Istraživačke metode za poslovnu inteligenciju 2021/2022
7ECTSa
Doktorski studij Informacijske znanosti 1.1 (PDDSIZ)
Nema podatka
NN
1. semestar
Osnovne informacijemdi-information-variantIzvođači nastavemdi-account-groupNastavni plan i programmdi-clipboard-text-outlineModel praćenjamdi-human-male-boardIspitni rokovimdi-clipboard-check-outlineRasporedmdi-calendar-clockKonzultacijemdi-account-voice
Cilj kolegija je omogućiti studentima teorijske i praktične temelje poslovne inteligencije te ih upoznati s teorijskim i praktičnim modelima znanstvenog istraživanja u sustavima poslovne inteligencije. Drugi cilj kolegija je naučiti studente primjenjivati proces otkrivanja znanja u podacima kao novu i efikasnu metodu u znanstvenom istraživanju.
Metode istraživanja. Od općeg pristupa prema pristupu poslovne inteligencije. Metode istraživanja. Od općeg pristupa prema pristupu poslovne inteligencije. Primjeri sustava za preporuku: suradnički i sustavi temeljeni na sadržaju, hibridne metode i odlučivanje.
Proces otkrivanja znanja u bazama podataka (CRISP- DM model). Organizacija i njezino okruženje: od teorijskih modela do realnih sustava. Klasifikacija sustava, celularni automati, realni sustavi. Organizacijski sustavi za obradu informacija, donošenje odluke, upravljanje znanjem, organizacijsko učenje. Otkrivanje znanja u bazama podataka. CRISP- DM model: razumijevanje poslovne domene, razumijevanje podataka, priprema podataka, modeliranje, evaluacija, diseminacija.
Metode razvoja poslovnih inteligentnih sustava ) Razlika između ad hoc projekata analize podataka i planiranih projekata poslovne inteligencije. Gospodarstva i društva znanja; poslovna inteligencije. Modeli korisnosti. Prilagodljiv razvoj infrastrukture za poslovnu inteligenciju. Modeli razvoja i upravljanja poslovnih inteligentnih sustava.
Otkrivanje znanja u bazama podataka: tehnike i metode. Prikupljanje podataka, otkrivanje znanja u bazama podataka i inženjerstvo znanja. Teorija učenja. Osnove strojnog učenja. Strukture podataka. Prikaz znanja. Mjere kvalitete atributa. Priprema podataka, smanjenje dimenzionalnosti. Učenje od stabla odlučivanja, pravila, asocijativna pravila i regresijska stabla, vjerojatnosne mreže. Neuronske mreže: Perceptron, radijalni temeljna funkcija, Hopfield i Bayesovske neuronske mreže. Klaster analiza.
Primjena u različitim klasama poslovnih problema. Profiliranje, predviđanje, rano upozorenje o zahtjevima klijenta. Cross-selling index. Poslovne marketinške simulacije. Trendovi predviđanja i gubitaka. Segmentacija tržišta. Procjena rizika. Dijagnostika. Rano otkrivanje promjena na tržištu. Što - ako analiza.
Analiza slučaja Analiza slučaja. Nekoliko aplikacija u relevantnim istraživanjima.
Sadržaj seminara/vježbi
Kolegij se izvodi kroz predavanja i laboratorijske prikaze metoda poslovne inteligencije. Kolegij se izvodi kroz predavanja i laboratorijske prikaze metoda poslovne inteligencije.
Ishodi učenja kolegija
Ishodi učenja programa
Osnovna literatura
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
Dopunska literatura
Slični kolegiji
Simon Fraser University. MBA Marketing. Data Mining and Models for Marketers.
University of Toronto, Faculty of Information Studies, Management of Information Organizations
Redoviti studentiIzvanredni studenti
U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.