|
|
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.
|
|
|
Rámec hodnocení problémů s datovou kvalitou
Šíp, Libor ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Cílem této práce je vytvořit nástroj, který umožní organizaci rychle, řádově a průkazně vyčíslit dopady problémů, které vyplývají z datové nekvality. Než je možno vytvořit a pochopit daný nástroj, je nutné být seznámen s problematikou datové kvality, s jejím řízením, se způsobem, jakým zhodnotit klady a zápory projektu, a nakonec se způsobem rozhodování o možných řešeních. První kapitola se zabývá datovou kvalitou. Ukazuje datovou kvalitu a její význam z různých pohledů, je vysvětlen význam datové kvality, její stav v organizacích je přiblížen prostřednictvím výzkumu provedeného specializovanými společnostmi. Způsobem, jakým řídit datovou kvalitu v rámci celé společnosti, ukazuje druhá kapitola, která se zabývá Data Governnace. Třetí část ukazuje důvody, proč sestavovat Business Case, jak se ukazuje, finanční stránka věci není jediným důvodem pro jeho napsání. Čtvrtá nastiňuje možné nesnáze, které provází každé rozhodování, a ukazuje, jakým způsobem je omezit. Pátá představuje ukázku možných problémů, které mohou nastat v organizaci v souvislosti s datovou kvalitou, každý problém je zhodnocen, jsou představeny příčiny jeho vzniku a navržena možná řešení s ohledem na finanční prostředky. Je rozebírána též úroveň kvality jednotlivých řešení.
|
|
|
Vizualizace kvality dat v Business Intelligence
Pohořelý, Radovan ; Pour, Jan (vedoucí práce) ; Zajíc, Ján (oponent)
Tato diplomová práce se zabývá oblastí Business Intelligence a především její části věnované datové kvalitě. Cílem práce je poskytnout přehled o problematice datové kvality a možnostech, jak je možné data zobrazovat, aby měla lepší a poutavější vypovídací hodnotu. Dalším cílem práce bylo navrhnout řešení realizace zobrazení stavu analyzovaného systému, především části věnované kvalitě dat. Výstupy této práce by měly sloužit pro následnou realizaci navrženého řešení do prostředí dané společnosti.
|
|
|
Data Governance - koncept projektu zavedení procesu
Kmoch, Václav ; Svatá, Vlasta (vedoucí práce) ; Kalina, Jaroslav (oponent)
Společnosti dnes čelí zásadní otázce, jakým způsobem řídit rychle se rozšiřující portfolio svých vnitřních datových služeb i dat samotných ve smyslu řízení datové kvality, jejich bezpečnosti, metadat i odpovědnosti za data. Koncepce data governance poskytuje velmi komplexní uchopení této problematiky. Společnosti, které se rozhodnou pro tuto cestu, však často narážejí na příliš široké a reálně neuchopitelné vymezení projektového záměru. Řešeným problémem diplomové práce je tedy vymezit očekávání spjaté se zavedením programu Data Governance a navržení vhodného nastavení implementačního procesu. V první a druhé části jsou popsány principy, komponenty a nástroje Data Governance a dále metody měření datové kvality. Třetí část je poté věnována odvozenému procesnímu doporučení pro zavedení Data Governance do podnikového datového prostředí.
|
|
|
Master Data Management, Integrace zákaznických dat a hodnota pro business
Rais, Filip ; Novotný, Ota (vedoucí práce) ; Slánský, David (oponent)
Tato diplomová práce je zaměřena na oblast Master Data Managementu (MDM), Integraci zákaznických dat (CDI) a jejich hlavní domény. Práce také odkazuje na různé teoretické směry, které mohou být v této oblasti identifikovány. Shrnuje hlavní aspekty, domény a prezentuje různé perspektivy na hlavní principy iniciativy. Je to také vyčerpávající rešerše v oblasti Master Data Managementu s důrazem na praktické využití a odkazy na autorovy názory a znalosti. Sekundární zaměření práce je v oblasti business hodnoty Master Data Management (MDM) inciativ. Diplomová práce představuje myšlenkový proces pro začátky MDM projektu. Důvodem pro vznik takového konceptu je aktuální trend, kde organizace mají problém definovat reálnou hodnotu a benefity MDM iniciativ. Existuje obecná shoda v názorech podporujících podobné iniciativy, nicméně problém je v oblasti měření a identifikace konkrétních přínosů s dopadem na firemní výnosy a zisky. MDM je spíše podpůrná funkce než funkce generující přímé výnosy. Z tohoto důvodu jsou výsledky z této iniciativy méně přímé a tím pádem je složitější přínosy efektivně měřit a vyhodnocovat. Diplomová práce dále popisuje jednotlivé vrstvy a mapování business požadavků napříč vrstvami. Tímto způsobem se snaží vytvořit přehlednou vazbu mezi podpůrnými funkcemi a těmi, co přímo generují zisky. Důraz je kladen na kalkulaci finančních benefitů, měření a odpovědnost business a IT oddělení. Pro podporu jednotlivých závěrů prezentuje tato práce interview, která jsem provedl s potenciálními odpovědnými osobami v rámci organizace. Tyto osoby by v případě realizace MDM hrály významnou roli. Interview mapuje jejich postoje a orientaci v oblasti MDM a CDI. Zaměřuje se na důvody a očekávání v rámci iniciativy. Dotazovaní jsou také vybráni tak, aby bylo možné srovnat postoje zástupců business oddělení a IT.
|
|
|
Datová kvalita a nástroje pro její řízení
Tezzelová, Jana ; Pour, Jan (vedoucí práce) ; Polášek, Marek (oponent)
Tato diplomová práce se zabývá tématem datové kvality s důrazem na problematiku jejího řízení a nástroje, které jsou pro řízení a řešení datové kvality vyvíjeny. Cílem práce je shrnutí poznatků o problematice podnikové datové kvality, především z pohledu jejího hodnocení, řízení, popisu klíčových problémů v datech a možností jejich řešení. Účelem práce je mimo to také analýza trhu softwarových nástrojů pro podporu a řízení datové kvality a především pak porovnání funkcionality a možností některých z těchto nástrojů. Práce je rozdělena do dvou na sebe logicky navazujících částí. První, teoretická část, se zaměřuje na úvod do problematiky datové kvality a především jejího řízení, včetně identifikace hlavních kroků pro jeho úspěch. Druhá, praktická část, se zabývá trhem nástrojů datové kvality, zejména jeho charakteristikou, segmentací, vývojem, aktuálním stavem a očekávanými trendy. Důležitou součástí tohoto oddílu je také praktické porovnání vlastností a zhodnocení práce s několika nástroji pro podporu datové kvality. Tato práce se snaží být přínosem pro všechny zájemce o oblast datové kvality, zejména pro ty, kteří se zajímají o management a technologie na podporu kvality údajů. Díky zaměření na trh nástrojů datové kvality a jejich porovnání, může být práce užitečným vodítkem pro společnosti, které právě řeší výběr vhodného nástroje pro zavedení datové kvality. Vzhledem k zaměření práce se od čtenářů očekává alespoň základní orientace v problematice Business Intelligence.
|
host ::
RSS.