|
|
Metodika vývoje a nasazování Business Intelligence v malých a středních podnicích
Rydzi, Daniel ; Jandoš, Jaroslav (vedoucí práce) ; Vlček, Radim (oponent) ; Slánský, David (oponent)
Disertační práce pojednává o vývoji a nasazování Business Intelligence řešení v malých a středních podnicích (SME) v České republice. Práce je vyvrcholením dosavadní profesní snahy autora o sestavení metodického modelu vývoje těchto aplikací v malém a středním podniku s využitím vlastních sil a minimálních nákladů. Tuto práci lze rozdělit do pěti základních částí, které se dále dělí na kapitoly. První část, popisující v práci užité technologie, je rozdělena do dvou kapitol. První kapitola popisuje soudobý stav oblasti Business Intelligence a její součástí je i původní rozdělení jednotlivých úrovní tohoto konceptu. Druhá kapitola popisuje dvě techniky z oblasti dobývání znalostí z databází (KDD), které byly vybrány pro tvorbu řešení užitých v případových studiích. Druhá část popisuje oblast společenského života, ve které tato práce vznikala a pro kterou je učeno její využití, tedy oblast malých a středních podniků v ČR. Tato oblast je reprezentována jednou kapitolou, ve které jsou definovány vymezující rozdíly malých a středních podniků oproti ostatním, tedy velkým společnostem. Dále jsou zde vysvětleny autorovy pohnutky zaměření se na tuto oblast. Třetí samostatný celek představuje výsledky průzkumu, který byl uskutečněn mezi českými SME s podporou Katedry informačních technologií Fakulty informatiky a statistiky VŠE Praha. Cílem průzkumu bylo zmapovat připravenost českých SME na vývoj a nasazování aplikací typu BI, determinovat, jaké jsou nejčastější problémy SME, s jejichž podporou řešení by takové aplikace mohly pomoci a determinovat nejvýznamnější faktory omezující vyšší míru nasazení BI řešení mezi českými SME. Čtvrtá část práce je zároveň jejím jádrem. Ve dvou kapitolách jsou zde popsány existující metodiky implementace BI řešení včetně známé metodiky CRISP-DM a především původní Metodika vývoje a nasazování Business Intelligence řešení v malých a středních podnicích. Poslední, pátá část, se skládá z kapitoly o představení konkrétního podniku, ve kterém byl pro potřeby této práce prováděn výzkum vývoje a nasazování Business Intelligence řešení a z kapitol, které představují jednotlivé případové studie nasazování BI řešení v tomto podniku dle původní metodiky a které přinášejí důkaz o jejím ověření v praxi.
|
|
| |
|
| |
|
|
Doménové znalosti, analytické otázky, systém LISp-Miner a data ADAMEK
Kubín, Richard ; Rauch, Jan (vedoucí práce) ; Šimůnek, Milan (oponent)
Tématem práce jsou kroky spojené s řešením analytické otázky pomocí systému LISp-Miner v medicínských datech Adámek. Kromě popisu postupu při aplikaci procedur 4ft-Miner a SD4ft-Miner na data Adámek, si práce klade za cíl všímat si možnosti budoucího zakomponování práce s formalizovanou doménovou znalostí, a připravit postup pro automatizaci prováděných kroků. Obsahem teoretické části je shrnutí základních pojmů a principů spojených s asociačními pravidly a metodou GUHA. Praktická část postupuje podle metodologie CRISP-DM. Výsledkem práce je postup, podle kterého je možné hledat zajímavá pravidla v jiných datech. Postup je dále aplikován na lékařská data STULONG pro získání podnětů pro jeho revizi. Použitá data se týkají kardiologických pacientů a pocházejí z EuroMISE.
|
|
|
Empirické porovnání systémů dobývání znalostí z databází
Benešová, Kristýna ; Berka, Petr (vedoucí práce) ; Šimůnek, Milan (oponent)
S rostoucím množstvím shromažďovaných a ukládaných dat roste také potřeba a zájem majitelů těchto dat o využití jejich potenciálu k dalšímu rozhodování. Proto se vyvíjí nové přístupy a způsoby vycházející z informatiky, statistiky a oblasti strojového učení, které se této potřebě snaží vyhovět. Cílem této diplomové práce je uvést proces dobývání znalostí dat z databází na medicínských datech Tinnitus a představit systémy LISp-Miner a Weka, které daný proces podporují. Obsahem teoretické části diplomové práce je shrnutí základních charakteristik a přístupů procesu dobývání znalostí. Praktická část diplomové práce je věnována realizaci celého procesu v jednotlivých krocích. V samotném kroku modelování jsou využity již zmíněné systémy akademické LISp-Miner a Weka. Poslední část praktické části práce patří prezentaci dosažených výsledků a vlastnímu zhodnocení systémů.
|
|
|
Knowledge Processing within the GUHA Method
Šťastný, Daniel ; Rauch, Jan (vedoucí práce) ; Kliegr, Tomáš (oponent)
Tato práce podává základní přehled data-miningového přístupu CRISP-DM (CRoss-Industry Standard Process for Data Mining), asociačních pravidel a metody GUHA s reálnými příklady nalezených hypotéz pomocí 4ft-Miner, SD4ft-Miner a Action Rules s využitím programu Lisp-Miner. Následně je probrána role doménové znalosti v procesu dolování dat a souvisejícího projektu SEWEBAR (SEmantic WEb and Analytical Reports), jehož cílem je vytvoření rozhraní pro automatickou tvorbu analytických zpráv na základě uložené doménové znalosti. Praktickým výstupem této práce je definice schématu nově navrženého značkovacího jazyka BKEF (Background Knowledge Exchange Format) a XSL šablonu pro transformaci obsahu libovolného BKEF dokumentu do přehledné XHTML stránky.
|
|
|
Clickstream Analysis
Kliegr, Tomáš ; Rauch, Jan (vedoucí práce) ; Berka, Petr (oponent)
Thesis introduces current research trends in clickstream analysis and proposes a new heuristic that could be used for dimensionality reduction of semantically enriched data in Web Usage Mining (WUM). Click-fraud and conversion fraud are identified as key prospective application areas for WUM. Thesis documents a conversion fraud vulnerability of Google Analytics and proposes defense - a new clickstream acquisition software, which collects data in sufficient granularity and structure to allow for data mining approaches to fraud detection. Three variants of K-means clustering algorithms and three association rule data mining systems are evaluated and compared on real-world web usage data.
|
host ::
RSS.