|
|
Data analysis of web prezentation in a software company
Henčelová, Katarína ; Říhová, Zora (vedoucí práce) ; Lalinský, Jan (oponent)
Tato práce se věnuje možnostem práce s daty týkajících se činnosti návštěvníků webu společnosti. Věnuje se z části webové analytice a Business Intelligence. Cílem práce bylo vytvořit nástroj, který data uchová, zanalyzuje a vytvoří nad nimi reporty. Za přínos práce se považuje poskytnutí nástroje vedení konkrétní společnosti, která splňuje potřeby managementu. Požadavky na tento nástroj byly definované vedením firmy a nástroj je navrhnutý tak, aby managementu pomohl při rozhodování a vytváření webové strategie.
|
|
| |
|
| |
|
|
Aplikace data miningu v podnikové praxi
Trávníček, Petr ; Pour, Jan (vedoucí práce) ; Svatoš, Oleg (oponent)
Dobývání znalostí z databází coby jedna z disciplín informačních a komunikačních technologií se v průběhu posledních desetiletí vyvinula do podoby, kdy se rostoucímu zájmu těší zdaleka již nejen ze strany velkých komerčních organizací. Problematikou data miningu se zabývá předkládaná diplomová práce, přičemž hlavní pozornost je věnována jeho využití v podnikové praxi. Cílem práce je zhodnotit možnosti aplikace data miningu a současně pojednat o způsobech realizace data miningových řešení jak z pohledu při nich konkrétně využitých metod a algoritmů, tak i z pohledu přizpůsobení podnikových procesů. Dosažení tohoto je předmětem náplně teoretické části zaměřující se na principy disciplíny data miningu, proces dobývání znalostí z databází, nejběžněji využívané metody a algoritmy dolování dat a konečně na typické úlohy, jež jsou v této oblasti řešeny. Dalším cílem je prezentovat přínosy data miningu na příkladu modelové úlohy, která je řešena v rámci praktické části práce. Součástí úlohy je proto vedle vyhodnocení vytvořených modelů také návrh následných kroků vedoucích k efektivnějšímu fungování podniku v dané oblasti. V tomto bodě také vidím, vedle charakteristiky procesu dobývání znalostí z databází, hlavní přínos této práce.
|
|
|
Využití data miningu v řízení podniku
Prášil, Zdeněk ; Pour, Jan (vedoucí práce) ; Novotný, Ota (oponent)
Ve své diplomové práci jsem zkoumal, jakým způsobem lze zpracovat podniková data pomocí data miningu a jak využít získaných výsledků pro lepší řízení podniku. Práce je rozdělena na teoretickou část a na část praktickou. Cílem teoretické části práce bylo zjistit: 1/ jaké jsou nejčastěji využívané metody data miningu, 2/ definovat typické aplikační oblasti, 3/ ukázat typické úlohy, které se v těchto oblastech řeší. Cílem praktické části bylo zjistit: 1/ jak může data mining pomoci malému českému elektronickému obchodu k lepšímu pochopení struktury prodeje, 2/ jak může data mining zlepšit výsledky prodeje. Ve své práci jsem zjistil, že nejčastěji používané metody data miningu jsou rozhodovací stromy, lineární a logistická regrese, neuronové sítě, segmentační metody a asociační pravidla. Nejčastější používané obchodní aplikační oblasti jsou CRM a marketing, finanční instituce, pojišťovnictví, telekomunikace, maloobchod a výroba. Úlohy jsou odvislé od typu aplikační oblasti, nejčastěji se úlohy týkají sledování a odhadování chování zákazníků. Analýzou dat elektronického obchodu jsem zjistil, které výrobky jsou spolu nakupovány, což může vést k akcím pro podporu prodeje. Ukázal jsem, že data mining je možné použít i v malém elektronickém obchodě a že i zde může přispět k zefektivnění případných marketingových akcí.
|
|
| |
|
|
Využití principů business intelligence v dotazníkových šetřeních
Hanuš, Václav ; Maryška, Miloš (vedoucí práce) ; Novotný, Ota (oponent)
Tato práce je zaměřena na praktické použití nástrojů pro dolování dat a business intelligence. Mezi hlavní cíle patří zpracování zdrojových dat do vhodné podoby a zkušební nasazení vybraného nástroje na testovací úloze. Jako vstupní data posloužila databáze vzniklá zpracováním dotazníkových šetření, užitých pro ověření úrovně výuky IT a ekonomických předmětů napříč českými vysokými školami. Tyto data jsem následně upravil tak, aby je bylo možné zpracovat pomocí nástrojů pro dolování dat, které jsou obsaženy v balíku software Microsoft SQL Server 2008. Pro ověření možností jsem zvolil dvě úlohy. První úloha byla zaměřena na shlukování s využitím algoritmu Microsoft Clustering. Její náplní bylo roztřídění škol do shluků na základě jednotlivých atributů odpovídajících skupinám předmětů ohodnocených počty kreditů z nich získaných. Při řešení nastaly dva problémy. Bylo třeba snížit počet skupin předmětů, jinak hrozilo, že pro shlukování vznikne větší množství shluků, než dovedu pojmenovat. Dalším problémem bylo nestejnoměrné ohodnocení jednotlivých skupin předmětů a od toho se odvíjející problémy s váhami jednotlivých atributů. Řešení bylo nakonec vcelku jednoduché. Ve skupinách předmětů jsem vybral atributy, které se obsahově blíží nebo se překrývají a ty jsem následně sloučil do obecnějších kategorií. Co se týče následného nestejnoměrného rozložení kreditů použitých pro ohodnocení, pomocí parametru jsem každou nově vzniklou skupinu předmětů převedl na stupnici 0-5. Ve druhé úloze jsem se zaměřil na předpověď budoucí hodnoty a využití algoritmů Microsoft Logistic Regresion a Microsoft Neural Network. Zde bylo cílem provést předpověď počtu studujících studentů. K dispozici byla historická data z let 2001-2009. Na jejich základě byl sestrojen prediktivní model, jehož výsledky jsem mohl porovnat se skutečnými daty. Také bylo v rámci řešení potřeba upravit zdrojová data tak, aby umožnila nasazení testovaného nástroje. Původní data byla umístěna v pohledu namísto tabulky a navíc data obsahovala i záznamy nejenom o studujících, ale i různě roztříděné. Například podle pohlaví. Řešením bylo tedy vytvoření nové tabulky, do které se umístily jen záznamy podstatné pro řešenou úlohu. Posledním problém nastal při pokusu o predikci roku 2010, ke kterému nebyla skutečná data. Software nahlásil chybu a predikci neprovedl. Při mém pátrání, jsem na technické podpoře společnosti Microsoft nalezl několik odkazů na podobný problém, takže je pravděpodobné, že se jedná o systémovou chybu, která bude opravená v rámci aktualizace. Splnění těchto úkolů mi poskytlo dostatek indicií pro ověření možností softwaru dodávaného společností Microsoft. Po mých předchozích školních zkušenostech se software pro dolování dat od společností IBM (dříve SSPS) a SAS tak mohu dobře porovnat, zda se prověřovaný nástroj těmto hlavním hráčům na trhu dokáže vyrovnat a zda je vhodný pro seriózní využití.
|
|
|
Data mining v telefonní ústředně
BUMBA, Tomáš
Výkon výpočetních systémů je dnes natolik dostačující, že se uchovávají objemné databáze dat, které bez použití dalších nástrojů nemají vypovídací schopnost. Jedním z takových systémů je i telefonní ústředna, jejíž databáze bude podrobena bližšímu bádání. Tato databáze obsahuje stovky uskutečněných hovorů, které jsou realizovány skrze telefonní ústřednu, jak v okruhu firmy tak mimo ni. Úkolem této bakalářské práce je nalezení co nejvíce skrytých souvislostí v databázi z telefonní ústředny, které odpovídají navrženým formám lidských vztahů.
|
|
|
Analýza současných řešení v oblasti data warehousingu
Hník, Pavel ; Pour, Jan (vedoucí práce) ; Dvořáková, Dana (oponent)
Bakalářská práce se zabývá analýzou různých vlivů na současná řešení datových skladů. Práce je rozdělená do tří hlavních částí. V první části jsou analyzovány současné problémy datových skladů. Druhá část se soustřeďuje na analýzu vývoje trhu řešení datových skladů a zmíněny jsou i další trhy, které s tím souvisí. Poslední část je věnována současným trendům v oblasti datových skladů a Business Intelligence. Ačkoliv je práce zaměřena na datové sklady, v důsledku provázanosti tohoto tématu s nadřazenou oblastí Business Intelligence, je v potřebné míře zpracováno i toto související téma. Smyslem práce není radit, jaké konkrétní řešení by měli manažeři vybírat pro své podniky, ani podávat návod, jakým přesným způsobem implementovat datový sklad a vyhnout se tak možným problémům. Práce se snaží poskytnout komplexní a přehledný pohled na vlivy působící na současná řešení datových skladů. Smyslem této práce je zvláště poukázat na nejdůležitější vlivy, které ovlivňují řešení datových skladů v současnosti a odhadnout, jak se budou nejspíše vyvíjet v budoucnu.
|
|
|
Aplikace Business Intelligence v telekomunikačním sektoru
Višňová, Marika ; Novotný, Ota (vedoucí práce) ; Slánský, David (oponent)
Čtenář bakalářské práce z kontextu pochopí logickou souvztažnost mezi děním na trhu telekomunikačního sektoru a potřebou orientace společnosti na zákazníka a tím i na Churn management. V práci jsou popsány principy a komponenty Business Intelligence a dolování dat, které tvoří technologický základ Churn managementu. V poslední kapitole, která je věnována samotnému Churn managementu, je ukázáno jak probíhá vytvoření prediktivního modelu dle metodiky CRISP-DM, což by mělo alespoň zprostředkovaně přiblížit Churn management v praxi.
|
host ::
RSS.