Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.
|
|
- Zsolt Török
- 8 évvel ezelőtt
- Látták:
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 Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta
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
RészletesebbenSzemléletmód váltás a banki BI projekteken
Szemléletmód váltás a banki BI projekteken Data Governance módszertan Komáromi Gábor 2017.07.14. Fókuszpontok áthelyezése - Elérendő célok, elvárt eredmény 2 - Egységes adatforrásra épülő, szervezeti egységektől
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
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
RészletesebbenGyors 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
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
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
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
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
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
Részletesebben{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
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
RészletesebbenA 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
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
RészletesebbenGyors 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,
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
RészletesebbenNemzeti 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
RészletesebbenTémaválasztás, 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
RészletesebbenVersenyelőnyszerzés 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
RészletesebbenS 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
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
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
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
RészletesebbenS atisztika 1. előadás
Statisztika 1. előadás A kutatás hatlépcsős folyamata 1. lépés: Problémameghatározás 2. lépés: A probléma megközelítésének kidolgozása 3. lépés: A kutatási terv meghatározása 4. lépés: Terepmunka vagy
RészletesebbenBIG 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
RészletesebbenInformatikai projekteredmények elfogadottságának tényezői
Informatikai projekteredmények elfogadottságának tényezői Rabi Ákos 2014.02.18. Tartalom 1. Problémafelvetés Informatikai projekteredmények elfogadottsága 2. Informatikai projektek sikertényezői 3. Szoftverek
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
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
RészletesebbenAz adatelemző felelőssége tapasztalatok a biztosítási analitikában
Az adatelemző felelőssége tapasztalatok a biztosítási analitikában Szabó Dániel Advanced Analytics team vezető Budapest, 2018. június 14. Segítünk az embereknek anyagi biztonságot teremteni egy életen
RészletesebbenA 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
RészletesebbenTÁMOP 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)...
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?
RészletesebbenStatisztikai 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
RészletesebbenSZTE 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
Részletesebben10. 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,
RészletesebbenAlkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft.
Tudásmodellezés Kereskedelmi Alkalmazásokban Dezsényi Csaba Ovitas Magyarország kft. Tudásmenedzsment Adat -> Információ -> Tudás Intézményi tudásvagyon hatékony kezelése az üzleti célok megvalósításának
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
RészletesebbenHogyan 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.
RészletesebbenCRM 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
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
RészletesebbenÜgyfélkapcsolat 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
RészletesebbenA 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
RészletesebbenA 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
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,
RészletesebbenCsalásfelderítés 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
RészletesebbenFogalomtár bevezetése a Magyar Telekomnál
Fogalomtár bevezetése a Magyar Telekomnál Koncz Béla (MT) Tóth Rózsa (IQSYS) IQSYMPOSIUM, 2012. április 26 Tartalom 1. A projekt: Dilemmák és megoldások a Fogalomtár körül 2. Az eszköz: Funkciók és a működési
RészletesebbenGáspár 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
RészletesebbenBánsághi 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
RészletesebbenTermelési 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
RészletesebbenBig 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
RészletesebbenAdatbányászat: 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
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,
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
RészletesebbenÜzleti és Közszolgálati informatika szakirányok. Tanszék
Üzleti és Közszolgálati informatika szakirányok Információrendszerek Tanszék Mire készítjük fel a hallgatókat? A piaci elvárások Üzleti informatika szakirány Információrendszerek Tanszék Cél Informatika
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
RészletesebbenHogyan 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
RészletesebbenÜZLETI INTELLIGENCIA ÉS VIZUALITÁS 31. Vándorgyűlés Szekszárd 2017
31. Vándorgyűlés 1 ÜZLETI INTELLIGENCIA ÉS VIZUALITÁS 31. Vándorgyűlés Szekszárd 2017 VÖRÖS ÁRPÁD TAMÁS 31. Vándorgyűlés 2 Alkalom, lehetőség, változás, paradigma váltás A digitális univerzum adat mennyisége
RészletesebbenTeljeskörű 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
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
RészletesebbenMarketing 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
RészletesebbenMi legyen az informatika tantárgyban?
Mi legyen az informatika tantárgyban? oktatás fő területei: digitális írástudás; számítástudomány; információs technológiák. Digitális írástudás szövegszerkesztés, adat vizualizáció, prezentáció, zeneszerkesztés,
RészletesebbenTipikus időbeli internetezői profilok nagyméretű webes naplóállományok alapján
Tipikus időbeli internetezői profilok nagyméretű webes naplóállományok alapján Schrádi Tamás schraditamas@aut.bme.hu Automatizálási és Alkalmazott Informatikai Tanszék BME A feladat A webszerverek naplóállományainak
RészletesebbenVáltozó 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
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
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
Részletesebbenicollware 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
RészletesebbenADATROBBANÁS. 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
RészletesebbenTermelési 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
RészletesebbenOracle 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
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
RészletesebbenNéhány 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
RészletesebbenMODERN 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
RészletesebbenInformációs 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
RészletesebbenPROGRAMTERVEZŐ INFORMATIKUS ALAPKÉPZÉSI SZAK
PROGRAMTERVEZŐ INFORMATIKUS ALAPKÉPZÉSI SZAK 1. Az alapképzési szak megnevezése: programtervező informatikus (Computer Science) 2. Az alapképzési szakon szerezhető végzettségi szint és a szakképzettség
RészletesebbenAdatbányászat & 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
RészletesebbenDigitális kultúra, avagy hová lett az informatika az új NAT-ban? Farkas Csaba
Digitális kultúra, avagy hová lett az informatika az új NAT-ban? Farkas Csaba farkas.csaba@uni-eszterhazy.hu Áttekintés A digitális átalakulás nem választás kérdése: olyan elkerülhetetlen jelenség, amelyre
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
RészletesebbenKOPI. 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
RészletesebbenA hivatalos statisztika modernizációja az adatforradalom korában
A hivatalos statisztika modernizációja az adatforradalom korában Vukovich Gabriella 150 éves a Központi Statisztikai Hivatal Földi sokaságok égi tünemények konferencia 2017. október 18. A statisztika előtt
RészletesebbenPIACKUTATÁS VERSENYTÁRS ELEMZÉS
PIACKUTATÁS VERSENYTÁRS ELEMZÉS 1 Ügyfélismeretből kiinduló üzleti modellek Az egész a vevő megértésével kezdődik Lehetséges vevőink, a PIAC ahova az értékajánlatunkat el kell juttatnunk: Emberek és számítógépes
RészletesebbenProjekt specifikus megvalósítás I. Merre tart az informatikai Hogyan érinti ez a megvalósítást Sándor Tamás
Projekt specifikus megvalósítás I Merre tart az informatikai Hogyan érinti ez a megvalósítást Merre tart az informatika Mi lesz a következő IPAR 4.0 IoT Intelligens Otthon Intelligens Város Önvezető Autó????
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
RészletesebbenINGATLANMARKETING. 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,
RészletesebbenHát 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.
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,
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
RészletesebbenOracle 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<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
RészletesebbenWeb 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
RészletesebbenMezőgazdasági 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
RészletesebbenA 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
RészletesebbenA kiadvány a 23/2008. (VIII. 8.) PM rendelet szerinti szakmai és vizsgakövetelmények követelménymoduljaihoz kapcsolódó tankönyvek, tanulmányi
A kiadvány a 23/2008. (VIII. 8.) PM rendelet szerinti szakmai és vizsgakövetelmények követelménymoduljaihoz kapcsolódó tankönyvek, tanulmányi segédletek elkészítésére kíírt pályázat keretében a Pénzügyminisztérium
RészletesebbenPIACKUTATÁS (MARKETINGKUTATÁS)
PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel
RészletesebbenÁtlátni 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
RészletesebbenOnline 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
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
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
RészletesebbenCRM 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