Kvalita dat a informací základní omezení IT ve veřejné správě
|
|
- Františka Němečková
- před 8 lety
- Počet zobrazení:
Transkript
1 Kvalita dat a informací základní omezení IT ve veřejné správě Jaroslav Král, Michal Žemlička Univerzita Karlova, Matematicko-fyzikální fakulta, Katedra softwarového inženýrství Malostranské nám. 25, Praha 1 jaroslav.kral@mff.cuni.cz, michal.zemlicka@mff.cuni.cz Abstrakt Efektivnost využití informačních technologií silně závisí na kvalitě dat. V aplikacích se mnohdy mlčky chybně předpokládá, že potřebná data jsou vždy k dispozici za rozumnou cenu, v dostatečné kvalitě a za rozumnou cenu. V poslední dekádě význam kvality dat značně zesílil. Důvodem je potřeba podpory managementu a rozvoj manažerských informačních systémů. Ty musí využívat data a informace různé kvality dostupné např. na Internetu. Problémy kvality dat jsou tématem řady konferencí, pokusů o standardizaci (ISO) a dokonce i zákonů (viz US zákon Data Quality Act). Kvalita dat a informací není u nás dostatečně legislativně ošetřena. To je zásadní nedostatek, který do značné míry vylučuje možnost vyžadování, sledování, a kontrolu kvality dat a informací. To neumožňuje obranu proti takovým opatřením, které kvalitu dat a informací, především dostupnost, zbytečně zhoršují. Budou uvedeny příklady nepříznivých důsledků současného stavu pro celou informatiku. Klíčová slova Aspekty kvality dat a informací, legislativa kvality dat, nedostupnost informací a řízení státu. 1 Úvod Kvalita dat a informací je problém, jehož složitost je často, především ve veřejné správě, podceňována. Kvalita dat a informací je vícedimensionální pojem, protože má i takové aspekty, jako je včasnost, dostupnost a důvěryhodnost. Význam aspektů kvality roste i v podnikové sféře. I tam se stále více pracuje s daty a informacemi, která nemusí být přesná či věrohodná. Rozvoj internetu tento problém velmi zesílil. Nízká kvalita dat státní správy a především nedořešení problému dostupnosti informací, která jsou ze zákona veřejná byť byla odvozena z neveřejných dat, významně omezuje uplatnění práva občanů na informace a také zásadně snižuje efektivnost řízení podniků a především státu. Příkladem jsou problémy s registrem občanů. To, že u nás není kvalita dat a informací dostatečně legislativně ošetřena, je zásadní nedostatek, který do značné míry vylučuje možnost vyžadování, sledování, a kontrolu kvality dat a informací. To neumožňuje obranu proti takovým opatřením, která kvalitu dat a informací (především jejich dostupnost) zbytečně zhoršují. Budou uvedeny atributy kvality dat, kterých se to především týká, a budou uvedeny příklady hrozivých důsledků současného stavu pro celou informatiku. Ukážeme, jak zásadním a někdy nečekaným způsobem ovlivňuje kvalita dat (přesnost, včasnost, dostupnost, konsistence, atd.) cíle a způsoby implementace informačních systémů a architekturu informačních systémů. Ukážeme také, jak to zbytečně omezuje funkce těchto systémů. Jinými slovy, současná situace výrazně snižuje kvalitu využití informačních technologií, což je nevýhodné pro stát a pro IT odborníky zvláště. Dlouhodobě to vede k rozsáhlým ztrátám a ohrožuje to i prosperitu ekonomiky a státu. IT veřejnost by se měla ve svém zájmu výrazně zasadit o změnu této situace. SYSTEMS INTEGRATION
2 JAROSLAV KRÁL, MICHAL ŽEMLIČKA 2 Od technologie k funkcím Teorie a praxe databází přinesla výsledky, o kterých mnozí pochybovali, zda budou vůbec možné. Je si ovšem třeba uvědomit, že jádrem těchto mnohdy zázračných výsledků je převážně řešení problému jak data ukládat, vyhledávat a prezentovat. Otázka, jaké kvality jsou data uložená v databázi (přízemně řečeno, zda se jedná o numera nebo hausnumera), zůstávala stranou zájmu. Existovalo pro to několik důvodů: Prvé aplikace databází se převážně týkaly operativy, jako je účetnictví nebo skladové hospodářství. Tam bylo z podstaty věci a zavedenými postupy zajištěno, že data musela být správná kvalitní, jinak byla nepoužitelná. Bez vyřešení problému, jak data ukládat, vyhledávat a prezentovat, nemělo řešení otázky kvality dat smysl. Nebyl dostatečně rozvinut pojmový aparát umožňující specifikovat různé aspekty a dimenze kvality dat. Nebyl v podstatě potřeba. Jak uvidíme, není pro to v tomto směru ještě dnes, přes značný pokrok, dosud dostatečně jasno a je nutný další výzkum zaměřený na kvalitu informací závisejících na daných datech. Chyběly metody a způsoby zápisu atributů kvality dat do metadat a vědomí důsledků statistických vlastností a jiných metrik kvality datových souborů pro aplikace využívající data určité kvality. Situace se v poslední dekádě dramaticky změnila, neboť v devadesátých letech byla v podstatě vyřešena problematika vývoje operativní části informačních systémů včetně jejich datové vrstvy. Pokrok v praxi využívání databází vyřešil problém systémové podpory práce s daty. Pokrok v efektivnosti indexování se snížil technologie narazily na své hranice. Hlavním problémem informačních systémů se stala podpora managementu. Příkladem je e-government a e-komerce. Management musí často používat hromadná data, která mohou pocházet z různých zdrojů a která jsou různě spolehlivá, různě přesná, různě dostupná a která mají různou dobu platnosti. Pro řadu aplikací mají rozhodující význam statistické charakteristiky kvality dat. Pokrok jazyků pro zápis metadat umožnil, aby mohly být údaje o kvalitě dat rozumným způsobem dosažitelné a dostatečně flexibilní. Data v komerci a managementu mohou díky pokroku v komunikacích pocházet z velmi různých zdrojů. Taková data mohou být různé kvality, a přesto mohou být cenná a musí být používána. Někdy obsahuje krátký drb více informace než dlouhá oficiální zpráva a spousta dat. Kvalitou (dat) je podle ISO 8402 [ISO86]: Characteristics of an entity as a whole that give the capability to satisfy explicit and implicit needs: Quality of an entity is a subjective concept dependent on requirements that the user of the entity requests in an implicit or explicit manner. Quality is a multidimensional concept tied to various characteristics. Kvalita dat je poměrně nový problém, jehož formulace a cesty řešení se rychle vyvíjí. Není ustálen názor, do jaké míry mají být metriky kvality závislé na potřebách jednotlivých aplikací. Jedním z problémů volby atributů kvality dat je volba optimálního kompromisu mezi obecností a použitelností. Kvalita informací se odvozuje od kvality dat, jedná se ale o specifický problém, který je předmětem intensivního výzkumu (viz níže). Typickou úlohou je řešení problému, jaká je kvalita informací využívajících data různé kvality. 216 SYSTEMS INTEGRATION 2006
3 KVALITA DAT A INFORMACÍ ZÁKLADNÍ OMEZENÍ IT VE VEŘEJNÉ SPRÁVĚ 2.1 Subjektivní a objektivní metriky kvality dat Podobně jako u metrik kvality softwarových systémů je i u metrik kvality dat vhodné rozlišovat metriky dvojího typu: Objektivní metriky, tj. metriky, které lze vždy znovu vypočítat z dat, kterých se týkají. Objektivní metriky jsou obvykle číselné. Mezi objektivní metriky patří takové vlastnosti, jako existence okrajových či nevalidních dat, chybějící data, atp. Subjektivní metriky jsou metriky hodnotící způsob, jakým data vznikla, případně kvalitu zdroje dat. Subjektivní jsou např. metriky hodnotící důvěryhodnost dat, stupeň jejich utajení, dostupnost, atd. Subjektivní metriky odpovídají metrikám interním (in process metrics, např. doba řešení, pracnost) podle ISO 9126 [ISO91]. Proces zjišťování subjektivních metrik je nutno standardizovat. To je většinou zajišťováno předpisy, které specifikují atributy (a dimenze skupiny metrik) kvality dat, a postupy, které je nutno při sběru dat a při jejich čištění dodržovat. Přívlastek subjektivní má v případě metrik kvality dat jisté oprávnění, poněvadž tyto metriky většinou nevznikají měřením nějakého procesu, ale de facto subjektivním hodnocením vlastností dat experty založeném na zkušenostech a nikoliv na měření v běžném slova smyslu. Z definice tohoto typu metrik plyne, že při vymezování typů subjektivních metrik závisí na potřebách konkrétního uživatele a někdy dokonce jediné konkrétní aplikace. Hranice mezi subjektivními a objektivními metrikami není striktní. Pokud máme dostatečně rozsáhlý soubor, můžeme jeho střední hodnotu a směrodatnou odchylku vypočítat. V opačném případě (např. při problémech s dostupností dat) můžeme použít i kvalifikovaný odhad, tj. postupovat jako v případě subjektivních metrik. Fakt, že se takto postupovalo, by měl být zaznamenán. 3 Čištění a optimalizace dat Pod čištěním dat (data cleansing) rozumíme procesy zlepšování kvality a použitelnosti dat. Příkladem pravidel čištění dat je dotazník popsaný v [DoE05]. Jádro zlepšování kvality dat je založeno na poměrně sofistikovaných metodách vyvinutých v rámci matematické statistiky. Nejčastěji používané postupy jsou: Vylučování okrajových dat ( chyby měření ). Jde o postup, kdy se ze souboru vylučují data, která jsou zjevně nesprávná: úmyslně změněná, chybně zanesená (překlepy), chybně změněna. Jestliže například v dostatečně velkém souboru existuje číslo x, které splňuje podmínku, že x >> M n-1 +3σ n-1, kde M n-1 je průměr a σ n-1 směrodatná odchylka souboru, ze kterého bylo vyloučeno x, pak je lépe x ze souboru vyloučit. Existuje na to velmi rozvinutá teorie a postupy, které se používají především při dolování dat a také při zpracování výsledků měření v přírodních a technických vědách. Doplňování chybějících dat. V tomto případě se do souboru doplní chybějící data, aby bylo možno soubor rozumně zobrazovat (například časové řady) a přitom nedošlo k chybným výsledkům (k významným změnám charakteristik daného souboru). K dispozici jsou dávno existující algoritmy. Vyloučení duplicitních dat. Sjednocení formátů, vylučování dat s nevhodným formátem. Parciální replikace. Pokud se data používají pouze pro statistické analýzy (a to je při podpoře managementu obvyklé), lze soubory dat replikovat pouze částečně (aniž dojde k závažnější chybě). To, jak velké procento dat je třeba replikovat, závisí především na rozptylu dat a kvalitě algoritmu, který provádí výběr dat k replikaci. Úspory mohou být dramatické. SYSTEMS INTEGRATION
4 JAROSLAV KRÁL, MICHAL ŽEMLIČKA 4 Příklady metrik kvality dat Z toho, na čem jsou založena hodnocení kvality dat, vyplývá, že nejen proces vyhodnocování metrik, ale i jejich definice závisí do značné míry na potřebách konkrétního uživatele a dokonce na potřebách konkrétní aplikace. Různí uživatelé proto využívají různé soubory metrik. Detailnější rozbor metrik kvality dat lze nalézt v [PLW02], kde se doporučují i takové metriky, jako je srozumitelnost a snadnost zobrazení (srv. tab. 1). Kasnakoglu a Mayo v [KM04] navrhují pro hodnocení kvality statistických dat použití následujících často používaných metrik: Relevantnost (Relevance) míra, do jaké míry data splňují účel, pro který jsou používána. Přesnost (Accuracy) jak přesná jsou používaná data (měřeno obvykle statistickými charakteristikami pro chybu, např. směrodatná odchylka). Včasnost (Timeliness) za jakou dobu lze data aktualizovat. Dostupnost (Accessibility) jak jsou již existující data dostupná. Bariéry dostupnosti mohou být technologické, např. kapacita sítě, legislativní, např. nedořešená ochrana osobních dat, či procesní, např. nevhodné či nedostatečné informace. Porovnatelnost (Comparablity) metrika hodnotící možnost porovnávat, ale také spojovat data z různých zdrojů. Problémy mohou být s jednotností formátů či metod pořizování dat. Příkladem problému daného typu jsou obtíže při vytváření registru občanů (formát adresy). Koherence (Coherence) metrika vyjadřuje, do jaké míry byla data vytvořena podle z hlediska výsledku stejných pravidel. Britský statistický úřad k těmto metrikám doplňuje metriku Úplnost (Completeness) udávající jaká část potenciálních dat je zachycena v databázi (viz [HM01]), případně zda statistické charakteristiky dat nejsou ovlivněny výběrovými efekty. Kategorie Vnitřní, intrinsická (Intrinsic) Dostupnost (Accessibility) Kontextuální (Contextual) Reprezentační (Representational) Dimenze Přesnost (Accuracy) Objektivnost (Objectivity) Důvěryhodnost (Believability) Reputace (Reputation) Dostupnost (Accessibility, též Availability) Bezpečnost přístupu (Access security) Relevantnost (Relevancy) Přínos (Value added) Včasnost (Timeliness) Úplnost (Completeness) Rozsah (Amount of data) Interoperabilita (Interoperability) Srozumitelnost (Easy of Understanding) Výstižná a stručná reprezentace (Concise representation) Konsistentní reprezentace (Consistent representation) Tabulka 1: Dimense a atributy metriky dat podle [WZL01]. Podrobný popis významu jednotlivých metrik lze nalézt v [PLW02] 218 SYSTEMS INTEGRATION 2006
5 KVALITA DAT A INFORMACÍ ZÁKLADNÍ OMEZENÍ IT VE VEŘEJNÉ SPRÁVĚ Americký úřad Federal Highway Administration v doporučení [FfDQ] používá tyto metriky kvality dat: Přesnost, Úplnost (kolik procent všech potenciálních údajů je v databázi), Platnost (Validity kolik procent dat vyhovuje sémantickým omezením), Včasnost, Dostupnost (Accessibility), Pokrytí (Coverage do jaké míry soubor dat má vlastnosti blízké vlastnostem potenciálně nekonečného souboru, z něhož byl vybrán, tj. zda nedochází k výběrovým efektům). Toto doporučení obsahuje numerické postupy výpočtu variant jednotlivých metrik jako směrodatná odchylka, průměrná relativní chyba, atd. Viz též [UNESCO]. Rozsáhlá doporučení zaměřená na statistické atributy kvality lze nalézt v dokumentech organizace OSN Foods and Argiculture Organization (FAO). 4.1 Včasnost, přesnost a úplnost dat a servisně orientovaná architektura softwaru Tento příklad vychází ze zkušeností se systémy řízení malosériových výrob, má ale širší platnost. Výrobní systémy obvykle obsahují řízení autonomních výrobních subsystémů, které nazveme dílny. Výrobní úkoly jsou dílně zadávány z podnikové úrovně ve formě datové struktury plánu, který obsahuje jednotlivé výrobní úkoly. Výrobní úkoly jsou tvořeny posloupnostmi nebo obecněji sítěmi výrobních operací, které jsou rozepsány na jednotlivá pracoviště vícestupňovým procesem, jehož podstatná část je na podnikové úrovni. Cílem plánu je dodržet s co nejmenšími náklady termíny výrobních úkolů při maximálním využití kapacit dílny (např. málo prostojů a jiné požadavky na optimalizaci výroby). Poněvadž se jedná o malosériovou výrobu diskrétního typu nedaří se obvykle plán plnit. Důvody pro to jsou dva: 1. Data, z nichž plán vychází, jsou nedostatečně přesná a ne vždy úplná. Ne všechny stroje mohou být v daném okamžiku ve stavu, s jakým počítal plán (poškozené nářadí a jiné poruchy, které stroj nevyřadí, ale diskvalifikují ho pro určité operace, indispozice obsluhy, opotřebení stroje). To znamená, že jsou nepříznivě ovlivněny metriky úplnost, relevantnost a přesnost. 2. Plánovací algoritmy jsou algoritmicky náročné a nemohou proto aktualizovat data dostatečně rychle. To navíc znamená, že nemohou být spouštěny často (on-line), např. kdykoliv vznikne nečekaná situace, jako výpadky, nemoci obsluhy, problémy s materiálem a nářadím atd. Je tedy nepříznivě ovlivněna metrika včasnost. Praxe ukázala, že řešení může být založeno na následujícím jednoduchém principu. Plán vytvořený plánovacími moduly je uložen do datového úložiště, které je on-line využíváno řídícím systémem dílny. Plán může být upravován mistrem dílny. Podniková úroveň a řídící systém dílny se při tom chovají jako služby servisně orientovaného systému, tj. jako uzly peer-to-peer sítě. V našem příkladě jsou třeba zásahy dispečera především v těchto případech: Nečekané/vzácné události nevyplatí se je zahrnovat do rozvrhování (Vonásek je nešika, Pepa včera oslavoval, dodavatel to nestihl). Omezení kvality dat: o Nedostupná, neznámá, nepřesná (mají velký rozptyl). o Zřídka potřebná (nevyplatí se je sbírat). Potřeba on line využívat inteligenci lidí jako permanentní součást procesů. Nedostatečná kvalita dat si v diskutovaném případě vynutila, aby se v systému orientovaném na služby upustilo od požadavku, aby se komunikace uskutečňovala výhradně prostřednictvím prosté výměny zpráv (s využitím skrytých front zpráv). Komunikace se musela uskutečňovat pomocí obdoby datového úložiště, podobně jako při funkcionální dekompozici v klasických strukturovaných architekturách softwarových systémů. Řešení založené na podstatném zlepšení kvality dat nebylo ekonomicky schůdné. Kvalita dat tedy může i dost nečekaným způsobem ovlivnit způsob řešení a architekturu systému. Poznamenejme, že obdobu datového úložiště je nutné použít místo implicitních front požadavků na služby ve všech těch případech, kdy se požaduje, aby do komunikace SYSTEMS INTEGRATION
6 JAROSLAV KRÁL, MICHAL ŽEMLIČKA mohl zasahovat člověk, nebo kdy je nutné použít inteligentnější variantu komunikace mezi službami (např. komunikace s využitím přístupu publish-subscribe), než je ta, která je realizovatelná výměnou zpráv řízenou některou variantou obsluhy front, např. existence více možných adresátů zprávy (ve výše uvedeném příkladě existence záměnných pracovišť). Právě diskutovaný příklad ukazuje na zásadní význam skutečnosti, že SOSS není obvykle jen informační, ale také řídící systém. Filtrace Formátování Zdroje dat Datová úložiště Aplikace Aplikace1 Údržba Čištění Data Informace Obrázek 1: Vztah mezi daty a informacemi 5 Kvalita dat a kvalita informací V poslední době se prosazuje názor, že kvalita informace je specifický problém, který musí zohledňovat fakt, že informace je, podobně jako aplikace, které informace vyhodnocují, entita s životním cyklem. V různých etapách životního cyklu mohou být požadavky na kvalitu informací různé (včasnost proti přesnosti v různých etapách životního cyklu). V této oblasti probíhá intensivní výzkum. Na téma kvality informací se koná řada konferencí, viz např. Information Quality Conference na Kritické poznámky k jeho zavádění lze nalézt v [Red01, WRRI]. Kvalita informací závisí nejen na kvalitě dat, ale také na kvalitě zpracování (vyhodnocování) dat prováděném při vytváření informací (obr. 1). To jistě není překvapující zjištění. Má však řadu kriticky důležitých praktických důsledků. Poněvadž procedury vyhodnocování informací mají různé vlastnosti a informace samotné složitým způsobem závisí na datech, z nichž se vyhodnocují, je třeba problém závislosti kvality informací vyhodnotit pro každý typ informací znovu. Hodnocení musí zohledňovat kvalitu dat i kvalitu aplikace, která informace vyhodnocuje. Je možné zohledňovat i důvěryhodnost autora/majitele příslušné aplikace. Tento přístup by měl být stanoven legislativně. Není vždy pravda, že informace nemůže být kvalitnější než data, ze kterých je generována. Příkladem může být vylučování okrajových dat (ne vždy je žádoucí to provádět v datovém úložišti). Data mají kromě atributů kvality také další vlastnosti, týkající se práv přístupu. Mohou být v různé míře neveřejná až tajná. Stupeň utajení informací generovaný z těchto informací je obecně jiný. Jaký je v konkrétním případě, je nutné vyhodnotit (subjektivně, s případnou pomocí nějaké teorie) jak je to s právem přístupu. Údaj o bydlišti občana je chráněn zákonem o ochraně osobních údajů, počet obyvatel majících trvalý pobyt v určitém místě ochraně nepodléhá. Tato evidentní skutečnost má však velmi důležitý důsledek, který současná legislativa nedostatečně zohledňuje. Informace o počtu obyvatel dané lokality je veřejná. Při jejím výpočtu je však nutné neveřejná data o bydlišti jednotlivých osob. Nejjednodušší způsob, jak tento problém řešit, je autorizace aplikace, která generuje informaci o počtu obyvatel, zda vyhovuje podmínce, že nezveřejňuje neveřejné informace, 220 SYSTEMS INTEGRATION 2006
7 KVALITA DAT A INFORMACÍ ZÁKLADNÍ OMEZENÍ IT VE VEŘEJNÉ SPRÁVĚ a samotnou aplikaci provozovat na serveru akreditovaném pro daný účel. Pro zvýšení kontroly je možno výstup programu archivovat a případně i poloautomaticky kontrolovat. Hrozbu zneužití dat je samozřejmě žádoucí snížit i opatřeními na datové úrovni, jako je použití anonymních klíčů a kódování. Zákonem by ale mělo být stanoveno, že by to nemělo vést ke snížení dostupnosti informací, které jsou veřejné. Tento aspekt není v legislativě a hlavně v praxi dostatečně řešen. ÚOOÚ se zabývá pouze znepřístupňováním dat a není od něho vyžadováno, aby bezdůvodně nesnižoval nebo lépe zajišťoval dostupnost informací, které mohou být veřejné. Výsledek je, že IT státní správy jen velmi málo slouží k řízení státu a poskytování komplexních informací orgánům státu i občanům. Hrozivé důsledky současného stavu ukážeme na příkladě hodnocení kvality škol. Význam vzdělanosti lze jen stěží přecenit. Školství je dotováno téměř sto miliardami Kč ročně. Přesto narůstají symptomy problémů. Investoři si začínají i při vysoké nezaměstnanosti stěžovat na nedostatek kvalifikovaných pracovníků. Bližší pohled ukáže, že školy se až na výjimky nestarají o úspěšnost svých absolventů a ani rodiče se o tom mnoho nedozví. Jinými slovy chybí zpětná vazba. Situaci by pomohl zlepšit informační systém umožňující interaktivní dotazy na úspěšnost absolventů škol podle následujících jednoduchých kritériích. Jaký plat mají absolventi dané školy či oboru (nebo obojího) x roků po absolutoriu? Kolik absolventů dané střední školy úspěšně dokončilo nějakou vysokou školu (určitého typu)? Totéž pro základní školy a střední školy. Kolik absolventů zůstalo v oboru? Jaká je nezaměstnanost absolventů (škola, nebo obor, nebo obojí)? Podařilo se zjistit, že úřady a školy mají prakticky všechna data potřebná pro vyhodnocení těchto informací k dispozici. Data jsou ale skryta v systémech jednotlivých úřadů. Jsou považována za neveřejná a situace je taková, že fakticky neveřejné (možná i v elektronické podobě neexistující) jsou i výše uvedené informace o úspěšnosti absolventů. Je totiž třeba data různých úřadů integrovat. Zatím je to v podstatě možné jen pomocí rodného čísla a to ze zákona nelze, neboť je nutno chránit osobní data. Informace o příjmech jsou na pensijním úřadě a na finančních úřadech. Poměrně podrobné daje o nezaměstnanosti dokonce ve vazbě na to, co a kde kdo studoval existují na pracovních úřadech. Data jsou nekvalitní, neboť jsou nedostupná. Na úřadech existuje mnoho skrytě duplicitních dat. Ani anonymní klíče nemusí stačit, protože nelze vyloučit, že vhodným dotazem zjistím příjem konkrétního člověka. Pro výše uvedené dotazy jsou potřeba data kdy, kdo, kde, co vystudoval. Tato data na školách a snad i jinde existují, nejsou ale pro výše uvedené účely dostupná. Je samozřejmé, že by byly v principu možné nejen dotazy uvedené výše, ale i takové dotazy, jako souvislost mezi počtem hodin matematiky na střední škole nebo typem školy a úspěchem v kariéře. Zatím to není možné. Data jsou nedostupná. Státní správa by měla být povinna nejen hodnotit kvalitu dat, ale také přijímat opatření ke zlepšování kvality dat a bránit neodůvodněnému snižování kvality dat jak to dnes praktikuje ÚOOÚ. Vysoké školy by měly ze zákona spolupracovat na zpřístupňování informací o svých absolventech. Dnešní situace vede k rychlé degradaci kvality pracovní síly. Možná že není daleko situace, která je dnes už běžná na Slovensku, kde podle předsedy Slovenskej obchodnej a priemyselnej komory Mihóka mají podnikatelé problém sehnat pracovní sílu i v oblastech s 20% nezaměstnaností. Náznaky takové situace jsou i u nás. I pro nás platí slova pana Mihóka, že není možné akceptovat situaci, kdy veřejné finance dotují produkt, o který není zájem na trhu. Informatici by měli na tuto skutečnost upozorňovat a prosazovat změnu zákonů. Zatím nelze nejen v případě školství využívat potenciál IT. To ohrožuje efektivitu práce státu v případě katastrof nebo boje proti terorismu nebo, nedej bože, válečných situací. Ohrožuje to do značné míry budoucnost především informatiky. Doplatí na nevyužívání svého potenciálu, zhoršování podmínek podnikání a klesající kvalitu pracovní síly. Informatici by měli přinutit ekonomické analytiky, aby si všímali i věcí, které nastanou v delší perspektivě. Nechceme přece dopadnout tak, jako nedávno ve Francii. SYSTEMS INTEGRATION
8 JAROSLAV KRÁL, MICHAL ŽEMLIČKA 6 Závěr To, že problém hodnocení a kontroly kvality dat a informací není u nás legislativně ošetřen, je klíčový nedostatek, který zásadně snižuje efektivnost IT ve státní správě. Práce na legislativě se podle dostupných informací zaměřují spíše na ochranu dat (viz práci na anonymních klíčích, které samy o sobě nestačí zcela ochránit osobní data), než na udržování kvality informací. Tato situace má zásadní záporné důsledky pro kvalitu státní správy, stejně jako pro zodpovědné rozhodování občanů a firem. Literatura [DoE05] U.S. Department of Education: NRS State Data Quality Standards Checklist. (2005) [FfDQ] Framework for Data Quality Measurement, [FTC02] Federal Trade Commission: Data Quality Act (2002) [HM01] Haworth, M.,F. Martin, J.: Delivering and Measuring Data Quality in UK National Statistics. Office for National Statistics, UK, [ISO86] International Standard ISO/IEC 8402: Quality Management and Quality Assurance Vocabulary, International Organization for Standardization, International Electrotechnical Commission, Geneva (1986, 1994). [ISO91] International Standard ISO/IEC Information technology - Software product evaluation - Quality characteristics and guidelines for their use, International Organization for Standardization, International Electrotechnical Commission, Geneva (1991). [KM04] Kasnakoglu H., Mayo, R.: FAO Statistical Data Quality Framework: A multi-layered approach to monitoring and assessment. (2004) org/unsd/accsub/2004docs- CDQIO/1-FAO.pdf [Ker04] Kerr, K., The Development of a Data Quality Framework and Strategy for the New Zealand Ministry of Health. University of Auckland, Auckland, New Zealand. (2004). articledisplay&featureid= [PLW02] Pipino, L., Lee, Y,W., Wang, R.Y.: Data quality assessment. Communications of the ACM 45(4) (2002), [Red01] Redman, T.: Data Quality: The Field Guide, Butterworth-Heinemann, Boston, MA, [SLW97] Strong D.,M., Lee, Y,W, Wang, R.,Y.: Data quality in context. Communications of the ACM 40(5) (1997) [UNESCO] UNESCO Inst. of Statistics: Data Quality Assessment Framework (DQAF) for Education. [WRRI] The Water Resources Research Institute: The Data Quality Act: A revoluation in the role of science in policy making or a can of worms?, [WZL01] Wang, R,Y., Ziad, M., Lee, Y.,W.: Data Quality, The Kluwer International Series on Advances in Database Systems Volume 23, Springer, Berlin, SYSTEMS INTEGRATION 2006
Kvalita dat. Jaroslav Král Michal Žemlička Katedra SW inženýrství MFF UK. kvalita dat 1
Kvalita dat Jaroslav Král Michal Žemlička Katedra SW inženýrství MFF UK kvalita dat 1 Co je kvalita, ISO 8402 Characteristics of an entity as a whole that give the capability to satisfy explicit and implicit
VíceDatová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit
Datová kvalita základ úspěšného BI RNDr. Ondřej Zýka, Profinit 1.6.2012 Datová exploze Snižování nákladů o Zdvojnásobení objemu podnikových dat každé dva roky o Konkurenční tlak o Ekonomická krize o V
VíceKvalita dat a informací
Kvalita dat a informací Výzkum kvality dat Kvalita dat je rozsáhlým oborem, který je i tématem legislativní činnosti My se zaměříme pouze na klíčové problémy kvality dats přímou vazbou na problematiku
VíceDatová věda (Data Science) akademický navazující magisterský program
Datová věda () akademický navazující magisterský program Reaguje na potřebu, kterou vyvolala rychle rostoucí produkce komplexních, obvykle rozsáhlých dat ve vědě, v průmyslu a obecně v hospodářských činnostech.
VíceInformační systémy ve výuce na PEF Information Systems in teaching at the FEM
Informační systémy ve výuce na PEF Information Systems in teaching at the FEM Edita Šilerová, Čestmír Halbich, Jana Hřebejková Cíle Předmět Informační systémy je postupně od roku 1994 zařazován na všechny
VíceBig Data a oficiální statistika. Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc.
Big Data a oficiální statistika Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc. Obsah příspěvku Charakteristiky Big Data Výzvy a úskalí z perspektivy statistiky Výzvy z perspektivy computing
VíceDatová kvalita. RNDr. Ondřej Zýka
Datová kvalita RNDr. Ondřej Zýka 1 Datová kvalita Jedna z kompetencí Data managementu Cíl: Zajistit uživatelům data v kvalitě potřebné k jejich činnosti Kvalita dat: Subjektivní pojem závislý na požadavcích
VíceISO 9000, 20000, Informační management VIKMA07 Mgr. Jan Matula, PhD. III. blok
ISO 9000, 20000, 27000 Informační management VIKMA07 Mgr. Jan Matula, PhD. jan.matula@fpf.slu.cz III. blok ITSM & Security management standard ISO 9000-1 ISO 9000:2015 Quality management systems Fundamentals
VíceInformace pro uznávání předmětů ze zahraničních studijních pobytů (2016/17) Státnicové předměty navazujících magisterských studijních oborů
Informace pro uznávání předmětů ze zahraničních studijních pobytů (2016/17) doporučení k uznání státnicových předmětů potvrzuje garant předmětu doporučení k uznání předmětů, které nejsou uvedeny jako státnicové,
VíceDatová kvalita. RNDr. Ondřej Zýka
Datová kvalita RNDr. Ondřej Zýka 1 Datová kvalita Jedna z kompetencí Data managementu Cíl: Zajistit uživatelům data v kvalitě potřebné k jejich činnosti Kvalita dat: Subjektivní pojem závislý na požadavcích
VíceZMĚNA ČESKÉHO OBRANNÉHO STANDARDU. AAP-48, Ed. B, version 1
ZMĚNA ČESKÉHO OBRANNÉHO STANDARDU Označení a název ČOS 051655, PROCESY ŽIVOTNÍHO CYKLU SYSTÉMŮ V NATO Změna č. 1 Část č. 1 Původní verze Str. 3 Nová verze Str. 3 AAP-48, Ed. B, version 1 NATO SYSTEM LIFE
VíceKvalita procesu vývoje SW. Jaroslav Žáček jaroslav.zacek@osu.cz
Kvalita procesu vývoje SW Jaroslav Žáček jaroslav.zacek@osu.cz Vývoj software a jeho kvalita Samotný vývoj je rozsáhlá a složitá disciplína. Většina SW projektů (v průměru 70 %) je podhodnocena či zpožděna.
VíceInformační média a služby
Informační média a služby Výuka informatiky má na Fakultě informatiky a statistiky VŠE v Praze dlouholetou tradici. Ke dvěma již zavedeným oborům ( Aplikovaná informatika a Multimédia v ekonomické praxi
VíceÚvodní přednáška. Význam a historie PIS
Úvodní přednáška Význam a historie PIS Systémy na podporu rozhodování Manažerský informační systém Manažerské rozhodování Srovnávání, vyhodnocování, kontrola INFORMACE ROZHODOVÁNÍ organizace Rozhodovacích
VíceMFF UK Praha, 29. duben 2008
MFF UK Praha, 29. duben 2008 Standardy a normy (informace o předmětu) http://crypto-world.info/mff/mff_04.pdf P.Vondruška Slide2 Úvod 1. RFC (Request For Comment) 2. Standardy PKCS (Public-Key Cryptographic
VíceMANAGEMENT KYBERNETICKÉ BEZPEČNOSTI
MANAGEMENT KYBERNETICKÉ BEZPEČNOSTI TÉMA Č. 4 ISO NORMY RODINY 27K pplk. Ing. Petr HRŮZA, Ph.D. Univerzita obrany, Fakulta ekonomiky a managementu Katedra vojenského managementu a taktiky E-mail.: petr.hruza@unob.cz
VíceINFORMAČNÍ SYSTÉMY (IS) Ing. Pavel Náplava Katedra počítačů K336, ČVUT FEL Praha 2004/2005
INFORMAČNÍ SYSTÉMY (IS) Ing. Pavel Náplava Katedra počítačů K336, ČVUT FEL Praha 2004/2005 AGENDA definice IS, zavedení pojmů možnosti a rozdělení typická struktura technologie nasazení praktická ukázka
VíceProcesní řízení. Hlavní zásady a praxe dodavatele Komix
Procesní řízení Hlavní zásady a praxe dodavatele Komix 1 Obsah prezentace Teoretická část (menšího objemu) orientace na zákazníka hodnocení procesu podmínky procesního řízení cyklus zlepšování procesu
VíceUznávání předmětů ze zahraničních studijních pobytů
Uznávání předmětů ze zahraničních studijních pobytů Podnikání a administrativa 7 Mezinárodní obchod Ekonometrie Obecná ekonomie III 8 Velkoobchod a maloobchod Management 9 Marketingové řízení Strategický
Více3. Data management, architektury systémů.
3. Data management, architektury systémů. Osnova 1. Data management principy, koncepce zpracování dat 2. Architektura klient server 3. Třivrstvá architektura 4. Konfederativní systémy Výklad 1. Data management
Více1 Úvod 1.1 Vlastnosti programového vybavení (SW)
1 Úvod 1.1 Vlastnosti programového vybavení (SW) - dávkové zpracování - omezená distribuce - zakázkový SW - distribuované systémy - vestavěná inteligence - laciný HW - vliv zákazníka 1950 1960 1970 1980
VíceManagement a řízení ve veřejné správě/neziskových organizacích. Přednáška pro MOVS Mgr. Simona Škarabelová, Ph.D.
Management a řízení ve veřejné správě/neziskových organizacích Přednáška pro MOVS Mgr. Simona Škarabelová, Ph.D. Teorie řízení samostatná vědní disciplína, zabývající se zkoumáním a formulováním obecných
VíceBezpečnostní normy a standardy KS - 6
VŠFS; Aplikovaná informatika; SW systémy 2005/2006 1 Bezpečnost informací BI Ing. Jindřich Kodl, CSc. Bezpečnostní normy a standardy KS - 6 VŠFS; Aplikovaná informatika; SW systémy 2005/2006 2 Osnova historický
VíceArchitektury Informačních systémů. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/
Architektury Informačních systémů Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Nutné pojmy Co je to informační systém? Jaké oblasti zahrnuje? Jaká je vazba IS na podnikovou strategii?
VíceErgonomie v prevenci pracovních rizik nová legislativa 3. ergonomická konference, Brno
Ergonomie v prevenci pracovních rizik nová legislativa 3. ergonomická konference, Brno MUDr. Jana Hlávková SZÚ, Centrum pracovního lékařství Praha 2008 Nejvýznamnější úkol ergonomie v prevenci pracovních
VíceArchitektury Informačních systémů. Jaroslav Žáček
Architektury Informačních systémů Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Nutné pojmy Co je to informační systém? Jaké oblasti zahrnuje? Jaká je vazba IS na podnikovou strategii?
VíceKvalitní data kvalitní agendy
Kvalitní data kvalitní agendy Kvalita dat a její zajišťování v agendových systémech veřejné správy Připraveno pro konferenci ISSS 2010 Ing. Jiří Vácha Hradec Králové, 13.4.2010 Adastra Group Agenda Základní
VíceZáklady business intelligence. Jaroslav Šmarda
Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování
VíceINFORMAČNÍ SYSTÉM VIDIUM A VYUŽITÍ MODERNÍCH TECHNOLOGIÍ
INFORMAČNÍ SYSTÉM VIDIUM A VYUŽITÍ MODERNÍCH TECHNOLOGIÍ Michal Brožek, Dominik Svěch, Jaroslav Štefaník MEDIUM SOFT a.s., Cihelní 14, 702 00 Ostrava, ČR Abstrakt Neustále rostoucí význam sběru dat, možnost
VíceŘízení kybernetické a informační bezpečnosti
Řízení kybernetické a informační bezpečnosti Martin Hanzal předseda sekce Kybernetická a informační bezpečnost AOBP CEVRO Institut, 22. dubna 2014 Sekce Kybernetická a informační bezpečnost Je nevládní,
VíceČESKÁ TECHNICKÁ NORMA
ČESKÁ TECHNICKÁ NORMA ICS 35.020; 35.040 2008 Systém managementu bezpečnosti informací - Směrnice pro management rizik bezpečnosti informací ČSN 36 9790 Červen idt BS 7799-3:2006 Information Security Management
VícePotřeba vypracovat Strategický plán rozvoje ITS pro ČR
Potřeba vypracovat Strategický plán rozvoje ITS pro ČR Poziční dokument Sdružení pro dopravní telematiku Předkládaný text je pozičním dokumentem Sdružení pro dopravní telematiku navazujícím na předchozí
VíceDŮVĚRYHODNÁ ELEKTRONICKÁ SPISOVNA
DŮVĚRYHODNÁ ELEKTRONICKÁ SPISOVNA Pavel Pačes Listopad 2009 Seminář E-spis Elektronická spisovna Agendové aplikace Vzhledem k tomu, že některé dokumenty mají skartační lhůty 30, 50 i více let, je nutno
VíceZdravotnická informatika z pohledu technických norem ISO a EN. RNDr. Vratislav Datel, CSc. Praha 26. dubna 2011
Zdravotnická informatika z pohledu technických norem ISO a EN RNDr. Vratislav Datel, CSc. Praha 26. dubna 2011 Co je technická norma? Technická norma je dokumentovaná úmluva obsahující technické specifikace
VíceZákladní registry. Kvalita dat a jejich čištění v základních registrech veřejné správy. Připraveno pro konferenci ISSS. Ing.
Základní registry Kvalita dat a jejich čištění v základních registrech veřejné správy Připraveno pro konferenci ISSS Ing. Jiří Vácha Hradec Králové, 6.4.2009 Adastra Group Agenda Základní teze datové kvality
VíceCo je a co není implementace ISMS dle ISO a jak měřit její efektivnost. Ing. Václav Štverka, CISA Versa Systems s.r.o.
Co je a co není implementace ISMS dle ISO 27001 a jak měřit její efektivnost. Ing. Václav Štverka, CISA Versa Systems s.r.o. OBSAH Co je implementace ISMS dle ISO 27001 Proč měřit ISMS? Zdroje pro měření
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází
1 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Požadavky kreditového systému. Relační datový model, relace, atributy,
VícePříspěvek je věnován základním informacím o způsobu volby vhodné strategie řízení kontinuity činností v organizaci.
Mgr. Monika Johaníková Ochrana & Bezpečnost 2013, ročník II., č. 3 (podzim), ISSN 1805-5656 Stanovení strategie řízení kontinuity činností Anotace Příspěvek je věnován základním informacím o způsobu volby
VíceKvalita SW produktů. Jiří Sochor, Jaroslav Ráček 1
Kvalita SW produktů Jiří Sochor, Jaroslav Ráček 1 Klasický pohled na kvalitu SW Každý program dělá něco správně; nemusí však dělat to, co chceme, aby dělal. Kvalita: Dodržení explicitně stanovených funkčních
VíceHODNOCENÍ VÝKONNOSTI PODNIKU VE SPOJITOSTI SE STRATEGICKÝMI CÍLY
29 HODNOCENÍ VÝKONNOSTI PODNIKU VE SPOJITOSTI SE STRATEGICKÝMI CÍLY POKORNÝ Karel Abstrakt: Metoda Balanced Scorecard (BSC) její podstata, obsah a principy. Vztah BSC ke strategickému a operativnímu řízení
VícePŘÍLOHA 2: VÝSLEDKY PILOTNÍHO PRŮZKUMU V ÚSTECKÉM A JIHOMORAVSKÉM KRAJI
PŘÍLOHA 2: VÝSLEDKY PILOTNÍHO PRŮZKUMU V ÚSTECKÉM A JIHOMORAVSKÉM KRAJI Pilotní průzkum, jehož cílem bylo zejména ověřit praktickou použitelnost otázek pro konstrukci skóre, se uskutečnil v listopadu a
VícePotřeba jednotného řízení a konsolidace rizik
Potřeba jednotného řízení a konsolidace rizik 13. ročník konference ISSS Hradec Králové Josef Šustr 12. dubna 2010 Riziko Riziko je potenciální možnost, že se něco stane, co ovlivní dosažení našich cílů.
VíceSEMINÁŘ. Výsledky soutěže o návrh konceptu Hospodárné a funkční elektronické zdravotnictví. 11. prosince 2012 Praha
SEMINÁŘ Výsledky soutěže o návrh konceptu Hospodárné a funkční elektronické zdravotnictví 11. prosince 2012 Praha Elektronické zdravotnictví Formální rámec elektronického zdravotnictví byl v rámci egovernment
VíceBusiness Intelligence
Business Intelligence Josef Mlnařík ISSS Hradec Králové 7.4.2008 Obsah Co je Oracle Business Intelligence? Definice, Od dat k informacím, Nástroj pro operativní řízení, Integrace informací, Jednotná platforma
VíceSystémy pro podporu rozhodování. Hlubší pohled 2
Systémy pro podporu rozhodování Hlubší pohled 2 1 Připomenutí obsahu minulé přednášky Motivační příklad Konfigurace DSS Co to je DSS? definice Charakterizace a možnosti DSS Komponenty DSS Subsystém datového
VíceDATABÁZOVÉ SYSTÉMY. Metodický list č. 1
Metodický list č. 1 Cíl: Cílem předmětu je získat přehled o možnostech a principech databázového zpracování, získat v tomto směru znalosti potřebné pro informačního manažera. Databázové systémy, databázové
VíceDominik Vymětal. Informační technologie pro praxi 2009, Ostrava 1.-2.10.2009 1
Dominik Vymětal 2009, Ostrava 1.-2.10.2009 1 Procesní model Výhody Orientace na konkrétní činnosti a možnost reengineeringu Nevýhody Malá orientace na průřezové nebo opakované činnosti Modely na základě
VícePřístupy k řešení a zavádění spisové služby
Přístupy k řešení a zavádění spisové služby Miroslav Kunt Praha, 22. 3. 2016 Výběr SSl důležité okolnosti Je potřeba zájem vedení organizace, kompetentní pracovníci spisové služby, co největší přiblížení
VíceMANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007
Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VíceTransmisní mechanismy nestandardních nástrojů monetární politiky
Transmisní mechanismy nestandardních nástrojů monetární politiky Petr Šimíček Abstrakt: Cílem práce je popsat vliv nestandardního nástroje monetární politiky - kvantitativního uvolňování (QE) na ekonomiky
VíceWAMS - zdroj kvalitní ch dat pro analý zý stavu sí tí a pro nové éxpértní sýsté mý
WAMS - zdroj kvalitní ch dat pro analý zý stavu sí tí a pro nové éxpértní sýsté mý Daniel Juřík, Antonín Popelka, Petr Marvan AIS spol. s r.o. Brno Wide Area Monitoring Systémy (WAMS) umožňují realizovat
Více8/2.1 POŽADAVKY NA PROCESY MĚŘENÍ A MĚŘICÍ VYBAVENÍ
MANAGEMENT PROCESŮ Systémy managementu měření se obecně v podnicích používají ke kontrole vlastní produkce, ať už ve fázi vstupní, mezioperační nebo výstupní. Procesy měření v sobě zahrnují nemalé úsilí
VíceKatalog služeb a podmínky poskytování provozu
Příloha č. 1 Servisní smlouvy Katalog služeb a podmínky poskytování provozu Část P2_1 P2_1_Katalog služeb a podmínky poskytování provozu 1 Obsah 1 OBSAH... 2 2 DEFINICE POJMŮ... 3 3 DEFINICE SLUŽEB, KOMPONENT
VíceNávod k požadavkům ISO 9001:2015 na dokumentované informace
International Organization for Standardization BIBC II, Chemin de Blandonnet 8, CP 401, 1214 Vernier, Geneva, Switzerland Tel: +41 22 749 01 11, Web: www.iso.org Návod k požadavkům ISO 9001:2015 na dokumentované
VíceInfor Performance management. Jakub Urbášek
Infor Performance management Jakub Urbášek Agenda prezentace Stručně o produktu Infor PM 10 Komponenty Infor PM - PM OLAP a PM Office Plus Reporting Analýza Plánování / operativní plánování Infor Performance
VíceJe možné efektivně používat procesně orientované pracovní postupy při zdravotní péči?
Je možné efektivně používat procesně orientované pracovní postupy při zdravotní péči? Miloš Suchý 1, Martina Pátá 1, Richard Matyáš 2 1 Institut pro aplikovaný výzkum, edukaci a řízení ve zdravotnictví,
VíceVyhledávání nebo nalezení informací
Vyhledávání nebo nalezení informací Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství Inforum2012, 23. 5. 2012 Vilém
VíceKVALITA DAT POUŽITÁ APLIKACE. Správnost výsledku použití GIS ovlivňuje:
KVALITA DAT Správnost výsledku použití GIS ovlivňuje: POUŽITÁ APLIKACE Kvalita dat v databázi Kvalita modelu, tj. teoretického popisu krajinných objektů a jevů Způsob použití funkcí GIS při přepisu modelu
VíceArchitektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura
Dílčí architektury Informační systémy - dílčí architektury - EIS MIS TPS strategické řízení taktické řízení operativní řízení a provozu 1 Globální Funkční Procesní Datová SW Technologická HW Aplikační
VíceMarketingová koncepce managementu
Marketingová koncepce managementu 0 Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT YMVY Definice managementu duševní a fyzická práce usilující o koordinaci různých činností za
VíceNárodní infrastruktura pro elektronické zadávání veřejných zakázek (NIPEZ) Ministerstvo pro místní rozvoj ČR Jiří Svoboda Odbor veřejného investování
Národní infrastruktura pro elektronické zadávání veřejných zakázek (NIPEZ) Ministerstvo pro místní rozvoj ČR Jiří Svoboda Odbor veřejného investování Veřejné zakázky finanční objem Výdaje veřejného sektoru
VíceBližší informace o programu
Příloha Tiskové zprávy Bližší informace o programu Interactive Online MBA pro podnikatele a podnikatelky Program Interactive Online MBA (Master of Business Administration) pro podnikatele a podnikatelky
VíceDílčí závěry analýzy příčin nízkého zapojení států EU-13 do rámcových programů EU pro výzkum, vývoj a inovace
Dílčí závěry analýzy příčin nízkého zapojení států EU-13 do rámcových programů EU pro výzkum, vývoj a inovace Michal Pazour, alteruje Vlastimil Růžička Kulatý stůl k interim hodnocení Horizontu 2020 Technologické
VíceObecné schéma řízení rizik, stanovení rozsahu a cíle analýzy rizik, metody sběru a interpretace vstupních dat
Obecné schéma řízení rizik, stanovení rozsahu a cíle analýzy rizik, metody sběru a interpretace vstupních dat doc. Ing. Alena Oulehlová, Ph.D. Univerzita obrany Fakulta vojenského leadershipu Katedra krizového
VíceThursday, September 8, 2011. Informační systém ORG Eva Vrbová ředitelka Odboru základních identifikátorů
Informační systém ORG Eva Vrbová ředitelka Odboru základních identifikátorů Identifikátory fyzických osob Rodné číslo Občané ČR Cizinci s trvalým pobytem v ČR Číslo zdravotního pojištěnce Strukturou kopíruje
VíceInformační a znalostní systémy jako podpora rozhodování
Informační systémy a technologie Informační a znalostní systémy jako podpora rozhodování Petr Moos - ČVUT VŠL Přerov listopad 2015 Analýza a syntéza systému Definici systému můžeme zapsat ve tvaru: S =
VíceOkruhy z odborných předmětů
VYŠŠÍ ODBORNÁ ŠKOLA INFORMAČNÍCH STUDIÍ A STŘEDNÍ ŠKOLA ELEKTROTECHNIKY, MULTIMÉDIÍ A INFORMATIKY Novovysočanská 280/48, 190 00 Praha 9 Pracoviště VOŠ: Pacovská 350/4, 140 00 Praha 4 Okruhy z odborných
VíceManagement informační bezpečnosti
Management informační bezpečnosti Definice V Brně dne 3. října 2013 Definice Common Criterta ITIL COBIT CRAMM Přiměřená ábezpečnostč Management informační bezpečnosti 2 Common Criteria Common Criteria
VíceGIS Libereckého kraje
Funkční rámec Zpracoval: Odbor informatiky květen 2004 Obsah 1. ÚVOD...3 1.1. Vztah GIS a IS... 3 2. ANALÝZA SOUČASNÉHO STAVU...3 2.1. Technické zázemí... 3 2.2. Personální zázemí... 3 2.3. Datová základna...
VíceStrategické plánování v obci proč a jak? Jana Kortanová 19. května 2011 Liberec
Strategické plánování v obci proč a jak? Jana Kortanová 19. května 2011 Liberec Obsah prezentace proč strategicky plánovat základní fáze strategický plán a jeho realizace vazba strategického plánu na územní
VíceKvalita procesu vývoje (SW) Jaroslav Žáček jaroslav.zacek@osu.cz
Kvalita procesu vývoje (SW) Jaroslav Žáček jaroslav.zacek@osu.cz Vývoj software a jeho kvalita Samotný vývoj je rozsáhlá a složitá disciplína. Většina SW projektů (v průměru 60 %) je podhodnocena či zpožděna.
VíceARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ
ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ Podle toho, zda informační systém funguje na operativní, taktické nebo strategické řídicí úrovni, můžeme systémy rozdělit do skupin. Tuto pyramidu
VíceMINISTERSTVO VNITRA ČR
Standard agendy 20.3.2016 A 3 Verze 1.0 (Návrh standardu) Úroveň: ústřední správní úřady Odbor egovernmentu MINISTERSTVO VNITRA ČR OBSAH 1 STANDARDIZACE AGEND... 2 1.1 CÍLE A DŮVODY PRO VYTVÁŘENÍ STANDARDŮ...
VíceSkladový informační systém - upgrade VKO lakovna Kvasiny
Skladový informační systém - upgrade VKO lakovna Kvasiny Tomáš Martinec Stav k 9. 8. 2009 Obsah prezentace Popis stavu před realizací Stručný popis upgrade Uživatelské moduly Modul SKLAD Modul TECHNOLOG
VícePrognostické metody. Prognostické metody. Vybrané prognostické metody ANALÝZA DAT V REGIONALISTICE. Doc. Ing. Alois Kutscherauer, CSc.
Prognostické metody ANALÝZA DAT V REGIONALISTICE Prognostické metody Doc. Ing. Alois Kutscherauer, CSc. Prognostická praxe uplatňuje velké množství různých přístupů a metod (formalizovaných, intuitivních
VíceSoučasný stav a rozvoj elektronického zdravotnictví - pohled Ministerstva zdravotnictví
Současný stav a rozvoj elektronického zdravotnictví - pohled první ročník semináře ehealth 2012 kongresový sál IKEM 1.11.2012 Elektronizace zdravotnictví: 1. jedná se o dlouhodobé téma 2. povede ke zvýšení
VíceCA Business Service Insight
SPECIFIKACE PRODUKTU: CA Business Service Insight CA Business Service Insight agility made possible Díky produktu CA Business Service Insight budete vědět, které služby jsou v rámci vaší společnosti využívány,
VíceMSFN Hodnocení firem aneb co to znamená úspěšná firma. 2018/2019 Marek Trabalka
MSFN Hodnocení firem aneb co to znamená úspěšná firma 2018/2019 Marek Trabalka Hodnocení firem Subjektivní Objektivní číselné vyjádření (CF, roční obrat) Kombinace Úspěch a hodnocení firmy Dosažení určitého
VíceLenka Fialová Martina Procházková Ondřej Soukup Martin Valenta Cyril Vojáček
Lenka Fialová Martina Procházková Ondřej Soukup Martin Valenta Cyril Vojáček 1 Obsah prezentace Představení produktu Detailnějsí provedení produktem Zhodnocení projektu 2 Projektový management pro inženýrství
VícePolitika bezpečnosti informací
ORGANIZAČNÍ SMĚRNICE Název: Politika bezpečnosti informací Číslo dokumentu: OS4402 Vydání č.: 06 Výtisk č.: 01 Platnost od: 15.04.2016 Účinnost od: 29.04.2016 Platnost do: Zpracoval: Ing. Vladimír Fikejs
VíceDlouhodobé ukládání elektronických záznamů pacienta. Markéta Bušková ECM konzultant, SEFIRA
Dlouhodobé ukládání elektronických záznamů pacienta Markéta Bušková ECM konzultant, SEFIRA Agenda Přínosy a problémy elektronizace zdravotních záznamů Standardy a normy Jak na elektronické záznamy Shrnutí
VíceOtevřená data veřejné správy
Hradec Králové, 7. - 8. 4. 2014 Otevřená data veřejné správy Dušan Chlapek Fakulta informatiky a statistiky, Vysoká škola ekonomická v Praze Obsah 1. Co jsou otevřená data 2. Aktivity v oblasti otevřených
VíceMETODICKÉ PROBLÉMY SBĚRU DAT PRO ÚČELY FORMATIVNÍHO HODNOCENÍ BADATELSKY ORIENTOVANÉ VÝUKY PŘÍRODOPISU
Konference České pedagogické společnosti, Ostrava, 17. 18. 3. 2016 METODICKÉ PROBLÉMY SBĚRU DAT PRO ÚČELY FORMATIVNÍHO HODNOCENÍ BADATELSKY ORIENTOVANÉ VÝUKY PŘÍRODOPISU Lukáš Rokos Katedra biologie, Pedagogická
VíceKatedra informačních technologií VŠE Praha nám. W. Churchilla 4, Praha 3 E-mail: buchalc@vse.cz PODNICÍCH. 1. Úvod
Citace: BUCHALCEVOVÁ, Alena. Zlepšování softwarových procesů ve velmi malých podnicích. Liberec 06.11.2008 07.11.2008. In: Liberecké informatické fórum. Liberec : TU, 2008, s. 12 19. ISBN 978-80-7372-408-5.
VíceCíle a architektura modelu MBI
MBI, Management byznys informatiky Cíle a architektura modelu MBI Jiří Voříšek Katedra IT, FIS, VŠE MBI, Management byznys informatiky Snímek 1 Agenda 1. Aktuální výzvy podnikové informatiky 2. Využívané
VíceCo nového ve spisové službě? Národní standard pro elektronické systémy spisové služby a jeho optimalizace
Co nového ve spisové službě? Národní standard pro elektronické systémy spisové služby a jeho optimalizace Tomáš Dvořák, Archiv hl. města Prahy Radek Pokorný, Státní okresní archiv Hradec Králové DRMS Forum
VíceOSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
VíceBI-TIS Případová studie
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti BI-TIS Případová Cvičení č. 2 Ing. Pavel Náplava naplava@fel.cvut.cz Katedra softwarového inženýrství, ČVUT FIT, 18102 Centrum znalostního
VícePRINCIPY PRO PŘÍPRAVU NÁRODNÍCH PRIORIT VÝZKUMU, EXPERIMENTÁLNÍHO VÝVOJE A INOVACÍ
RADA PRO VÝZKUM, VÝVOJ A INOVACE PRINCIPY PRO PŘÍPRAVU NÁRODNÍCH PRIORIT VÝZKUMU, EXPERIMENTÁLNÍHO VÝVOJE A INOVACÍ 1. Úvod Národní politika výzkumu, vývoje a inovací České republiky na léta 2009 až 2015
VíceNÁSTROJE PODPORUJÍCÍ STRATEGICKÉ ŘÍZENÍ V OBCÍCH
NÁSTROJE PODPORUJÍCÍ STRATEGICKÉ ŘÍZENÍ V OBCÍCH MINISTERSTVO PRO MÍSTNÍ ROZVOJ ČR OPERAČNÍ PROGRAM LIDSKÉ ZDROJE A ZAMĚSTNANOST Odbor regionální politiky Konference 10. června 2015 TÉMATA PREZENTACE Metodiky
VíceSpecializace Specializace Internet v podnikání
Specializace Specializace Internet v podnikání Studijní programy Systémové inženýrství a informatika Ekonomika a management Proč studovat právě u nás? Protože Slezská univerzita je světová. Katedry Katedra
VíceZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY
ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech men in the field of information security - the results of statistical analysis
VíceCZ.1.07/1.3.49/01.0002
Název projektu: Rozvoj klíčových kompetencí zástupců ředitele na školách a školských zařízeních Reg. č. projektu: Modul : Uplatnění řízení týmů a projektů v praxi Pro vyžití ve školních projektech Jde
VíceSYSTÉMY ŘÍZENÍ PODNIKU OKRUHY OTÁZEK KE ZKOUŠCE Z PŘEDMĚTU MPH_SYRP V magisterském studiu
SYSTÉMY ŘÍZENÍ PODNIKU OKRUHY OTÁZEK KE ZKOUŠCE Z PŘEDMĚTU MPH_SYRP V magisterském studiu 20010-2011 1. Historické příčiny vzniku systémového přístupu k zobrazování a analýze reálných objektů. Podstata
VícePostakviziční integrace Jaké kroky se mají učinit po podpisu kupní smlouvy. Veronika Jebavá
Postakviziční integrace Jaké kroky se mají učinit po podpisu kupní smlouvy Veronika Jebavá 1 Obsah prezentace Akvizice Synergie Postakviziční integrace Fáze integrace Stupeň integrace Postakviziční plán
VíceJako příklady typicky ch hrozeb pro IT lze uvést: Útok
Bezpečnost - úvod Zranitelné místo Slabinu IS využitelnou ke způsobení škod nebo ztrát útokem na IS nazýváme zranitelné místo. Existence zranitelných míst je důsledek chyb, selhání v analýze, v návrhu
VíceTeorie systémů TES 10. Měkké systémy metodiky
Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti. Teorie systémů TES 10. Měkké systémy metodiky ZS 2011/2012 prof. Ing. Petr Moos, CSc. Ústav informatiky a telekomunikací Fakulta dopravní
VíceÚvod do projektu. Standardizace provozních funkcí ÚSC. Součást projektu Korporátní styl řízení ve veřejné správě
Úvod do projektu Standardizace provozních funkcí ÚSC Součást projektu Korporátní styl řízení ve veřejné správě Měníme zvyky a posouváme mentální bloky POPTÁVKA Tlak na rozpočet, obtížně stanovitelné rozpočtové
VíceHodnocení Velkých Infrastruktur (VI)
Hodnocení Velkých Infrastruktur (VI) www.metodika.reformy-msmt.cz Popis problematiky VI Velké výzkumné infrastruktury (VI) slouží vědecké komunitě reagují na její požadavky dlouhodobě podporují kvalitní
Více