Data mining a jeho využití

Abstract

Příspěvek prezentuje pozadí a metodologii provádění rozsáhlého empirického výzkumu, který je v současnosti v kompetenci mezinárodní a mezikontinetální spolupráce mladých vědeckých pracovníků Českého vysokého učení technického v Praze, Univerzity Tomáše Bati ve Zlíně a jiných mezinárodních partnerů. Autoři staví na základní platformě, kterou je hypotéza, že projektové řízení představuje primární roli v kreativním pojetí a podání konkurenceschopnosti v rámci globalizované a znalostně orientované ekonomiky. Autoři provádí empirický výzkum, jehož hlavním cílem a přínosem je určení relevantního stavu a role aplikace projektového managementu v České republice s tím, že je zde kladen neméně důležitý důraz na testování zjištěného stavu v závislosti na reálných podmínkách současné ekonomické situace a podnikatelského prostředí České republiky. V předkládaném příspěvku se autoři věnují kritické analýze literárních pramenů vztahující se k problematice projektového řízení v konsekvenci na metodologii daného mezinárodního výzkumu. Výzkum prezentovaný v rámci daného příspěvku prezentuje námi prováděnou první fázi nadřazeného výzkumu „PM Capabilities, Dynamic and Associated Critical Success Factors (CSFs)“. Výsledky této hrubé fáze budou dále použity jako základní premisa rozsáhlých analytických prací prováděných v rámci České republiky stejně tak jako výchozí základna pro komparaci výsledků ostatních ve výzkumu participujících zemí. Hlavním cílem je využití našich zjištění týkajících se současného stavu aplikace projektového řízení na národní i mezinárodní úrovni směrem k vytvoření metodologie pro klasifikaci firem a organizací ve vztahu k jejich stavu aplikace a vytvoření strategické páky projektového řízení. Účelem je tedy vytvoření rámce umožňujícího hodnocení a klasifikaci firem ve vztahu k relevantním faktorům.

Databases today can range in size into the terabytes. Within these masses of data lies hidden information of strategic importance. But when there are so many trees, how do you draw meaningful conclusions about the forest? The newest answer is data mining, which is being used both to increase revenues and to reduce costs. There are two keys to success in data mining. First is coming up with a precise formulation of the problem you are trying to solve. A focused statement usually results in the best payoff. The second key is using the right data. After choosing from the data available to you, or perhaps buying external data, you may need to transform and combine it in significant ways. Data mining offers great promise in helping organizations uncover patterns hidden in their data that can be used to predict the behavior of customers, products and processes. However, data mining software tools need to be guided by users who understand the business, the data, and the general nature of the analytical methods involved. Realistic expectations can yield rewarding results across a wide range of applications, from improving revenues to reducing costs. Building models is only one step in knowledge discovery. It's vital to properly collect and prepare the data, and to check the models against the real world. The "best" model is often found after building models of several different types, or by trying different technologies or algorithms. Choosing the right data mining products means finding a tool with good basic capabilities, an interface that matches the skill level of the people who'll be using it, and features relevant to your specific business problems.