Metode razvoja i istraživanje sustava poslovne inteligencije

Naziv kolegija: METODE RAZVOJA I ISTRAŽIVANJE SUSTAVA POSLOVNE INTELIGENCIJE

Satnica: 30

Nositelji: Prof. dr. sc. Božidar Kliček, (Dr. sc. Goran Klepac, u postupku izbora za docenta)

Mogućnost izvođenja na engleskom: Da

Cilj:
Poslovna inteligencija je značajan sastojak poslovnih inteligentnih sustava XXI. stoljeća. Niz tehnologija trebaju omogućiti vrhunske personalizirane proizvode za klijente, ali također i poslovnu učinkovitost za dugotrajne poslovne odnose s okolinom. Te su tehnologije: inženjersvo znanja, upravljanje znanjem, poslovna inteligencija, virtualne organizacije, data mining, otkrivanje znanja, itd. Tek potpunim razumijevanjem i integracijom različitih dijelova poduzeća moguće je postići jedan kohezivan poslovni inteligentan sustav. U ovom kolegiju želimo stoga dati kvalitetean teorijski i praktični koncept, metode dizajna i istraživanja inteligentnih poslovnih organizacija. Ovaj kolegij će omogućiti raumijevanje procesa primjene, važnih za ljude koji se tim područjem baze, ali i za praktičare orijentirane primjeni.

Sadržaj:

1. Teorijski modeli poslovne inteligencije i srodnih koncepata. Osnovni problemi.
Repetitorij data mininga, otkrivanja zakonitosti u podacima i inženjerstva znanja. Pojam poslovne inteligencije i modeli. Ekonomija znanja, društvo znanja i poslovna inteligencija. Ekonomske koristi od inteligentnih poduzeća. Izgradnja adaptivne poslovne infrastrukture poslovne inteligencije. Infrastruktura podržana inteligentnim agentima. Transfromacija poduzeća u ineligentna poduzeća preko upravljanja znanje. Upravljanje sustavima poslovne inteligencije.

2. Inteligentne organizacije i poduzeća
Definicije i svojstva inteligentnih organizacija. Organizacije i njihova okolina. Okolina koja daje informacije, resurse, varijacije. Sustavi za obradu informacija u organizacijama, dijelovi za donošenje odluka, organizacije kao interpersonalni sustavi. Klasifikacija inteligentnih organizacij, vrste znanja, organizacijsko učenje i ciklusi učenja.

3. Pretprocesiranje podataka
Metode pretprocesiranja podataka u sustavima poslovne inteligencije. Analize relevantnosti atributa. Kategorizacija i sažimanje. Uloga ekstremnih vrijednosti u podacima (eng. outliers). Presjek kroz metodologiju i primjenu različitih metodologija pretpocesiranja podataka. Stavljanje naglaska na osmišljavanje sustava pretprocesiranja podataka kod kompleksnijih sustava poslovne inteligencije. Poticanje na pronalaženje novih metoda pretprocesiranja podataka koje imaju bolje perfomanse od postojećih (npr. prijedlozi poboljšanja PC i NPC metode u sustavima učenja Bayesovih mreža, pronalaženje metoda za automatizaciju optimalne diskretizacije ulaznih vrijednosti npr. pomoću metoda koje svoje korijene vuku iz teorije kaosa )

4. Klase poslovnih problema i tehnika analize u poslovnoj inteligenciji
Određivanje profila, predviđanje ponašanje i rano prepoznavanje zahtjeva klijenata. Povećanje indeksa unakrsne prodaje (eng. cross-selling index)? Sustavi poslovne inteligencije tržišnih simulacija. Predviđanje trendova i razloge prekida korištenja usluga i proizvoda od strane klijenata. Precizna segmentaciju tržišta na temelju ekspertnog znanja i iskustava. Primjena fuzzy ekspertnih sustava u segmentaciji tržišta i njihova integracija u BI sustave. Dijagnostika rizičnih tržišnih segmenata i neutralizacija rizika. Dijagnostika rizika primjenom data mining metoda. Rano otkrivanje tržišnih šansi, i potencijalnih tržišnih opasnosti uz pomoć data mining metoda. WHAT IF analize.

5. Uloga ulačavanja analitičkih metoda
Uloga kreativnosti u analizama. Zašto ne postoje recepture i dominantnost metoda za određeni problemski prostor u data mining analizama? Kako prepoznati najbitnije smjernice koje nas mogu dovesti do željenog cilja.

6. Metode razvoja sustava poslovne inteligencije
Razlika u vođenju između ad hoc DM projekata i ciljano planiranih BI projekata. Sudionici u procesu rješavanja analitičkog zadatka. Vođenje analitičara do cilja. U kojoj formi je moguće dobiti rezultate analize. Kako kreirati zahtjev za prezentaciju izlaznih rezultata.

7. Planiranje investicija u projekte
Varijante niskih, srednjih i visokih ulaganja. Kriteriji izbora tipa investicija. Analize slučajeva.

Samostalan rad
U okviru samostalnog rada polaznika primjenjuju se niz te pripremljenih primjera. Polaznicima se omogućuje samostalan razvoj vlastitih modela iz problemskih domena koje su im najprikaldnije

Izvođenje i ispit:
Nastava: predavanja, rad s modelima organizacija i specijaliziranim softverom Xpert Rule Knowledge Builder, SAS softver, neuronske mreže, simulacijski softveri
Ispit: pristupni rad, usmeni ispit

Slični predmeti:
Simon Fraser University. MBA Marketing. Data Mining and Models for Marketers.
University of Toronto, Faculty of Information Studies, Management of Information Organizations

Literatura:
Osnovna:

Schreiber, G. et al.: Knowledge Engineering and Management, The MIT Press, Cambridge, MA, 2001.
Gupta, J.N.D., Sharma, Sushil K. Intelligent Enterprises of the 21st Century. Idea Group Publishing, 2003.
Fairchild, A.M. Technological Aspects of Virtual Organizations: Enabling the Intelligent Enterprise. Springer, 2004.
Thannhuber, M. J. The Intelligent Enterprise: Theoretical Concepts and Practical Implications. Physica-Verlag Heidelberg, 2004.
Klepac, Goran; Panian,Željko: Poslovna inteligencija, Masmedia, Zagreb, 2003, ISBN: 953-157-447-2

Izvori na Internetu:

Reference nositelja:
Prof. dr. sc. Božidar Kliček, redoviti profesor
Autor 40-ak znanstvenih i više od 20 stručnih radova. Diplomirao i magistrirao na području elektrotehnike, a doktorirao na području informacijskih znanosti. Voditelj tri nacionalna znanstveno-istraživačka projekta, jednog međunarodnog Eureka projekta i jednog informatičkog projekta.
Više: http://www.foi.hr/nastavnici/klicek.bozidar

Značajniji radovi relevantni za nositeljstvo kolegija:

Klicek, Bozidar. Design of a Multilevel Intelligent Decision Support System for the Improvement of Tourist Satisfaction. Information Technology in Tourism, Vol. 3, No. 3/4 (2000); 55-67.
Bubaš, Goran; Kliček, Božidar; Hutinski, Željko. Decision tree analysis of the predictors of Internet affinity. Journal of information and organisational sciences. 25 (2001) , 2; 59-67.
Klicek, Bozidar. Tourist's Decision Making Processes Assisted by the Web and Multimedia Intelligent Advisory System. U: Sheldon, P. J., Woeber, K. W., Fesenmaier, D. R. (ur): Information and Communication Technologies in Tourism. Springer-Verlag, Wien, New York, 2001. 358-367.
Klicek, Bozidar. Tourist Satisfaction Based Multilevel Intelligent Decision Support System. U: Fesenmaier, Daniel R., Klein, S., Buhalis, D. (ur.). Information and Communication Technologies in Tourism 2000. Springer-Verlag, Wien, New York, 2000. 167-177.
Klicek, B. Zekic, M. A Nonlinear Strategy of Selecting NN Architectures for Stock Return Predictions. Finance, Abagar, Veliko Tarnovo, 2002, pp. 325-355.
Klicek, B.: Artificial intelligence; Personalization; Centralization; Operating system; Hardware; Intelligent Agents. A. Pizam (ed.): International Encyclopedia Of Hospitality Management, Elsevier, 2005.
Kliček, Božidar. Small Changes Management Method. Proceedings of the 13th International Conference on Information and Intelligent Systems - IIS 2002. U: Aurer, Boris; Lovrencic, Alen (ur.). Varaždin: Faculty of Organization and Informatics, University of Zagreb, 2002. 213-224.
Kliček, Božidar. Simulacije društvenih promjena. U: Božičević, J., Caharija, A. Kreativno rješavanje zadataka. Modeliranje u znanosti, tehnici i društvu. Zagreb: Akademija tehničkih znanosti Hrvatske, Hrvatsko društvo za sustave, 2000; 51-58.

Dr. sc. Goran Klepac, u postupku izbora za docenta
Direktor je direkcije za Business intelligence Raiffeisen Consulting. Diplomirao je na području Ekonomskih znanosti, a doktorirao na području Informacijskih znanosti. Autor je nekoliko knjiga i udžbenika na području poslovne inteligencije. Suradnik je na kolegiju Poslovna inteligencija na poslijediplomskom studiju Informatički menadžment na Ekonomskom fakultetu u Zagrebu.

Značajniji radovi relevantni za nositeljstvo kolegija:

Goran Klepac (2002.): REFII model-Model for recognition patterns in time series, 20th International conference METHODOLOGY AND STATISTIC, University of Ljubljana, Faculty of social sciences, centre of metodology and in informatics, Ljubljana, September 15.-18., 2002; Program and astracts, str 53.-55.
Klepac, Goran: Primjena inteligentnih računalnih metoda u menadžmentu, Sinergija, Zagreb, 2001, ISBN: 953-6895-01-3
Klepac, Goran ; Panian,Željko: Poslovna inteligencija, Masmedia, Zagreb, 2003, ISBN: 953-157-447-2
Klepac Goran - suradnik ; Panian, Željko - urednik.: Englesko-hrvatski Informatički enciklopedijski rječnik, Europapressholding, Zagreb, 2005.
Klepac, Goran. "Segmentacija tržišta na temelju analiza vremenskih serija", Business intelligence konferencija, 10-11 veljače 2003, HLD
Klepac, Goran. "Business intelligence-prespectives ", SAS forum adriatic region ,Opatija, 30-31. 3 2004.