Wielokryterialność w zarządzaniu informacją statystyczną

• Autorzy: Jacek Kowalewski

Warianty tytułu

The Multi-Criterion Dimension of Statistical Information Management

• Języki publikacji: PL

Abstrakty

Wzrost popytu na informacje oraz nowe możliwości ich pozyskiwania wiążą się z problemem właściwego zarządzania informacją. W artykule podjęto próbę stworzenia modelu zarządzania informacją statystyczną, który pozwala na optymalizację procesu jej pozyskiwania. W pierwszej kolejności zdefiniowano pojęcia informacji, informacji statystycznej oraz wyspecyfikowano elementy charakterystyczne dla zarządzania informacją. Kolejnym etapem było określenie cech dobrej informacji, co pozwoliło na sprecyzowanie modelu zarządzania informacją statystyczną. Zaproponowano w nim skoncentrowanie się na trzech głównych kryteriach dobrej informacji: ekonomicznym, kryterium aktualności informacji oraz jej jakości. W artykule zawarto opis modelowych zależności pomiędzy poszczególnymi kryteriami. Model zarządzania informacją statystyczną został określony jako zadanie programowania wielokryterialnego, dla którego zaproponowano kilka sposobów praktycznego rozwiązania tego typu zadania. (abstrakt oryginalny)

EN

The increased demand for information and new possibilities of obtaining it are connected with the problem of appropriate information management. The article describes a preliminary model of a statistical information management system which can be used to optimize the process of obtaining information. The article provides definitions of basic terms, such as information, statistical information and lists the key characteristics of data management, followed by the criteria of good information. Based on these theoretical assumptions, the author presents his own model of a statistical information management system. The model focuses on the three main criteria of good information: economy, timeliness and quality. The article explores relationships between the model criteria. Developing the model of a statistical information management system is treated as a problem in multi-objective optimization, for which several practical solutions were put forward. (original abstract)

Słowa kluczowe

PL

Informacja statystyczna; Optymalizacja; Optymalizacja wielokryterialna; Zarządzanie informacją

EN

Statistical information; Optimalization; Multiple criteria optimization; Information management

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2011
• Numer: nr 195
• Strony: 9--23

Twórcy

autor

Jacek Kowalewski

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• College, M., 1996, Comment on Why Innovation is Difficult in Goverment Surveys, Journal of Official Statistics, no. 12, s. 145-150.
• Dillman, D., 1996, Why Innovation is Difficult in Goverment Surveys, Journal of Official Statistics, no. 12, s. 113-124.
• Elvers, E., Rosen, B., 1998, Quality Concept for Official Statistics, w: Encyclopaedia of Statistical Sciences, Wiley & Sons, New York.
• Galas, Z., Nykowski, I., Żółkiewski, Z., 1987, Programowanie wielokryterialne, PWE, Warszawa.
• Hansen, M., Hurwitz, W., Marks, E., Mauldin, W., 1951, Response Errorsin Surveys, Journal of the American Statistical Association, no. 46, s. 147-190.
• Hansen, M., Hurwitz, W., Pritzker, L., 1964, The Estimation and Interpretation of Gross Differences and Simple Response Variance, w: Rao, C.E. (ed.), Contributions to Statistics, Pergamon Press, Oxford, UK, s. 111-136.
• Hansen, M., Madow, W., Tepping, B., 1983 An Evaluation of Model Dependent and Probabilisty Sampling Inferences in Sample Surveys, Journal of the American Statistical Association, no. 78, s. 776-807.
• Ignasiak, E. (red.), 1997, Badania operacyjne, PWE, Warszawa.
• Information Systems Architecture for National and International Statistical Offices. Guidelines and Recommendations, 1999, United Nations, Geneva.
• Kordos, J., 1988, Jakość danych statystycznych, PWE, Warszawa.
• Mazur, M., 2003, Koncepcje wartości i ich przydatność do pomiaru wartości na potrzeby zarządzania informacją, w: Łapińska, A. (red.), Informacja w społeczeństwie XXI wieku, Uniwersytet Warmińsko-Mazurski w Olsztynie, Olsztyn, s. 175-186.
• Oleński, J., 2003, Ekonomika informacji. Metody, PWE, Warszawa.
• Platek, R., Gray, G., 1983 Imputation Methodology: Total Survey Error, w: Incomplete Data in Sample Surveys, vol. 2, New York Academic Press, s. 249-333.
• Platek, R., Sarndal, C.E., 2001, Czy statystyka może dostarczać dane wysokiej jakości? Wiadomości Statystyczne, nr 4.
• Roy, B., 1990, Wielokryterialne wspomaganie decyzji, WNT, Warszawa.
• Stefanowicz, B., 2007, Informacyjne systemy zarządzania. Przewodnik, Szkoła Główna Handlowa w Warszawie, Warszawa.
• Sundgren, B.,1973, An Infological Approach to Data Bases, Skriftserie Statistika Centralbyran, Stockholm.
• Szabłowski, J., Wesołowski, J., Wieczorkowski, R., 1996, Indeks zgodności jako miara jakości danych - na podstawie popisowego badania kontrolnego mikrospisu 1995, Wiadomości Statystyczne, nr 4.
• Szaniawski, K., 1987, Filozofia a nauka. Zarys encyklopedyczny, Ossolineum, Wrocław.
• Wielka encyklopedia PWN, 2002, Wydawnictwo Naukowe PWN, Warszawa.
• Zarkovich, F., 1966, Quality of Statistical Data, FAO, Rome.