Helena Dudycz Instytut Informatyki Ekonomicznej Akademia Ekonomiczna we Wrocławiu

Wielkość: px
Rozpocząć pokaz od strony:

Download "Helena Dudycz Instytut Informatyki Ekonomicznej Akademia Ekonomiczna we Wrocławiu helena.dudycz@ae.wroc.pl"

Transkrypt

1 PRZETWARZANIE ANALITYCZNE PODSTAWĄ ROZWIĄZAŃ INFORMATYCZNYCH KLASY BUSINESS INTELLIGENCE Streszczenie Helena Dudycz Instytut Informatyki Ekonomicznej Akademia Ekonomiczna we Wrocławiu Konieczność pozyskiwania przez decydentów potrzebnych informacji we właściwym czasie wymaga zastosowania przetwarzania analitycznego danych. Celem niniejszego artykułu jest wskazanie narzędzi analitycznych stanowiących podstawę rozwiązań informatycznych klasy Business Intelligence (BI). Analizę przeprowadzono zgodnie z zaproponowanym warstwowym modelem architektury funkcjonalnej zaawansowanego systemu informacyjno-analitycznego stanowiącego całościowe podejście do koncepcji BI. Słowa kluczowe: Business Intelligence, zaawansowane systemy informacyjnoanalityczne. 1. Wprowadzenie Od kilkudziesięciu lat informatyka stara się wspierać kaŝdy moŝliwy obszar działalności biznesowej przedsiębiorstwa, co ma odzwierciedlenie zwłaszcza w ostatnim dwudziestoleciu 1, gdzie w wielu organizacjach gospodarczych nastąpił gwałtowny rozwój technologiczny spowodowany (zob. m.in. [KuKo01, s. 15]): wzrastającą globalizacją i konkurencją, głębokimi jednoczesnymi zmianami strukturalnymi poszczególnych branŝ i organizacji, wzrastającą siłą przetargową klientów i dostawców produktów oraz usług, rosnącym popytem na kadrę zdolną do stałego uczenia się. Tym bardziej teraz, stojąc na progu zmian w sposobie prowadzenia biznesu, wywołanych takimi czynnikami jak globalizacja handlu i Internet, szybki dostęp do informacji nabiera priorytetowego znaczenia. Zwłaszcza czasu stał się nieodzownym czynnikiem dokonywania analiz biznesowych, dlatego stanowi on 1 Nicholas G. Carr podaje dane świadczące o znacznym wzroście wydatków kapitałowych na systemy i rozwiązania informatyczne w przedsiębiorstwach amerykańskich: w połowie lat 60-tych stanowiły one jedynie 5%, pod koniec lat 80-tych juŝ 15%, w połowie lat 90-tych 30%, osiągając pod koniec lat 90_tych 50% [Nich04].

2 274 Zarządzanie wiedzą i rozwiązania Business Intelligence integralny składnik wszystkich aplikacji analitycznych, rozumianych jako system informatyczny udostępniający w sposób zintegrowany informacje uzyskane z wielu źródeł (systemów komputerowych, wskaźników, danych uzupełniających itp.) pozwalający uŝytkownikowi efektywnie prowadzić analizy (np. symulacje, weryfikację wyciągniętych wniosków). Charakterystyczne cechy tych rozwiązań to: informacje pochodzą z wielu źródeł, występuje integracja danych oraz efektywność analiz, czyli moŝliwość uzyskania wyników w krótkim czasie (w ciągu minut, a nie dni) (zob. m.in. [Sypk03, s. 16]). Wymienione właściwości stanowią o tym, Ŝe rozwiązania te są nieodzownym elementem systemów informatycznych klasy Business Intelligence (BI). 2. Potrzeba wdraŝania systemów przetwarzania analitycznego Organizacje gospodarcze korzystają z zróŝnicowanych tematycznie aplikacji, funkcjonujących często na róŝnorodnych platformach, nastawionych na poprawną ewidencję danych i właściwe sporządzanie sprawozdań. Dzisiejsze systemy transakcyjne pomimo tego, Ŝe mają duŝo własnych raportów, nie ułatwiają jednak uŝytkownikom wyszukiwania odpowiedzi na róŝnorodne, niestandardowe pytania dotyczące sfery ekonomicznej i technicznej firmy stawiane przez zarząd i pracowników. Praktyka gospodarcza często pokazuje, iŝ paradoksalnie im przedsiębiorstwo jest lepiej zinformatyzowane tym analizowanie informacji moŝe być bardziej skomplikowane m.in. ze względu na [DuSi03a, s. 89]: ogrom ilości przechowywanych danych, trudność rozpatrywania kilku lub kilkunastu oddzielnych raportów, często pochodzących z róŝnych systemów, dostarczanie najczęściej standardowych raportów i bez względu jak duŝa występuje ich ilość, często zdarza się, Ŝe Ŝaden z nich nie zawiera dokładnie tej informacji, która jest w danej chwili potrzebna, czasochłonność generowania raportów, gdzie czynność ta dodatkowo obcią- Ŝa działające systemy transakcyjne. Podejmowanie trafnych decyzji gospodarczych i sprawne zarządzanie wymaga natychmiastowego dostępu do całości danych. Natomiast pozyskiwanie informacji na podstawie wielu raportów pochodzących z systemów transakcyjnych ma istotne wady: czas tworzenia raportów jest długi, a uŝywanie danych transakcyjnych jako źródła informacji nie jest efektywne, gdyŝ nie są one usystematyzowane i wyczyszczone, czyli pozbawione błędów oraz dostęp do danych musi być zorganizowany w taki sposób, aby dane mogły być wykorzystywane w procesie decyzyjnym, a to wymaga moŝliwości tworzenia analiz obejmujących całość organizacji. Przed problemem stworzenia dobrego systemu raportów i dystrybucji informacji stoi większość organizacji gospodarczych. Odpowiedzią na dzisiejsze

3 Przetwarzanie analityczne podstawą rozwiązań informatycznych klasy 275 potrzeby decydentów w zakresie uzyskiwania odpowiednich informacji w odpowiednim czasie są rozwiązania informatyczne budowane według koncepcji Business Intelligence 2. Aplikacje te słuŝą do analizy wszystkich obszarów działalności przedsiębiorstwa - od analizy finansów, sprzedaŝy, produkcji po analizy klientów, zaopatrzenia, marketingu, dystrybucji, itd. Pozwalają nie tylko skutecznie mierzyć biznes, ale równieŝ skutecznie go planować. Sam termin BI zdaniem autorki oznacza rozwiązanie systemowe wynikające ze ścisłej współpracy biznesu z informatyką i stanowiące zbiór metod oraz procesów mających na celu ulepszanie decyzji biznesowych, wykorzystując dane zawarte we wszystkich zasobach przedsiębiorstwa oraz doświadczenie i wiedzę uczestników biznesu w celu dokładnego zrozumienia jego strategii oraz celów, gdzie dostarczone kompleksowe rozwiązania informatyczne pozwalają zarówno na zbieranie, przetwarzanie i zarządzanie danymi, jak i analizowanie oraz dystrybuowanie informacji. BI ma na celu zapewnienie decydentom odpowiedniej jakości informacji do podejmowania decyzji we właściwym czasie i miejscu. Wymaga to zastosowania odpowiednich rozwiązań zarówno informatycznych, jak i dotyczących struktury organizacyjnej oraz procesów działalności przedsiębiorstwa. 3. Warstwa przetwarzania analitycznego w systemach klasy BI System informatyczny klasy BI jest to rozwiązanie zapewniające zestaw technologii oraz produktów pozwalających na podstawie danych pochodzących z róŝnych źródeł (wewnętrznych, np. bazy transakcyjne, dokumentacja wewnętrzna i zewnętrznych, np. statystyki krajowe i zagraniczne, Internet, dostawcy, klienci), zbierać i udostępniać uŝytkownikowi personalizowaną informację dostosowaną do specyficznych jego wymagań z uwzględnieniem konkretnych dziedzin działalności gospodarczej oraz wspomagających podejmowanie strategicznych decyzji biznesowych. A zatem tworzenie systemów informatycznych klasy BI ma za zadanie wspierać kadrę zarządzającą w przedsiębiorstwie dostarczając im niezbędne informacje przede wszystkim do podejmowania decyzji strategicznych (np. prognozowanie i planowanie strategii biznesowej, przewidywanie skutków planowanych inwestycji, analiz wielowymiarowych). Dodatkowo rozwiązania te charakteryzują się m.in. łatwym (ale i zarazem bezpiecznym) dostępem do potrzebnych informacji, obsługą procesów związanych z analizą i dystrybucją raportów w obrębie przedsiębiorstwa oraz kooperantów. 2 Rozwiązania informatyczne klasy BI są rozumiane róŝnie: jedni interpretują je bardzo szeroko, gdzie oprócz rozwiązań analitycznych są równieŝ hurtownie danych i takie elementy, jak narzędzia Microsoft Office, inni zaś jako systemy BI podają jedynie narzędzia do przetwarzania analitycznego danych.

4 276 Zarządzanie wiedzą i rozwiązania Business Intelligence Uwzględniając rozwiązania informatyczne oraz potrzeby BI, autorka oraz Robert Sierocki zaproponowali warstwowy model architektury funkcjonalnej rozwiązań informatycznych, określany przez nich jako zaawansowany system informacyjno-analityczny (ZSIA) stanowiący całościowe podejście do architektury systemu klasy BI (zob. m.in. [DuSi03a], [DuSi03b]). ZSIA stanowią szerokie połączenie technologii i aplikacji umoŝliwiających zbieranie, łączenie, gromadzenie, selekcję, analizę i czytelną prezentację, pochodzącej z róŝnych źródeł informacji biznesowej na potrzeby konkretnych dziedzin działalności gospodarczej przedsiębiorstwa według koncepcji BI (por. [DuSi03a, s. 90]). Są to rozwiązania kompleksowe realizujące proces przetwarzania danych w wiedzę biznesową. Zadaniem ich jest zarówno analiza wcześniej zaistniałych faktów gospodarczych, jak i przewidywanie (prognozowanie) przyszłych zdarzeń przy zaistnieniu określonych warunków w przyszłości. W modelu architektury funkcjonalnej ZSIA występuje warstwa przetwarzania analitycznego (rys. 1), którą szerzej omówiono w dalszej części niniejszego artykułu. Ź r ó d ł a d a n y c h W a r s t w a I : i n t e g r a c ja i s k ł a d o w a n ie W a r s t w a I I : p r z e t w a r z a n i e a n a li t y c z n e W a r s t w a I I I : u d o s t ę p n ia n i e w y n i k ó w W e w n ę t r z n e ź r ó d ła d a n y c h W a r s t w a I V : a d m i n i s tr a c ja E T L H u r t o w n ia d a n y c h P o d s t a w o w e n a r z ę d z ia a n a li t y c z n e Z a a w a n s o w a n e n a r z ę d z ia a n a li t y c z n e P o r t a l e i n f o r m a c y jn e Z e w n ę t r z n e ź r ó d ła d a n y c h A g r e g a c j e O L A P A p li k a c je a n a li t y c z n e A u t o m a t y c zn a d y s t r y b u c ja Z a a w a n s o w a n y S y s te m I n f o r m a c y j n o - A n a lit y c z n y Rys. 1. Model warstwowy architektury funkcjonalnej zaawansowanych systemów informacyjno-analitycznych Źródło: [DuSi03a, s. 92].

5 Przetwarzanie analityczne podstawą rozwiązań informatycznych klasy Narzędzia przetwarzania analitycznego Narzędzia warstwy przetwarzania analitycznego mają na celu zaspokojenie potrzeb róŝnych grup uŝytkowników, w tym zarówno osób samodzielnie projektujących raporty i analizy (np. analitycy), jak i osób korzystających juŝ z przygotowanych raportów (np. prezesi zarządów, dyrektorzy finansowi). Przejdziemy do krótkiej analizy warstwy analitycznej w modelu warstwowym architektury funkcjonalnej ZSIA stanowiącego rozwiązanie informatyczne koncepcji BI, w ramach której wyróŝniono: podstawowe narzędzia analityczne, zaawansowane narzędzia analityczne oraz aplikacje analityczne (rys. 1). Podstawowe narzędzia analityczne są najpowszechniej stosowaną formę przetwarzania analitycznego, w ramach którego występują: narzędzia generowania zapytań i raportowania (Query&Report Q&R), eksploracja OLAP (pakiety front-end do dynamicznej analizy danych zawartych w agregacjach OLAP), arkusze kalkulacyjne oraz narzędzia wizualizacji danych. Narzędzia generowania zapytań i raportowania są najbardziej podstawowym narzędziem analizy danych zawartych najczęściej w hurtowni danych. Narzędzia typu Q&R uzupełniają systemy odpowiadając na pytania np. Co się stało? Jaki poziom osiągnęła sprzedaŝ w danym miesiącu? Jak otrzymane wyniki mają się w porównaniu do poprzedniego okresu? Istnieją dwa rodzaje raportowania (zob. m.in. [Uffo02]): standardowy oraz ad hoc. Raporty standardowe (predefinowane) są to raporty dotyczące wielkości sprzedaŝy lub innych kluczowych dla biznesu danych liczbowych dotyczących poszczególnych dni, tygodni, miesięcy itp. Projektant tych raportów bazując na zdefiniowanym środowisku pojęć biznesowych przygotowuje zestaw raportów, które moŝna sparametryzować tak, aby uŝytkownik w momencie jego uruchomienia, wybierał wartości dostępne z listy lub wprowadzał samodzielnie określone wartości w polu wyboru. Następnie tak przygotowane raporty udostępnia się uŝytkownikom w sieci lokalnej lub poprzez ich publikację w portalu, którzy uruchamiają je na Ŝądanie lub określają harmonogram ich realizacji tj. o określonej porze lub cyklicznie. Raport standardowy moŝe zostać przygotowany w postaci tabularycznej lub graficznej. MoŜe równieŝ zawierać inne obiekty typy OLE zdefiniowane wcześniej przez projektanta raportów. Natomiast raporty ad hoc są tworzone w przypadku pojawienia się zapytania dotyczącego szczegółów zawartych w danych. UŜytkownik korzysta z przygotowanego środowiska do budowy raportów i zadawania zapytań do baz danych udostępnionych wcześniej przez administratora. Bazując na udostępnionych tabelach i kolumnach, uŝytkownik generuje zapytanie do źródłowych baz danych, którego efektem jest wygenerowany raport. Z reguły raporty ad-hoc, które okazują się przydatne więcej niŝ jednemu uŝytkownikowi stają się z cza-

6 278 Zarządzanie wiedzą i rozwiązania Business Intelligence sem raportami predefinowanymi i mogą być udostępniane większej grupie uŝytkowników. Występuje równieŝ moŝliwość wybrania postaci graficznej w celu czytelniejszej prezentacji danych. Kolejnym elementem w grupie podstawowe narzędzia analityczne są analizy wielowymiarowe OLAP, gdzie uŝytkownik, przeprowadza analizę na udostępnionej bazie wielowymiarowej (kostce MOLAP lub ROLAP) albo korzysta z gotowych raportów zdefiniowanych na bazie kostki, które odświeŝają się w momencie ich generowania i dzięki temu zawierają dane aktualne z dokładnością do czasu odświeŝenia kostki wielowymiarowej. Analizowanie kostki polega na wykonywaniu operacji OLAP takich jak: zmiana poziomu szczegółowości danych (ang. drill-down, drill-up), zmiana przekrojów analizowanych danych (ang. slice and dice), wyszukiwanie wartości ekstremalnych (ang. exceptions), prezentowanie wyników w postaci wykresów, kontekstowe przechodzenie do danych szczegółowych (ang. drill-through). Technologia OLAP pozwala uŝytkownikom przeprowadzać kompleksowe analizy danych poprzez szybki dostęp do wielowymiarowych widoków przedsiębiorstwa. OLAP umoŝliwia nie tylko uzyskać odpowiedź na pytania, "kto?", "co?" i "kiedy?", ale równieŝ "co jeśli?" i "dlaczego?". Aplikacje OLAP pozwalają na prognozowanie przyszłości oraz odkrywanie zaleŝności na podstawie danych historycznych, które nie mogą być zauwaŝone bezpośrednio z surowych danych [Pend02]. WaŜne jest, aby aplikacje OLAP dostarczały zarządzającym przedsiębiorstwem informacji, których potrzebują oni do podejmowania efektywnych decyzji dotyczących strategii organizacji. Kluczowym wskaźnikiem dobrej aplikacji OLAP jest dostarczenie potrzebnej informacji w jak najkrótszym czasie. Następny element stanowią arkusze kalkulacyjne dające moŝliwość tworzenia modeli automatycznie generujących cykliczne raporty, które zawierają typowe informacje dostarczane przez system informatyczny dla potrzeb zarządzania. Korzystając z interfejsów dostępu do baz danych (np. ODBC) oraz mechanizmów ekstrakcji danych dostarczanych przez języki zapytań (SQL, QBE, GQBE) moŝna zdefiniować schematy selekcjonowania i agregowania danych. Raz zredagowane algorytmy ekstrakcji danych są na bieŝąco automatycznie uaktualniane. Umiejscowienie tego narzędzia w architekturze wynika po części z jego powszechności występowania i stosowania w przedsiębiorstwach. Ostatnim wyróŝnionym elementem w podstawowych narzędziach analitycznych są narzędzia wizualizacji danych, które słuŝą zwiększeniu przejrzystości i czytelności prezentowanych informacji. Większość narzędzi analitycznych oferuje proste moŝliwości graficznej ilustracji zaleŝności między danymi, ale ich potencjał jest niewielki w porównaniu ze specjalizowanymi pakietami, gdzie obrazy graficzne są nieocenionym narzędziem kadry kierowniczej przedsiębior-

7 Przetwarzanie analityczne podstawą rozwiązań informatycznych klasy 279 stwa (szerzej zagadnienie wizualizacji danych jako narzędzia wspomagającego podejmowanie decyzji zostało omówione w [Dudy98]). Dobry program wizualizacji o duŝych moŝliwościach tworzenia i manipulowania grafiką jest nieocenionym pomocnikiem analityka i kierownika przedsiębiorstwa (zob. [Łako01, s. 35]). Dla potrzeb prezentacji w specjalizowanych programach graficznych występuje zbiór wykresów, schematów i map pozwalających na jednoczesną ilustrację wielu metryk, co z kolei umoŝliwia menedŝerom uzyskanie jednego spójnego widoku danych w postaci wielu miar biznesowych. Dla uŝytkowników końcowych wizualizacje mogą być dostępne poprzez dedykowane narzędzie klienckie lub z wykorzystaniem przeglądarki internetowej. Kolejną grupą w warstwie przetwarzania analitycznego są zaawansowane narzędzia analityczne, obejmujące pakiety statystyczne, Data Mining oraz Text Mining. Pakiety statystyczne, zawierające metody statystyczne, optymalizacyjne czy teŝ ekonometryczne, pomagają zarówno w stosowaniu podstawowych, standardowych narzędzi statystycznych, jak i bardziej specjalistycznych analiz (np. analizy czynnikowe, testy istotności), które są niezbędne do uzyskania odpowiedzi na postawione przez decydentów zapytania. Stanowią rozwiązanie wykorzystywane w prognozowaniu np. z wykorzystaniem analizy danych gromadzonych w przedsiębiorstwie, z uwzględnieniem czynników wewnętrznych i zewnętrznych. UmoŜliwiają m.in. tworzenie wielu róŝnych prognoz jednocześnie, wykorzystanie zarówno ilościowych, jak i jakościowych predykatów, automatyczny dobór najlepszych modeli analitycznych. Data Mining czyli drąŝenie danych jest oparte na zaawansowanych algorytmach statystycznych i sztucznej inteligencji. Oznacza proces odkrywania i analizy, automatycznie lub półautomatycznie, duŝych ilości danych w celu odkrywania znaczących wzorców i reguł. Jest wykorzystywany przede wszystkim do [Zale04]: klasyfikacji, estymacji, prognozowania, odkrywania reguł asocjacyjnych, grupowania na podstawie podobieństwa, analizy skupień, opisywania i wizualizacji danych. Zastosowanie tego typu narzędzi umoŝliwia m.in. przewidywanie zachowań organizacji oraz rynku, modelowanie biznesu, prognozowanie przyszłości oraz tworzenie planów. Ostatnim elementem wskazanym w ramach grupy zaawansowanych narzędzi analitycznych jest Text Mining. Obejmuje dowolne metody przetwarzania danych nieustrukturalizowanych w postaci tekstowej. Obecnie najczęściej występują następujące operacje [Chmi01, s ]: wyszukiwanie informacji (tworzenie inteligentnych systemów zadawania zapytań, które są w stanie zrozumieć i wykonywać polecenia uŝytkowników zadawane w języku naturalnym), grupowanie dokumentów (pozwala na automatyczne budowanie grup tematycznych w duŝych zbiorach dokumentów),

8 280 Zarządzanie wiedzą i rozwiązania Business Intelligence ekstrakcja wyraŝeń (automatyczne odnajdywanie w treści dokumentów słów najbardziej dla nich istotnych, np. nazwy firm), automatyczne tłumaczenie (dokonanie transakcji dokumentu pomiędzy najbardziej rozpowszechnionymi językami świata), automatyczne generowanie streszczeń (przygotowanie konspektu z dowolnego dokumentu podsumowującego jego zawartość). Ostatnią czyli trzecią grupę w warstwie przetwarzania analitycznego są aplikacje analityczne, które stanowią dedykowane rozwiązania. Są to (zob. równieŝ [DuSi03c, s. 95]): dziedzinowe (koncentrujące się na rozwiązywaniu problemów w ramach określonych obszarów działalności przedsiębiorstwa np. logistyka magazynowa), problemowe (wąsko ukierunkowane na jedną lub kilka szczegółowych metod np. analiza płynności finansowej), branŝowe (wyspecjalizowane we wspomaganiu zagadnień, które mają miejsce w określonych branŝach, np. bankowość), jako nadbudowa systemów ERP (stanowiące bardziej zaawansowane rozwinięcie analitycznej funkcjonalności tych systemów) kompleksowe (oparte na określonych koncepcjach zarządzania przedsiębiorstwem np. Balanced Scorecard). Przedstawione narzędzia przetwarzania analitycznego właściwie dobrane mogą wspomóc uŝytkowników biznesu, aby przebrnąć przez ogrom danych w celu wydobycia z nich najistotniejszych informacji. 4. Podsumowanie Koncepcja BI jest niezaleŝna od platformy sprzętowej, systemu operacyjnego oraz bazy danych. Informacje potrzebne do analiz mogą pochodzić z wielu róŝnych systemów informatycznych funkcjonujących w przedsiębiorstwie. Celem jest dąŝenie do integracji wszelkich procesów analitycznych na poziomie całego przedsiębiorstwa i elastycznej dystrybucji tych wyników do wszystkich zainteresowanych. Literatura [Carr04] [Dudy98] Carr N. G.: Why IT Doesn t Matter? 2004 (wersja internetowa: Dudycz H.: Wizualizacja danych jako narzędzie wspomagania zarządzania przedsiębiorstwem. Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 1998.

9 Przetwarzanie analityczne podstawą rozwiązań informatycznych klasy 281 [DuSi03a] [DuSi03b] [DuSi03c] [Chmi01] [KuKo01] [Łako01] [Pend02] [Sypk03] [Uffo02] Dudycz H., Sierocki R.: Przegląd funkcjonalności zaawansowanych systemów informacyjno-analitycznych. [w:] Pozyskiwanie wiedzy i zarządzanie wiedzą. Red. M. Nycz i M. Owoc. Prace Naukowe Akademii Ekonomicznej Wrocław, 2003, nr 975, s Dudycz H., Sierocki R.: Miejsce zaawansowanych systemów informacyjno-analitycznych w rozwoju systemów informacyjnych przedsiębiorstw. [w:] Nowoczesne technologie informacyjne w zarządzaniu. Red. E. Niedzielska, H. Dudycz i M. Dyczkowski. Prace Naukowe Akademii Ekonomicznej Wrocław, 2003, nr 986, s Dudycz H., Sierocki R.: Zaawansowane systemy informacyjnoanalityczne jako realizacja koncepcji Business Intelligence. [w:] Informatyka narzędziem zarządzania w XXI wieku. Red. Jerzy Kisielnicki. Wydawnictwo Polsko-Japońskiej WyŜszej Szkoły Technik Komputerowych Warszawa 2003, s Chmielarz W.: Tendencje rozwoju narzędzi automatycznego wyszukiwana danych (data mining). [w:] Systemy wspomagania organizacji Red. J. Gołuchowski i H. Sroka. Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice 2001, s Kubiak B. F., Korowicki A.: Zdolność organizacji do zmian i jej wpływ na zastosowania technologii informacji. [w:] Human- Computer Interaction Red. B. F. Kubiak i A. Korowicki. Gdańśk 2001, s Łakomy M.: Inteligencja w biznesie. [w:] Zarządzanie informacją, ComputerWorld Raport, 2001, czerwiec, s Pendse N.: The OLAP Report: What is OLAP? Business Intelligence Ltd.(wersja internetowa: Sypko W.: Przymiarki do analizy. ComputerWord, 2003, nr 40, s van Ufford D. Q.: Business Intelligence. The Umbrella Term. November 2002 (wersja internetowa: [Zale04] Zalech W.: Narzędzia Business Intelligence. Gazeta IT, 2004, nr 2.

10 282 Zarządzanie wiedzą i rozwiązania Business Intelligence ANALYTICAL PROCESSING IS VERITABLE COMPONENT OF THE CONCEPTION BUSINESS INTELLIGENCE Today s transactional information systems provide the enterprises with all the important information. But now the problem is finding the most efficient way of using this information in order to optimize decision making. New kind of information solution is advanced analytical information system, which base on idea of BI. The article contains the characterizes analytical processing in advanced analytical information system for support business management. Key words: Business Intelligence, aadvanced analytical information systems, analytical processing.

Hurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie

Hurtownie 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 szczegółowo

ZAAWANSOWANYCH SYSTEMÓW INFORMACYJNO-ANALITYCZNYCH

ZAAWANSOWANYCH SYSTEMÓW INFORMACYJNO-ANALITYCZNYCH Streszczenie HURTOWNIA DANYCH ISTOTNYM ELEMENTEM ZAAWANSOWANYCH SYSTEMÓW INFORMACYJNO-ANALITYCZNYCH Helena Dudycz Akademia Ekonomiczna we Wrocławiu Instytut Informatyki Ekonomicznej helena.dudycz@ae.wroc.pl

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

BADANIA WSTĘPNE DOTYCZĄCE OCENY ROZWIĄZĄŃ INFORMATYCZNYCH PRZEZ KADRĘ KIEROWNICZĄ

BADANIA WSTĘPNE DOTYCZĄCE OCENY ROZWIĄZĄŃ INFORMATYCZNYCH PRZEZ KADRĘ KIEROWNICZĄ BADANIA WSTĘPNE DOTYCZĄCE OCENY ROZWIĄZĄŃ INFORMATYCZNYCH PRZEZ KADRĘ KIEROWNICZĄ Helena Dudycz Wprowadzenie Podstawą kaŝdej trafnie podjętej decyzji jest pozyskana, przetworzona i odpowiednio zaprezentowana

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 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

Informatyczne uwarunkowania realizacji strategii inteligentnego wspomagania biznesu

Informatyczne uwarunkowania realizacji strategii inteligentnego wspomagania biznesu dr Helena Dudycz Katedra Teorii Informatyki Akademia Ekonomiczna we Wrocławiu e-mail: helena.dudycz@ae.wroclaw.pl Informatyczne uwarunkowania realizacji strategii inteligentnego wspomagania biznesu Streszczenie

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

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

Hurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie

Hurtownie 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 szczegółowo

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

Paweł 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 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 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

Prowadzący Andrzej Kurek

Prowadzący Andrzej Kurek Prowadzący Andrzej Kurek Centrala Rzeszów Oddziały Lublin, Katowice Zatrudnienie ponad 70 osób SprzedaŜ wdroŝenia oprogramowań firmy Comarch Dopasowania branŝowe Wiedza i doświadczenie Pełna obsługa: Analiza

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

Stawiamy na specjalizację. by CSB-System AG, Geilenkirchen Version 1.1

Stawiamy na specjalizację. by CSB-System AG, Geilenkirchen Version 1.1 1 Business Intelligence Jak najlepiej wykorzystać dostępne źródła informacji, czyli Business Intelligence w zarządzaniu III Konferencja i warsztaty dla branży mięsnej Potencjał rynku potencjał firmy 2

Bardziej szczegółowo

Portale raportowe, a narzędzia raportowe typu self- service

Portale 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 szczegółowo

Budowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa

Budowa 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 szczegółowo

Zintegrowany System Informatyczny (ZSI)

Zintegrowany System Informatyczny (ZSI) Zintegrowany System Informatyczny (ZSI) ZSI MARKETING Modułowo zorganizowany system informatyczny, obsługujący wszystkie sfery działalności przedsiębiorstwa PLANOWANIE ZAOPATRZENIE TECHNICZNE PRZYGOTOWANIE

Bardziej szczegółowo

Systemy Business Intelligence w praktyce. Maciej Kiewra

Systemy Business Intelligence w praktyce. Maciej Kiewra Systemy Business Intelligence w praktyce Maciej Kiewra Wspólna nazwa dla grupy systemów: Hurtownia danych Pulpity menadżerskie Karty wyników Systemy budżetowe Hurtownia danych - ujednolicone repozytorium

Bardziej szczegółowo

Hurtownie 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 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 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

Hurtownie danych - przegląd technologii

Hurtownie 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 szczegółowo

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...

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

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw Automatyzacja Procesów Biznesowych Systemy Informacyjne Przedsiębiorstw Rodzaje przedsiębiorstw Produkcyjne największe zapotrzebowanie na kapitał, największe ryzyko Handlowe kapitał obrotowy, średnie ryzyko

Bardziej szczegółowo

Monitoring procesów z wykorzystaniem systemu ADONIS

Monitoring procesów z wykorzystaniem systemu ADONIS Monitoring procesów z wykorzystaniem systemu ADONIS 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

Bardziej szczegółowo

PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX

PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX Architektura i struktura funkcjonalna systemu PROPHIX PROPHIX Corporate Performance Management (Zarządzanie Wydajnością Firmy) System do samodzielnego planowania,

Bardziej szczegółowo

Agenda. Charakterystyka Business Intelligence. Architektura systemu. Prezentacja funkcjonalności. Podsumowanie

Agenda. Charakterystyka Business Intelligence. Architektura systemu. Prezentacja funkcjonalności. Podsumowanie Agenda Wstęp Charakterystyka Business Intelligence Architektura systemu Prezentacja funkcjonalności Podsumowanie Business Intelligence BI to zaawansowane technologicznie narzędzie informatyczne służą ce

Bardziej szczegółowo

Program szkoleniowy Efektywni50+ Moduł V Raportowanie dla potrzeb analizy danych

Program szkoleniowy Efektywni50+ Moduł V Raportowanie dla potrzeb analizy danych Program szkoleniowy Efektywni50+ Moduł V Raportowanie dla potrzeb analizy danych 1 Wprowadzenie do technologii MS SQL Server 2012 Reporting Services. 2h Podstawowym zadaniem omawianej jednostki lekcyjnej

Bardziej szczegółowo

bo od managera wymaga się perfekcji

bo od managera wymaga się perfekcji bo od managera wymaga się perfekcji MODELOWANIE PROCESÓW Charakterystyka modułu Modelowanie Procesów Biznesowych (BPM) Modelowanie procesów biznesowych stanowi fundament wdroŝenia systemu zarządzania jakością

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

Marcin Adamczak Jakub Gruszka MSP. Business Intelligence

Marcin Adamczak Jakub Gruszka MSP. Business Intelligence Marcin Adamczak Jakub Gruszka MSP Business Intelligence Plan Prezentacji Definicja Podział Zastosowanie Wady i zalety Przykłady Historia W październiku 1958 Hans Peter Luhn pracownik działu badań w IBM

Bardziej szczegółowo

QlikView Business Intelligence, a system ERP SAP Użytkownicy systemów ERP firmy SAP przez wiele lat poszukiwali skutecznych i łatwych sposobów dotarcia do swych danych. Używali arkuszy kalkulacyjnych,

Bardziej szczegółowo

2014-03-17. Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER

2014-03-17. Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER Plan prezentacji Prowadzący: Mateusz Jaworski m.jaworski@tetabic.pl 1. Grupa kapitałowa UNIT4. 2. Grupa UNIT4 TETA. 3. UNIT4 TETA BI CENTER. 4. TETA Business Intelligence. 5. Analiza wielowymiarowa. 6..

Bardziej szczegółowo

Wstęp... 7. 3. Technologie informacyjne wpływające na doskonalenie przedsiębiorstwa

Wstęp... 7. 3. Technologie informacyjne wpływające na doskonalenie przedsiębiorstwa Spis treści Wstęp.............................................................. 7 1. Przedsiębiorstwo w dobie globalizacji.............................. 11 1.1. Wyzwania globalnego rynku....................................

Bardziej szczegółowo

Oferta szkoleniowa Yosi.pl 2012/2013

Oferta szkoleniowa Yosi.pl 2012/2013 Oferta szkoleniowa Yosi.pl 2012/2013 "Podróżnik nie posiadający wiedzy, jest jak ptak bez skrzydeł" Sa'Di, Gulistan (1258 rok) Szanowni Państwo, Yosi.pl to dynamicznie rozwijająca się firma z Krakowa.

Bardziej szczegółowo

Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej

Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej Aplikacje webowe wspomagające działalność przedsiębiorstwa na przykładzie przychodni stomatologicznej Małgorzata Barańska Wydział Informatyki i Zarządzania, Politechnika Wrocławska Beata Laszkiewicz Wydział

Bardziej szczegółowo

E-logistyka Redakcja naukowa Waldemar Wieczerzycki

E-logistyka Redakcja naukowa Waldemar Wieczerzycki E-logistyka Redakcja naukowa Waldemar Wieczerzycki E-logistyka to szerokie zastosowanie najnowszych technologii informacyjnych do wspomagania zarządzania logistycznego przedsiębiorstwem (np. produkcją,

Bardziej szczegółowo

STUDIA I MONOGRAFIE NR

STUDIA I MONOGRAFIE NR STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU

Bardziej szczegółowo

Metadane. Data Maining. - wykład VII. Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006

Metadane. Data Maining. - wykład VII. Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Metadane. Data Maining. - wykład VII Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Plan 1. Metadane 2. Jakość danych 3. Eksploracja danych (Data mining) 4. Sprawy róŝne

Bardziej szczegółowo

Wstęp do Business Intelligence

Wstęp do Business Intelligence Wstęp do Business Intelligence Co to jest Buisness Intelligence Business Intelligence (analityka biznesowa) - proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana

Bardziej szczegółowo

P R E Z E N T A C J A

P R E Z E N T A C J A P R E Z E N T A C J A decyzje-it.pl internetowy serwis branŝy IT specjalizujący się w oprogramowaniu dla biznesu Serwis decyzje-it.pl Kim jesteśmy? decyzje-it.pl to specjalistyczny, internetowy serwis

Bardziej szczegółowo

Sposoby analizy i interpretacji statystyk strony WWW.

Sposoby analizy i interpretacji statystyk strony WWW. Sposoby analizy i interpretacji statystyk strony WWW. Jak oceniać sprzedaŝ przez WWW? Grzegorz Skiera, Łukasz PraŜmowski grzegorz.skiera@cyberstudio.pl lukasz.prazmowski@cyberstudio.pl O czym powiemy?

Bardziej szczegółowo

Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów. Dawid Doliński

Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów. Dawid Doliński Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów Dawid Doliński Dlaczego MonZa? Korzyści z wdrożenia» zmniejszenie wartości zapasów o 40 %*» podniesienie poziomu obsługi

Bardziej szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja wiedzy w budowie i eksploatacji maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces

Bardziej szczegółowo

Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej

Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej FiM Consulting Sp. z o.o. Szymczaka 5, 01-227 Warszawa Tel.: +48 22 862 90 70 www.fim.pl Spis treści

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

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

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

Investing f or Growth

Investing f or Growth Investing for Growth Open Business Solution OB One - zintegrowane oprogramowanie modułowe wspomagające zarządzanie firmą w łatwy i przejrzysty sposób pozwala zaspokoić wszystkie potrzeby księgowe, administracyjne

Bardziej szczegółowo

System CMMS Profesal Maintenance wspiera prace UR w firmie MC Bauchemie

System CMMS Profesal Maintenance wspiera prace UR w firmie MC Bauchemie System CMMS Profesal Maintenance wspiera prace UR w firmie MC Bauchemie Firma MC Bauchemie Firma MC Bauchemie w Środzie Wielkopolskiej to wyspecjalizowany zakład produkcyjny dodatków do betonu, produktów

Bardziej szczegółowo

Część I Istota analizy biznesowej a Analysis Services

Część I Istota analizy biznesowej a Analysis Services Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w

Bardziej szczegółowo

System sprzedaŝy rezerwacji

System sprzedaŝy rezerwacji System sprzedaŝy rezerwacji 2009 2 Spis treści 1. O PROGRAMIE... 2 2. ZAKRES FUNKCJONALNY... 3 2.1 Funkcje standardowe... 3 2.2 Moduły dodatkowe... 4 2.3. AuroraCMS... 5 1. O PROGRAMIE Dziś prawie kaŝdy

Bardziej szczegółowo

BUSINESS INTELLIGENCE for PROGRESS BI4PROGRESS

BUSINESS INTELLIGENCE for PROGRESS BI4PROGRESS BUSINESS INTELLIGENCE for PROGRESS BI4PROGRESS SZYBKIE ANALIZY EKONOMICZNE, FINANSOWE I STATYSTYCZNE 0 S t r o n a Dlaczego BI4PROGRESS? W czasach nieustających, dynamicznych zmian na rynku edukacyjnym,

Bardziej szczegółowo

SYMULACJA PROCESÓW W INFORMATYCZNYM ŚRODOWISKU ZINTEGROWANYM W SEKTORZE TELCO"

SYMULACJA PROCESÓW W INFORMATYCZNYM ŚRODOWISKU ZINTEGROWANYM W SEKTORZE TELCO SYMULACJA PROCESÓW W INFORMATYCZNYM ŚRODOWISKU ZINTEGROWANYM W SEKTORZE TELCO" DR Jerzy Roszkowski - Management Systems Consulting Główny Architekt, Wydział Architektury Korporacyjnej rola w zadaniu :

Bardziej szczegółowo

Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz.

Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 14.12.2005 r. Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 2 3.2. Implementacja w Excelu (VBA for

Bardziej szczegółowo

Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych

Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych Janusz Dygaszewicz Główny Urząd Statystyczny Wykorzystanie danych ze spisów powszechnych do analiz geoprzestrzennych W Powszechnym Spisie Rolnym w 2010 r. (PSR 2010) i Narodowym Spisie Powszechnym Ludności

Bardziej szczegółowo

Hurtownie danych w praktyce

Hurtownie danych w praktyce Hurtownie danych w praktyce Fakty i mity Dr inż. Maciej Kiewra Parę słów o mnie... 8 lat pracy zawodowej z hurtowniami danych Projekty realizowane w kraju i zagranicą Certyfikaty Microsoft z Business Intelligence

Bardziej szczegółowo

Firma ACEL J.M. Ciskowscy Sp. K. powstała w 1987 roku w Gdańsku. Obecnie. posiada oddziały w Rumi, Gdyni i Warszawie. Zajmuje się hurtową sprzedażą

Firma ACEL J.M. Ciskowscy Sp. K. powstała w 1987 roku w Gdańsku. Obecnie. posiada oddziały w Rumi, Gdyni i Warszawie. Zajmuje się hurtową sprzedażą Dane Klienta: ACEL J.M. Ciskowscy Sp. K. ul. Twarda 6C 80-871 Gdańsk www.acel.pl Firma ACEL J.M. Ciskowscy Sp. K. powstała w 1987 roku w Gdańsku. Obecnie posiada oddziały w Rumi, Gdyni i Warszawie. Zajmuje

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

Hurtownie danych a transakcyjne bazy danych

Hurtownie danych a transakcyjne bazy danych Hurtownie danych a transakcyjne bazy danych Materiały źródłowe do wykładu: [1] Jerzy Surma, Business Intelligence. Systemy wspomagania decyzji, Wydawnictwo Naukowe PWN, Warszawa 2009 [2] Arkadiusz Januszewski,

Bardziej szczegółowo

Istnieje możliwość prezentacji systemu informatycznego MonZa w siedzibie Państwa firmy.

Istnieje 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 szczegółowo

Funkcje systemu infokadra

Funkcje systemu infokadra System Informacji Zarządczej - infokadra jest rozwiązaniem skierowanym dla kadry zarządzającej w obszarze administracji publicznej. Jest przyjaznym i łatwym w użyciu narzędziem analityczno-raportowym,

Bardziej szczegółowo

Proces i narzędzia analizy potencjału wybranych obszarów rynku farmaceutycznego

Proces i narzędzia analizy potencjału wybranych obszarów rynku farmaceutycznego Proces i narzędzia analizy potencjału wybranych obszarów rynku farmaceutycznego Przyglądając się rynkowi farmaceutycznemu w Polsce możemy zauważyć, że jest to jedna z lepiej zwymiarowanych i opisanych

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

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 8 Narzędzia zarządzania informacją cz. 2 Dr inż. Mariusz Makuchowski Baza wiedzy Baza wiedzy (ang. Knowledgebase) stanowi swoisty rejestr problemów zgłaszanych

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych KARTA PRZEDMIOTU. Część A

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych KARTA PRZEDMIOTU. Część A Przedmiot: Zastosowanie informatyki w finansach i bankowości Wykładowca odpowiedzialny za przedmiot: Mgr Edward Czarnecki Cele zajęć z przedmiotu: Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk

Bardziej szczegółowo

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania Przedmiot: Bazy danych Rok: III Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt Liczba punktów ECTS: 4 C1 C2 C3 Cel przedmiotu

Bardziej szczegółowo

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych. Informatyka Coraz częściej informatykę utoŝsamia się z pojęciem technologii informacyjnych. Za naukową podstawę informatyki uwaŝa się teorię informacji i jej związki z naukami technicznymi, np. elektroniką,

Bardziej szczegółowo

Modernizacja systemu gromadzenia i przetwarzania informacji hydrogeologicznych

Modernizacja systemu gromadzenia i przetwarzania informacji hydrogeologicznych 151 Dział tematyczny VII: Modernizacja systemu gromadzenia i przetwarzania informacji hydrogeologicznych 152 Zadanie 31 System przetwarzania danych PSH - rozbudowa aplikacji do gromadzenia i przetwarzania

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A Przedmiot: Zastosowanie informatyki w finansach publicznych Wykładowca odpowiedzialny za przedmiot: Mgr Edward Czarnecki Cele zajęć z przedmiotu: Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk

Bardziej szczegółowo

III Edycja ITPro 16 maja 2011

III 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 szczegółowo

Kogo kształcimy? analityków i projektantów gospodarczych systemów informacyjnych

Kogo kształcimy? analityków i projektantów gospodarczych systemów informacyjnych Kontakt: zif_ti@ue.wroc.pl jerzy.korczak@ue.wroc.pl http://kti.ue.wroc.pl http://citi-lab.pl Kogo kształcimy? analityków i projektantów gospodarczych systemów informacyjnych konsultantów strategii i projektów

Bardziej szczegółowo

Opis wymagań i program szkoleń dla użytkowników i administratorów

Opis wymagań i program szkoleń dla użytkowników i administratorów Załącznik nr 3 do OPZ Opis wymagań i program szkoleń dla użytkowników i administratorów Spis treści Wprowadzenie...2 1. Typ i zakres szkoleń...2 2. Grupy użytkowników...2 3. Warunki ogólne szkoleń...3

Bardziej szczegółowo

Case study: Mobilny serwis WWW dla Kolporter

Case study: Mobilny serwis WWW dla Kolporter Case study: Mobilny serwis WWW dla Kolporter Sklep internetowy Kolporter.pl oferuje swoim Klientom blisko 100 000 produktów w tym: ksiąŝki, muzykę, film i gry. Kolporter postanowił stworzyć nowy kanał

Bardziej szczegółowo

firmy produkty intranet handel B2B projekty raporty notatki

firmy produkty intranet handel B2B projekty raporty notatki firmy mail intranet produkty DOKUMENTY handel raporty B2B projekty notatki serwis zadania Dlaczego warto wybrać Pakiet ITCube? Najczęściej wybierany polski CRM Pakiet ITCube jest wykorzystywany przez ponad

Bardziej szczegółowo

Matryca pokrycia efektów kształcenia

Matryca pokrycia efektów kształcenia Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego wyboru) Efekty

Bardziej szczegółowo

ZASTOSOWANIE KOMPUTERÓW W RACHUNKOWOŚCI

ZASTOSOWANIE KOMPUTERÓW W RACHUNKOWOŚCI ZASTOSOWANIE KOMPUTERÓW W RACHUNKOWOŚCI wykład V dr Marek Masztalerz Katedra Rachunkowości Uniwersytet Ekonomiczny w Poznaniu 2010 ARKUSZ KALKULACYJNY Podstawowym narzędziem informatycznym stosowanym w

Bardziej szczegółowo

Informatyka wspomaga przedmioty ścisłe w szkole

Informatyka wspomaga przedmioty ścisłe w szkole Informatyka wspomaga przedmioty ścisłe w szkole Prezentuje : Dorota Roman - Jurdzińska W arkuszu I na obu poziomach występują dwa zadania związane z algorytmiką: Arkusz I bez komputera analiza algorytmów,

Bardziej szczegółowo

CRM w logistyce. Justyna Jakubowska. CRM7 Specjalista Marketingu

CRM w logistyce. Justyna Jakubowska. CRM7 Specjalista Marketingu CRM w logistyce Justyna Jakubowska CRM7 Specjalista Marketingu CRM w logistyce Prezentacja firm more7 Polska dostawca systemu CRM Autor i producent systemu do zarządzania relacjami z klientem CRM7; Integrator

Bardziej szczegółowo

Narzędzia PMR do analizy sektora transportu drogowego

Narzędzia PMR do analizy sektora transportu drogowego Narzędzia PMR do analizy sektora transportu drogowego Wspomaganie zarządzania relacjami z dostawcami w branży transportowej Analizy bieżącej i przyszłej sytuacji w branży transportu drogowego, rzetelne

Bardziej szczegółowo

bo od menedżera wymaga się perfekcji ANKIETY ONLINE W SYSTEMIE BUSINESS NAVIGATOR

bo od menedżera wymaga się perfekcji ANKIETY ONLINE W SYSTEMIE BUSINESS NAVIGATOR bo od menedżera wymaga się perfekcji ANKIETY ONLINE W SYSTEMIE BUSINESS NAVIGATOR SPIS TREŚCI 1. INFORMACJE O FIRMIE... 3 2. CHARAKTERYSTYKA PLATFORMY BUSINESS NAVIGATOR... 4 3. WYKORZYSTANIE USŁUGI ANKIETY

Bardziej szczegółowo

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy

Systemy z bazą wiedzy (spojrzenie bardziej korporacyjne) Baza wiedzy. Baza wiedzy. Baza wiedzy. Baza wiedzy Zarządzanie wiedzą z bazą wiedzy (spojrzenie bardziej korporacyjne) Wybrane aspekty technologiczne związane z wiedzą i zarządzaniem wiedzą Google: baza wiedzy 1,180,000 znalezionych systemy zarządzania

Bardziej szczegółowo

Zintegrowana platforma zarządzania miastem w kontekście bezpieczeństwa publicznego. (Centrum Bezpieczeństwa Miasta)

Zintegrowana platforma zarządzania miastem w kontekście bezpieczeństwa publicznego. (Centrum Bezpieczeństwa Miasta) Zintegrowana platforma zarządzania miastem w kontekście bezpieczeństwa publicznego (Centrum Bezpieczeństwa Miasta) Gdańsk 2014 Atena Partnerem 2013 Spis treści 1 Cechy zintegrowanej platformy zarządzania

Bardziej szczegółowo

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe Technologie informacyjne prof. dr hab. Zdzisław Szyjewski 1. Rola i zadania systemu operacyjnego 2. Zarządzanie pamięcią komputera 3. Zarządzanie danymi

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

Budowa modeli wymagań dla Regionalnych Systemów Informacji Medycznej opartych o hurtownie danych

Budowa modeli wymagań dla Regionalnych Systemów Informacji Medycznej opartych o hurtownie danych Dr Jerzy ROSZKOWSKI Management Systems Consulting Budowa modeli wymagań dla Regionalnych Systemów Informacji Medycznej opartych o hurtownie danych TIAPiSZ 09 Definiowanie wymagań Główny problem: Jak definiować

Bardziej szczegółowo

Architektura bezpieczeństwa informacji w ochronie zdrowia. Warszawa, 29 listopada 2011

Architektura 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 szczegółowo

ZINTEGROWANE SYSTEMY INFORMATYCZNE

ZINTEGROWANE SYSTEMY INFORMATYCZNE Państwowa WyŜsza Szkoła Zawodowa w Elblągu Instytut Informatyki Stosowanej ZINTEGROWANE SYSTEMY INFORMATYCZNE Przygotował Podsiadło Robert. 1 Zintegrowany system informatyczny to według Encyklopedii Wikipedia

Bardziej szczegółowo

TECHNOLOGIE INFORMACYJNE PODSTAWOWĄ DETERMINANTĄ KONKURENCYJNOŚCI

TECHNOLOGIE INFORMACYJNE PODSTAWOWĄ DETERMINANTĄ KONKURENCYJNOŚCI Iwona Chomiak-Orsa Katedra Inżynierii Systemów Informatycznych Zarządzania Akademia Ekonomiczna we Wrocławiu chomiak@han.ae.wroc.pl TECHNOLOGIE INFORMACYJNE PODSTAWOWĄ DETERMINANTĄ KONKURENCYJNOŚCI Abstrakt

Bardziej szczegółowo

Tomasz Grześ. Systemy zarządzania treścią

Tomasz Grześ. Systemy zarządzania treścią Tomasz Grześ Systemy zarządzania treścią Co to jest CMS? CMS (ang. Content Management System System Zarządzania Treścią) CMS definicje TREŚĆ Dowolny rodzaj informacji cyfrowej. Może to być np. tekst, obraz,

Bardziej szczegółowo

Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4. Kierunek: Automatyka i Robotyka Specjalność: Informatyka w sterowaniu i zarządzaniu

Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4. Kierunek: Automatyka i Robotyka Specjalność: Informatyka w sterowaniu i zarządzaniu Nazwa modułu: Systemy informatyczne w produkcji Rok akademicki: 2014/2015 Kod: EAR-2-106-IS-s Punkty ECTS: 4 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Automatyka

Bardziej szczegółowo

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław

Bardziej szczegółowo

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2014/2015. Kierunek: Opis przedmiotu. Dane podstawowe. Efekty i cele. Opis. 1 z 5

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2014/2015. Kierunek: Opis przedmiotu. Dane podstawowe. Efekty i cele. Opis. 1 z 5 Sylabus przedmiotu: Specjalność: Informatyka w zarządzaniu Wszystkie specjalności Data wydruku: Dla rocznika: 2014/2015 Kierunek: Wydział: Zarządzanie Ekonomii, Zarządzania i Turystyki Dane podstawowe

Bardziej szczegółowo

JMP Gospodarstwo Ogrodnicze: optymalizacja polityki cenowej klucz do sukcesu rynkowego

JMP Gospodarstwo Ogrodnicze: optymalizacja polityki cenowej klucz do sukcesu rynkowego JMP Gospodarstwo Ogrodnicze: optymalizacja polityki cenowej klucz do sukcesu rynkowego Partner wdrożeniowy Nazwa firmy JMP Gospodarstwo Ogrodnicze Branża Handel Produkty i usługi Hodowla i obrót roślinami

Bardziej szczegółowo

Karta przedmiotu studiów podyplomowych

Karta przedmiotu studiów podyplomowych Karta przedmiotu studiów podyplomowych Nazwa studiów podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe Nazwa kierunku studiów, z którym jest związany zakres studiów

Bardziej szczegółowo

Portal Informacji Produkcyjnej dla Elektrociepłowni

Portal Informacji Produkcyjnej dla Elektrociepłowni Portal Informacji Produkcyjnej dla Elektrociepłowni Portal Informacji Produkcyjnej dla Elektrociepłowni ANT od siedmiu lat specjalizuje się w dostarczaniu rozwiązań informatycznych, których celem jest

Bardziej szczegółowo

Dane Klienta: Staples Polska Sp. z o.o. ul. Bysewska 18 80-298 Gdańsk www.staplesadvantage.pl

Dane Klienta: Staples Polska Sp. z o.o. ul. Bysewska 18 80-298 Gdańsk www.staplesadvantage.pl Dane Klienta: Staples Polska Sp. z o.o. ul. Bysewska 18 80-298 Gdańsk www.staplesadvantage.pl Staples Inc. jest największym na świecie przedsiębiorstwem zajmującym się dostawą rozwiązań biurowych. Istnieje

Bardziej szczegółowo