Filip Cyprowski

Wielkość: px
Rozpocząć pokaz od strony:

Download "Filip Cyprowski 2014-06-23"

Transkrypt

1 Big Data. Minipodręcznik dla laików Filip Cyprowski

2 Spis treści Co to jest Big Data?... 3 Kto korzysta z Big Data?... 6 Big Words kluczowe pojęcia dla Big Data... 7 Data science... 7 Data mining... 8 Machine learning... 9 MapReduce Hadoop Narzędzia do analizy Big Data Big data w małej firmie Czy naprawdę musisz? Nowe możliwości Rozwój technik analitycznych Rozwój infrastruktury analitycznej Rewolucja Open Source Zamiast podsumowania jak zwiększyć efektywność firmy dzięki Big Data? Co my możemy zaproponować?

3 Co to jest Big Data? Dużo danych? Wielkie dane? Wszyscy o tym słyszymy, ale właściwie nie wiemy o czym naprawdę mowa i przede wszystkim jakie znaczenie ma dla nas niekoniecznie szefów Facebooka, Google i wielkich projektów naukowych jak Herschel Space Observatory? Big Data to przede wszystkim analizy i sposoby przetwarzania danych. Krótko mówiąc w kontekście biznesowym jest to nowy sposób na wyciągnięcie z rozmaitych danych (internetowych, wewnętrznych - np. z maszyn produkcyjnych) wiedzy, która przyczyni się do poprawy funkcjonowania firmy. Z reguły zresztą chodzi o zmianę rewolucyjną, wzbicie firmy na wyższy poziom efektywności. Dlaczego jednak uznajemy, że jest to nowy sposób? W końcu analizy w firmach prowadzone są z różnym natężeniem od dawna. Big Data definiuje się najczęściej poprzez trzy warunki (tzw. 3V 1 ). Mówimy więc, że data jest big, gdy: Danych jest dużo ( Volume ) niestety brakuje odpowiedzi na pytanie, od jakiej ilości danych stwierdza się, że tak jest. Kilka gigabajtów? Terabajt? Kilka terabajtów? Kwestia ta jest, jak się okazuje, dość subiektywna. Wrócimy do tego. Dane szybko wchodzą i wychodzą ( Velocity ) czyli analizy tworzone są często w czasie rzeczywistym, są silnie zautomatyzowane (np. bez interakcji z człowiekiem pobierają niezbędne dane, przetwarzają je itd.) oraz ilość danych stale się powiększa. Dane są zróżnicowane ( Variety ) mają różne formaty (np. teksty, zdjęcia, filmy, dokumenty) i często są nieustrukturyzowane. Oznacza to, że aplikacje i programy Big Data muszą być zdolne do ich przetwarzania i strukturyzowania. Co to oznacza? Wyjaśnimy w dalszych częściach mini-ebooka. 1 Czytelnik może spotkać się również z definicją 4V, ale ów dodatkowy komponent ( Value czyli fakt, iż z danych można wyciągnąć informację) jest stricte biznesowy i subiektywny. Analiza bezużytecznych danych to w kwestach technicznych to samo, co analiza danych użytecznych. 3

4 Załóżmy więc teraz trzy autentyczne przypadki analiz i zastanówmy się, czy można je określić jako Big Data: Przypadek 1. Mamy 3GB danych dotyczących produkcji (liczba wyprodukowanych towarów w danej godzinie). Dział analityków na bieżąco prowadzi analizy prognostyczne w celu uzyskania jak największej wydajności produkcji. Przypadek 2. Specjalna aplikacja ściąga z portali społecznościowych wypowiedzi klientów na temat Twojej marki, a następnie analitycy czerpią z nich informacje o satysfakcji klientów. (załóżmy, że dziennie napływa ok. 100 wypowiedzi). Przypadek 3. Firmowa aplikacja zbiera dane z czujników sensorycznych w maszynach i na bieżąco podaje niezbędne statystyki. Dane senoryczne przyrastają z dużą prędkością (np. 1GB na dzień). Przypadek 1 nie spełnia żadnego warunku Big Data danych jest właściwie mało (choć już mogą się nie mieścić w arkuszu Excela), zaś analizy prowadzone są przede wszystkim przez analityków. To oni kierują zapytania do bazy danych, oni generują raporty. Przypadek 2 nie spełnia wszystkich wymagań Big Data, choć ma pewne wymagane cechy. Dane nie są silnie ustrukturyzowane ( Variety ), a ich zdobywaniem i przetwarzaniem zajmuje się specjalna aplikacja ( Velocity ). Żeby wydobyć z danych wiedzę konieczna jest co prawda praca analityków, ale wciąż duża część przetwarzania odbywa się automatycznie. Problemem jest jednak niewielka ilość danych. Przypadek 3 spełnia wszystkie wymagania Big Data. Dane przetwarzane są automatycznie ( Velocity ), są nieustrukturyzowane ( Variety zanim będzie je można zamknąć w tabeli trzeba je pociąć, posortować itd.) oraz jest ich dużo i stale przyrastają ( Volume ). 4

5 Warto jednak się zastanowić, czy w kwestii analizy i potencjalnych korzyści z tych wszystkich przypadków różnią się one tak bardzo i czy różnica ta jest istotna dla menadżerów i właścicieli przedsiębiorstw? Ważne informacje można wydobyć zarówno z klasycznego Business Inteligence (Przypadek 1) jak i klasycznego Big Data (Przypadek 3). Przypadek 2 to zaś ani Business Inteligence 2 ani Big Data, natomiast doświadczenie podpowiada nam, że taki system to nieocenione źródło wiedzy. W dodatku pod względem analitycznym niewiele różni się od Przypadku 3. Jeśli pójdziemy dalej w tych rozważaniach, to okaże się, że nie tylko nie potrafimy już dokładnie zdefiniować, czym jest Big Data, ale również Business Intelligence. Z powodu tych nieścisłości proponuję traktować Big Data szerzej, jako każdy zbiór danych, który jest trudny w utrzymaniu, a wyciągnięcie z niego wiedzy wymaga zastosowania skomplikowanych procedur przetwarzania i analizy. W pewnym stopniu odpowiada to definicji Michaela Franklina z University of California: "Big Data is any data that is expensive 3 extract value from" to manage and hard to Dodatkowo, ponieważ zajmujemy się przede wszystkim wykorzystaniem technologii Big Data w firmach, które niekoniecznie mają problem z petabajtami danych, uznajmy, że Big Data będziemy postrzegać przez pryzmat Data Science (o tym w kolejnych rozdziałach). Tam gdzie dane są nieustrukturyzowane, zróżnicowane i rozsiane, nie mieszczą się w tabelach Excela i wymagają zastosowania skomplikowanych technik analizy tam mamy do czynienia z czymś co bardzo przypomina Big Data. Przynajmniej pod względem analitycznym i tego, jaką wartość można uzyskać z danych. 2 Oczywiście można się spierać niemniej wydaje się, że text mining rzadko pojawia się w kontekście business intelligence. Niesłusznie zresztą, jeśli mnie o to pytacie. 3 Wyrażenie drogie zastąpiono trudnym głównie z tego powodu, że w ostatnich czasach magazynowanie danych za sprawą rozwoju cloud computing stało się dużo tańsze. Z drugiej strony wciąż wielkości rzędu PB mogą znacząco uszczuplać budżet przedsiębiorstwa. Mało która firma jednak rzeczywiście potrzebuje aż tak pojemnych serwerów. 5

6 Kto korzysta z Big Data? Wszyscy. Dosłownie wszyscy. Big Data wykorzystałeś, żeby ściągnąć tego ebooka. Jeśli korzystasz z Twittera, Google, czy Facebooka to znaczy, że wykorzystujesz Big Data. Jeśli śledzisz ruch na stronie przez Google Analytics to wykorzystujesz już Big Data Analytics. Wciąż rośnie rynek aplikacji, które opierają się na technologiach związanych z BD i oferują firmom i prywatnym użytkownikom różnego rodzaju usługi. Wiadomo jednak, że nie o takim wykorzystaniu Big Data tutaj mówimy. Dla wielu dużych przedsiębiorstw Big Data oznacza problem ich bazy danych rosną bardzo szybko i coraz trudniej wyciągnąć z nich informacje (obliczenia trwają zbyt długo, brakuje miejsca na magazynowanie danych). Dlatego konieczne są w nich małe rewolucje takie jak wymiana systemu i technik analitycznych. Ponadto przejście na bardziej sprawne systemy zarządzania wiedzą otwiera dla firm nowe możliwości. Możemy analizować dane sensoryczne, logi, możemy projektować aplikacje zbierające dane z serwisów internetowych i na bieżąco je analizujące. Wyobraź sobie tylko możliwość stałego monitorowania danych na temat sprzedaży na Allegro, Ebayu, czy AliBaba. Zresztą Big Data to nie tylko analiza sensu stricto. To również złożone systemy rekomendacyjne, czy systemy polepszające workflow w przedsiębiorstwach. Tak naprawdę w kwestii tego, jak można wykorzystać dane ogranicza nas już wyłącznie wyobraźnia (i niekiedy pieniądze). Pozostaje oczywiście pytanie, czy Ty czytelnik tego e-booka naprawdę potrzebujesz Big Data. A jeśli nie, to czy zwiększając wiedzę na ten temat możesz osiągnąć jakieś korzyści? Zdecydowanie tak. Nawet jeśli nie potrzebujesz takich rozwiązań jak Facebook, Google, Amazon i inne wielkie firmy, z pewnością potrzebujesz analityki. Z Big Data jest trochę jak z lotami w kosmos. W statku kosmicznym znajdzie się kilku astronautów, ale zwykły człowiek dostanie przynajmniej patelnię teflonową. 6

7 Big Words kluczowe pojęcia dla Big Data Odkąd Big Data stało się popularne w USA dociera do nas coraz więcej tzw. buzzwords, modnych terminów, które rzekomo mają zrewolucjonizować funkcjonowanie przedsiębiorstw. Oczywiście, jak to zwykle bywa ze świeżymi koncepcjami, szybko okazuje się, że nie są one aż tak rewolucyjne. Choć zwykle w określonych warunkach naprawdę mogą przyczynić się do polepszenia sytuacji przedsiębiorstwa. Np. popularne jeszcze niedawno TQM/Kaizen spotkało się zarówno z falą entuzjazmu jak i krytyki. Niekiedy rewolucjonizowało firmy, a niekiedy kompletnie nie było im potrzebne. Ale do rzeczy. Jakie pojęcia wiążą się z Big Data? Data science Gdybyśmy bardzo chcieli, moglibyśmy zrównać termin data science po prostu ze statystyką. W pewnym sensie bowiem, każdy data scientist musi być statystykiem lub powinien znać podstawy wnioskowania statystycznego 4. Jednak nie każdy statystyk może poszczycić się tym tytułem. Dlaczego? Cóż, osoba zajmująca się data science nie jest jedynie analitykiem danych. Jej zadanie nie ogranicza się wyłącznie do wyciągnięcia wniosków ze skoroszytu Excela lub bazy SQL. Ona te bazy również sama tworzy. Tym samym do jej obowiązków należy: Kreatywne myślenie nad możliwością przełożenia rozproszonych i nieoczywistych danych na dane możliwe do analizy (i mające potencjał rozwojowy dla przedsiębiorstwa lub instytucji), Przetwarzanie danych i przygotowywanie ich do analizy (z pomocą specjalistycznych programów i języków programowania Python, R, Java etc.), Tworzenie całych systemów bazodanowych, rekomendacyjnych, analitycznych etc., Wreszcie analiza. Zwykle chodzi jednak nie o statystykę opisową, ale stosowanie skomplikowanych algorytmów do analizy klastrów, prognozowania etc.. 4 Prawdę mówiąc dużo więcej niż podstawy. 7

8 Czy potrzebujesz w swojej firmie data science? Jeśli Twoja firma prowadzi choćby profil na facebooku jak najbardziej. Jeśli prowadzisz biznes e-commerce jest to konieczność. Data mining To słowo pojawiało się już w setkach odmian. Sam byłem jednym z tych ludzi, którzy niekiedy całkiem świadomie używali go w nieco innych znaczeniach niż przyjęte. Wynika to z faktu, że słowo mining może być nieco mylące, sugeruje bowiem, że w jakiś sposób wydobywamy skądś dane, a tymczasem chodzi nam o informację. Z gąszczu danych wydobywamy informację. W ostatnich latach data mining jako czynność łącząca takie dziedziny nauki jak statystyka, programowanie i sztuczna inteligencja stała się szczególnie popularna wśród programistów, którzy jednak rzadko rzeczywiście wiedzą o co w niej chodzi. Data mining to przede wszystkim zbiór technik analitycznych, które pozwalają na badanie zależności w dużych zbiorach danych. Jak wygląda to krok po kroku? Spójrzcie na schemat: Wstępna eksploracja Dopasowanie modelu i jego weryfikacja Stosowanie modelu do analizy nowych, podobnych danych Wstępna eksploracja polega na odkryciu pewnych własności danych oraz na niezbędnym ich przekształceniu. Np. gdy analizujemy prawdopodobieństwo 8

9 przeżycia na Titanicu (użytkownicy Kaggle mogli już ten temat zgłębiać 5 ) najpierw badamy własności poszczególnych zmiennych np. ile było w populacji kobiet, mężczyzn, w jakich kabinach się znajdowali i w jaki sposób jest to powiązane. Następnie dopasowujemy model, łączymy modele, weryfikujemy je itd., tak aby w jak najlepszy sposób wyjaśniały określone zjawisko lub je przewidywały. Dobór i weryfikacja modelu to zadanie skomplikowane i wymagające dużego nakładu pracy, ale przynoszące niespodziewanie doniosłe efekty. A kiedy już dopasujemy i zweryfikujemy model możemy go stosować do nowych, podobnych danych. Czyli data mining to idealne rozwiązanie np. do analizowania dużych systemów CRM. Ale nie tylko. Coraz częściej metody data mining wykorzystuje się np. do analizy tekstów. Ja sam wykorzystuję techniki text mining do wykrywania insightów np. z portali społecznościowych, czy forów internetowych. Machine learning Termin, który musimy znać, jeśli mówimy o data mining. Właściwie każdy model wykorzystywany w data mining opiera się na uczeniu maszynowym (a tym jest właśnie machine learning). Co ciekawe, o ile w przypadku data mining i big data istnieją pewne problemy pojęciowe przyznacie w końcu, że nie jest to to, czym się na początku wydaje o tyle machine learning jest określeniem dość intuicyjnym. Na czym polega? To bardzo proste. Program/algorytm uczy się wykrywać pewne zależności. Może to robić zarówno jeśli damy mu na wstępie jakiś materiał do nauczenia (wówczas nazywa się to uczeniem maszynowym z nauczycielem supervised machine learning) lub nie (bez nauczyciela unsupervised machine learning). Podręcznik ten ma być wybitnie prosty, dlatego po prostu przedstawię jak działa machine learning na przykładach. Przykład 1. Mamy zestaw danych określających cenę produktu i wielkość sprzedaży. Chcemy określić, przy jakich cenach wielkość sprzedaży spadnie. 5 Kaggle to pierwsza na świecie społeczność data scientist. Zbieramy się i rozwiązujemy zadania analityczne. Pasjonujące, prawda? 9

10 Przykład 2. Mamy zestaw cech naszych klientów z bazy danych zamówień płeć, adres, wielkość zamówienia, może jakieś uwagi. Chcemy zobaczyć, czy można podzielić naszych klientów na konkretne segmenty, do których można by było adresować inne strategie marketingowe. Przykład 1 to oczywiście uczenie maszynowe z nauczycielem. Algorytm otrzymuje dane z naszej bazy i w oparciu o nie decyduje w jaki sposób cena wpływa na wielkość sprzedaży. Tym samym pozwala przewidzieć, że jeśli znacząco podniesiemy ceny, spadnie nam sprzedaż 6. Przypadek drugi wydaje się nieco ciekawszy, ponieważ na wstępie nie jesteśmy nawet w stanie stwierdzić ile segmentów chcielibyśmy uzyskać. Innymi słowy nasz algorytm sam musi to odkryć. Brzmi wspaniale, prawda? Program wykonuje za nas niezwykle skomplikowaną pracę i dostarcza nam przydatną wiedzę. W rzeczywistości sprawa nie jest aż tak prosta, ale to już nasze analityków zmartwienie. MapReduce To stosunkowo najtrudniejszy termin w całym gąszczu Big Words głównie ze względu na fakt, że nie będąc analitykiem lub programistą dość trudno go zrozumieć. Polska Wiki podaje, że jest to "platforma do przetwarzania równoległego dużych zbiorów danych w klastrach komputerów stworzona przez firmę Google. Nazwa była zainspirowana funkcjami map i reduce z programowania funkcyjnego.". To jednak tylko część definicji w dodatku niekoniecznie ta, która nas interesuje. MapReduce to mówiąc prosto nowy sposób rozwiązywania problemów programistycznych i analitycznych. Jak powiedziano, służący do równoległego, a zatem szybszego (i często po prostu możliwego do zrealizowania) przetwarzania danych. W R języku, który szczególnie sobie upodobałem, odpowiednikiem paradygmatu MapReduce jest paradygmat SAC (Split Apply Combine). Pokrótce przedstawię na przykładzie jego funkcjonowanie. 6 Oczywiście to przykład bardzo uproszczony już teraz wiadomo, że konieczne byłoby w tym przypadku zastosowanie szczególnego modelu regresji nieliniowej. 10

11 Załóżmy, że posiadamy bazę danych z logów http, która przekazuje nam informację, kto i kiedy wchodził na naszą stronę. Taka baza (po przekształceniu odpowiedniego log-file) wygląda mniej więcej tak: Tabela 1 IP Użytkown Czas Zapytanie Protokó Statu Bajt Start URL ik ł s y /Apr/2014 portfolio- HTTP :17:19 item/big- data-mini- podrecznik -laikow/ Podobne bazy zwłaszcza jeśli mamy bardzo dużo wejść na stronę potrafią mieć milion i więcej wierszy (zwłaszcza jeśli doliczymy do nich odwiedziny google owskich crawlerów). Załóżmy, że chcemy geolokolizować naszych użytkowników oznacza to, że do każdego wiersza konieczne jest dołożenie jednego rekordu np. z nazwą miejscowości, z której otrzymaliśmy zapytanie. Tradycyjny algorytm po prostu sprawdzałby każdy kolejny wiersz po kolei, porównywałby numer IP z osobną bazą danych, która zawiera objaśnienia do znanych numerów IP. Z pewnych względów wędrowanie algorytmu po całym milionie wierszy zajmuje jednak bardzo dużo czasu. W niektórych przypadkach natomiast może być wręcz niemożliwe (dostatecznie duża baza może zawiesić np. R). Musimy więc szukać rozwiązania nietradycyjnego. W pierwszej fazie (faza Map lub gdy mowa o R faza Split, Apply ) rozbijamy tabelę na mniejsze kawałki. Otrzymujemy około kilkuset tabel, z których każda odpowiada unikalnemu adresowi IP. Wówczas na każdej z tych tabel dokonywana jest odpowiednia operacja tzn. przypisanie nazwy miejscowości do adresu IP. Rezultat pierwszej fazy wygląda mniej więcej tak: Tabela 2 IP Adres Pozna IP Adres Krakó IP Adres Warszaw 11

12 3 ń Pozna 3 ń 4 w Krakó 4 w 5 a Warszaw 5 a Nic wielkiego? Tak się tylko wydaje. Musicie sobie bowiem wyobrazić, że każda z tych tabel może być teraz przetwarzana równocześnie na kilku komputerach. Pierwszą tabelę przetwarza Twój komputer, drugą komputer kolegi z działu sprzedaży, a trzecią komputer sekretarki. W tym samym czasie. Praca, która normalnie musiałaby zostać wykonana przez jeden komputer i zajęłaby przynajmniej kilka minut, zostanie wykonana w sekundy, dzięki rozproszeniu zadań pomiędzy inne komputery. W drugiej fazie (Reduce lub dla R Combine) łączymy nasze części w jedną tabelę. Przy czym niekoniecznie musi to być Tabela 1 z dodatkową kolumną zawierającą nazwy miejscowości. Równie dobrze możemy każdą kolejną tabelę podsumować (np. funkcją nrow w R, która zwraca liczbę wierszy w tabeli) i na etapie Reduce otrzymać już taką tabelę: Tabela 3 Poznań 100 Warszawa 92 Kraków 87 Oczywiście zdaję sobie sprawę, że nie każdy rozumie, na czym rzeczywiście polega rewolucja w tym podejściu, a ci którzy rozumieją, pytają zapewne naprawdę nikt na to wcześniej nie wpadł?. Dlatego albo zaufacie mi i rzeszy analityków, data scientists i data engineers, albo zastanówcie się nad tym: Musimy przetransportować 40 ton zboża. Która z poniższych opcji jest najlepsza? a) Zapakujemy całe 40 ton do jednego powozu, napoimy konia sterydami i będziemy liczyć na to, że ruszy, b) Rozłożymy ładunek na ~60 powozów. Koń przewiezie każdy powóz osobno, c) Rozłożymy ładunek na ~60 powozów i wypożyczymy jeszcze 59 (bo jednego już mamy) koni, które przewiozą ładunek. 12

13 Widzicie, już druga opcja to trochę MapReduce. Trzecia opcja to MapReduce w Apache Hadoop. Hadoop Jeśli jesteście choć trochę zainteresowani tematem Big Data, to znaczy, że musieliście się spotkać z tym pojęciem. Problem polega na tym, że tak naprawdę niewielu ludzi dokładnie rozumie, co to takiego. Temat jest dość obszerny, dlatego uznałem, że najważniejsze fakty dotyczące Hadoopa najlepiej przedstawić w punktach: 1. Apache Hadoop nie jest programem ani językiem programowania. Jest pewnym środowiskiem, tzw. frameworkiem, zestawem narzędzi, które służą do przetwarzania dużych, rosnących i różnorodnych zbiorów danych. 2. Żeby zrozumieć czym jest Hadoop należy przyswoić sobie przynajmniej dwa pojęcia, które stanowią podstawę jego architektury: MapReduce i HDFS. Pierwsze pojęcie zostało już krótko wytłumaczone. Pojęcie drugie oznacza tyle, że dane w Hadoop przetwarzane są jednocześnie na wielu komputerach. Połączenie MapReduce i HDFS daje olbrzymie możliwości do przetwarzania ogromnych baz danych. 3. Hadoop świetnie radzi sobie z wszelkimi błędami w danych (ze względu na fakt, że każdy plik przechowywany jest zwykle przynajmniej w kilku node ach). 4. Hadoopa w analityce używa się w kilku przypadkach: Jeśli danych jest więcej niż 10TB (granica jest raczej arbitralna, ale można z dużą dozą pewności stwierdzić, że poniżej 10TB można doskonale radzić sobie np. przy pomocy Pythona; R w tym temacie bywa problematyczny, ale też jest to możliwe), Jeśli dane są bardzo różnorodne np. mamy do czynienia jednocześnie z danymi ustrukturyzowanymi (np. z naszego serwera SQL), semistrukturalnymi (np. XML) i nieustrukturyzowanymi (np. zdjęcia, filmy etc.), 13

14 Jeśli wiemy, że ilość danych będzie rosła Hadoop pozwala na właściwie automatyczne dostosowanie się aplikacji do zwiększonej liczby danych. Wszystko, co trzeba zrobić, to dołożyć do systemu nową maszynę. 5. Hadoop nie musi być trudny. Powstało już kilka dystrybucji ułatwiających operowanie na Apache Hadoop. Cloudera, Hortonworks, MapR wszystkie one dostarczają klientowi przyjazny interfejs i łatwy dostęp do wygodnych rozszerzeń ułatwiających przetwarzanie danych: Apache Pig, Hive, HBase etc. Narzędzia do analizy Big Data Istnieje szereg narzędzi umożliwiających analizę dużych zbiorów danych. Oto tylko niektóre z nich: R (język pisany przez i dla statystyków, posiadający już właściwie wszystkie niezbędne komponenty: pakiety do wizualizacji danych, pakiety do łączenia R z innymi językami, np. z Javą i hurtowniami danych; w ostatnich latach rozwija się nawet osobna infrastruktura do budowania aplikacji webowych tzw. R Shine; coraz łatwiej też pracuje się z R na Apache Hadoop), Python (znany i lubiany język wykorzystywany w tworzeniu gier, aplikacji i właściwie wszystkim, co można robić z programowaniem; jeśli chodzi o analizę interesują nas przede wszystkim moduły NumPy, SciPy, Sci-kit Learn, Pandas, czy NLTK; wydaje się łatwiejszy i bardziej intuicyjny niż R oraz lepszy przy zadaniach związanych z text mining, choć pewności wciąż nie mam), SAS (nieśmiertelne oprogramowanie do analizy danych w przedsiębiorstwach; jeśli jesteś menadżerem w średniej lub dużej firmie to na pewno albo już używasz SAS albo ich przedstawiciel już do Ciebie dzwonił), SPSS, Statistica, Stata (programy przeznaczone do analizy statystycznej; choć sam nie posiadam w nich doświadczenia, wiem, że moi współpracownicy bardzo je sobie chwalą; wydają się łatwiejsze 14

15 w obsłudze niż np. R, choć niestety podobnie jak SAS - trochę kosztują), Matlab (znany i wciąż szeroko wykorzystywany język do analizy danych, statystyki i wizualizacji danych; często porównywany z R, choć prawdopodobnie w najbliższych latach będzie ustępował swojemu bezpłatnemu koledze), Apache Mahout (biblioteka Java do uczenia maszynowego słabo poznane i stosunkowo nowe narzędzie; podobno jedno z najlepszych, jeśli chodzi o zadania związane z Natural Language Processing; przede wszystkim jednak fakt, że Mahout jest częścią rodziny Apache, sprawia, że jest idealnym rozwiązaniem do łączenia z Hadoop). Big data w małej firmie Przedstawiliśmy pokrótce najważniejsze sprawy związane z Big Data, ale wciąż nie odpowiedzieliśmy na pytanie co właściwie dzięki temu zyskasz i w jaki sposób Big Data Analytics może przełożyć się na funkcjonowanie w małej firmie. Zastanówmy się. Czy naprawdę musisz? Swoje programy Big Data zaczynają wprowadzać największe spółki w Polsce, przy czym nie wszystkie z nich to firmy informatyczne. Nie miejmy złudzeń, że jedno z ważniejszych pytań dla nich będzie brzmiało: Wsiadasz do tego pociągu, czy zostajesz?. Ale czy to samo będzie dotyczyć małych i średnich firm? Odpowiedź nie jest jednoznaczna wydaje się bowiem, że nawet mała firma może porwać się na projekt, w którym organizacja danych będzie wymagała zbudowania infrastruktury Big Data. Takie firmy stanowić będą (przynajmniej na razie) wyjątki. Niemniej jednak wróćmy do pytania, które zadałem wcześniej czy mimo to nie skorzystasz z tej rewolucji? 15

16 Nowe możliwości Ja sam widzę przynajmniej trzy pozytywne aspekty Big Data. Pierwszy jest taki, że powoli uznaje się Business Intelligence za historię. Bynajmniej nie mam zamiaru się z tym przekonaniem zgodzić Business Intelligence wciąż ma (i będzie się miało) dobrze. Jednak fakt akcentowania roli Big Data sprawił, że firmy, które dotychczas uchylały się od analizowania danych, teraz czują się nieco zawstydzone. Wiele z nich może myśleć w ten sposób: kiedy nasza konkurencja jest na etapie Big Data, my wciąż jeszcze nie wdrożyliśmy Business Intelligence. Powiedzmy jednak, że pozytywność tego aspektu wiąże się z moim interesem - w końcu żyjemy w TriC z outsourcingu analiz; im więcej firm zdaje sobie sprawę, że są im one potrzebne, tym lepiej dla nas. Dlatego skupmy się na dwóch kolejnych pozytywnych aspektach. Rozwój technik analitycznych W ciągu ostatnich kilku lat powstało mnóstwo blogów, opracowań i badań poświęconych wykorzystywaniu data mining do rozwiązywania realnych problemów biznesowych. Zaawansowana analityka na dobre wyszła z akademii i stała się nieodłącznym elementem kształtowania strategii w firmach. Nie tylko tych dużych. Oczywiście przyczyniła się do tego już wcześniejsza rewolucja Business Intelligence, ale wydaje się, że dopiero ostatni szał związany z Big Data zaowocował tysiącami inspirujących myśli. Sieci neuronowe dotąd wykorzystywane tylko przez spółki Warrena Buffeta do przewidywania wyników operacji finansowych zaczęto wykorzystywać w codziennych działaniach biznesowych mniejszych firm np. w celu odpowiedniego targetowania mailingu. Wszelkie inne techniki predykcyjne regresje liniowe, logistyczne, regresja Poissona, regresja Bayesa zadomowiły się tam już na dobre. Rozwój infrastruktury analitycznej Rewolucja Big Data wywołała spore zamieszanie na rynku rozwiązań biznesowych i zdopingowała firmy takie jak IBM, Oracle i inne do gwałtownego rozwijania podobnych rozwiązań. Tym sposobem Big Data to już nie tylko Hadoop (choć ten nadal wygrywa raczej przy zadaniach typu batch processing i co za tym idzie real time analysis), ale też stare i sprawdzone rozwiązania uzupełnione o nowe elementy: SQL Server, Oracle itd. Mimo faktu, że w ostatnich latach pojawiło 16

17 się wiele opinii, że bazy NoSQL wygrywają z SQL nie jest to do końca prawdą. Nadal przy większości problemów biznesowych lepiej sprawdzają się rozwiązania SQL (głównie ze względu na możliwość realizowania interaktywnych zapytań, która np. w samym Hadoop jest delikatnie mówiąc ograniczona), zwłaszcza wtedy, gdy projektowane były z myślą o naprawdę dużych zbiorach danych. Jeśli ktoś jest chętny, sugeruję sprawdzić działanie Google Big Query (można poćwiczyć na darmowych bazach danych) lub Cloudera Impala. Szybkość zapytań może porazić. Rewolucja Open Source Jest to sprawa pomijana, a chyba jednak warta odnotowania. Nietrudno zauważyć, że większość rozwiązań Big Data, jeśli nie jest darmowa, to przynajmniej z darmowego oprogramowania wyrasta. Co ciekawe, nie chodzi wyłącznie o Apache Hadoop, którego utrzymanie wiąże się wyłącznie z kosztami dostawców serwerów. Z idei Open Source wyrastają najlepsze jak dotąd języki do analizy danych: R i Python. I uwierz, są to potężne narzędzia. Oczywiście najlepsze i najwygodniejsze jak dotąd rozwiązania wymagają już pewnych inwestycji - np. Revolution R Enterprise, czyli R do bezproblemowej analizy Big Data to impreza bardzo droga ale wciąż istnieją szerokie możliwości do budowania tych rozwiązań na własną rękę. Być może więc wygłaszam to zdanie przedwcześnie, ale wydaje mi się, że w ciągu kilku lat możemy spodziewać się zmierzchu nieśmiertelnych, wydawałoby się, rozwiązań analitycznych takich jak np. SAS. 17

18 Zamiast podsumowania jak zwiększyć efektywność firmy dzięki Big Data? Być może nie potrzebujesz wprowadzania Apache Hadoop do swojej firmy. Być może nie masz problemu ze wciąż rosnącymi zbiorami danych. Być może zamiast budować system Big Data wolisz po prostu usunąć zbędne dane. Pewnie masz rację. Istnieje bardzo małe prawdopodobieństwo, że jesteś jedną z tych osób, które naprawdę potrzebują tego typu rozwiązań (choć może się tak zdarzyć wówczas sugeruję skonsultować się ze specjalistami od wykorzystywania informacji). Jest jednak prawie pewne, że potrzebujesz danych i zaawansowanej analityki. Big Data spowodowało rewolucję w podejściu do zarządzania przedsiębiorstwem i dostarczyło dowodów, że dobrze zaprojektowana baza danych i profesjonalna jej analiza potrafią zdziałać cuda. Możemy być stuprocentowo pewni, że Facebook tym wygrał z wcześniejszymi portalami społecznościowymi, że natychmiast reagował na zmiany w otoczeniu. A udawało mu się to nie tylko dzięki wynalezieniu technologii do przetwarzania dużych zbiorów danych, ale przede wszystkim dzięki rozwojowi technik analizy i prognozowania. Masz więc rację, jeśli twierdzisz, że Big Data to coś odległego i póki co jest tylko słowem powstałym na użytek firm organizujących konferencje i spotkania start-upów. Analityka jest już jednak czymś realnym. Czymś co ukierunkowuje reakcje Twojej firmy. Jest uszami i oczami przedsiębiorstwa. I właśnie to jest największą zaletą rewolucji Big Data że zwróciła uwagę na korzyści wynikające z analiz. 18

19 Co my możemy zaproponować? Instytut Badań Rynkowych i Społecznych TriC to profesjonalna agencja badawczo-informacyjna zajmująca się badaniami społecznymi i rynkowymi, wyszukiwaniem informacji (infobrokeringiem) i tworzeniem informacyjnych rozwiązań IT dla klientów. Żyjemy z dostarczania wiedzy dla firm, mediów i instytucji publicznych. Badania społeczne i rynkowe Infobrokering Wsparcie w informacyjnych rozwiązaniach IT Analizy statystyczne (w tym prognozowanie) Konsulting informacyjny TriC to oczy Twojej firmy. Chcesz wiedzieć więcej? Zadzwoń lub skontaktuj się z nami: Tel.: Paweł Chmielowski Filip Cyprowski Marcin Cybulski 19

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: JAKIE PROBLEMY ROZWIĄZUJE BI 1 S t r o n a WSTĘP Niniejszy dokument to zbiór podstawowych problemów, z jakimi musi zmagać się przedsiębiorca, analityk,

Bardziej szczegółowo

Instalacja SQL Server Express. Logowanie na stronie Microsoftu

Instalacja SQL Server Express. Logowanie na stronie Microsoftu Instalacja SQL Server Express Logowanie na stronie Microsoftu Wybór wersji do pobrania Pobieranie startuje, przechodzimy do strony z poradami. Wypakowujemy pobrany plik. Otwiera się okno instalacji. Wybieramy

Bardziej szczegółowo

System udostępniania danych W1000

System udostępniania danych W1000 System udostępniania danych W1000 Dane ułatwiają życie odbiorcom energii Manage energy better Właściwa informacja dostarczona na czas jest kluczowym elementem sukcesu w procesie optymalizacji zarządzania

Bardziej szczegółowo

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Agenda Serp24 NoSQL Integracja z CMS Drupal Przetwarzanie danych Podsumowanie Serp24 Darmowe narzędzie Ułatwia planowanie

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Generacja Y o mediach społecznościowych w miejscu pracy

Generacja Y o mediach społecznościowych w miejscu pracy Generacja Y o mediach społecznościowych w miejscu pracy Raport z badania Szymon Góralski Wrocław, 2013 ul. Więzienna 21c/8, 50-118 Wrocław, tel. 71 343 70 15, fax: 71 343 70 13, e-mail: biuro@rrcc.pl,

Bardziej szczegółowo

HumanWork - Produkt, który spełnia Twoje oczekiwania

HumanWork - Produkt, który spełnia Twoje oczekiwania HumanWork - Produkt, który spełnia Twoje oczekiwania Właśnie tak pracuję. Wykonuję zadania. HumanWORK włącza je w procesy przepływu pracy i obiegu dokumentów. Planuję zadania. HumanWORK przekazuje je we

Bardziej szczegółowo

Analityka internetowa w Polsce A.D. 2014. Trendy i prognozy na najbliższe miesiące wybrane przez ekspertów Bluerank

Analityka internetowa w Polsce A.D. 2014. Trendy i prognozy na najbliższe miesiące wybrane przez ekspertów Bluerank Analityka internetowa w Polsce A.D. 2014 Trendy i prognozy na najbliższe miesiące wybrane przez ekspertów Bluerank Obecnie: Bez pomiaru nie ma zarządzania. Gdzie: - Peter Drucker, guru zarządzania Dane

Bardziej szczegółowo

Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2015. Na podstawie badania 800 firm z sektora MŚP

Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2015. Na podstawie badania 800 firm z sektora MŚP Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2015 2 Język: polski, angielski Data publikacji: IV kwartał 2015 Format: pdf Cena od: 2400 Możesz mieć wpływ na zawartość

Bardziej szczegółowo

Hbase, Hive i BigSQL

Hbase, Hive i BigSQL Hbase, Hive i BigSQL str. 1 Agenda 1. NOSQL a HBase 2. Architektura HBase 3. Demo HBase 4. Po co Hive? 5. Apache Hive 6. Demo hive 7. BigSQL 1 HBase Jest to rozproszona trwała posortowana wielowymiarowa

Bardziej szczegółowo

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Usługi analityczne budowa kostki analitycznej Część pierwsza. Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.

Bardziej szczegółowo

SigmaMRP zarządzanie produkcją w przedsiębiorstwie z branży metalowej.

SigmaMRP zarządzanie produkcją w przedsiębiorstwie z branży metalowej. SigmaMRP zarządzanie produkcją w przedsiębiorstwie z branży metalowej. Wstęp SigmaMRP to nowość na polskim rynku, która jest już dostępna w ofercie firmy Stigo. Program MRP (ang. Material Requirements

Bardziej szczegółowo

Nasz klient, nasz Pan?

Nasz klient, nasz Pan? przemyślane rozwiązania Nasz klient, nasz Pan? Nazwa przykładowego klienta Nie Propozycja ściemniaj! współpracy Co podać? 5 powodów dla których miałbym tu coś zamówić Mniejszy lub większy kryzys spotka

Bardziej szczegółowo

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek Self Care, Big Data i sprzedaż 2 Czym jest Self Care? Aplikacja Self Care pozwala użytkownikom na obsługę swojego

Bardziej szczegółowo

SPIS TREŚCI. Do Czytelnika... 7

SPIS TREŚCI. Do Czytelnika... 7 SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................

Bardziej szczegółowo

Dopasowanie IT/biznes

Dopasowanie IT/biznes Dopasowanie IT/biznes Dlaczego trzeba mówić o dopasowaniu IT-biznes HARVARD BUSINESS REVIEW, 2008-11-01 Dlaczego trzeba mówić o dopasowaniu IT-biznes http://ceo.cxo.pl/artykuly/51237_2/zarzadzanie.it.a.wzrost.wartosci.html

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2012 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

Warianty sesji szkoleniowo-doradczych dla firm w promocji Wykorzystaj budżet na 2015 zorganizuj szkolenie w 2016

Warianty sesji szkoleniowo-doradczych dla firm w promocji Wykorzystaj budżet na 2015 zorganizuj szkolenie w 2016 Warianty sesji szkoleniowo-doradczych dla firm w promocji Wykorzystaj budżet na 2015 zorganizuj szkolenie w 2016 Wariant Długość dnia szkoleniowego Maksymalna liczba osób w grupie Cena podstawowa za dzień

Bardziej szczegółowo

2016 CONSULTING DLA MŚP. Badanie zapotrzebowania na usługi doradcze

2016 CONSULTING DLA MŚP. Badanie zapotrzebowania na usługi doradcze 2016 CONSULTING DLA MŚP Badanie zapotrzebowania na usługi doradcze 1 O raporcie Wraz ze wzrostem świadomości polskich przedsiębiorców rośnie zapotrzebowanie na różnego rodzaju usługi doradcze. Jednakże

Bardziej szczegółowo

Rozmowa ze sklepem przez telefon

Rozmowa ze sklepem przez telefon Rozmowa ze sklepem przez telefon - Proszę Pana, chciałam Panu zaproponować opłacalny interes. - Tak, słucham, o co chodzi? - Dzwonię w imieniu portalu internetowego AmigoBONUS. Pan ma sklep, prawda? Chciałam

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

VENDIO SPRZEDAŻ kompleksowa obsługa sprzedaży. dcs.pl Sp. z o.o. vendio.dcs.pl E-mail: info@dcs.pl Warszawa, 16-10-2014

VENDIO SPRZEDAŻ kompleksowa obsługa sprzedaży. dcs.pl Sp. z o.o. vendio.dcs.pl E-mail: info@dcs.pl Warszawa, 16-10-2014 VENDIO SPRZEDAŻ kompleksowa obsługa sprzedaży dcs.pl Sp. z o.o. vendio.dcs.pl E-mail: info@dcs.pl Warszawa, 16-10-2014 Agenda Jak zwiększyć i utrzymać poziom sprzedaży? VENDIO Sprzedaż i zarządzanie firmą

Bardziej szczegółowo

BADANIE KLIENTÓW SATYSFAKCJI JAK KLIENCI OCENIAJĄ LIVESPACE CRM? Raport LiveSpace

BADANIE KLIENTÓW SATYSFAKCJI JAK KLIENCI OCENIAJĄ LIVESPACE CRM? Raport LiveSpace BADANIE SATYSFAKCJI KLIENTÓW JAK KLIENCI OCENIAJĄ LIVESPACE CRM? Raport LiveSpace LiveSpace CRM, styczeń 2015 Badanie satysfakcji klientów Badanie satysfakcji klientów zostało przeprowadzone w styczniu

Bardziej szczegółowo

Rozwiązania SCM i Portal dla handlu i przemysłu

Rozwiązania SCM i Portal dla handlu i przemysłu POŁĄCZ WSZYSTKICH UCZESTNIKÓW PROCESU Jedna platforma IT wszystko pod kontrolą Rozwiązania SCM i Portal dla handlu i przemysłu Jedna platforma IT wszystko pod kontrolą Rozwiązania SCM i Portal Świat kręci

Bardziej szczegółowo

System INTEGRYB jako zintegrowane repozytorium danych umożliwiające zaawansowaną analitykę badawczą

System INTEGRYB jako zintegrowane repozytorium danych umożliwiające zaawansowaną analitykę badawczą System INTEGRYB jako zintegrowane repozytorium danych umożliwiające zaawansowaną analitykę badawczą Lena Szymanek 1, Jacek Seń 1, Krzysztof Skibicki 2, Sławomir Szydłowski 2, Andrzej Kunicki 1 1 Morski

Bardziej szczegółowo

Opis Rozwiązania SAP SAP HANA. Zmieniaj swoją przyszłość lepiej rozumiejąc biznes dzięki analityce predykcyjnej

Opis Rozwiązania SAP SAP HANA. Zmieniaj swoją przyszłość lepiej rozumiejąc biznes dzięki analityce predykcyjnej Opis Rozwiązania SAP SAP HANA Cele Zmieniaj swoją przyszłość lepiej rozumiejąc biznes dzięki analityce predykcyjnej Staw czoła nowej rzeczywistości Organizacje takie jak Twoja są w stanie wykrywać w czasie

Bardziej szczegółowo

Scoring w oparciu o Big Data. 8 kwietnia 2014 roku

Scoring w oparciu o Big Data. 8 kwietnia 2014 roku Scoring w oparciu o Big Data 8 kwietnia 2014 roku Od początków ludzkości do roku 2003 wygenerowano 5 eksabajtów informacji tyle samo ludzkość generuje dziś co dwa dni. - Eric Schmidt, Google CEO 2 Dlaczego

Bardziej szczegółowo

Ekspansja zagraniczna e-usług Olsztyn, 08 listopada 2012. Radosław Mazur

Ekspansja zagraniczna e-usług Olsztyn, 08 listopada 2012. Radosław Mazur 2012 Własny e-biznes - od pomysłu przez rozwój na rynku lokalnym po plany ekspansji zagranicznej - na przykładzie startupów e-biznesowych AIP w Olsztynie Radosław Mazur Ekspansja zagraniczna e-usług Olsztyn,

Bardziej szczegółowo

Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy

Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy Business www.comarch.pl Intelligence jako narzędzie do walki z praniem brudnych pieniędzy Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy Tomasz Matysik Kołobrzeg, 19.11.2009

Bardziej szczegółowo

Specjalizacja magisterska Bazy danych

Specjalizacja magisterska Bazy danych Specjalizacja magisterska Bazy danych Strona Katedry http://bd.pjwstk.edu.pl/katedra/ Prezentacja dostępna pod adresem: http://www.bd.pjwstk.edu.pl/bazydanych.pdf Wymagania wstępne Znajomość podstaw języka

Bardziej szczegółowo

Szybkość instynktu i rozsądek rozumu$

Szybkość instynktu i rozsądek rozumu$ Szybkość instynktu i rozsądek rozumu$ zastosowania rozwiązań BigData$ Bartosz Dudziński" Architekt IT! Już nie tylko dokumenty Ilość Szybkość Różnorodność 12 terabajtów milionów Tweet-ów tworzonych codziennie

Bardziej szczegółowo

Zwrot z inwestycji w IT: prawda czy mity

Zwrot z inwestycji w IT: prawda czy mity Zwrot z inwestycji w IT: prawda czy mity Inwestycje w technologie IT 1 muszą podlegać takim samym regułom oceny, jak wszystkie inne: muszą mieć ekonomiczne uzasadnienie. Stanowią one koszty i jako takie

Bardziej szczegółowo

Deduplikacja danych. Zarządzanie jakością danych podstawowych

Deduplikacja danych. Zarządzanie jakością danych podstawowych Deduplikacja danych Zarządzanie jakością danych podstawowych normalizacja i standaryzacja adresów standaryzacja i walidacja identyfikatorów podstawowa standaryzacja nazw firm deduplikacja danych Deduplication

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

Idealna strona internetowa dla Twojej firmy

Idealna strona internetowa dla Twojej firmy Katowice, 25.11.2010 r. Idealna strona internetowa dla Twojej firmy Warsztaty prowadzenie Zofia Oslislo 1 Czy potrzebuję (nowej) strony internetowej? mogę zwiększyć sprzedaż, gdy pozwolę klientom kupować

Bardziej szczegółowo

Prezentacja specjalności studiów II stopnia. Inteligentne Technologie Internetowe

Prezentacja specjalności studiów II stopnia. Inteligentne Technologie Internetowe Prezentacja specjalności studiów II stopnia Inteligentne Technologie Internetowe Koordynator specjalności Prof. dr hab. Jarosław Stepaniuk Tematyka studiów Internet jako zbiór informacji Przetwarzanie:

Bardziej szczegółowo

Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38

Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38 Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem zajęcia 1 dr Jakub Boratyński pok. A38 Program zajęć Bazy danych jako podstawowy element systemów informatycznych wykorzystywanych

Bardziej szczegółowo

SOA Web Services in Java

SOA Web Services in Java Wydział Informatyki i Zarządzania Wrocław,16 marca 2009 Plan prezentacji SOA 1 SOA 2 Usługi Przykłady Jak zacząć SOA Wycinek rzeczywistości Problemy zintegrowanych serwisów : Wycinek Rzeczywistości Zacznijmy

Bardziej szczegółowo

Procesowa specyfikacja systemów IT

Procesowa specyfikacja systemów IT Procesowa specyfikacja systemów IT BOC Group BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management Office

Bardziej szczegółowo

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych

Bardziej szczegółowo

omnia.pl, ul. Kraszewskiego 62A, 37-500 Jarosław, tel. +48 16 621 58 10 www.omnia.pl kontakt@omnia.pl

omnia.pl, ul. Kraszewskiego 62A, 37-500 Jarosław, tel. +48 16 621 58 10 www.omnia.pl kontakt@omnia.pl .firma Dostarczamy profesjonalne usługi oparte o nowoczesne technologie internetowe Na wstępie Wszystko dla naszych Klientów Jesteśmy świadomi, że strona internetowa to niezastąpione źródło informacji,

Bardziej szczegółowo

Nowoczesne narzędzia w relacjach z klientami

Nowoczesne narzędzia w relacjach z klientami Nowoczesne narzędzia w relacjach z klientami Jak robić to dobrze? Plan prezentacji o o o o o Wprowadzenie Co lubią internauci Kilka ważnych zasad projektowania Różne narzędzia ale taki sam proces Postępujące

Bardziej szczegółowo

Legacy- docenisz je wkrótce po migracji. Krzysztof Gajzler Compfort Meridian Polska

Legacy- docenisz je wkrótce po migracji. Krzysztof Gajzler Compfort Meridian Polska Legacy- docenisz je wkrótce po migracji Krzysztof Gajzler Compfort Meridian Polska Agenda Wstęp Dlaczego migrujemy Co tracimy przez migrację Cloud computing lekarstwo? Migracja a ekologia Wstęp Termin

Bardziej szczegółowo

SZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie

SZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie SZKOLENIA SAS ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie DANIEL KUBIK ŁUKASZ LESZEWSKI ROLE ROLE UŻYTKOWNIKÓW MODUŁU

Bardziej szczegółowo

Outsourcing usług logistycznych komu się to opłaca?

Outsourcing usług logistycznych komu się to opłaca? Outsourcing usług logistycznych komu się to opłaca? Jeśli jest coś, czego nie potrafimy zrobić wydajniej, taniej i lepiej niż konkurenci, nie ma sensu, żebyśmy to robili i powinniśmy zatrudnić do wykonania

Bardziej szczegółowo

Firmowe media społecznościowe dla pracowników

Firmowe media społecznościowe dla pracowników Firmowe media społecznościowe dla pracowników Raport z badania Maciej Dymalski, Szymon Góralski Wrocław, 2012 ul. Więzienna 21c/8, 50-118 Wrocław, tel. 71 343 70 15, fax: 71 343 70 13, e-mail: biuro@rrcc.pl,

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

9 elementów zarządzania projektami Narzędzia Nowoczesnego Project Managera

9 elementów zarządzania projektami Narzędzia Nowoczesnego Project Managera 9 elementów zarządzania projektami Narzędzia Nowoczesnego Project Managera Darmowy Ebook Autor: Adam Omelczuk Tytuł: 9 elementów zarządzania projektami W życiu i w biznesie Darmowy Ebook NARZĘDZIA Nowoczesnego

Bardziej szczegółowo

Co to jest Business Intelligence?

Co to jest Business Intelligence? Cykl: Cykl: Czwartki z Business Intelligence Sesja: Co Co to jest Business Intelligence? Bartłomiej Graczyk 2010-05-06 1 Prelegenci cyklu... mariusz@ssas.pl lukasz@ssas.pl grzegorz@ssas.pl bartek@ssas.pl

Bardziej szczegółowo

O Firmie ProLogisticaSoft

O Firmie ProLogisticaSoft Prologistica.pl Prologistica.pl O Firmie ProLogisticaSoft ProLogisticaSoft, jest młodą prężną firmą, zajmującą się tworzeniem, sprzedażą i wdrażaniem systemów informatycznych wspomagających zarządzanie

Bardziej szczegółowo

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angieskim Obowiązuje od roku akademickiego 015/016 Z-ID-608b Bazy danych typu Big Data Big Data Databases A. USYTUOWANIE MODUŁU

Bardziej szczegółowo

DynaDo łączy i organizuje komunikację, zadania i dokumenty wokół klientów i projektów. Usprawnia pracę, zwiększa produktywność i ułatwia nadzór.

DynaDo łączy i organizuje komunikację, zadania i dokumenty wokół klientów i projektów. Usprawnia pracę, zwiększa produktywność i ułatwia nadzór. Connecting the Dots DynaDo łączy i organizuje komunikację, zadania i dokumenty wokół klientów i projektów. Usprawnia pracę, zwiększa produktywność i ułatwia nadzór. Obniża koszty, eliminuje frustracje

Bardziej szczegółowo

SZKOLENIE BADANIE SATYSFAKCJI KLIENTA I ZARZĄDZANIE SATYSFAKCJĄ KLIENTA W PRZEDSIĘBIORSTWIE

SZKOLENIE BADANIE SATYSFAKCJI KLIENTA I ZARZĄDZANIE SATYSFAKCJĄ KLIENTA W PRZEDSIĘBIORSTWIE SZKOLENIE ROZWIĄZANIA W ZAKRESIE ROZWOJU KAPITAŁU LUDZKIEGO PRZEDSIĘBIORSTW BADANIE SATYSFAKCJI KLIENTA I ZARZĄDZANIE SATYSFAKCJĄ KLIENTA W WPROWADZENIE W dobie silnej konkurencji oraz wzrastającej świadomości

Bardziej szczegółowo

Co zyskujesz tworząc serwis www w Spark Media?

Co zyskujesz tworząc serwis www w Spark Media? Co zyskujesz tworząc serwis www w Spark Media? Wsparcie dla zielonych Wsparcie dla zielonych Szukając firmy, która wykona stronę internetową dla Twojej firmy wcale nie musisz być specjalistą z zakresu

Bardziej szczegółowo

Oprogramowanie, usługi i infrastruktura ICT w dużych firmach w Polsce 2015. Na podstawie badania 420 firm

Oprogramowanie, usługi i infrastruktura ICT w dużych firmach w Polsce 2015. Na podstawie badania 420 firm Oprogramowanie, usługi i infrastruktura ICT w dużych firmach w Polsce 2015 2 Język: polski, angielski Data publikacji: maj 2015 Format: pdf Cena od: 3000 Sprawdź w raporcie Jakie są najpopularniejsze modele

Bardziej szczegółowo

Rynek przetwarzania danych w chmurze w Polsce 2015. Prognozy rozwoju na lata 2015-2020

Rynek przetwarzania danych w chmurze w Polsce 2015. Prognozy rozwoju na lata 2015-2020 Rynek przetwarzania danych w chmurze w Polsce 2015 2 Język: polski, angielski Data publikacji: wrzesień 2015 Format: pdf Cena od: 1800 Sprawdź w raporcie Jaka jest obecna i przyszła wartość rynku przetwarzania

Bardziej szczegółowo

Prezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ. http://www.qbico.pl

Prezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ. http://www.qbico.pl Prezentacja firmy { WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ http://www.qbico.pl Firma ekspercka z dziedziny Business Intelligence Srebrny Partner Microsoft w obszarach Business Intelligence i Data Platform Tworzymy

Bardziej szczegółowo

World Wide Web? rkijanka

World Wide Web? rkijanka World Wide Web? rkijanka World Wide Web? globalny, interaktywny, dynamiczny, wieloplatformowy, rozproszony, graficzny, hipertekstowy - system informacyjny, działający na bazie Internetu. 1.Sieć WWW jest

Bardziej szczegółowo

Rozwiązania SCM i Portal dla operatorów logistycznych i przewoźników

Rozwiązania SCM i Portal dla operatorów logistycznych i przewoźników ZADOWOLENI KLIENCI Jedna platforma IT wiele możliwości Rozwiązania SCM i Portal dla operatorów logistycznych i przewoźników Jedna platforma IT wiele możliwości Rozwiązania SCM i Portal Rozwiązanie IT dla

Bardziej szczegółowo

Dołącz do grona zadowolonych użytkowników systemu Belisama4CRM

Dołącz do grona zadowolonych użytkowników systemu Belisama4CRM Czym jest CRM? Termin CRM, czyli Customer Relationship Management, ma wiele definicji i jest dość szerokim pojęciem. W ogólnym zarysie jest to takie zarządzanie relacjami z klientem, które ma prowadzić

Bardziej szczegółowo

Big Data & Analytics

Big Data & Analytics Big Data & Analytics Optymalizacja biznesu Autor: Wiktor Jóźwicki, Scapaflow Senior Consultant Data wydania: 05.02.2014 Wprowadzenie Niniejszy dokument przedstawia zagadnienie Big Data w ujęciu zapotrzebowania

Bardziej szczegółowo

Nowa strona internetowa Twojej Firmy w 3 dni!

Nowa strona internetowa Twojej Firmy w 3 dni! www.stronaw3dni.pl Nowa strona internetowa Twojej Firmy w 3 dni! W pakiecie: + indywidualny projekt + wersja mobilna + domena i hosting na rok gratis! od 1299 zł 989 zł netto ZAPRASZAMY DO ZAPOZNANIA SIĘ

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH

OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH OBIEG INFORMACJI I WSPOMAGANIE DECYZJI W SYTUACJACH KRYZYSOWYCH AGENDA Prezentacja firmy Tecna Informacja i jej przepływ Workflow i BPM Centralny portal informacyjny Wprowadzanie danych do systemu Interfejsy

Bardziej szczegółowo

1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4

1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 2 Tabele przestawne, wykresy przestawne i formatowanie warunkowe 11 Co to

Bardziej szczegółowo

INFORMATYKA Pytania ogólne na egzamin dyplomowy

INFORMATYKA Pytania ogólne na egzamin dyplomowy INFORMATYKA Pytania ogólne na egzamin dyplomowy 1. Wyjaśnić pojęcia problem, algorytm. 2. Podać definicję złożoności czasowej. 3. Podać definicję złożoności pamięciowej. 4. Typy danych w języku C. 5. Instrukcja

Bardziej szczegółowo

ActiveXperts SMS Messaging Server

ActiveXperts SMS Messaging Server ActiveXperts SMS Messaging Server ActiveXperts SMS Messaging Server to oprogramowanie typu framework dedykowane wysyłaniu, odbieraniu oraz przetwarzaniu wiadomości SMS i e-mail, a także tworzeniu własnych

Bardziej szczegółowo

Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski. Bazy danych ITA-101. Wersja 1

Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski. Bazy danych ITA-101. Wersja 1 Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski Bazy danych ITA-101 Wersja 1 Warszawa, wrzesień 2009 Wprowadzenie Informacje o kursie Opis kursu We współczesnej informatyce coraz większą

Bardziej szczegółowo

dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r.

dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r. dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, 16.04.2014 r. Big Data w praktyce, z perspektywy konsultanta Business Intelligence Parę słów

Bardziej szczegółowo

Rynek IT w Polsce 2015. Prognozy rozwoju na lata 2015-2020

Rynek IT w Polsce 2015. Prognozy rozwoju na lata 2015-2020 2 Język: polski, angielski Data publikacji: sierpień 2015 Format: pdf Cena od: 2000 Sprawdź w raporcie Jaka jest wartość rynku IT w Polsce? Jakie są prognozy dla rynku IT w Polsce do roku 2020? Jaka jest

Bardziej szczegółowo

Rynek prywatnej opieki zdrowotnej w Polsce 2015. Prognozy rozwoju na lata 2015-2020

Rynek prywatnej opieki zdrowotnej w Polsce 2015. Prognozy rozwoju na lata 2015-2020 Rynek prywatnej opieki zdrowotnej w Polsce 2015 2 Język: polski, angielski Data publikacji: czerwiec 2015 Format: pdf Cena od: 1900 Sprawdź w raporcie Którzy dostawcy prywatnych ubezpieczeń i usług zdrowotnych

Bardziej szczegółowo

Szkolenie Regresja liniowa

Szkolenie Regresja liniowa Szkolenie Regresja liniowa program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Szkolenie Regresja liniowa Co to jest regresja liniowa? Regresja liniowa jest podstawową metodą

Bardziej szczegółowo

Ogólna informacja. O firmie e-direct sp. z o.o. Marcin Marchewicz

Ogólna informacja. O firmie e-direct sp. z o.o. Marcin Marchewicz Ogólna informacja O firmie e-direct sp. z o.o. Marcin Marchewicz Spis treści O nas... 3 Historia firmy... 3 e-direct... 4 Struktura firmy... 4 Nasza oferta... 5 Strategia... 5 Promocja... 5 Kreacja...

Bardziej szczegółowo

OPCJA KOMPLEKSOWE USŁUGI INTERNETOWE

OPCJA KOMPLEKSOWE USŁUGI INTERNETOWE Warszawa, sierpień 2010 r. KLIKNIJ, ABY EDYTOWAĆ STYL OPCJA KOMPLEKSOWE USŁUGI INTERNETOWE O nas Świadczymy kompleksowe usługi informatyczne od 1991 r. Pracowaliśmy dla niemal 400 Klientów. W tym czasie:

Bardziej szczegółowo

Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2014. Na podstawie badania 800 firm z sektora MŚP

Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2014. Na podstawie badania 800 firm z sektora MŚP Oprogramowanie, usługi i infrastruktura ICT w małych i średnich firmach w Polsce 2014 2 Język: polski, angielski Data publikacji: Q2 Format: pdf Cena od: 2400 Sprawdź w raporcie Jakie są najpopularniejsze

Bardziej szczegółowo

Projektowanie interakcji

Projektowanie interakcji Projektowanie interakcji K2 User Experience www.k2.pl/ux Tytuł dokumentu: k2-projektowanie_ux-oferta.pdf Data: 21 sierpnia 2009 Przygotowany przez: Maciej Lipiec Maciej Lipiec User Experience Director

Bardziej szczegółowo

Dlaczego outsourcing informatyczny? Jakie korzyści zapewnia outsourcing informatyczny? Pełny czy częściowy?

Dlaczego outsourcing informatyczny? Jakie korzyści zapewnia outsourcing informatyczny? Pełny czy częściowy? Dlaczego outsourcing informatyczny? Przeciętny informatyk firmowy musi skupić w sobie umiejętności i specjalizacje z wielu dziedzin informatyki. Równocześnie musi być administratorem, specjalistą od sieci

Bardziej szczegółowo

Wykład V. Rzut okiem na języki programowania. Studia Podyplomowe INFORMATYKA Podstawy Informatyki

Wykład V. Rzut okiem na języki programowania. Studia Podyplomowe INFORMATYKA Podstawy Informatyki Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład V Rzut okiem na języki programowania 1 Kompilacja vs. interpretacja KOMPILACJA Proces, który przetwarza program zapisany w języku programowania,

Bardziej szczegółowo

Platforma Cognos. Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl. 2011 AIUT Sp. z o. o.

Platforma Cognos. Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl. 2011 AIUT Sp. z o. o. Platforma Cognos Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl Business Intelligence - Fakty Kierownicy tracą około 2 godzin dziennie na szukanie istotnych informacji. Prawie

Bardziej szczegółowo

Phocus.pl to polsko-japońska firma składająca się z grupy kreatywnych profesjonalistów, którzy współpracując razem tworzą porządne rzeczy.

Phocus.pl to polsko-japońska firma składająca się z grupy kreatywnych profesjonalistów, którzy współpracując razem tworzą porządne rzeczy. Phocus.pl - oferta O firmie Phocus.pl to polsko-japońska firma składająca się z grupy kreatywnych profesjonalistów, którzy współpracując razem tworzą porządne rzeczy. Naszym celem jest dostarczenie Państwu

Bardziej szczegółowo

Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości 800 000 EUR

Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości 800 000 EUR Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości 800 000 EUR Przemysł samochodowy stawia najwyższe wymagania jakościowe w stosunku

Bardziej szczegółowo

produkować, promować i sprzedawać produkty, zarządzać i rozliczać przedsięwzięcia, oraz komunikować się wewnątrz organizacji.

produkować, promować i sprzedawać produkty, zarządzać i rozliczać przedsięwzięcia, oraz komunikować się wewnątrz organizacji. Wspieramy w doborze, wdrażaniu oraz utrzymaniu systemów informatycznych. Od wielu lat dostarczamy technologie Microsoft wspierające funkcjonowanie działów IT, jak i całych przedsiębiorstw. Nasze oprogramowanie

Bardziej szczegółowo

www.kpt.krakow.pl Idealny start

www.kpt.krakow.pl Idealny start www.kpt.krakow.pl» Idealny start Inkubator Technologiczny KPT Jeżeli myślisz o założeniu własnej działalności, albo prowadzisz firmę nie dłużej niż dwa lata, działasz w branży informatycznej, telekomunikacyjnej

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Oferta prowadzenia działań reklamowych w Internecie

Oferta prowadzenia działań reklamowych w Internecie Oferta prowadzenia działań reklamowych w Internecie 1. Dlaczego reklama w Internecie cieszy się powodzeniem? W Polsce jest ponad 17 milionów Internautów; Przeciętny Internauta spędza w sieci ponad 50 godzin

Bardziej szczegółowo

NAUKOWA I AKADEMICKA SIEĆ KOMPUTEROWA Jak usprawnić pracę w zespole IT? Wykorzystanie narzędzi do pracy grupowej na przykładzie zespołu Polska.pl Agnieszka Kukałowicz-Kolaszyńska, Starszy Specjalista IT

Bardziej szczegółowo

7 rzeczy. które musisz robić w Marketingu Internetowym

7 rzeczy. które musisz robić w Marketingu Internetowym 7 rzeczy które musisz robić w Marketingu Internetowym 7 rzeczy które musisz zrobić w Marketingu Internetowym Ten ebook jest skierowany do właścicieli małych przedsiębiorstw. Zawarliśmy w nim porady dla

Bardziej szczegółowo

Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON

Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Projekt: Współpraca i Rozwój wzrost potencjału firm klastra INTERIZON Opis szkoleń z obszaru INFORMATYKA planowanych

Bardziej szczegółowo

6 kroków do skutecznego planowania na postawie wskaźników KPI

6 kroków do skutecznego planowania na postawie wskaźników KPI 6 kroków do skutecznego planowania na postawie wskaźników KPI Urzeczywistnianie celów biznesowych w praktyce Planowanie i optymalizacja łańcucha dostaw Odkryj brakujące połączenie pomiędzy celami biznesowymi

Bardziej szczegółowo

StatSoft profesjonalny partner w zakresie analizy danych

StatSoft profesjonalny partner w zakresie analizy danych Analiza danych Data mining Sterowanie jakością Analityka przez Internet StatSoft profesjonalny partner w zakresie analizy danych StatSoft Polska Sp. z o.o. StatSoft Polska Sp. z o.o. ul. Kraszewskiego

Bardziej szczegółowo

Wyróżniający Standard Obsługi Klienta (SOK)

Wyróżniający Standard Obsługi Klienta (SOK) (SOK) Zyskaj trwałą przewagę na konkurencyjnym rynku dzięki doskonałej obsłudze Klienta Oferta procesu wdrożenia SOK Kłopoty, koszty, utrata Klientów Brak standardów obsługi powoduje kłopoty, a potem dodatkowe

Bardziej szczegółowo

know 5 W, : filary wzrostu WHAT WHEN WHO WHY WHERE model biznesowy

know 5 W, : filary wzrostu WHAT WHEN WHO WHY WHERE model biznesowy nasza misja model biznesowy 5 W, : filary wzrostu know WHAT WHEN WHO WHY WHERE zwinne oprogramowanie, oparte o wybór właściwej technologii, outsourcing specjalistów odpowiednia strategia, wyprzedzanie

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina

Bardziej szczegółowo

Wprowadzenie do technologii Business Intelligence i hurtowni danych

Wprowadzenie do technologii Business Intelligence i hurtowni danych Wprowadzenie do technologii Business Intelligence i hurtowni danych 1 Plan rozdziału 2 Wprowadzenie do Business Intelligence Hurtownie danych Produkty Oracle dla Business Intelligence Business Intelligence

Bardziej szczegółowo

Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości. 2014-01-23 (VI zajęcia) Jakub Jurdziak

Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości. 2014-01-23 (VI zajęcia) Jakub Jurdziak Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości 2014-01-23 (VI zajęcia) Jakub Jurdziak CEL ZAJĘĆ: Prezentacja nowoczesnego banku uniwersalnego jako organizacji opartej

Bardziej szczegółowo