Startup-konferenciát tervez a MIBE

Hazai és külföldi előadókkal azt a kérdést tervezi körüljárni a rendezvény, hogy hogyan lehet információs szolgáltatásokkal és kedvező környezettel támogatni a startupokat, illetve a stratup-kultúrát. Részletek rövidesen…

Hírszerzési hibák az üzleti életben (könyvfejezet)

A “We never expected that” (Anver Barnea) könyv üzleti és nemzeti hírszerzési hibákat elemez. A Hírszerzési hibák az üzleti életben c. fejezet bevezetőjében jelzi: nem könnyű egyértelműen meghatározni a kudarcok okát. A kutatás ezek típusait elemezte; pénzügyi, szervezeti és pszichológiai tényezőket vizsgáltak, csakúgy, mint a munkavállalók és a vezetők közötti kapcsolatokat. A versenykörnyezetben a projektek alapvetően sok információra épülnek, és e mennyiség a technikai forradalom óta tovább növekedett. A sikeres és a sikertelen vállalatok összehasonlítása nemritkán azt mutatja, hogy az utóbbiak nem olvasták el helyesen a versenytérképet. Az üzleti hírszerzés mindkét képességet igyekszik egyszerre fejleszteni a fejezetben. Olyan eseteket vizsgál, amelyekben nem tudták megelőzni a nagy meglepetések az üzleti menedzsment és a nemzeti hírszerzés módszertanának, valamint az ügyélelemzés felhasználásával. (ref.: MG) Scip

Kína leereszti az információs vasfüggönyt

A kínai hatóságok leszámolnak egy sor független pénzügyi elemzővel és bloggerrel. A cél hivatalosan az lenne, hogy a virágzó befektetési csalásoknak gátat szabjanak, azonban a befektetők többsége attól tart, valójában az információs monopólium megerősítése zajlik, s célponttá válik mindenki, aki a párt irányvonalával ellentétes információkat közöl a kínai gazdaságról.

A kínai hivatalos adatok eközben már régóta nem tekinthetők megbízhatónak az elemzők szerint, ez nem új jelenség. A befektetők viszont hozzászoktak ahhoz, hogy más forrásokból is tájékozódjanak, azonban ha ezek az információforrások beszűkülnek, az tovább növelheti a befektetések kockázatát. F:  Napi, 2021. szept. 16.

Legjobb, ha elsőként a China Dailyt lapozod fel

Pekingben három évvel ezelőtt úgy döntöttek, hogy a sertéspestis miatt leölik az irdatlan állomány felét (azaz a világ összes disznójának a negyedét), majd a tavalyi év végén elkezdték újra benépesíteni az ólakat. 150 ezer gazda egyszerre kezdett takarmányt keresni az állatának, amivel kiszívták az abrakot a világpiacról. Így most az egekben van a takarmány, és ennek megfelelően a húsfélék ára is. Vajon ez azt jelenti, hogy ha egy magyar gazda reggel ­felkel, a legjobb, ha elsőként a China Dailyt lapozza fel? A Takarékbank ­agrárüzletágának ügyvezető igazgatója, Hollósi Dávid azt mondja, hogy bizony, nagyon figyelni kell Kínát, hiszen túl nagy, központi irányítású, együtt mozgó piac. Mi több, még viszonylag magas árakon is bőséges a kereslet, miután az utóbbi években annyira megnőtt a középosztály jövedelme, és olyan fogyasztásba fogott, hogy mennyiségben és minőségben is hatalmas a szívóereje. F: HVG, 2021. szept. 2.

Webkutatási parancs

A gyermekpornó terjesztőire vagy a zsarolók bitcoinszámláira nem olyan egyszerű rákeresni a sötét weben, mint mondjuk a moziműsorra vagy a palacsintareceptekre az interneten. Ezen segít újabban egy rendőrségi kereső. A Dark Web Monitor a bajor kibernyomozó központ (ZCB) és egy holland cég, a CFLW Cyber Strategies együttműködésével jött létre. Mark van Staalduinen, a cég alapítója és főnöke arra számít, hogy nyolc megrendelővel már nem lesz ráfizetéses a szolgáltatása. Az első kuncsaft a ZCB, de ma már három más rendőri szerv is fizető ügyfél. Ez azért fontos, mert egy korábbi amerikai próbálkozás, a Hyperion Gray vállalat keresője, amelyet főképp embercsempészek ellen vetettek be, csődbe ment, miután megszűnt az állami finanszírozás. A CFLW a bajor tartományi belügyminisztérium támogatásával indult, és a ZCB szempontjából a százezer euró már megtérült, mert a kereső számos gyermekpornós, drog- vagy fegyverkereskedelmi ügyben hasznosnak bizonyult. A sötét weben a keresés nem annyira automatikus, mint a nyilvános interneten. A CFLW munkatársai a találatokat emberi munkával értékelik, majd kategorizálják. Nem kevésbé fontos, hogy automatikusan naponta archiválják a sötét web hozzáférhető oldalait. F: HVG, 2021. szept. 2.

Hogyan lehet ingyen, rendszám alapján lekérdezni azutókat?

A JSZP https://nyilvantarto.hu/jarmuszolgaltatasiplatform/ autó lekérdezés felülete rendkívül egyszerűen működik: lépjünk be ügyfélkapus fiókunkkal (autó lekérdezés szuf), írjuk be a kívánt magyar rendszámot és a JSZP autó lekérdezés rendszám alapján megmondja, mit kell tudnunk a kívánt gépjárműről.

Milyen adatokat mutat meg egy autó lekérdezés?

• a járművek (forgalmi engedélyben feltüntetett) műszaki adatai;
• kilométeróra-állás + annak rögzítési időpontja;
• a járművek érvényes forgalmazási korlátozására vonatkozó adatai;
• a körözés ténye;
• a nyilvántartott tulajdonosainak száma a jármű első magyarországi nyilvántartásba vételének időpontjától;
• a gépjármű származási országa;
• a származás ellenőrzésének eredménye;
• a forgalomból kivont állapot ténye, forgalomból való kivonás oka, jellege, a kivonás kezdő időpontja;
• a jármű alvázszámára, motorszámára, motorkódjára, rendszámára és regisztrációs matricájára tett megállapítások;
• az eredetiségvizsgálat képi dokumentációja;
• a  gépjármű előzetes eredetiségvizsgálata során megállapított minősítése;
• az előzetes eredetiségvizsgálat végzésének időpontja;
• az előzetes eredetiségvizsgálatot lefolytató vizsgálóállomás neve, címe;
• a kötvénynyilvántartásból beszerzett biztosításra vonatkozó adatok;
• a kárnyilvántartásból beszerzett káreseményre vonatkozó adatok és a káresemények dátumai.

F: Pénzcentrum, 2021. szept. 4.

Vásárhelyi Orsolya: Az adattudomány mutatja meg a rejtett diszkrimináció működését

Bevezetés az adattudományba. Mi is az és mire használják? Problémák megértése, előrejelzése, kisabb vagy nagyobb adatmennyiség alapján. F: Qubit

Prediktív magánszféra: az adatelemzés alkalmazott etikája felé

Blogunkban rendszeresen szemlézünk ezentúl érdekes és fontos dilemmákat felvető szakcikkeket, köteteket. Rainer Mühlhoff 2021 júliusában megjelent cikkében a prediktív magánszféra kihívását járja körül.

Az adatelemzések és az adatvezérelt megközelítések a gépi tanulásban (ML) ma már az egyes gazdasági ágak területén a gyakran alkalmazott eljárások közé tartoznak. Az egyik fő alkalmazás az emberi viselkedés algoritmikus előrejelzése. A prediktív adatelemzés (Predictive Analytics – PA) során viselkedési jellemzők nagy adathalmazait használják arra, hogy az adatkorrelációk alapján egyéneket osztályozzanak a jövőbeli kockázatok, gazdasági fejlemények, vagy a várható költségek és hasznosság szerint. Közismert példái közé tartoznak az online célzott hirdetések, a differenciált biztosítási árképzések, a munkaerő felvételénél alkalmazott algoritmusok, vagy az Egyesült Államokban a bűncselekmények ismételt elkövetésének veszélyére figyelmeztető „COMPAS” rendszer. F: Ludovika, 2021. szept.