replacementy parsovací algoritmy patern isticí skóre isticí kód párovacím klí hierarchické unifikace Obrázek 1:. P íklad - konfigurace
|
|
- Václav Vaněk
- před 8 lety
- Počet zobrazení:
Transkript
1 Správa telefonních seznamů není triviální záležitost Pavel Kmínek Ataccama Software 1. S konsolidovanými daty jsme silnější Správa telefonních seznamů představuje pro telekomunikační společnosti nesnadný úkol zajistit, aby informace uvedené v elektronické nebo tištěné podobě seznamu, byly vždy korektní a aktuální, neboť to je klíčové pro business každé firmy uvedené v seznamu. Informace však rychle zastarávají, protože firmy vznikají a zanikají, slučují se a rozpadají, stěhují se, zřizují a ruší pobočky apod. Jak tyto nesrovnalosti a nekonzistence v datech dostatečně spolehlivě rozpoznat a jak je napravit přiblíží případová studie společností Ataccama a Mediatel. 2. Konsolidace dat - neboli jak spojit zákazníky, kteří opravdu patří k sobě Je tak definována úloha jako stvořená pro chytrou Horákyni: Mezi různorodými primárními systémy vyhledat záznamy představující totožného klienta a přitom dodržet podmínku, že se musí seskupit všechny záznamy, které k sobě patří, a nesmí se přitom seskupit žádné záznamy, které k sobě nepatří. Jak však mezi desítkami tisíc až miliony záznamů spolehlivě poznat, jestli dané záznamy k sobě ještě patří nebo již ne, pokud se data hemží překlepy a zkratkami a některé klíčové hodnoty nebo dokonce i atributy u některých záznamů zcela chybí? Předně je třeba překlepy a zkratky opravit, správnost dat ověřit v referenčních etalonech, údaje rozparsovat do separátních sloupců, jedním slovem prostě vyčistit. Pak se teprve pustíme do vyhledávání záznamů představujících totožného klienta. Dá se tedy říct, že proces konsolidace klientských dat se sestává ze dvou na sebe navazujících kroků: Čištění dat... standardizace tvarů proti číselníkům, odstranění překlepů, zkratek apod. Unifikace... seskupení záznamů patřících k sobě pod jedno nové id (identifikační kód). Z hlediska obsahu dat se pak obvykle jedná o dvě separátní úlohy: konsolidace klienta, týkající se atributů jméno a příjmení, respektive název firmy a IČO, telefonní číslo, apod., a konsolidace adres, týkající se atributů PSČ, obec, ulice, č.p., č.o., kód státu, apod. 3. Bez pokročilé technologie jsou výsledky nevalné Jako příklad pro čištění a unifikaci klientských a adresních dat uvedeme systém Ataccama DQC (Data Quality Center), známější v českém prostředí spíše pod názvem Purity, který je doma i v zahraničí nasazen již v řadě bank, pojišťoven, telekomunikačních společností a dalších institucí shromažďujících velké množství klientských dat. Kromě sady algoritmů a funkcí zaměřených na práci s daty, se systém Ataccama DQC při své činnosti opírá o sadu číselníků, proti kterým je většina zpracovávaných atributů ověřována. Zdrojem těchto číselníků jsou veřejně SYSTÉMOVÁ INTEGRACE 1/
2 Ataccama Software dostupné etalony, získatelné zadarmo (PSČ) nebo s vynaložením minimálních nákladů (UIR-ADR = územně identifikační registr adres, RES = registr ekonomických subjektů, apod.). Významnou část řešení pak tvoří tzv. replacementy, ve své podstatě "překladové" slovníky, umožňující převedení nesprávných hodnot (zkratky, překlepy) na hodnoty korektní. Účinnost jejich uplatnění je závislá na úplnosti replacementů a metodice jejich použití. Nedílnou součástí Ataccama DQC jsou parsovací algoritmy, které umožňují zpracovávané údaje rozložit na jednotlivé komponenty, a tyto komponenty umístit do separátních sloupců (například jméno a příjmení zvlášť). K tomu je potřeba mít k dispozici sadu paternů, tj. vzorů popisujících strukturu parsovaných dat. Ke každé operaci, která se s daty provádí (např. oprava překlepu ve jménu, nalezení nebo naopak nenalezení hodnoty v číselníku, atd.) lze přiřadit tzv. čisticí skóre, tj. vlastně číselnou penalizaci, udávající, jak nečistá data jsou. Kromě toho je k dispozici čisticí kód (clearing code), ze kterého lze snadno příčinu penalizace vyčíst. Hlavním úkolem při nasazení Ataccama DQC je však seskupit záznamy na základě shody v tzv. párovacím klíči (tj. sadě atributů jednoznačně identifikujících klienta). A to i tehdy, pokud se liší v určitém počtu znaků u některé z komponent klíče, nebo pokud hodnota některé z komponent klíče dokonce zcela chybí (díra v párovacím klíči - např. u záznamu není vyplněno ICO). Toto seskupování dat v Ataccama DQC obstarávají algoritmy založené na metodě hierarchické unifikace, díky čemuž není nutné se spoléhat na existenci pouze jediného klíče typu IČO. Obrázek 1:. Příklad - konfigurace čistících a slučovacích pravidel v prostředí Ataccama DQC Vytvořené skupiny, představující záznamy téhož klienta/adresy jsou při de-duplikaci nahrazovány tzv. reprezentantem, poskládaným z nejlepších hodnot jednotlivých atributů, nebo jejich sad (například adresu musíme brát jako celek, neboť jinak 54 SYSTÉMOVÁ INTEGRACE 1/2008
3 Správa telefonních seznamů není triviální záležitost bychom mohli získat nekonzistentní a nesmyslnou adresu vybráním obce od jednoho záznamu a ulice od druhého). Tento reprezentant tak představuje konsolidovaného klienta. Systém Ataccama DQC je obecně schopen pracovat v dávkovém inkrementálním režimu, kdy ke zpracování denních přírůstků a změněných klientských dat dochází typicky během nočních hodin, či v režimu on-line, kdy se pořizovaná a aktualizovaná klientská data zpracovávají okamžitě. Pokud se systém Ataccama DQC provozuje v režimu dávkovém a denní přírůstek je například v řádu několika jednotek či desítek tisíc klientských a adresních záznamů, tak je zpracován do 30 minut. 4. Cesta ke konsolidovanému klientovi V rámci procesu konsolidace dat je vždy třeba provést řadu činností, které se dají zhruba shrnout do následujících tří bodů: Audit datové kvality Business analýza Implementace řešení Audit datové kvality První obraz o zpracovávaných datech poskytne běžný profiling jednotlivých atributů (určení minima, maxima, frekvenční analýza, apod.), který zpravidla následuje detailní audit datové kvality, tj. analýza klíčových atributů popisujících klienta, jako je jeho telefonní číslo, název firmy/jméno a příjmení, adresa. Obrázek 2:. Příklad - graf znázorňuje úroveň kvality adresních dat. Výstup je pořízen v modulu Ataccama DQC Reporting, používaného pro auditu datové kvality. Cílem těchto činností je za pomoci Ataccama DQC rychle zmapovat a popsat datové zdroje: zjistit kvalitu, úplnost a dostupnost jednotlivých atributů, provést SYSTÉMOVÁ INTEGRACE 1/
4 Ataccama Software strukturální analýzu hodnot hlavních atributů používaných při unifikace klientských dat, tj. zjistit, obsahují-li slova, písmena, čísla, číslice či jiné znaky. Záhy se tak ukáže nejen, jak kvalitní data v kterých primárních systémech jsou, ale také rychle vyplavou na povrch různé chyby vzniklé při přípravě dat (např. u všech záznamů pocházejících z jednoho primárního systému není vyplněno PSČ). Proto je důležité provádět tyto analýzy nejen z globálního pohledu, ale také "rozpadlé" podle důležitých atributů (po primárních systémech, pro fyzické respektive právnické osoby, apod.). Chyba v datech, která se jeví jako bezvýznamná vzhledem k celkovému počtu zpracovaných záznamů, může totiž být signifikantní vzhledem k počtu záznamů z příslušného primárnímu systému. Business analýza Cílem této fáze je zmapovat business požadavky budoucích uživatelů, především z oblasti marketingu a risku, a dát je do souladu s možnostmi, které poskytují dostupné datové zdroje. Přitom vycházíme z vlastních "Best practices" s přihlédnutím ke specifickým potřebám a požadavkům vzešlých z interview s budoucími uživateli, a ze závěrů vyplývajících z provedeného auditu datové kvality. Navržena a odsouhlasena jsou rovněž pravidla pro unifikaci klienta. Na základě těchto informací je "na hrubo" upravena obvyklá konfigurace Ataccama DQC a provedeno zpracování všech dat (full-load). Dosažené výsledky jsou vyhodnoceny, provedeny potřebné korekce nastavení Ataccama DQC či mappingu pro přípravu dat a celý postup se několikrát opakuje. Implementace Ataccama DQC V této fázi je nezbytné, aby data pro proces čištění a unifikace byla připravena a správně namapována ze zdrojových systémů hned na počátku procesu implementace. Nastavení Ataccama DQC vzešlé z "Best practices" se totiž nyní postupně přizpůsobují cílovým požadavkům na řešení a celý proces je zakomponován do worlflow dávkového zpracování. Na vzorcích a později denních přírůstcích dat se při tom kontroluje kvalita vyčištěných dat a především správnost seskupování klientských dat. Není proto žádoucí, aby v této fázi docházelo k významným strukturálním či obsahovým změnám zpracovávaných dat. 5. Typické problémy Typickým úkolem je telefonní seznam pročistit, nalézt a opravit překlepy, odstranit duplicitní záznamy. Zjistit, zda-li jedno telefonní číslo není přiřazeno dvěma nebo dokonce i více různým subjektům, či přiřazeno na různé adresy a správně detekovat pobočky firem. Většina firem má navíc kromě názvu, adresy a telefonního čísla i vlastní inzertní část, kde lze dohledat další kontaktní a obchodní informace, jako jsou otevírací doby, odkazy na webové stránky apod.), které jsou pak uvedeny v tištěné podobě seznamu. Při automatizovaném zpracování velkého množství klientských dat lze typicky narazit na řadu problémů, o kterých je dobré vědět. Zastavme se nyní u některých z nich a ukažme si, co je jejich příčinou, a jak je jim například možné předcházet. Obecně platí, že informace v datech jsou často nekonzistentní, a je proto vždy vhodné, snažit se je nezávisle několika způsoby odvodit, a tím buď původní hodnoty potvrdit nebo vyvrátit. Na většinu zpracovávaných atributů je tedy nutno pohlížet z různých úhlů pohledu, přičemž je třeba brát v úvahu i vazby mezi obsahově závislými atributy. Výsledná "pravda" je pak dána kombinací těchto zjištění, a bývá vyhodnocena například metodou "hlasování", často kombinovanou 56 SYSTÉMOVÁ INTEGRACE 1/2008
5 Správa telefonních seznamů není triviální záležitost s určitou vahou, představující větší či menší míru naší jistoty v pravdivost jednotlivých zjištění. Příkladem může být ověření typu klienta (fyzická osoba/firma) nezávislým odvozením založeným na kontrole obsahu jména a příjmení, názvu firmy a IČO. Rozporné a nejasné případy, nebo případy, které se nepodaří spolehlivě určit či dohledat, je třeba vždy označit příznakem (clearing code), který umožní podle míry závažnosti těchto prohřešků jejich další zpracování v rámci metodických postupů té či oné organizace. I samotné označení záznamů kvalitativním příznakem je obrovským přínosem, neboť do doby nasazení systému jako je Ataccama DQC nikdo přesně neví, která data konkrétně a z jakého důvodu jsou nekvalitní, či dokonce chybějící, přestože tuší, že tam "nějaká jsou". Neví ale, kolik jich je, kde a jakým způsobem patrně vznikají, ani jak jsou tyto chyby podstatné. Chybí-li například telefonní číslo, jedná se z hlediska unifikace jistě o podstatnější závadu, než když u jména není uveden akademický titul. Smyslem fáze čištění dat jistě není opravit beze zbytku a za každou cenu všechny chybné údaje, ani označit statisíce podezřelých záznamů, které je nutno následně ručně překontrolovat. Podíl dat určených ke kontrole musí být rozumně velký, jinak celé automatické zpracování nepřináší požadovaný efekt. Nesprávnou aplikací metodického postupu při zpracování dat může v řadě případů také dojít k "opravě" údajů, o kterých si systém myslí, že jsou špatně, přestože tomu tak není. Kupříkladu pan Macela, jehož příjmení se díky prohození pořadí křestního jména a příjmení při zadávání dat objevilo ve sloupci pro křestní jméno, se nevhodnou aplikací replacementů ženských křestních jmen (Macela -> Marcela) rázem změní na Marcela, z čehož bude mít jistě dotyčný klient pramalou radost. Často ani nejsme vůbec schopni data bez znalosti kontextu opravit. Nejsme například schopni rozhodnout, má-li být poškozené křestní jméno Stanislva opraveno na Stanislav, neboť při jeho zápisu došlo k přehození písmen 'v'<->'a', nebo na Stanislava, neboť při zápisu tohoto jména vypadlo písmeno 'a'. Jak je vidět z uvedených příkladů, je nutno některé postupy při ověřování a opravě dat aplikovat v závislosti na hodnotě jiného atributu, v tomto případě na pohlaví záznamu. Dobře míněná oprava, která v několika případech bez problémů pomůže, totiž může jinak při automatickém zpracování milionů záznamů zanést do dat chybu u stovek nebo tisíců případů. O to větší pozornost musí být věnována kontrole "řídicích" atributů (pohlaví, typ klienta, kód státu, apod.) ovlivňujících metodický postup uplatňovaný při kontrole dat. Ten závisí zejména na zkušenosti a citu implementačního týmu, jeho schopnostech předvídat v datech možné situace, a kromě úplnosti a aktuálnosti referenčních etalonů a replacementových číselníků pak zejména na šikovnosti při jejich používání. Zde jsou neocenitelným pomocníkem znalosti obsahu zpracovávaných dat, získané při počáteční analýze. Přesto je nutno vždycky počítat s tím, že v budoucnu mohou (například vlivem nedodržení metodických pokynů při zadávání dat) kdykoliv přijít data v pozměněné struktuře či určitým způsobem poškozená, a konfigurace Ataccama DQC na to musí být proto do určité míry připravena. Kupříkladu situaci, kdy by se ve sloupci pro telefonní číslo mohlo objevit jméno nebo název firmy patrně řešit nebudeme, neboť je poměrně málo pravděpodobná. Že se ale ve sloupci pro jméno může vyskytnout akademický titul, navzdory tomu, že je pro něj vyhrazen samostatný sloupec, na to v konfiguraci připraveni být musíme. Obecně lze však bohužel s trochou nadsázky konstatovat, že "všude může být všechno". SYSTÉMOVÁ INTEGRACE 1/
6 Ataccama Software Samostatnou kapitolou je pak čištění ostatních "operativních" dat, které vznikají především při komunikaci se zákazníkem, většinou prostřednictvím call center či pří různých cílených marketingových kampaních. Kvalita těchto dat je mnohem horší, než kvalita vlastních klientských dat. Operátoři call center často píší různé poznámky a to mnohdy rovnou do toho pole, kde mají na kontaktním formuláři monitoru právě kurzor, tedy klidně do pole určeného třeba pro jméno a příjmení nebo adresu. Lze se tak dozvědět řadu "zajímavých" informací, jako například "nevolat před desátou!", "pozor, hulvát!", "nemluví česky", apod., které je však neradno, aby se dostaly do vytištěného telefonního seznamu. Proto je třeba nasazením on-line čištění a unifikace zamezit vzniku chybných nebo nesprávně uložených údajů již při jejich zadávání. 6. Business přínosy konsolidace dat Spojením dat z více datových zdrojů na jednu platformu můžeme získat více, než jen pouhou dostupnost informací z jednoho místa. Získání jakýchkoliv obchodních benefitů, které sloučení datových zdrojů přináší, je však podmíněno skutečností, že všichni uživatelé, ať již působí na kterémkoliv stupni řízení organizace, mají při rozhodování k dispozici potřebná data založená na konsolidovaném klientovi. Je nasnadě, že čím dříve jsou klientská data zkonsolidována, tím dříve je možné obchodně těžit z přínosů, které tato konsolidace přináší, od cíleně zaměřených marketingových kampaní až po klientovu platební historii. Organizace prostě nyní lépe ví, kdo je její klient, kterému již nadále nebude zasílat ty samé materiály vícekrát kvůli tomu, že ho ve svých primárních systémech vícekrát má, avšak dosud o tom nevěděla. Tím se jednak zvýší adresnost marketingových kampaní a na druhé straně i důvěryhodnost organizace v očích klienta. Z mnoha dalších přínosů, které je možné z konsolidovaného klienta vytěžit, jmenujme například získání podkladů pro marketingové studie zaměřené na demografickou a geografickou segmentaci trhu. 7. Lepší data, méně komplikací Implementací systému jako je například Ataccama DQC dostávají uživatelé do ruky jednotný informační zdroj pro práci s klientem, založený na unifikovaném klientovi. U většiny implementací se následně celý proces identifikace a unifikace klientských a adresních dat převádí z dávkového do on-line režimu. Tím se nepochybně dále zvyšuje kvalita pořizovaných dat již v samotném zárodku, neboť dojde k zamezení vzniku nekvalitních dat přímo při jejich zadávání v klientských centrech. On-line nasazení Ataccama DQC je totiž schopno na základě několika vyplněných klíčových dat (název firmy / jméno a příjmení, IČO, telefonní číslo,...) ve zlomku sekundy klienta identifikovat (pokud je již zákazníkem organizace) a doplnit ostatní nezadané údaje (adresu, tituly, atd.). Pokud daný zákazník klientem organizace ještě není, jsou zadávané údaje v Ataccama DQC vyčištěny, ověřeny vůči referenčním etalonům, ze kterých jsou chybějící údaje, pokud to je možné, doplněny, a do systému je založen záznam nový. Nemůže se tak již prakticky stát, že by klient byl v rámci organizace veden duplicitně. Lepší data prostě znamenají méně komplikací... Seznam pojmů: Následující tabulka shrnuje základní pojmy vztahující se k čištění a unifikaci dat, které jsou používány v tomto článku. 58 SYSTÉMOVÁ INTEGRACE 1/2008
7 Správa telefonních seznamů není triviální záležitost Pojem Deduplikace Identifikace Klient Párovací klíč Parsing Patern ATACCAMA DQC Replacement Unifikace Popis Fyzická náhrada skupiny unifikovaných záznamů jedním reprezentativním záznamem Ověření, zda zkoumaný záznam existuje v referenčním etalonu Fyzická osoba, právnický subjekt, fyzická osoba podnikající Skupina atributů jednoznačně určujících klienta / adresu Rozklad textu na jednotlivé komponenty Symbolická maska popisující strukturu dat rozložených na komponenty SW nástroj společnosti Adastra pro Data Quality Management (čištění a unifikace dat) Automatická oprava dat využívající uživatelsky spravovaný "překladový slovník" (původní hodnota -> správná hodnota) Seskupení záznamů shodujících se v párovacím klíči pod nové společné ID Highlights / Klíčové hlášky (na okraj): Pouhým slitím několika datových zdrojů jednotný pohled na klienta nezískáme. Spojením dat z více datových zdrojů na jednu platformu můžeme získat více, než jen pouhou dostupnost informací z jednoho místa. Nedostatečná znalost datových modelů spojovaných systémů a business významů jednotlivých atributů vede často ke ztrátě informace či smíchání "hrušek s jablky". Je třeba zabránit tomu, aby v průběhu implementace docházelo k významným strukturálním či obsahovým změnám zpracovávných dat. Smyslem jistě není opravit beze zbytku a za každou cenu všechny chybné údaje, ani označit statisíce podezřelých záznamů, které je nutno následně ručně překontrolovat. Organizace prostě nyní lépe ví, kdo je její klient. Nemůže se tak již prakticky stát, že by klient byl v rámci organizace veden duplicitně. SYSTÉMOVÁ INTEGRACE 1/
Jak chytře čistit data
Jak chytře čistit data Případová studie řešení v České pojišťovně Data Quality at a Glance 20.4.2010 vladimir.kyjonka@cze.sas.com O co šlo Česká pojišťovna Hodně historických dat Data v historickém stavu
VíceŘešení datové kvality prostřednictvím Master Data Managementu v prostředí České pošty s.p.
Řešení datové kvality prostřednictvím Master Data Managementu v prostředí České pošty s.p. Ing. Jiří Barták Vedoucí odboru BI SAS Roadshows 2017 Ovládejte a chraňte svá data v době digitální transformace
VíceProvozní dokumentace. Seznam datových schránek. Datové soubory. Vytvořeno dne: 29. 4. 2013 Aktualizováno: 2.5.2013 Verze: 1.
Provozní dokumentace Seznam datových schránek Datové soubory Vytvořeno dne: 29. 4. 2013 Aktualizováno: 2.5.2013 Verze: 1.1 2013 MVČR Obsah Datové soubory s údaji držitelů datových schránek 1 Úvod...3 1.1
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
VíceRÚIAN základní registr veřejné správy ČR
RÚIAN základní registr veřejné správy ČR Jiří Formánek Český úřad zeměměřický a katastrální (ČÚZK) Projekt RÚIAN Projekt Vybudování Registru územní identifikace, adres a nemovitostí a modernizace Informačního
VícePříloha č. 4 Obchodní podmínky pro poskytování služby DopisOnline
Česká pošta, s.p. sídlem Praha 1, Politických vězňů 909/4, PSČ: 22599, IČ: 47 11 49 83 zapsaný v obchodním rejstříku vedeném Městským soudem v Praze oddíl A, vložka 7565 OBCHODNÍ PODMÍNKY PRO POSKYTOVÁNÍ
VíceRegistr Osob. zveřejněno 16.11.2009 podepsáno 13.4.2010. http://www.vestnikverejnychzakazek.cz/
Registr Osob v provozu od 1. července 2012 (opožděno o 12 měsíců) odhadovaná cena 385,425 milionů konečná cena 371,5 milionů realizátor ADASTRA, s.r.o. zveřejněno 16.11.2009 podepsáno 13.4.2010 http://www.vestnikverejnychzakazek.cz/
Vícel Kontakt s klientem SSP Popis automatizované komunikace s ÚP ČR v součinnosti a exekuci
l Kontakt s klientem SSP automatizované komunikace s ÚP ČR v součinnosti a exekuci Obsah: 1. SEZNAM POUŽITÝCH ZKRATEK... 3 2. POPIS SLUŽBY... 4 2.1 Forma a struktura rozhraní... 4 2.2 Dostupnost služby...
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
VíceUživatelský manuál: Modul Nové kontakty
Uživatelský manuál: Modul Nové kontakty Se zapnutím nových kontaktů souvisí nasazení nové aplikace Těžká podatelna a nový formulář pro evidenci externí písemnosti (dokumentu). Zapnutí nových kontaktů lze
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
VíceIntegrační modul REX. pro napojení elektronické spisové služby e-spis LITE k informačnímu systému základních registrů. Uživatelská příručka
REX a e-spis LITE 2.5.4 - uživatelská příručka Integrační modul REX pro napojení elektronické spisové služby e-spis LITE k informačnímu systému základních registrů Uživatelská příručka www.i.cz Czech Republic
VíceKlientský formát POHLEDÁVKY platný od 26. 4. 2014
Klientský formát POHLEDÁVKY platný od 26. 4. 2014 1/5 1 Úvod 1.1 Účel dokumentu Účelem tohoto dokumentu je popis formátu POHLEDAVKA a požadovaných validací při IMPORTu dat ve vazbě na návazné účetní SW
VíceLeady & MERK Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK
Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK Strana 1 z 12 Obsah 1. Leady... 3 a. Shrnutí... 3 b. Popis modulu... 3 c. Technické podrobnosti o modulu... 5 2. MERK... 6 a. Shrnutí... 6 b.
VíceSeminář ČNB k oznámení podle ZSÚ prostřednictvím aplikace REGIS
Seminář ČNB k oznámení podle ZSÚ prostřednictvím aplikace REGIS Příjem žádostí dle zákona o spotřebitelském úvěru prostřednictvím systému REGIS 9. listopadu 2016 Česká národní banka Obsah Co je REGIS?
VíceINFORMACE O ZPRACOVÁNÍ OSOBNÍCH ÚDAJŮ
INFORMACE O ZPRACOVÁNÍ OSOBNÍCH ÚDAJŮ Obsah 1 ÚVODNÍ USTANOVENÍ... 3 2 PŘEHLED POUŽITÝCH POJMŮ A ZKRATEK... 3 3 INFORMACE O ZPRACOVÁNÍ OSOBNÍCH ÚDAJŮ... 3 4 POUČENÍ O PRÁVECH DLE ZOOÚ... 4 5 KONTAKTNÍ
Vícel Kontakt s klientem SSP Popis automatizované komunikace s ÚP ČR v součinnosti a exekuci
l Kontakt s klientem SSP automatizované komunikace s ÚP ČR v součinnosti a exekuci OKsystem a.s. 2015 Obsah: 1 ÚVOD... 3 2 POPIS SLUŽBY... 3 2.1 Forma a struktura rozhraní... 3 2.2 Dostupnost služby...
VíceRegistr práv a povinností. Metodika pro definici údajů vedených v agendě
Registr práv a povinností Metodika pro definici údajů vedených v agendě OBSAH 1 Úvod... 3 2 Základní principy... 4 3 Základní pojmy... 5 3.1 Objekt vedený v agendě... 5 3.2 Subjekt vedený v agendě... 5
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...
VíceProtokol o atestačním řízení
Atestační středisko: ADA, s. r. o. pověření k výkonu atestací ÚVIS reg. č. 3 rozhodnutím č. j. 3/2001 A ze dne 11.10.2001, se sídlem Čermákova 28, 625 00 Brno adresa pro poštovní styk Sokolská 725, 664
VíceEKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013
EKONOMICKÝ A LOGISTICKÝ SOFTWARE Luhačovice 24.10.2013 CRM řízení vztahů se zákazníky CRM - je zkratka z anglického Customer Relationship Management a označují se tak systémy pro řízení vztahů se zákazníky.crm
VíceModerní metody automatizace a hodnocení marketingových kampaní
Moderní metody automatizace a hodnocení marketingových kampaní SAS CI Roadshow 2014 24/09/2014 Vít Stinka Agenda Představení společnosti Unicorn Systems Aliance Unicorn Systems a SAS Celkový koncept Customer
VíceModul Kontakt s klientem SSP. OKcentrum. Uživatelská příručka. Poskytování součinnosti ÚP ČR
Modul Kontakt s klientem SSP OKcentrum Uživatelská příručka Poskytování součinnosti ÚP ČR OKsystem a.s. 2015 1. Obsah 1. OBSAH... 2 2. ZÁKLADNÍ INFORMACE... 2 2.1 Základní pojmy... 2 2.2 Přihlášení uživatele...
VíceTransformace dílčích datových zdrojů na jednotnou datovou platformu kontaminovaných míst, analýza potřeb uživatelů a vývoj aplikací
Transformace dílčích datových zdrojů na jednotnou datovou platformu kontaminovaných míst, analýza potřeb uživatelů a vývoj aplikací Jiří Šíma, AQUATEST a.s. Zpracovatelé a součinnost AQUATEST a.s. ARCDATA
VíceČMSS: CRM systém pro efektivní práci s klienty
Případová studie ČMSS: CRM systém pro efektivní práci s klienty Jak jsme společnosti ČMSS dodali moderní řešení pro řízení vztahů s klienty ČMSS: CRM systém pro efektivní práci s klienty Kvalitní poskytování
VíceSPRÁVA STÁTNÍCH HMOTNÝCH REZERV METODIKA PRO VYŽADOVÁNÍ VĚCNÝCH ZDROJŮ ZA KRIZOVÉ SITUACE
SPRÁVA STÁTNÍCH HMOTNÝCH REZERV METODIKA PRO VYŽADOVÁNÍ VĚCNÝCH ZDROJŮ ZA KRIZOVÉ SITUACE Praha 2003 Metodiku pro vyžadování věcných zdrojů za krizové situace (dále jen Metodika) zpracovala Správa státních
VíceUživatelská příručka SBOX
Příloha metodického pokynu č. 7 Uživatelská příručka SBOX Zpracoval: Obsah dokumentu 1. Vložení nové zásilky 1 2. Vložené zásilky 3 2.1 Zobrazení detailu vložené zásilky... 3 2.2 Odstranění vložené zásilky...
VícePokyn pro obecní úřady obcí s rozšířenou působností
IMPLEMENTACE OZNAČENÍ ADRESA ÚŘADU DO AGENDOVÉHO INFORMAČNÍHO SYSTÉMU EVIDENCE OBYVATEL (v souladu se zákonem č. 456/2016 Sb., kterým se mění zákon č. 133/2000 Sb., o evidenci obyvatel a rodných číslech
VíceTvar dat a nástroj přeskupování
StatSoft Tvar dat a nástroj přeskupování Chtěli jste někdy použít data v jistém tvaru a STATISTICA Vám to nedovolila? Jistě se najde někdo, kdo se v této situaci již ocitl. Není ale potřeba propadat panice,
VíceČástka 12 Ročník Vydáno dne 7. srpna O b s a h : ČÁST NORMATIVNÍ
Částka 12 Ročník 2001 Vydáno dne 7. srpna 2001 O b s a h : ČÁST NORMATIVNÍ 5. Opatření České národní banky č. 5 ze dne 1. srpna 2001, kterým se stanoví metodika předkládání vybraných údajů bankami a pobočkami
VíceEditace RÚIAN. - nové povinnosti obcí a stavebních úřadů. Karel Štencel. Porada Ministerstva vnitra s tajemníky ORP Benešov, 12.
Editace RÚIAN - nové povinnosti obcí a stavebních úřadů Karel Štencel Porada Ministerstva vnitra s tajemníky ORP Benešov, 12. října 2011 Projekt Vybudování Registru územní identifikace, adres a nemovitostí
VíceMicrosoft SharePoint Portal Server 2003. Zvýšená týmová produktivita a úspora času při správě dokumentů ve společnosti Makro Cash & Carry ČR
Microsoft SharePoint Portal Server 2003 Zvýšená týmová produktivita a úspora času při správě dokumentů ve společnosti Makro Cash & Carry ČR Přehled Země: Česká republika Odvětví: Velkoobchod Profil zákazníka
VícePenetrační test & bezpečnostní audit: Co mají společného? V čem se liší?
Penetrační test & bezpečnostní audit: Co mají společného? V čem se liší? Karel Miko, CISA (miko@dcit.cz) DCIT, s.r.o (www.dcit.cz) Nadpis Penetrační test i bezpečnostní audit hodnotí bezpečnost předmětu
VíceSouhlas se zpracováním, uchováváním a postupováním osobních údajů
Souhlas se zpracováním, uchováváním a postupováním osobních údajů Identifikace certifikované společnosti: FINSPACE s.r.o. IČ: 28088042 sídlem Revoluční 764/17, Praha 1, 110 00 zapsaná v obchodním rejstříku
VíceHELIOS Fenix. Rozšířený PAP Asseco Solutions, a.s.
HELIOS Fenix Rozšířený PAP 2016 Asseco Solutions, a.s. 2016 Tento dokument je také uložen v sekci Dokumentace/ Ekonomika/ Metodický postup/ Rozšířený PAP na WIKI pro veřejnou správu. Rozšířený výkaz PAP
VíceSegmentace bankovních zákazníků algoritmem k- means
Segmentace bankovních zákazníků algoritmem k- means LS 2014/2015 Michal Heřmanský xherm22 Obsah 1 Úvod... 3 1.1 CRISP- DM... 3 2 Porozumění problematice a datům... 4 3 Příprava dat... 5 4 Modelování...
VíceKlientský formát POHLEDÁVKY podporovaný v KB platný od
Klientský formát POHLEDÁVKY podporovaný v KB platný od 23. 10. 2010 1/5 1 Úvod... 2 1.1 Účel dokumentu... 2 1.2 Charakteristiky formátu POHLEDAVKA a práce se seznamem... 2 1.3 Kontrola limitů a přístupů...
VíceCitidea monitorovací a řídicí centrála pro smart řešení
Citidea monitorovací a řídicí centrála pro smart řešení Citidea monitorovací a řídicí centrála pro smart řešení Citidea představuje integrační platformu pro sběr, zpracování dat, poskytování informací
VícePracovní celky 3.2, 3.3 a 3.4 Sémantická harmonizace - Srovnání a přiřazení datových modelů
Pracovní celky 3.2, 3.3 a 3.4 Sémantická harmonizace - Srovnání a datových modelů Obsah Seznam tabulek... 1 Seznam obrázků... 1 1 Úvod... 2 2 Metody sémantické harmonizace... 2 3 Dvojjazyčné katalogy objektů
VíceRÚIAN REGISTR ÚZEMNÍ IDENTIFIKACE ADRES A NEMOVITOSTÍ
RÚIAN REGISTR ÚZEMNÍ IDENTIFIKACE ADRES A NEMOVITOSTÍ Obsah prezentace Provázanost zápisů do ISÚI a ISKN Interní reklamace Časté dotazy a problémy editorů RÚIAN Webové stránky, kontakty Důvody vzniku základních
VíceSchvalovací proces žádostí o úvěr
Schvalovací proces žádostí o úvěr Milan Roupec Embedit (Home Credit International) Martin Řezáč ÚMS PřF MU K čemu schvalovací proces? Posouzení žádosti o úvěr Odhalení pokusů o podvod Falešné údaje na
VíceKvalita a správa dat Data Quality
Kvalita a správa dat Data Quality Analýza a optimalizace procesů a řízení společnosti 20. dubna 2010 Poradenské služby Agenda Strana 1 Souvislost kvality dat a procesů 1 2 Čištění dat 7 3 Náš přístup 14
VíceProjekt edukační platforma I-COP EDU
Projekt edukační platforma I-COP V rámci realizace projektu Edukační a informační platforma onkologických center CZ.1.07/2.4.00/31.0020 Blaha M., Lysý M., Pukyová J., Šulc D., Dušek L. Motivace projektu
VíceStudie webů automobilek
Studie webů automobilek červen 2006 [manažerské shrnutí] Obsah Obsah... 1 Manažerské shrnutí... 2 Kvalita obsahu a použitelnost webu... 3 Základní nedostatky negativně ovlivňují použitelnost většiny webů...
VíceVýtisk č.: Počet listů 12. Přílohy: 0 ÚZIS ČR. Příručka pro aktivaci účtu
ÚZIS ČR Palackého nám. 4 128 01 Praha 2 - Nové Město Výtisk č.: Počet listů 12 Přílohy: 0 ÚZIS ČR Příručka pro aktivaci účtu Projekt - ereg - Úprava rezortních registrů a konsolidace rezortních dat v návaznosti
VíceJAK ČÍST ZÁZNAM O VYUŽÍVÁNÍ ÚDAJŮ V REGISTRU OBYVATEL
JAK ČÍST ZÁZNAM O VYUŽÍVÁNÍ ÚDAJŮ V REGISTRU OBYVATEL Název dokumentu: Jak číst záznam o využívání údajů v registru obyvatel Verze: 1.8 Autor: Správa základních registrů Datum aktualizace: 25. 2. 2014
VíceNÁVOD NA ZPRACOVÁNÍ A ODESLÁNÍ
NÁVOD NA ZPRACOVÁNÍ A ODESLÁNÍ ELEKTRONICKÉHO FORMULÁŘE EVIDENČNÍHO LISTU VYSÍLACÍ STANICE BEZDRÁTOVÉHO MÍSTNÍHO INFORMAČNÍHO SYSTÉMU (BMIS) I. Zpracování elektronického formuláře Pro vyplňování formuláře
VíceZrušení profilu zadavatele
Zrušení profilu zadavatele Vydání Schváleno Ministerstvem pro místní rozvoj České republiky dne 17.07.2015 Verze v03.1 Účinnost 03.12.2012 Verze v03.2 Účinnost 08.02.2013 Verze v03.3 Účinnost 14.07.2014
VíceJmenné Rejstříky. Novelizace zákona o archivnictví a spisové službě z zavádí novou povinnost pro určené původce vedení jmenných rejstříků
Jmenné Rejstříky Novelizace zákona o archivnictví a spisové službě z 24.4.2019 zavádí novou povinnost pro určené původce vedení jmenných rejstříků Ing.Robert Piffl 1 Co nová povinnost přináší? Čím začneme?
VícePALSTAT s.r.o. systémy řízení jakosti PALSTAT CAQ verze. 3.00.01.09 Kontakty 08/2010. 1 Obsah
1 Obsah 1 Obsah... 1 2 Úvod a spouštění SW Palstat CAQ... 2 2.1.1 Návaznost na další SW moduly Palstat CAQ... 2 2.2 Přihlášení do programu... 2 2.2.1 Stanovení přístupu a práv uživatele... 2 2.2.2 Spuštění
VíceVykazování dat o poskytovaných sociálních službách
Vykazování dat o poskytovaných sociálních službách (verze dokumentu 1.2) Odpovědná osoba: Ing. Radomír Martinka V Praze dne: 18.4.2011 Klasifikace: CHRÁNĚNÉ OKsystem s.r.o. Na Pankráci 125, 140 21 Praha
VícePokyny pro uživatele programu SKLAD Odpadů 8
1 Pokyny pro uživatele programu SKLAD Odpadů 8 Radim Kopal INISOFT s.r.o. 31.12.2014 Obsah Obsah... 2 Nastavení číselných řad... 3 Kontrola skladové bilance... 4 Uzávěrka roku... 7 Převod evidence do programu
VíceVyužívání prvků procesního řízení a zavedení standardů pro výkon prioritních agend veřejné správy
Využívání prvků procesního řízení a zavedení standardů pro výkon prioritních agend veřejné správy Mgr. Jiří Kárník Koordinátor projektů vedoucí oddělení procesního řízení a standardizace agend veřejné
VíceZákladní registry veřejné správy RÚIAN a ISÚI
Základní registry veřejné správy RÚIAN a Jiří Formánek Český úřad zeměměřický a katastrální (ČÚZK) RÚIAN registr územní identifikace Projekt Vybudování Registru územní identifikace, adres a nemovitostí
VíceMonitorování a audit databází v reálném čase. Ing. Jan Musil IBM Česká republika
Monitorování a audit databází v reálném čase Ing. Jan Musil IBM Česká republika Jsou naše data chráněna proti zneužití? Ano, pokud... Nepoužitelné Steve Mandel, Hidden Valley Observatory http://apod.nasa.gov/apod/ap010809.html
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
VíceMožnosti využití dat RÚIAN poskytovaných VDP pomocí webových služeb
Možnosti využití dat RÚIAN poskytovaných VDP pomocí webových služeb Ing. Radek Augustýn Výzkumný ústav geodetický, topografický a kartografický, v.v.i. Zdiby Abstrakt V návaznosti na zpřístupnění dat Registru
VíceInformační systémy veřejné správy (ISVS)
Informační systémy veřejné správy (ISVS) zákon č.365/2000 Sb. ve znění pozdějších změn Informační systémy veřejné správy soubor informačních systémů, které slouží pro výkon veřejné správy Správci ISVS
VíceSYSTÉM ŘÍZENÍ PROVOZU NABÍJECÍ STANICE DEJ VEZMI. SMART systém pro efektivní řízení a monitorování provozu nabíjecí stanice. 24 V / 345 Ah 2 6 SKUPINA
SYSTÉM ŘÍZENÍ PROVOZU NABÍJECÍ STANICE SMART systém pro efektivní řízení a monitorování provozu nabíjecí stanice SKUPINA DEJ VEZMI 24 V / 345 Ah 2 6 1 1 2 3 4 5 6 7 8 NABÍJEČE BATERIÍ a NAPÁJECÍ ZDROJE
VíceKONCEPCE ROZDĚLENÍ POŘIZOVANÝCH DAT DO MAPOVÝCH VRSTEV A TABULEK
Vektorizace geologické mapy v prostředí GIS KONCEPCE ROZDĚLENÍ POŘIZOVANÝCH DAT DO MAPOVÝCH VRSTEV A TABULEK Materiál pro studenty GIS a DPZ, PřF UK Pavel Bokr, leden 2016, pro použití platí podmínky http://www.bokr.cz/gis/
VícePravidla pro vedení registru příjemců inkas v České republice (RIP)
Pravidla pro vedení registru příjemců inkas v České republice (RIP) Článek I Základní ustanovení 1. Česká národní banka (dále jen ČNB ) z titulu své zákonné povinnosti řídit platební styk a po dohodě s
VíceVýtisk č.: Počet listů 10. Přílohy: 0 ÚZIS ČR. Příručka pro externí žádost
ÚZIS ČR Palackého nám. 4 128 01 Praha 2 - Nové Město Výtisk č.: Počet listů 10 Přílohy: 0 ÚZIS ČR Příručka pro externí žádost Projekt - ereg - Úprava rezortních registrů a konsolidace rezortních dat v
VíceElektronický úřad v roce 2018
Opravdu máme vše, co potřebujeme? Mgr. Vít Cvrček Je to přece tak jednoduché Implementoval GDPR za 2 dny! Manažer e-shopu říká to zvládnete také Cenové nabídky za implementace a právní služby byly vysoké
VíceProvozní dokumentace. Seznam orgánů veřejné moci. Datové soubory. Vytvořeno dne: Aktualizováno: Verze: 1.
Provozní dokumentace Seznam orgánů veřejné moci Datové soubory Vytvořeno dne: 29. 4. 2013 Aktualizováno: 18. 4. 2018 Verze: 1.7 2013-2018 MVČR Obsah Datové soubory s údaji seznamu orgánů veřejné moci 1
VíceSpecifika a scénáře vykazování dat AnaCredit prostřednictvím systému MtS-ISL-SÚD-SDNS
pecifika a scénáře vykazování dat prostřednictvím systému Mt-IL-ÚD-DN Verze dokumentu: Verze Komentář Datum 1.0 Úvodní verze specifika pro datové soubory, scénáře zasílání. 04/06/2018 Přílohy: Příloha
VíceProč jsme vytvořili tuto webovou službu?
Obsah První přihlášení do systému... 1 Modul reklamace...... 2 Reklamační protokol...... 3 Modul rozpis směn... 3 Modul Docházka... 3 Modul Spotřební materiál... Administrátorské menu... Správa uživatelů...
VíceG-Client. Import adresáře do aplikace
Str. 1/9 G-Client Import adresáře do aplikace Obsah 1. Postup při exportu adresáře z aplikace Invio... 2 2. Postup při importu adresáře z CSV souboru do aplikace G-Client... 3 Povinná pole... 3 Úpravy
VíceRelační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou:
Relační databáze Pojem databáze, druhy databází Databází se myslí uložiště dat. V době začátků využívání databází byly tyto členěny hlavně hierarchicky, případně síťově (rozšíření hierarchického modelu).
VíceJAK ČÍST ZÁZNAM O VYUŽÍVÁNÍ ÚDAJŮ V REGISTRU OBYVATEL
JAK ČÍST ZÁZNAM O VYUŽÍVÁNÍ ÚDAJŮ V REGISTRU OBYVATEL Název dokumentu: Jak číst záznam o využívání údajů v registru obyvatel Verze: 1.7 Autor: Správa základních registrů Datum aktualizace: 15.4.2013 Účel:
VíceMetodika pro dosažení souladu s GDPR pro
Obsah přednášky Metodika pro dosažení souladu s GDPR pro Ing. Pavel Kreipl, CSc. Valtice, 16. února, 2018 1 Obsah přednášky Co je třeba udělat, abychom byli v souladu s GDPR? 1) Dokumentace GDPR, která
VíceZPRÁVA PRO UŽIVATELE
První certifikační autorita, a.s. ZPRÁVA PRO UŽIVATELE KVALIFIKOVANÁ ČASOVÁ RAZÍTKA Stupeň důvěrnosti : veřejný dokument Verze 2.1 Zpráva pro uživatele je veřejným dokumentem, který je vlastnictvím společnosti
VíceVDP Veřejný dálkový přístup k datům RÚIAN
VDP Veřejný dálkový přístup k datům Jiří Formánek Český úřad zeměměřický a katastrální (ČÚZK) Aktuální stav projektu Projekt Vybudování Registru územní identifikace, adres a nemovitostí a modernizace Informačního
VíceKatalog egon služeb verze: 0.01
Katalog egon služeb verze: 0.01 Historie verzí Verze Datum Popis 0.01 20.7.2011 egon služby prototypu OBSAH 1 Úvod... 5 1.1 Členění dokumentu... 5 1.2 Třídy služeb... 5 1.3 SLA služeb... 6 1.3.1 SLA-01...
VíceDatabázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi.
Databáze Základní pojmy Pojem databáze označuje obecně souhrn informací, údajů, dat o nějakých objektech. Úkolem databáze je hlídat dodržení všech omezení a dále poskytovat data při operacích. Objekty
VíceHlavní město Praha RADA HLAVNÍHO MĚSTA PRAHY USNESENÍ. Rady hlavního města Prahy
Hlavní město Praha RADA HLAVNÍHO MĚSTA PRAHY USNESENÍ Rady hlavního města Prahy číslo 1261 ze dne 17.8.2010 k Strategii rozvoje Geografického informačního systému hlavního města Prahy Rada hlavního města
VíceKEO-X GDPR ALIS spol. s r.o.
KEO-X GDPR 28.5.2018 Contents 3 Obsah 4 1 Úvod 2 Základní pojmy 5 3 Záznamy o činnostech zpracování - správce 7 4 Záznamy o činnostech zpracování - zpracovatel 8 5 Právo na přístup 9 6 Právo na přenositelnost
VíceBezpečný digitální podpis v praxi. www.viditelnypodpis.cz
Bezpečný digitální podpis v praxi www.viditelnypodpis.cz O čem budeme mluvit? Co je bezpečný digitální podpis? Biometrické vlastnosti podpisu Výhody a přínosy Technické zajištění Možnosti využití Co je
VíceOznámení profilu Zadavatele
Oznámení profilu Zadavatele Vydání Schváleno Ministerstvem pro místní rozvoj České republiky dne 17.7.2015 Verze v03.1 Účinnost 03.12.2012 Verze v03.2 Účinnost 08.02.2013 Verze v03.3 Účinnost 14.07.2014
VíceNAHLAŠOVÁNÍ UBYTOVANÝCH CIZINCŮ PŘES PORTÁL UBYPORT
NAHLAŠOVÁNÍ UBYTOVANÝCH CIZINCŮ PŘES PORTÁL UBYPORT 23.8.2017 aktuální požadavky cizinecké policie postup při zápisu údajů o ubytovaném cizinci v programu RECEPCE konfigurace pro vytváření UNL souborů
VíceVÝUKOVÝ MATERIÁL. Bratislavská 2166, Varnsdorf, IČO: tel Číslo projektu
VÝUKOVÝ MATERIÁL Identifikační údaje školy Vyšší odborná škola a Střední škola, Varnsdorf, příspěvková organizace Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632
VíceSPECIFIKA CERTIFIKACE PODLE ČSN EN ISO 9001:2001 V ORGANIZACÍCH, KTERÉ SE ZABÝVAJÍ VÝVOJEM SOFTWARE
SPECIFIKA CERTIFIKACE PODLE ČSN EN ISO 9001:2001 V ORGANIZACÍCH, KTERÉ SE ZABÝVAJÍ VÝVOJEM SOFTWARE Václav Šebesta Ústav informatiky Akademie věd ČR, e-mail: vasek@cs.cas.cz Abstrakt Jestliže ještě před
VíceKontrola adresních míst v ISÚI bez definičního bodu
Kontrola adresních míst v ISÚI bez definičního bodu Vybudování Registru územní identifikace, adres a nemovitostí a modernizace Informačního systému katastru nemovitostí ČÚZK Kontrola č. 4_AMbezDBv.01 Strana
VíceUŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0
UŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0 OBSAH 1 ÚVOD... 3 1.1 HOME STRÁNKA... 3 1.2 INFORMACE O GENEROVANÉ STRÁNCE... 4 2 VYHLEDÁVÁNÍ V ÚZEMÍ...
VíceX36SIN: Softwarové inženýrství. Životní cyklus a plánování
X36SIN: Softwarové inženýrství Životní cyklus a plánování 1 Kontext Minule jsme si řekli, co to je deklarace záměru, odborný článek, katalog požadavků, seznam aktérů a seznam událostí. Seznam aktérů a
VíceÚčinnost Tato vyhláška nabývá účinnosti dnem 1. ledna 2007.
VYHLÁŠKA 442/2006 Sb. ze dne 31. srpna 2006, kterou se stanoví struktura informací zveřejňovaných o povinném subjektu způsobem umožňujícím dálkový přístup Ministerstvo informatiky stanoví podle 21 odst.
VíceANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ
ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 Daniel
VíceRozšíření referenčních údajů a notifikací v ROB
Rozšíření referenčních údajů a notifikací v ROB Referenční údaje Definice Zákon č. 111/2009 Sb., 2, písm b) - referenčním údajem (je) údaj vedený v základním registru, který je označen jako referenční
VíceZásady zpracování osobních údajů
Zásady zpracování osobních údajů Cílem těchto Zásad zpracování osobních údajů určených pro Klienty Nadace O2, které vydala Nadace O2 IČO 267 000 00, DIČ CZ26700000, se sídlem Za Brumlovkou 266/2, 140 22
VícePŘÍNOSY A DOPADY ZAHÁJENÍ PROVOZU ROS
PŘÍNOSY A DOPADY ZAHÁJENÍ PROVOZU ROS Konference ISSS Hradec Králové 2012 Ing. Stanislav Palas, Český statistický úřad stanislav.palas@ 1/X OBSAH PREZENTACE Přínosy ROS Dopady ROS Na OVM Na podnikatelskou
VíceDOPLŇKOVÉ FUNKCE OSS PŘÍLOHA 1.5
DOPLŇKOVÉ FUNKCE OSS PŘÍLOHA 1.5 Obsah 1 Principy poskytnutí služby... 3 2 Popis dostupných funkcí... 3 3 Technické parametry funkcí... 6 2 / 6 1 Principy poskytnutí služby 1.1. Služba Doplňkové funkce
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
VíceObsah. Zpracoval:
Zpracoval: houzvjir@fel.cvut.cz 03. Modelem řízený vývoj. Doménový (business), konceptuální (analytický) a logický (návrhový) model. Vize projektu. (A7B36SIN) Obsah Modelem řízený vývoj... 2 Cíl MDD, proč
Více[RDM] STRUČNÁ UŽIVATELSKÁ PŘÍRUČKA. CENTRÁLNÍ REGISTR PODPOR MALÉHO ROZSAHU - de minimis
PDS s.r.o. Viniční 20, 615 00 Brno IČ: 25523121, DIČ: CZ25523121 [RDM] CENTRÁLNÍ REGISTR PODPOR MALÉHO ROZSAHU - de minimis STRUČNÁ UŽIVATELSKÁ PŘÍRUČKA Praha, Brno 2009, 2010 Verze dokumentu Verze Datum
Více1 Popis předmětu plnění projektu implementace MIS
1 Popis předmětu plnění projektu implementace MIS Vytvořit Manažerský rozpočet Tzn. vytvoření metodiky pro zajištění Manažerského účetnictví, přičemž metodikou se rozumí soubor postupů a pravidel popisujících
Více