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)