|
|
Datová kvalita, integrita a konsolidace dat v BI
Smolík, Ondřej ; Pour, Jan (vedoucí práce) ; Zajíc, Ján (oponent)
Tato práce se zabývá datovou kvalitou v systémech business inteligence. Jsou zde ukázány základní zásady, které je vhodné využívat při tvorbě datové skladu, tak aby byla dosažena co nejvyšší datová kvalita. Dále jsou zde ukázány některé metody čištění dat, jako detekce odchylek, name-address cleansing apod. Práce se zabývá nejen kvalitou dat přímo v datovém skladě, ale i daty, které do něj teprve budou vstupovat. Druhá část práce pak ukazuje metody čištění dat na konkrétním příkladu datového skladu. Ukazujeme v ní, jaké metody jsou použity a jaké další by se zde daly použít. Dále jsou zde uvedena některá doporučení, která vyplývají ze studia literatury a doporučení týkající se získávaní externích dat od obchodních partnerů.
|
|
|
Datová kvalita, integrita a konsolidace dat v BI
Dražil, Michal ; Pour, Jan (vedoucí práce) ; Zajíc, Ján (oponent)
Tato diplomová práce se zabývá oblastmi podnikové datové kvality, integrity a konsolidace dat ve vztahu k oboru Business Intelligence (BI), který v současné době prožívá mohutný rozvoj. Cílem této práce je poskytnout ucelený pohled na problematiku datové kvality z pohledu BI, analyzovat problémy v oblasti řízení kvality dat a navrhnout možnosti a varianty jejich řešení. Dále si práce klade za cíl analyzovat a zhodnotit možnosti specializovaných softwarových nástrojů určených pro datovou kvalitu. V neposlední řadě je cílem této práce identifikace kritických faktorů úspěchu v oblasti zajišťování datové kvality v projektech BI či CRM. Práce je členěna do dvou logických částí. První (teoretická) část se postupně zabývá datovou kvalitou, integritou a konsolidací dat ve vztahu k BI, přičemž se snaží postihnout klíčové problémy, se kterými je možné se ve zmíněných oblastech setkat. Druhá (praktická) část práce pojednává nejprve o možnostech softwarových nástrojů pro datovou kvalitu -- nabízí jejich základní charakteristiku, dělení a taktéž poskytuje vzájemné srovnání několika vybraných softwarových produktů specializovaných na oblast zajišťování kvality podnikových dat. Dále je pak v rámci praktické části popsáno řešení problematiky datové kvality na příkladu konkrétního BI/CRM projektu, který byl realizován firmou Clever Decision spol. s r.o. Tato diplomová práce je určena především odborníkům na oblasti BI a datové kvality, stejně jako ostatním zájemcům o tato odvětví. Hlavní přínos této práce představuje vytvoření uceleného pohledu nejen na problematiku samotné datové kvality, ale i na otázky, které se zajišťováním kvality podnikových dat bezprostředně souvisí. Práce může sloužit jako jakési vodítko pro jednu z prvních implementačních fázi v rámci BI projektů, kdy dochází k datové integraci, konsolidaci dat a k řešení problémů z oblasti datové kvality.
|
|
|
Kvalita dat a efektivní využití rejstříků státní správy
Rut, Lukáš ; Chlapek, Dušan (vedoucí práce) ; Jankech, Pavel (oponent)
Diplomová práce se zabývá rejstříky státní správy především z hlediska kvality dat v nich obsažených. Cílem práce je analyzovat způsoby ověřování kvality dat a vhodnou metodu aplikovat na data v obchodním rejstříku. Dalším cílem, který logicky následuje, je analyzovat možnosti čištění a zvyšování kvality dat a navrhnout řešení pro zjištěné nesrovnalosti v rejstříku. Posledním cílem je analyzovat přístupy ke stanovení identifikátoru osob a vybrat vhodný klíč k identifikaci osob v registrech státní správy. Práce je rozdělena do několika částí. První část představuje úvod do problematiky registrů státní správy. Podrobněji rozebírá několik vybraných registrů především z hlediska dat, které nabízejí, a jejich aktualizace. Významným přínosem této části práce je rozbor legislativních změn, které vstoupí v platnost spuštěním čtyř základních registrů státní správy v polovině roku 2010. Pozornost je věnována především vlivu změn na kvalitu dat v rejstřících a na celkové možnosti využití poskytovaných dat. Další část se zabývá problematikou identifikátorů právnických i fyzických osob a navrhuje řešení pro data z rejstříků státní správy. Třetí část analyzuje možnosti, jak určit datovou kvalitu. Podrobně popsaná metoda data profiling je následně použita v rozsáhlé analýze kvality dat obsažených v obchodním rejstříku. Výstupem datové analýzy jsou správná metadata a informace o nepřesných údajích zapsaných v obchodním rejstříku. Poslední část rozebírá možnosti, jak problémy s datovou kvalitou řešit. Jsou navrženy a navzájem porovnány tři varianty řešení. Diplomová práce představuje ucelený materiál, jak řešit problémy při využívání dat obsažených v registrech státní správy. Navržená řešení a popsané postupy je však možné využít i v mnoha dalších projektech, které se zabývají datovou kvalitou.
|
|
|
Vliv číselníků na kvalitu firemních dat
Bukovský, Radim ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Tato práce je určena všem zájemcům o informace z oblasti datové kvality (konkrétněji z oblast čištění dat). Každý, kdo má zájem se dozvědět něco více o číselnících, které do datové kvality neodmyslitelně patří, je vítán. Bude mu nabídnuto nahlédnutí do kuchyně lidí pracujících nejen na jejich tvorbě a správě, ale také na jejich reálném nasazení na konkrétních projektech. Také se zde dozvíte detaily o tom, jak mohou číselníky skrze datovou kvalitu pomoci firmám k nižším nákladům a jak dokáží vyvolat lepší dojem ve svých klientech.
|
|
|
Postup zavádění Data Governance
Slouková, Anna ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Diplomová práce se zabývá problematikou Data Governance a způsobem zavádění tohoto programu do praxe. Je logicky rozdělena na dvě části -- teoretickou a praktickou část. Teoretická část, reprezentovaná první kapitolou, shrnuje dosavadní poznatky o programu Data Governance, vysvětluje co se pod pojmem Data Governance skrývá, příčiny vzniku Data Governance iniciativ, uvádí jednotlivé části, ze kterých se program skládá a dále základní, většinou programové nástroje, které jsou potřeba k úspěšnému běhu programu. Praktická část se pak skládá z druhé a třetí kapitoly. Druhá kapitola obsahuje výčet jednotlivých typů výstupů, které vzniknou buď během zavádění programu nebo v jeho samotném průběhu. Kategorizuje a podrobně se zabývá procesy a činostmi, organizační stukturou programu, dokumenty, používanými metrikami a IS/IT nástroji. Třetí kapitola popisuje do detailu postup zavádění programu do podniku. Zavádění je rozděleno do čtyř na sebe navazujících fází -- zhodnocení stávajícího stavu, návrh, implementace a běh programu. U každé fáze jsou uvedeny vstupy, výstupy, rozpad fáze na jednotlivé činnosti s odkazy na šablony dokumentů, které jsou během činností využívány, dále rizika a nároky na zdroje. V přílohách diplomové práce se nachází dva pomocné dokumenty - obecná šablona předpisu a šablona popisu role - které slouží k snadnější implementaci programu.
|
|
|
Data Quality Metrics
Sýkorová, Veronika ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
The aim of the thesis is to prove measurability of the Data Quality which is a relatively subjective measure and thus is difficult to measure. In doing this various aspects of measuring the quality of data are analyzed and a Complex Data Quality Monitoring System is introduced with the aim to provide a concept for measuring/monitoring the overall Data Quality in an organization. The system is built on a metrics hierarchy decomposed into particular detailed metrics, dimensions enabling multidimensional analyses of the metrics, and processes being measured by the metrics. The first part of the thesis (Chapter 2 and Chapter 3) is focused on dealing with Data Quality, i.e. provides various definitions of Data Quality, gives reasoning for the importance of Data Quality in a company, and presents some of the most common tools and solutions that target to managing Data Quality in an organization. The second part of the thesis (Chapter 4 and Chapter 5) builds on the previous part and leads into measuring Data Quality using metrics, i.e. contains definition and purpose of Data Quality Metrics, places them into the multidimensional context (dimensions, hierarchies) and states five possible decompositions of Data Quality metrics into detail. The third part of the thesis (Chapter 6) contains the proposed Complex Data Quality Monitoring System including description of Data Quality Management related dimensions and processes, and most importantly detailed definition of bottom-level metrics used for calculation of the overall Data Quality.
|
host ::
RSS.