Üzleti intelligencia megoldások, avagy vezetői döntéstámogatás (XXI.)

Slides:



Advertisements
Hasonló előadás
A marketing információs rendszer
Advertisements

Az OH TÁMOP fejlesztései
Multidimenzionális Adatbázisok Alapjai
Számalk-MIS Tanácsadó Kft. Tel:
4. Marketing előadás 2009.Március 4. A szervezetek beszerzése- a vállalatok „fogyasztói magatartása”
Néhány fontos terület a Kreatív Ipar fejlődéséhez
CUSTOMER RELATIONSHIP MANAGEMENT (CRM)
Adatmenedzsment és kontrolling. ADAT Adott folyamat pillanatnyi állapotának jellemzője, mely önmagában nem értékeli az adott folyamatot.  Mennyi?130.
Az üzleti informatika alapismeretei
Data Explorer Kft. Tóth Nándor Ügyvezető.
Üzleti intelligencia megoldások, avagy vezetői döntéstámogatás (XXI.)
Szűcs Imre CRM elemző GE Consumer Finance Budapest Bank Rt.
2010. november Balatonfüred
Adatbányászat a kontrollingban
SAS Enterprise Miner 1. gyakorlat
Adatbányászat. Miért kell menedzselni a tudást és az adatokat? Az adatok mennyisége folyamatosan nő Az elektronikus dokumentáltság növeli az átláthatatlan.
3. Az információs rendszerek típusai
Korszerű eszközök a vállalati információ- és tudásmenedzsmentben
1950-es évek 1960-as évek 1970-es évek 1980-as évek 1990-es évek
SQL – OLAP 6. óra. Általános integrációs szintek.
7. Országos Gazdaság- informatikai Konferencia 3rd International Symposium on Business information Systems 2010 nov Pécs.
Üzleti intelligencia Kecskemét 2007 ősz. BI Business Intelligence Üzleti Intelligencia Bevételnövelő és költségcsökkentő lehetőségek feltárása, döntéstámogatás.
HELYI PARTNERSÉGEK, MINT A VIDÉKI KORMÁNYZÁS INNOVATÍV ESZKÖZEI 1 A Magyar Regionális Tudományi Társaság IX. vándorgyűlése Révkomárom, november 25.
A marketing új dimenziója: a geomarketing Kovács András főiskolai tanársegéd Modern Üzleti Tudományok Főiskolája, Tatabánya
Pitlik, SZIE , IIR Gazdaságpolitikai előrejelzések adatbányászat segítségével IIRIIR szakkonferencia a felsővezetés számára: Adatbányászat & tudásfeltárás.
Pitlik László, Pető István; SZIE GMI GINT1 A számvitelszervezés újszerű informatikai aspektusai SZIE GTK, Pénzügy-számvitel Szakirány Gödöllő, 2004.
Info-Periszkóp Mezőgazdasági külső információs rendszer fejlesztési tapasztalatai Pető István – Szent István Egyetem, Gödöllő Gazdasági Informatika Tanszék.
A számvitelszervezés újszerű informatikai aspektusai
Konzulens: Dr. Boda György Készítette: Kovács Katalin
Vezetői Információs Rendszer felépítése
Adattár alapú Vezetői Információs Rendszer (AVIR)
TÁMOP szakmai támogatás Educatio Nonprofit Kft
Vezetői Információs Rendszer Kialakítása a Szegedi Tudományegyetemen Eredmények - Tapasztalatok Vilmányi Márton.
Önkiszolgáló üzleti intelligencia az SQL Server 2012-ben
Microsoft BI technológiák az eszközmenedzsment szolgálatában
Gazdaság- és Társadalomtudományi Kar Regionális Gazdaságtani és Vidékfejlesztési Intézet A LEADER PROGRAM MINT HELYI PARTNERSÉG KÉRDÉSEI MAGYARORSZÁGON.
Statisztika a szociológiában
Adatbázisrendszerek jövője
Zrínyi Miklós Nemzetvédelmi Egyetem
1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Célkitűzés: Információk téma-specifikus, különböző típusú forrásokból (internet, intranet.
A COACH-bioenergy projekt eredményeinek bemutatása
Üdvözöljük az IIR Konferencia résztvevőit! IIR Konferencia 2001.
Adatbányászat és üzleti intelligencia SPSS – MicroStrategy integráció
Vállalati Informatikai Megoldások  VIM bemutató  Szolgáltatásaink  Projektjeink  Technológiánk  Kapcsolatok.
A Microsoft Üzleti Intelligencia megoldása és platformja
2006.augusztus — Budapest BO stratégia tervezet Előadó:
Adatbányászat Excel 2007-tel
Adatbányászati módszerek a weblogfájlok elemzésében
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Adattár alapú Vezetői Információs Rendszer fejlesztése a Miskolci Egyetemen Bordás Katalin Miskolci Egyetem Számítóközpont.
Visegrád, Könyvvizsgálat, Minőség-ellenőrzés és
Adattár alapú Vezetői Információs Rendszer (AVIR) Fejérvári Bence március 26.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
PhD beszámoló 2003/2004 I. félév Készítette: Iváncsy Renáta Konzulens: Dr. Vajk István.
Sági Sándor (Kontroll Pont ‘91 Kft). A kontrolling a modern vállalatvezetés közgazdasági eszköze Megteremti a vállalkozás pénzügyi folyamatai szabályozási.
1 VIIR Vállalatirányítási Integrált Információs rendszerek I. (Történeti áttekintés - TEI) Szent István Egyetem TATA Kiválósági Központ és Informatikai.
Üzleti igények avagy Mit kellene megbeszélnem az informatikai vezetőmmel? Bőgel György CEU Business School.
Gazdasági informatika - bevezető …avagy miért emlegetünk szakdolgozat írást informatika címén???
Az állatorvos szerepe az élelmiszerlánc- biztonság megteremtésében Informatika (számítástudomány, elemzések) Dr. Tirián Attila
Szent István Egyetem Közgazdaságtudományi Jogi és Módszertani Intézet
Startup felvásárlások multikulturális hátterének elemzése, avagy mesterséges intelligencia alapú ellenőrzőszámítás diszkriminancia-elemzéshez Barta Gergő,
Az ORACLE JDE EnterpriseOne ERP rendszer bevezetésének tapasztalatai
SZÖM II. Fejlesztési szint folyamata 5.1. előadás
A problémamegoldás 7 lépéses módszere:
A pénzügyi kimutatások könyvvizsgálatának tervezése 300
A marketinginformációs rendszer
Business Intelligence (Üzleti Intelligencia)
Szűcs Imre - Dr. Pitlik László (OTKA T049013)
Vállalatirányítási rendszerek alapjai
Előadás másolata:

Üzleti intelligencia megoldások, avagy vezetői döntéstámogatás (XXI.) Pásztor Márta Zsuzsanna Szent István Egyetem Gazdasági Informatika Tanszék 2004. május

Vezetői döntéstámogatás Executive Information Systems (EIS) Management Information Systems (MIS) Decision Support Systems (DSS) Enterprise Information Systems Business Intelligence (BI) Data Warehouse (DW) Data Mining (DM) Online Analytical Processing (OLAP) Geographic Information Systems (GIS)

A teljes információs rendszer Rendszerelemek: az adat tárolás - tárház (Inmon) feldolgozás - bányászat megjelenítés - vizualizáció (Codd) (Barry, Linhoff 1997)

Az adattárház „Az adattárház egy témaorientált, integrált, történeti, nem változó adatgyűjtemény, amelyet elsősorban a döntéshozatalban használnak.” (W.H. Inmon) Adatkinyerés a tranzakciós és/vagy más (vállalat-működtetési) rendszerekből A kinyert adatok átformálása feldolgozás vagy beszámoló készítés számára A riportok (beszámolók) elérhetővé tétele a döntéshozók számára

Adattárház komponensek

OLAP Multidimenzionális nézet (jellemzően adattárház alapon) "olyan szoftver technológia, amely analitikusok, üzletemberek, vezetők számára lehetővé teszi, hogy vállalkozásuk adatainak dimenziók szerint rendezett mértékeit gyors, konzisztens és interaktív módon vizsgálhassák” (OLAP Council) Multidimenzionális nézet (jellemzően adattárház alapon) Adatelemzés (egyszerű „lefúrás”-tól az adatbányászati eredmények felhasználásáig)

Adatbányászat Előkészítés: adatforrások azonosítása, adatgyűjtés „nagy adatbázisokban rejlő rejtett, és kevésbé rejtett információk felismerése és kinyerése” Előkészítés: adatforrások azonosítása, adatgyűjtés Átalakítás: adattisztítás, hiányzó adatok pótlása Felfedezés: modellalkotás, -értékelés, elemzés Bemutatás: adat-vizualizáció Használat: alkalmazás

Projektmódszertanok CRISP-DM SEMMA SPSS technológa hat szakaszt különböztet meg alkalmazási helytől és eszköztől független CRoss-Industry Standard Process for Data Mining SEMMA SAS technológia öt lépésből áll a cég adattárház alapú információ szolgáltató rendszerébe épül be az elemzési szakasz módszertana, a lépések kezdőbetűiből áll össze az elnevezés

CRISP-DM (1-2) Üzleti környezet megismerése Adatok megismerése projekt célok és követelmények adatbányászati probléma leírás előzetes terv az elérendő célokról Adatok megismerése kezdeti adatgyűjtemény összeállítása minőségi problémák azonosítása elsődleges adatösszefüggések vagy részhalmazok definiálása

CRISP-DM (3-4) Adatelőkészítés Modellezés a végső adathalmaz összeállítása kiválasztás és transzformáció valamint az adattisztítás Modellezés többféle modellezési technika és eljárás kipróbálása adatelőkészítési fázisba való visszatérés adatpótlás miatt

CRISP-DM (5-6) Kiértékelés Alkalmazás a felépített modellek közül a legjobb kiválasztása az elérhető üzleti eredmények számszerűsítése Alkalmazás a legjobb modell eredményeinek bemutatása azon megjelenítési formák kidolgozása, melyek legjobban tükrözik a számítási eredményeket

SEMMA Sampling (mintavételezés): külső és belső rendszerekből gyűjtött adatok leválogatása Exploration (feltárás): hiányzó vagy extrém elemek kiszűrése, esetleges adatösszevonások Modification, Manipulation (módosítás): hiányzó adatok pótlása, változók összevonása vagy elhagyása Modelling (modellezés): modellalkotás különféle számítási módszerekkel Assessment (felmérés, kiértékelés): modellek összehasonlítása, válasz az üzleti kérdésekre

Tipikus adatbányászati kérdések az üzleti életben Ki a jó (megbízható) adós, biztosított? Kik vásárolnak sokat (sokszor, nagy értékben)? Milyen terméket ajánljunk a fogyasztónak? Mely termékeket vásárolják együtt? Mi az esélye, hogy az adott fogyasztó válaszol a megkeresésünkre? Hova telepítsük üzletünket/raktárunkat?

Alkalmazott módszerek 1. A) Kapcsolat-keresés: 1. Asszociációs keresés 2. Gyakori minták kinyerése 3. Idősoros minták 4. Bayes-hálók B) Klasszifikáció: 1. Klasszifikáló neuronális hálók 2. Döntési fák 3. Bayesi klasszifikáció 4. K-legközelebbi szomszéd 5. Lineáris diszkriminancia elemzés 6. Emlékezet alapú következtetés 7. Asszociációs klasszifikáció

Alkalmazott módszerek 2. C) Klaszterezés: 1. K-közép 2. Kapcsolatelemzés 3. Klaszterező neuronális háló D) Statisztikai módszerek: 1. Hagyományos módszerek: középérték, gyakoriság 2. Lineáris regresszió 3. Nem lineáris regresszió 4. Próbák: t-, F- Chi2 5. Főkomponens analízis 6. Faktoranalízis

Alkalmazott módszerek 3. E) Előrejelzés: 1. Előrejelző neuronális hálók 2. Radiális bázisfüggvény 3. Fuzzy következtetés 4. Idősor elemzés 5. Emlékezet alapú következtetés

Fontosabb termékek és az általuk használt elemzési módszerek

Modellösszehasonlítás Hogyan értékeljük a különféle módszerekkel kapott eredményeket? összevonás vagy választás Melyik (létezik-e) a legjobb modell? múlt-jelen-jövő(?) céltalanság tétele Szakértők és a programok együttműködése nem vak bizalom(!) tapasztalat