Cytaty i parafrazy dla: analiza danych (0 - 4 z 4)
Jeruzalski T.,
Efektywność i skuteczność wdrażania systemów IT w administracji publicznej,
CeDeWu, Warszawa 2009
- Analiza Data Mining (DM) - narzędzia do analizy DM pozwalają na identyfikację wzorców zachowań, zależności między zdarzeniami oraz zmian w zjawiskach rynku pracy. Data Mining może być doskonałym procesem wspomagania podejmowania decyzji w obszarze rynku pracy poprzez grupowanie powiązanych danych i predykcji zjawisk. Zastosowanie Data Mining umożliwia opisywanie zbiorów danych w zwięzły i sumaryczny sposób oraz prezentację interesujących cech, co pozwala na szybkie wyszukiwanie wzorców. Data Mining może zostać wykorzystany do predykcji zjawisk rynku pracy poprzez konstrukcję modeli i wnioskowanie na dostępnych danych, dzięki czemu można przewidzieć zachowanie nowego zbioru danych. Narzędzia Data Mining mogą stać się bardzo użyteczne zarówno przy planowaniu polityki rynku pracy jak i badaniu jej przyszłych skutków.
(Jeruzalski T. 2009, s. 50)
Kosińska E. (red.),
Marketing międzynarodowy Zarys problematyki,
Polskie Wydawnictwo Ekonomiczne, Warszawa 2008
- "Rodzaje metod, które firma wybierze do analizy zgromadzonych informacji, zależy od wielu czynników.na wybór metody analizy danych wpływają w szczególności: cele badań, wielkość badanej próby czy rodzaj zastosowanych mierników:(np. dochody gospodarstw domowych podane w jednostce walut, ranking preferowanych przez konsumentów cech produktu: najważniejsza, druga, trzecia)."
"Można tu wymienić:
- analizę porównawczą,
- analizę szeregów czasowych,
- estymację przez analogię,
- analizę skupień."
(Kosińska E. (red.) 2008, s. 175)
Lula P.,
Metody Sztucznej Inteligencji i ich zastosowanie w ekonomii i zarządzaniu,
Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków 2007
- Eksploracja danych łączy teorię i praktykę baz danych, statystykę i sztuczną inteligencję. Zaproponowane dotychczas polskie odpowiedniki terminu data mining nie zyskały jeszcze uznania. Najbliższym znaczeniowo równoważnikiem anglojęzycznego data mining wydaje się termin "przeszukiwanie danych", chociaż brakuje mu na pewno zawartej w angielskim oryginale, przemawiającej do wyobraźni wizji procesu drążenia szybów i korytarzy w ciemnych czeluściach masywów jałowych danych - w poszukiwaniu cennego kruszcu czystej wiedzy lub promienia światła na końcu tunelu.
Wskazując na podstawowe cechy metod data mining należy zwrócić uwagę na następujące ich właściwości:
- metody data mining są grupą bardzo zróżnicowaną i stale wzbogacaną. Wywodzą się ze statystyki, informatyki, analizy sygnałów, matematyki, grafiki;
- należą do metod o charakterze indukcyjnym. Formułowane wnioski wypływają zawsze z analizy dostępnych zbiorów danych, a nie z a priori przyjmowanych abstrakcyjnych teorii;
- uzyskiwane rezultaty analizy są zwykle proste w interpretacji - i na tym polega ich praktyczna użyteczność;
- rozważane metody są niezależne od semantycznej treści przeszukiwanych informacji, dlatego pozwalają na zunifikowane badanie bardzo zróżnicowanych grup zagadnień;
- celem ich stosowania może być dostarczenie opisu badanego fragmentu rzeczywistości bądź prognozowanie;
- są ukierunkowane na zastosowania praktyczne, przede wszystkim wspomaganie procesów decyzyjnych.
(Lula P. 2007, s. 121)
Urbaniak M.,
Systemy zarządzania w praktyce gospodarczej,
Difin, Warszawa 2006
- Do analizy danych firma może wykorzystywać także techniki i narzędzia doskonalenia, tj:
- analizę Pareto,
- diagramy Ishikawy,
- badania satysfakcji klienta,
- techniki organizacyjne,
- burza mózgów, benchmarking, diagram drzewa,
- analizy FMEA, QFD.
(Urbaniak M. 2006, s. 93)