Použití Business Intelligence pro analýzu malých podniků

Abstract

Předmětem diplomové práce je problematika business analýz se zaměřením na techniky dolování znalostí (data miningu). Práce dokumentuje postupy provádění těchto analýz, popisuje základní metody, zhodnocuje možnosti jejich využití pro obchodní praxi. Největší prostor je věnován metodice CRISP-DM – fázím předzpracování dat, zpracování dat a vyhodnocování výsledků. Praktická část práce aplikuje popisované metody na obchodní data z reálné firmy provozující prodejní automaty ve školách, a to především s využitím nástrojů Rapidminer a MS SQL Business Intelligence Development Studio. Je demonstrováno použití několika základních metod dolování znalostí (metoda hlavních komponent, korelace, asociace, shlukovací metoda a metoda rozhodovacích stromů). Získané výsledky jsou interpretovány s ohledem na získání znalostí, které by mohly být pro zadavatele komerčně užitečné.

The subject of the submitted thesis is the topic of business analyses with a special emphasis on data mining techniques. The thesis covers procedures of performing these analyses, describes basic methods, and assesses the possibilities of their application in commercial praxis. The largest scope is given to the CRISP-DM methodology, especially the phases of preprocessing data, processing data and evaluating results. The practical part then applies the described methods to commercial data from a real company operating vending machines at schools, mainly using Rapidminer and MS SQL Business Intelligence Development Studio tools. It demonstrates the usage of a few basic data mining methods (Principal Component Analysis, Correlations, Associations, Clustering methods, Decision Tree). The obtained results are interpreted with respect to acquiring knowledge that could be commercially useful for the client.