Systémy pro podporu rozhodování. Modelování a analýza

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Systémy pro podporu rozhodování. Modelování a analýza"

Transkript

1 Systémy pro podporu rozhodování Modelování a analýza 1

2 Připomenutí obsahu minulé přednášky Datové sklady, přístup, analýza a vizualizace Povaha a zdroje dat (data, informace, znalosti a interní, externí, personální) Sběr dat a související problémy Internet a komerční databázové služby Systémy pro řízení databází v DSS Organizace a struktura databází Datové sklady 2

3 Připomenutí obsahu minulé přednášky Architektury datových skladů Složky datových skladů Charakterizace datového skladování Vizualizace dat a multidimenzionalita OLAP: Přístup k datům, dolování, dotazování a analýza Data mining - dolování v datech Inteligentní databáze a dolování v datech Nástroje pro inteligentní dolování v datech 3

4 5. Modelování a analýza 5.1 Motivační příklad 5.2 Modelování v MSS 5.3 Statické a dynamické modely 5.4 Zpracování nejistoty a rizika 5.5 Influenční diagramy 5.6 Použití tabulkových procesorů 5.7 Rozhodovací tabulky a stromy 4

5 5.1 Motivační příklad Siemens Solar Industries (SSI) uspořil miliony pomocí simulace: Problémy s kvalitou a plynulostí výroby Rozhodnutí zavést technologii zvlášť čistých prostor poprvé v solárním průmyslu, ale žádné předběžné zkušenosti Použití simulace - nástroj ProModel (virtuální laboratoř, testování různých konfigurací) Hlavní přínosy: získání znalostí a pochopení souvislostí, možnost komplexního návrhu Zdokonalení výrobního procesu SSI ušetřila více než 75 milionů dolarů ročně 5

6 5.2 Modelování v MSS Modelování šetří peníze, čas a další zdroje Na modelu lze snadno provádět změny Modelování je klíčovým prvkem ve většině DSS a je nutností v modelově orientovaných DSS Simulace je oblíbený způsob modelování, ale existují i jiné přístupy: 6

7 Typy modelů Statistické modely (např. regresní analýza - relace mezi proměnnými) Finanční modely (např. systémy pro finanční plánování) Optimalizační modely (např. lineární programování) DSS může být vystavěn na použití kombinace více modelů, standardních i vytvořených na zakázku Vhodný poměr mezi jednoduchostí a reprezentativností modelu 7

8 Modely podle stupně abstrakce Ikonické (měřítkové) modely nejméně abstraktní, fyzikální kopie systému, obvykle v jiném měřítku (modely letadel, automobilů, fotografie, GUI) Analogické modely nevypadají jako modelovaný systém, ale chovají se stejně; jsou více abstraktní (organizační tabulky a grafy, mapy, schémata) Matematické (kvantitativní) modely nejvíce abstraktní, nejčastější typ u DSS 8

9 Hlavní východiska a pojmy modelování Identifikace problému Analýza prostředí Identifikace proměnných Prognostika (předpovídání) Vícenásobné modely Kategorie modelů a jejich výběr Řízení báze modelů Znalostní modelování 9

10 Identifikace problému a analýza prostředí Identifikace cílů a požadavků a zjištění, jak jsou naplňovány Problém = rozdíl mezi požadovaným a skutečným stavem Stanovení, jaký problém existuje, jaké má symptomy a jak jsou tyto symptomy výrazné Symptomy mohou být považovány za problém Zjišťování existence problému u organizace se provádí monitorováním činnosti a analýzou dat 10

11 Identifikace proměnných Identifikace proměnných v modelu a vzájemných vazeb mezi nimi je velmi důležitou fází procesu modelování Užitečné mohou být např. influenční diagramy (viz dále) 11

12 Prognostika (předpovídání) Pro konstrukci a manipulaci s modelem nezbytná - výsledky rozhodování založené na modelování se zpravidla týkají budoucnosti 12

13 Vícenásobné modely DSS mohou obsahovat řadu modelů (pro různé subproblémy rozhodovacího problému) Některé jsou standardní, vestavěné ve vývojových nástrojích Některé jsou standardní, samostatný sw Nestandardní je třeba vytvořit 13

14 Kategorie modelů Optimalizace problému s několika alternativami: Cíl: najít nejlepší řešení z malého počtu alternativ Příklad metody: rozhodovací tabulky, rozhodovací stromy Optimalizace pomocí algoritmu: Cíl: najít nejlepší řešení z velkého až nekonečného počtu alternativ použitím procesu postupného zlepšování Příklad metody: modely matematického programování (lineární, apod.), síťové modely 14

15 Kategorie modelů Optimalizace pomocí analytické formule: Cíl: najít nejlepší řešení v jediném kroku, použitím formule Příklad metody: některé modely zásob Simulace: Cíl: najít dostatečně dobré řešení, nebo nejlepší řešení mezi testovanými alternativami použitím experimentů Příklad metody: různé typy simulace Heuristiky: Cíl: najít dostatečně dobré řešení použitím pravidel Příklad metody: heuristické programování, expertní systémy 15

16 Kategorie modelů Prediktivní modely: Cíl: předpověď budoucího vývoje daného scénáře Příklad metody: Markovova analýza Jiné modely: Cíl: analýza what-if použitím formule Příklad metody: finanční modelování 16

17 Řízení báze modelů Pro udržení integrity a využitelnosti Sw pro řízení báze modelů (viz dále) 17

18 Znalostní modelování DSS zpravidla používají kvantitativní modely Expertní systémy používají kvalitativní, znalostní modely Pro konstrukci použitelných modelů jsou zapotřebí určité znalosti 18

19 5.3 Statické a dynamické modely Statická analýza Na základě statického průřezu analyzovanou situací Např. rozhodnutí zda vyrobit či koupit nějaký produkt Dynamická analýza Dynamické modely Vyhodnocení scénářů závislých na čase Ukazují trendy a časové průběhy událostí Statické modely lze mnohdy rozšířit na dynamické 19

20 5.4 Zpracování nejistoty a rizika Modelování za jistoty Nejistota (neurčitost) Riziko 20

21 Modelování za jistoty Máme ho rádi Lehce se s ním pracuje a dává optimální výsledky Mnoho finančních modelů je konstruováno za předpokladů jistoty Speciální zájem si zasluhují problémy, které mají nekonečný (nebo mimořádně vysoký) počet možných řešení 21

22 Modelování za nejistoty Manažeři se snaží maximálně eliminovat nejistotu Snaží se získat co nejvíce dodatečných informací, aby bylo možné problém řešit buďto za jistoty, nebo s kalkulovaným rizikem Nelze-li získat více informací, s problémem je nutno zacházet jako s neurčitým 22

23 Modelování za rizika Většina manažerských rozhodnutí je za předpokladu jistého rizika Pro analýzu rizika je k dispozici několik technik, např.: rozhodovací tabulky rozhodovací stromy simulace faktory neurčitosti fuzzy logika 23

24 5.5 Influenční diagramy Grafická reprezentace modelu, která pomáhá při návrhu modelu, při jeho dalším zpracování a jeho pochopení Poskytuje prostředek vizuální komunikace pro řešitelský tým Slouží také jako rámec pro vyjádření vztahů v modelu INFLUENCE = vyjádření závislosti mezi proměnnými v modelu 24

25 Grafické znázornění Konvence Bloky (rozhodovací, neřízené a výsledné proměnné) Spojky (směr a typ působení) Tvary bloků a spojek Libovolná úroveň podrobností 25

26 Příklad - model Zisk (Smith, 1995) Profit = Income Expenses Income = Units sold x Unit price Units sold = 0,5 x Amount used in advertisement Expenses = Unit cost x Unit sold + Fixed costs 26

27 Influenční diagram modelu Zisk Fixed cost Expenses Unit cost Profit ~ Amount used in advertisement Units sold Income Unit price

28 Softwarové řešení Analytica DPL DS Lab INDIA NETICA Precision Tree... Standardní grafické a CASE (Computer-aided software engineering) programové balíky 28

29 5.6 Použití tabulkových procesorů Tabulkové procesory: nejpopulárnější nástroj modelování určený pro koncové uživatele Obsahuje mocné funkce finanční, statistické, matematické, logické, pro práci s časem, pro zpracování řetězců, apod. Možnost použití externích přídavných (add-in) funkcí a tzv. řešitelů pro optimalizaci Důležité pro analýzu, plánování, modelování Jsou programovatelné (využití maker) Jednoduché prvky pro řízení databází 29

30 5.7 Rozhodovací tabulky a stromy Analýza problému pro rozhodování při malém počtu alternativ Očekávané příspěvky alternativ a jejich pravděpodobnost vzhledem k cíli Řešení situací s jediným cílem Rozhodovací tabulky Rozhodovací stromy 30

31 Rozhodovací tabulky Příklad investic Jediný cíl: Maximalizovat výnos po jednom roce = vybrat nejlepší investiční alternativu Výnos závisí na stavu ekonomiky: Růst Stagnace Inflace 31

32 Rozhodovací tabulky 1. Je-li ekonomický růst, obligace se zhodnotí o 12%; akcie o 15% a termínované vklady o 6,5% 2. Převládá-li ekonomická stagnace, obligace se zhodnocují o 6%, akcie o 3% a termínované vklady opět o 6,5% 3. Převládá-li inflace, obligace vzrostou o 3%, akcie přinesou ztrátu 2% a termínované vklady dají znovu 6,5% výnos 32

33 Rozhodovací tabulky ~ hra dvou hráčů: investor příroda Rozhodovací tabulka - tabulka výplat (viz snímek 34) Rozhodovací proměnné (alternativy) Neřízené proměnné (stav ekonomiky) Výslední proměnná (předpokládaný výnos) 33

34 Rozhodovací tabulka pro problém investic Stav ekonomiky Alternativy Růst Stagnace Inflace Obligace Akcie 12,0% 6,0% 3,0% 15,0% 3,0% -2,0% Termínovaný vklad 6,5% 6,5% 6,5%

35 Práce s neurčitostí Optimistický přístup Uvažujeme nejlepší možný výsledek nejlepší alternativy (= akcie) Pesimistický přístup Uvažujeme nejlepší z nejhorších výsledků jednotlivých alternativ (= termínované vklady) 35

36 Zvládnutí rizika Použití známých (odhadovaných) pravděpodobností (Snímek 37) Analýza rizika: Výpočet očekávaných hodnot a výběr alternativy s nejlepším výsledkem Může být nebezpečné - i mizivá pravděpodobnost katastrofické ztráty může mít podstatný vliv na očekávanou hodnotu 36

37 Řešení rozhodování za rizika Růst Stagnace Inflace Alternativy 0,5 0,3 0,2 Očekávaná hodnota Obligace 12,% 6,0% 3,0% 8,4% Akcie 15,0% 3,0% -2,0% 8,0% Termínovaný vklad 6,5% 6,5% 6,5% 6,5%

38 Rozhodovací stromy Jiné metody analýzy rizika Simulace Faktory jistoty Fuzzy logika Vícenásobné cíle Snímek 39: Výnos, jistota, likvidita Uvažování nejistoty a rizika AHP (Analytic Hierarchy Process) 38

39 Výnos vs. jistota vs. likvidita Alternativy Výnos Jistota Likvidita Obligace 8,4% Vysoká Vysoká Akcie 8,0% Nízká Vysoká (?) Termínovaný vklad 6,5% Velmi vysoká Vysoká

40 40 konec

Systémy pro podporu. rozhodování. 2. Úvod do problematiky systémů pro podporu. rozhodování

Systémy pro podporu. rozhodování. 2. Úvod do problematiky systémů pro podporu. rozhodování 1 Systémy pro podporu rozhodování 2. Úvod do problematiky systémů pro podporu rozhodování 2 Připomenutí obsahu minulé přednášky Rozhodování a jeho počítačová podpora Manažeři a rozhodování K čemu počítačová

Více

PowerOPTI Řízení účinnosti tepelného cyklu

PowerOPTI Řízení účinnosti tepelného cyklu PowerOPTI Řízení účinnosti tepelného cyklu VIZE Zvýšit konkurenceschopnost provozovatelů elektráren a tepláren. Základní funkce: Spolehlivé hodnocení a řízení účinnosti tepelného cyklu, včasná diagnostika

Více

Obsah. iii 1. ÚVOD 1 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY RIZIKA 5

Obsah. iii 1. ÚVOD 1 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY RIZIKA 5 Obsah 1. ÚVOD 1 1.1 ÚVOD 1 1.2 PROČ JE ŘÍZENÍ RIZIK DŮLEŽITÉ 1 1.3 OBECNÁ DEFINICE ŘÍZENÍ RIZIK 2 1.4 PŮVOD VZNIKU A STRUKTURA 3 1.5 ZÁMĚR 3 1.6 ROZSAH KNIHY 4 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY

Více

Základy business intelligence. Jaroslav Šmarda

Základy 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

Více

Business Intelligence nástroje a plánování

Business Intelligence nástroje a plánování Business Intelligence nástroje a plánování pro snadné reportování a vizualizaci Petr Mlejnský Business Intelligence pro reporting, analýzy a vizualizaci Business Intelligence eporting Dashboardy a vizualizace

Více

Management. Rozhodování. Ing. Vlastimil Vala, CSc. Ústav lesnické a dřevařské ekonomiky a politiky

Management. Rozhodování. Ing. Vlastimil Vala, CSc. Ústav lesnické a dřevařské ekonomiky a politiky Management Rozhodování Ing. Vlastimil Vala, CSc. Ústav lesnické a dřevařské ekonomiky a politiky Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU

Více

Profilová část maturitní zkoušky 2013/2014

Profilová část maturitní zkoušky 2013/2014 Střední průmyslová škola, Přerov, Havlíčkova 2 751 52 Přerov Profilová část maturitní zkoušky 2013/2014 TEMATICKÉ OKRUHY A HODNOTÍCÍ KRITÉRIA Studijní obor: 78-42-M/01 Technické lyceum Předmět: TECHNIKA

Více

Lineární programování

Lineární programování 24.9.205 Lineární programování Radim Farana Podklady pro výuku pro akademický rok 203/204 Obsah Úloha lineárního programování. Formulace úlohy lineárního programování. Typické úlohy lineárního programování.

Více

MATURITNÍ ZKOUŠKA ve školním roce 2014/2015

MATURITNÍ ZKOUŠKA ve školním roce 2014/2015 MATURITNÍ ZKOUŠKA ve školním roce 2014/2015 Maturitní zkouška se skládá ze společné části a profilové části. 1. Společná část maturitní zkoušky Dvě povinné zkoušky a) český jazyk a literatura b) cizí jazyk

Více

CPM/BI a jeho návaznost na podnikové informační systémy. Martin Závodný

CPM/BI a jeho návaznost na podnikové informační systémy. Martin Závodný CPM/BI a jeho návaznost na podnikové informační systémy Martin Závodný Agenda Význam CPM/BI Aplikace CPM/BI Projekty CPM/BI Kritické body CPM/BI projektů Trendy v oblasti CPM/BI Diskuse Manažerské rozhodování

Více

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12 Obsah Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11 Typografická konvence použitá v knize 12 1 Vybraná témata z Excelu pro techniky 13 Vzorce a funkce pro techniky 14 Vytvoření jednoduchého vzorce

Více

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1

DATABÁZOVÉ 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

Více

Analýza a Návrh. Analýza

Analýza a Návrh. Analýza Analysis & Design Návrh nebo Design? Design = návrh Není vytváření použitelného uživatelského prostředí (pouze malinká podmnožina celého návrhu) Často takto omezeně chápáno studenty nedokáží si představit,

Více

Přehled technických norem z oblasti spolehlivosti

Přehled technických norem z oblasti spolehlivosti Příloha č. 1: Přehled technických norem z oblasti spolehlivosti NÁZVOSLOVNÉ NORMY SPOLEHLIVOSTI IDENTIFIKACE NÁZEV Stručná charakteristika ČSN IEC 50(191): 1993 ČSN IEC 60050-191/ Změna A1:2003 ČSN IEC

Více

14 Úvod do plánování projektu Řízení projektu

14 Úvod do plánování projektu Řízení projektu 14 Úvod do plánování projektu Řízení projektu Plánování projektu Vývoj - rozbor zadání odhad pracnosti, doby řešení, nákladů,... analýza rizik strategie řešení organizace týmu PLÁN PROJEKTU 14.1 Softwarové

Více

ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ

ARCHITEKTURA 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

Více

Specializace Kognitivní informatika

Specializace Kognitivní informatika Specializace Kognitivní informatika Otevřené dveře specializace Kognitivní informatika, 10.5.2007 V rámci projektu, financovaného Evropským sociálním fondem pod č. 3206 Multi- a transdisciplinární obor

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Zátěžové testy aplikací

Zátěžové testy aplikací Zátěžové testy aplikací Obsah Zátěžové testy v životním cyklu vývoje software Kdy a proč provádět zátěžové testy Projekt zátěžového testu Fáze zátěžového testu Software pro zátěžové testy Zátěžové testy

Více

PREZENTACE Monitoring a řídící systémy pro fotovoltaické systémy

PREZENTACE Monitoring a řídící systémy pro fotovoltaické systémy PREZENTACE Monitoring a řídící systémy pro fotovoltaické systémy CÍLE NAŠÍ SPOLEČNOSTI Zůstat nablízku Projektování Implementace podpory Flexibilita Aktualizace podle potřeb zákazníka Vývoj na zakázku

Více

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka 2014 1 Obsah prezentace Představení metody Oucome Mapping Evaluation (OME) relativně nová metoda v ČR alternativa ke konvenčním lineárním

Více

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 18 0:40 Umělá inteligence Umělá inteligence (UI) vlastně

Více

Obchodní akademie, Náchod, Denisovo nábřeží 673

Obchodní akademie, Náchod, Denisovo nábřeží 673 Název vyučovacího předmětu: Programování (PRO) Obor vzdělání: 18 20 M/01 Informační technologie Forma vzdělání: denní Celkový počet vyučovacích hodin za studium: 258 (8 hodin týdně) Platnost: 1. 9. 2009

Více

N i investiční náklady, U roční úspora ročních provozních nákladů

N i investiční náklady, U roční úspora ročních provozních nákladů Technicko-ekonomická optimalizace cílem je určení nejvýhodnějšího řešení pro zamýšlenou akci Vždy existují nejméně dvě varianty nerealizace projektu nulová varianta realizace projektu Konstrukce variant

Více

CENTRUM VZDĚLÁVÁNÍ PEDAGOGŮ ODBORNÝCH ŠKOL

CENTRUM VZDĚLÁVÁNÍ PEDAGOGŮ ODBORNÝCH ŠKOL Projekt: CENTRUM VZDĚLÁVÁNÍ PEDAGOGŮ ODBORNÝCH ŠKOL Kurz: Stavba a provoz strojů v praxi 1 OBSAH 1. Úvod Co je CNC obráběcí stroj. 3 2. Vlivy na vývoj CNC obráběcích strojů. 3 3. Směry vývoje CNC obráběcích

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

VÝPOČETNÍ TECHNIKA OBOR: EKONOMIKA A PODNIKÁNÍ ZAMĚŘENÍ: PODNIKÁNÍ FORMA: DENNÍ STUDIUM

VÝPOČETNÍ TECHNIKA OBOR: EKONOMIKA A PODNIKÁNÍ ZAMĚŘENÍ: PODNIKÁNÍ FORMA: DENNÍ STUDIUM VÝPOČETNÍ TECHNIKA OBOR: EKONOMIKA A PODNIKÁNÍ ZAMĚŘENÍ: PODNIKÁNÍ FORMA: DENNÍ STUDIUM 1. Historie a vývoj VT. Dnešní parametry PC. Von Neumannovo schéma. a. historie a vznik počítačů b. využití počítačů

Více

Vývojové diagramy 1/7

Vývojové diagramy 1/7 Vývojové diagramy 1/7 2 Vývojové diagramy Vývojový diagram je symbolický algoritmický jazyk, který se používá pro názorné zobrazení algoritmu zpracování informací a případnou stručnou publikaci programů.

Více

kapitola 2 předprojektová fáze 31

kapitola 2 předprojektová fáze 31 OBSAH 6 projektové řízení Předmluva 3 Kapitola 1 Základní pojmy a východiska 13 1.1 Úvod do řízení projektů 14 1.1.1 Co je to projektové řízení 14 1.2 Základní pojmy projektového řízení 17 1.2.1 Projekt

Více

Ekonomické modelování pro podnikatelskou praxi

Ekonomické modelování pro podnikatelskou praxi pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce Sylabus

Více

MANAŽERSKÉ ROZHODOVÁNÍ. Zpracoval Ing. Jan Weiser

MANAŽERSKÉ ROZHODOVÁNÍ. Zpracoval Ing. Jan Weiser MANAŽERSKÉ ROZHODOVÁNÍ Zpracoval Ing. Jan Weiser Obsah výkladu Rozhodovací procesy a problémy Dvě stránky rozhodování Klasifikace rozhodovacích procesů Modely rozhodování Nástroje pro podporu rozhodování

Více

Business Intelligence

Business 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

Více

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1 Obsah O autorech 11 Poděkování 13 Předmluva 15 Úvod 17 Proč byste se měli přečíst tuto knihu 17 Co tato kniha obsahuje 18 Jak používat tuto knihu 19 Zpětná vazba od čtenářů 20 Errata 20 ČÁST I JAK SE UCHÁZET

Více

ADVANTA / Dokumentace: Přehled funkčních modulů

ADVANTA / Dokumentace: Přehled funkčních modulů ADVANTA / Dokumentace: Přehled funkčních modulů Primárním účelem nástroje ADVANTA je pokrýt aktuální potřeby správy projektového portfolia. Jak postupně roste úroveň akceptace a integrace do prostředí

Více

PODNIKATELSKÝ PLÁN. Ing. Marcela Tomášová m.tomasova@regionhranicko.cz 14. října 2008

PODNIKATELSKÝ PLÁN. Ing. Marcela Tomášová m.tomasova@regionhranicko.cz 14. října 2008 PODNIKATELSKÝ PLÁN Ing. Marcela Tomášová m.tomasova@regionhranicko.cz 14. října 2008 PODNIKATELSKÝ PLÁN Osnova prezentace: důvody podnikatelského plán osnova podnikatelského plánu finanční plán PODNIKATELSKÝ

Více

Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU)

Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU) Informační systém pro Ocenění odškodňování újem na zdraví ztížení společenského uplatnění (ZSU) Společnost medicínského práva o.s. připravila ve spolupráci s Nejvyšším soudem České republiky metodiku a

Více

Teorie síťových modelů a síťové plánování

Teorie síťových modelů a síťové plánování KSI PEF ČZU Teorie síťových modelů a síťové plánování Část přednášky doc. Jaroslava Švasty z předmětu systémové analýzy a modelování. Zápis obsahuje základní vymezení projektu, časového plánování a popis

Více

3.2 MATEMATIKA A JEJÍ APLIKACE (M) Charakteristika vzdělávací oblasti

3.2 MATEMATIKA A JEJÍ APLIKACE (M) Charakteristika vzdělávací oblasti 3.2 MATEMATIKA A JEJÍ APLIKACE (M) 51 Charakteristika vzdělávací oblasti Vzdělávací oblast matematika a její aplikace v základním vzdělávání je založena především na aktivních činnostech, které jsou typické

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

ÚSTAV FYZIKÁLNÍ BIOLOGIE JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH

ÚSTAV FYZIKÁLNÍ BIOLOGIE JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH Projekt ÚSTAV FYZIKÁLNÍ BIOLOGIE JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH PŘIHLÁŠKA STUDENTSKÉHO PROJEKTU Název projektu: Návrh a implementace procesu zpracování dat, formát MzXML Uchazeč Hlavní řešitel

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Investiční produkty v rámci finanční skupiny České spořitelny

Investiční produkty v rámci finanční skupiny České spořitelny Fakulta ekonomických studií Katedra financí a finančních služeb Navazující magisterské studium kombinované Bankovnictví ZS 2011 Investiční produkty v rámci finanční skupiny České spořitelny Struktura nabídky

Více

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0 5.1.7 Informatika a výpočetní technika Časové, obsahové a organizační vymezení ročník 1. 2. 3. 4. hodinová dotace 2 2 0 0 Realizuje se vzdělávací obor Informatika a výpočetní technika RVP pro gymnázia.

Více

X36SIN: Softwarové inženýrství. Životní cyklus a plánování

X36SIN: 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

Více

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně Identifikační karta modulu v. 4 Kód modulu Typ modulu profilující Jazyk výuky čeština v jazyce výuky Management informačních systémů česky Management informačních systémů anglicky Information systems management

Více

Měření teploty, tlaku a vlhkosti vzduchu s přenosem dat přes internet a zobrazování na WEB stránce

Měření teploty, tlaku a vlhkosti vzduchu s přenosem dat přes internet a zobrazování na WEB stránce ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra mikroelektroniky Měření teploty, tlaku a vlhkosti vzduchu s přenosem dat přes internet a zobrazování na WEB stránce Zadání Stávající

Více

Aktuální seznam nabízených kurzů

Aktuální seznam nabízených kurzů Aktuální seznam nabízených kurzů Název akce číslo akreditace hodinová dotace cena 1 Moodle pro pokročilé 3320/10-25-22 30 2100 2 Lidová řemesla a tradice v práci učitelů a vychovatelů 3320/10-25-22 30

Více

Big 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. 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

Více

HR reporting aneb kouzla s daty. 24.3.2015 Jan Pavelka

HR reporting aneb kouzla s daty. 24.3.2015 Jan Pavelka HR reporting aneb kouzla s daty 24.3.2015 Jan Pavelka HR snídaně vážně i s humorem 2 Agenda 1. Historie 2. Metody 3. Projekt 4. Nástroje 3 Hodnota pro business Analýza HR dat 4. Prediktivní analýza 2.

Více

ARIS Platform softwarová podpora řízení procesů Procesní ARIS laboratoř základ moderní výuky. www.ids-scheer.cz

ARIS Platform softwarová podpora řízení procesů Procesní ARIS laboratoř základ moderní výuky. www.ids-scheer.cz ARIS Platform softwarová podpora řízení procesů Procesní ARIS laboratoř základ moderní výuky www.ids-scheer.cz Agenda Představení IDS Scheer ARIS Platform Scénáře možné spolupráce Vybudování komplexní

Více

Dreamsystem - expertní neuro systém ve financích s lidskou tváří

Dreamsystem - expertní neuro systém ve financích s lidskou tváří Dreamsystem - expertní neuro systém ve financích s lidskou tváří Vedoucí projektu: RNDr. M. Kopecký, Ph.D. Externí konzultant: M. Houska Počet řešitelů: 4-6 Řešitelé: tým ještě není kompletní Předpokládané

Více

Přínos k rozvoji klíčových kompetencí:

Přínos k rozvoji klíčových kompetencí: Střední škola hospodářská a lesnická, Frýdlant, Bělíkova 1387, příspěvková organizace Název modulu Informační a komunikační Kód modulu ICT-M-4/1-5 technologie Délka modulu 60 hodin Platnost 1.09.2010 Typ

Více

Investiční rozhodování, přehled metod a jejich využití v praxi

Investiční rozhodování, přehled metod a jejich využití v praxi PE 301 Eva Kislingerová Investiční rozhodování, přehled metod a jejich využití v praxi Eva Kislingerová 4-2 Struktura přednášky Základní pojmy NPV a její konkurenti Metoda doby splacení (The Payback Period)

Více

Předmluva 11 Typografická konvence použitá v knize 12

Předmluva 11 Typografická konvence použitá v knize 12 Obsah Předmluva 11 Typografická konvence použitá v knize 12 Kapitola 1 Modelování, simulace a analýza za použití Excelu 13 Modelování 13 Tabulkový model 15 Netabulkový model 17 Simulace 18 Analýza 19 Nástroje

Více

Zaměření IT Podnikání v IT

Zaměření IT Podnikání v IT Zaměření IT Podnikání v IT Nové zaměření Podnikání v IT VOŠ 11. září 2014 Autor: Mgr. Pavel Anderle Zaměření IT Podnikání v IT Nové zaměření Podnikání v IT Předpokládané uplatnění studenta Podnikání v

Více

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce

Více

Algebra blokových schémat Osnova kurzu

Algebra blokových schémat Osnova kurzu Osnova kurzu 1) Základní pojmy; algoritmizace úlohy 2) Teorie logického řízení 3) Fuzzy logika 4) Algebra blokových schémat 5) Vlastnosti členů regulačních obvodů Automatizace - Ing. J. Šípal, PhD 1 Osnova

Více

Procesní řízení. Hlavní zásady a praxe dodavatele Komix

Procesní 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

Více

Jan Horák. Pilíře řešení

Jan Horák. Pilíře řešení Jan Horák Pilíře řešení Nová generace systémů Důsledek rozvoje a změn informatiky ve zdravotnictví: Nové technologie Výkonnost, mobilita, velikost monitorů, dotykové ovládání, vzdálené přístupy Nové možnosti

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

NÁVRH A REALIZACE TRADING STRATEGIÍ NA BÁZI STROJOVÉHO UČENÍ S POMOCÍ MATLABU

NÁVRH A REALIZACE TRADING STRATEGIÍ NA BÁZI STROJOVÉHO UČENÍ S POMOCÍ MATLABU NÁVRH A REALIZACE TRADING STRATEGIÍ NA BÁZI STROJOVÉHO UČENÍ S POMOCÍ MATLABU RNDr. Miroslav Pavelka, PhD m.pavelka@sh.cvut.cz Ing. Jan Hovad jan@hovad.cz OBSAH Obchodování a strojové učení Specifika prediktivního

Více

Projektové řízení. Ing. Miroslav Žilka, Ph.D.

Projektové řízení. Ing. Miroslav Žilka, Ph.D. Projektové řízení Ing. Miroslav Žilka, Ph.D. Týmová spolupráce Prezentační dovednosti Kreativita Projekt REHP Kalkulace nákladů Přesvědčivost Rozpočet TE hodnocení projektů Diplomacie Zásady projektového

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

Více

Bezpečnostní politika společnosti synlab czech s.r.o.

Bezpečnostní politika společnosti synlab czech s.r.o. Bezpečnostní politika společnosti synlab czech s.r.o. Platnost dokumentu: 14. ledna 2015 Datum vypracování: 8. ledna 2015 Datum schválení: 13. ledna 2015 Vypracoval: Schválil: Bc. Adéla Wosková, Ing. Jaroslav

Více

Trendy v (mobilní) Business Inteligence v ČR dotazníkové šetření

Trendy v (mobilní) Business Inteligence v ČR dotazníkové šetření Trendy v (mobilní) Business Inteligence v ČR dotazníkové šetření Vytvořil: Distribuce dokumentu: Česká asociace pro finanční řízení Controller Institut elektronicky na finanční a controllingové specialisty

Více

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů. Modely datové Existují různé úrovně pohledu na data. Nejvyšší úroveň je úroveň, která zachycuje pouze vztahy a struktury dat samotných. Konceptuální model - E-R model. Další úrovní je logická úroveň Databázové

Více

Majetková a kapitálová struktura firmy

Majetková a kapitálová struktura firmy ČVUT v Praze fakulta elektrotechnická Katedra ekonomiky, manažerství a humanitních věd Majetková a kapitálová struktura firmy Podnikový management - X16PMA Doc. Ing. Jiří Vašíček, CSc. Podnikový management

Více

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci ERP Taktická Operativní Kategorie ERP - zaměřeno na

Více

Simulace procesů pomocí Witness Visio Simulation Solution ve výuce

Simulace procesů pomocí Witness Visio Simulation Solution ve výuce Simulace procesů pomocí Witness Visio Simulation Solution ve výuce Zdeňka Videcká 1, Vladimír Bartošek 2 Anotace Jednou ze základních znalostí studentů je schopnost analyzovat, modelovat a efektivně řídit

Více

Příklad dobré praxe VII

Příklad dobré praxe VII Projekt Další vzdělávání pedagogických pracovníků středních škol v oblasti kariérového poradenství CZ 1.07/1.3.00/08.0181 Příklad dobré praxe VII pro průřezové téma Člověk a svět práce Mgr. Miroslav Široký

Více

Jak má vypadat dobrý hydraulický model

Jak má vypadat dobrý hydraulický model Jak má vypadat dobrý hydraulický model Lubomír Macek Aquion s.r.o., Dělnická 38, 170 00 Praha 7, lubomír.macek@aquion.cz Abstrakt Využití hydraulických modelů vodovodů v praxi může pomoci uživateli při

Více

MANAŽERSKÉ INFORMAČNÍ SYSTÉMY 21. STOLETÍ

MANAŽERSKÉ INFORMAČNÍ SYSTÉMY 21. STOLETÍ MANAŽERSKÉ INFORMAČNÍ SYSTÉMY 21. STOLETÍ Zdeněk Pezlar Ústav informatiky, Provozně ekonomická fakulta, MZLU v Brně, Zemědělská 5, 613 00 Brno, e-mail:pezlar@mendelu.cz Abstrakt Příspěvek shrnuje poznatky

Více

Market Intelligence Cesta k poznání trhu

Market Intelligence Cesta k poznání trhu Market Intelligence Cesta k poznání trhu Petr Šmíd, Consulting České spořitelny, a.s. smid@consultingcs.cz INSOURCE 2008:Konference o profesionálních informačních zdrojích pro obchod, management, marketing

Více

Marketingový informační systém

Marketingový informační systém Marketingový informační systém Vazba mezi MIS a marketingovým výzkumem. Algoritmus MV. Ing. Lucie Vokáčov ová, vokacova@pef.czu.cz Marketingový informační systém MIS zahrnuje pracovníky, zařízení a informační

Více

Ing. Jiří Fejfar, Ph.D. Geo-informační systémy

Ing. Jiří Fejfar, Ph.D. Geo-informační systémy Ing. Jiří Fejfar, Ph.D. Geo-informační systémy Definice, budování a život GIS Kapitola 1: Vztahy strana 2 Data, informace, IS, GIS Kapitola 1: Vztahy strana 3 Rozhodnutí Znalosti Znalostní systémy. Informace

Více

Expresní analýza PLM. jako efektivní start implementace PLM. www.technodat.cz. jindrich.vitu@technodat.cz

Expresní analýza PLM. jako efektivní start implementace PLM. www.technodat.cz. jindrich.vitu@technodat.cz jako efektivní start implementace PLM www.technodat.cz jindrich.vitu@technodat.cz 1 úvod: definice, cíl a výstup analýzy 2 etapy expresní analýzy PLM 3 sběr dat a podkladů a jejich analýza 4 dokument Expresní

Více

MS Project jako nástroj pro analýzu spolehlivosti

MS Project jako nástroj pro analýzu spolehlivosti MS Project jako nástroj pro analýzu spolehlivosti Petr Kolář 1. Představení aplikace MS Project Manažeři, kteří koordinují plánování, průběh a hodnocení libovolných projektů, jsou nuceni pracovat s velkým

Více

Záznam dat Úvod Záznam dat zahrnuje tři základní funkce: Záznam dat v prostředí třídy Záznam dat s MINDSTORMS NXT

Záznam dat Úvod Záznam dat zahrnuje tři základní funkce: Záznam dat v prostředí třídy Záznam dat s MINDSTORMS NXT Úvod Záznam dat umožňuje sběr, ukládání a analýzu údajů ze senzorů. Záznamem dat monitorujeme události a procesy po dobu práce se senzory připojenými k počítači prostřednictvím zařízení jakým je NXT kostka.

Více

Finanční řízení podniku

Finanční řízení podniku Finanční řízení podniku Finance podniku úzce navazují a vycházejí z: - Podnikové ekonomiky - Finančního účetnictví - Manažerského účetnictví - Marketingu Dále využívají poznatky a metody: - Statistky a

Více

AristoTelos Systém pro optimalizaci a řízení lidských zdrojů

AristoTelos Systém pro optimalizaci a řízení lidských zdrojů AristoTelos Systém pro optimalizaci a řízení lidských zdrojů AristoTelos The Workforce Management System Workforce management systém AristoTelos AristoTelos je softwarové řešení pro optimalizaci a řízení

Více

Financování a ekonomické řízení

Financování a ekonomické řízení Financování a ekonomické řízení Principy a pravidly finančního řízení Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu

Více

Bakalářský studijní obor informatika

Bakalářský studijní obor informatika Bakalářský studijní obor informatika Předpoklady Struktura studia Přihlášky Poradenství Vzdělání v bakalářském oboru informatika nabízeném na Technické univerzitě v Chemnitz představuje vyvážený kompromis

Více

Řízení výkonnosti nemovitostního portfolia. Integrační platforma innosys. Květen 2014

Řízení výkonnosti nemovitostního portfolia. Integrační platforma innosys. Květen 2014 Řízení výkonnosti nemovitostního portfolia Integrační platforma innosys Květen 2014 Technologické trendy 2014 Narušitelé zavedených postupů Kognitivní analýza Industrializace zdrojů mas Blízká setkávání

Více

ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE

ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE Projekt: ŘEŠENÍ PROJEKTOVÝCH ÚLOH S MODELOVÁNÍM A SIMULACÍ ZAŘÍZENÍ A PROCESŮ VE VÝUCE Úvodní seminář SOUHRNNÉ INFORMACE O PROJEKTU Název operačního programu: Vzdělávání pro konkurenceschopnost Název prioritní

Více

MĚSTSKÝ ROK INFORMATIKY

MĚSTSKÝ ROK INFORMATIKY MĚSTSKÝ ROK INFORMATIKY Informační strategie města Plzně a architektura Informačního systému města Plzně -ISMP Ing. Stanislav Brož Ing. Josef Míka Správa informačních technologií města Plzně Informační

Více

Centrum pro rozvoj dopravních systémů

Centrum pro rozvoj dopravních systémů Centrum pro rozvoj dopravních systémů SMART CITY VŠB - TU Ostrava Září 2013 Témata 1. Představení centra RODOS 2. První výstupy centra RODOS pilotně provozované systémy Centrum pro rozvoj dopravních systémů

Více

Chyby spektrometrických metod

Chyby spektrometrických metod Chyby spektrometrických metod Náhodné Soustavné Hrubé Správnost výsledku Přesnost výsledku Reprodukovatelnost Opakovatelnost Charakteristiky stanovení 1. Citlivost metody - směrnice kalibrační křivky 2.

Více

SEMINÁŘ 4 UPLATNĚNÍ ZÁSADY HODNOTY ZA PENÍZE V INVESTIČNÍM CYKLU PROJEKTŮ DOPRAVNÍ INFRASTRUKTURY

SEMINÁŘ 4 UPLATNĚNÍ ZÁSADY HODNOTY ZA PENÍZE V INVESTIČNÍM CYKLU PROJEKTŮ DOPRAVNÍ INFRASTRUKTURY SEMINÁŘ 4 UPLATNĚNÍ ZÁSADY HODNOTY ZA PENÍZE V INVESTIČNÍM CYKLU PROJEKTŮ DOPRAVNÍ INFRASTRUKTURY Část 4: Využití nástroje HDM-4 pro hodnocení silničních staveb v ČR Softwarový nástroj HDM-4 a metodika

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

Podnik jako živý organismus - konkurenční výhoda. Ing. Olga Girstlová Víceprezidentka a generální ředitelka skupiny GiTy

Podnik jako živý organismus - konkurenční výhoda. Ing. Olga Girstlová Víceprezidentka a generální ředitelka skupiny GiTy Podnik jako živý organismus - konkurenční výhoda Ing. Olga Girstlová Víceprezidentka a generální ředitelka skupiny GiTy PODNIKATEL Vytváří podnikatelský model v daném oboru podnikání Definuje svého zákazníka

Více

Norma pro úpravu písemností. Výběrové řízení - příprava a organizace. Formální stránka obchodní korespondence. Tématické celky: Tématické celky:

Norma pro úpravu písemností. Výběrové řízení - příprava a organizace. Formální stránka obchodní korespondence. Tématické celky: Tématické celky: Norma pro úpravu písemností Kurz je určen pro každého, kdo vytváří dokumenty a korespondenci. V rámci kurzu se seznámí se základními pravidly pro úpravu písemností, což mu umožní vytvářet dokumenty, které

Více

Operační program Praha Adaptabilita spolufinancuje Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti

Operační program Praha Adaptabilita spolufinancuje Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti Příloha č. 2 Zadávací dokumentace Podrobná specifikace předmětu plnění SPECIFIKACE PŘEDMĚTU I. ČÁSTI VEŘEJNÉ ZAKÁZKY ROZVOJ OSOBNOSTNÍCH A IT DOVEDNOSTÍ Místo konání prostory dodavatele Náplní této aktivity

Více

Základy teorie finančních investic

Základy teorie finančních investic Ing. Martin Širůček, Ph.D. Katedra financí a účetnictví sirucek.martin@svse.cz sirucek@gmail.com Základy teorie finančních investic strana 2 Úvod do teorie investic Pojem investice Rozdělení investic a)

Více

Základní práce v souborovém manažeru

Základní práce v souborovém manažeru Základní práce v souborovém manažeru 18-20-M/01 Informační technologie Základní pojmy a prostředky pro programování webových stránek Zvládnutí nástrojů typických pro programování webových aplikací Základní

Více

Helios Easy. integrované řešení pro řízení

Helios Easy. integrované řešení pro řízení integrované řešení pro řízení Skupina ASSECO je jedním z nejvýznamnějších softwarových domů ve střední Evropě. Chcete držet své náklady více pod kontrolou? Potřebujete, aby vaše investice měly rychlou

Více

SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ

SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ Distanční studijní opora Karel Skokan František Huňka Karviná 2012 Projekt OP VK 2.2 (CZ.1.07/2.2.00/15.0176)

Více

Návrh systému řízení

Návrh systému řízení Návrh systému řízení Jelikož popisované ostrovní systémy využívají zdroje elektrické energie s nestabilní dodávkou elektrické energie, jsou kladeny vysoké nároky na řídicí systém celého ostrovního systému.

Více

Manažerská ekonomika

Manažerská ekonomika PODNIKOVÝ MANAGEMENT (zkouška č. 12) Cíl předmětu Získat znalosti zákonitostí úspěšného řízení organizace a přehled o současné teorii a praxi managementu. Seznámit se s moderními manažerskými metodami

Více

MARKETINGOVÝ INFORMAČNÍ SYSTÉM

MARKETINGOVÝ INFORMAČNÍ SYSTÉM MARKETINGOVÝ INFORMAČNÍ SYSTÉM Proč je nutná existence MIS ve firmě? Firmy přechází od místního k celonárodnímu a ke globálnímu marketingu změna orientace od zákaznických potřeb k zák. přáním / stále vybíravější

Více