Ontology of Data Mining in the Intelligent Dashboard for Managers

• Autorzy: Jerzy Korczak , Izabela Heppner

Warianty tytułu

Ontologia eksploracji danych w inteligentnym kokpicie dla menedżerów

• Języki publikacji: EN

Abstrakty

EN

This paper presents the approach to a description of the knowledge of data mining as a module ontology DM in the Intelligent Dashboard for Managers on the example of the implemented system called InKoM. The ground knowledge is focused on selected concepts and associated data mining algorithms . As a result, the system provides the necessary functionalities for managers of small and medium-sized enterprises. The ontology of data mining provides, o especially for inexperienced managers, substantial support in decision making processes and simultaneously improves the quality and effectiveness of knowledge discovery. In this paper, the motivation for the project, the concepts, the process of creating ontology, and particularly the stage of the conceptualization phase are described. The application of the considered InKoM system with implemented ontology of data mining is discussed to demonstrate its permanent usefulness for managers. (original abstract)

W artykule przedstawiono niekonwencjonalne podejście odwzorowania wiedzy z zakresu eksploracji danych (Data Mining) jako modułu ontologii DM w Inteligentnym Kokpicie dla Menedżerów, dalej zwanego system InKoM. Jest to kompleksowe rozwiązanie technologii systemów klasy BI zarówno dla średnich, jak i mikroprzedsiębiorstw. Optymalna selekcja pojęć i algorytmów eksploracji danych w zaimplementowanej ontologii systemu pozwala na poprawną identyfikację wniosków oraz zwiększa możliwości percepcyjne menedżera, zwłaszcza niedoświadczonego. InKoM jest odpowiedzią na zapotrzebowanie kadry kierowniczej na program ekspercki, który umożliwia niezależność i swobodę działania w zakresie zaawansowanych analiz, wspierając jednocześnie procesy decyzyjne oraz poprawiając jakość i skuteczność odkrywania wiedzy. W niniejszej pracy zaprezentowano motywację projektu, koncepcje oraz proces tworzenia ontologii, ze szczególnym uwzględnieniem fazy konceptualizacji. Zastosowanie systemu InKoM dla studium przypadku ma na celu wykazanie efektywności i przydatności modelu decyzyjnego dla menedżera.(abstrakt oryginalny)

Słowa kluczowe

EN

Data Mining; Business Intelligence systems; Managerial decision making; Small business; Management dashboard

PL

Data Mining; Systemy Business Intelligence; Podejmowanie decyzji kierowniczych; Małe i średnie przedsiębiorstwa; Kokpit menedżerski

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2015
• Numer: nr 243
• Strony: 242--256

Twórcy

autor

Jerzy Korczak

• Wrocław University of Economics, Poland

autor

Izabela Heppner

• Wrocław University of Economics, Poland

Bibliografia

• Arndt H., Graubitz H., Jacob S. (2008), Topic Map based Indicator System for Environmental Management Systems, "Environmental Informatics and Industrial Ecology", Vol. 119.
• Bernstein A., Deanzer M. (2007), The Next System: Towards True Dynamic Adaptions of Semantic Web Service Compositions (system description) [in:] Proceedings of the 4th European Semantic Web Conference (ESWC'07), Springer.
• Brezany P., Janciak I., Brezanyova J., Tjoa A.M. (2006), GridMiner: an Advanced Gridbased Support for Brain Informatics Data Mining Tasks [in:] Proceedings of the 1st WICI International Conference on Web Intelligence Meets Brain Informatics.
• Dudycz H., Korczak J., Dyczkowski M. (2014), An ontological representation of financial knowledge in a decision support system [in:] Economic Studies. Scientific Papers , University of Economics in Katowice, in Polish.
• Euler T., Scholz M. (2004), Using Ontologies in a KDD Workbench, in: Workshop on Knowledge Discovery and Ontologies at ECML/PKDD'04.
• Fisk H., Liknes G., Lister A.J., Ruefenacht B., Wendt D. (2008), Evaluation of Open Source Data Mining Software Packages [in:] Forest Inventory and Analysis (FIA) Symposium'08, Park City, UT, USA, McWilliams, U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station, FortCollins, CO. Addendum.
• Heppner I. (2014), Ontology of data mining - InKoM system, Master Thesis, Wroclaw University of Economics, in Polish.
• Kietz J.U., Serban F., Bernstein A., Fischer S. (2010), Data Mining Workflow Templates for Intelligent Discovery Assistance in RapidMiner [in:] Proceedings of RCOMM'10, Dortmund, Germany.
• Korczak J., Dudycz H., Dyczkowski M. (2013), Design of Financial Knowledge in Dashboard for SME Managers [in:] Ganzha M., Maciaszek M., Paprzycki M. (eds.), Proceedings of the 2013 Federated Conference on Computer Science and Information Systems (FedCSIS), Polskie Towarzystwo Informatyczne, IEEE Computer Society Press, Warsaw, Los Alamitos.
• Korczak J., Dudycz H., Dyczkowski M. (2012), Intelligent Decision Support for SME Managers - Project InKoM [in:] Korczak J., Dudycz H., Dyczkowski M. (eds.), Business Informatics, Wroclaw University of Economics Research Papers, Vol. 25, No. 3.
• Korczak J., Dudycz H., Dyczkowski M. (2013), Specification of Financial Knowledge - Case of Intelligent Dashboard for Managers [in:] Korczak J., Dudycz H., Dyczkowski M. (eds.), Business Informatics, Wroclaw University of Economics Research Papers, Vol. 28, No. 2.
• Morik K., Scholz M. (2004), The MiningMart Approach to Knowledge Discovery in Databases [in:] Zhong N., Liu J. (eds.), Intelligent Technologies for Information Analysis, Springer.
• Suárez-Figueroa M.C., Gómez-Pérez A., Fernández-López M. (2012), The NeOn Methodology for Ontology Engineering, Ontology Engineering in a Networked World.
• Suyama A., Negishi N., Yamaguchi T. (1999), Design and Evaluation of an Environment to Automate the Construction of Inductive Applications, in: Second International Conference DS'99, Tokyo.
• Wirth R., Shearer C., Grimmer U., Reinartz T.P., Schloesser J., Breitner C., Engels R., Lindner G. (1997), Towards Process-oriented Tool Support for Knowledge Discovery in Databases [in:] Proceedings of the First European Symposium on Principles of Data Mining and Knowledge Discovery, Vol. 1263.
• Witten I.H., Frank E., Hall M.A. (2011), Data mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann.
• http://aimas.cs.pub.ro/masts2014 (access: 7.01.2015).
• http://fois2014.inf.ufes.br/p/home.html (access: 9.01.2015).
• http://ontologydesignpatterns.org/wiki/WOP:2014 (access: 9.01.2015).
• http://orange.biolab.si (access: 2.02.2015).
• http://www.cs.waikato.ac.nz/ml/weka (access: 3.02.2015).
• http://www.e-lico.eu (access: 8.02.2015).
• http://www.fs.fed.us/about-agency (access: 15.01.2015).
• http://www.icke.org (access: 12.01.2015).
• http://www.ontopia.net/page.jsp?id=ontopoly (access: 6.02.2015).
• http://www.ontopia.net/topicmaps/materials/tao.html (access: 7.02.2015).
• http://www.rdatamining.com (access: 2.02.2015).
• http://www.sas.com/en_us/home.html (access: 4.02.2015).
• http://www.unit4teta.pl/english (access: 15.02.2015).