Big datan hyödyntämisen vaikutus pörssiyhtiöiden kannattavuuteen
Rajala, Essi (2020)
Kandidaatintutkielma
2020
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202001172433
https://urn.fi/URN:NBN:fi-fe202001172433
Tiivistelmä
Tämän kandidaatintutkielman tarkoituksena on selvittää, miten big datan hyödyntäminen vaikuttaa yrityksen kannattavuuteen. Teoriaosassa esitellään kannattavuuden, big datan ja data-analytiikan teoriaa. Teorian avulla valitaan tutkimuksen kannalta sopivat muuttujat: selittävänä muuttujana toimii data-analyytikoiden määrä ja selitettävinä muuttujina liiketulosprosentti ja sijoitetun pääoman tuottoprosentti.
Tutkimuksen aineisto on kerätty kolmen vuoden ajalta ja se koostuu noin 130 pörssiyrityksen kannattavuuteen liittyvistä tunnusluvuista sekä kyseisissä yrityksissä työskentelevien data-analyytikoiden määristä. Tutkimus toteutetaan kvantitatiivisena tutkimuksena, ja tutkimusmenetelmänä käytetään paneelidatan regressioanalyysiä. Tutkimuksen luotettavuutta parannetaan muuttujien logaritmi- sekä viivästysmuunnoksilla, ja saatujen tulosten reliabiliteettia arvioidaan tutkimalla muun muassa mallien residuaalien normaalijakautuneisuutta sekä autokorrelaatiota.
Tutkimuksen tuloksista voidaan huomata kummankin tehdyn mallin perusteella, että big datan hyödyntämisellä ei ole tilastollisesti merkitsevää yhteyttä yrityksen kannattavuuteen. The aim of this bachelor’s thesis is to examine the effect of the utilization of big data on the profitability of listed companies. The theory of profitability, big data and data analytics will be explained in the theory section. The proper variables for the research are selected based on the theory section: the quantity of data analysts will be used as the independent variable, and operating margin and return on investment as the two dependent variables.
The research material covers three subsequent fiscal years and it consists of the financial data as well as the quantity of data analysts of roughly 130 listed companies. The research will be executed as statistical research, and panel data regression analysis is used as the research method. Logarithmic and lagged transformations will be performed in order to improve the reliability of the research, and the reliability will be evaluated by investigating the distributions of the estimated residuals and the autocorrelation.
Based on the results of the research, neither of the used models indicate that the utilization of big data has a statistically significant effect on the profitability of the company.
Tutkimuksen aineisto on kerätty kolmen vuoden ajalta ja se koostuu noin 130 pörssiyrityksen kannattavuuteen liittyvistä tunnusluvuista sekä kyseisissä yrityksissä työskentelevien data-analyytikoiden määristä. Tutkimus toteutetaan kvantitatiivisena tutkimuksena, ja tutkimusmenetelmänä käytetään paneelidatan regressioanalyysiä. Tutkimuksen luotettavuutta parannetaan muuttujien logaritmi- sekä viivästysmuunnoksilla, ja saatujen tulosten reliabiliteettia arvioidaan tutkimalla muun muassa mallien residuaalien normaalijakautuneisuutta sekä autokorrelaatiota.
Tutkimuksen tuloksista voidaan huomata kummankin tehdyn mallin perusteella, että big datan hyödyntämisellä ei ole tilastollisesti merkitsevää yhteyttä yrityksen kannattavuuteen.
The research material covers three subsequent fiscal years and it consists of the financial data as well as the quantity of data analysts of roughly 130 listed companies. The research will be executed as statistical research, and panel data regression analysis is used as the research method. Logarithmic and lagged transformations will be performed in order to improve the reliability of the research, and the reliability will be evaluated by investigating the distributions of the estimated residuals and the autocorrelation.
Based on the results of the research, neither of the used models indicate that the utilization of big data has a statistically significant effect on the profitability of the company.