Wykorzystanie modelu hurtowni danych dla prognoz rynkowych

• Autorzy: Roman Dudziński

Warianty tytułu

Data Warehouse Model Usage for Market Prognosis

• Języki publikacji: PL

Abstrakty

Stałe rosnąca konkurencja rynkowa wymaga od kadry zarządzającej przedsiębiorstwem podejmowania możliwie najlepszych decyzji. Niezbędna do tego jest świadomość następstw podejmowanych działań. W tym celu należy przeprowadzić analizę otoczenia rynkowego, określić kierunki rozwoju, szanse i zagrożenia związane z danym przedsięwzięciem. Analiza ta musi być powiązana z prognozą. Nawet najlepsza, najdokładniejsza analiza prognostyczna nie zagwarantuje podejmowania właściwych decyzji z punktu widzenia rozwoju firmy. Jednak zupełne jej pominięcie lub popełnienie błędów w procesie predykcji przyszłych stanów obszaru, którego te działania dotyczą, może skutkować fiaskiem przedsięwzięcia. Stąd bardzo duże znaczenie ma jakość prognozy, która określona przez poziom błędu ex post lub ex ante decyduje o tym, czy odbiorca (decydent) oceni ją jako dopuszczalną, a co za tym idzie - wykorzysta w celu, dla którego została stworzona. (fragment tekstu)

EN

Access to the information is very important in business management. Its quality and expectation time for an access can determine a success or a failure of task. This article - entitled "Data Warehouse Model Usage for Market Prognosis" - concerns a possible solution of problems in this area. There are many software tools which allow users to store and analyze numerical data. This data can come from both internal enterprise's systems and external reports about environment. This data can be easy processed for searching of interdependences, trends and seasonality. Usage of only numerical data does not give a real view of the environment in which company exists. Numerical indexes must be joined with text documents which describe context of their appearance. Finally this joined numerical and text information shows true view of reality. Joining of numerical indexes and text documents can be done using enhanced Data Warehouse (eDW) model. Enhanced Report is a result of query directed to the system. This report contains numerical data in table or graphical form and set of documents which are joined with them on time and subject criteria. Prognosis system BeFor, proposed in this article, is based on eDW model. It allows prediction of the enterprise and its environment future. System BeFor bases not only on numerical time series but also on joined with them text documents. These documents must be processed for extraction information which can be saved in numerical form. It increases amount of information used in forecasting system which can improve prognosis quality. BeFor system can lead to increasing forecast quality. It can be a good base for better decisions in business management which causes improvement of company position in the market. (original abstract)

Słowa kluczowe

PL

Hurtownie danych; Prognozy gospodarcze; Otoczenie przedsiębiorstwa; Informacja o przedsiębiorstwie; Analiza danych; Zarządzanie przedsiębiorstwem

EN

Data warehouse; Economic forecast; Enterprise environment; Company information; Data analysis; Enterprise management

• Czasopismo: Zeszyty Studiów Doktoranckich / Akademia Ekonomiczna w Poznaniu. Wydział Ekonomii
• Rocznik: 2003
• Numer: nr 10
• Strony: 5--26

Twórcy

autor

Roman Dudziński

Bibliografia

• Abramowicz, W., Kalczyński, P.J., Węcel K., [2001] Information filtering supplying Data Warehouses with Benchmarking Information, w: W. Abramowicz, J. Zurada, Knowledge Discovery for Business Information Systems, Kluwer Academics Publishers, Boston, Dordrecht, London.
• Abramowicz, W., Kalczyński, P.J., Węcel, K., [2002], Filtering the Web to Feed Data Warehouses, Springer, London.
• Ascential Software [2002], Meta Data Management in the Data Warehouse Environment, Ascential Software, Westboro.
• Becker, S., [2002], Data Warehousing and Web Engineering, IRM Press, Hershey.
• Drzewiecki W., [1995], Polski rynek motoryzacyjny. Grudzień 1995, SAMAR s.c., Warszawa.
• Drzewiecki W., [1996], Polski rynek motoryzacyjny. Grudzień 1996, SAMAR s.c., Warszawa.
• Drzewiecki W., [1997], Polski rynek motoryzacyjny. Grudzień 1997, SAMAR s.c., Warszawa.
• Drzewiecki W., [1998], Polski rynek motoryzacyjny. Grudzień 1998, SAMAR s.c., Warszawa.
• Drzewiecki W., [1999], Polski rynek motoryzacyjny. Grudzień 1999, SAMAR s.c., Warszawa.
• Drzewiecki W., [2000], Polski rynek motoryzacyjny. Grudzień 2000, SAMAR s.c., Warszawa.
• Drzewiecki W., [2001], Polski rynek motoryzacyjny. Grudzień 2001, SAMAR s.c., Warszawa.
• Drzewiecki W., [2002], Polski rynek motoryzacyjny. Grudzień 2002, SAMAR s.c., Warszawa.
• Drzewiecki W., [2002], Samochody osobowe. Styczeń-Październik 2002, SAMAR s.c., Warszawa.
• Gately, E., [2000], Sieci neuronowe, prognozowanie finansowe i projektowanie systemów transakcyjnych, WIG Press, Warszawa.
• Gupta, V.R., [1997], An Introduction to Data Warehousing, White Paper, System Services Corporation, Chicago.
• Holsapple, C.W., Joshi, K.D., [2002], A Collaborative Approach to Ontology Design, w: Communication of the ACM, Vol. 45, No. 2.
• Piskorski, J., Skut, W., [2000], Intelligent Information Extraction, w: W. Abramowicz, M.E. Orłowska (ed.), 4-th International Conference on Business Information Systems, Poznań, Poland, 12-13.04.2000, Springer, London.
• Podstawy marketingu, [1996], pod red. H. Mruka, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Prognozowanie gospodarcze, [2002], pod red M. Cieślaka, Wydawnictwo Naukowe PWN, Warszawa.
• Rozporządzenie Ministra Infrastruktury z dnia 22 lipca 2002 roku, (Dz.U. nr 133, poz. 1123).
• Sławińska, M., Urbanowska-Sojkin, E., [1997], Zarządzanie przedsiębiorstwem handlowym, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Smoluk, A., Zeliaś, A., [2001], Prognostyka - nauka i sztuka, w: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, pod red. A. Zeliaś, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Serwis Ekonomiczno-Gospodarczy [2002], Polska Agencja Prasowa S.A., Warszawa.
• Sturm, J., [2000], Hurtownie danych Microsoft SQL Server 7.0, APN Promise, Warszawa.