10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA
|
|
- Etelka Mezeiné
- 7 évvel ezelőtt
- Látták:
Átírás
1 10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA Dr. Danyi Pál Egyetemi docens, BME I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 1
2 MIS RENDSZEREK: ALKALMAZÁS-TECHNOLÓGIA-ADAT MIS rendszerek: DSS, EIS, AI, BI, BA, ACRM, riportolás Technológiák: AI, BI, BA Adatbázis technológiák: (Relációs) adatbázis rendszerek (DBMS), adattárház (DW), adatpiac I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 2
3 AZ ADATTÁRHÁZAK DW (Data Warehouse), adatraktár: egy szervezet összes információs adatának összesített rendszere, ahol adatok téma-orientált, integrált, időfüggő, nem felejtő adatbázisa, ami támogatja a menedzsment döntéshozatali folyamatait. Olyan felépítésű, hogy segítse az üzleti intelligencia funkciók minél eredményesebb megvalósítását. Nem feltétel a redundancia-mentesség Feladatok: Adatok gyűjtése különböző forrásokból Másolatok készítése Adatok tisztítása Adatok tárolása Kategorizálás OLTP DW OLAP I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 3
4 ADATTÁRHÁZAK ÉS ADATPIACOK CÉLJA Az adattárházak (adatraktárak) és adatpiacok segítenek megoldani azokat a problémákat, amikor hiányzó vagy inkonzisztens adatai vannak a szervezetnek. Segítenek továbbá szabványosítani az adatformátumokat a tranzakciós adatok és a külső féltől vásárolt adatok között is. Ezek az eszközök kifejezetten adatelemzések és adatbányászat számára készítenek elő, tárolnak és menedzselnek adatot. OLTP Fig 9-15 Components of a Data Warehouse DW OLAP Forrás: I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 4
5 ADATTÁRHÁZAK ÉS ADATPIACOK KÖZÖTTI KÜLÖNBSÉG Az adattárházak (DW) tranzakciós (működési) adatokat és vásárolt adatokat tárolnak. A DW megtisztítja és feldolgozza az adatokat, ha szükséges. Az egész szervezetet szolgálja. Az adatpiac kisebb, mint a DW, és egy üzleti szervezet vagy egy szűkebb területre vonatkozik. Funkcionalitásában megegyezik a DW-zal. Fig 9-18 Data Mart Examples Forrás: I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 5
6 RAW DATA This figure shows raw data before any reporting operations are used I. Forrás: FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 6
7 The figure on the left shows the raw sales data sorted by customer names. The figure on the right shows data that s been sorted and grouped. Sales Data, Sorted by Customer Name & Sales Data Sorted by Customer Name Grouped by Number of Orders & Purchase Amount Forrás: I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 7
8 This figure shows even better information that s been filtered and formatted according to specific criteria. Fig 9-5 Sales Data Filtered to Show Repeat Customers I. Forrás: FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 8
9 RFM Analysis allows you to analyze and rank customers according to purchasing patterns as this figure shows. R = how recently a customer purchased your products F = how frequently a customer purchases your products M = how much money a customer typically spends on your products The lower the score, the better the customer. Forrás: I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 9
10 MIS RENDSZEREK: ALKALMAZÁS-TECHNOLÓGIA-ADAT MIS rendszerek: DSS, EIS, AI, BI, BA, ACRM, riportolás Technológiák: AI, BI, BA Adatbázis technológiák: (Relációs) adatbázis rendszerek (DBMS), adattárház (DW), adatpiac I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 10
11 EGYES RENDSZEREK FUNKCIÓT ÉS TECHNOLÓGIÁT IS JELENTENEK AI rendszerek BI rendszerek Big Data Funkció szerint Fordító, képfelismerő, arcfelismerő alkalmazás, humán robot, kiterjesztett valóság, szakértői rendszer, stb. Kereső rendszerek, OLAP, üzleti elemzés Big data szolgáltatások, Nagy elemzések, Gyors adatfeldolgozás Technológia szerint Neuronhálók, Evolúciós (genetikai) algoritmusok, Fuzzy rendszerek, Logikai programozás Riportolás Adatbányászat, Tudás menedzsment NoSQL, Hadoop és MapReduce, Storm I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 11
12 ÜZLETI INTELLIGENCIA (BI) ESZKÖZÖK ÉS TECHNOLÓGIÁK Az üzleti intelligencia (BI) rendszer egy olyan információrendszer, ami üzleti intelligencia (BI) eszközöket alkalmaz, hogy létrehozzon és szolgáltasson információt. A BI eszközök olyan számítógépes programok, amelyek bizonyos BI technikákat alkalmaznak. A technikákat 3 féleképpen kategorizáljuk: Riportoló eszközök: adatot olvasnak be, feldolgozzák azokat, és olyan strukturált riportokba formázzák az adatokat, amelyeket a felhasználó látni kíván. Elsősorban értékelésre használják. Adatbányász eszközök: statisztikai algoritmusokat használva dolgozzák fel az adatokat, mintákat és kapcsolatokat keresnek és előrejelzést tesznek az eredmények alapján. Tudásmenedzselő eszközök: munkatársi tudást (folyamatleírásokat, kapcsolatokat, összefüggéseket, okosságokat ) tárolnak, és elérhetővé teszik az érdeklődők számára. Itt az adatok forrása az emberi tudás I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 12
13 ÜZLETI INTELLIGENCIA (BI) FUNKCIÓK Információkeresés lekérdezéseken keresztül Riportolás: teljesítménymérés, mutatószámok (KPI-k) Online analitikus feldolgozások (OLAP) Üzleti elemzés (analitika): magyarázó és előrejelző modellezés főleg statisztikai alapokon Figyelmeztető ( alert ) eszköz I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 13
14 OLAP FUNKCIÓK ÉS AZ OLAP ADATKOCKA-MODELL Aggregáció: dimenziók mentén összegzés Lefúrás: az aggregáció ellentéte, pl. havi bontás (DRILL DOWN) Forgatás: dimenzió felcserélése (más nézet) Szelekció: egy dimenzióban értékre szűrés Szeletelés: egy dimenzió lekötése, részkocka kivágása I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 14
15 OLAP VS OLTP OLTP (On-line Transaction Processing) Napi üzletmenet működése Repülőgépes helyfoglaló rendszerek OLAP (On-line Analytical Processing) Féléves, éves trendek alapján előre jelezni Döntéshozatal Jellemzők OLTP OLAP Felhasználó Adminisztrátorok Menedzserek Időszerűség Aktuális állapot Korábbi állapot Gyakoriság Folyamatos Alkalomszerű Rekordszám ~ 10 ~ Teljesítmény Gyors Lassabb Kívánt adatok Meghatározott Bizonytalan Művelet Adatmódosítás Adatlekérdezés I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 15
16 Dimensions which are characteristics of a measure. In the figure below a dimension is Product Family. Fig 9-7 OLAP Product Family by Store Type Forrás: I. Félév Dr. Danyi Pál - Információmenedzsment 16
17 A presentation like what you saw in the prior slide is often called a OLAP cube or a cube. Know that an OLAP cube and a OLAP report are the same thing Users can alter the format of a report Its possible to Drill down into the available data Forrás: I. Félév Dr. Danyi Pál - Információmenedzsment 17
18 Drilled down by store location and store type Forrás: I. Félév Dr. Danyi Pál - Információmenedzsment 18
19 Further drilled down to just stores in California Forrás: I. Félév Dr. Danyi Pál - Információmenedzsment 19
20 ADATBÁNYÁSZAT (DATA MINING) Definíció Előre nem sejthető minták, törvényszerűségek, összefüggések keresése nagy adatbázisokban ( TUDÁS feltárás) Módszerek Asszociációk Tej és kenyér; Skoda és Philips. Minek van értelme? Szekvenciák keresése Benzin és hús; alkohol és bébiétel? Csoportok keresése Szakácskönyvek: év közötti nők Feltétel Adat forrás adat (kiválasztás) tisztított adat transzformált adat minták (adatbányászat) értékelés - tudás I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 20
21 ADATBÁNYÁSZATI TECHNIKÁK 1. Klaszteranalízis Nem jellemző egyedek elhagyása Korreláló változók elhagyása (életkor születési idő helyett) Változók összevonása (1 főre eső árbevétel) fogadott hívások [perc] Ultra kommunikatívak Nem kommunikálók indított hívások [perc] I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 21
22 ADATBÁNYÁSZATI TECHNIKÁK 2. Döntési fa eljárás Regressziós eljárás Neurális hálók Példa: 35 év feletti, jól kereső, régi ügyfél teljes minta <35 >35 nem vásárolt vásárolt életkor jövedelem < > <16 hónap >24 hónap mióta ügyfél? I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 22
23 ADATBÁNYÁSZATI TECHNIKÁK 3. Mesterséges intelligencia technikák, pl. gépi tanulás technikák: Neurális hálók Big Data technikák? (A technikák, módszerek keverednek, ahogy újabb és újabb problémák, igények merülnek fel.) I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 23
24 BI RENDSZEREK SPECIÁLIS FAJTÁI Analitikus ügyfélkapcsolat rendszer CRM Nem termékhez vevőt, hanem vevőhöz terméket Adatbányászati alkalmazásai: Ügyfél szegmentáció és ügyfélmegtartás BI ACRM CRM Kockázatmenedzsment Csalások felderítése és megakadályozása Direkt marketing Keresztértékesítés Vállalati teljesítménymenedzsment EPM (Enterprise Performance Mgmt) Olyan rendszer, mely a vállalati teljesítmény mérésére használt mutatók alakulását követi nyomon. Pl.: Eladások egy időszakban Befektetett tőke megtérülése ROI Befektetés megtérülési ideje I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 24
25 Köszönöm a figyelmet! I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 25
Adattárházak és Üzleti intelligencia (2. HÉT, 4. óra) Dr. Danyi Pál, Egyetemi docens, BME,
Adattárházak és Üzleti intelligencia (2. HÉT, 4. óra) Dr. Danyi Pál, Egyetemi docens, BME, danyi@mvt.bme.hu Információrendszerek: Alkalmazás-Technológia-Adat Az információrendszerek többféleképpen csoportosíthatók.
RészletesebbenTartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.
Tartalom Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben. Előszó 1. Az adatbányászatról általában 19 1.1. Miért adatbányászat? 21 1.2. Technológia a rejtett információk
RészletesebbenVÁLLALATI INFORMÁCIÓS RENDSZEREK. Debrenti Attila Sándor
VÁLLALATI INFORMÁCIÓS RENDSZEREK Debrenti Attila Sándor Információs rendszer 2 Információs rendszer: az adatok megszerzésére, tárolására és a tárolt adatok különböző szempontok szerinti feldolgozására,
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
Részletesebben1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN
1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN Dr. Danyi Pál Egyetemi docens, BME 2016. TAVASZ - CRM RENDSZEREK A GYAKORLATBAN 1 TALÁLKOZÁSOK A CRM-MEL Big Data Zara Telekom Webshop ügyfél analitika 2016. TAVASZ
RészletesebbenComponent Soft 1994-2013 és tovább
Component Soft 1994-2013 és tovább IT szakemberek oktatása, tanácsadás Fő témáink: UNIX/Linux rendszerek, virtualizációs, fürtözési, tároló menedzsment és mentési technológiák Adatbázisok és middleware
Részletesebben1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN
1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN Dr. Danyi Pál Egyetemi docens, BME 2017. TAVASZ - CRM RENDSZEREK A GYAKORLATBAN 1 TALÁLKOZÁSOK A CRM-MEL Big Data Ügyféligény visszacsatolása ICT: termék és szolgáltatás
RészletesebbenAdatbázisrendszerek április 17.
Adatbázisrendszerek Áttekintés az adattárházakról és az OLAP-ról 2018. április 17. Az adattárházak célja 2 A számítási kapacitások állandó növekedése és az analitikai eszközök és módszerek egyre összetettebbé
RészletesebbenTörténet John Little (1970) (Management Science cikk)
Információ menedzsment Szendrői Etelka Rendszer- és Szoftvertechnológia Tanszék szendroi@witch.pmmf.hu Vezetői információs rendszerek Döntéstámogató rendszerek (Decision Support Systems) Döntések információn
RészletesebbenVezetői információs rendszerek
Vezetői információs rendszerek Kiadott anyag: Vállalat és információk Elekes Edit, 2015. E-mail: elekes.edit@eng.unideb.hu Anyagok: eng.unideb.hu/userdir/vezetoi_inf_rd 1 A vállalat, mint információs rendszer
RészletesebbenBig Data az adattárházban
Big Data az adattárházban A párbaj folytatódik? Néhány fontos Big Data projekt Cég Téma Adat Újfajta Mennyiség Saját adat? Típus Google Influenza Google I big I Előjelzés előjelzés Farecast Xoom Chicagoi
RészletesebbenBI megoldás a biztosítói szektorban
Dobos Zoltán 2009 szeptember 10 BI megoldás a biztosítói szektorban Tartalom Üzleti felhasználási területek a biztosítói szektorban Cognos megoldások a biztosítói szektor részére 2 Fókusz területek Értékesítési
RészletesebbenSzámítógépes döntéstámogatás. Bevezetés és tematika
SZDT-01 p. 1/18 Számítógépes döntéstámogatás Bevezetés és tematika Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-01 p. 2/18 SZDT-01
RészletesebbenVáltozások előtt hol áll a banki (adat)elemzés? Nándorfi György
Változások előtt hol áll a banki (adat)elemzés? Nándorfi György Budapest Bank 1987-ben jött létre az egyik legelső hazai kereskedelmi bankként A 8 hazai nagybank egyike Tulajdonosi háttér: 1995-től 2015-ig
RészletesebbenDr. Sasvári Péter Egyetemi docens
A magyarországi vállalkozások Üzleti Intelligencia használatának vizsgálata Dr. Sasvári Péter Egyetemi docens II. IRI Társadalomtudományi Konferencia, 2014. április 25-26. Nové Zámky (Érsekújvár) Gymnázium
RészletesebbenFekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.
Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt. Tartalom BI mérföld kövek Kezdeti architektúra és kontextus Lokális Adattárház Kialakítása CRM Evolúció Üzleti Intelligencia kiaknázó eszközök
RészletesebbenTakács Gábor mérnök informatikus, okl. mérnöktanár
Takács Gábor mérnök informatikus, okl. mérnöktanár takacsg@sze.hu http://rs1.sze.hu/~takacsg/ Big Data Definition Big Data is data that can t be stored or analyzed using traditional tools. Információ tartalom,
RészletesebbenSAS szoftverek felhasználási lehetőségei a felsőoktatásban
SAS szoftverek felhasználási lehetőségei a felsőoktatásban Hodász Attila BDX Kft. Abrán József SAS Magyarország Miért SAS? Integrált keretrendszer amely a teljes feladat támogatására alkalmas Kiforrott
RészletesebbenA szak specializációi
A szak specializációi Specializációk A specializációválasztás során a hallgatónak preferenciasorrendet kell megjelölnie, legalább két specializáció megadásával. A specializációkra történő besorolás a hallgatók
RészletesebbenOracle SQL Developer Data Modeler és a DW adatmodellezés. Gollnhofer Gábor Meta Consulting Kft.
Oracle SQL Developer Data Modeler és a DW adatmodellezés Gollnhofer Gábor Meta Consulting Kft. Oracle Information Management & Big Data Reference Architecture 2 Mi a NoSQL modellezés célja? Forrás: Insights
RészletesebbenPapp Attila. BI - mindenkinek
Papp Attila BI - mindenkinek 100% 28% 2012 A kiterjesztett BI piac alakulása BAM/CEP 0.23 Other Data 2 Warehouse 10.5 CRM Analytics 1 Data Integration, Data Quality 3 2010 57 mrd USD BI Services 30 2011
RészletesebbenInfor PM10 Üzleti intelligencia megoldás
Infor PM10 Üzleti intelligencia megoldás Infor Üzleti intelligencia (Teljesítmény menedzsment) Web Scorecard & Műszerfal Excel Email riasztás Riportok Irányít Összehangol Ellenőriz Stratégia Stratégia
RészletesebbenINFORMÁCI CIÓS ERŐFORRÁSOK ÉS RENDSZEREK
INFORMÁCI CIÓS ERŐFORRÁSOK ÉS INFORMÁCI CIÓS RENDSZEREK Milyen ismereteket sajátítunk tunk el e téma keretében? Adat Információ Tudás Az információ mint stratégiai erőforrás A vállalat információs rendszere
RészletesebbenGazdasági informatika alapjai
PSZK Mesterképzési és Távoktatási Központ / H-1149 Budapest, Buzogány utca 10-12. / 1426 Budapest Pf.:35 II. évfolyam Név: Neptun kód: Kurzus: Tanár neve: HÁZI DOLGOZAT 2. Gazdasági informatika alapjai
RészletesebbenAdatbányászat és Perszonalizáció architektúra
Adatbányászat és Perszonalizáció architektúra Oracle9i Teljes e-üzleti intelligencia infrastruktúra Oracle9i Database Integrált üzleti intelligencia szerver Data Warehouse ETL OLAP Data Mining M e t a
RészletesebbenÍgy kampányolunk mi. Hans Zoltán. Szolgáltatás Fejlesztés és Online Irányítás vezető. IBM-SPSS üzleti reggeli (Budapest) 2010.09.22.
Így kampányolunk mi Hans Zoltán Szolgáltatás Fejlesztés és Online Irányítás vezető IBM-SPSS üzleti reggeli (Budapest) 2010.09.22. LIFE INSURANCE PENSION INVESTMENT Tartalom AEGON Útkeresések Esettanulmány
RészletesebbenValós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok
Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Sef Dániel Szenior IT tanácsadó T-Systems Magyarország 2016. április
RészletesebbenA tudás handrendbe állítása, azaz SPSS PES
A tudás handrendbe állítása, azaz SPSS PES...és hogyan történt mindez a Vodafone Hungary Zrt-nél Cseh Zoltán, PhD konzultációs igazgató SPSS Hungary Hagyományos hadászati egységek Légi elhárítás Gyalogság
RészletesebbenAz információs rendszerek funkcionális változásai a kis és középvállalkozások szemszögéből. DE ATC AVK Gazdasági- és Agrárinformatikai Tanszék
MAGISZ Fórum 2004. augusztus 27. Az információs rendszerek funkcionális változásai a kis és középvállalkozások szemszögéből. Dr. Herdon Miklós - Rózsa Tünde DE ATC AVK Gazdasági- és Agrárinformatikai Tanszék
RészletesebbenAz információ hatalom. adatok. információ
DW 3. előadás Az információ hatalom adatok információ Információs rendszerek Hagyományos adatforrások (legacy system) Virt. vállalati Virtual coop. Információs Informational Döntési (Decisional) Műveleti
RészletesebbenSelf service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon
Self service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon Reporting, dashboarding önkiszolgáló módon Anton Dávid Havas Levente Debrecen, 2017.10.26. Mobil fogyasztás
RészletesebbenAdattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales
Adattárház és BigData Szimbiózisa Baranyi Szabolcs IM Technical Sales Szabolcs.baranyi@hu.ibm.com BigData adatforrásai Adattárház kiterjesztés igénye BigData és adattárház integrációja a hatékonyság növelésére
RészletesebbenÜgyfél Életút Modell Az ügyfélkezelés új dimenziója
Ügyfél Életút Modell Az ügyfélkezelés új dimenziója A gyakorlat Az ügyfél életútja Business Middleware Puskás Norbert ágazat igazgató, IQSYS Zrt. Puskas.Norbert@iqsys.hu Slides before 1st Sectio n Divider
RészletesebbenÜzleti intelligencia - eszközöktől a megoldásokig
Atlanta Barcelona Berlin Vienna Budapest Bukarest Düsseldorf München Stuttgart Zurich www.ifua.hu Fekete Gábor ügyvezető partner 2007. március 21. Üzleti intelligencia - eszközöktől a megoldásokig IFUA
RészletesebbenSegítség, összementem!
Segítség, összementem! Előadók: Kránicz László Irimi János Budapest, 2013. április 10. ITFI - Adatintegrációs Kompetencia Központ ITFI - Adatintegrációs Kompetencia Központ Tartalomjegyzék 2 Az Adattárház
RészletesebbenTudásalapú információ integráció
Tudásalapú információ integráció (A Szemantikus Web megközelítés és a másik irány) Tanszéki értekezlet, 2008. május 14. 1 Miért van szükségünk ilyesmire? WWW: (Alkalmazások) Keresés a weben (pl. összehasonlítás
RészletesebbenVan-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4.
Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4. Omnit Solutions 2007 óta a piacon BI & adattárház tanácsadás 20 fős csapat Oracle, IBM és Pentaho
RészletesebbenMesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek
Mesterséges Intelligencia Elektronikus Almanach Konzorciumi partnerek 1 Konzorcium Budpesti Mőszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Méréstechnika és Információs Rendszerek
RészletesebbenEladni könnyedén? Oracle Sales Cloud. Horváth Tünde Principal Sales Consultant 2014. március 23.
Eladni könnyedén? Oracle Sales Cloud Horváth Tünde Principal Sales Consultant 2014. március 23. Oracle Confidential Internal/Restricted/Highly Restricted Safe Harbor Statement The following is intended
RészletesebbenADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK
ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK TARTALOM 2 1. Miért válik a Redundancia Menedzsment egyre fontosabb kérdéssé? 2. Mit értünk
RészletesebbenAZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban?
AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban? Médiapiac 2015 Eger, 2015.03.18 Dévényi Edit Dunai Albert K&H Bank és Biztosító 1 Nem értek hozzá! Mi tart vissza? Túl
RészletesebbenTöbb mint BI (Adatból üzleti információ)
Több mint BI (Adatból üzleti információ) Vállalati műszaki adattárház építés és üzleti elemzések az ELMŰ-ÉMÁSZ Társaságcsoportnál Papp Imre Geometria Kft MEE, Mátraháza, 2013. szeptember 12. Visszatekintés
RészletesebbenIT FEJLESZTÉSEK A GYAKORLATBAN
2. HÉT: IT EK A GYAKORLATBAN Dr. Danyi Pál Egyetemi docens, BME ügyvezető, DAPNER Megoldások Kft. (www.palprices.com) 2014-15 I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 1 A HÉT ESEMÉNYE Apple did not
RészletesebbenSelf Service szekció. XXVIII. Budapesti Menedzsment és Controlling Fórum. Havas Levente. Budapest, május 26. IFUA Horváth & Partners
Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest, 2016. május 26. Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest,
RészletesebbenAdatbányászat és Perszonalizáció az Oracle9i-ben
Adatbányászat és Perszonalizáció az Oracle9i-ben Oracle9i adatbányászat 2000. szeptember 6. Fekete Zoltán Palaczk Péter Agenda Oracle9i Database Teljes e-business Intelligence infrastruktúra Mi is az adatbányászat?
RészletesebbenInformációs Rendszerek Szakirány
Információs Rendszerek Szakirány Laki Sándor Kommunikációs Hálózatok Kutatócsoport ELTE IK - Információs Rendszerek Tanszék lakis@elte.hu http://lakis.web.elte.hu Információs Rendszerek szakirány Közös
RészletesebbenPalaczk Péter A marketing folyamatok adattárház alapú támogatása
Palaczk Péter A marketing folyamatok adattárház alapú támogatása A hatékony marketingtámogatás alapjai Infrastrukturális feltételek Működő vállalati adattárház Megbízható ügyféladatok Beüzemelt adatbányászati
RészletesebbenVállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):
Követelményrendszer 1. Tantárgynév, kód, kredit, választhatóság: Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K 2. Felelős tanszék: Informatika Szakcsoport 3. Szak, szakirány, tagozat: Műszaki
RészletesebbenA gazdaságinformatikus mesterszak tantervi hálója
A gazdaságinformatikus mesterszak tantervi hálója érvényes 2011. június 27-től Kezdés a tavaszi félévben Tárgynév Természettudományos alapismeretek (10 kredit) 1 Matematikai statisztika 3/0/2/v/5 2 Operációkutatás
RészletesebbenA vállalkozás sikerének tényezi. Termék, szolgáltatás Erforrások Információtechnológia 2005.12.08. 1
A vállalkozás sikerének tényezi Termék, szolgáltatás Erforrások Információtechnológia 2005.12.08. 1 A siker két egymást segít eleme az IT-ben ERP rendszerek alkalmazása Outsourcing 2005.12.08. 2 A vállalati
Részletesebben<Insert Picture Here> Közeli jövőkép az üzleti intelligenciáról
Közeli jövőkép az üzleti intelligenciáról Radnai Szabolcs Üzleti Intelligencia Üzletfejlesztési vezető - Kelet-közép Európa régió Az üzleti intelligencia feladata Embedded Business
RészletesebbenMicrosoft SQL Server telepítése
Microsoft SQL Server telepítése Az SQL Server a Microsoft adatbázis kiszolgáló megoldása Windows operációs rendszerekre. Az SQL Server 1.0 verziója 1989-ben jelent meg, amelyet tizenegy további verzió
RészletesebbenWebanalitika a mindennapokban
Webanalitika a mindennapokban NEEK konferencia 2015.02.19. www.gemius.hu Rólunk A Gemius világszerte Piaci igények széleskörű ismerete Nemzetközi háttér, folyamatos fejlesztés Innovatív üzleti megoldások
RészletesebbenSikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter
Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta
RészletesebbenFehér Tamás, Hofgesang Péter T-Systems Magyarország. Adócsalók a RADAR képernyőjén
Fehér Tamás, Hofgesang Péter T-Systems Magyarország Adócsalók a RADAR képernyőjén Adatbányászat A sör és pelenka elhelyezésétől a twitterezők hangulatának elemzéséig NAV-előzmények Igény Egy olyan rendszer
RészletesebbenA webanalitika változó világa 4 felvonásban
A webanalitika változó világa 4 felvonásban Arató Bence, BI Consulting Email: arato@bi.hu, Twitter: @aratob Traffic Meetup, 2013.02.06 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia
Részletesebben1. elıadás. Információelmélet Információ technológia Információ menedzsment
http://vigzoltan.hu 1. elıadás A számítógépes információ rendszerk tudománya, amely tartalmazza az alábbiakat: Elméleti összefüggések Szemlélet Módszertant a tervezéshez, fejlesztéshez üzemeltetéshez Tartalmazza
RészletesebbenSzámlakezelés az ELO DocXtraktor modullal
ELOECMSzakmai Kongresszus2013 Számlakezelés az ELO DocXtraktor modullal Kovács Eszter Kovacs.eszter@pentatrade.hu Projekt bemutatása A Cég Cégcsoport Éves árbevétel 140 mrd FT > 5 500 dolgozó ( 1 000 fı
RészletesebbenAz üzleti intelligencia megoldások helye és szerepe a magyar vállalatok életében. Dr. Kovács László Dr. Sasvári Péter Miskolci Egyetem
Az üzleti intelligencia megoldások helye és szerepe a magyar vállalatok életében Dr. Kovács László Dr. Sasvári Péter Miskolci Egyetem 1 Mit jelent a BI? Mi jellemzi a BI értelmezésének fejlődését, az értelmezési
RészletesebbenData Vault 2.0 és az Oracle DW/BD referencia architektúra. Gollnhofer Gábor Meta Consulting Kft.
Data Vault 2.0 és az Oracle DW/BD referencia architektúra Gollnhofer Gábor Meta Consulting Kft. Az Oracle referencia architektúrák Rövid bevezető Az IT Strategies from Oracle (ITSO) része Átgondolt, bevált,
RészletesebbenVvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban
VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Medveczki György szenior IT architekt T-Systems Magyarország 2014. március
RészletesebbenRetro adatbányászat. Kovács Gyula Andego Tanácsadó Kft.
Retro adatbányászat Kovács Gyula Andego Tanácsadó Kft. Adattárház Fórum 2012 Magunkról 2010-ben alapították magánszemélyek (az alapítók több mint egy évtizedes BI tapasztalatokkal rendelkeznek) Andego
RészletesebbenTDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember
TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,
RészletesebbenProjektvezetői döntések támogatása webbányászattal
NETWORKSHOP 2008 2008. március 17-19. Dunaújváros, Dunaújvárosi Főiskola Projektvezetői döntések támogatása webbányászattal Bóta László Ph.D. hallgató (BME) Eszterházy Károly Főiskola, Eger BI (Business
RészletesebbenDigitalizáció a vállalatirányításban - Milyen szerep jut a controllingnak? Budapest,
Digitalizáció a vállalatirányításban - Milyen szerep jut a controllingnak? Workshop controlling és teljesítménymenedzsment oktatóknak Budapest, 2019.05.10 MCE PROGRAM Idő Téma Előadó / moderátor 10.00-10.15
RészletesebbenKővári Attila, BI projekt
Innovatív BI konferencia, 2011-11-22 Kővári Attila, BI projekt Az előadás bemutatja, milyen lehetőségeket és problémákat rejtenek magukban az önkiszolgáló BI rendszerek. Foglalkozik az ilyen rendszereknél
RészletesebbenEssbase és Smart View
Your IT Partner in Business Understanding Bódi Miklós Essbase és Smart View Adatkockák okosabban Ixenit Kft. 2014 szeptemberében az Innovent Tanácsadó Kft. és az I-Logic Kft. összeolvadásával jött létre.
RészletesebbenBig data előtt banki tranzakciós adatok kiaknázása. Kiss Ferenc Emánuel
Big data előtt banki tranzakciós adatok kiaknázása Kiss Ferenc Emánuel Budapest Bank 1987-ben jött létre az egyik legelső hazai kereskedelmi bankként A 8 hazai nagybank egyike Tulajdonosi háttér: 1995-től
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis
Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim
RészletesebbenAdatbányászat az Oracle9i-ben. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com
Agenda Az Oracle9i adattárház tulajdonságai Adatbányászat az Oracle9i-ben DM, Personalization az Oracle9i-ben, architektúra Integrált adatbányászat az Oracle CRM-ben Szünet Perszonalizációs felhasználási
Részletesebben1964 IBM 360 1965 DEC PDP-8
VIIR Vállalatirányítási Integrált Információs rendszerek I. (Történeti áttekintés - TEI) Szent István Egyetem Információgazdálkodási Tanszék 2006. 1 Ki mikor kapcsolódott be az információs társadalomba?
RészletesebbenAlkalmazott Informatikai Nap Dyntell Business Intelligence
Alkalmazott Informatikai Nap Dyntell Business Intelligence Salga Péter 2015. 10.16. 1 / 13 Miért ültök itt? 2 / 13 Cashflow négyszög 3 / 13 Mit csinál a vezető? 4 / 13 Mi a legfontosabb tudás a vezetőnek?
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Megoldásjavító szabályzókör A Kybernos egyszerűsített modellje Klasszikus termelésirányítási
RészletesebbenBig Data: a több adatnál is több
Big Data: a több adatnál is több Sidló Csaba István MTA Számítástechnikai és Automatizálási Kutatóintézet Üzleti Intelligencia és Adattárházak Csoport sidlo@sztaki.mta.hu http://dms.sztaki.hu CIO Hungary
RészletesebbenInnovatív trendek a BI területén
Innovatív trendek a BI területén 1 Technológiai trendek 3 BI-TREK kutatás Felmérés az üzleti intelligencia hazai alkalmazási trendjeiről Milyen BI szoftvereket használnak a hazai vállalatok? Milyen üzleti
RészletesebbenAz információ feldolgozás alapvetı módszerei Folyamat szemlélető információ feldolgozás A legfontosabb állomány struktúrák
Az információ feldolgozás alapvetı módszerei Folyamat szemlélető információ feldolgozás Optimális struktúra Keresés Struktúra Algoritmus A legfontosabb állomány struktúrák o Szekvenciális állomány struktúrák:
RészletesebbenThink customer 2001. Hatékony ügyfélszolgálat és megvalósítási módszertan. WorkShop
Think customer 2001 Hatékony ügyfélszolgálat és megvalósítási módszertan WorkShop Tóthné Katona Márta eadvisor Oracle Hungary Hogyan is kezdjünk hozzá? Értsük meg üzleti környezetünket: melyek a problémáink
RészletesebbenVanyová Klára. 1. Bevezetés. 2. A rendszereket fejlesztő cégről. A hangbányászat lehetőségei a döntéstámogatásban 2
Döntéstámogató rendszerek A hangbányászat lehetőségei a döntéstámogatásban (Esszé) 2013. november 6. 1. Bevezetés Ebben az esszében olyan rendszereket szeretnék bemutatni, amelyek hangbányászattal, érzelemdetektálással
RészletesebbenVizuális adatelemzés - Gyakorlat. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Vizuális adatelemzés - Gyakorlat Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Adatelemzés szerepe a rendszermodellezésben Lényeges paraméterek meghatározása
RészletesebbenPentaho 4: Mindennapi BI egyszerűen. Fekszi Csaba Ügyvezető 2011. október 6.
Pentaho 4: Mindennapi BI egyszerűen Fekszi Csaba Ügyvezető 2011. október 6. 1 2 3 4 5 Bevezetés Pentaho-ról röviden - áttekintő Mindennapi BI egyszerűen a Pentaho 4 újdonságai Pentaho összefoglaló Alkalmazás
Részletesebben- Adat, információ, tudás definíciói, összefüggéseik reprezentációtípusok Részletesebben a téma az AI alapjai című tárgyban
I. Intelligens tervezőrendszerek - Adat, információ, tudás definíciói, összefüggéseik reprezentációtípusok Részletesebben a téma az AI alapjai című tárgyban Adat = struktúrálatlan tények, amelyek tárolhatók,
RészletesebbenA TDM-modellt támogató informatikai lehetőségek
A TDM-modellt támogató informatikai lehetőségek Előadó: Semsei Sándor, Chrome Kreatív Munkák Kft. eturizmus - a technológia és a turizmus a két leggyorsabban fejlődő szektor a globális gazdaságban (Dr.Dimitros
RészletesebbenÖnálló labor feladatkiírásaim tavasz
Önálló labor feladatkiírásaim 2016. tavasz (ezekhez kapcsolódó saját témával is megkereshetnek) Mészáros Tamás http://www.mit.bme.hu/~meszaros/ Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika
RészletesebbenBeszerzések adatalapú vizsgálata a 21. században
Beszerzések adatalapú vizsgálata a 21. században Lajtai Péter ( Magyarország) Gergely Norbert (Clementine - Andego) datastream 2019 2019. május 14. Hogy kapcsolódik a az adatok világához? 1. Klasszikus
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR BEVEZETÉS (INFORMATIKA, INFORMATIAKI FÜGGŐSÉG, INFORMATIKAI PROJEKTEK, MÉRNÖKI ÉS INFORMATIKAI FELADATOK TALÁKOZÁSA, TECHNOLÓGIÁK) 2016. 09. 17. MMK- Informatikai
RészletesebbenDW 9. előadás DW tervezése, DW-projekt
DW 9. előadás DW tervezése, DW-projekt Követelmény felmérés DW séma tervezése Betöltési modul tervezése Fizikai DW tervezése OLAP felület tervezése Hardver kiépítése Implementáció Tesztelés, bevezetés
RészletesebbenVIR alapfogalmai. Előadásvázlat. dr. Kovács László
VIR alapfogalmai Előadásvázlat dr. Kovács László Információ szerepe Információ-éhes világban élünk Mi is az információ? - újszerű ismeret - jelentés Hogyan mérhető az információ? - statisztikai - szintaktikai
RészletesebbenAZ IKIR RENDSZER BEMUTATÁSA
AZ IKIR RENDSZER BEMUTATÁSA Gyenes József Projektvezető Humansoft Kft. A prezentáció tartalma A HUMANsoft Kft. feladatai a projektben A rendszer legfontosabb folyamatai Az IKIR adattárház szerepe Az IKIR
RészletesebbenAdatelemzés és adatbányászat MSc
Adatelemzés és adatbányászat MSc 1. téma IR és adatelemzési alapok Információ szintjei Kell-e targonca? Mennyi targonca kell? Mennyi kezelők kellenek? Mit szállítsanak ma? Mikorra vigyék át? Hova kell
RészletesebbenTECHNOLÓGIAI IGÉNYMENEDZSMENT
TECHNOLÓGIAI IGÉNYMENEDZSMENT 2017. március 22. Dr. Danyi Pál GTK MVT, egyetemi docens MAI TÉMÁK IT alkalmazások és típusaik Igényportfolió készítés Igénymenedzsment Üzleti terv készítés 2017. MÁRC. 22.
RészletesebbenA MATEMATIKA TERÜLET ÉRTÉKELÉSI KERETEINEK VÁZLATA
(TÁMOP 3.1.9/08/01) A MATEMATIKA TERÜLET ÉRTÉKELÉSI KERETEINEK VÁZLATA Csíkos Csaba AZ ÉRTÉKELÉSI KERETEK (FRAMEWORK) MATEMATIKÁBÓL 1. Pszichológiai / képesség dimenzió: Csapó Benı és Terezinha Nunes 2.
Részletesebben5. Rendszerfejlesztési módszerek és modellek
Információmenedzsment, 4. HÉT (7. óra) IT RENDSZEREK FEJLESZTÉSE II 5. Rendszerfejlesztési módszerek és modellek 5.1. A fejlesztési modellek csoportosítása Életciklus modellek Klasszikus (egyszerű) vízesésmodell
RészletesebbenSmart City, okos város - a jövőnk kulcsa konferencia április 13. Budapest. Nagy András PhD téradat-elemzési szakértő Lechner Nonprofit Kft.
A T E I R L E H E T Ő S É G E I A Z O K O S V Á R O S I F E J L E S Z T É S E K S Z O L G Á L AT Á B A N Smart City, okos város - a jövőnk kulcsa konferencia 2016. április 13. Budapest Nagy András PhD
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenBig Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez
Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István
RészletesebbenIBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva
RészletesebbenDIGITALIZÁCIÓ KINEK MI? AVAGY A KIKERÜLHETETLEN ÖSVÉNY A SIKERES VERSENYKÉPESSÉG ÉRDEKÉBEN.
DIGITALIZÁCIÓ KINEK MI? AVAGY A KIKERÜLHETETLEN ÖSVÉNY A SIKERES VERSENYKÉPESSÉG ÉRDEKÉBEN. Magyari Péter 20+y multi janicsár & Digital CX Transf. Coach Safe Harbor Statement This presentation is intended
RészletesebbenMódszerek és technikák
Szervezeti tevékenység elemzése Business Activity Model, BAM Módszerek és technikák Milyen kérdésekre keresünk választ: Miért? Mit? Mikor? Hogyan? Szervezeti szempontok Tevékenységek logikai modellje Szervezeti
RészletesebbenGeoinformatikai rendszerek
Geoinformatikai rendszerek Térinfomatika Földrajzi információs rendszerek (F.I.R. G.I.S.) Térinformatika 1. a térinformatika a térbeli információk elméletével és feldolgozásuk gyakorlati kérdéseivel foglalkozó
Részletesebben