Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben."

Átírás

1 Tartalom Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.

2 Előszó 1. Az adatbányászatról általában Miért adatbányászat? Technológia a rejtett információk megszerzéséhez Nehézségek és buktatók Adatbányászat az üzleti világban Adatbányászat és statisztika Adatbányászat és hagyományos adatelemzés Adatbányászat és manuális elemzés Üzleti haszon az adatok mélyén A könyv felépítése A szerzőkről Az üzleti intelligencia és az adattárházak Üzleti intelligencia Business Intelligence (BI) Adattárházak. Az alaprendszerektől az adatbányászatig adattárházak, adatpiacok Metaadatok Kiaknázás OLAP Egyéb kiaknázó technológiák Az adattárházprojektek tapasztalatai Vállalati adattárház kialakítása A sikeres bevezetés alapfeltételei Adatbányászati projektek módszertana Az adatbányászati projekt Üzletorientált megközelítés Módszertanok Adatbányászati sikertényezők Adatbányászok mintafeladata: prediktív modellezési probléma Jövőbe látni A prediktív modellezés folyamata A prediktív modellezés célja Scorecard A múlt alapján következtetni 108

3 Üzleti haszon az adatok mélyén 5.6. Elemzési környezet kialakítása, adatok, definíciók összegyűjtése Adatok megismerése, megértése Adatok módosítása, modellezéshez előkészítése, modellezés Az előrejelző modell kialakítása, alkalmazása A végleges előrejelző modell és alkalmazása Szegmentáció A szegmentáció célja Ügyfél-szegmentáció Szegmentáló ügyféljellemzők Adat-előkészítés A szegmentációs alaptábla Szegmentálás és profilozás Szegmensalkotási módszerek A szegmentáció működtetése A viselkedés előrejelzése (early warning) A prediktív adatbányászat egy másik feladata A viselkedés felderítése Idősorok: a viselkedésmodellezés alapja Viselkedésmodellezés: a gyakorlat Kampányoptimalizáció Miért kell optimalizálni a marketingkampányokat? Kampányok üzleti célja A kampányoptimalizáció alapproblémája Kampányok tervezése Kampányok egymásra hatása A hasznossági pontszám Túlzott kommunikáció és kizárások Korlátok Az ajánlatok kiosztása Az optimális kiosztás Összegzés Gyakorlati alkalmazás: ügyfélérték-számítás egy telekommunikációs cégnél Érték az ügyfél Általános irányváltás a marketingben Az ügyfélérték fogalma Az ügyfélérték-számítás gyakorlata egy telekommunikációs vállalatnál 208

4 Tartalom 10. Mit jelent az adatminőség? Az adatminőség üzleti jelentősége Az adatminőség problémái Adatminőség-megoldások Megoldási módszerek és algoritmusok Visszamérések Webanalitika és látogatottságelemzés Adat a (világ)hálón A webes szolgáltatási környezet A látogatottságelemzés története Alapvető mérőszámok és jellemzők Adatgyűjtés Látogatók azonosítása Előfeldolgozás Adattárolás és adatok elérhetővé tétele Jelentések, mutatószámok és KPI-k Megjelenítés A látogatottsági adatok minősége Trendek, jövőkép Webanalitika a gyakorlatban Szövegbányászat A szövegbányászat célja Információkinyerés Dokumentumok osztályozása Dokumentumok csoportosítása Kivonatolás Keresés A nagy adattömeg problémája Keresési kérdések Klasszikus keresők Szemantikus keresők Internetes keresés Vállalati keresés miért más belül, mint kívül? Kitekintés Adatbányászat az agráriumban A gazdaság néhány további szegmense 318

5 Üzleti haszon az adatok mélyén Néhány aktuális alkalmazás Adatbányászat a múlt felderítésére Adatbányászversenyek Az adatbányászat szerszámos ládájából néhány statisztikai eszköz Adatbányászat és statisztika A statisztikai sokaság A leíró statisztika A változók megismerése Az objektumok megismerése A statisztikai modellezés és a modellek összehasonlítása Gondolatok az adatbányászat jövőjéről ( ) Az adatbányászat szükségessége Az adatbányászat jövőbeli platformja Újfajta adattartalmak használata Várható itthoni fejlemények 388 Fogalomtár 393 Irodalomjegyzék 407

Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter

Sikerünk 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

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The 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

Részletesebben

Retro adatbányászat. Kovács Gyula Andego Tanácsadó Kft.

Retro 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

Részletesebben

Gyors sikerek adatbányászati módszerekkel

Gyors sikerek adatbányászati módszerekkel Gyors sikerek adatbányászati módszerekkel Kezdő adatbányászati workshop Petrócziné Huczman Zsuzsanna 2015.10.13. Bemutatkozás BME, műszaki informatika szak, adatbányászati szakirány Citibank Data Explorer

Részletesebben

Projektvezetői döntések támogatása webbányászattal

Projektvezetői 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

Részletesebben

A webanalitika változó világa 4 felvonásban

A 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

Részletesebben

Adatbányászat az Oracle9i-ben. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com

Adatbányászat 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

Részletesebben

Palaczk Péter A marketing folyamatok adattárház alapú támogatása

Palaczk 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

Részletesebben

{simplecaddy code=1004}

{simplecaddy code=1004} {simplecaddy code=1004} Könyvünk az adatbányászat tevékenységének lépéseit részletesen bemutatva kívánja megismertetni az olvasót, azzal hogy milyen jellegű gazdasági, mérnöki, illetve tudományos problémák

Részletesebben

Webanalitika a mindennapokban

Webanalitika 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

Részletesebben

Gyors sikerek adatbányászati módszerekkel

Gyors sikerek adatbányászati módszerekkel Gyors sikerek adatbányászati módszerekkel Kezdő adatbányászati workshop Petrócziné Huczman Zsuzsanna Tajti András 2016.10.25. Petrócziné Huczman Zsuzsanna Andego Tanácsadó Kft. PBA, KÖBE, Fókusz Takarék,

Részletesebben

A termékfejlesztés modelljei

A termékfejlesztés modelljei Marketing II. Ipari termék- és formatervező mérnök szak A termékfejlesztési folyamat modellezése és marketing információval való támogatása. Amiről ma szó lesz Tankönyv: 7. fejezet. Témakörök: 1. A termékfejlesztési

Részletesebben

Témaválasztás, kutatási kérdések, kutatásmódszertan

Témaválasztás, kutatási kérdések, kutatásmódszertan Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének

Részletesebben

Infor PM10 Üzleti intelligencia megoldás

Infor 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

Részletesebben

Nemzeti Workshop. Új üzleti modellek és élelmiszer-feldolgozási stratégiák

Nemzeti Workshop. Új üzleti modellek és élelmiszer-feldolgozási stratégiák Nemzeti Workshop Új üzleti modellek és élelmiszer-feldolgozási stratégiák Dr. Sebők András Campden BRI Magyarország Nonprofit Kft. 1 Az üzleti modell célja 2 Olyan vonzó ajánlat a vevők számára - a termékek

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

A benchmarking fogalma

A benchmarking fogalma Benchmarking Dr. Koczor Zoltán 1 A fogalma Összevetésként használt szervezet Felhasznált erőforrások ESZKÖZÖK CÉLOK Belső folyamatszabályozás Dr. Koczor Zoltán 2 1 A célja Értékelnünk kell a jelenlegi

Részletesebben

Innovatív trendek a BI területén

Innovatív 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

Részletesebben

Versenyelőnyszerzés az intelligens megoldások korában. Rehus Péter, SWG CEE, IS brand igazgató November 5.

Versenyelőnyszerzés az intelligens megoldások korában. Rehus Péter, SWG CEE, IS brand igazgató November 5. Versenyelőnyszerzés az intelligens megoldások korában Rehus Péter, SWG CEE, IS brand igazgató 2013. November 5. Az új korszak átformálja a üzleti folyamatokat Big Data, közösség, mobil és felhőalapú e-business

Részletesebben

Így 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. 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

Részletesebben

BIG DATA ELEMZÉSEK LEHETŐSÉGEI

BIG DATA ELEMZÉSEK LEHETŐSÉGEI BIG DATA ELEMZÉSEK LEHETŐSÉGEI A KÖRNYEZETVÉDELMI MODELLEZÉSBEN Dr. Torma A. 2015.11.13. 2015/11/13 Dr. TORMA A. >> Széchenyi István Egyetem 2 Tartalom 1. A Big Data fogalma 2. Pár érdekes adat a Big Data

Részletesebben

Informatikai projekteredmények elfogadottságának tényezői

Informatikai projekteredmények elfogadottságának tényezői Informatikai projekteredmények elfogadottságának tényezői Rabi Ákos 2014.02.18. Tartalom 1. Problémafelvetés Informatikai projekteredmények elfogadottsága 2. Informatikai projektek sikertényezői 3. Szoftverek

Részletesebben

Papp Attila. BI - mindenkinek

Papp 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

Részletesebben

Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):

Vállalati 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

Részletesebben

TÁMOP 4.1.1 intézményi követelmények. Vezetői Információs Rendszer

TÁMOP 4.1.1 intézményi követelmények. Vezetői Információs Rendszer TÁMOP 4.1.1 intézményi követelmények Vezetői Információs Rendszer Tartalom 1. Bevezetés... 2 2. Szakmai követelmények... 2 A rendszer felhasználói és a biztosított felhasználások (információszolgáltatások)...

Részletesebben

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Varga Domonkos (I.évf. PhD hallgató) 2014 május A prezentáció felépítése 1) Alapfogalmak 2) A gépi tanulás, mintafelismerés alkalmazási

Részletesebben

Kővári Attila, BI projekt

Kővári 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

Részletesebben

Hogyan lesz adatbányából aranybánya?

Hogyan lesz adatbányából aranybánya? Hogyan lesz adatbányából aranybánya? Szolgáltatások kapacitástervezése a Budapest Banknál Németh Balázs Budapest Bank Fehér Péter - Corvinno Visontai Balázs - KFKI Tartalom 1. Szolgáltatás életciklus 2.

Részletesebben

CRM fentről és lentről

CRM fentről és lentről CRM fentről és lentről HOUG 2014 CRM szekció 2014. március 25. Jelinek Tamás CRM üzleti projektvezető (Groupama Garancia Biztosító Zrt.) Blastik Mátyás CRM kompetenciaközpont-vezető (Mortoff Kft.) A Groupama-Garancia

Részletesebben

Marketing Megfeleljen a vásárlók igényeinek nyereséges módon

Marketing Megfeleljen a vásárlók igényeinek nyereséges módon Marketing Marketinget gyakran tekintik mint a munka létrehozása, a termékek és szolgáltatások promóciója és szállítása az egyéni fogyasztók vagy más cégek, az úgynevezett üzleti ügyfelek számára. (A legrövidebb

Részletesebben

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2010/2011 tavaszi félév SZTE Eötvös Loránd Kollégium 1. Dombi József: Fuzzy elmélet és alkalmazásai 2011. március 3. 19:00 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2011. március

Részletesebben

Adatbányászat és Perszonalizáció az Oracle9i-ben

Adatbányászat 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?

Részletesebben

Ügyfélkapcsolat menedzsment rendszerek nyílt forráskódú szoftverekkel. Herdon Miklós, Kaderják Gyula, Simon András

Ügyfélkapcsolat menedzsment rendszerek nyílt forráskódú szoftverekkel. Herdon Miklós, Kaderják Gyula, Simon András Ügyfélkapcsolat menedzsment rendszerek nyílt forráskódú szoftverekkel Herdon Miklós, Kaderják Gyula, Simon András Mi a CRM? A Customer Relationship Management, vagyis az ügyfélkapcsolat-menedzsment kifejezés

Részletesebben

Self 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, 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,

Részletesebben

A hálózattervezés alapvető ismeretei

A hálózattervezés alapvető ismeretei A hálózattervezés alapvető ismeretei Infokommunikációs hálózatok tervezése és üzemeltetése 2011 2011 Sipos Attila ügyvivő szakértő BME Híradástechnikai Tanszék siposa@hit.bme.hu A terv általános meghatározásai

Részletesebben

A felhasználó megismerése: újdonságok a személyre szabási technológiákban

A felhasználó megismerése: újdonságok a személyre szabási technológiákban A MARKETING ESZKÖZEI A felhasználó megismerése: újdonságok a személyre szabási technológiákban Manapság a legtöbb szervezetnél egymás követik az e-üzleti kezdeményezések. Egyre nyilvánvalóbb, hogy az e-üzleti

Részletesebben

Bánsághi Anna anna.bansaghi@mamikon.net. Bánsághi Anna 1 of 70

Bánsághi Anna anna.bansaghi@mamikon.net. Bánsághi Anna 1 of 70 SZOFTVERTECHNOLÓGIA Bánsághi Anna anna.bansaghi@mamikon.net 7. ELŐADÁS - RENDSZERTERVEZÉS 3 Bánsághi Anna 1 of 70 TEMATIKA I. SZOFTVERTECHNOLÓGIA ALTERÜLETEI II. KÖVETELMÉNY MENEDZSMENT III. RENDSZERMODELLEK

Részletesebben

Csalásfelderítés és előrejelzési megoldás. 2014. május 20.

Csalásfelderítés és előrejelzési megoldás. 2014. május 20. Csalásfelderítés és előrejelzési megoldás Szász Viktor IBM BA Technical Presales 2014. május 20. A kockázat besorolás egy folyamatos egyensúlyozás... Az Üzleti Analitika segít az egyes célok hatékonyságának

Részletesebben

Adatbányászat: Bevezetés. 1. fejezet. Tan, Steinbach, Kumar Bevezetés az adatbányászatba

Adatbányászat: Bevezetés. 1. fejezet. Tan, Steinbach, Kumar Bevezetés az adatbányászatba Adatbányászat: Bevezetés 1. fejezet Tan, Steinbach, Kumar Bevezetés az adatbányászatba előadás-fóliák fordította Ispány Márton Logók és támogatás A tananyag a TÁMOP-4.1.2-08/1/A-2009-0046 számú Kelet-magyarországi

Részletesebben

Big Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting

Big Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting Big Data adattárházas szemmel Arató Bence ügyvezető, BI Consulting 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia és adattárházak területén A BI Consulting szakmai igazgatója A BI.hu

Részletesebben

Néhány gondolat a projekt menedzsment kommunikációjához

Néhány gondolat a projekt menedzsment kommunikációjához Néhány gondolat a projekt menedzsment kommunikációjához avagy amiről a módszertanok nem írnak dr. Prónay Gábor 6. Távközlési és Informatikai Projekt Menedzsment Fórum 2003. április 10. AZ ELŐADÁS CÉLJA

Részletesebben

Információs társadalom

Információs társadalom SZÓBELI TÉMAKÖRÖK INFORMATIKÁBÓL 2015. Információs társadalom Kommunikáció fogalma, fajtái, általános modellje. Példák. A jel, adat, információ, zaj és a redundancia fogalma. Példák. Különbség a zaj és

Részletesebben

10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA

10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA 10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA Dr. Danyi Pál Egyetemi docens, BME 2015-16 I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 1 MIS RENDSZEREK: ALKALMAZÁS-TECHNOLÓGIA-ADAT MIS rendszerek: DSS,

Részletesebben

Gazdasági informatika alapjai

Gazdasági 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

Részletesebben

Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon

Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon esettanulmány csokor, mely megpróbálja összefoglalni az elmúlt 10 év tapasztalatait,tanulságait és bemutat egy élő, hazai

Részletesebben

Hogyan teremtsünk értéket strukturálatlan adatokból?

Hogyan teremtsünk értéket strukturálatlan adatokból? Hogyan teremtsünk értéket strukturálatlan adatokból? Nemeth.Zoltan@iqpp.hu Strukturálatlan adat A Merill Lynch becslése szerint az összes üzleti információ több mint 85%-a strukturálatlan adatok formájában

Részletesebben

Adatbányászat és Perszonalizáció architektúra

Adatbányászat 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

Részletesebben

Gáspár Bencéné Vér Katalin *

Gáspár Bencéné Vér Katalin * 109 Gáspár Bencéné Vér Katalin * ADATBÁNYÁSZAT A GAZDASÁGI ÉLETBEN Az adatbányászat egy döntéstámogatási módszer, olyan üzleti intelligencia megoldás, amely új üzleti lehetõségeket segít megtalálni és

Részletesebben

ADATROBBANÁS. A helyzet alulról január 21. Pajna Sándor. vezérigazgató

ADATROBBANÁS. A helyzet alulról január 21. Pajna Sándor. vezérigazgató 2016. 01. 26. 1 ADATROBBANÁS A helyzet alulról 2016. január 21. Pajna Sándor vezérigazgató 2016. 01. 26. 2 Áruk információ tartalmának változása 60 50 Információ(%) Nyersanyag(%) Energia(%) 40 30 20 10

Részletesebben

Mezőgazdasági külső információs rendszerek fejlesztése

Mezőgazdasági külső információs rendszerek fejlesztése Mezőgazdasági külső információs rendszerek fejlesztése Pető István Szent István Egyetem, Gödöllő Gazdasági Informatika Tanszék I. Agrárinformatikai Nyári Egyetem, Gödöllő 2004. augusztus 25-27. Az előadás

Részletesebben

Tudásalapú információ integráció

Tudásalapú 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

Részletesebben

Változó vásárlói szokások nyomon követése 2016 Szeptember SAP Forum. Komjáthy Csaba

Változó vásárlói szokások nyomon követése 2016 Szeptember SAP Forum. Komjáthy Csaba Változó vásárlói szokások nyomon követése 2016 Szeptember SAP Forum Komjáthy Csaba Digitális átalakulás, nem csak az online boltokban A bolti értékesítés megoszlása a teljes kereskedelmi bevételek tekintetében

Részletesebben

icollware szoftver portfolió

icollware szoftver portfolió icollware szoftver portfolió Mandász Gábor 2013. július 18. Tartalom 1. Előzmények Szakértői terület megismerése Elektronikus csoportmunka rendszerek fejlesztése 3D technológiai kutatások 2. Célok Meglévő

Részletesebben

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Dr. Koltai Tamás egyetemi tanár Menedzsment és Vállalatgazdaságtan Tanszék Tematika Kvantitatív eszközök használata Esettanulmányok

Részletesebben

Oracle Middleware megoldások helye üzleti esettanulmányokon keresztül bemutatva, különböző iparágakban

Oracle Middleware megoldások helye üzleti esettanulmányokon keresztül bemutatva, különböző iparágakban Oracle Middleware megoldások helye üzleti esettanulmányokon keresztül bemutatva, különböző iparágakban Lenti József Projektkoordinációs vezető Intalion Kft. BPM Business Process Management Rövid áttekintés

Részletesebben

Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez

Big 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

Részletesebben

MODERN VEZETÕI CONTROLLING

MODERN VEZETÕI CONTROLLING DR. HANYECZ LAJOS MODERN VEZETÕI CONTROLLING GAZDÁLKODÁS MENEDZSMENT Budapest, 2011 Szerzõ: Dr. Hanyecz Lajos 9.3 9.6 rész szerzõje Kristóf Péter Lektor: Dr. Bélyácz Iván ISBN 978 963 638 379 4 Kiadja

Részletesebben

Adatbányászat & tudásfeltárás Újszerû eszközök és technikák az üzleti döntéstámogatáshoz

Adatbányászat & tudásfeltárás Újszerû eszközök és technikák az üzleti döntéstámogatáshoz www.iir-hungary.hu IIR-Szakkonferencia a felsôvezetés számára The World's Leading Conference Company Institute for International Research Adatbányászat & tudásfeltárás Újszerû eszközök és technikák az

Részletesebben

STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE

STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE Mi az üzleti tervezés A józan ész diadala az önámítás felett A tervezés tisztán matematika Nagy számok törvénye Egy egész szám felírható néhány

Részletesebben

Segítség, összementem!

Segítség, összementem! Segítség, összementem! Előadók: Kránicz László Irimi János Budapest, 2013. április 10. ITFI - Adatintegrációs Kompetencia Központ ITFI - Adatintegrációs Kompetencia Központ Tartalomjegyzék 2 Az Adattárház

Részletesebben

STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE

STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE STRATÉGIAALKOTÁS, ÜZLETI TERVEZÉS A VÁLLALKOZÁS KREATÍV RÉSZE MI AZ ÜZLETI TERVEZÉS A józan ész diadala az önámítás felett A józan ész diadala az önámítás felett A TERVEZÉS TISZTÁN MATEMATIKA Nagy számok

Részletesebben

KOPI. KOPI Online Plágiumkereső és Információs Portál DSD. Pataki Máté MTA SZTAKI. Elosztott Rendszerek Osztály

KOPI. KOPI Online Plágiumkereső és Információs Portál DSD. Pataki Máté MTA SZTAKI. Elosztott Rendszerek Osztály KOPI Rendszerek Osztály KOPI Online Plágiumkereső és Információs Portál Pataki Máté MA SZAKI émakörök Bemutatkozás A KOPI projekt célja A rendszer működése A KOPI portál bemutatása ovábbfejlesztési lehetőségek

Részletesebben

Üzleti intelligencia megoldások

Üzleti intelligencia megoldások Üzleti intelligencia megoldások A bennünket körülvevő adatmennyiség szinte elképzelhetetlen mértékben növekszik. Egyes becslések szerint az emberiség jelenleg 1-2 exabyte (millió terabyte) mennyiségű új

Részletesebben

INGATLANMARKETING. a globális válság ellen a marketing eszközeivel

INGATLANMARKETING. a globális válság ellen a marketing eszközeivel INGATLANMARKETING a globális válság ellen a marketing eszközeivel a marketing fogalmának bevezetése Kottler szerint : a marketing olyan, mint a kertészkedés. marketing értékesítés A marketing nem olyan,

Részletesebben

Számítógépes döntéstámogatás. Bevezetés és tematika

Számítógépes 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

Részletesebben

Hát én immár mit válasszak?

Hát én immár mit válasszak? Hát én immár mit válasszak? Az SQI szoftverminőséggel kapcsolatos kutatási projektjei Dr. Balla Katalin 2005.04.15. ~ A környezet ~ Az SQI kutatási-fejlesztési projektjei ~ TST ~ IKKK Miről lesz szó 2005.04.15.

Részletesebben

PROJEKT MENEDZSMENT ERŐFORRÁS KÉRDÉSEI

PROJEKT MENEDZSMENT ERŐFORRÁS KÉRDÉSEI PROJEKT MENEDZSMENT ERŐFORRÁS KÉRDÉSEI Dr. Prónay Gábor 2. Távközlési és Informatikai PM Fórum PM DEFINÍCIÓ Költség - minőség - idő - méret C = f (P,T,S ) Rendszer - szervezet - emberek rendszertechnikai

Részletesebben

<Insert Picture Here> Közeli jövőkép az üzleti intelligenciáról

<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

Részletesebben

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

NEMZETKÖZI FELSŐOKTATÁSI MARKETING ISMERETEK KÉPZÉS ÉS FELSŐOKTATÁS NEMZETKÖZI FEJLESZTÉSÉÉRT DÍJ PÁLYÁZATAINAK SZAKMAI BÍRÁLATA ÖSSZEFOGLALÓ

NEMZETKÖZI FELSŐOKTATÁSI MARKETING ISMERETEK KÉPZÉS ÉS FELSŐOKTATÁS NEMZETKÖZI FEJLESZTÉSÉÉRT DÍJ PÁLYÁZATAINAK SZAKMAI BÍRÁLATA ÖSSZEFOGLALÓ NEMZETKÖZI FELSŐOKTATÁSI MARKETING ISMERETEK KÉPZÉS ÉS FELSŐOKTATÁS NEMZETKÖZI FEJLESZTÉSÉÉRT DÍJ PÁLYÁZATAINAK SZAKMAI BÍRÁLATA ÖSSZEFOGLALÓ Fojtik János - Kuráth Gabriella Felsőoktatás nemzetköziesítése

Részletesebben

Átlátni és rendszerezni Az adatbányászat, a CRM és a piackutatás kapcsolata

Átlátni és rendszerezni Az adatbányászat, a CRM és a piackutatás kapcsolata Átlátni és rendszerezni Az adatbányászat, a CRM és a piackutatás kapcsolata Aki mostanában konferenciákon, elõadásokon jár, vagy különbözõ marketinggel kapcsolatos szaklapokat olvas, nehezen kerülheti

Részletesebben

Web Értékesítő" 3. 1. Szerepkör leírás" 3. 2 Szerepkör profil" 4. 2.1 Profil összefoglalása" 4. 2.2 Részletes profil" 5

Web Értékesítő 3. 1. Szerepkör leírás 3. 2 Szerepkör profil 4. 2.1 Profil összefoglalása 4. 2.2 Részletes profil 5 ! Web Értékesítő Web Értékesítő" 3 1. Szerepkör leírás" 3 2 Szerepkör profil" 4 2.1 Profil összefoglalása" 4 2.2 Részletes profil" 5 2 Web Értékesítő 1. Szerepkör leírás Profil neve Profil alternatív nevei

Részletesebben

A tananyag beosztása, informatika, szakközépiskola, 9. évfolyam 36

A tananyag beosztása, informatika, szakközépiskola, 9. évfolyam 36 A tananyag beosztása, informatika, szakközépiskola, 9. évfolyam 36 1. Az informatikai eszközök használata 5 4. Infokommunikáció, 5. Az információs társadalom 1 4.1. Információkeresés, információközlési

Részletesebben

A tételek nappali és levelező tagozaton

A tételek nappali és levelező tagozaton ZÁRÓVIZSGA TÉMAKÖRÖK Turizmus-vendéglátás BA alapszak 2013/2014. tanév I. félév A tételek 1. A turizmus fogalmi meghatározása és fejlődéstörténete. A turizmus legfontosabb világtendenciái, Európa turizmusának

Részletesebben

Big Data az adattárházban

Big 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

Részletesebben

CRM magyarosan? CRM bevezetési stratégiák és tapasztalatok a hazai bankszektorban

CRM magyarosan? CRM bevezetési stratégiák és tapasztalatok a hazai bankszektorban CRM magyarosan? CRM bevezetési stratégiák és tapasztalatok a hazai bankszektorban Tóth Miklós Krisztián FMC Consulting 2006.11.15. Témák Ügyfélkezelési (CRM) megoldások CRM értelmezések, megközelítések

Részletesebben

Változások előtt hol áll a banki (adat)elemzés? Nándorfi György

Változások 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

Részletesebben

Online marketing szakirányú továbbképzési szak képzési és kimeneti követelményei

Online marketing szakirányú továbbképzési szak képzési és kimeneti követelményei Online marketing szakirányú továbbképzési szak képzési és kimeneti követelményei Tudományterület, tudományág: gazdaságtudományok Képzési forma: levelező A szakért felelős kar: Gazdálkodástudományi és Vidékfejlesztési

Részletesebben

AZ ÜGYFÉL KOMMUNIKÁCIÓ ÚJ FORMÁI POZITÍV ÜGYFÉLÉLMÉNY SZÖVEGBÁNYÁSZATI MEGOLDÁSOK

AZ ÜGYFÉL KOMMUNIKÁCIÓ ÚJ FORMÁI POZITÍV ÜGYFÉLÉLMÉNY SZÖVEGBÁNYÁSZATI MEGOLDÁSOK AZ ÜGYFÉL KOMMUNIKÁCIÓ ÚJ FORMÁI POZITÍV ÜGYFÉLÉLMÉNY SZÖVEGBÁNYÁSZATI MEGOLDÁSOK HOFGESANG PÉTER ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK Hagyományos és új kommunikációs formák Szöveges adatok Szöveganalitika

Részletesebben

Az információs rendszerek funkcionális változásai a kis és középvállalkozások szemszögéből. DE ATC AVK Gazdasági- és Agrárinformatikai Tanszék

Az 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

Részletesebben

Önkiszolgáló BI Az üzleti proaktivítás eszköze. Budapest,

Önkiszolgáló BI Az üzleti proaktivítás eszköze. Budapest, Önkiszolgáló BI Az üzleti proaktivítás eszköze Budapest, 2016.10.27 Tartalom 1. Kihívások Való Világ 2. Hogyan segít az Önkiszolgáló BI? confidential 10/26/2016 2 Riportokkal szembeni igények alakulása

Részletesebben

DW/BI rendszerek kialakítása bevezetői szemszögből. Gollnhofer Gábor - Meta Consulting Kft.

DW/BI rendszerek kialakítása bevezetői szemszögből. Gollnhofer Gábor - Meta Consulting Kft. DW/BI rendszerek kialakítása bevezetői szemszögből Gollnhofer Gábor - Meta Consulting Kft. Bemutatkozás Meta Consulting Kft. BI, DW és CRM rendszerek tervezése és kialakítása rendszerintegráció, egyedi

Részletesebben

Ágazati Vezetői Információs Rendszer koncepciója

Ágazati Vezetői Információs Rendszer koncepciója Ágazati Vezetői Információs Rendszer koncepciója Ágazati Vezetői Információs Rendszer koncepciója Bemutatja: Bruhács Tamás főosztályvezető-helyettes - OM, Fejlesztési és Tudományos Ügyek Főosztálya Hodász

Részletesebben

I. RÉSZ. Tartalom. Köszönetnyilvánítás...13 Bevezetés...15

I. RÉSZ. Tartalom. Köszönetnyilvánítás...13 Bevezetés...15 Tartalom 5 Tartalom Köszönetnyilvánítás...13 Bevezetés...15 I. RÉSZ AZ ALAPOK... 17 1. fejezet Egy kis történelem...19 A korai MIS rendszerektől az alapgondolatig...19 Operatív és analitikus rendszerek

Részletesebben

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás)

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Saját vállalkozás Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Piaci részesedés Haszonkulcs Marketing folyamatok Marketing szervezet Értékesítési/marketing kontrol adatok

Részletesebben

A tudás handrendbe állítása, azaz SPSS PES

A 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

Részletesebben

Intelligens beágyazott rendszer üvegházak irányításában

Intelligens beágyazott rendszer üvegházak irányításában P5-T6: Algoritmustervezési környezet kidolgozása intelligens autonóm rendszerekhez Intelligens beágyazott rendszer üvegházak irányításában Eredics Péter, Dobrowiecki P. Tadeusz, BME-MIT 1 Üvegházak Az

Részletesebben

BI FÓRUM - 2013. Üzleti Intelligencia Osztály Motto: szenvedélyünk az adat

BI FÓRUM - 2013. Üzleti Intelligencia Osztály Motto: szenvedélyünk az adat BI FÓRUM - 2013 Üzleti Intelligencia Osztály Motto: szenvedélyünk az adat Tartalom BI terület - rövid áttekintés Minden az adattisztítással kezdődött Az első eredmények Tanulságok A siker 4 pillére Háztáji

Részletesebben

TARTALOM A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI

TARTALOM A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI TARTALOM Prológus: Comparare necesse est (Az eredeti angol kiadáshoz) 13 Elõszó a magyar kiadáshoz 17 1. fejezet A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI 1.1 Bevezetés 19 1.2 A behaviorizmustól

Részletesebben

Gépi tanulás a gyakorlatban. Bevezetés

Gépi tanulás a gyakorlatban. Bevezetés Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis

Részletesebben

Smarter cities okos városok. Dr. Lados Mihály intézetigazgató Horváthné Dr. Barsi Boglárka tudományos munkatárs MTA RKK NYUTI

Smarter cities okos városok. Dr. Lados Mihály intézetigazgató Horváthné Dr. Barsi Boglárka tudományos munkatárs MTA RKK NYUTI MTA Regionális Kutatások Központja Nyugat-magyarországi Tudományos Intézet, Győr Smarter cities okos városok Dr. Lados Mihály intézetigazgató Horváthné Dr. Barsi Boglárka tudományos munkatárs MTA RKK NYUTI

Részletesebben

Oracle adatbányászati platform. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com

Oracle adatbányászati platform. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com Oracle adatbányászati platform Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com E-business Intelligence piaci trendek A teljes ügyfél életciklus során az összes értékesítési ponton felkeresni

Részletesebben

Az online platform, amely összeköti Európát.

Az online platform, amely összeköti Európát. Az online platform, amely összeköti Európát. Az élelmiszer-ágazati portál: foodsolution.info Hozzáadott érték a beszerzéshez. Használja a foodsolution.info oldalt beszerzéshez, termékfejlesztéshez, benchmarkinghoz,

Részletesebben

Pénzügyi és Számviteli Intézet intézetvezető: Prof. Dr. Vigvári András CSc. Számvitel Intézeti Tanszék

Pénzügyi és Számviteli Intézet intézetvezető: Prof. Dr. Vigvári András CSc. Számvitel Intézeti Tanszék TANTÁRGYAK INTÉZETI TANSZÉKI BONTÁSBAN A Budapesti Gazdasági Főiskolán és a karokon szakmai intézetek működnek. Az intézetekhez intézeti tanszékek illetve intézeti tanszéki osztályok kapcsolódnak. A Pénzügyi

Részletesebben

I. CRM elmélete és gyakorlata. II. Stratégiai elemek. III. Strukturális megoldások

I. CRM elmélete és gyakorlata. II. Stratégiai elemek. III. Strukturális megoldások Transzformáció -CRM Értékesítési stratégiák I. CRM elmélete és gyakorlata II. Stratégiai elemek III. Strukturális megoldások 1 Customer Relationship Management egy filozófia Értékesítés Ügyfél Marketing

Részletesebben

Geoinformatikai rendszerek

Geoinformatikai 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

1. Eredményes befolyásolás Kapcsolatépítés és eredmények elérése (20 óra)

1. Eredményes befolyásolás Kapcsolatépítés és eredmények elérése (20 óra) Felnőttképzés Képzéseink jelentős része a fejlesztéspolitikai témákhoz kapcsolódik: érintik az egyedi projekt szintet, ugyanúgy, ahogy a programozás ciklusát is. Ügyfeleink számára előzetes igényfelmérés

Részletesebben