|
|
Big Data Governance
Blahová, Leontýna ; Pejčoch, David (vedoucí práce) ; Kyjonka, Vladimír (oponent)
Tato diplomová práce se zabývá Big Data Governance, nejen na teoretické úrovni definic, ale porovnává vybraný software z hlediska vlastně definovaných požadavků pro správu jak klasických dat, tak dat s využitím moderních přístupů. V teoretické části definuje pojmy související s Big Data Governance, vysvětluje funkčnost jednotlivých dimenzí Data Gover-nance, zároveň obsahuje best practices v této oblasti. Praktická část se zabývá srovnáním funkcionality aktuálně dostupných software pro Data Governance a zohlednění nadefino-vaných požadavků při hodnocení jednotlivých řešení.
|
|
|
Komplexní řízení kvality dat a informací
Pejčoch, David ; Rauch, Jan (vedoucí práce) ; Máša, Petr (oponent) ; Novotný, Ota (oponent) ; Kordík, Pavel (oponent)
Tato práce pojednává o problematice kvality dat a informací. Kriticky hodnotí současný stav poznání v oblasti jednotlivých metod používaných pro audit a zvyšování kvality dat (resp. informací) a navrhuje nové principy tam, kde toto zhodnocení odhalilo mezery. Hlavní myšlenkou této práce je koncept řízení kvality dat a informací napříč celým univerzem dat. Toto univerzum představují všechny datové zdroje, se kterými přichází dany subjekt do styku, a které jsou používány v rámci jeho stávajících nebo zamýšlených procesů. Pro všechny tyto zdroje uvažuji nastavení shodné sady pravidel, politik a principů vycházejících ze současných a potenciálních přínosů těchto zdrojů při současném zohlednění případných rizik jejich užití. Jakousi pomyslnou červenou nití, která se táhne celým textem, je důležitost dodatečných znalostí pro proces řízení kvality dat / informací. Zavedení znalostní báze orientované na podporu řízení kvality dat a informací (QKB) je proto jedním ze základních principů autorem navržené sady doporučených postupů CADAQUES, které představují sumarizaci dílčích závěrů jednotlivých kapitol této práce.
|
|
|
Úloha profilace v řízení datové kvality
Fišer, David ; Pejčoch, David (vedoucí práce) ; Kyjonka, Vladimír (oponent)
Cílem diplomové práce je zjistit úlohu datové profilace v řízení datové kvality a zanalyzovat stav současných SW nástrojů v oblasti datové profilace. Úloha datové profilace byla určena na základě analýzy obecných metodik přístupu k řízení datové kvality. Pro analýzu data profilačních nástrojů byla sestavena speciální metodika. Tato metodika se zaměřuje na tři základní aspekty, jimiž jsou technické předpoklady, uživatelská přívětivost a funkčnost. Na základě této metodiky bylo vybráno nejvhodnější dostupné SW řešení pro datovou profilaci a zároveň byly analyzovány obecné nedostatky testovaných SW nástrojů.
|
|
|
Benchmark nástrojů pro řízení datové kvality
Černý, Jan ; Pejčoch, David (vedoucí práce) ; Máša, Petr (oponent)
Společnosti po celém světě stále více a více promrhávají své rozpočty v důsledku nekvalitních dat. Logicky, se zvyšujících se množstvím zpracovávaných informací roste i množství chyb v nich. Tato práce vysvětluje co je datová kvalita, příčiny vzniku chyb v datech, jejich důsledky i to jakým způsobem lze datovou kvalitu měřit. A pokud něco lze měřit, lze to i zlepšit. K tomu slouží nástroje pro řízení datové kvality. Trh s nástroji pro řízení datové kvality nabízí jak komerční, tak open-source řešení. Porovnáním nástroje DataCleaner (open-source) a DataFlux (komerční) na modelovém příkladu dle definovaných kritérií bylo v této práci dokázáno, že nástroje si mohou být rovné v oblasti profilace dat, obohacování a monitorování. Standardizaci a validaci zvládá lépe DataFlux. Deduplikace v DataCleaneru chybí, přestože byla výrobcem uváděna. Jednou z velkých překážek bránících firmám nákupu nástroje pro řízení datové kvality může být právě jeho vysoká cena. V tuto chvíli je již možné považovat DataCleaner za plnohodnotné levné řešení v oblasti profilace dat. Za podmínky, že společnost Human Inference doplní do DataCleaneru i deduplikaci dat, bude ho možné považovat za konkurenci v oblasti celého procesu řízení dat.
|
|
|
Automatizace předzpracování dat za využití doménových znalosti
Beskyba, Jan ; Šimůnek, Milan (vedoucí práce) ; Pejčoch, David (oponent)
V této práci se snažíme navrhnout řešení, které by přispělo k automatizaci celého procesu dobývání znalostí z databází. Důležitou roli v procesu automatizace mají doménové znalosti, které je nutné zahrnout do zde navrženého programu pro přípravu dat. V úvodu této práce se zaměříme na teoretická východiska dobývání informací z databází s důrazem na doménové znalosti. Dále se zaměříme na základní principy předzpracování dat a na skriptovací jazyk LMCL, který bude využit při implementaci aplikace určené pro automatickou přípravu dat. Následně se budeme věnovat návrhu samotné aplikace. Dle návrhu budou vybrané části aplikace implementovány a následně ověřeny na datech Poslanecké sněmovny.
|
|
| |
|
|
Možnosti použití regulárních výrazů při řízení datové kvality
Elznic, Matěj ; Pejčoch, David (vedoucí práce) ; Kyjonka, Vladimír (oponent)
V této bakalářské práci je rozebrána problematika datové kvality a následně jsou uvedeny možnosti, pomocí kterých se dá datová kvalita řídit. Z těchto možností je práce zaměřena především na využití regulárních výrazů a jejich aplikaci v on-line prostředí. Práce se skládá ze tří částí. První část obsahuje teoretické vymezení datové kvality a regulárních výrazů. Druhá část představuje teoretické pojetí specifických úloh, zaměřených na internetové obchody a představení vybraných programovacích jazyků, které budou použity při realizaci praktické části. V poslední části je představena analýza uživatelského chování v souvislosti s webovými registračními formuláři a praktická ukázka realizace takového formuláře.
|
|
|
Analýza operačních rizik projektu implementace bankovního systému
Bertsch, Jan ; Žváčková, Lenka (vedoucí práce) ; Pejčoch, David (oponent)
Bakalářská práce se zabývá analýzou operačních rizik u projektů implementace bankovního systému. V první části této práce jsou teoreticky popsána rizika, od základní definice rizika, po jeho různá členění. Dále je zde popsán proces řízení rizik od identifikace rizik až k jejich eliminaci. Podrobněji jsou zde rozepsána rizika operační. V druhé části práce se zabývám již projektem implementace informačního systému do společnosti, jeho jednotlivými fázemi a riziky, která jednotlivé fáze ohrožují, tak aby si čtenář vytvořil povědomí o rizicích, jenž mohou negativně ovlivnit cíle projektu.
|
host ::
RSS.