|
Datová kvalita v prostředí otevřených a propojitelných dat
Tomčová, Lucie ; Chlapek, Dušan (vedoucí práce) ; Kučera, Jan (oponent)
Diplomová práce se zabývá datovou kvalitou v prostředí otevřených a propojitelných dat. Mezi cíle patří vymezení specifik datové kvality v tomto prostředí. Na specifika je nahlíženo zejména z pohledu dimenzí datové kvality (tj. vlastností dat, které v rámci datové kvality sledujeme) a možností jejich měření. Dále práce definuje vliv, který má na datovou kvalitu převod dat do propojitelné podoby, a to s přihlédnutím k možným rizikům a přínosům, které dále datovou kvalitu mohou ovlivňovat. Na základě stanovených dimenzí datové kvality, které jsou shledány jako relevantní pro prostředí otevřených a propojitelných dat, je sestaven seznam metrik, jež jsou verifikovány na reálných datech (otevřená propojitelná data publikována orgánem státní správy). Práce ukazuje na potřebu posouzení a řízení datové kvality s přihlédnutím k rozdílům, které se váží k tomuto specifickému prostředí. Zároveň práce nabízí možnosti dalšího zkoumání této problematiky a prezentuje navazující směry, kterými je možné ubírat se při teoretickém i praktickém rozvíjení tématu.
|
|
MDM produktovych dat (MDM of Product Data)
Čvančarová, Lenka ; Pour, Jan (vedoucí práce) ; Holes, David (oponent)
Tato práce se zaměřuje na Master Data Management produktových dat. V současné době se většina publikací o MDM zaměřuje především na data o zákaznících a pouze velmi málo zdrojů popisuje problematiku produktových dat. I přesto, že se některé zdroje pokoušejí popsat MDM v celkovém pohledu, ve většině případů se nakonec zaměří právě na zákaznická data. Nedostatek zdrojů o MDM produktových dat se stal jedním z motivací pro tuto práci. Dalším důvodem bylo nastínění a analýza specifik MDM produktových dat v kontextu implementace a požadavků na aplikační software z hlediska firmy, která se zabývá vývojem aplikací pro MDM. Z tohoto důvodu jsem vytvořila a nastínila metodiku pro zavádění MDM produktových dat. Ta byla vytvořena na základě osobních zkušeností z MDM projektů se zákaznickými daty, které jsem aplikovala na teoretickou část této práce. Analýza vlastností produktový dat a jejich dopadu na zavedení MDM a analýza požadavků na aplikační software v této práci umožní dodavatelům MDM řešení, kteří se zaměřují na zákaznická data, lépe porozumět problematice MDM produktových dat a následovně rozšířit své zaměření. Kromě toho může tato práce sloužit jako zdroj informací pro společnosti, které rozvažují zavedení MDM produktových dat do jejich podnikové infrastruktury.
|
|
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.
|
|
Product Information Management
Antonov, Anton ; Novotný, Ota (vedoucí práce) ; Pour, Jan (oponent)
Product Information Management (PIM) je oblast, která se zabývá správou kmenových dat o produktech a kombinuje zkušenosti a principy datové integrace a datové kvality. Product Information Management slučuje specifické atributy produktu napříč všemi kanály v dodavatelském řetězci. Sjednocením, centralizací a standardizací všech informací o produktu do jedné platformy se dá dosáhnout kvalitních a aktuálních informací s přidanou hodnotou. Cílem teoretické části je sestavit ucelený obraz o PIM, zařadit PIM do širšího kontextu, vymezit a popsat složky řešení PIM, popsat hlavní odlišnosti charakteru produktových dat od dat o klientech a shrnout dostupné poznatky o správě a řízení znalostních bází datové kvality pro PIM relevantní pro vyřešení praktické úlohy. Praktická část se zabývá navržením struktury, obsahu a způsobu naplnění znalostní báze řešení Product Information Management v prostředí softwarového nástroje DataFlux od společnosti SAS Institute. Součásti praktické úlohy je analýza reálných produktových dat, návrh definic a objektů znalostní báze, vytvoření referenční databáze a testování znalostní báze pomocí navržené webové služby.
|
| |
|
Data Quality Monitoring Methods Applied to Data Processed by Decision Support Systems
Hološková, Kristína ; Lorenc, Miroslav (vedoucí práce) ; Petráš, Miroslav (oponent)
Podniková data lze považovat za základní surovinu pro rozhodovací proces, tvorbu strategií a celkový chod podniku. Z toho důvodu je vhodné kvalitě těchto dat a jejího zajišťování věnovat adekvátní pozornost. Cílem práce je rozpracování konkrétního způsobu zajišťování datové kvality spojujícího tři teoretické koncepty -- analýzu časových řad, datový screening a datové profilování. Pro kontrolu dat jsou definovány popisní charakteristiky (profily dat), které jsou sledované během pravidelného nahrávaní dat do datového skladu (datový screening) a porovnávány s hodnotami předikovanými vybraným predikčním modelem (analýza časových řad). Dosežení tohoto cíle je založeno na rešerši literatury věnované datové kvalitě, následném vymezení problému a výběru vhodných metod k jeho řešení. Práce se taktéž věnuje analýze alternativních řešení problému nabízených na trhu a komparaci jejich funkcionalit s vlastním řešením.
|
|
Řízení kvality klientských dat
Vacek, Martin ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
V současné době, kdy se řada firem zpamatovává z proběhnuté krize, dochází na trhu k silným konkurenčním bojům -- bojům o zákazníky. Uvažujeme-li například trh s finančními produkty, je tento poměrně saturován. Většina lidí má nějaký finanční produkt často již v prvních týdnech po narození. Každý z nás je pojištěn (často ne jednou, ani u jedné společnosti), většina má alespoň běžný bankovní účet. Abychom mohli těchto produktů využívat, je potřeba, aby o nás měly pojišťovny, banky a další instituce potřebné informace. Jak jde čas, měníme nastavení těchto produktů, měníme samotné produkty, pořizujeme si nové, sestavujeme si jejich portfolia, přecházíme ke konkurenčním institucím, mění se i obsluhující zaměstnanci a poradci. Všechny tyto úkony a operace znamenají nová data (nebo při nejmenším jejich změny). Každá naše akce v této oblasti zanechává datovou stopu v informačních systémech poskytovatelů finančních služeb, kteří se různými metodami snaží tato data zpracovat a využít pro dosažení vyššího zisku. Z pohledu individuální společnosti je zákazník (v tomto případě osoba, která má nějaký produkt u konkrétní společnosti alespoň historicky) veden často, bohužel, právě z důvodu změn a dalších okolností, i vícekrát, tedy jako několik osob. Důvodů, proč tomu tak je, je celá řada a jsou v praxi obecně známé (řada z nich je jmenována v teoretické části). Jedním z těch hlavních příčin je fakt, že datová kvalita prostě nebyla dříve prioritou. To však dnes již není pravdou a jedním z faktorů úspěšného vytěžování portfolia klientské základny je právě úroveň kvality informací, které o nich společnosti vedou. V praxi vzniká řada metodik řízení kvality dat, avšak zkušeností s jejich zaváděním je stále málo (nejen na lokálním českém trhu). Tyto zkušenosti jsou velmi ceněny a na takové projekty však drtivá většina interních IT oddělení nemá znalostní ani kapacitní dispozice. Zde vzniká velká příležitost pro firmy, jež využívají akumulovaného know-how projektů, které se v jednotlivých společnostech provádí s nízkou frekvencí -- firmy věnující se poradenství v oblasti výkonnosti a technologií. Jednou takovou společností je KPMG, Česká republika s.r.o., díky spolupráci s ní vznikla tato práce. Co je tedy účelem práce a oblastí, kterou pokrývá? Účelem je popsat právě jeden takový projekt analýzy a implementace určitých nástrojů a metodik datové kvality v reálné společnosti. Hlavní výstup pak tvoří podpůrný metodický rámec a zároveň nástroj, který manažerům usnadní řízení projektů, které řeší právě datovou kvalitu.
|
|
Principy a možnosti fungování BI v malých a středních podnicích
Tříska, Aleš ; Pour, Jan (vedoucí práce) ; Plach, Marek (oponent)
Business intelligence je snaha o lepší pochopení podniku a obchodních souvislostí, ve kterých se podnik vyskytuje. Hlavním cílem této práce je charakterizovat principy a možnosti zavedení a využití Business intelligence v malém či středním podniku. Tohoto cíle by mělo být dosaženo prostřednictvím popsání obecných potřeb, které společnost, snažící se o využití Business intelligence technologií, má. Tento proces zahrnuje zhodnocení a obecný popis stavu informačních technologií v malých a středních podnicích, dále způsob jakým probíhá v těchto podnicích manažerské rozhodování a na jakých podkladech. Aby bylo možné se vůbec zabývat nasazením BI do malého či středního podniku, je třeba naznačit, jakým způsobem Business intelligence funguje a na jakých principech. V aplikační části jsou popsány reálné postupy společnosti na zavedení BI a vliv, který na společnost má, zhodnocení smysluplnosti tohoto řešení na úrovni malého a středního podniku.
|
|
Řízení kvality dat v malých a středních firmách
Zelený, Pavel ; Pour, Jan (vedoucí práce) ; Novotný, Ota (oponent)
Tato práce se zabývá řízením datové kvality. V současné době je i na českém trhu několik nástrojů a metodik podporující řízení datové kvality, ale všechny jsou vytvářeny pro velké firmy. Malé a střední firmy si je z ekonomického hlediska nemohou pořídit. Cílem této práce je nejprve shrnout principy těchto metodik, aby na základě těchto principů mohla být navržena jednodušší metodika využitelná pro malé a střední firmy. Následně v druhé polovině práce je vytvářena a přizpůsobována metodika pro konkrétní firmu. Nejprve je definována oblast zájmu řízení datové kvality v dané firmě. Dále díky nemožnosti pořídit softwarový nástroj na čištění dat, jsou nadefinována pouze relativně jednoduchá pravidla, na jejichž základě jsou vytvořeny čistící skripty v jazyce SQL. Tyto skripty jsou využity pro automatické čištění dat. Na základě další analýzy je rozhodnuto o datech, které mají být čištěny ručním způsobem. V dalším kroku jsou popisována doporučení pro odstranění duplicitních záznamů z databáze. K tomu je použita funkcionalita systému, který využívá daná firma. Posledním krokem v rámci metodiky je vytvoření kontrolního mechanismu, jehož úkolem je i v budoucnu udržet požadovanou datovou kvalitu. Na závěr práce je proveden průzkum dat na čtyřech datových zdrojích. Tyto zdroje pocházejí z firem využívající stejný provozní systém. Průzkum má poskytnout přehled o datové kvalitě a případně sloužit k rozhodnutí pro čištění dat.
|
|
Metodika auditu datové kvality
Kotek, Aleš ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Cílem této práce je shrnout a popsat veškeré dostupné znalosti a zkušenosti zaměstnanců společnosti Adastra v oblasti popisu a hodnocení kvality dat v organizaci. Výsledná práce by měla posloužit jako návodný dokument pro pracovníky obchodu a implementace v rámci společnosti. První část práce (kapitoly 2 a 3) se zabývá kvalitou dat jako takovou, tedy uvádějí různé definice datové kvality, poukazují na důležitost/význam kvality dat v organizaci a zmiňují některé nejdůležitější nástroje a řešení zabývající se řízením kvality dat. Druhá část (kapitoly 4 a 5) využívá teoretického základu z předchozích kapitol a tvoří vlastní metodickou část práce. Kapitola 4 je zaměřena spíše na obchodní stránku věci, definuje důležité pojmy a použité principy a je nutným předpokladem ke správnému pochopení následující kapitoly. Kapitola 5 pak ukazuje vlastní detailní postup auditu datové kvality. Jednotlivé činnosti auditu jsou popsány standardizovaným stylem, který má za cíl přesně, jasně a stručně vysvětlit dané dílčí kroky. Výsledkem této práce je tedy co možná nejdetailnější popis auditu datové kvality v rámci společnosti Adastra včetně identifikovaných služeb / produktů.
|