Wyniki wyszukiwania - BazEkon

1

The Application of Data Mining Models and Methods in Enterprises. Review of Selected Foreign Financial and Telecommunication Industry Case Studies

100%

Nowicki A., Ziora L.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach

|

2011

|

nr 88 Creativity support systems

85-94

W artykule przedstawiono dyskusję metod eksploracji danych, modeli i technik, dzięki którym przedsiębiorstwa mogą lepiej konkurować na światowym rynku, lepiej przygotować oferty produktów i usług. Skuteczność i korzyści wynikające z zastosowania wybranych rozwiązań Data Mining przedstawiono na podstawie studium zagranicznych przypadków z sektora finansowego i telekomunikacyjnego. (oryginalny abstrakt)

2

Data Collection Through Web Harvesting for Real Estate Market Research

80%

Pikor P., Piotrowski M.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach

|

2011

|

nr 88 Creativity support systems

113-122

Web harvesting to nowa technika używana do zbierania, ekstrakcji i integracji danych z różnych źródeł internetowych poprzez wykorzystanie robotów indeksujących, wspomaganych technologią filtrowania danych z użyciem wyrażeń regularnych. W sytuacji gdy zaistnieje konieczność zgromadzenia danych pochodzących z różnych stron internetowych, które mają niejednorodną budowę, strukturę i nazwę, typowe dostępne na rynku oprogramowanie web harvesting działające automatycznie lub półautomatycznie nie jest już wystarczające. Artykuł przedstawia architekturę systemu stworzonego przez Instytut Gospodarki z Rzeszowa, która służy do zbierania danych z portali rynku nieruchomości. W dalszej jego części zaprezentowano analizy oraz potencjalne zastosowanie aplikacji w naukach społecznych. (oryginalny abstrakt)

3

Metodyka procesu eksploracji danych SEMMA

80%

Lasek M., Pęczkowski M.

Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego

|

2010

|

nr 3

117-133

Artykuł przedstawia jedną z metodyk realizacji Data Mining zwaną SEMMA. Metodyka ta w prosty i skuteczny sposób wspomaga przeprowadzanie złożonego procesu, jakim jest eksploracja danych. Została opracowana i zaimplementowana przez producenta oprogramowania do eksploracji danych Enterprise Miner, amerykańską firmę SAS Institute, Inc.. Opisano tutaj dokładnie kroki postępowania, które składają się na tą metodologię czyli Sample, Explore, Modify, Model, Assess. Do każdego z tych etapów przedstawiono poszczególne narzędzia operowania danymi. Dla Sample są to Input Data Source, Sampling, Data Partition. Narzędzia Explore to Distribution Explorer, Multiplot, Insight, Association, Variable Selection, Link Analysis. Do etapu Modify zaliczamy narzędzia Data Set Attributes, Transform Variables, Filter Outliers, Re-placement, Clustering, SOM/Kohonen, Tim Series. Narzędzia Model to Regression, Tree, Neural Network, Princomp/Dmneural, User Defined Model, Ensemble, Memory-Based Reasoning, Two Stage Model. Narzędzia ostatniego etapu Assess to Assessment i Reporter. Oprócz narzędzi należących do kroków metodyki SEMMA opisano także narzędzia z dwóch grup węzłów: Scoring i Utility. Zaprezentowano także reguły, których należy przestrzegać przy budowie diagramów analizy danych. Dla ilustracji przetwarzania według metodyki SEMMA przedstawiono przykład analizy Data Mining za pomocą narzędzi SAS Enterprise Miner. Przykład dotyczy prognozowania posiadania komputera z dostępem do Internetu w gospodarstwach domowych na podstawie wybranych cech gospodarstwa. Porównywana jest jakość dwóch modeli predyktywnych: regresji logistycznej i sieci neuronowych. (abstrakt oryginalny)

4

Data Mining Analytics Fundamentals and Their Application in Logistics

80%

Wojtkowiak K.

Acta Universitatis Nicolai Copernici. Zarządzanie

|

2020

|

47

|

nr 1

47-63

The article describes several basic data mining fundamentals and their application in logistics and it consists of two sections. The first one is a description of different parts of data mining process: preparing the input data, completing the missing data, classification method using k-nearest neighbours algorithm with theoretical examples of usage conducted in opensource software called R and Weka. The second section of the article focuses on theoretical application of data mining methods in logistics, mainly in solving transportation problems and enhancing customer's satisfaction. This section was strongly influenced by data provided by DHL enterprise report on Big Data. The data used in theoretical examples is of own elaboration. (original abstract)

5

Analiza koszykowa jako klasyczny przykład wykorzystania reguł skojarzeniowych

80%

Łapczyński M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2006

|

nr 1107 Badania marketingowe w przestrzeni europejskiej

523-527

Pierwszy algorytm do generowania reguł skojarzeniowych powstał w 1994 r. pod nazwą Apriori. Wyszukiwał jedynie boolowskie reguły skojarzeniowe, ale jednocześnie nie wymagał dużej mocy obliczeniowej komputerów. Większość późniejszych prac dotyczących algorytmów do reguł skojarzeniowych bazowała właśnie na Apriori. Kolejnym krokiem usprawniającym wynajdywanie asocjacji był algorytm z 1996 r. o nazwie "Rozszerzony Apriori" (Extended Apriori Algorithm). Modyfikacja była znaczna, pozwalała bowiem na generowanie reguł ilościowych. W tym samym roku opracowano algorytmy do generowania reguł wielowymiarowych oraz zaczęto prace nad algorytmami równoległymi, znacznie przyspieszającymi obliczenia. W chwili obecnej reguły skojarzeniowe doczekały się kilkunastu implementacji. Oprogramowanie dostępne na rynku to m.in.: Apriori, ARtool, Azmy SuperQuery, CBA, IBM Intelligent Miner, IREX, Magnum Opus, SPSS Clementine, SRA KDD Explorer Suite, STATISTICA Data Miner, Wiz Rule, XAffinity, Xpertrule Miner. (fragment tekstu)

6

Metody wzorowane na naturze w zadaniach data mining

80%

Kwaśnicka H., Śmiałek S.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2004

|

nr 1011 Pozyskiwanie wiedzy i zarządzanie wiedzą

172-187

Zadanie data mining (drążenie danych) to otrzymywanie użytecznej wiedzy ze znacznej ilości danych. Do głównych zadań data mining należą: klasyfikacja, klasteryzacja (grupowanie) i odkrywanie reguł asocjacji (czyli znajdowanie związków pomiędzy grupami elementów). W artykule przedstawiono zastosowania metod wzorowanych na naturze (algorytmy ewolucyjne i mrówkowe, sieci neuronowe) w zadaniach data mining.

7

Data mining a statystyczna analiza danych

80%

Gatnar E.

Przegląd Statystyczny

|

1997

|

44

|

z. 2

309-316

This paper considers Data Mining and its relations to statistical data analysis. Data Mining is defined as an extraction of implicit, previously unknown and potentially useful information from data. Its techniques: data summarization, learning classification rules, deriving causal dependencies, etc. are described. The paper also presents a list of several data mining computer systems and shows methods they use to discover knowledge about data. In addition, some examples of statistical methods used in data mining are included. (original abstract)

8

Postprocessing Integration of Models in Knowledge Discovery

80%

Wojewnik P., Szupiluk R., Ząbkowski T.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2004

|

nr 1027 Informatyka ekonomiczna : przegląd naukowo-dydaktyczny

169-175

Artykuł ma na celu przedstawienie metody integracji rezultatów wielu modeli. Jeśli powstają one w metodyce Data Mining, to zazwyczaj nie ma przesłanek do wyboru struktury, która najlepiej reprezentuje rozważane zależności. Konstruuje się kilka modeli, testuje je, a następnie "najlepszy" jest implementowany. "Najlepszy" oznacza, że jest to model dominujący pozostałe ze względu na pewne kryterium. Zauważmy jednak, że różne kryteria dotyczą odmiennych własności modeli i mogą wskazywać na różne rozwiązania jako optymalne. Aby uniknąć tego problemu, proponujemy dekompozycję i integrację modeli poprzez analizę składowych niezależnych (ang. Independent Component Analysis). Taka transformacja pozwoli uchwycić komponenty odpowiedzialne za jakość modeli. (abstrakt oryginalny)

9

Symptomy wykorzystania rozwiązań business intelligence - polska na tle trendów światowych

61%

Baran M., Smoląg K.

Zeszyty Naukowe Politechniki Częstochowskiej. Zarządzanie

|

2017

|

nr 26

146-157

Wykorzystanie technologii bazujących na rozwiązaniach z zakresu Business Intelligence (BI) jest jednym z widocznych elementów ukierunkowania przedsiębiorstw na sięganie po najbardziej zaawansowane, innowacyjne narzędzia gospodarowania informacją. Jest to zatem zagadnienie o doniosłym znaczeniu z perspektywy możliwości poprawy ich pozycji konkurencyjnej w czasach określanych mianem "ery informacji". Na tym tle rodzi się pytanie o postawę polskich podmiotów gospodarczych w tym względzie. W części teoretycznej scharakteryzowano rozwiązania BI oraz wskazano na symptomy świadczące o zainteresowaniu tymi rozwiązaniami. W części empirycznej sięgnięto po metodę badawczą opartą na porównaniu danych obrazujących proces wyszukiwania informacji związanych z rozwiązaniami z zakresu Business Intelligence na świecie, w Stanach Zjednoczonych, w Polsce. Pozwoliło to określić specyfikę lokalnej, krajowej sytuacji w badanym temacie.(abstrakt oryginalny)

10

Eksploracja danych transakcyjnych sklepu internetowego

61%

Pondel M., Korczak J.

Zeszyty Naukowe Politechniki Częstochowskiej. Zarządzanie

|

2017

|

nr 26

132-145

Przy stale rozwijającym się rynku handlu elektronicznego właściciele sklepów internetowych oraz podmioty prowadzące działalność handlową w modelu Omnichannel muszą szukać przewag konkurencyjnych nie tylko w najniższej cenie oferowanych usług i produktów, ale również w innych obszarach. Dogłębne poznanie potrzeb i przyzwyczajeń klientów oraz ich preferencji zakupowych pomaga w dostarczeniu oferty dopasowanej do potrzeb klienta. Dzięki temu można zwiększyć lojalność klientów, co docelowo wpłynie pozytywnie na rentowność prowadzonych działań handlowych. Eksploracja danych jest procesem, przy pomocy którego można lepiej poznać swoich klientów. Artykuł ten skupia się na problemach, jakie można rozwiązać przy użyciu mechanizmów eksploracji danych. Prezentuje metodykę przyjętą w projekcie RTOM1 oraz pokazuje przykłady procesów przeprowadzonych w narzędziu Orange i w systemie Hadoop przy użyciu silnika Spark i biblioteki MLlib.(abstrakt oryginalny)

11

Selection of Attributes for a Classifier of Telecommunication Failures in the Copper Mine

61%

Karaban B., Korczak J.

Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu

|

2014

|

nr 3 (33)

77-87

Zapewnienie bezpieczeństwa pracy i utrzymanie ciągłości wydobycia to kluczowe zadania systemów telekomunikacyjnych w górnictwie głębinowym. Systemy te, pomimo nowoczesnych i innowacyjnych rozwiązań monitorowania infrastruktury, nie są wolne od wad. Praktycznym problemem jest występowanie fałszywych alarmów o uszkodzeniu infrastruktury. W publikacji wskazano źródła danych, opisano dane, metody ich przekształcenia oraz doboru zmiennych do budowy klasyfikatora. Następnie zaproponowano metodę wykrywania fałszywych alarmów w systemie telekomunikacyjnym kopalni oraz zaprezentowano niektóre reguły dostarczające użytecznej wiedzy z danych. Eksperymenty zostały przeprowadzone na rzeczywistych danych pochodzących z systemu telekomunikacyjnego funkcjonującego w kopalni KGHM Polska Miedź SA.(abstrakt oryginalny)

12

Badanie zachowań klientów internetowych za pomocą web mining

61%

Krzaczyńska A.

Prace Naukowe / Akademia Ekonomiczna w Katowicach

|

2005

|

Wykorzystanie internetu w badaniach marketingowych

169-175

W warunkach współczesnej gospodarki rynkowej informacja stała się jednym z najcenniejszych zasobów przedsiębiorstw. Podejmowanie decyzji zarządczych powinno opierać się nie tylko na intuicji i doświadczeniu decydentów, lecz także na stałym dostępie do prawdziwych, profesjonalnie zgromadzonych i przetworzonych informacji. (...) Jednym z najpopularniejszych źródeł informacji stał się obecnie Internet. (...) Przetwarzanie zebranych danych pozwala na wyciągnięcie interesujących informacji i na ich podstawie zbudowanie wiedzy o zachowaniach konsumentów elektronicznych. W tym celu wykorzystuje się metody matematyczno-statystyczne, stosowane również w tradycyjnej eksploracji danych (Data Mining), takiej jak algorytmy klasyfikacji i asocjacji. (fragment tekstu)

13

Social Media jako kopalnia informacji - wybrane obszary wykorzystania danych na przykładzie portalu Twitter

61%

Michalak J.

Acta Universitatis Nicolai Copernici. Zarządzanie

|

2017

|

44

|

nr 3

107-122

Przekształcenie danych z social media jest w zainteresowaniu wielu naukowców, większość z publikacji skupia się na platformie Twitter. Twitter może być źródłem informacji dla użytkowników portalu (np. o wydarzeniach, produktach). Z drugiej strony platforma to źródło informacji dla przedsiębiorstw i badaczy o opinii i interakcjach użytkowników portalu. W artykule przeprowadzono przegląd literatury w której wykorzystane zostały dane z portalu Twitter w obszarze polityki oraz zarządzania. Autor stara się odpowiedzieć na pytanie jaką wartość wprowadza uwzględnienie danych z social media do prowadzonych analiz. (abstrakt oryginalny)

14

Wykorzystanie systemów Business Intelligence w controllingu finansowym

61%

Chojnacka-Komorowska A. M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2013

|

nr 289 Systemy rachunku kosztów i kontroli zarządczej

130-139

Napływ informacji zarówno z przedsiębiorstwa, jak i z jego otoczenia powoduje konieczność gromadzenia, przetwarzania i analizowania coraz większej ilości danych. Od wniosków z nich wynikających i podjętych decyzji zależy dalsze funkcjonowanie i rozwój przedsiębiorstwa. Tradycyjne przetwarzanie takich ilości danych stało się niemożliwe, dlatego przedsiębiorstwa coraz częściej decydują się na wdrożenie systemów Business Intelligence. Takie narzędzia, jak: hurtownie danych, OLAP czy data mining, wspomagają funkcjonowanie controllingu finansowego i dostarczają informacji na potrzeby zarządzania.(abstrakt oryginalny)

15

Analiza porównawcza technologii

61%

Szaranek A., Hoffmann W.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia Informatica

|

2006

|

nr 18

193-200

W niniejszym artykule autorzy porównują metody Business Intelligence zaczynając od ad hoc, poprzez OLAP do metod data mining. Niektóre przykłady i wyniki zostały zaprezentowane.

16

Eksploracja danych w systemach e-commerce

61%

Pondel J., Pondel M.

Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach

|

2011

|

Systemy wspomagania organizacji SWO 2011

212-223

Eksploracja danych (drążenie danych, pozyskiwanie wiedzy, wydobywanie danych, ekstracja danych) (data mining) jest jednym z etapów procesu odkrywania wiedzy z danych i informacji zawartych w bazach przedsiębiorstw. Idea eksploracji danych polega na wykorzystaniu nowoczesnych technik opartych na regułach statystycznych do znajdowania ukrytych dla człowieka (z uwagi na ograniczone możliwości czasowe) prawidłowości między danymi zgromadzonymi w bazach czy też hurtowniach danych [LARO06]. Informacje wydobyte za pomocą narzędzi eksploracyjnych mogą zostać użyte do wsparcia procesu podejmowania decyzji, prognozowania, analizy finansowej i analizy ryzyka, optymalizacji [OwHPO3]. Decyzje mające na celu zwiększenie efektywności przedsięwzięcia e-commerce można podejmować w oparciu o statystyczną próbkę zebranych danych. Na rynku dostępne są różne narzędzia raportujące. W tym artykule skupiono się na możliwościach narzędzi drążenia danych i ich zastosowaniu do optymalizacji procesów sprzedaży w systemach e-commerce. (fragment tekstu)

17

Zaawansowane metody analizy danych i niekomercyjne pakiety analityczne w systemach wspomagania decyzji na potrzeby administracji publicznej

61%

Świder K., Jędrzejec B.

Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa

|

2014

|

nr 33 Technologie informatyczne w administracji publicznej

552-566

W badaniach nad systemami wspomagania decyzji szczególne miejsce zajmują metody oparte na analizie danych. Ostatnie dwudziestolecie przyniosło istotny przełom w tej dziedzinie i zaowocowało opracowaniem skutecznych metod i algorytmów odkrywania wiedzy z danych.(fragment tekstu)

18

Industry 4.0: Selected Aspects of Algorithmization of Work Environment

61%

Osika G.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2022

|

z. 155 Contemporary Management

431-449

Purpose: The aim of the article is to describe and forecast possible difficulties related to the development of cognitive technologies and the progressing of algorithmization of HRM processes as a part of Industry 4.0. Design/methodology/approach: While most of the studies to date related to the phenomenon of Industry 4.0 and Big Data are concerned with the level of efficiency of cyber-physical systems and the improvement of algorithmic tools, this study proposes a different perspective. It is an attempt to foresee the possible difficulties connected with algorithmization HRM processes, which understanding could help to "prepare" or even eliminate the harmful effects we may face which will affect decisions made in the field of the managing organizations, especially regarding human resources management, in era of Industry 4.0. Findings: The research of cognitive technologies in the broadest sense is primarily associated with a focus of thinking on their effectiveness, which can result in a one-sided view and ultimately a lack of objective assessment of that effectiveness. Therefore, conducting a parallel critical reflection seems even necessary. This reflection has the potential to lead to a more balanced assessment of what is undoubtedly "for", but also of what may be "against". The proposed point of view may contribute to a more informed use of algorithm-based cognitive technologies in the human resource management process, and thus to improve their real-world effectiveness. Social implications: The article can have an educational function, helps to develop critical thinking about cognitive technologies, and directs attention to areas of knowledge by which future skills should be extended. Originality/value: This article is addressed to all those who use algorithms and data-driven decision-making processes in HRM. Crucial in these considerations is the to draw attention to the dangers of unreflective use of technical solutions supporting HRM processes. The novelty of the proposed approach is the identification of three potential risk areas that may result in faulty HR decisions. These include the risk of "technological proof of equity", overconfidence in the objective character of algorithms and the existence of a real danger resulting from the so-called algorithm overfitting. Recognition of these difficulties ultimately contributed to real improvements in productivity by combining human performance with technology effectiveness.(original abstract)

19

Pozyskiwanie wiedzy z bazy danych systemu identyfikacji podmiotów gospodarki narodowej z wykorzystaniem klasyfikatorów przybliżonych

61%

Kaczmarska B., Luściński S., Piasta Z.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1998

|

nr 787 Pozyskiwanie wiedzy z baz danych

114-123

W pracy przedstawiono przykład zastosowania systemu generowania klasyfikatorów przybliżonych ProbRough do określenia współzależności między wartościami atrybutów charakteryzujących podmioty gospodarcze zarejestrowane w bazie REGON.Wybierając do przeprowadzenia badań rejestr REGON kierowaliśmy się licznością zbioru, dynamiką zmian zapisów w bazie skorelowaną z rzeczywistymi procesami w gospodarce (z mocy ustawy), dostępnością zbioru danych.Ograniczenia ustawowe uniemożliwiły nam uzyskanie bazy wraz z atrybutem "ilość zatrudnionych" - co mogło ograniczyć ilość uzyskanych reguł.Pozyskana wiedza jest zaprezentowana w postaci łatwo dających się interpretować zbiorów reguł decyzyjnych: Omawiając poszczególne przypadki zaprezentowaliśmy interpretacje, które potwierdzają sens ekonomiczno-gospodarczy wydobytej przy pomocy ProbRough wiedzy z rejestru REGON. Odbyte prawidłowości potwierdzają wzrost aktywności gospodarczej w regionie w warunkach gospodarki wolnorynkowej. (fragment tekstu)

20

Algorytmy generowania reguł z baz danych analitycznych

61%

Dębska B., Guzowska-Świder B.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1998

|

nr 787 Pozyskiwanie wiedzy z baz danych

93-97

Przedstawione w niniejszej pracy wyniki badań dotyczą weryfikacji zależności istniejących pomiędzy budową strukturalną związków chemicznych a ich właściwościami. Do ustalenia tych korelacji wykorzystuje się bazę przykładów, zawierającą kody struktur i wyrażone liczbowo właściwości związków. Wynikiem badań jest system ekspertowy do identyfikacji związków chemicznych na podstawie ich eksperymentalnie zmierzonych właściwości. (fragment tekstu)