepelt. A

bank jellemzően igen erős a jelzálog hitelezésben, ugyanakkor szolgál-

tatási minőségét javítani, és főleg digitalizálni szándékozik. Kutatá-

sunkban azt vizsgáltuk, hogy rövid időn belül (5 munkanap) hogyan

lehet ezen feladatot elvégezni, illetve a Design Thinking módszertant

hogyan lehet ilyen időkorlátok mellett felhasználni és testreszabni. A

kutatásban 2 vezető kutató irányításával 13 kutató és a bank oldaláról

3 fő vezető szakértő vett részt.

Felhasználva az elterjedt design thinking módszertanokat, illetve a már

sikeresen alkalmazott design thinking alapú projektek tapasztalatait,

zen kihívásnak megfelelően alakítottuk ki az ún. „One Week Sprint”

(egy hetes spring) módszertant. Ez a módszer öt fázisból áll, ezeken

végighaladva tártuk fel a banki problématerületeket és a megoldási

lehetőségeket, melyeket egy konkrét területre fókuszáltunk. Az első


két fázis a „Feltárás” (Exploration) és az „Értelmezés” (Interpretation),

ezek keretén belül – az ügyfelek véleményére koncentrál – elemeztük

a hazai és nemzetközi banki gyakorlatot, és tártuk fel a megoldandó

problématerületeket. Az általános elemzésen túl kijelöltük az ingatla-

nokhoz kapcsolódó szolgáltatásokat. Tapasztalataink szerint a mód-

szertan interpretation részének kiemelt módszertani a persona azono-

sítás és a vásárlói utak elemzése (customer journey analysis) volt. Ezzel

elérhettük azt, hogy nem csak a hagyományosan banki termékként

megjelenő ingatlanfinanszírozási területet vizsgáljuk, hanem a fogyasz-

tói igények mentén koncentráljunk akár az ingatlan felkutatására,

a tudatos vásárlásra és akár a vásárlás utáni javításokra is.

Az Ideation és Experimentation fázisok során a feltárt problématerüle-

tek megoldása a cél. Kijelöltük a megoldási lehetőségeket, ezeket érté-

keltük a haszon és a szükséges erőforrások tekintetében, és azokat,

melyek megvalósítása indokolt lehet, gyors prototipizálással vagy

egyéb demonstratív eszközzel mind a fogyasztók, mind a banki veze-

tők számára be tudtuk mutatni. Végül a Evaluation fázisban meghatá-

roztuk a lehetséges MVP funkcionalitást, és a piacralépési stratégiát.

Összességében tehát hazai és nemzetközi tapasztalatok elemzésén túl

egy mélyebb elemzéssel tártuk fel a digitális átalakulásban rejlő lehe-

tőségeket a magyar bankszektorban.

Kulcsszavak: Digitális Átalakulás, Design Thinking, Egy Hetes Sprint,

one-week-sprint, bankszektor, banki digitalizáció.


A blockchain technológia a

használtautó piacon

Trinh Anh Tuan, Kádár Bence, Pénzes Gábor


[email protected]

[email protected]

Kevés olyan vagyontárgyunk van, ami olyan kitüntetett szerepű len-

ne, illetve amihez olyan sok szolgáltatás kapcsolódna, mint a jármű-

vekhez. Új járművet vásárolni viszont relatíve drága, használtan vásá-

rolni pedig bizonytalan, rizikós döntés, mert a piac tele van csalókkal,

az autók előélete pedig ritkán lekövethető. Az új autók árának befolyá-

solása helyett a használtautó vásárlás bizonytalanságának csökkenté-

sét célul kitűzve kerestük a megoldásokat.

Piackutatásunk eredménye alapján arra a következtetésre jutottunk,

hogy a fogyasztók szívesebben vásárolnak olyan használtjárművet

melyről több információ áll a rendelkezésükre. Gazdaságinformatikus

hallgatókként a piaci problémákat az informatika eszközeivel szeret-

nénk megoldani. Ennek megfelelően terveztünk meg egy komplex,

központi adatbázist melyben a járművek vásárlási szempontból fontos

adatai vannak eltárolva blokklánc formájában, s így az adatok helyes-

sége garantált. Egy jármű életútjának dokumentálása már az autó le-

gyártásával elkezdődik, és ideális esetben a bontásig tart. Ezalatt több-

ször cserél gazdát, és az állapota is jelentősen változik. A jármű életút-

jának követésére a Blockchain technológiát tartjuk ideálisnak, hason-

lóan a gyémántok kereskedelménél használt Everledger platformhoz.



Terveink alapján a használtautók piacán egy piaci rést szeretnénk ki-

használni, a biztonságos használtautó vásárlást. Külön adatbázis létezik

(KEKKH), ahol a műszaki vizsgák során bejegyzett km-óra állások látha-

tók, köztudott azonban, hogy az autók számlálóját visszatekerni pár

perces művelet, és sokan élnek ezzel, továbbá a napjainkban nagy

számban importált nyugat-európai használtautók története sem kerül

be a magyar adatbázisba, így gyakran előfordul, hogy egy Németor-

szágban 400 ezer km-rel megvásárolt autó Magyarországon már csak

200 ezer km-rel az órájában kerül forgalomba. A járművek papíralapú

szervizkönyvét (ha egyáltalán megvan) szintén könnyű hamisítani,

tetszőleges adatokkal kitölteni. A márkaképviseletek pedig rendelkez-

nek szerviztörténettel, amennyiben egy autót márkaszervizbe hordtak,

ezek azonban harmadik fél számára ritkán kiadott adatok. A projek-

tünk célja ezen adatok egy helyre csoportosítása és digitális verifikálá-

sa.

A Blockchain technológia kulcs eleme, hogy a láncba újonnan bekerü-

lő adatok kapcsolódnak az előző blokkokhoz, így létrehozva egy fő-

könyvet, ami az autóknál is használható. Jelen esetben például egy

időszakos szervizlátogatás jelentene egy blokkot, és ezt csak a felha-

talmazott márkaszervizek jegyezhetik be a blokkláncba.

A leendő rendszer egyik kritikus pontja a felhalmozott adatok kezelé-

se. A vállalatok gigantikus mennyiségű adatot tárolnak rólunk, illetve

vagyontárgyainkról, amit 2018 tavaszától másképpen szükséges kezel-

ni, mint eddig, a meglehetősen elavult 1995. évi törvény alapján. Adat-

védelmi aggályok léphetnek fel minimális mennyiségű fogyasztói adat

kezelése során is, különösképpen az internetes felületeken lásd cache

gyorsítótárazás. Tavasszal lép életbe az Európai Únióban hatályos álta-

lános adatvédelmi rendelet (GDPR - General Data Protection Regu-


lation). A felület regisztráció nélkül is hozzáférhető bárki számára, így

azonban csak a hirdetett autókat lehet megtekinteni, azok dokumen-

tumait nem, ez ugyanis ütközne a GDPR-ben foglaltakkal. Mint fentebb

említett, a márkaszervizbe hordott autók szervíztörténete ugyan nem

minősül személyes adatnak, a jelenlegi üzleti protokoll alapján mégis

csak a tulajdonosok férhetnek hozzá. A GDPR 20. cikke (adathordozha-

tósághoz való jog) ugyanakkor kimondja, hogy az egyénnek joga van az

őt érintő személyes adatokat, jelen esetben saját használtautója szer-

viztörténetét digitális formában megkapni, és ezeket szükség esetén

továbbítani. A regisztrált felhasználók tehát nemcsak eladás céljából

használhatják az oldalt, hanem a meglévő autójuk történetét is egysze-

rűen elérhetik. A platformra történő regisztráció után magánszemé-

lyek és kereskedők egyaránt hirdethetik saját autóikat, a visszaéléseket

elkerülvén a rendszer lekérdezi az Ügyfélkapuból a tulajdonos kilétét,

és csak akkor engedi a hirdetésfeladást, ha a nevek egyezést mutat-

nak.

Fontos számunkra, hogy projektünk a közeljövőben megvalósuljon,

így ugyanis áthidalhatnánk a használtautók piacán fennálló bizonyta-

lanságot, csalásokat, aminek a jóhiszemű vásárlók és a valóban becsü-

letes eladók egyaránt elszenvedői.

Kulcsszavak: fintech, blockchain, alkalmazás.


A digitális átalakulás magyarországi tapasztalatai

Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián


[email protected]

[email protected]

[email protected]

A digitális technológiák robbanásszerű fejlődésével egyre több lehe-

tősége van a szervezeteknek, hogy javítsanak akár belső működésü-

kön, akár ügyfélkapcsolataikon. Az informatikához kapcsolódóan ilyen

csodavárást már láthattunk az ezredforduló környékén, melyet gyors

és látványos kiábrándulás követett. Az elmúlt években új divatszó je-

lent meg: digitális átalakulás (digital transformation), mely ezt az új

digitalizációs hullámot hivatott leírni, ugyanakkor nagyobb tudatos-

sággal is megtölteni. Hiszen nem elég, hogy újabb és újabb technológi-

ák jelennek meg, és fel lehet őket használni, nagyon fontos a vállala-

toknak megérteni saját és ügyfeleik elvárásait, problémáit, és azokra

tudatosan alkalmazni a digitális megoldásokat (big data, cloud, artifi-

cial intelligence, machine learning, robotics, autonomous cars, 3d

printing, chatbots, roboadvisors, social anything, blockchain... ). A digi-

tális transzformáció iparáganként eltérő ütemben, intenzitásban való-

sul meg

Így például - hiába az erős informatikai háttér - a pénzügyi szektor

digitalizációja (FinTech témakör) most erős lendületet vett , intenzí-

vebbé vált az automatizálás, illetve a termelési folyamatok digitalizálá-

sa (Ipar 4.0), de gondolhatunk a közelmúlt diszruptívnak tűnő megol-

dásaira: az UBER és a személszállítás, AIRB'N'B és a szálláspiac, Face-






book és a média, stb. 2017-ben megvalósult vállalati felmérésünk ada-

tai alapján vizsgáljuk a vállalati tendenciákat, az informatika vállalati

szerepének alakulását, a divatszavak mögé belátva szeretnénk feltárni

a vállalati motivációkat, gyakorlatokat, piaci folyamatokat, a hazai

technológiai trendeket, illetve módszertani szempontból vizsgálni a

tudatosabb, ügyfélközpontú digitalizációs lehetőségeket.

A válaszadók szerint a digitális átalakulás központi téma, a szerveze-

tek számára fontos a digitális üzleti átalakulás, az üzleti oldal képviselői

ugyanakkor lényegesen magasabbra értékelik a kérdést, mint az in-

formatika. Az iparági verseny még nem mindenhol igényli a digitalizá-

ciót, nagyobb az elszántság az autóipar, a pénzügy és az államigazgatás

területén, míg az energiaipar, a K+F csak mérsékelt hatást várnak a

digitális technológiák iparági terjedésétől. A megkérdezett vállalatok

nagy része a hatékonyságot és az ügyfélélményt szeretné fejleszteni,

az üzleti oldal egyértelműen nagyobb hangsúlyt tesz ezekre e terüle-

tekre, mint az informatika. A válaszokból kitűnik, hogy bár a szerveze-

tek felismerték a digitális átalakulás szükségességét, a követendő utat

nem látják világosan, értik a kihívásokat, de a kockázatok felvállalására

való hajlandóság nem elég erős, a letisztult stratégia és tervek még sok

helyütt nem állnak készen. Látszik ez a digitális átalakulás tudatos al-

kalmazásához szükséges feladatok körén is: a kísérletezés, a trendek

figyelése már széleskörű gyakorlat, de az innovatív megoldások gyors,

operatív alkalmazáshoz szükséges megvalósítási képességek még sok

szervezetnél nem kellően kiforrottak.

Az informatika 2017-ben végre ismét növekvő költségvetésből gaz-

dálkodhat a minta szerint, és az informatikai funkciónak a szervezet-

ben elfoglalt pozíciója is jelzi az IT felismert stratégiai fontosságát,

mégis a tendenciák azt jelzik, hogy újra az üzleti területek veszik ke-


zükben az innováció kezdeményezését. A digitális átalakulás végrehaj-

tásában a felmérés szerint az informatikának inkább kiszolgáló szerepe

van. A kutatás vizsgálja a jelen legfontosabb technológiai fejlesztési

irányait (felhő, mobil és közösségi média), és a hosszabb távú elképze-

léseket is.

Kulcsszavak: digitális átalakulás, digitális üzleti stratégia, innovatív

technológiák


Alkalmazásmenedzsment támogatása ágens

alapú szimulációs szoftverekkel

Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert

Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék [email protected]

[email protected]

[email protected]

Az alkalmazásmenedzsment, mely elsősorban a szoftverfejlesztés és -

támogatás területén alkalmazott új megközelítés, még nagyon új, ed-

dig nagyon kevéssé kutatott terület mind menedzsment, mind pedig

operációkutatási szempontból (Keuper, F. et al., 2011; Teubner, A.,

2008; Westner K. M. & Strahringer S. 2008, van der Pols 2012). A

szoftverfejlesztő cégek, melyek az alkalmazások támogatásával (sup-

port folyamataival) is foglalkoznak, ma már nem fejezik be tevékeny-

ségüket a szoftvertermék átadásával. Tulajdonképpen a folyamatnak

nincs is előre meghatározott végső időpontja, így a projektszemléletű,

merev határidőkben gondolkodó megközelítés az alkalmazások me-

nedzsmentjében sokszor félrevezető lehet.

Viszont másfelől, nem lehet az alkalmazásokat pusztán szolgáltatási

folyamatként sem tekinteni (mint ahogyan az ITIL tekint rá), hiszen itt

kisebb nagyobb fejlesztések mini “projektek” is végrehajtásra kerül-

nek. Fejlesztők dolgoznak nemcsak a hibák javításán, hanem az ügyfe-

lek kéréseit is figyelembe vevő fejlesztésben, vagy éppen, az alkalma-

zások testreszabásában. Így őket, mint legfontosabb erőforrásokat kell

az ütemezés során tekinteni. Az ütemezés során sokféle cél is megfo-

galmazható: minimálhatjuk a tevékenységek végrehajtására allokált


erőforrást, költségeket, de fontos, sőt talán a legfontosabb cél lehet a

vevői igények minél magasabb szintű kielégítése, az elégedettség nö-

velése (Pinedo, 2016). Ha operációkutatási szempontból tekintünk a

problémára, akkor itt a legfontosabb feladat a tevékenységek üteme-

zése egy olyan változó (flexibilis) környezetben, ahol folyamatosan

jönnek új, különböző prioritással rendelkező vevői igények, melyek

között kapcsolat is lehet. A különböző ütemezési stratégiákat, model-

lünkben ágensek (egyszerű szabályokat követő szoftveralkalmazások)

fogják reprezentálni. Őket versenyeztetjük különböző alkalmazásme-

nedzsmentbeli feladatokban. Modellezzük a teljesítés idejétől függő

vevői elégedettséget, a végrehajtás kockázatát (valószínűségekkel

súlyozott idő- és költségtúllépések hatásait), sikerességét (vevői elvá-

rásoknak és a határidőknek való megfelelést) stb. Hipotézisünk szerint

az ütemezés során olyan módszerek a legeredményesebbek, amelyek

képesek meghaladni a hagyományos, termelésmenedzsmentben hasz-

nált, tevékenységek függetlenségét feltételező prioritási szabályokat.

Képesek a tevékenységek között fennálló, sokszor nem feltétlenül fix

kapcsolatokat, a vevői elvárások változását is kezelni.

Kulcsszavak: Alkalmazásmenedzsment, ütemezés, prioritások kezelése.


Az informatikusképzés a felsőoktatásban

Nagyné Halász Zsuzsanna¹, Gubán Miklós ²,

Koloszár László3

¹Budapesti Gazdasági Egyetem [email protected]

2Budapesti Gazdasági Egyetem [email protected]

3Soproni Egyetem [email protected]

A vállalkozások számára a versenyképességük megőrzéséhez, javítá-

sához elengedhetetlen az innováció, a folyamatos megújulás, ami fej-

lett számítógépes rendszerek nélkül elképzelhetetlen. Az információs

rendszerek kialakításához és működtetéséhez informatikai szakembe-

rekre van szükség. De milyenekre? A közép- és felsőoktatás képzési

struktúrájának kialakításakor épp a piaci igényekből kellene kiindulni.

A piaci igények felmérése azonban nehézkes, hiszen az egyes szakmák

és szakok tartalma és értelmezése a vállalatok és az oktatási struktúrát

meghatározó minisztériumok által eltérő lehet. Arról nem is beszélve,

hogy még az igények felmerülése előtt kellene megbecsülni a jövőt.

Ennek következtében alakult ki az IT-szakemberhiány, és a piaci igé-

nyek és oktatási intézményi kimenetek közötti diszharmónia.

Jelenlegi kutatásunk épp erre az eltérésre összpontosít, melynek ré-

szeként felmérjük az informatikai képzési lehetőségeket szakirodal-





makra, és informatikai képzéshez kapcsolódó megvalósult kutatásokra

alapozva, de böngészünk az egyetemek és főiskolák honlapjain is. Első-

sorban a felsőoktatásra fókuszálunk és a kimeneti kompetenciákra

helyezzük a hangsúlyt. A mostani konferencia-előadás erre a témakör-

re tér ki.

Ugyanakkor megkezdődött a kutatás vállalati IT-szakemberigény és

hozzá kapcsolódó kompetenciaigény felmérési szakasza is, melyet

szisztematikus szakirodalom-kutatás előzött meg. A kutatás során

megvalósult a témához kapcsolódó definíciók meghatározása. Mindez

azt a célt szolgálta, hogy az informatikában elterjedt főbb fogalmakat

egységesen tudjuk kezelni. Így lehetővé válik minden vállalati szakem-

ber számára a fogalmak azonos értelmezése. Emellett feltérképezésre

kerültek az adott témában eddig már megvalósult kutatások. Erre egy-

részt azért volt szükség, hogy elkerüljük a már kutatott területeket,

másrészt, hogy felhasználhassuk a már meglévő eredményeket. Ezek

alapján állt össze a kvantitatív kutatás alapját képező adathalmaz,

amely kérdőív formában jelent meg. Az előadás befejező részében

szeretnénk bemutatni a kérdőív felépítését és az eddig elért eredmé-

nyeket. A részletes elemzés még várat magára, mert a felmért vállalko-

zások száma még nem érte el a megalapozott vizsgálathoz szükséges

nagyságrendet.

Kulcsszavak: felsőoktatás, informatikusképzés, szakirodalom-kutatás.


Az információbiztonsági tudatosság érettségi

szintjének mérése gazdálkodó szervezetekben –

a tudatosítás kontroll-környezete

Tarján Gábor

Budapesti Corvinus Egyetem Gazdaságinformatikai Doktori Iskola [email protected]

A gazdálkodó szervezetek információ vagyona és annak védelme a

profit és a nonprofit széférában is egyre nagyobb jelentőséggel bír.

Egyrészt versenyképességi kérdés, másrészt pedig olyan megfelelőségi

kritérium, melyet számos nemzetközi standard és előírás vár el a gaz-

dálkodó szervezetektől (lásd pl. a SOX, HIPAA, GLBA, FISMA, PCI DSS,

ISO 27001 és egyéb standardokat). Az információbiztonsági incidensek,

káresemények döntő hányada emberi hibára, gondatlanságra, szándé-

kosságra vezethető vissza, ami ellen leginkább az információbiztonsági

tudatossággal tudunk védekezni. Az információbiztonsági tudatosság

alatt a szervezet tagjainak tudását és attitűdjét értjük a szervezet tu-

lajdonában vagy kezelésében lévő információs javak védelmével kap-

csolatban.

A gazdálkodó szervezetek vezetői számára elemi érdek ennek a tuda-

tosságnak a növelése az egyén és a szervezet szintjén. Doktorandusz-

hallgatóként ennek kapcsán megfogalmaztam néhány kutatási kérdést

és az egyes kérdések kapcsán megpróbáltam szakmai válaszokat alkot-

ni szakirodalmi kutatás és elemzés útján. A kérdések és a kapcsolódó

kutatási eredmények:



Hogyan írható le, hogyan értékelhető a gazdálkodó szervezetekben

az információbiztonsági tudatosság szintje, minősége? A szakirodalom

tanulmányozása rávilágított arra a meglepő tényre, hogy igazából

nincs koherens és konzisztens definíciója az információbiztonsági tuda-

tosságnak. Számos szerző számos megközelítésben tárgyalja a témát,

előadásomban kitérek erre a definíciós problémára, és bemutatok egy

lehetséges definíciót, mely a későbbi kutató munka alapja is lehet.

Mérhető-e a változás (javulás, romlás) egy gazdálkodó szervezet éle-

tében? Egy gazdálkodó szervezet vezetője számára ez alapvető kérdés,

és ezt a kérdést megválaszolandó a mérhetőség kérdéskörét járom

körül kutatásom egyik elemeként.

Összehasonlíthatók-e a gazdálkodó szervezetek? Szervezeti szinten

az összehasonlíthatóságot támogatják az ún. érettségi / kiválósági mo-

dellek, melyek a szervezeti működés számos területére születtek meg.

A szervezeti információbiztonsági tudatosság érettségi modelljének

egy vázlatos leírását adja a SANS Institute 2012-ben publikált modellje.

Kutatásom során ezt a modellt felhasználva kívánok egy objektívnek

tekinthető mérőrendszert létrehozni, mely alkalmas lehet a mérések-

kel kapcsolatos tudományos kritériumok (pl. megismételhetőség) tel-

jesítésére.

Támogatható-e a tudatosság értékelés hagyományos audit eszközök-

kel (pl. ellenőrző listák)? Auditorként is dolgozva azt tapasztalom, hogy

bizonyos kontrollok megléte vagy hiánya utal a szervezet információ-

biztonsági tudatosságának érettségére, szintjére. Kutatásom során

kísérletet teszek egy ilyen kontroll leltár létrehozására, mely segítségé-

vel egy adott gazdálkodó szervezet információbiztonsági tudatosságá-

nak érettségi szintje mérhetővé válhat.


A tervezett előadás a fenti kutatási kérdésekben való előre haladás-

ról kíván számot adni annak érdekében, hogy megalapozza a megalko-

tott modell alkalmazását, kipróbálását statisztikai értelemben is érté-

kelhető méretű mintán magyarországi vállalatok (elsősorban pénzügyi

szektor) körében.

Kulcsszavak: információbiztonság, tudatosság, tudatosság mérése,

érettségi modell, kontrol, kontrollkörnyezet.


Big Data adatelemzési technikák

űrkutatási adatok feldolgozásában

Varga Krisztina, Bacsárdi László,

Bencsik Gergely, Pödör Zoltán

Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected]

[email protected]

[email protected]

[email protected]

Napjaink tipikus informatika problémái a különböző forrásokból

származó, hatalmas tömegű adatok gyűjtése, kezelése és elemzése,

ami nem triviális feladat. Különösen igaz ez az űrből származó, meny-

nyiségüket tekintve egyértelműen Big Data adatok esetén, amelyek

egyik meghatározó részét a Föld-megfigyeléséből származó adatok

alkotják. A NASA és az ESA is működtet Föld-megfigyelő műholdakat,

amelyek rengeteg mérési adatok szolgáltatnak Földünk különböző

tulajdonságairól. A feladatot tovább nehezíti, hogy az utóbbi években

egyre újabb és újabb szenzorok jelennek meg és ezzel együtt a gene-

rált adatok mennyisége és összetettsége is rohamos ütemben növek-

szik.

Az adatelemzés alapjában véve sem egyszerű folyamat, hiszen elő-

fordulhatnak hiányzó és zajos, valamint kiugró adatok is, amelyeket a

tényleges elemzési folyamat megkezdése előtt kezelni kell. Elsőre az

sem mindig egyértelmű, hogy a sokféle adatból mi az, ami egy adott

probléma kapcsán felesleges és mi az, ami számunkra értékes informá-

ciót tartalmaz. Kihívást jelent továbbá a gyűjtött adatok intézmények






közti megosztása is, amely adathozzáférési jogosultsági problémákat

vet fel. Az űrből érkező adatok esetében mára a következő specifikus

kihívások fogalmazzák meg: (1) időbeli és tömb alapú számítási para-

digmát adni, (2) a létező megosztott Föld-megfigyelési adatok szuve-

renitását kezelni és (3) fokozottan támogatni a térinformatikai adatok

elemzését.

Az adatok elemzésének legelső lépése az adatok helyes és megbízha-

tó tárolása: meg kell határoznunk, hogyan, milyen technikák alkalma-

zásával akarjuk tárolni a birtokunkban lévő adatokat. Figyelembe véve

az űrkutatásban keletkező adatok sokféleségét, eltérő szerkezetét és

struktúráját érdemes lehet a hagyományosnak tekintett relációs adat-

bázisok mellett a nem relációs adatbázisok alkalmazásának lehetősé-

gét is figyelembe venni. Az elemzési folyamatot megelőzően megtör-

ténik az adott vizsgálat kapcsán releváns adatok kiválasztása, a hiá-

nyos, zajos, kiugró adatok kezelése, szükség esetén dimenziócsökken-

tés, normalizáció, azaz az adatelőkészítés folyamata. Majd ezt követi a

tényleges elemzési szakasz, melyet iteratív folyamatként foghatunk fel,

hiszen sokszor ugyanazt az elemzési folyamatot különböző paraméte-

rezéssel, vagy többféle elemzési technikát is alkalmaznunk kell a kívánt

eredmények eléréséhez.

A fenti folyamatra és a tipikus elemzési feladatok megvalósítására

már léteznek integrált informatikai megoldások, amelyek a Föld-

megfigyelési adatok elemzését támogatni képesek, de sok esetben

szükség lehet feladat specifikus, saját megközelítések alkalmazására.

Munkánkban bemutatjuk a Föld-megfigyelési adatok feldolgozásában

kurrens megközelítéseket, mind adattárolás, mind adatfeldolgozás

vonatkozásában. Áttekintjük milyen infrastrukturális megoldások áll-

nak rendelkezésre a keletkező adatok fogadására, tárolására. Melyek a


tipikus vizsgálati irányok és az alkalmazott elemzési megközelítések,

technikák, melyeket ezen adatok feldolgozására használnak. A tapasz-

talatok alapján definiálhatók azok a kutatási irányok melyek lehetővé

teszik – akár saját elemzési módszertanok kidolgozásával – , hogy új,

hasznos eredményeket állíthassunk elő.

Az űrkutatásban keletkező adatok önmagukban is lehetőséget bizto-

sítanak komoly feladatok generálására. Ugyanakkor más adatforrások-

kal történő összekapcsolásuk olyan új lehetőségeket és vizsgálati irá-

nyokat definiál, ami mind adattárolási, mind módszertani mind megje-

lenítési oldalon rengeteg lehetőséget és megoldandó problémát vet

fel.

Előadásunkban a földmegfigyelési adatok elemzéséhez köthető mód-

szereket mutatjuk meg. Arról adunk egy áttekintő képet, hogy milyen

adatfeldolgozási, adattárolási, infrastrukturális és elemzési keretrend-

szerek állnak rendelkezésre napjainkban, amelyek képesek ezen meg-

figyelések hatékony elemzését.

A kutatás az Emberi Erőforrások Minisztáriumi ÚNKP-17-4-III kódszá-

mú Új Nemzeti Kiválóság Programjának támogatásával készült.

Kulcsszavak: Big Data, Földmegfigyelés, adatelemzés.


Egy push and pull migrációs modell és megoldása

számítógépes szimulációval

Kalmár János Soproni Egyetem, Informatikai és Gazdasági Intézet

[email protected]

A STELLA szoftver az Isee System fejlesztése, célja differencia egyenle-tekkel leírható folyamatok numerikus modellezése. Professzionális válto-zata már 2000 $-tól beszerezhető. Viszonylag széles körben alkalmazzák az ökológiában, pl. a talaj és az élővilág közti transzfer folyamatok leírásá-nál, de véleményem szerint alkalmas ökonómiai folyamatok modellezésé-re is. Úgy gondoltam, napjaink slágertémájában, a migrációkutatásban (Huzdik [2014], Hárs [1992]) mutatok egy példát alkalmazására. A leegy-szerűsített modell csak két régiót tartalmaz az alábbi tulajdonságokkal és elvándorlási motivációkkal:

Lit: i régió népessége t ciklusban

Kit: i régió konfliktus (etnikai, vallási, politikai, stb.) indexe a t ciklusban

(értéke 0 és 1 közé esik). Az onnan menekülők száma arányos a nagyságá-val, tehát taszító potenciál.

mi,jK = (Ki

t – Kjt) · Li

t , ha Kit > Kj

t, egyébként 0. i régióból j-be akkor van konfliktus okozta mi,j

K migráció, ha j régió biztonságosabbnak látszik.

Eit: i régió jóléti, elégedettségi (anyagi helyzet, munkanélküliség, jövőkép,

lakhatás, egészségügy, oktatás, bűnözés, stb.) indexe t ciklusban (értéke 0 és 1 közé esik). Minél nagyobb a régiós jóléti index a szomszédokhoz ké-pest, annál többen veszik célba, tehát vonzási potenciál.

mi,jE = (Ej

t – Eit) · Li

t , ha Ejt > Ei

t, egyébként 0. i régióból j-be akkor van jóléti deficit okozta mi,j

E migráció, ha j régióban kedvezőbbek a körülmé-nyek.


A fenti jelölések figyelembevételével i régió népességének változását a t ciklusban az alábbi összefüggés szolgáltatja:

∆Lit = mj,i

K + mj,iE - mi,j

K - mi,jE , és ∆Li

t <= Ljt, mert a változás nem lehet

több, mint a forrás kapacitása.

Nem véletlenül kaptak t idő-indexet Kit és Ei

t régiós indexek, mert nagy-ságukat a modell szerint a régiós népességadatok ∆Li

t / Lit relatív változá-

sa módosítani fogja:

∆Kit = - k · ∆Li

t / Lit, pl. ha csökken a populáció a régióban, akkor tovább nő

a kiszolgáltatottságuk, ezért nő a Kit konfliktus index (a 0 < k < 1 paraméter

konstansnak tekinthető), de nem csökkenhet 0 alá, illetve nem nőhet 1 fölé.

∆Eit = - e · ∆Li

t / Lit, pl. ha csökken a népesség a régióban, javul a helyben

lévők helyzete, ezért nő az Eit jóléti index (a 0 < e < 1 paraméter konstans-

nak tekinthető), mely nem csökkenhet 0 alá, illetve nem nőhet 1 fölé.

A fenti migrációs modell STELLA programja csak 22 értékadó utasítást tartalmaz az inicializálást is beleértve:

K10 = E1

0 = 0.07, K20 = E2

0 = 0.05, k = e = 0.1, L10 = 1000000 és L2

0 = 2000000

A k és e paraméterek konstansok (converter típus), a többi viszont a szimuláció (flow folyamat) során lépésenként változik (stock típus). A mo-dell elválaszthatatlan része a grafikus felület, ahol a modell szerkezetét (a paraméterek hatását a változásokra) kell leírni. Engem elsősorban a mo-dell fixpontja érdekelt, vagyis az a t állapot, amikor megszűnik az átjárás a régiók között (∆Li

t = 0). Ez akkor következik be, amikor K1t = K2

t és E1t = E2

t teljesül, de nem feltétlen egy L1

t = L2t állapotban! A számpéldában a mig-

ráció a kezdeti nagyobb lépések után fokozatosan kifulladt, és közel 100 lépés után teljesen leállt. A paraméterek végértéke így alakult:

K1100 = K2

100 = E1100 = E2

100 = 0.05, L1100 = 1219350 és L2

100 = 1780650

A modell igény szerint új régiókkal és populációkkal bővíthető, és más paraméterekkel újrafuttatható.

Kulcsszavak: migrációs modell, STELLA program, migrációs egyensúly.


eSzolgáltatottak szolgáltatói – Szakmai közössé-

gek, mint szolgáltatók, az eSzolgáltatások minő-

sége szakmai közösség, mint csendestárs

Rozsnyai Gábor ExxonMobil BSC Magyarország [email protected]

Az infokommunikációs technológiába beleszületett generációk sincsenek könnyű helyzetben, ha el akarnak igazodni az ICT világában, esetleg a használaton túl is. Az előadás arról szól, hogy hogyan segíti az eligazodást, ezen túlmenően az ICT nyújtotta szolgáltatások hatásos és hatékony igénybevételét a számítógép-tudományi társaság. Milyen elvárások van-nak egy ilyen társaságban működőkkel szemben?

A fejlődés természetes velejárója, hogy az ICT használat nem csak egyre általánosabb és intenzívebb, hanem jellege is állandóan változik. A digitá-lis esélyegyenlőség ma már nem a fizikai elérésen múlik. Az NJSzT tudato-san és következetesen szolgáltat tudást ahhoz, hogy tagjainak, szakembe-reknek és a teljes népességnek az előbbiekben említett ICT használatot (is) támogassa. Elkezdődött az újragondolása annak a kommunikációnak, melynek egyik színtere az NJSzT „portál” (www.njszt.hu). Kinek mit szol-gáltat (a társaság és honlapja)?

Jelen tárgyalás középpontjában az informatika egyes művelői között tör-ténő egyeztetések és gondolatcserék rögös útja, illetőleg az ebből a tevé-kenységből levonható tapasztalatok állnak A (szub)kulturális és humán kompetenciák jelentősége mellett szó esik a technológiától való függőség-ről is. Az NJSzT e-Szolgáltatások szakmai közösség tevékenységeként vizs-gáltuk azt is, hogy mi nehezíti az egyes szakterületek képviselőinek az együttműködését. Többek között az alábbi kérdések vetődnek fel:

http://www.njszt.hu/




• Hogyan lehet tudatosítani, hogy a jelenlegi weblapfejlesztési gyakor-lat egyszerűsített kényszerpályáihoz képest újszerű elvek weblapon való megvalósítására van szükség?

• Miért fontos, hogy az NJSzT webes megjelenése professzionális le-gyen?

o Mit is jelent a professzionalitás (mennyiben kell eltérni az un. po-puláris megjelenéstől)?

o Hogyan lehet a költséges professzionális nagyrendszerek nélkül fontos alapelveket bemutatni?

o Hogyan lehet egységesíteni a szóhasználatot, illetőleg biztosítani a fogalmak egyértelműségét?

• Mit jelentenek a levont következtetések a mindennapi életünkben, amikor különböző szolgáltatók által nyújtott különböző ügykezelő rendszerek felhasználóiként intézzük „ügyeinket”?

• Milyen gondolatok hasznosak a szolgáltató rendszerek szereplőinek (Rendszertulajdonos,/Ügygazda, Szolgáltató, Fejlesztő, Felhasználó)?

• Hogyan lehet továbblépni? A továbblépés feltételeként • egy kommunikáción alapuló integrációt gondolunk. • melynek központjában egy tudásportál áll, ami

o jó, ontológiára alapozott általános keresőmechanizmust és

o rugalmas (paraméterezhető) megjelenítést tartalmaz,

o melyben a jogosultságkezelésen túlmenően

o személyre szabhatóságig terjedő egyéni megjelenés biztosítható,

o ahol a szakosztályok valódi együttműködést tudnak megvalósíta-ni.

• és a technika támogatja a „intellektuális szenvedély (intellectual pas-sion) és elkötelezettség (commitment) érvényesülését.

Kulcsszavak: Quality of eServices, eSzolgáltatások minősége, az ICT gene-rációja, technológiai- humán- kulturális- kompetenciák, informatika a mindennapokban, tudásportál.


Értékteremtő az IT vagy csak költséget jelent?

Vajna Zoltán

MVMI ZRT. VIG FIG [email protected]

Az első ipari forradalmat az emberiség a 18. század végén élte meg,

amikor a gőzgépeket a termelés szolgálatába állították. A 20. század

elején, amikor elkezdték alkalmazni az elektromosságot az iparban,

azzal eljött a második ipari forradalom ideje is. Az elektronika és az IT

fejlődése okozta a harmadik ipari forradalmat a 70-es években, de az

IT töretlen és exponenciális fejlődési görbéjének köszönhetően mára

megérkeztünk a negyedik ipari forradalom küszöbére. (Plattform

Industry 4.0, 2016)

Az elmúlt néhány évtizedben a gazdasági erőviszonyok megváltoztak,

Kína vársárló és termelő képessége az EU–t és egyben Németországot

is változásra sarkallja, amennyiben nem szeretne tovább veszteni je-

lenlegi helyzetéből. Mivel a német gazdaság számára kulcskérdés a

világban elfoglalt piacvezető helyének megőrzése, ezért a német kor-

mány megbízott egy kutatócsoportot, hogy tanulmány keretében mu-

tassák be, hogy a cél elérése miként lehetséges. Az elkészült tanul-

mány (Plattform Industry 4.0, 2016) a német ipar jövőjét az okos gyá-

rakban látja. A projekt megállapításai szerint az okos gyárak legfonto-

sabb jellemzője, hogy a jelenlegi centralizált működés helyett decent-

ralizált módon termelnek, a termelésben egymással kommunikáló

kiber-fizikai rendszerek működnek és a vevői igényeket képesek még

kis darabszám esetén is, agilisan és gazdaságosan kiszolgálni. A megál-



lapítások alapján kijelenthető, hogy a negyedik ipari forradalom a ki-

ber-fizikai rendszerek gyártásban történő alkalmazásának köszönhető.

2017-ben már látjuk, hogy az informatika milyen szinten hatja át a

mindennapjainkat, de 2003 májusa fekete nap az IT életében. A Har-

ward Business Review számában megjelent publikációnak címe Az IT

nem számít (G. Carr, 2003) már akkor is komoly ideológiai vitát ered-

ményezett, de azt gondolom, hogy a negyedik ipari forradalom hajna-

lán elmondhatom, hogy Nicholas G. Carr-nak nincs igaza. Az IT igenis

számít és nem csak egy replikálható infrastruktúra szolgáltatásról be-

szélünk, hanem a mai rendkívül gyorsan és dinamikusan változó üzleti

világban az innováció motorja, de nem csak technológiai szinten, ha-

nem a környezeti változásokra folyamatosan reagálni kényszerült üzle-

ti modellek területén is. A jelen előadásomban röviden kitérek arra,

hogy mit is jelent a manapság olyan sokat ismételt Ipar 4.0, majd egy

empirikus felmérés kapcsán szeretném bizonyítani azon állításomat,

hogy azon szervezetek amelyek fejlettebb informatikai képességekkel,

folyamatokkal rendelkeznek, azoknál a szervezeteknél az üzemelő

berendezések megbízhatósági szintje magasabb. Ezért azt gondolom,

hogy az IT-ra nem mint csökkentendő költségre kell tekinteni, hanem

igenis, mint a vállalat egyik értékteremtő képességére.

Kulcsszavak: Ipar 4.0, értékteremtő IT, információ, tudás, kutatás, kar-

bantartás.


Faipari folyamatok szenzorain keletkező adatok

feldolgozása és elemzése korszerű eszközökkel

Fekets Gábor


Az ipari környezetben is egyre inkább jellemző, hogy a termelési fo-

lyamatok során rengeteg, például szenzorok által gyűjtött adat kelet-

kezik. Ezek feldolgozása, a hasznos információk kinyerése nagy kihívást

jelent. Jelen kutatás célja egy hazai faipari középvállalkozás termelési

tevékenysége során, telepített szenzorokon keletkező adatok feldolgo-

zása. A szenzorok a famegmunkálási eszközökre (kis asztali körfűrész,

nagy asztali körfűrész, szövetszabászgép) kerültek telepítésre és a fel-

vett áramerősség mértékét monitorozzák a betápláláson keresztül. Az

Ipar 4.0 megjelenésével elérhetővé vállnak olyan alkalmazások és

rendszerek, melyek az IoT platformokat támogatva hatékonyan segítik

az adatokból kinyert információ alapján történő gyártási és termelési

döntéseket. Egy multinacionális vállalat elsősorban a legújabb techni-

kákat, kompakt megoldásokat és a moduláris bővíthetőséget tartja

szem előtt az eszközbeszerzések során, melyet a tőkeerős hátterével

tud megvalósítani. Ezzel szemben a kis- és középvállalkozásokra jel-

lemző tőkehiány miatt a szenzorok vagy teljesen hiányoznak vagy jel-

lemzően analóg technikát alkalmaznak a termelési folyamatokban.

A felügyelt gyártási folyamat a vállalat számára számos előnyt nyújt, az

adatokból ugyanis a vezetői döntéstámogatáshoz kulcsfontosságú

információ állítható elő, a hatékonyság növelhető, ezáltal a termelési

költségek csökkennek. A kutatás célja egy olyan adatfeldolgozási mód-


szer létrehozása, amely az utólag kiépített, a faipari vágó- és marógé-

pekre telepített áramfelvételi jellemzőket gyűjtő szenzorokon keletke-

zett adatokat felhasználva hatékony támogatást nyújt az egyes gépek

használati és működési viszonyait tekintve. A szenzorok időbélyeggel

ellátott áramfelvételi adatokat (Amper értékeket) továbbítanak a fel-

dolgozó egység felé, melyet egy online felülettel kérdezhetünk le vagy

menthetünk XLS formátumba. A feldolgozás következő lépésében az R

programnyelvet alkalmazva kerül sor az adatok tisztítására, feldolgozá-

sára és megjelenítésére. Az adatfeldolgozás elsődleges célja a kiugró, a

szokásostól eltérő áramfelvételi adatok monitorozása és kiszűrése, így

megelőzendő a gépek olyan fokú meghibásodását, melynek költség-

vonzata a javítási munkálatok valamint az állásidő következtében je-

lentős mértékűre nőhet. Fontos kérdés, hogy a módszer hány egymás-

hoz közeli kiugró értéket tekint a szokásostól eltérőnek illetve mekkora

időszakot vizsgál a kiugró érték megállapításakor. Feldolgozáskor az

adott időablak hosszának szabályozhatónak, paraméterezhetőnek kell

lennie, így biztosítva a feldolgozás rugalmasságát. Az adatok vizsgála-

tával a gépkihasználtság mérése is lehetséges, így a menedzsment

számára gyártásütemezés optimalizáció tekintetében nyújt támoga-

tást. A múltban keletkezett adatok alapján, azonos jelenkori feltételek

mellett következtetni lehet az elkövetkezendő időszakban várható

termelési volumenre, a gépek kihasználtságára valamint a gépek meg-

hibásodásának várható üteme, az egyes meghibásodások közötti ösz-

szefüggések feltárásával és a karbantartások megfelelő ütemezésével

növelhető a rendelkezésre állási idő.

Kulcsszavak: szenzor, áramfelvétel, adatfeldolgozás, gyártás optimali-

záció, Ipar 4.0, IoT.


Felhő alapú megoldások az oktatásban

Soós Sándor


Munkánkban bemutatjuk, hogy milyen módon lehet felhasználni a

korszerű felhőszolgáltatásokat az oktatás különböző területein. Sorra

vesszük az oktatási folyamat különböző fázisait és esettanulmányok

formájában megmutatjuk, hogy ezeket hogyan lehet támogatni a szá-

mítási felhők különböző szolgáltatásaival. Ezek jó részét saját napi gya-

korlatunkban is alkalmazzuk, így egészen konkrét tapasztalatokról is be

tudunk számolni. Mivel azonban napról-napra megjelennek egyre

újabb és újabb online eszközök, folyamatosan figyelemmel kísérjük

ezeket és a legjobbakat beépítjük a napi gyakorlatba először kísérleti

jelleggel egy-egy kisebb kurzusban, vagy kisebb projektben majd, ame-

lyek tényleg beválnak, azokat egyre szélesebb körben is. Most bemuta-

tunk ilyen, még kísérleti fázisban lévő megoldásokat is felkínálva az

érdeklődők számára a velünk való együttműködés, együtt gondolkodás

lehetőségét.

Ilyen esettanulmányok készülnek a következő területekről: Előadás:

az egyetemi oktatás legtipikusabb formája a frontális előadás. Első

ránézésre úgy tűnhet, hogy itt nincs mód a felhő használatára, valójá-

ban azonban a leghagyományosabb előadáson is szerepet kaphatnak

az online eszközök az előadó és a hallgatóság oldalán egyaránt. Gya-

korlat és laborgyakorlat: a gyakorlatok során az informatikai tárgyak

esetében egyértelműen, de más tárgyak esetében is gyakran szükség

van számítógép használatára, ekkor nagy segítséget jelent a felhő

használata, sok erre szolgáló eszközt fogunk bemutatni. Projektmunka



tanár-diák, vagy tanár-diákcsapat együttműködése: a csoportmunka

támogatására nagyon sok eszköz létezik és ezek között sok felhőszol-

gáltatás is van. Az ebben a kategóriában ismertetésre kerülő eszközök

nem csak az oktatásban, hanem bármilyen csapatmunka során is fel-

használhatók. Hallgató-konzulens együttműködés: ebben az esetben

sokat tud segíteni a számítási felhő, ennek révén sokkal szorosabb és

közvetlenebb együttműködés alakítható ki a felek között anélkül, hogy

túl nagy időbeli leterheltséget jelentene ez bármelyik fél számára. A

felhő lehetővé teszi az időbeli és térbeli távolságok legyőzését, így nem

jelent akadályt a közös munkában, ha a konzulenst időnként távolba

szólítja a munkája. Jegyzetelés és önálló tanulás: még kevésbé elter-

jedtek azok az online eszközök, amelyek ezen a területen használha-

tók, pedig nagyon sokat tudnak segíteni ezekben a feladatokban. Kuta-

tás, irodalmazás: a kutató munka jellege és a szakterület erősen befo-

lyásolja, hogy mennyire használhatók a felhőszolgáltatások, a szakiro-

dalmi kutatást azonban minden szakterület esetében nagyban meg-

könnyíthetik és hatékonyabbá tehetik ezek az eszközök. Számonkérés:

a hagyományos számonkérési formák általában kizárják az online kap-

csolat meglétét, így nem lehet szó felhőszolgáltatások használatáról.

Vannak azonban új módszerek, amelyekkel van lehetőség számonké-

résre online környezetben. Tanulmányi adminisztráció: az egyetemi

oktatás adminisztrációja jelenleg is nagyrészt online módon zajlik, de

sokat lehetne javítani ennek minőségén, ha valódi felhőszolgáltatássá

alakítanánk.

Természetesen nem lenne teljes egy ilyen elemzés, ha nem beszél-

nénk a távoktatásról. Zárásként megvizsgáljuk, hogy milyen felhőszol-

gáltatásokat használhatunk a távoktatás során.

Kulcsszavak: számítási felhő, felhőszolgáltatás, cloud computing.


Gazdaságinformatikus FOSZK, a mostohagyerek?

Mihalovicsné Kollár Anita, Honfi Vid Sebestyén

Dunaújvárosi Egyetem, Informatikai Intézet [email protected]

[email protected]

A mai magyar sajtóban szinte már hetente jelenik meg, hogy jelenleg

hány informatikus hiányzik a munkaerőpiacról és az elkövetkező né-

hány évben ez a szám milyen elképesztő dinamikával fog emelkedni.

Ha az informatikus végzettséget igénylő munkakörökben elérhető

munkabéreket is összehasonlítjuk a többi terület jövedelmi viszonyai-

val, azt gondolhatnánk, hogy a pálya nagyon vonzó a fiatalok körében.

Akkor hol itt a probléma? A felsőoktatásnak csak képeznie kell azt a

rengeteg jelentkezőt, ontania kell a sok frissen végzett informatikust és

a munkaadók elégedettek lesznek, hogy minden pozíciót be tudnak

tölteni. Valahogy mégsem ezt látjuk!

A jelenlegi magyar felsőoktatásban az informatikai képzési területen

mind a 4 féléves felsőoktatási szakképzésben (FOSZK), mind a 6, illetve

7 féléves alapképzésben gazdaságinformatikus, mérnökinformatikus és

programtervező informatikus szakon tanulhatnak a hallgatók. A 4 fél-

éves mesterképzésben e három mellett még az orvosi biotechnológia

szak szerepel. Ezen túlmenően pedig számtalan szakirányú továbbkép-

zési szakon szerezhetnek informatikai végzettségre épülő, vagy éppen

más tudományterületen szerzett diplomán alapuló informatikai tudást.

A paletta tehát széles, a kérdés csak az, hogy a munkaerőpiac ezek

közül mit tud hasznosítani. Egyáltalán van-e értelme ennyi szaknak,

képzési szintnek és a képzési időn belül mi az a tudás, ami ez alatt a




néhány félév alatt átadható és szükséges/hasznos is a majdani munka-

vállalónak és a munkaadónak egyaránt?

A konferencia a gazdaságinformatikusok szakmai eszmecseréjének

ad teret és az előadók célja a vitaindítás. Az alábbi kérdésekre szeret-

nénk választ keresni:

– Van-e létjogosultsága a gazdaságinformatikai felsőoktatási

szakképzésnek?

– Tudjuk-e, hogy mi az, amit a munkaadói oldal ezen a területen

a felsőoktatástól elvár?

– Teljesítjük-e ezeket a kéréseket, vagyis egybeesik ez az igény

azzal, amit a rendelet előír számunkra a KKK-ban?

– Hogyan tudunk egymásnak segíteni, hogy ez az együttműkö-

dés a gazdasági élet és az oktatási szféra szereplői között minél

hatékonyabb legyen?

Természetesen a felsorolás nem teljes, arra azonban elégséges, hogy

ha változásra van szükség, elindulhasson egy folyamat, aminek a végén

mindenki elégedett lehet - hiszen mindannyian ugyanazért dolgozunk:

a hallgatóért, aki használható, naprakész tudást vár el tőlünk.

Kulcsszavak: gazdaságinformatikus felsőoktatási szakképzés, felsőokta-

tás, képzési és kimeneti követelmények.


Informatikai kockázatok komplex értelmezése

Horváth Ádám Béla1

1Óbudai Egyetem, Biztonságtudományi Doktori Iskola [email protected]

A legtöbb kockázatkezelési eljárás, minőségbiztosítási-, illetve infor-

mációbiztonsági szabvány implicit abból indul ki, hogy ezen kockázatok

egymástól függetlenül alakulnak ki, és nincsenek hatással egymásra. Ez

a feltételezés ugyan nincs leírva, de az un. üzleti hatás mérése („busi-

ness impact analyis”) főképp a katasztrófa-helyreállítási- és üzletfoly-

tonossági tervek előkészítésében merülnek fel, és a kockázatkezelés

területén ritkán kerül kihangsúlyozásra. Greg Suddards ír le a publiká-

ciójában egy pénzintézetben végbemenő hipotetikus dominóhatást,

miszerint egy természeti katasztrófa kiváltja, hogy az informatikai inf-

rastruktúra megsérül és üzemképtelenné válik (ami kockázat az IT-ért

felelős részleg számára), és az üzemképtelen informatikai rendszer

miatt az ügyvitel lehetetlenül el, aki kockázat más szervezeti egységek

(pl.: hitelezés) számára. A kockáztatok felmérése alapvetően nehéz

kérdés. Ahhoz, hogy pontos képet kapunk azokról a kockázatokról,

rendkívül gazdag veszteség-adatbázisra lenne szükség. Nem véletlen,

hogy a Bázel-II is, csak a legszofisztikáltabb kockázat-kezelési eljárás

alkalmazása (AMA) során várja el az előírásokat alkalmazótól, hogy az

egyes kockázati elemeket részletesen felmérjék és dokumentálják, és

ez alapján dolgozzák ki a szükséges ellenintézkedéseket. Nagyon kevés

szervezet rendelkezik ilyen adatokkal, ezeket iparágban gyűjtött ada-

tokkal próbálják helyettesíteni. (Ilyen iparági adatokat bocsát tagjai

rendelkezésére az Operational Riskdata eXchange Association [ORX].)


Feltételezve, hogy rendelkezésre állnak megfelelő minőségű adatok,

meglátásom szerint integrálni kellene a lehetséges kockázati károk

felmérésében a tovagyűrűző hatást, amennyiben az létezik. Azaz: téte-

lezzünk fel, hogy létezik két egymással (részleges függőségi) kapcsolat-

ban álló kockázat, és az üzleti folyamatok dokumentációi, illetve a ko-

rábban említett üzleti hatás elemzés (BIA) alapján a kapcsolat ki is mu-

tatható: az „A” kockázat sztochasztikus (tehát nem függvényszerű)

hatással a „B” kockázatra. Amennyiben az egyes kockázatok csak ön-

magában mérjük, akkor a rendelkezésre álló adatok alapján be tudjuk

sorolni valamelyik kategóriába; példánkban legyen ez az A1 pont. Ez a

pont A1(P(A); E(A))-ként azonosítható, ahol P(A1) az A kockázat bekö-

vetkezési valószínűsége, E(A) az A kockázat várható kárértéke), így

ennek megfelelő ellenintézkedés válaszható ki a kockázat kezelésére. A

továbbiakban nem hagyom figyelmen kívűl, hogy a kockázat felmérése

történhet kvailitatív módón (pl.: alacsony – közepes – nagy kockázat)

vagy kvantitatív módón (számszerűsített valószínűségekkel és várható

kárértékekkel), ahogy ezt Dr. Horváth Zsolt László oktatási célú jegyze-

tében (2016) be is mutatta. A két módszertan közötti áthidalás egyik

lehetőségét mutatta be Horváth Zsolt (2017) cikkében. Ha figyelembe

vesszük a tovagyűrűző hatásokat, akkor egy új pont jelölhető ki

A2(P(A); E(A)+P(B|A)*E(B)), ahol P(B|A) feltételes valószínűséget jelöl,

az E(B) az B kockázat várható kárértéke. Természetesen nem tekinthe-

tőnek törvényszerűnek, hogy a korrigált értékek számítsa során az

adott kockázat egy másik – komolyabb ellenintézkedéseket igénylő

tartományba – kerül.

Fordítsunk most a figyelmünket – most két kockázat relációjában – a

„B” jelű kockázatra. Bontsunk fel a P(B) kockázatot két részre: P(B) =

P(B|A+) + P(B|AØ). Amennyiben sikerült az „A” jelű kockázat bekövet-


kezési valószínűségét minimalizálni, akkor ezzel együtt „B” jelű kocká-

zat bekövetkezési valószínűsége csökkenthető, hiszen 𝑃(𝐵|𝐴+) =

𝑃(𝐵 ⋂ 𝐴+)

𝑃(𝐴+), így a tört értéke csökkeni fog. Ez esetben sem törvényszerű a

„kategória-váltás”. Amennyiben igazolhatóan fennáll az törvényszerű-

ség, hogy az „A” jelű kockázat sikeres minimalizálásának eredménye a

„B” jelű kockázat bekövetkezési valószínűségének csökkenése, akkor

ez a tény lehetőséget biztosít a védelmi költségek optimalizálására.

A kockázatok közötti kapcsolatok megállapításánál is ugyanaz a fő

probléma, mint a Bázel-II AMA módszertanának implementálásakor:

részletes adatbázisra van szükség, viszonylag pontos esetleírásokkal.

Ahogy Horváth (2016b) cikkében kifejti, a során fel kell mérni a kiváltó

(lehetséges) okokat (itt lehet ok, egy korábbi kockázati esemény), va-

lamint a lehetséges következményeket (ami lehet egy későbbi kocká-

zati esemény), és kritikus elem, hogy minél nagyobb ismereti tapaszta-

latra tudjon támaszkodni. Ez esetben egy un. ágazati adatbázis (példá-

ul: ORX) nem feltétlen nyújt kielégítő mélységű (pontosságú) adatokat.

Jelen tanulmányban informatikai kockázatok alatt informatikai infra-

struktúrának egy vagy több alkotóelemeinek rendellenes működését

értem, amely megnehezíti vagy ellehetetleníti a rendes ügymenet foly-

tatását, és így kár keletkezik. Függetlenül attól, hogy a rendellenes

működés vis maior vagy jogellenes tevékenység eredménye, ezek a

káresemények a legtöbb esetben nemcsak az ITinfrastruktúrára gyako-

rol hatást, hanem a legtöbb esetben gazdasági hatásokkal járnak. Az

informatikai kockázatokkal foglalkozó különböző szintig atomizálja az

egyes kockázatokat. Például:


• Azonosított kockázat lehet a szerveren bekövetkezett adatszi-

várgás (illetéktelen hozzáférés). Ez egy kockázatnak kitett inf-

rastrukturális egységhez kapcsolódó egy fajta kockázat.

• Azonosított kockázat lehet egy szerver rendellenes működése.

Ez a meghatározás magában foglalhatja adott esetben egy

kényszerű üzemszünetet (amely az információbiztonság ren-

delkezésre állás dimenzióját érintő káresemény), vagy az előző

pontban említett kockázat, amely az információbiztonság bi-

zalmasság dimenziójának, követelményinek nem felel meg.

ehhez hasonló komplex kockázatot ír le Steve Elky (2007) ta-

nulmányában.

Ezekből következik, hogy az információs kockázatok esetén a kocká-

zatoknak nem egy dimenziója, hanem minden egyes kockázat felméré-

se során felmérendő, hogy milyen következményei vannak az egyes

információbiztonsági dimenziók (rendelkezésre állás, bizalmasság,

letagadhatatlanság, azonosíthatóság, sérthetetlenség) tekintetében.

Kulcsszavak: működési kockázat, ISMS, információbiztonság.


Internet-alapú adatforrás duo-mining elemzése

Hornyák Miklós, Kruzslicz Ferenc

Pécsi Tudomány Egyetem [email protected]

Kutatásunk célja, hogy a technológia specifikus Kickstarter kampá-

nyok egyedi fejlesztésű technológia alkalmazásával történő elemzése.

A vizsgált minta 2009 júniusa és 2016 szeptembere között a Kickstarter

technológia kategóriájában közzétett és lezárult, 18157 darab kampá-

nyát foglalja magában. Módszertanilag a kutatás támaszkodik a duo-

mining technikára (Creese, 2004), amely a kvantitatív és a kvalitatív

adatok közös elemzését végzi. E technika általunk alkalmazott megva-

lósítása az Auto Cluster Classification (ACC), melynek során a mennyi-

ségi adatok alapján képzett klaszterek jellemzésére a klaszterek eleme-

ihez a klaszterképző adatok között nem szereplő külső szöveges adat-

bázist csatolunk (Kruzslicz et al. 2016).

Ennek révén a klaszterek lényegre törő elnevezési folyamatát auto-

matizálhatjuk, melynek során a klaszterjellemzést a külső, minőségi

adatok szövegbányászati (Term Document, illetve Term Frequency and

Invers Document Frequency) elemzésével végezzük.

Kutatásunkban a projektek mennyiségi jellemzőit a weboldalak elem-

zése révén tovább dúsítottuk, mind mennyiségi, mind minőségi ada-

tokkal. A projektek kvantitatív adatainak felhasználásával végzett

klaszterezését követően a kialakított klaszterek jellemzését a projek-

tekhez tartozó weboldalra feltöltött szöveges attribútumok szövegbá-

nyászati feldolgozásával segítettük. A klaszterek vizuális reprezentáció-

ját Conway-szófelhős technika alkalmazásával támogattuk.

Kulcsszavak: Duo-mining, clustering, Big Data


IoT infrastruktúra kialakítása

SensorHUB alapokon

Bakó Dávid, Erdei Imre, Pintér László Tamás

Soproni Egyetem, Informatikai és Gazdasági Intézet [email protected],

[email protected],

[email protected]

A XXI. században új trend jelent meg a termelési folyamatokban, amit

Ipar 4.0-nak hívnak és ez többek között az informatika széleskörű és

mély alkalmazását jelenti a gyártási folyamatok minden területén.

Lehetővé vált, hogy akár online módon olyan részletes információkhoz

jussunk, ami alkalmas a költségek csökkentésére, vagy a folyamatok

optimalizálására. Ezzel párhuzamosan rohamosan terjednek az okos

eszközök, különféle szenzorok, amik különféle adatokat generálnak és

továbbítanak feldolgozásra. Ezeknek a nagyszámú, különféle eszkö-

zöknek a hálózata az Internet of Things (IoT – „Dolgok internete”) né-

ven vált ismerté. Az így keletkező big data adatok kezelése, tárolása

speciális, a korábbiaktól eltérő megoldásokat igényel. Ugyanakkor ez

nagy, anyagiakban is mérhető hasznot hozhat a cégeknek és a felhasz-

nálóknak egyaránt. Erre több gyári, „dobozos” megoldás is létezik (pl.:

Homag gépek), viszont a kis és középvállalkozások sok esetben nem

engedhetik meg maguknak ezeket a beruházásokat. Számukra nyújt-

hatnak alternatívát az egyedi, kis költségigényű szenzor alapú megol-

dások.

Kifejezetten szenzor adatok fogadását, tárolását teszi lehetővé a Sen-

sorHUB infrastruktúra, ami BME-AUT fejlesztés és Hadoop alapokon,





Cloudera platformmal fut jelenleg. A platform célja, hogy egységes,

hatékony hátteret és felületet nyújtson különböző adatforrásokból

származó, akár eltérő formátumú, típusú adatok fogadására, tárolásá-

ra és feldolgozására. Bemutatjuk az általunk kialakított, SensorHUB

alapú infrastruktúrát, annak komponenseit és lehetőségeit. A kialakí-

tott környezet lehetőséget biztosít intézetünknek, a hallgatóknak,

hogy tapasztalatokat szerezzenek IoT, Ipar 4.0 feladatokban, olyan

feladatokkal, alkalmazásokkal foglalkozzanak, melyek ezt a hátteret

használják és kihasználják.

A teljes infrastruktúra 5 virtuális gépet tartalmaz Linux alapokon: 1

gateway, 1 master és 3 worker gép. A gateway és 2 worker gépen kon-

téner-virtualizációt (Docker) telepítettünk Kubernetes menedzsment

felülettel együtt. Virtualizációval futtatjuk az egyes SensorHUB szolgál-

tatásokat, amelyek az egyes alkalmazásokat azonosításáért, kérések

irányításáért és továbbításáért felelnek. Az egységesített struktúráért

saját belső domaint alakítottunk ki. A MQTT nevű IoT kapcsolati proto-

koll teszi lehetővé a különböző adatforrások adatainak az egyszerű

beküldését, illetve adatok közvetítését a kliensek felé. Majd elvégeztük

a Cloudera Manager, a Hadoop frissítését. Előbbi a rendszer mene-

dzselését, utóbbi pedig az elosztott adattárolást biztosítja. A korábbi

telepítéshez képest több korábbi szolgáltatás is feleslegessé vált, ami-

ket eltávolítottunk a rendszerből (pl: Hbase, Solr, Spark). A frissítés

végeztével a megfelelő komponenseket egyenként teszteltük, hogy az

ellátandó funkció ténylegesen működik, majd integrált teszt keretén

belül éles szenzoradatok bevitelével, továbbá mesterségesen létreho-

zott JSON adatsorokkal.

A fejlesztésekkel megteremtettük az a hátteret, melyre további mun-

kák, fejlesztések tudnak építkezni. A kialakított, modern infrastruktúra


lehetővé teszi, hogy a megszerzett tudással, tapasztalatokkal aktív

résztvevői lehessünk Ipar 4.0 projekteknek különösen további, a kör-

nyezethez kapcsolódó specifikus alkalmazás fejlesztésekkel. Az elkö-

vetkező időszak feladata pedig egyrészt a saját szenzor infrastruktúra

bővítése, amely big data jellegű adatokat szolgáltat az infrastruktúra

számára. Másrészt az ehhez szükséges adatbetöltő alkalmazások meg-

írása és a kapcsolódó alkalmazások igényeinek kiszolgálása. Továbbá

folyamatosan keressük a hatékonyabb szolgáltatásokat, alkalmazáso-

kat ezzel fejlesztve a környezetet, ami így korszerű, és leginkább opti-

malizált lesz.

A projektet a NETvisor Zrt. szakmai partnerségével megvalósuló Gaz-

daságinformatikus Szakmai Ösztöndíj program támogatta.

Kulcsszavak: SensorHUB, Big Data, IoT, Ipar 4.0., szenzorok.


IoT környezetben tárolt adatok feldolgozása és

megjelenítése

Szőke Péter


Napjainkban kiemelt informatikai jellegű kihívásokat generálnak a kü-

lönböző helyeken, formátumban előálló Big Data adatok. Az okos esz-

közök térnyerésével egyre több szerkezet, gép kommunikál a hálóza-

ton keresztül (Internet of Things), illetve végez méréseket szenzorok

segítségével. Ezt a lehetőséget az ipar is hasznosítja, többek között az

Ipar 4.0 keretein belül. Ez a nagy adatmennyiség rengeteg, gazdasági

szempontból is jelentős információt tartalmaz, de a hatékony tárolá-

sához és felhasználásához újabb és újabb technológiákra és megközelí-

tésekre van szükség.

A Soproni Egyetem Simonyi Károly Műszaki, Faanyagtudományi és

Művészeti Karának Informatikai és Gazdasági Intézetében a BME Sen-

sorHUB alapján kialakított INGA SensorHUB átfogó lehetőséget nyújt a

problémák megismerésére és egy lehetséges megoldási alternatívát is

kínál. A rendszerbe több forrásból érkeznek adatok: külső partnerektől

(például MTA CSFK Geodéziai és Geofizikai Intézet) és a korábbi fél-

évek során kialakításra került egy saját szenzor alapú tesztkörnyezet is.

Az Informatikai és Gazdasági Intézet épületében szenzorok kerültek

felszerelésére, melyek folyamatosan, 5 másodperces időközzel vagy

még gyakrabban szolgáltatják a mérési adatokat.



Ezzel kapcsolatban foglalkoztam áramerősség adatok SensorHUB

rendszerbe történő betöltésével majd a betöltött adatok lekérdezésé-

vel és megjelenítésével. A jelen kutatásban használt szenzorok mPor-

tokon keresztül kommunikálnak a gyári, Controller szoftverrel. Az

adatbetöltő komponens feladata, hogy a Controller szoftver által pos-

tolt szenzor adatokat betölthető formátumba alakítja, majd továbbítja

azokat a megfelelő adatbázisba. Egy php szkript segítségével töltöttük

be szenzorokból származó realtime mérési eredményeket a Sensor-

HUB adatbázisba. Majd az elkészült programot kissé módosítva egy

másik adatbázisból nagyobb mennyiségű, korábban oda gyűjtött (hisz-

torikus) adatot is a SensorHUB rendszerbe töltöttünk át. A tesztkör-

nyezet nyáron tovább bővült, újabb szenzorokat (mozgásérzékelő,

ablak nyitás-zárás érzékelő, hőmérő) szereltünk fel, így még változato-

sabb típusú valós idejű mérési adatok érkeznek az INGA SensorHUB

rendszerbe. Célom a szenzorokból származó adatokkal kapcsolatos

elemzési feladatok definiálása és megvalósítása. Ez a hagyományos

statisztikai elemzéseken túlmutató adatbányászati megoldásokat és

eszközöket kíván ezen adatforrások esetében. Így a további kutatások

célja az alkalmazható eljárások körének meghatározása és ezek megva-

lósítása egy, a feladathoz kiválasztott környezetben.



Kulcsszavak: Big Data, IoT, adatbetöltés, adatelemzés.


Populáris és a professzionális felhasználói

viselkedések és elvárások

Vitályos Gábor

Vitályos Consulting

E-szolgáltatások minősége szakosztály,

Neumann János Számítógép-tudományi Társaság [email protected]

Ebben az előadásban a kétfajta felhasználói magatartást és elvárást elemezzük.

Definíció: Professzionális egy tevékenység, ha a végzésének jogi, pénz-ügyi, egészségi kihatásai vannak, pl. internetes vásárlás, hatósági ügyek, elektronikus recept, stb. kérdései. Populáris (jelen előadásban egyszerű-ség kedvéért) minden egyéb tevékenység, pl. nézelődés, ismerkedés, vi-deózás, stb.

Alapkérdésünk: mi a „jó” professzionális (azaz ilyen tevékenységet szol-gáló) interaktív szolgáltatás, mai szóval professzionális portál? Mik az elvárásaink?

A kutatás aktualitását az adja, hogy előbb utóbb minden ügyünk, doku-mentumunk a virtuális térbe helyeződik, és az információtechnológia in-teraktív eszközeivel kezeljük azokat. Sőt: kommunikálni is virtuális szerep-lőkkel fogunk, és magunk is ilyenné válunk mások számára. Elképzelhetet-len mennyiségű információ kerül majd a virtuális térbe, ezek talaján eddig ismeretlen szolgáltatások tömege fog kifejlődni. Az új szolgáltatások jogi, adat- és információbiztonsági, ontológiai, ergonómiai, nyelvi, pragmatikai stb. megfelelősége, egymással való terminológia és kulturális kompatibili-tása – röviden a használati minősége – a társadalmi hatékonyság és biz-tonság fontos része, és egyre inkább az lesz.


A kutatás motivációja az e-szolgáltatások, azaz az internetes portálok használhatóságával kapcsolatos rossz érzésünk, melyet a portálok ala-csony használati minőségeként, UX-eként,- általánosságban az internetes ökoszisztéma kaotikusságaként - tudunk megfogalmazni: ezek az eszközök nem elégítik ki a munkaeszközökkel szembeni természetes elvárásainkat.

Kitekintő: A probléma nehezen kutatható, multidiszciplínáris. Több dol-gozatban elemeztük, és 3 fő fejezetre osztjuk: ergonómia (viszonylag jól kutatott, és az UX kérdéskör jó részét ide sorolja az irodalom), szemantika (a portál, a szolgáltatás fogalmi pontossága) és pragmatika (a szereplők közötti kommunikáció korrektsége). Ld. a referenciákat.

A jelen dolgozatban elemzett felhasználói igények a szemantika és a pragmatika fejezeteibe tartoznak.

A következőkben professzionalitásnak nevezzük azt a lelki állapotot (gondolkodásmódot, hozzáállást), ami a professzionális tevékenységgel általában együtt jár. Lehet, hogy a felhasználó éppen nem ilyen tevékeny-séget végez, de hajlama van erre, ilyen értelemben embertípust is jelent. Analóg módon definiáljuk a popularitás fogalmát.

Hétköznapi szavakkal az előbbire azt mondjuk, hogy logikus, szigorú, kri-tikus, “balagyféltekés”, az utóbbi pedig asszociatív, befogadó, “job-agyféltekés” gondolkodás.

Itt példák következnek a kutatás megállapításaiból. Nem tudományos állítások, inkább fölvetések, a további kutatás szükségességét és lehetsé-ges irányát mutatják. A felsorolásokban az a) a populáris tevékenységre, vagy a popularitásra, a b) a professzionális tevékenységre, vagy a professzionalitásra vonatkozik.

1. A tevékenység lehet: a. Szabadidős, kötetlen b. intézményes, határidős

2. A felhasználói élmény természete rokonítható a következővel: a. Hagyományos élményforrás, kalandtúra b. információforrás, tudásforrás, kompetencia- és szuvere-

nitás-érzés


3. Felhasználói hozzáállás a szolgáltatás váratlan helyzeteihez, hibái-hoz:

a. Kalandtúra, ellazulás b. célorientáltság, stressz a váratlanságtól, a. újdonság élvezete, élet császára érzés, b. A váratlanság, a sok nem pontosan értett lehetőség bosz-

szantó, hátráltató: trehány szolgáltatók lopják az időnket, balek vagyok.

a. Nyitottság az új lehetőségekre, b. célra koncentrálás

4. Hozzáállás az interaktív technológiák újdonságaihoz: a. Pozitív, amit a professzionalitás „felületesnek” mond. b. Alapos, kritikus, amit a popularitás “negatívnak” bélye-

gez. 5. Gondolkodás a feladatról

a. Elsőleges az akció: megyünk játszani, adót bevallani. b. Elsődleges konstrukció, az objektumok: megnézzük a já-

tékteret, az adónyilvántartásunkat, utána döntünk. 6. A dolgok megtalálása

a. Néhány találattal elégedett vagyok. A keresőgép a bará-tom.

b. Minden dolognak helye legyen, ahol azt keresni kell. Ha nincs találat, máshol már ne kelljen keresni. Az összes ta-lálatot át akarom nézni. A keresőgép ellenség.

Ez a néhány példa is érzékelteti, hogy jelenlegi e-szolgáltatások nagyon messze vannak a professzionalitás elvárásaitól. Sőt, megállapíthatjuk, hogy a jelenlegi szolgáltatásépítő szoftver-technológiákkal (CMS-ekkel) nem is lehet reális költséggel ezeket az igényeket kielégíteni.

Kulcsszavak: UX, e-service quality, Human-Computer Interaction, seman-tics, pragmatics.


SensorHUB rendszerfelügyelet létrehozása

Pintér László Tamás


Napjainkban új, eddig elképzelhetetlen igények jelentek meg a ter-

melési és gyártási folyamatokban, amit Ipar 4.0-nak nevezünk. Ez in-

formatikai szempontból teljes integrációt jelent, vagyis a teljes terme-

lési, gyártási folyamat nyomon követhetővé válik. Ennek köszönhetően

online, azaz valós időben olyan részletes információkhoz, adatokhoz

jutunk, amelyeket a folyamatok optimalizálására fordíthatunk. Az okos

eszközök, különféle szenzorok terjedése, amelyek különböző folyama-

tokról adatokat állítanak elő is elősegítik az irányvonal fejlődését. Eb-

ben a témakörben megjelenik egy másik fogalom is, az IoT (Internet of

Things – „Dolgok internete”), amely ezen okos eszközök összességét

jelenti. Az így keletkező hatalmas mennyiségű adat kezelése, tárolása

különböző informatikai kihívásokat állít. Ezen folyamatoknak a felügye-

lete kritikus pont lehet, mert az adat elvesztése esetén termeléskiesés,

nem tervezett költség jelenhet meg. Egy ilyen rendszer hatékony fel-

ügyelete mérhető megtakarítást eredményezhet a felhasználóknak.

A PVSR (teljes nevén: PerformanceVisor) egy olyan általános telje-

sítményjellemzők monitorozására szolgáló platform, amely a különbö-

ző alkalmazásokhoz kapcsolódva, a felhasználói élményektől a hálózati

infrastruktúrákon át, az informatikai szolgáltatások minőségének és

teljesítményének jellemzéséig képes mérőszámok előállítására, vala-

mint ezen mérőszámok feldolgozására, megjelenítésére. A rendszer



kialakítása támogatja a különböző mérőmodulok fejlesztését, amellyel

a rendszer felhasználhatósági körét bővíthetjük.

A korábban említett szenzorok adatainak érkeztetését, tárolását,

elemzését biztosítja a SensorHUB környezet, amely már hosszabb idő-

re visszatekintő BME-AUT fejlesztés. A rendszer alapja a Hadoop,

amelynek a menedzselése Cloudera segítségével történik. A keret-

rendszerrel univerzális felületet biztosít a fent említett szolgáltatások-

ra. Egy ilyen rendszerben is találkozhatunk folyam(at)okkal, amelyek

felügyelete nem triviális. A megfelelően kialakított rendszer felügyelet-

tel elkerülhető lehet az adatvesztés, a nem működő, vagy késleltetett

riasztás, illetve további olyan információk állíthatóak elő, melyek a

rendszer működéséről adnak hasznos jelzéseket.

A rendszerfelügyelet középpontjában a SensorHUB keretrendszer áll,

amelynek a felügyelete egyrészről mérőmodul fejlesztését, másrészt a

rendszer legsokoldalúbb komponensének felhasználását jelenti, amely

az Apache Nifi. Ez a komponens valós idejű adatfolyam generálást,

módosítást és menedzsmentet támogat, és ez felel a rendszer néhány

modulja közti kommunikációért is. Adatfolyam(ok) definiálásával a

beérkező adatok hatékonyabb tárolása is megoldható, amely a rend-

szer terheltségének csökkenésében is jelentkezik, illetve a rendszer

teljesítmény paramétereit is a felügyeleti eszköz rendelkezésére bo-

csájthatjuk egy egyszerűbb felületen keresztül. Az Lightweight Machi-

ne To Machine – röviden LwM2M – protokoll a gép-gép kommunikáció

egy szigorított formája, amely eszközök menedzsmentjére szolgál. A

protokoll az eszköz paramétereinek módosítását, olvasását, akár pa-

rancsok végrehajtását is támogatja.

Az adatfolyamok felügyeletével egy átfogó képet kaphatunk a rend-

szer és a belső kommunikáció állapotáról. Amennyiben a kommuniká-


ció során hibát tapasztalunk, azt automatikusan jelezve az üzemeltetők

felé, az adatvesztés és a szolgáltatáskimaradás csökkenthető, elkerül-

hető.



Kulcsszavak: SensorHUB, Big Data, IoT, Ipar 4.0., szenzorok, adatfo-

lyam, felügyelet, rendszerfelügyelet, LwM2M.


Social scoring megoldások felhasználása

hitelelbírálás során

Trinh Anh Tuan, Frecska Éva


[email protected]

A social scoring azt jelenti, hogy azokat az adatokat, amiket mi az in-

ternethasználattal magunk után hagyunk (digitális lábnyom), vállala-

tok, intézmények, vagy más személyek valamilyen szinten nyomon

tudják követni, ezekből következtetéseket tudnak levonni a személyi-

ségünkről, érdeklődési- és ismeretségi körünkről, de ezen kívül a sze-

mélyes adatainkat is megszerezhetik. A megszerzett információk birto-

kában mindenkit pontozhatnak bizonyos szempontok alapján. Napja-

inkban ebből egyre több következtetést tudnak levonni rólunk, hiszen

egyre több mindent intézünk digitális úton, tehát beszélgetéseinket,

vásárlásainkat is. Egy 2016-os felmérés alapján a világon már több,

mint 1 712 000 000 felhasználója van a legnépszerűbb közösségi oldal-

nak, a Facebooknak (Simon Kemp, 2016), ennek következtében renge-

teg emberről szerezhetünk különböző információkat magánszemély-

ként is, azonban például az irányított hirdetésekből is jól látszik, hogy

annál az információnál, amit mi nyilvánossá teszünk magunkról, jóval

többet megtudhatnak rólunk különböző vállalatok vagy intézmények.

Az egyetemi évek alatt felmerülő költségekre a diákoknak lehetősége

van a tandíjat fedező Diákhitel 2-t felvenni, vagy a szabadfelhasználású

Diákhitel 1-et. A Diákhitel 1 havonta 15 000 Ft és 50 000 Ft közötti

összeget tud biztosítani a tanulóknak. Egy-egy nagyobb kiadásra azon-



ban nincs lehetőségük kölcsönt felvenni, ugyanis a banki személyi köl-

csönök egy minimum havi 100 000 Ft-os fizetéshez vannak kötve. Ezek

az összegek az egyetemi/főiskolai tanulmányok alatt nehezen megke-

reshető fizetések, így a legtöbb hallgató a tandíjon kívüli költségeire

kizárólag a Diákhitel 1-et tudja felvenni.

Tekintettel arra, hogy a diákhitelek kockázata igen magas, a hitelinté-

zetek akkor tudnának a tanulók vagy friss diplomások számára sze-

mélyre szabott kölcsönt biztosítani, ha a hitelképességüket a fizetésük

vagy ingatlanuk nélkül pontosan meg tudnák határozni. Erre kínálhat

lehetőséget a social scoring, ezt felhasználva tudnánk kialakítani az

adott ügyfél hitelpontszámát, mely a megbízhatóságát mutatja. A mo-

dellünk két pillérre épül, egy saját fejlesztésű programra, illet-

ve együttműködésre más cégekkel, szervezetekkel az adatok megszer-

zése érdekében.

Ezek a források akkor tudnak egy megbízható pontszámot adni, ha az

adott személy elegendő információt hagy maga után

az internethasználat során. A frissdiplomások és egyetemi, főiskolai

hallgatók körében ez a pontozás működőképes lehet, hiszen ebbe a

korosztályba tartozók túlnyomó többsége jelen van a közösségi oldala-

kon, és igénybe vesz online szolgáltatásokat.

A projekt keretében létrejövő social scoring webfelületen a felhasz-

náló értesül arról, hogy mely adatait vesszük igénybe a hitelpontszám

meghatározásához, és a hozzájárulását követően a program kiszámítja

azt. Ezt a pontszámot nem csak bankok vagy hitelintézetek vehetik

igénybe a hitelelbíráláshoz, de a P2P hitelezéshez is felhasználható

lenne.


2018-tól lép életbe két fontos rendelet az Európai Unióban, a PSD2,

valamint a GDPR, melyekhez minden személyes adatot kezelő vállalat-

nak alkalmazkodnia kell majd.

A PSD2, mely 2018 januárjától fog életbe lépni, kötelezi a bankokat,

hogy a fizetési adatokat kiadják harmadik félnek is, amennyiben az

ügyfél egy másik platformon szeretne online fizetni, azt nem csak a

bank felületén keresztül teheti meg, hanem pl. a Facebookon is. Ez a

modellünk szempontjából kedvező lehet, hiszen az ügyfél beleegyezé-

sével a social media adatait felhasználva képet kaphatunk a fizetési

szokásairól is.

A GDPR (Általános Adatvédelmi Rendelet) 2018 májusától lesz ha-

tályban, ez a szabály minden eddiginél szigorúbb, és ez fogja garantálni

az Európai Unióban az adatvédelmet. Ennek értelmében a személyes

adatokat kezelő vállalatoknak bármikor el kell tudniuk számolni a te-

vékenységükkel, valamint ki kell nevezniük egy adatvédelmi biztost is.

A jogszabály kötelezi a cégeket arra, hogy az esetleges adatvédelmi

incidensekről azonnal tájékoztassák az érintetteket, illetve, ha megsér-

tik az adatvédelmi rendeletet, akár az éves forgalmuk 4%-ának fizeté-

sére kötelezi őket.

Kulcsszavak: fintech, hitelezés, social scoring.


Számítógépes rendszerek tesztelése és validálása

a gyógyszeriparban

Strauss Tamás1,2

1Budapesti Corvinus Egyetem 2EGIS Gyógyszergyár Zrt.

[email protected]

A számítógépes rendszerek gyógyszeripari alkalmazása eltér más

egyéb ipari területen történő rendszerbevezetéstől. Ennek alapvetően

minőségbiztosítási okai vannak, valamint az adott ország szabályozási

politikája határozza meg a bevezetés és üzemeltetés feltételeit.

Az előadás célja az lenne, hogy bemutassa milyen hatósági szabályo-

zások, ajánlások játszanak szerepet az Unióban, illetve az Egyesült Ál-

lamokban egy számítógépes rendszer bevezetése kapcsán. Ilyen aján-

lások pl. a GAMP 5 (Good automated manufacturing practice), vala-

mint a EU GMP Annex 11. A helyes gyógyszeripari gyakorlatot követve

milyen megfelelési követelményeket támasztanak egy rendszerrel

szemben.

A továbbiakban bemutatásra kerülne, hogy mit tekintünk számítógé-

pes rendszernek, illetve hogy a validálási eljárás mennyivel több terü-

letet és szabályozott eljárást érint, mint egy szoftver rendszer puszta

tesztelése. Szerepet játszik ebben pl. egy rendszer kockázatértékelése,

valamint a fejlesztendő igények, illetve már rendelkezésre álló funkci-

ók funkcionális kockázatelemzése. Ezek mind meghatározzák a teszte-

lés mélységét és részletességét (pozitív, illetve negatív tesztek adott

funkciókra, stb.), valamint a rendszer felülvizsgálat gyakoriságát.



Fontos azt is kiemelni, hogy milyen dokumentációs terhet jelent egy

ilyen rendszer bevezetése, azaz a különböző komplexitású, kockázatú

rendszerek milyen eltérő dokumentációt igényelnek. Ez azért fontos,

mert egy rendszer bevezetésekor a projekt szempontjából kiemelt

jelentőséggel bír, hogy megfelelő időtartambecslést tudjunk adni ezen

szakaszra vonatkozóan is.

Nem utolsó sorban bemutatásra kerülne, hogy milyen módon lehet

egy validált környezetet fenntartani és a különböző módosításokat

milyen módszer szerint lehet életbe léptetni, továbbá hogyan követjük

nyomon a rendszerben bekövetkező változásokat.

Kulcsszavak: validálás, számítógépes rendszer, GAMP 5.


Tantermi interaktivitás támogatása

ARS eszközökkel

Kehl Dániel, Kruzslicz Ferenc

Pécsi Tudományegyetem [email protected]

[email protected]

Egy oktatásmódszertani fejlesztési projekt során azt vizsgáltuk meg,

hogy a fordított osztályterem technikát milyen informatikai eszközök-

kel lehet hatékonyan támogatni. Fő célunk elsősorban a nagy létszámú

előadásokon való részvétel intenzitásának javítása volt. Prezentációnk

során a közönségválaszt támogató eszközök által nyújtott lehetősége-

ket ismertetjük. Bemutatjuk az ilyen termékeket gyártók piaci szeg-

mensét, kínálatát, és a rendszereik által nyújtott szolgáltatásokat. Az

ARS rendszerek kiváló terepet biztosítanak a mobil informatikai alkal-

mazásokra és a prezentációs technikák kiterjesztésére. A rendszer

bevezetését hallgatói és oktatói igényfelmérések előzték meg, melyek

eredményeiből fontos kiindulási pontokat sikerült azonosítani. Végül

az elmúlt időszak tapasztalatainak összefoglalásával útmutatót adunk

az ARS rendszerek módszertani tárgyak oktatásban való felhasználás-

nak előnyeiről, hátrányairól.

Kulcsszavak: ARS technológia, flipped classroom, mobile interactivity.


Vállalati kooperáció és hálózatosodás

a technológiai innováció kontextusában

Kő Andrea, Vas Réka,

Borbásné Szabó Ildikó, Kovács Tibor


[email protected]

[email protected]

[email protected]

Az együttműködés és a „hálózatosodás” a vállalatok számára is na-

gyon ígéretes stratégiai alternatíva napjainkban. Lehetőséget nyújt a

vállalatok számára arra, hogy a komplex és széttagolt versenyhelyzet-

ben kedvező pozíciót nyerjenek, befelé irányulóan pedig kibővíthetik,

erősíthetik képességeiket. A hálózatoknak többféle formája ismert, az

innovációs klaszterektől az ellátási láncok mellett szerveződő vállalko-

zásokig. A hálózatosodás egyik hajtóereje az IKT (infokommunikációs

technológiák), pl. a jövő internetes technológiái, Internet of Things és a

szemantikus web technológiái. Ezek az eszközök, technológiák a min-

dennapi élet szerves részét képezik, egyre inkább végfelhasználói esz-

közök, könnyű kezelhetőségük és olcsó hozzáférhetőségük miatt. Az

IKT folytonos fejlődése, a mindennapok során használt eszközökbe

való beépülése új lehetőségeket kínál az együttműködésre és a tudás-

transzfer tevékenységek támogatására. Az IKT az együttműködésben is

új távlatokat nyit, például az oktatásban, a termékfejlesztésben, gon-

doljunk csak pl. a felhő alapú szolgáltatásokra a csoportmunka terüle-

tén. A hálózatokban való együttműködés, erősíti az innovációs viselke-



dést, megkönnyíti az ötletek generálását és megvalósítását. Kutatá-

sunk az IKT tudáshálózatok kialakításában és működtetésében játszott

szerepének felmérésével, a kooperáció és hálózatosodás elemzésével

foglalkozik a technológia innováció kontextusában. A kutatás kereté-

ben a szakirodalmi eredményekre építve elemezzük fehérvári régió

klasztereket alkotó vállalatainak tudásteremtési folyamatait, az alkal-

mazott technológia- és tudástranszfer gyakorlataikat, felmérjük, hogy

az informatika miként támogatja, segíti elő tudáshálózatok kiépítését

és hatékony működtetését a régióban.

A kutatást az EFOP-3.6.1-16-2016-00013 projekt „Piaci terméket vagy

szolgáltatást előállító hálózatok” alprojektje támogatja.

Kulcsszavak: hálózatosodás, tudáshálózat, IKT, tudásgenerálás hálóza-

tokban


Vállalatinformatikai rendszerek használata az ag-

ráriumban egy kérdőíves kutatás tükrében

Berta Olga

Nyíregyházi Egyetem, Gazdálkodástudományi Intézet [email protected]

Az agrárgazdaság informatikai fejlődése dinamikusan kezdődött el az

utóbbi években. A rendszerváltást követően jelentősen szétesett, majd

újra strukturálódott mezőgazdaságban működő vállalkozások az in-

formatika területén jelentős elmaradással küzdöttek. Napjainkban,

amikor világszerte egyre nagyobb teret nyer az informatikai alkalmazá-

sok használata az élet minden területén, az agrárgazdaság sem vonhat-

ja ki magát az eszközök internete, a precíziós mezőgazdaság vagy a

vállalkozások működését hatékonyabbá tevő agrárinformatikai alkal-

mazások adaptálása alól. Kutatásomban arra kerestem a választ, hogy

milyen összetevők befolyásolják a vállalkozások belső információs

rendszerét, használatát, milyen rendszereket használnak, és milyen

okok befolyásolják a használatot. A reprezentatív mintavétellel készült

kutatás során egy kérdőíves vizsgálat zajlott a kettős könyvvezetésű

vállalkozások bevonásával. A vizsgált tényezők arra irányultak, hogy a

vállalkozások informatikai sajátosságaira mely tényezők hatnak legin-

kább, a vállalkozások tulajdonosi szerkezete, esetleg a tevékenységek

diverzifikáltsága befolyásolja-e az informatikai alkalmazások sajátossá-

gait, az informatikához való viszonyát.

Kulcsszavak: agrárinformációs rendszerek, menedzsment, kutatási

eredmények.


Vállalatirányítási rendszerek implementálásának

és koncepciójának újszerű megközelítése

Németh Márton, Bencsik Gergely

Soproni Egyetem, Informatikai és gazdasági Intézet [email protected]

[email protected]

Napjainkban a vállalatirányítási rendszerek (Enterprise Resource

Planning, ERP) egyértelműen meghatározóak az iparban és manapság

szinte minden vállalat használ valamilyen üzleti megoldást. A különbö-

ző üzleti megoldások a ma is meghatározó folyamatelvűségen alapsza-

nak, miszerint az egyik üzleti folyamat kimenete, egy vagy több másik

üzleti folyamat bemenete és tulajdonképpen az egész vállalati műkö-

dés folyamatok láncolataként épül fel. Amikor egy vállalat (megrende-

lő) úgy dönt, hogy bevezet egy vállalatirányítási rendszert, akkor vagy

egy előre elkészített „dobozos” terméket vásárol meg, vagy egy saját

fejlesztésű ERP-t implementál. A szakirodalom tárgyalja mindkét lehe-

tőség előnyét és hátrányát, ugyanakkor a piacon – különösen az Ipar

4.0, Internet of Things és Big Data hatására – általában a „dobozos”

megoldások mellett döntenek a cégek. A „dobozos” ERP-k közös jel-

lemzője, hogy egy fiktív vállalatmodell alapján kerültek implementálás-

ra, ezért a használatbavétel előtt szükséges a vállalat egyedi folyama-

tainak és az adott megvásárolt ERP implementációjának illesztése

(testreszabás). A folyamatok illesztése szakértelmet igényel, ezért egy

tanácsadó cég (eladó) végzi a „dobozos” ERP bevezetését. Ugyanakkor

ez az illesztés nem mindig tökéletes. Bár a nagy gyártók által forgalma-

zott vállalatirányítási rendszerek igyekeznek az összes üzleti folyama-




tot támogatni, mindig előfordulnak olyan egyedi folyamatok, amelye-

ket kevésbé lehet megvalósítani a megvásárolt rendszerben. Ilyenkor

egyfajta megoldást jelenthetnek az adott rendszerhez történő hozzá-

fejlesztések, amelyek extra költségekkel járnak, de olyan is előfordul,

hogy az adott folyamatot teljes egészében egy másik informatikai

megoldással oldják meg, amely már képes az adott folyamat teljeskörű

támogatására. Ez a Best-of-Breed irányvonal azonban rendelkezik a

nem integrált rendszerek összes hátrányával. A saját fejlesztésű ERP-k

esetében az illeszkedés teljeskörű, hiszen már a rendszer tervezési

fázisában a vállalatnál felmerülő összes folyamatot figyelembe veszik,

ugyanakkor a rendszer birtokbavétele – például a rendszer teljes imp-

lementálási ideje miatt is – sokkal több időt jelent.

Kutatásunkban a fenti két irányt ötvöztük, és egy új koncepciót dol-

goztunk ki a vállalatirányítási rendszerekre vonatkozóan. A koncepció

ötvözi a „dobozos” ERP-k és a saját fejlesztésű megoldások előnyeit,

ugyanakkor nem rendelkezik a hátrányaikkal. A koncepció lényege egy

egyedi fejlesztésű ERP keretrendszer, amelyben a megrendelő folya-

matai, mint modell definiálható. A keretrendszer által biztosított épí-

tőkockákból és a köztük lévő kapcsolatok definiálásával leírható az

adott vállalati folyamatmodell. Ezután egy értelmező interpretálja a

modellt és automatikusan legenerálja az adott modellhez tartozó ERP

„egyedet”. A koncepció így 100%-os illeszkedést biztosít, hisz a beme-

neti modell egyértelműen az adott vállalathoz (megrendelő) tartozik,

maga az implementáció teljes egészében a vállalat folyamatainak fel-

mérése után történik meg. A forráskód átadásra kerülhet, hiszen maga

a konkrét vállalatirányítási egyedet generáló ERP keretrendszer a ta-

nácsadó (eladó) cégnél marad. Amennyiben a megrendelő cég nem

kíván az eladó folyamatos támogatási (support) lehetőségével élni,


saját kezébe veheti a rendszer fejlesztését. Ugyanez igaz a sok szem-

pontból kritikus jogszabálykövetésre is: amennyiben a megrendelő úgy

dönt, hogy saját alkalmazottal oldja meg, akkor ezt megteheti, hiszen

nem függ az eladótól. Amennyiben a keretrendszerben nincs olyan

építőelem, amely az adott megrendelő adott folyamatát támogatná,

akkor csak ezt az egy építőkockát kell implementálni a keretrendszer-

ben, a többi elem használható, az építőelemek közötti kapcsolatok

révén az új elem integrálható a többi elem közé, így kialakítható az új

vállalati modell. A koncepció a vállalatirányítási rendszerek megvalósí-

tásának egy – az ERP 2 és ERP 3 koncepciók után – új evolúciós lépcső-

jének is tekinthető.

Kulcsszavak: vállalatirányítási rendszerek, ipar 4.0, ERP keretrendszer.



TARTALOMJEGYZÉK


Welcome to Sopron ..................................................................................... 3

Jó szerencsét! .............................................................................................. 5

Bizottságok .................................................................................................. 7

Konferenciaprogram .................................................................................... 9

A konferencia partnerei és támogatói ....................................................... 16

PLENÁRIS ELŐADÁSOK .................................................................................... 18

Litkei Péter: A biztonság fogalma a negyedik ipari forradalomban .......... 19

Gerald Steibauer, Martin Kandhofer: EDLRIS – A European Driving License

for Robots and Intelligent Systems ............................................................ 20

Zörög Zoltán: Miért oktassunk ERP-t? ...................................................... 21

Csanaki Jenő, Edelényi Márton, Károlyi Tamás, Nagy Zsolt: Üzleti

intelligencia hasznosítása az Opelnél ........................................................ 23

ABSTRACTS ................................................................................................... 25

Ferenc Erdős, Richárd Németh: 3D Printing Application Opportunities in

Real Time Data Communication and Visualization .................................... 26

Gergely Bencsik: Analysis of the random level of scientific results using

Random Correlation methodology ............................................................ 29

Csaba Brunner: Ant Colony Algorithm in Data Mining .............................. 31

László Kovács: Applications of Metaheuristics in Insurance ..................... 31

Balázs Barna, Szabina Fodor: Battlejungle, an online platform for using

enterprise gamification to engage employees .......................................... 34

Tibor Kovács, Andrea Kő: Evaluation of multiple criteria decision models

based aggregate performance measures .................................................. 35

Balázs Kovács: How language influences the information content of stock

market news? ............................................................................................ 37

Csaba Csáki: Open Data Reuse: A Note for Beginners .............................. 37

Attila Gludovátz, László Bacsárdi: The connection of the production and

the energy usage in a smart factory .......................................................... 40


Ágnes Dede: The examination and modification possibilities of lending

processes ................................................................................................... 43

KIVONATOK .................................................................................................. 46

Fehér Péter, Varga Krisztián: A banki gyakorlat digitális átalakulási

lehetőségeinek bemutatása a Design Thinking módszertanra támaszkodva

................................................................................................................... 46

Trinh Anh Tuan, Kádár Bence, Pénzes Gábor: A blockchain technológia a

használtautó piacon .................................................................................. 48

Fehér Péter, Szabó Zoltán, Kő Andrea, Varga Krisztián: A digitális

átalakulás magyarországi tapasztalatai ..................................................... 51

Kosztyán Zsolt Tibor, Novák Zalán, Jakab Róbert:

Alkalmazásmenedzsment támogatása ágens alapú szimulációs

szoftverekkel.............................................................................................. 54

Nagyné Halász Zsuzsanna, Gubán Miklós Koloszár László: Az

informatikusképzés a felsőoktatásban ...................................................... 56

Tarján Gábor: Az információbiztonsági tudatosság érettségi szintjének

mérése gazdálkodó szervezetekben – a tudatosítás kontroll-környezete 58

Varga Krisztina, Bacsárdi László, Bencsik Gergely, Pödör Zoltán: Big Data

adatelemzési technikák űrkutatási adatok feldolgozásában ..................... 61

Kalmár János: Egy push and pull migrációs modell és megoldása

számítógépes szimulációval ....................................................................... 64

Rozsnyai Gábor: eSzolgáltatottak szolgáltatói – Szakmai közösségek, mint

szolgáltatók, az eSzolgáltatások minősége szakmai közösség, mint

csendestárs ................................................................................................ 66

Vajna Zoltán: Értékteremtő az IT vagy csak költséget jelent? .................. 68

Fekets Gábor: Faipari folyamatok szenzorain keletkező adatok

feldolgozása és elemzése korszerű eszközökkel........................................ 70

Soós Sándor: Felhő alapú megoldások az oktatásban .............................. 72


Mihalovicsné Kollár Anita, Honfi Vid Sebestyén: Gazdaságinformatikus

FOSZK, a mostohagyerek? ......................................................................... 74

Horváth Ádám Béla: Informatikai kockázatok komplex értelmezése ....... 76

Hornyák Miklós, Kruzslicz Ferenc: Internet-alapú adatforrás duo-mining

elemzése………………………………………………………………………………………………..80

Bakó Dávid, Erdei Imre, Pintér Tamás László: IoT infrastruktúra kialakítása

SensorHUB alapokon ................................................................................. 81

Szőke Péter: IoT környezetben tárolt adatok feldolgozása és

megjelenítése ............................................................................................ 84

Vitályos Gábor: Populáris és a professzionális felhasználói viselkedések és

elvárások .................................................................................................... 86

Pintér László Tamás: SensorHUB rendszerfelügyelet létrehozása ............ 89

Trinh Anh Tuan, Frecska Éva: Social scoring megoldások felhasználása

hitelelbírálás során .................................................................................... 92

Strauss Tamás: Számítógépes rendszerek tesztelése és validálása a

gyógyszeriparban ....................................................................................... 95

Kehl Dániel, Kruzslicz Ferenc: Tantermi interaktivitás támogatása ARS

eszközökkel ................................................................................................ 97

Kő Andrea, Vas Réka, Borbásné Szabó Ildikó, Kovács Tibor: Vállalati

kooperáció és hálózatosodás a technológiai innováció kontextusában ... 98

Berta Olga: Vállalatinformatikai rendszerek használata az agráriumban

egy kérdőíves kutatás tükrében .............................................................. 100

Németh Márton, Bencsik Gergely: Vállalatirányítási rendszerek

implementálásának és koncepciójának újszerű megközelítése .............. 101

Documents

2017OGIK-ISBIS’2017 3 Welcome to Sopron The Scientific and Educational Forum on Business Information Systems (SEFBSI/GIKOF) was established 17 years ago by academics, software developers,