Zarządzanie jakością danych z wykorzystaniem SAS Data Quality WEBINAR, Patryk ChoroŚ, SAS Institute Zbigniew Wyszomierski, SAS Institute
|
|
- Agnieszka Zalewska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Zarządzanie jakością danych z wykorzystaniem SAS Data Quality WEBINAR, Patryk ChoroŚ, SAS Institute Zbigniew Wyszomierski, SAS Institute
2 WEBINAR ZARZĄDZANIE JAKOŚCIĄ DANYCH W ORGANIZACJI Patryk Choroś Principal Business Solutions Manager Zbigniew Wyszomierski Product Management, obszar: Data Management Dzisiejsze spotkanie jest pierwszym z cyklu webinarów poświęconych technologii SAS Na stronie dostępne jest agenda pozostałych spotkań oraz nagrania z zakończonych webinarów Zapraszamy do zadawania pytań z wykorzystaniem funkcji czatu Company Confidential - For Internal Use Only Copyright 2013, SAS Institute Inc. All rights reserved.
3 SAS POSITIONED IN THE LEADERS QUADRANT IN MAGIC QUADRANT REPORTS Data Integration Tools July 29, 2015 Data Quality Tools November 18, 2015 Source: Magic Quadrant for Data Integration Tools, July 29, 2015, Eric Thoo, Lakshmi Randall. Gartner RAS Core Research Note G Source: Gartner Magic Quadrant for Data Quality Tools by Saul Judah and Ted Friedman, November 18, 2015 Gartner RAS Core Research Note: G
4 SAS POSITIONED IN THE LEADERS QUADRANT IN MAGIC QUADRANT REPORTS Advanced Analytics Platforms February 9, 2016 Source: Magic Quadrant for Advanced Analytics Platforms, 9 February 2015, Lisa Kart, Gareth Herschel, Alexander Linden, Jim Hare Gartner RAS Core Research Note G Source: Magic Quadrant for Data Integration Tools, July 29, 2015, Eric Thoo, Lakshmi Randall. Source: Gartner Magic Quadrant for Data Quality Tools by Saul Judah and Ted Friedman, November 18, 2015
5
6 ZARZĄDZANIE JAKOŚCIĄ DANYCH DEFINICJA JAKOŚCI DANYCH Data are of high quality "if they are fit for their intended uses in operations, decision making and planning" (J. M. Juran) Company Confidential - For Internal Use Only Copyright 2013, SAS Institute Inc. All rights reserved.
7 Perspektywy zarządzania jakością danych Ze względu na zakres tematyczny: Analizowane dane nie ulegają modyfikacji Proces określany terminem: profilowania danych Ocena jakości danych za pomocą zestawu miar\statystyk Możliwe podejście ad-hoc lub ujęcie systemowe Analizowane dane ulegają przekształceniu Proces określany terminem: standaryzacji danych Wymagana definicja wzorca \ standardu rozumiejącego rodzaj przetwarzanej informacji Standaryzacja wymagany krok dla obszarów identyfikacji i deduplikacji danych
8 Profilowanie danych Identyfikacja rodzajów występujących błędów Błędy systemowe vs zdarzenia incydentalne Identyfikacja luk w przepływie danych w organizacji
9 Profilowanie danych Rejestracja wyników na osi czasu Budowa własnych miar oceniających parametry jakościowe w danych Rozbudowane mechanizmy alertów
10 Profilowanie danych Repozytorium reguł walidacyjnych Dowolność formuł walidacyjnych Hierarchia pomiędzy regułami Warstwa prezentacyjna, umożliwiająca identyfikację źródeł powstawania błędów
11 Profilowanie danych Repozytorium reguł walidacyjnych
12 Profilowanie danych Repozytorium reguł walidacyjnych
13 Profilowanie danych Analiza zależności w modelu danych
14
15 Profilowanie danych Analiza zależności pomiędzy modelami danych
16
17 Profilowanie danych Jak wykorzystać proces profilowania Elastyczna sonda pomiarowa
18 Profilowanie danych Assessment w projektach (w obszarze jakości danych)
19 Standaryzacja danych Wymagany wzorzec SAS Quality Knowledge Base (QKB) Framework pozwalający na opis dowolnego języka: Reguły fonetyczne Konstrukcja gramatyczna Ortografia i interpunkcja Dodatkowe elementy: wielkość znaków, etc. Słowniki z prawdopodobieństwami Polska wersja Elastyczność QKB: Własne typy danych
20 Standaryzacja danych - QKB
21 Standaryzacja danych - QKB
22 Standaryzacja danych Wymagany wzorzec SAS Quality Knowledge Base (QKB) Polska wersja Adres Data Urodzenia Dowód osobisty Numer Karty Numer konta Numer NIP Numer PESEL Płeć Numer REGON Numer telefonu
23 Standaryzacja danych Schematy standaryzacyjne
24 Standaryzacja danych Schematy standaryzacyjne
25 Czyszczenie danych w praktyce
26 Match codes i deduplikacja Identyfikacja\deduplikacja obiektów System A PersonalID ABC FirstName Zbigniew Middle Michał LastName Wyszomierski PESEL Address ul. A. Mickiewicza 64/4 Updated System B PersonalID ABC FirstName Zbigniew M Middle LastName Wyszomierski PESEL Address ul. Skoczna 6 Updated System C PersonalID DB FirstName Zbigniew Middle Michal LastName Wyszomierski PESEL Address ul. Górna 53 Updated 2003/06/27 System D PersonalID ABC FirstName Zbigniw Middle Michał LastName Wyszomierski PESEL Address ul. Gwiaździsta 6 m.10 Updated 2010\02\14 System E PersonalID AVU FirstName Zbigniew Middle LastName Wyszomirski PESEL Address ul. Mickiewicza 64/4 Updated
27 Master record System A PersonalID ABC FirstName Zbigniew Middle Michał LastName Wyszomierski PESEL Address ul. A. Mickiewicza 64/4 Updated System B PersonalID ABC FirstName Zbigniew M Middle LastName Wyszomierski PESEL Address ul. Skoczna 6 Updated System C PersonalID DB FirstName Zbigniew Middle Michal LastName Wyszomierski PESEL Address ul. Górna 53 Updated 2003/06/27 System D PersonalID ABC FirstName Zbigniw Middle Michał LastName Wyszomierski PESEL Address ul. Gwiaździsta 6 m.10 Updated 2010\02\14 System E PersonalID AVU FirstName Zbigniew Middle LastName Wyszomirski PESEL Address ul. Mickiewicza 64/4 Updated EID Source Keys Survived Fields B Zbigniew Michał Wyszomierski AVU Skoczna 6 Warszawa PL
28 Perspektywy zarządzania jakością danych Ze względu na tryb pracy: Ad-hoc Wymagana funkcjonalność uruchamiana jest w trybie interaktywnym Procesowy Zestaw wymaganych kroków definiowany jest w postaci diagramu Diagram analizy może być uruchamiany wg zadanego harmonogramu
29 Perspektywy zarządzania jakością danych Ze względu na tryb pracy: ad-hoc vs proces
30 Perspektywy zarządzania jakością danych Ze względu na tryb przetwarzania: Batch Analiza wykonywana jest wg zadanych reguł np.: czasowych, na określonych repozytoriach danych Real-time Analiza danych może nastąpić już na etapie ich powstawania Aplikacja dziedzinowa wywołuje dodatkowe procesy\usługi DQ
31 Perspektywy zarządzania jakością danych Batch Real-time
32 Perspektywy zarządzania jakością danych Ze względu na wybraną architekturę rozwiązania: Desktop Schemat\algorytm analizy i przetwarzanie odbywa się na stacji roboczej Serwer Projekt przetwarzania tworzony jest na desktopie Przetwarzanie odbywa się z wykorzystaniem serwera In-database Komponenty DQ instalowane są w środowisku bazodanowym Minimalizacja transferu danych
33 Serwer Transformacja(e) DQ jako element procesu(ów) ETL/ELT Perspektywy zarządzania jakością danych DQ In-database Transformacje DQ instalowane w środowiskach bazy danych SAS DataQuality Accelerator for Hadoop Teradata DQ DQ
34 SAS DQ on Hadoop (SAS Data Loader) live
35 SAS DQ on Hadoop (SAS Data Loader) live
36 SAS DQ on Hadoop (SAS Data Loader) live
37 SAS DQ on Hadoop (SAS Data Loader) live
38 SAS DQ on Hadoop (SAS Data Loader) live 1
39 SAS DQ on Hadoop (SAS Data Loader) live 1 2
40 SAS DQ on Hadoop (SAS Data Loader) live 1 2 3
41 SAS DQ on Hadoop (SAS Data Loader) live
42 SAS DQ on Hadoop (SAS Data Loader) live
43 SAS DQ on Hadoop (SAS Data Loader) live
44 SAS DQ on Hadoop (SAS Data Loader) live
45 SAS DQ on Hadoop (SAS Data Loader) live
46 Perspektywy zarządzania jakością danych Ze względu na kontekst: Projekt niezależny Procesy DQ służą ogólnej poprawie danych w określonych repozytoriach Komponent tzw. SAS Business Solutions Procesy\funkcjonalność DQ są integralną częścią innych rozwiązań: zarówno technicznych jak i biznesowych Jakość przygotowanych danych determinuje skuteczność określonych procesów biznesowych
47 Jakość danych w SAS Business Solutions Predictive modeling & business intelligence: Nowe podmioty dla modeli predykcyjnych Kontrakt -> Klient -> Gospodarstwo domowe Pełniejsze i lepsze jakościowo wypełnienie atrybutów dla wejściowych tabel analitycznych Pełniejsze dane w warstwie raportowej
48 Jakość danych w SAS Business Solutions Predictive modeling
49 Jakość danych w SAS Business Solutions Risk management & fraud detection: Poprawa identyfikowalności podmiotów Skuteczniejsze wykrywanie powiązań pomiędzy podmiotami Skuteczniejsza agregacja danych ze względu na atrybuty podmiotów Poprawa skuteczności modeli wspierających zarządzanie ryzykiem, np.: ryzyko kredytowe
50 Jakość danych w SAS Business Solutions Customer Intelligence: Wsparcie działań sprzedażowych: lepsza identyfikowalność podmiotów i powiązań pomiędzy nimi Realizacja rozwiązań typu: widok Master Data Management Budowa repozytoriów danych referencyjnych Zależności pomiędzy obiektami Automatyzacja działań marketingowych, np.: automatyczna generacja ofert, opisów produktów etc.
51 CIEKAWE DOŚWIADCZENIA WDROŻENIOWE REFERENCJE SAS INSTITUTE POLSKA
52 REFERENCJE UFG Rozmiar danych: 100 milionów wierszy (inicjalnie 72 mln) Źródła danych: 4 systemy Zakres danych: Dane o pojazdach, dane o ubezpieczonych, dane o kontrahentach Opis wdrożenia: Zaprojektowanie algorytmów czyszczenia i uzupełniania danych: profilowanie, parsowanie, standaryzacja, walidacja, uzupełnianie słownikowe Udostępnianie danych za pośrednictwem usług sieciowych Pełne wdrożenie obejmujące wszystkie etapy projektu od prac analitycznych do uruchomienia produkcyjnego Wyniki otrzymane po implementacji systemu: Stworzenie dedykowanej hurtowni danych ubezpieczeniowych wraz z ergonomicznym interfejsem składania zapytań do centralnej, ogólnopolskiej bazy danych o ubezpieczeniach komunikacyjnych. UFG może realizować swoje obowiązki ustawowe i spełniać oczekiwania rynku jako ośrodek informacji dla ubezpieczeń komunikacyjnych Nowe narzędzie pozwala firmom ubezpieczeniowym na szybkie sprawdzenie w ilu wypadkach uczestniczył właściciel pojazdu i uwzględnienie tych informacji przy kalkulacji jego nowej składki za OC czy AC Przed wdrożeniem systemu liczba zapytań kierowanych do Ośrodka Informacji UFG przez zakłady ubezpieczeń wynosiła ok. 17 tys. rocznie, natomiast w trakcie programu pilotażowego, który trwał od lutego do listopada ubiegłego roku, ubezpieczyciele zadali łącznie 2,5 mln zapytań
53 REFERENCJE GŁÓWNY URZĄD STATYSTYCZNY Rozmiar danych: około 5 TB Źródła danych: narodowe rejestry spisowe (około 20 różnych źródeł danych) Zakres danych: dane adresowe i kontaktowe, finansowe, ubezpieczeniowe, telekomunikacyjne, demograficzne i energetyczne Opis wdrożenia: Zakres procesu jakości danych: integracja i standaryzacja wszystkich głównych, narodowych rejestrów dla spisu powszechnego i rolnego Główne techniki czyszczenia danych: Kody dopasowania, Dystans Levenshtein-a, Nakładanie schematów. Polepszenie jakości danych zmierzone po zaimplementowaniu Data Quality: Np. rejestr PESEL: miasta 70,29%, ulice 85,67%
54 WEBINAR ZARZĄDZANIE JAKOŚCIĄ DANYCH W ORGANIZACJI Patryk Choroś patryk.choros@sas.com Zbigniew Wyszomierski zbigniew.wyszomierski@sas.com Zapraszamy na kolejne webinary o technologii SAS na Company Confidential - For Internal Use Only Copyright 2013, SAS Institute Inc. All rights reserved.
55 DZIĘKUJEMY ZA UDZIAŁ PROSIMY O WYPEŁNIENIE ANKIETY
SAS Data Quality. Technologia i wykorzystanie
SAS Data Quality Technologia i wykorzystanie Problemy rozwiązywane przez użycie narzędzi SAS Data Quality Zduplikowani klienci - nieodpowiednie propozycje warunków handlowych, nieadekwatna oferta Błędne
Bardziej szczegółowoSAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik
SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop Piotr Borowik Wyzwania związane z Big Data Top Hurdles with Big data Source: Gartner (Sep 2014), Big Data Investment Grows
Bardziej szczegółowoNowoczesne aplikacje mobilne i ich rola w podnoszeniu jakości danych
Nowoczesne aplikacje mobilne i ich rola w podnoszeniu jakości danych www.ascen.pl 1 Agenda O firmie Zarządzanie jakością danych Aplikacje mobilne i ich rola w zarządzaniu jakością danych 2 O firmie Data
Bardziej szczegółowoCena netto (PLN) IV kwartał. Cena netto (PLN) Podstawy SAS INTRO 1 1 200 1 260 2 20 4 1 7 2
2015 SAS Education sas.com/poland/training Centrum Szkoleniowe SAS Institute sp. z o.o. ul. Gdańska 27/31, 01-633 Warszawa (22) 560 46 20 cs@spl.sas.com Kalendarz szkoleń Grow With Us Nazwa szkolenia Kod
Bardziej szczegółowoSzkolenia SAS Cennik i kalendarz 2017
Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS
Bardziej szczegółowoWdrożenie technologii procesowej IBM BPM w EFL
Wdrożenie technologii procesowej IBM BPM w EFL Marcin Naliwajko Z-ca dyrektora Departamentu Technologii Dominik Lisowski Starszy Architekt Systemów IT Grupy EFL WebSphere Message Broker 2008 r. Wdrożenie
Bardziej szczegółowoSZKOLENIA 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 szczegółowoSAS Lineage. zależności między obiektami w środowisku SAS, perspektywa techniczna i biznesowa
SAS Lineage zależności między obiektami w środowisku SAS, perspektywa techniczna i biznesowa Agenda Co to jest SAS Lineage Znaczenie w zarządzaniu danymi Produkty i możliwości Baza danych o relacjach Jak
Bardziej szczegółowoUsługi 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 szczegółowoWIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS
WIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS WEBINARIUM, 2016.03.08 Dr Sławomir Strzykowski, Senior Business Solution Manager SAS VISUAL ANALYTICS
Bardziej szczegółowoKorzyści z integracji danych klienta. Seminarium PIU Jakość danych w systemach informatycznych ZU Warszawa 25.03.2009 Przygotowała Ewa Galas
Korzyści z integracji danych klienta Seminarium PIU Jakość danych w systemach informatycznych ZU Warszawa 25.03.2009 Przygotowała Ewa Galas Definicje CDI ( Customer Data Integration) koncepcja integracji
Bardziej szczegółowoModelowanie Data Mining na wielką skalę z SAS Factory Miner. Paweł Plewka, SAS
Modelowanie Data Mining na wielką skalę z SAS Factory Miner Paweł Plewka, SAS Wstęp SAS Factory Miner Nowe narzędzie do data mining - dostępne od połowy 2015 r. Aktualna wersja - 14.1 Interfejs webowy
Bardziej szczegółowoIBM DATASTAGE COMPETENCE CENTER
IBM DATASTAGE COMPETENCE CENTER W informacji drzemie ogromny potencjał biznesowy. Odpowiednio opisane i wykorzystane dane stanowią podstawę sprawnie funkcjonującego przedsiębiorstwa. Wykorzystując najnowocześniejsze
Bardziej szczegółowoProjekty BPM z perspektywy analityka biznesowego. Wrocław, 20 stycznia 2011
Projekty BPM z perspektywy analityka biznesowego Wrocław, 20 stycznia 2011 Agenda Definicja pojęć: Analiza biznesowa oraz analityk biznesowy Co kryje się za hasłem BPM? Organizacja zarządzana procesowo
Bardziej szczegółowoWielowymiarowość zapewnienia bezpieczeństwa danych rynku ubezpieczeń
www.sapiens.com Wielowymiarowość zapewnienia bezpieczeństwa danych rynku ubezpieczeń Metody i narzędzia na podstawie rozwiązań Ubezpieczeniowego Funduszu Gwarancyjnego 28-29 września 2017 1 Agenda Zasilanie
Bardziej szczegółowoAutomatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.
Automatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.pl Obsługa wniosków kredytowych Potrzeba elastyczności
Bardziej szczegółowoWprowadzenie 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 szczegółowoBaza Danych Ubezpieczeniowych UFG zastosowanie w przeciwdziałaniu przestępczości ubezpieczeniowej
Baza Danych Ubezpieczeniowych UFG zastosowanie w przeciwdziałaniu przestępczości ubezpieczeniowej XXIII Forum Teleinformatyki, 28-29 września 2017 Jarosław Górecki, SAS Institute Agenda Wstęp Koncepcja
Bardziej szczegółowoPortale raportowe, a narzędzia raportowe typu self- service
Portale raportowe, a narzędzia raportowe typu self- service Bartłomiej Graczyk Kierownik Projektów / Architekt rozwiązań Business Intelligence E mail: bartek@graczyk.info.pl Site: www.graczyk.info.pl Agenda
Bardziej szczegółowoBudowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa
Budowa systemu wspomagającego podejmowanie decyzji Metodyka projektowo wdrożeniowa Agenda Systemy wspomagające decyzje Business Intelligence (BI) Rodzaje systemów BI Korzyści z wdrożeń BI Zagrożenia dla
Bardziej szczegółowoNowe podejście do składowania danych
Nowe podejście do składowania danych Platforma dla danych transakcyjnych i analitycznych wykorzystująca składowanie kolumnowe w pamięci Hasso Plattner Oddzielne systemy transakcyjne + analityka + akceleracja
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mariusz.rafalo@hotmail.com WPROWADZENIE DO HURTOWNI DANYCH Co to jest hurtownia danych? Hurtownia danych jest zbiorem danych zorientowanych tematycznie, zintegrowanych,
Bardziej szczegółowoBłędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation)
Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation) Zarządzanie wymaganiami Ad hoc (najczęściej brak zarządzania nimi) Niejednoznaczna, nieprecyzyjna komunikacja Architektura
Bardziej szczegółowoEXPERIENCE IS THE KING
EXPERIENCE IS THE KING ANALITYKA CUSTOMER JOURNEY W AKCJI MARKETING PROGRESS, 13.10.2016 DOŚWIADCZENIE TECHNOLOGIA 38 lat na świecie, 22 lata w Polsce Wydajny silnik przetwarzania danych i analityki Pełna
Bardziej szczegółowoZałożenia i stan realizacji projektu epuap2
Założenia i stan realizacji projektu epuap2 Michał Bukowski Analityk epuap Serock, 28 października 2009 r. Agenda 1. Projekt epuap - cele i zakres. 2. Zrealizowane zadania w ramach epuap. 3. Projekt epuap2
Bardziej szczegółowoEXSO-CORE - specyfikacja
EXSO-CORE - specyfikacja System bazowy dla aplikacji EXSO. Elementy tego systemu występują we wszystkich programach EXSO. Może on ponadto stanowić podstawę do opracowania nowych, dedykowanych systemów.
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 5 czerwca 2017 Pytania stawiane przez biznes 1 Jaka jest aktualnie sytuacja w firmie? 2 Na czym jeszcze możemy zarobić? Które procesy możemy usprawnić?
Bardziej szczegółowoJarosław Żeliński analityk biznesowy, projektant systemów
Trendy w architekturze oprogramowania zarządzającego procesami biznesowymi i przepływem pracy - dedykowane czy standardowe? Jarosław Żeliński analityk biznesowy, projektant systemów O mnie Od 1991 roku
Bardziej szczegółowoPaweł Gołębiewski. Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl
Paweł Gołębiewski Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl Droga na szczyt Narzędzie Business Intelligence. Czyli kiedy podjąć decyzję o wdrożeniu?
Bardziej szczegółowoOne Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb
One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb X Kongres Business Intelligence Warszawa, 17.03.2016 Joanna Łuczak Multi-Partnerski
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 27 czerwca 2017 Hadoop i Business Intelligence - wyzwania 1 Ładowane danych do Hadoop-a jest trudne 2 Niewielu specjalistów dostępnych na rynku Dostęp
Bardziej szczegółowoERDAS TITAN środowisko 3D udostępniania danych przestrzennych
ERDAS TITAN środowisko 3D udostępniania danych przestrzennych III Konferencja naukowo-techniczna WAT i GEOSYSTEMS Polska, Serock, 12 czerwca, 2008 ERDAS, Inc. A Hexagon Company. All Rights Reserved ERDAS
Bardziej szczegółowoSzybkość 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 szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2012 Zagadnienia do omówienia 1. Miejsce i rola w firmie 2. Przegląd architektury
Bardziej szczegółowoHurtownie 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 szczegółowoCUSTOMER SUCCESS STORY
D ATA W A L K CUSTOMER SUCCESS STORY Scentralizowana informacja o posiadanych produktach w Banku Zachodnim WBK Siłę elastycznego modelu danych DataWalk poznaliśmy w pełni pod koniec wdrożenia. Zdecydowaliśmy
Bardziej szczegółowoProcesy ETL. 10maja2009. Paweł Szołtysek
Procesy 10maja2009 Paweł Szołtysek 1/12 w praktyce w praktyce 2/12 Zagadnienie Business Inteligence w praktyce 3/12 Czym jest proces? w praktyce Dane: dowolny zbiór danych ze źródeł zewnętrznych. Szukane:
Bardziej szczegółowoDOTACJE NA INNOWACJE
Strzyżów, 29-05-2013 Ogłoszenie o zamówieniu kompleksowego wdrożenia systemu B2B do współpracy handlowej pomiędzy firmą Triton a Partnerami Zamawiający: TRITON S.C. Marcin Bosek, Janusz Rokita ul. Słowackiego
Bardziej szczegółowoAurea BPM. Unikalna platforma dla zarządzania ryzykiem Warszawa, 25 lipca 2013
Aurea BPM Unikalna platforma dla zarządzania ryzykiem Warszawa, 25 lipca 2013 Agenda 1. Podstawowe informacje o Aurea BPM 2. Przykłady projektów w obszarze minimalizacji skutków zagrożeń 3. Aurea BPM dla
Bardziej szczegółowoIntegracja danych ubezpieczeniowych w czasie rzeczywistym. Łukasz Szewczyk Solution Architect
Integracja danych ubezpieczeniowych w czasie rzeczywistym Łukasz Szewczyk Solution Architect Dlaczego integrować dane w czasie rzeczywistym? W dość krótkim czasie większość danych jakie posiadamy staje
Bardziej szczegółowoAUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7
AUREA BPM Oracle TECNA Sp. z o.o. Strona 1 z 7 ORACLE DATABASE System zarządzania bazą danych firmy Oracle jest jednym z najlepszych i najpopularniejszych rozwiązań tego typu na rynku. Oracle Database
Bardziej szczegółowoAurea BPM. Lepsze procesy, lepsze wyniki Warszawa, 24 lipca 2013
Aurea BPM Lepsze procesy, lepsze wyniki Warszawa, 24 lipca 2013 Agenda 1. Dlaczego BPM jest drogą do lepszej wymiany informacji w firmie 2. Aurea BPM unikalna platforma o wyróżniających cechach 3. Podsumowanie
Bardziej szczegółowoCENTRALNA EWIDENCJA POJAZDÓW i KIEROWCÓW
Ministerstwo Spraw Wewnętrznych i Administracji CENTRALNA EWIDENCJA POJAZDÓW i KIEROWCÓW Postęp realizacji projektu Gustaw Pietrzyk Plan prezentacji 1. Cele i architektura systemu 2. Finansowanie przedsięwzięcia
Bardziej szczegółowoSecurity Master Class
Security Master Class Platforma kompleksowej analizy zdarzeń Linux Polska SIEM Radosław Żak-Brodalko Senior Solutions Architect Linux Polska sp. z o.o. Podstawowe problemy Jak pokryć lukę między technicznym
Bardziej szczegółowoPraktyczne 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 szczegółowoKluczowe zasoby do realizacji e-usługi Warszawa, 16 października 2012. Maciej Nikiel
2012 Zasoby wiedzy w e-projekcie. Technologie informatyczne, oprogramowanie - zdefiniowanie potrzeb, identyfikacja źródeł pozyskania. Preferencje odnośnie technologii informatycznych. Maciej Nikiel Kluczowe
Bardziej szczegółowoNarzędzia IT we współczesnych strategiach utrzymaniowych
Narzędzia IT we współczesnych strategiach utrzymaniowych - NAJNOWSZE TRENDY - Piotr Rzepakowski, CEO Decitum Sp. z o.o. Od predykcji churn, przez analizę retencji do optymalizacji utrzymania Przyszła Analityczny
Bardziej szczegółowoInnowacyjne rozwiązania odpowiedzą na RODO
www.comp.com.pl Innowacyjne rozwiązania odpowiedzą na RODO Pion Rozwiązań Systemowych Dane osobowe - obecny stan prawny Ustawa z dnia 29.8.1997r. o ochronie danych osobowych Rozporządzenie Ministra Spraw
Bardziej szczegółowoHurtownie danych - przegląd technologii
Hurtownie danych - przegląd technologii Problematyka zasilania hurtowni danych - Oracle Data Integrator Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel
Bardziej szczegółowoThe Binder Consulting
The Binder Consulting Contents Indywidualne szkolenia specjalistyczne...3 Konsultacje dla tworzenia rozwiazan mobilnych... 3 Dedykowane rozwiazania informatyczne... 3 Konsultacje i wdrożenie mechanizmów
Bardziej szczegółowoObywatel 360 Narzędzia do zarządzania danymi
Obywatel 360 Narzędzia do zarządzania danymi Łukasz Leszewski SAS Institute Zasoby informacyjne w organizacji Zasoby informacyjne w tej chwili są najbardziej wartościowym zasobem w biznesie, bo bez nich
Bardziej szczegółowoJIRA, jako narzędzie wspierające zarządzanie projektami w dużej organizacji
JIRA, jako narzędzie wspierające zarządzanie projektami w dużej organizacji Wdrożenie procesu wytwórczego w Jira w Grupie Cyfrowy Polsat Grupa Kapitałowa Cyfrowy Polsat S.A. Warszawa, 14 marca 2018 JIRA
Bardziej szczegółowoHP Service Anywhere Uproszczenie zarządzania usługami IT
HP Service Anywhere Uproszczenie zarządzania usługami IT Robert Nowak Architekt rozwiązań HP Software Dlaczego Software as a Service? Najważniejsze powody za SaaS UZUPEŁNIENIE IT 2 Brak zasobów IT Ograniczone
Bardziej szczegółowoMigracja Business Intelligence do wersji 2013.3
Migracja Business Intelligence do wersji 2013.3 Copyright 2013 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
Bardziej szczegółowoZARZĄDZANIE WYMAGANIAMI ARCHITEKTONICZNYMI
ZARZĄDZANIE WYMAGANIAMI ARCHITEKTONICZNYMI XVIII Forum Teleinformatyki mgr inż. Michał BIJATA, doktorant, Wydział Cybernetyki WAT Michal.Bijata@WAT.edu.pl, Michal@Bijata.com 28 września 2012 AGENDA Architektura
Bardziej szczegółowoArchitektura bezpieczeństwa informacji w ochronie zdrowia. Warszawa, 29 listopada 2011
Architektura informacji w ochronie zdrowia Warszawa, 29 listopada 2011 Potrzeba Pomiędzy 17 a 19 kwietnia 2011 roku zostały wykradzione dane z 77 milionów kont Sony PlayStation Network. 2 tygodnie 25 milionów
Bardziej szczegółowoRola analityki danych w transformacji cyfrowej firmy
Rola analityki danych w transformacji cyfrowej firmy Piotr Czarnas Querona CEO Analityka biznesowa (ang. Business Intelligence) Proces przekształcania danych w informacje, a informacji w wiedzę, która
Bardziej szczegółowoZarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera. Katarzyna Wyszomierska
Zarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera Katarzyna Wyszomierska Wyzwania administratora Nowe oprogra mowanie Sprzęt Użytkownicy Dane Wyzwania administratora Potrzebne
Bardziej szczegółowoEfektywne procesy zaopatrzenia dla służb remontowych studium przypadku CMC Poland
Efektywne procesy zaopatrzenia dla służb remontowych studium przypadku CMC Poland Tomasz Czernek Krzysztof Wojtaszczyk Aleksander Surma Public Agenda CMC Poland Sp. z o.o. Profil firmy Efektywne procesy
Bardziej szczegółowoVII Kongres BOUG 03 października 2012
Raportowanie SLA w duŝej organizacji Studium przypadku VII Kongres BOUG 03 października 2012 Zdefiniowanie przypadku Zadanie do wykonania: Jak przenieść ustalenia formalne na efektywnie raportujący system?
Bardziej szczegółowoPureSystems zautomatyzowane środowisko aplikacyjne. Emilia Smółko Software IT Architect
PureSystems zautomatyzowane środowisko aplikacyjne. Emilia Smółko Software IT Architect Wbudowana wiedza specjalistyczna Dopasowane do zadania Optymalizacja do aplikacji transakcyjnych Inteligentne Wzorce
Bardziej szczegółowoSystem Nadzoru Ubezpieczeń (SNU) nowy system sprawozdawczy dla zakładów ubezpieczeń i organu nadzoru
System Nadzoru Ubezpieczeń (SNU) nowy system sprawozdawczy dla zakładów ubezpieczeń i organu nadzoru Kien Do Mariusz Smętek Seminarium Polskiej Izby Ubezpieczeń Warszawa, 25 marca 2009 r. Agenda prezentacji
Bardziej szczegółowoCzyszczenie i standaryzacja danych adresowych. Michał Słoniewicz, Biuro Informacji Kredytowej Warszawa, 19 kwietnia 2012 r.
Czyszczenie i standaryzacja danych adresowych Michał Słoniewicz, Biuro Informacji Kredytowej Warszawa, 19 kwietnia 2012 r. Współpraca z Grupą BIK Grupa BIK Banki i SKOK-i BIK S.A. Podmioty finansowe niebędące
Bardziej szczegółowoSekcja I: Instytucja zamawiająca/podmiot zamawiający
Unia Europejska Publikacja Suplementu do Dziennika Urzędowego Unii Europejskiej 2, rue Mercier, 2985 Luxembourg, Luksemburg Faks: +352 29 29 42 670 E-mail: ojs@publications.europa.eu Informacje i formularze
Bardziej szczegółowoPakiet dla Efektywności Energetycznej
Pakiet dla Efektywności Energetycznej Przegląd systemu 2/28/2012 Aplikacje dla spółek energetycznych Audyt Energetyczny Zużycie Mediów Budynki i Instalacje Monitoring Billing Energia elektryczna Multimedia
Bardziej szczegółowoJak skutecznie budować i wdrażać zabezpieczenia do walki z wyłudzeniami?
Jak skutecznie budować i wdrażać zabezpieczenia do walki z wyłudzeniami? Tomasz Imbiorowski, Dyrektor Departamentu Bezpieczeństwa, Bank Pocztowy SA Dariusz Wojtas, Head of Product Management, IMPAQ Warszawa,
Bardziej szczegółowoAurea BPM Dokumenty pod kontrolą
Aurea BPM Dokumenty pod kontrolą 1 Aurea BPM unikalna platforma o wyróżniających cechach Quality Software Solutions Aurea BPM Aurea BPM system informatyczny wspomagający zarządzanie procesami biznesowymi
Bardziej szczegółowoZAŁĄCZNIK NR 3 OPIS PRZEDMIOTU ZAMÓWIENIA DOTYCZĄCY WDROŻENIA PLATFORMY ZAKUPOWEJ
ZAŁĄCZNIK NR 3 OPIS PRZEDMIOTU ZAMÓWIENIA DOTYCZĄCY WDROŻENIA PLATFORMY ZAKUPOWEJ 1. PRZEDMIOT ZAMÓWIENIA Przedmiotem zamówienia jest dostarczenie i wdrożenie systemu informatycznego dalej Platforma zakupowa
Bardziej szczegółowoDOTACJE NA INNOWACJE
Rzeszów, 02.05.2012 Ogłoszenie o zamówieniu na analizę przedwdrożeniową i usługi doradcze Zamawiający: Przedsiębiorstwo Produkcyjno Usługowo Handlowe M.A.M. Marek Wróblewski ul. Gen. Leopolda Okulickiego
Bardziej szczegółowoWarsztaty FRAME. Sygnatura warsztatu: W1 (W3) Czas trwania: 3 dni
Sygnatura warsztatu: W1 (W3) Czas trwania: 3 dni Warsztaty FRAME I. Cel Zapoznanie uczestników z możliwościami wykorzystania Europejskiej Ramowej Architektury ITS FRAME (zwanej dalej FRAME ) oraz jej narzędzi
Bardziej szczegółowoDokumentacja techniczna. Młodzieżowe Pośrednictwo Pracy
Dokumentacja techniczna Młodzieżowe Pośrednictwo Pracy Spis Treści 1. Widok ogólny architektury MPP... 3 2. Warstwy systemu... 5 3. Struktura systemu/komponentów... 7 3.1 Aplikacje... 7 3.2 Biblioteki...
Bardziej szczegółowoProjekty wdrożenia ITS CASE STUDIES
Projekty wdrożenia ITS CASE STUDIES Agenda 1. Mapa produktów sprawozdawczych - komponenty/moduły będące podstawą projektów implementacji 2. Case studies analiza przypadków - projekty implementacji ITS
Bardziej szczegółowoSzczegółowy opis przedmiotu umowy. 1. Środowisko SharePoint UWMD (wewnętrzne) składa się z następujących grup serwerów:
Rozdział I Szczegółowy opis przedmiotu umowy Załącznik nr 1 do Umowy Architektura środowisk SharePoint UMWD 1. Środowisko SharePoint UWMD (wewnętrzne) składa się z następujących grup serwerów: a) Środowisko
Bardziej szczegółowoModelowanie i analiza systemów informatycznych
Modelowanie i analiza systemów informatycznych MBSE/SysML Wykład 11 SYSMOD Wykorzystane materiały Budapest University of Technology and Economics, Department of Measurement and InformaJon Systems: The
Bardziej szczegółowoSplunk w akcji. Radosław Żak-Brodalko Solutions Architect Linux Polska Sp. z o.o.
Splunk w akcji Radosław Żak-Brodalko Solutions Architect Linux Polska Sp. z o.o. 1 Splunk agent wiedzy o infrastrukturze czyli SIEM i coś więcej 2 Splunk gromadzi oraz integruje informacje dotyczące funkcjonowania
Bardziej szczegółowoStatSoft 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 szczegółowoInformacja o firmie i oferowanych rozwiązaniach
Informacja o firmie i oferowanych rozwiązaniach Kim jesteśmy INTEGRIS Systemy IT Sp. z o.o jest jednym z najdłużej działających na polskim rynku autoryzowanych Partnerów Microsoft w zakresie rozwiązań
Bardziej szczegółowoDYNAMICZNE ASPEKTY PROCESÓW BIZNESOWYCH. Wszystkie prawa zastrzeżone
DYNAMICZNE ASPEKTY PROCESÓW BIZNESOWYCH TOMASZ GZIK WPROWADZENIE 1 Dlaczego mówi się o dynamicznych procesach biznesowych? 2 Co się o nich mówi? 3 Definicje 3 Dynamiczne aspekty procesów 4 Kierunki rozwoju
Bardziej szczegółowoWaste Management System
Waste Management System Platforma wspomagająca system zagospodarowania odpadów komunalnych Daniel Biesiada daniel.biesiada@nooxtech.pl Plan prezentacji Kilka słów o Noox Technologies Wyzwania gmin w dobie
Bardziej szczegółowoTECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com
TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com 13 + 13 LAT DOŚWIADCZENIA PONAD 480 ZREALIZOWANYCH PROJEKTÓW PARTNERSTWO Naszą ambicją jest dostarczać klientom szeroki
Bardziej szczegółowoSiR_13 Systemy SCADA: sterowanie nadrzędne; wizualizacja procesów. MES - Manufacturing Execution System System Realizacji Produkcji
System informatyczny na produkcji: Umożliwi stopniowe, ale jednocześnie ekonomiczne i bezpieczne wdrażanie i rozwój aplikacji przemysłowych w miarę zmiany potrzeb firmy. Może adoptować się do istniejącej
Bardziej szczegółowoRelacyjne, a obiektowe bazy danych. Bazy rozproszone
2 Relacyjne, a obiektowe bazy danych. Bazy rozproszone Zastosowania baz danych systemy bankowe (bankomat) systemy masowej obsługi (hipermarket) rezerwacja biletów lotniczych telefonia komórkowa (sms) Dziekanat
Bardziej szczegółowoIstnieje możliwość prezentacji systemu informatycznego MonZa w siedzibie Państwa firmy.
system informatyczny wspomagający monitorowanie i planowanie zapasów w przedsiębiorstwie System informatyczny MonZa do wspomagania decyzji managerskich w obszarze zarządzania zapasami jest odpowiedzią
Bardziej szczegółowoDOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:
DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: DATAMINING 1 S t r o n a WSTĘP Czyli jak zastąpić wróżenie z fusów i przysłowiowego nosa, statystyką i modelami ekonometrycznymi. Niniejszy dokument,
Bardziej szczegółowoOd papierowych procedur do automatycznych procesów biznesowych w urzędzie dobre praktyki Michał Prusaczyk
Od papierowych procedur do automatycznych procesów biznesowych w urzędzie dobre praktyki Michał Prusaczyk O mnie Prelegent Michał Prusaczyk Senior Associate Consultant Podsumowanie Michał w ciągu ostatnich
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoLuki w bezpieczeństwie aplikacji istotnym zagrożeniem dla infrastruktury krytycznej
Luki w bezpieczeństwie aplikacji istotnym zagrożeniem dla infrastruktury krytycznej Michał Kurek, Partner KPMG, Cyber Security Forum Bezpieczeństwo Sieci Technologicznych Konstancin-Jeziorna, 21 listopada
Bardziej szczegółowoSzczególne problemy projektowania aplikacji internetowych. Jarosław Kuchta Projektowanie Aplikacji Internetowych
Szczególne problemy projektowania aplikacji Jarosław Kuchta Miejsce projektowania w cyklu wytwarzania aplikacji SWS Analiza systemowa Analiza statyczna Analiza funkcjonalna Analiza dynamiczna Analiza behawioralna
Bardziej szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja
Bardziej szczegółowoZAŁĄCZNIK NR 5 - GRUPA PRODUKTÓW 5: OPROGRAMOWANIE BAZODANOWE
ZAŁĄCZNIK NR 5 - GRUPA PRODUKTÓW 5: OPROGRAMOWANIE BAZODANOWE Opis przedmiotu zamówienia Licencja na Microsoft SQL Server 2008 R2 Standard Edition Gov. MOLP 1 CPU (2 szt.) lub Licencja na Microsoft SQL
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoMONITOROWANIE DOSTĘPNOŚCI USŁUG IT
MONITOROWANIE DOSTĘPNOŚCI USŁUG IT POZIOMY MONITOROWANIA Services Transaction Application OS Network IBM TIVOLI MONITORING Proaktywnie monitoruje zasoby systemowe, wykrywając potencjalne problemy i automatycznie
Bardziej szczegółowoMigracja Business Intelligence do wersji
Migracja Business Intelligence do wersji 2015.1 Copyright 2014 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
Bardziej szczegółowoHurtownie danych - przegląd technologii
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykład adów Wprowadzenie - integracja
Bardziej szczegółowoProcesowa 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 szczegółowoCo 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 szczegółowoOpis spełnienia wymagań (PSBD)
Numer sprawy: DPZ/4/15 Nr arch. DPZ/087/059-16/15 1. Zakres przedmiotu zamówienia: Opis spełnienia wymagań (PSBD) Załącznik nr 1d do formularza ofertowego Wykonanie dzieła polegającego na dostawie, kompleksowym
Bardziej szczegółowoIII Edycja ITPro 16 maja 2011
III Edycja ITPro 16 maja 2011 SharePoint 2010 SharePoint jako platforma ERP Paweł Szczecki pawel.szczecki@predica.pl Prelegent Paweł Szczecki Współwłaściciel firmy Predica sp. z o.o. Odpowiedzialny za
Bardziej szczegółowoIMPLEMENTATION OF WDROŻENIE COMARCHW MINISTERSTWIE FINANSÓW SINDBAD RAPORTY ANALIZY BADANIA PROGNOZY CASE STUDY 1
IMPLEMENTATION OF WDROŻENIE COMARCHW MINISTERSTWIE FINANSÓW M2M SINDBAD PLATFORM RAPORTY ANALIZY BADANIA PROGNOZY CASE STUDY 1 MINISTERSTWO FINANSÓW Ministerstwo Finansów zapewnia obsługę Ministra Finansów
Bardziej szczegółowo