|
|
Mobilní reporting
Irišek, Michael ; Kerol, Valeria (vedoucí práce) ; Novotný, Ota (oponent)
Primárním cílem práce je analyzovat vybrané dvojice mobilních zařízení a reportovacích aplikací za účelem nalezení nejvhodnější kombinace pro účely mobilního reportingu. Tato analýza probíhá pro zmapování současné situace vhodných mobilních aplikací na trhu a k usnadnění výběru řešení mobilního reportingu pro případné zájemce. K dosažení cíle bylo využito vícekriteriálního výběru. Dalším cílem práce je seznámení čtenáře s problematikou Business Intelligence, reportingu a mobilních zařízení. Následně je na základě prezentovaných znalostí provedena analýza trhu a výběr vhodných kombinací k testování. Dále jsou stanovena hodnocená kritéria na základě kterých bylo prováděno testování. O tom práce informuje a analyzuje jeho výsledky, čímž plní svůj primární cíl.
|
|
|
Trendy v Business Intelligence
Meloun, Jaroslav ; Kerol, Valeria (vedoucí práce) ; Novotný, Ota (oponent)
Hlavní cíl a zároveň i přínos práce je analyzovat a porovnat vybrané Business Intelligence (BI) nástroje se zaměřením na současné trendy a tím usnadnit výběr BI nástroje pro potencionální zájemce. Nejdříve je dosaženo splnění podcílů: poskytnutí čtenáři základní teoretické znalosti o BI (definice BI, obecná architektura a komponenty BI), identifikování současných BI trendů a zmapování současné situace na BI trhu. Dále jsou již stanovena kritéria a je provedena samotná analýza a porovnání vybraných BI řešení. Na závěr je uvedeno finální zhodnocení, které bylo provedeno prostřednictvím výsledných tabulek. Na základě analýzy a porovnání vybraných BI řešení jsou také identifikovány silné a slabé stránky jednotlivých BI nástrojů.
|
|
|
Strojové učení v oblasti Big Data
Šimánek, Michal ; Kerol, Valeria (vedoucí práce) ; Novotný, Ota (oponent)
Bakalářská práce se věnuje strojovému učení v oblasti Big Data. Cílem práce je zmapovat a vyhodnotit současný stav strojového učení v oblasti Big Data, vybrat a porovnat nejpoužívanější knihovny strojového učení v nástroji Apache Spark a poskytnout příručku, jak implementovat algoritmy daných knihoven. Teoretická část objasňuje pojem Big Data, nástroje Apache Hadoop a Apache Spark využívané v této oblasti, uvádí do problematiky strojového učení a popisuje nejpoužívanější knihovny strojového učení v nástroji Apache Spark včetně porovnávacích metrik. Praktická část je orientovaná na implementaci algoritmů z vybraných knihoven, sepsání příručky, jak je implementovat a na základě výstupů a implementace porovnání knihoven z více pohledů. Přínosem práce je seznámení čtenáře s problematikou strojového učení v oblasti Big Data, uvedení nejpoužívanějších knihoven strojového učení, porovnání vybraných knihoven a sepsání příručky k implementaci jejich algoritmů.
|
|
|
Integrace Big Data a datového skladu
Kiška, Vladislav ; Novotný, Ota (vedoucí práce) ; Kerol, Valeria (oponent)
Diplomová práce se zabývá problémem datové integrace Big Data platformy a podnikového datového skladu. Hlavním cílem je vytvoření přenosového systému, který pomocí vhodně zvoleného nástroje bude přenášet data z datového skladu na tuto platformu a bude udržovat informace o všech realizovaných přenosech. V teoretické části se práce soustředí na představení pojmu Big Data, stručný vývoj těchto technologií a faktory, které vedly k potřebě těchto technologií. Dále jsou představeny hlavní principy a vlastnosti těchto technologií a přínos jejich implementace do podniku. Práce popisuje také nástroje a přístupy označované jako Business Intelligence, jejich typické použití v podniku a jejich vztah k technologiím Big Data. Dílčí podkapitola se také věnuje systému Hadoop a nejpopulárnějším technologiím, které s ním souvisí. Praktická část se věnuje konkrétní vzorové implementaci tohoto aparátu, který bude realizovat přenosy z klasické relační databáze, představující datový sklad, do clusteru několika počítačů provozujících systém Hadoop. Součástí praktické části je také přehled několika možných nástrojů, které se aktuálně používají pro nahrávání dat do Hadoopu a návrh databázového schématu metadat, které bude sloužit k řízení celého systému a udržování informací o proběhlých přenosech.
|
|
|
Analýza cloudových řešení Business Intelligence pro SME
Slavětínský, Radek ; Novotný, Ota (vedoucí práce) ; Kerol, Valeria (oponent)
Diplomová práce je zaměřena na analýzu aktuálně nabízených produktů podporujících Business Intelligence (BI) pro malé a střední podniky (SME). Současné řešení BI dostupné SME je převážně nabízené prostřednictvím Cloud computingu, konkrétně formou software jako služba (SaaS), jehož pořízení vyžaduje nízké počáteční náklady. Cílem této práce je rozebrat práci v aplikacích pro BI v cloudu, které by mohly využít malé a střední podniky a detailně analyzovat a vzájemně porovnat celosvětově rozšířené reportovací nástroje distribuované jako SaaS v nižší cenové kategorii. Teoretická část uvádí popis oblasti Cloud computing a BI systémů. V praktické části jsou vybrány produkty IBM Watson Analytics, Qlik Sense Cloud, Zoho Reports, Tableau Public a Microsoft Power BI. Praktické otestování těchto aplikací bylo provedeno na základě hodnocení zvolených metrik s vahami vypočtenými pomocí Fullerova trojúhelníku. Provedené analýzy a získané informace tvoří podklad pro srovnání vybraných aplikací. Přínos práce je v objevení silných a slabých stránek těchto řešení. Výstup může být využit jako podklad při výběru BI aplikace pro SME.
|
|
|
Apache Hadoop jako analytická platforma
Brotánek, Jan ; Novotný, Ota (vedoucí práce) ; Kerol, Valeria (oponent)
Diplomová práce se zabývá použitím platformy Hadoop při zpracování velkého objemu dat a její integrací do stávající architektury datového skladu. V teoretické části jsou popsány vlastnosti Big Data, charakteristiky jejich metod a výpočetních modelů. Podrobně je popsán framework Hadoop, jeho komponenty a distribuce, v níž jsou dodávány. Jsou popsány komponenty frameworku, které umožňují použití frameworku Hadoop a přístup do clusteru uživatelům, vývojářům a analytikům. V praktické části práce je realizována případová studie ELT procesu dávkové extrakce dat nástrojem Sqoop ze stávajícího datového skladu na platformě Oracle, jejich transformace v relačních strukturách komponenty Hive a následné dohrání dat zpět do datového skladu. Pozornost je věnována způsobu uložení dat, jejich kompresi a souborovému formátu a rychlosti vykonání dotazů nad nimi. V průběhu procesu jsou data porovnávána vůči zdroji a tím zajištěna jejich kvalita. Část praktické práce je věnována problematice tokových dat. Jejich ukládání a zpracování je demonstrováno v nástrojích Flume a Pig Cílem práce je přesunutí části dat a výpočtů nad nimi realizovaných ze stávajícího datového skladu do prostředí Hadoop. Za tímto účelem byl navržen proces integrace stávajícího datového skladu s komponentami distribuce Hortonworks Data Platform.
|
|
|
Analýza trhu Business Intelligence
Nguyen Van, Duc ; Kerol, Valeria (vedoucí práce) ; Novotný, Ota (oponent)
Hlavním cílem a zároveň přínosem této bakalářské práce je výběr a doporučení vhodného Business Intelligence (BI) řešení pro konkrétní podnik a to v souladu s aktuálními podmínkami v podniku a stanovenými kritérii. K dosažení tohoto cíle byla práce rozčleněna do dvou velkých celků. První část práce, která je teoretická, má za úkol seznámit čtenáře s pojmem Business Intelligence, jeho historií, obecnou architekturou a hlavními komponentami BI řešení. Následně proběhne analýza současného BI trhu a stručná charakteristika vybraných BI trendů, které jsou z pohledu BI uživatelů důležité. Praktická část práce se již věnuje samotnému výběru vhodného BI řešení pro konkrétní podnik (PTT Global s.r.o.). Nejprve jsou stanovena kritéria a jejich váhy a to s ohledem na specifické požadavky vedení podniku. Na základě těchto vymezených kritérií jsou vybraná BI řešení analyzována a porovnána. Výsledkem je určení nejvhodnějšího BI řešení pro zkoumaný podnik.
|
host ::
RSS.