|
|
Big Data in technologies from IBM
Šoltýs, Matej ; Novotný, Ota (vedoucí práce) ; Hrabina, Pavel (oponent)
Tato diplomová práce představuje Big Data technologie a jejich možné využití a uplatnění. Teoretická část práce je nejprve zaměřená na definování termínu Big Data. Dále se zaměřuje na technologie Big Data, konkrétně framework Hadoop. Popsané jsou principy Hadoop-u, jako je distribuované uložení a zpracovaní dat a postupně také jeho jednotlivé komponenty. Následně jsou představeni největší dodavatelé Big Data technologií. Případy možného využití Big Data technologií a několik případových studií je popsaných v závěru této časti diplomové práce. Praktická část práce popisuje realizovaný demonstrační příklad použití Big Data technologií a je rozdělená do dvou kapitol. První kapitola praktické části popisuje v konceptuální rovině návrh demonstračního přikladu, použité produkty a architekturu řešení. Na základě toho je v druhé kapitole popsaná realizace demonstračního přikladu, od přípravy prostředí až po vytváření jednotlivých aplikací. Výstupem této diplomové práce je popis a charakteristika Big Data, představení největších dodavatelů a jejich produkty na Big Data, popis možných případů využití Big Data technologií a hlavně realizace demonstračního přikladu v Big Data nástrojích od společnosti IBM.
|
|
|
Inovační trendy Business Intelligence a Big Data v modelu Design driven Innovation
Krčma, Marek ; Pour, Jan (vedoucí práce) ; Derfler, Václav (oponent)
Business Intelligence hraje zásadní úlohu v otázce hledání pravdy v podnikovém prostředí. S trendem stále rostoucího množství dat lze předpokládat také rostoucí význam analytických oblastí podnikové informatiky. Inovace jsou organizací World Economic Forum vnímány jako jediný z driverů, který z dlouhodobého hlediska vede k růstu životní úrovně ve společnosti. Tato práce spojuje 2 oblasti: inovace a analytickou oblast podnikové informatiky (Business Intelligence, Big Data). Hlavním cílem této práce je detailně zmapovat inovační tendence oblastí Business Intelligence a Big Data a klasifikovat je v modelu Design-driven Innovation. Práce také poskytuje širší pohled na inovační proces v podnicích a odkrývá vzájemnost inovačního procesu, produktivity práce a konkurenceschopnosti.
|
|
|
Využití dat ze sociálních sítí pro BI
Linhart, Ondřej ; Pavlíček, Antonín (vedoucí práce) ; Jaroš, Vladimír (oponent)
Práce je zaměřená na sociální sítě a možnosti využití dat, která tyto sítě poskytují podnikům. Teoretická část nejprve definuje pojmy data, informace a znalosti. Dále se věnuje konceptům Business Intelligence a Big Data představujícím dva způsoby analýzy dat v podniku a následně popisuje sociální sítě samotné. V rámci praktické části je provedena analýza dat sociálních sítí Facebook a Twitter a současně je stanoven postup pro získání dat z těchto sítí. Výstupem z analýzy jsou soubory veškerých dat, které je podnik schopen získat. Diplomová práce na analýzu navazuje určením možností, jak mohou být získaná data v praxi využita, a zároveň tyto možnosti demonstruje analyzováním dat poskytnutých českým internetovým obchodem.
|
|
|
Prediktívna analytika v retailovom bankovníctve v Českej republike
Búza, Ján ; Král, Petr (vedoucí práce) ; Tyl, Ondřej (oponent)
Prediktívna analytika a big data umožňujú vytvorenie lepšieho obrazu o potrebách a preferenciách zákazníkov. Skrz toto hlbšie porozumenie organizácie všetkých druhov nachádzajú spôsoby, ako zaujať existujúcich alebo potenciálnych klientov. Výskum dokazuje, že firmy, ktoré využívajú big data a prediktívnu analytiku vo svojej činnosti majú mieru produktivity a profitability o 5 až 6 percent vyššiu v porovnaní s konkurenciou. Súčasne je ale takmer nemožné nájsť bankovú inštitúciu v Českej republike, ktorá by naplno využívala potenciál dátovej analytiky. Táto diplomová práca sa preto zameria na skúmanie príležitostí pre banky v lokálnom kontexte, berúc do úvahy technické a finančné limitácie, ako aj trhovú situáciu. Autor uskutoční rozhovory s bankovými manažérmi a konzultantmi, aby zhodnotil teoretické koncepty a najlepšie príklady použitia vo svete z pohľadu českého trhu. Následne vyhodnotí schopnosť bánk využiť príležitosti, ktoré analytika prináša a identifikuje hlavne bariéry, ktoré by tomu mohli brániť. Na základe týchto informácií navrhne všeobecný rámec pre bankových manažérov, ktorí by chceli využívať prediktívnu analytiku.
|
|
|
Cloud computing and its introduction in small and medium sized enterprises
Šimonfy, Adam
Simonfy, A. Cloud computing and its introduction in small and medium enterpris-es. Bakalárska práca. Brno: Mendlova Univerzita v Brne, 2015. Táto práca sa zameriava na tému Cloud computing a jeho úvod do malých a stredných podnikov a následné zhodnotenie jeho spojitosti s nadchádzajúcimi modernými technológiami a vybranými faktormi operačného menežmentu s dôrazom na náklady. Cloud computing vykazuje značné benefity pre biznis, Skúmaním zvolenej modelovej spoločnosti ukázalo, že je adekvátne pre firmy zvažovať túto technológiu, hoci to nemusí byť prínosom pre všetky typy firiem.
|
|
|
Robust Regularized Cluster Analysis for High-Dimensional Data
Kalina, Jan ; Vlčková, Katarína
This paper presents new approaches to the hierarchical agglomerative cluster analysis for high-dimensional data. First, we propose a regularized version of the hierarchical cluster analysis for categorical data with a large number of categories. It exploits a regularized version of various test statistics of homogeneity in contingency tables as the measure of distance between two clusters. Further, our aim is cluster analysis of continuous data with a large number of variables. Various regularization techniques tailor-made for high-dimensional data have been proposed, which have however turned out to suffer from a high sensitivity to the presence of outlying measurements in the data. As a robust solution, we recommend to combine two newly proposed methods, namely a regularized version of robust principal component analysis and a regularized Mahalanobis distance, which is based on an asymptotically optimal regularization of the covariance matrix. We bring arguments in favor of the newly proposed methods.
|
|
|
High-Performance Analytics (HPA)
Soukup, Petr ; Pour, Jan (vedoucí práce) ; Novotný, Ota (oponent)
Diplomová práce na téma Vysoce výkonné analýzy (High-Performance Analytics) má za cíl získat strukturovaný přehled řešení vysoce výkonných metod pro zpracování dat. Úvod práce se zabývá vymezením oblasti primárního a sekundárního zpracování dat, dále je diskutována nevhodnost primárních systémů pro analytické zpracování. Nástup mobilních zařízení, moderních informačních technologií a dalších zapříčinil zásadní změnu charakteru dat. Podstatná část práce je věnována právě historickému zlomu v nových přístupech k analytickému zpracování dat, jejž zapříčinil nyní často skloňovaný odborný termín Velká data (Big Data). V závěru teoretické části jsou diskutovány systémové zdroje, jenž se velkou měrou podílejí na nových přístupech k onomu analytickému zpracování a na samotných technologických řešení Vysoce výkonné analýzy (High-Performance Analytics). Praktická část práce je zaměřena na výkonové porovnání konvenční metody pro zpracování dat a jedné z vysoce výkonných metod Vysoce výkonné analýzy (High-Performance Analytics) konkrétně zpracování dat paměti (In-Memory Analytics). Srovnání jednotlivých řešení je realizováno na identickém prostředí výkonného analytického serveru. Metody jsou aplikovány na určitém vzorku dat, jejichž objem je zvětšován po každé sérii uskutečněného měření. Závěr práce vyhodnocuje získané hodnoty výkonových testů a diskutuje možnost použití jednotlivých metod High-Performance Analytics.
|
|
|
Big Data a jejích potenciál pro bankovní sektor
Firsov, Vitaly ; Maryška, Miloš (vedoucí práce) ; Molnár, Zdeněk (oponent)
Touto prací chci prozkoumat současné (r. 2012/2013) moderní trendy vývoje Business Inteligence a zaměřit se konkrétně na rychle se rozvíjející a, dle mého (a nejenom) názoru, velice perspektivní oblast analyzování a využívání Big Data (česky Velkých Dat) ve velkých podnicích. V první, úvodní části práce najdete obecné informace a formální náležitosti jako cíle práce, na koho je práce orientovaná a kde by se dala využit. Dále jsou tu popsané vstupy a výstupy, struktura, metody dosažení cílů, možné přínosy a omezení. Protože současně působím jako datový analytik v největší bance České Republiky, České spořitelně, tak jsem se zaměřil na využití Big Dat v bankovním sektoru, neboť si myslím, že v této oblasti je možno dosáhnout velkého přínosu sběrem a analýzou Big Dat. Vlastní práce je rozdělená na 3 části (kapitoly 2, 3-4, 5). Ve druhé kapitole práce se dozvíte, jak se vyvíjela oblast BI, jak se měnila historicky, co je BI dnes a jakou budoucnost BI předpovídají experti, mezi které patří i světoznámá a uznávaná analytická společnost Gartner. Ve třetí kapitole se zaměřím na Big Data samotná, co znamená tento pojem, čím se Big Data liší od klasických podnikových informací, dostupných z ERP, ECM, DMS a jiných podnikových systémů. Dozvíte se o způsobech ukládání a zpracovávání tohoto typu dat, stejně tak o již existujících a použitelných technologiích, zaměřených na Big Data. Ve čtvrté kapitole se soustředím na využití Big Dat v podnikání, informace z této kapitoly budou odrážet mé osobní názory na potenciál Big Dat na základě mých zkušeností během praxe v České spořitelně. V závěrečné části shrnu celou tuto práci, vyhodnotím, jak jsem splnil definované na začátku cíle a vyjádřím svůj názor na perspektivu celého trendu Big Data analytiky na základě zjištěných a analyzovaných během vypracování této práce informací.
|
|
|
Osm ICT trendů, které změní knihovny
Černý, Michal
Informační společnost i rychle se rozvíjející ICT proměňují vše kolem nás – od vzdělávání, přes dopravu až třeba právě po knihovny. Příspěvek představí osm technologií, které do deseti let začnou měnit knihovny téměř k nepoznání: Internet věcí; big data; veřejné multimediální displeje; firemní sociální sítě; cloud; nové mobilní sítě; zpracování přirozeného jazyka či sémantické technologie. Co bude tato změna znamenat pro knihovny? Jak se změní jejich postavení v informační společnosti?
Videozáznam:  MP4
|
|
|
Vliv vývojových trendů na řešení projektu BI
Kapitán, Lukáš ; Pour, Jan (vedoucí práce) ; Rezek, Tomáš (oponent)
Cílem práce je analyzovat, trendy v oblasti Business intelligence. Postupně jednotlivé trendy Business intelligence zpracovává, shrnuje a hodnotí každý z nich z pohledu využitelnosti v praxi a analyzuje, jak lze jednotlivý trend aplikovat v praxi, jak ovlivňuje nebo modifikuje jednotlivé fáze projektu implementace Business intelligence, lze-li vysledovat diference ve finálních závěrech v závislosti na užitém trendu. Je zřejmé, že každý trend má svá positiva a negativa, která mohou mít vliv na závěry hodnocení, tato fakta jsou v práci zpracována a analyzována. Každý z nich má své výhody a nevýhody, které mohou spočívat v různé míře ekonomické náročnosti a technické obtížnosti. Hlavním cílem práce je srovnání metodiky implementace Business intelligence s aktuálními trendy v oblasti Business intelligence. K naplnění toho cíle byly stanoveny dílčí cíle: zmapovat aktuální trendy v oblasti BI a zformulovat metodiku implementace řešení BI do firem v nejširší míře zastoupení. Očekávaným přínosem této práce bude právě ono zmapování a analýza trendů v oblasti Business intelligence a jejich uplatnění v metodice implementace.
|
host ::
RSS.