KOMIX NOVINY 2012/2013

Rozměr: px
Začít zobrazení ze stránky:

Download "KOMIX NOVINY 2012/2013"

Transkript

1 KOMIX NOVINY 2012/2013 Vážení čtenáři, KOMIX byl založen v září 1992 a v době, kdy píši tento úvodník, dovršil 20 let svého působení na trhu IT. Ze skupinky programátorů, která založila softwarovou firmičku s tím, že když se to nepodaří rozběhnout, nechají se zaměstnat těmi lepšími, se stala firma s více než 100 zaměstnanci. Obsah Za tu dobu se nám podařilo být u řady historických změn vyprovázeli jsme stařičký mainframe na Generálním ředitelství cel do zaslouženého důchodu a postavili statistiku zahraničního obchodu na unixovém stroji od firmy IBM a s využitím databázového systému Informix. Pomáhali jsme napojovat celníky do Evropské Unie, naši republiku do Schengenu, byli jsme u začátků zdravotního pojištění v naší republice, u nových řidičáků, biometrických pasů, nových občanských průkazů, nového systému pro matriky, nemocenskou nebo sčítání obyvatel. Pomáhali jsme vytvořit logistický systém pro Ministerstvo obrany. Chtěl bych na tomto místě poděkovat společnostem ATOS, HP, IBM a STC, které nás jako svého partnera k řadě zde zmíněných projektů přizvaly. V komerčním sektoru jsme měli tu čest být třeba u budování mobilní sítě Eurotelu, náš první velký zátěžový test jsme dělali pro Český Telecom, když měnil verzi SAPu, vytvářeli jsme faktoringový systém pro ŠkoFIN, měli jsme řadu projektů pro pojišťovny a banky a zanechali jsme své stopy i v retailu, televizi NOVA a u řady dalších zákazníků. Vždy jsme se snažili pracovat se špičkovými technologiemi. V začátcích firmy jsme se zaměřili na unixové systémy s databází Informix a naši informixoví specialisté byli a jsou jedni z nejlepších na trhu. Jak jsme rostli, museli jsme pokrýt i další nosné softwarové technologie společností IBM, Oracle nebo Microsoft. Jsme schopni pracovat na hardwarových platformách všech velkých hráčů IBM, HP, SUN (nyní Oracle), Fujitsu nebo Dell. Do České republiky jsme přinesli řadu špičkových technologií v počátcích firmy třeba CASE systémy firmy Westmount nebo Select, později testovací nástroje Mercury (dnes HP), monitorovací nástroj Wili (dnes CA), systém pro řízení projektových portfolií a řízení kapacit CLARITY společnosti Niku (dnes CA) nebo nástroj pro řízení požadavků DOORS (dnes IBM), před nedávnem QlikView společnosti QlikTech, která stále na burze roste, v Gartnerových kvadrantech stoupá a zatím nepodlehla akvizičnímu lákání. IT je velice dynamická disciplína a z minulosti se žít nedá. Proto se snažíme sledovat trendy na trhu a držet si pověst firmy, která zná moderní technologie a umí je aplikovat. Jsme přesvědčeni, že právě informační technologie velice výrazně mění život lidí a my jsme připraveni ve spolupráci s Vámi k takovým změnám přispívat. Toto své přesvědčení jsme se pokusili vyjádřit heslem Dáváme technologiím smysl. Chceme účastí v projektech zaměřených na egovernment nebo ehealth přispět k tomu, aby tato země měla co nejlevnější a efektivní veřejnou správu, aby se nám všem v ní dobře žilo (nebo alespoň pohodlně komunikovalo se státní správou nebo lékaři, ony ty IT technologie všechno nevyřeší). Chceme privátním subjektům pomáhat s rozvojem jejich obchodních aktivit, se zefektivňováním provozu nebo řízením firem. Víme, že se naši zákazníci chtějí věnovat hlavně svému businessu a starosti s IT rádi nechají někomu jinému. My chceme být trochu více než jen spolehlivá softwarová dílna s dobrými specialisty. Chceme s Vámi řešit Vaše problémy ve chvíli, kdy vznikají, a co více, jsme připraveni s Vámi vytvářet prostředí, kde se potenciálním problémům předchází. Vytvářet systémy, které rozpoznávají události a samy volí způsob jejich řešení, systémy, které Vám připraví informace pro strategické rozhodování. Úvodník... 1 KWH zeštíhlovací kůra s CloverETL... 2 Manažerský informační systém pomáhá provést Zdravotní pojišťovnu ministerstva vnitra bouřlivými vodami... 4 DATA MINING příklad shlukové analýzy... 5 SDMT zpracování dat s velmi složitou strukturou... 6 Jak měřit kvalitu a produktivitu analýzy?... 9 Naše stopa v historii ČR...12 Manažerský systém v předním dřevařském podniku AGROP NOVA a.s Unit testy...16 Aplikační portál OZP on-line v roce Jsou databáze stále moderní?...20 Úspěšná recertifikace systému environmentálního řízení a bezpečnosti práce...21 Vtipy, sudoku...23 Proto posilujeme své schopnosti pracovat jako konzultanti. Ovšem stále si chceme zachovat schopnost to, co zákazníkovi radíme, zrealizovat. Proti typické konzultační společnosti, která končí svou misi řadou doporučení, se odlišujeme tím, že naše doporučení zákazníkovi i zrealizujeme a tedy na sebe bereme podstatně vyšší míru zodpovědnosti za výsledek. V novinách, které právě držíte v ruce, se dočtete, čím se v současnosti zabýváme, na čem pracujeme, a doufám, že zde najdete řadu užitečných informací pro sebe. Přeji Vám, abyste dokázali i v této nelehké době plnit svá předsevzetí a cíle. Petr Kučera

2 KWH zeštíhlovací kůra s CloverETL V hloubi 90-tých let minulého století, v době, kdy se pojem datový sklad vyskytoval převážně jen v akademické literatuře, jsme pro Českou správu sociálního zabezpečení vyvinuli systém KWH (Komix Warehouse) pro výpočet statistik důchodů a důchodců čísla, která mají zásadní vliv na makroekonomiku našeho státu. Systém KWH byl koncipován jako vícevrstvý systém implementující ROLAP principy. KWH implementoval všechny v současné době používané vrstvy a komponenty datového skladu a implementován byl jako proprietární řešení v prostředí Unix/Informix/ESQL-C pro serverovou část a v prostředí VisualC++ a VisualBasic pro klientskou prezentační část. Z hlediska složitosti byla stěžejní částí vstupní datová pumpa, která přebírala změnová data vygenerovaná z provozního systému ČSSZ ve formě textových souborů a na základě velmi složitých pravidel je promítala do normalizované relační databáze v KWH. KWH celkově představoval poměrně složitý komplex různých komponent, skriptů, metadat atd., který od svého spuštění prošel jen minimem úprav, z nichž největší bylo povýšení verze databázového stroje Informix a změna operačního systému z HP-UX na Solaris. Zjednodušený popis architektury původního řešení znázorňuje Obrázek 1. Po úctyhodných 16-ti letech provozu byla požadována další technologická změna, tentokrát přechod z databáze Informix na Oracle. Plánování změny Při plánování požadované změny jsme zvažovali 2 základní možnosti. Provést skutečně pouze změnu technologie a rozsáhlé části kódu aplikace vytvořené v technologii Informix/ESQL-C mechanicky přepsat do technologie Oracle Pro*C, tedy se zachováním již zastaralé a poměrně složité architektury, nebo zásadním způsobem modernizovat použité technologie, které následně umožní výrazně zjednodušit celkovou architekturu systému a v důsledku i jeho obsluhu a správu. V tomto případě by však bylo nutné prakticky znovu vytvořit celou logiku aplikace, zejména její nejsložitější vstupní část. První varianta byla sice hodně pracná, z projektového hlediska však byla poměrně dobře odhadnutelná, tudíž málo riziková. Z dlouhodobého hlediska však nepřinášela žádné další výhody, např. v podobě zjednodušení správy, usnadnění případných budoucích změn technologie atd. Naproti tomu druhá varianta představovala poměrně značná rizika zejména kvůli neschopnosti přesně odhadnout pracnost a dobu implementace, nedostatku zkušeností vývojového týmu s novými technologiemi a nutnosti dobře pochopit všechna business pravidla systému a implementovat je jiným způsobem. Kromě mnohem zábavnější práce však tato varianta skýtala i další výhody do budoucna, zejména podstatné zjednodušení obsluhy a údržby systému a získání nové kompetence vývojového týmu. Nástin architektury nového systému znázorňuje Obrázek 2, je na něm jasně patrné výrazné zjednodušení oproti původnímu stavu. Po zvážení jednotlivých variant jsme se nakonec vydali náročnější cestou modernizace celého systému. Pro implementaci jednotlivých komponent jsme zvolili následující technologie: CloverETL pro datové transformace, Java pro pomocné aplikace s GUI, QlikView a MS Excel pro prezentační vrstvu. V tomto článku se budeme věnovat hlavně implementaci datové transformace v nástroji CloverETL. Obrázek 1 Architektura stávajícího stavu Postup práce Jelikož jsme sami neměli dostatek zkušeností s návrhem složitějších řešení v CloverETL, požádali jsme o spolupráci tvůrce tohoto produktu. Experti z Javlinu se zúčastnili nejprve úvodního odhadu pracnosti celého řešení, dále pak úvodní fáze vývoje, kdy bylo potřeba položit základy řešení. Jak se poměrně záhy ukázalo, implementace vstupní pumpy (IDA) byla mnohem složitějším problémem, než se zdálo v době plánování. Prvním důvodem bylo mnohem pomalejší seznamování vývojového týmu s novou technologií, než jsme předpokládali. Nakonec se ale vývojový tým zapracoval a práce probíhala podle očekávání. 2

3 Přestože jsme pro implementaci nové datové pumpy použili úplně jinou technologii, která si vyžádala často odlišné postupy zpracování dat, podařilo se nám při zpracování standardních měsíčních vstupních souborů o velikosti cca tisíc vět dosáhnout rozdílu pouze desítek až stovek vět mezi obsahem databáze původní a nové aplikace. Tedy cca 0,1 % a i z tohoto počtu je značná část rozdílů způsobena tím, že nové řešení vytváří správnější výsledky než staré řešení. Doplňkové porovnání obsahu databáze původní a nové aplikace nám zároveň dobře posloužilo jako průkazný podklad pro předávací a akceptační řízení, který zákazníkovi poskytl mnohem větší jistotu, že nové řešení je plně funkční, oproti ad- -hoc porovnávání finálních uživatelských výstupů obou aplikací a navíc za řádově kratší čas. Nám jako dodavateli tento přístup přinesl průkazné a přesně dokumentované zhodnocení kvality vytvořeného díla a samozřejmě podstatné zkrácení a zjednodušení předávacího a akceptačního procesu. Vážnějším problémem bylo, že charakter a složitost implementované datové pumpy se do značné míry vymykala modelu typického ETL procesu, na který jsou ETL nástroje stavěné a který oslovení experti znali. Začátek procesu budování nové datové pumpy tak poznamenalo objevování slepých uliček. Ve spolupráci s kolegy z Javlinu i sami jsme vymýšleli různé možnosti jak vůbec danou problematiku v ETL technologii implementovat, abychom je pak často částečně nebo i úplně zavrhovali kvůli tomu, že dané řešení neposkytovalo dostatečnou výkonnost nebo kvůli tomu, že výsledný ETL proces byl příliš složitý a v praxi neodladitelný a neudržovatelný. O složitosti tohoto procesu svědčí i to, že se nám podařilo objevit v použitém ETL nástroji několik chyb, kterým se ale kolegové z Javlinu promptně věnovali a většinou je rychle odstranili. Obrázek 2 Architektura cílového stavu než jsme v počátku předpokládali. Naštěstí nám v této oblasti velmi pomohl zase ETL nástroj, když jsme v něm jako vedlejší produkt jednoduše a rychle implementovali přehledné porovnávání obsahu původní a nové aplikace, přelévání dat mezi nimi, což se stalo neodmyslitelným základem procesu ladění. Závěr Redesign KWH byl pro nás pilotním použitím nástroje CloverETL a ETL technologie vůbec na projektu reálného života. Byla to do značné míry zkouška ohněm, ale podařilo se nám ji úspěšně zvládnout a kromě povinné téměř absolutní shody výstupů nové aplikace se starou se nám podařilo dosáhnout hlavních očekávaných atributů, tedy: zjednodušení architektury, zjednodušení obsluhy a údržby, zrychlení zpracování na stejném HW, získání cenné zkušenosti pro vývojový tým. Kromě těchto materiálních statků se nám ještě podařilo dosáhnout také z hlediska vývojáře významného duševního statku, když jsme se vyhnuli poměrně nezáživné až otravné práci v podobě tupého přepisování starého kódu. Jan Vrána Díky ETL technologii byla implementace změn většinou poměrně jednoduchá, rychlá a bez zbytečných chyb. Po několika iteracích se nám podařilo najít elegantní cestu, jak předmětnou datovou pumpu realizovat tak, aby byla přehledná, výkonná a zároveň udržovatelná. Hlavní část ETL procesu pro datovou pumpu je znázorněna na Obrázku 3. Když jsme měli nalezenu uspokojivou cestu nebo kostru řešení, zbývalo už jen ji naplnit požadovanou funkčností (jednotlivými validacemi, operacemi pro vkládání dat do databáze, atd.) a tu pak ještě otestovat a odladit. Vyvinutí funkčnosti bylo díky zvolenému řešení poměrně jednoduché a rychlé. Následné ladění ale bylo vzhledem ke komplikovanosti problematiky výrazně delší, Obrázek 3 ETL proces datové pumpy 3

4 Manažerský informační systém pomáhá provést Zdravotní pojišťovnu ministerstva vnitra bouřlivými vodami... Spolehlivě předpovídat budoucnost je nemožné, ale ti, kdo vnímají lépe vazby a složitosti současné situace, se dovedou snadněji rozhodovat a odhadovat budoucí vývoj. Úkolem manažerů každé společnosti je co nejlépe posoudit současný stav a pozici podniku na trhu, jeho příležitosti a hrozby. Každá velká změna je signalizována příznaky, které ji předcházejí. Hodnota včasné informace pak spočívá v tom, že vedení má dostatečný čas k přijetí patřičných rozhodnutí o adekvátní reakci na signalizovanou změnu. Charakteristika zákazníka Zdravotní pojišťovna ministerstva vnitra ČR (ZP MV ČR), založená v roce 1992, je s 1,2 miliony pojištěnců největší zaměstnaneckou zdravotní pojišťovnou v ČR. Má rozsáhlou síť více než smluvních zdravotnických zařízení po celé ČR, díky nimž zajišťuje svým pojištěncům kvalitní, dostupnou a moderní zdravotní péči. V posledních letech výrazně podporuje prevenci a zdravý životní styl prostřednictvím projektu Zdraví jako vášeň s Pavlem Křížem. Od září roku 2009 ZP MV ČR svým klientům nabízí unikátní elektronický produkt Karta života, jejíž součástí je mj. i osobní účet klienta s údaji o výdajích na zdravotní péči za poslední tři roky. Karta života je klientům k dispozici po zadání PIN a hesla na internetu a od roku 2011 i na chytrém telefonu. Údaje z ní mohou klienti získat na svůj mobil i prostřednictvím SMS zprávy. Výchozí situace zákazníka Sílící konkurenční tlaky v systému zdravotního pojištění ČR v druhé polovině devadesátých let přiměly ZP MV ČR hledat dostatečně kvalitní, přesný a komplexní nástroj k získávání, analýze a reportování dat zejména z oblasti zdravotní péče, financí a procesů významných pro zajištění kvalitních služeb svým pojištěncům, pro optimalizaci obchodních vztahů se smluvními zdravotnickými zařízeními a pro zvyšování efektivity a konkurenceschopnosti podnikání ZP MV ČR a její schopnosti rychle a flexibilně reagovat na změny vnitřního a vnějšího prostředí. Naše řešení Společnost KOMIX byla pro ZP MV ČR zajímavá svými specifickými znalostmi podnikání zdravotní pojišťovny, získanými během více než pětileté spolupráce s Oborovou zdravotní pojišťovnou (OZP). V roce 2001 byl spuštěn společný projekt DAPO vytváření a rozvoj datového portálu. Rozsah služeb poskytovaných společností KOMIX se neomezil na dodání hotového nástroje, ale obsahoval i aktivní účast na návrhu celého systému včetně koncepce a obsahu generovaných reportů. Systém DAPO integruje informace z provozních systémů, zpracovává stanovený reporting a poskytuje nástroje pro zpracování ad-hoc dotazů. Údaje jsou dle stupně oprávnění poskytovány pracovníkům pojišťovny na intranetu v prostředí portálu. DAPO zpracovává a kombinuje informace z oblasti zdravotního pojištění i z oblasti účetnictví a díky portálovému řešení umožňuje i začlenění dalších informačních systémů. V prostředí portálu je rovněž vybudováno Call Centrum. V první verzi byl datový portál postaven na technologii společnosti MicroStrategy. Projekt se úspěšně rozvíjel a během následujících let byla vytvořena řada datových skladů a datových tržišť. I když datový portál ZP MV ČR představoval ve své době moderní a mocný nástroj pro podporu řízení, byl zde prostor ke zlepšení: jakékoliv úpravy definovaných výkazů vyžadovaly zapojení specialistů IT a uživatelé se také často potýkali s nepříjemně dlouhými odezvami systému. To byla tehdy ovšem standardní situace všech řešení Business Intelligence. Roku 2008 přišla společnost KOMIX s námětem vylepšení systému na bázi zajímavého produktu QlikView a nové technologie IMA In Memory Analysis. Tato technologie řeší problém dlouhých odezev pramenící z nutnosti neustálé komunikace s databázovými servery, kde jsou uložena jak zdrojová data, tak informace o struktuře datového skladu. QlikView ukládá data v komprimované podobě do operační paměti a díky patentované asociativní technologii je schopno výrazně zkrátit doby odezev třeba místo 10 minut na jednotky vteřin. ZP MV ČR byla jedním z prvních zákazníků, u něhož byl produkt QlikView na tak velká data nasazen. Prvním realizovaným projektem byl převod datového tržiště Kmen pojištěnců. I u zákazníka se plně potvrdily již otestované vlastnosti, zejména pak zkrácení doby odezvy z minutových časů na odezvy v podstatě okamžité, či maximálně několikavteřinové. Po úspěšném ověření pak bylo rozhodnuto převést k začátku roku 2010 do prostředí QlikView celé stávající řešení. Vysoký komfort práce pro koncového uživatele se logicky projevil i v počtu koncových uživatelů. Po přechodu celého řešení se počet koncových uživatelů navýšil z cca 15 na více než 100 a dále narůstá. Nezanedbatelnou výhodou pro zákazníka je také skutečnost, že koncoví uživatelé systému nyní pracují s aplikacemi zcela intuitivně a nevyžadují žádná speciální školení. Podstatným způsobem klesly požadavky na vytváření reportů či ad hoc analýz specialisty IT. Uživatelé jsou schopni si potřebné analýzy dělat sami. Hodnocení přínos pro zákazníka Analytické informace o aktuální situaci i trendech ve všech významných oblastech podnikání ZP MV ČR nejsou dnes výsadou několika jedinců ve vedení či ve specializovaných útvarech, ale jsou dostupné všem zaměstnancům, kteří je potřebují pro svoji práci. To umožňuje jak rychlejší, kvalitnější a operativnější rozhodování na všech úrovních řízení, tak i lepší komunikaci mezi vedením společnosti a jejími zaměstnanci. Použitá technologie podporuje delegování některých rozhodnutí z úrovně vrcholového vedení na střední management v duchu nejmodernějších trendů v řízení organizací (každý pracovník v organizaci má k dispozici informace, které potřebuje ke svému rozhodování). ZP MV ČR je dnes dle publikovaných finančních i výkonnostních parametrů jedna z nejlépe hodnocených zdravotních pojišťoven ČR, která se díky kvalitnímu řízení velice dobře vypořádává s náročnými situacemi a požadavky, jimž v turbulentním prostředí českého zdravotnictví posledních let musí čelit. Výsledky hospodaření ZP MV ČR dokazují, že její ekonomická situace je dlouhodobě stabilní. Lékaři a zdravotnická zařízení řadí ZP MV ČR k nejspolehlivějším zdravotním pojišťovnám s komplexními, kvalitními a flexibilními službami a velmi dobrou platební disciplínou. A svou zásluhu na těchto výsledcích ZP MV ČR má i manažerský informační systém, vyvíjený společností KOMIX. Hynek Krátký 4

5 DATA MINING příklad shlukové analýzy... Oblast data miningu (pokročilých analýz dat) bývá z vnějšího pohledu vnímána jako oblast téměř hermetických tajemství. V tomto článku chci názorně ukázat jednu konkrétní analytickou techniku, kterou data miningové nástroje využívají. Jde o techniku shlukování (angl. clustering), kterou se v množině analyzovaných objektů v komerční sféře nejčastěji v množině zákazníků hledají podskupiny, které jsou si svými charakteristikami podobné. Technik shlukování se využívá celá řada, v tomto článku budu ilustrovat, jak pracuje asi nejrozšířenější a nejnázornější z nich, tzv. shlukování K-means. Výchozí situace Představme si, že máme k dispozici o každém zákazníkovi dva údaje: jeho věk a výšku. Množinu zákazníků můžeme graficky znázornit například tak, jak je uvedeno na Obrázku 1. č. 2 je již toto rozdělení znázorněno přerušovanými čárami. V prvém kroku se tak ovšem zdaleka nemusí podařit rozdělit všechny body optimálně. Bod označený čtverečkem by opticky viděno měl spíše patřit ke shluku nižší mladší než k shluku vyšší, ke kterému ho takovéto matematické rozdělení v tomto kroku přiřadilo. Pokud nicméně provedeme již popsaný postup s posunem semínek do těžiště jim nejbližších bodů, situace se změní. Obrázek 4 Nové hranice shluků po posunu semínek Obrázek 1 Grafické znázornění výchozích dat o zákaznících Našim úkolem je tedy najít zákazníky, kteří jsou si blízko v tom smyslu, že mají podobné hodnoty věku a/nebo výšky. V našem případě to není těžké udělat náhledem bez jakékoli matematiky zdá se, že z grafického znázornění můžeme najít tři skupiny: nižší věk i výška, vyšší se středním věkem a konečně skupinu s vyšším věkem. Obrázek 2 Náhodně zvolená semínka středů předpokládaných shluků Uvedený postup se nyní může iterativně opakovat a může být ukončen tehdy, jestliže již posuny těžišť jsou podle nějakého kritéria velmi krátké. Výsledkem iterativního posouvání centroidů jsou hodnoty věku a výšky, které tvoří průměrné hodnoty všech prvků, které do daného shluku patří. Závěr Výše uvedený postup patří mezi ty nejzákladnější. Vzdálenost, která je mezi semínky a jednotlivými body měřena, jsme blíže nespecifikovali v našem přiblížení jsme ji počítali jako euklidovskou vzdálenost souřadnic, což ovšem není jediná možnost. Jak takovou věc ale algoritmizovat? Uvedená metoda K-means začíná ve své nejjednodušší podobě tak, že je předem stanoven počet shluků 1. Řekněme, že v našem případě využijeme předběžného náhledu a stanovíme počet shluků na tři. Algoritmické shlukování začneme tím, že do prostoru náhodně zasejeme tři semínka (angl. seeds), tedy tři dvojice hodnot věk výška, které budou představovat hypotetické středy tří budoucích shluků. Naše tři semínka prohlásíme za středy shluků, které hledáme. Víme ovšem, že kvůli náhodnosti jejich zvolení může toto být jen stěží na první pokus realitou. V dalším kroku uděláme následující výpočet: vezmeme každý z bodů výchozích dat, najdeme k němu nejbližší semínko a posuneme každé ze semínek náhodně zasetých v předchozím kroku do vypočteného těžiště z právě těch bodů, které jsou danému původnímu semínku nejblíže. Na obrázku Obrázek 3 Nové středy shluků Vidíme, že nové středy shluků (angl. centroidy) označené křížky jsou již mnohem více tam, kde bychom je očekávali. Pokud bychom měřili vzdálenost bodů od nových těžišť nyní, rozdělení do shluků vyjde tak, jak je znázorněno na obrázku 4. Nyní vidíme, že dříve problematický bod označený čtverečkem je již přiřazen do shluku, kde bychom ho očekávali (nižší mladší). Podstatnější pro reálné aplikace shlukování ovšem je, že os, v jejichž rámci shlukování probíhá, bývá typicky mnohem více než dvě, kde je shlukování možné provést ručně bez podpory sofistikovanějších nástrojů. Častý počet proměnných, které do shlukování vstupují, je mezi deseti a dvaceti, leckdy i významně více. Jinou otázkou je, jaký počet shluků pro obchodní aplikace hledáme. Pro aplikace typu nalezni nejčastější typologie v množině zákazníků se obvykle počet shluků pohybuje mezi 5 a 15. Jinou možností je s pomocí algoritmu shlukování hledat nestandardní, minoritní vzorce chování, zejména pro účely detekce podvodů. V takovém případě se počty shluků často nastavují na několik desítek, počty případů v jednotlivých shlucích jsou tak menší, a určité shluky tak mohou obsahovat nestandardní, resp. potenciálně fraudulentní, chování. Základní výhodou techniky shlukování je, že umožní nalézt relativně malé množství typologií ve velkém množství dat. 5

6 Technika shlukování má ale i své nevýhody. Mezi hlavní nevýhody patří, že nalezené centroidy představují průměrnou hodnotu shluku. Kam ale zahrnout hraniční případy? Jestliže označíme shluk vlevo dole na našich obrázcích menší mladší či rovnou děti, patří tam skutečně případ označený čtverečkem, který je tam zařazen matematicky, ale ve skutečnosti spíše odpovídá střednímu věku? Takových a dalších okolností spojených s technikami shlukování bychom našli více, jejich řešení je pak věcí konkrétní aplikace. V každém případě patří (po predikčních technikách) shlukování k často používaným a užitečným technikám data miningu. 1 Existují velmi mnohé modifikace, které tento předpoklad nevyžadují, zde zůstáváme u jednoduchého příkladu. Poznámka: Obecnější popisy jsou dostupné (z pera autora např. starší články online: nebo ale pro nezasvěceného čtenáře příchuť neproniknutelného tajemství po přečtení nezmizí. Martin Šály SDMT zpracování dat s velmi složitou strukturou... Pod pojmem veliká nebo rozsáhlá data jsou většinou vnímána data velikého objemu s velikým počtem záznamů, jejichž zpracování klade vysoké nároky na paměť, disky a procesor. Před časem jsme byli konfrontováni s požadavkem, který, jak se ukázalo, vedl na systém s velmi vysokou datovou náročností, avšak v poněkud netradičním smyslu. Jednalo se o požadavek na vytvoření nástroje pro správu, vizualizaci a administraci nastavení telekomunikační sítě GSM dnešního operátora O2. Problematika GSM sítě GSM síť se skládá ze stovek technologických oblastí uspořádaných do desítek síťových elementů (ústředen, HLR, RNC, MGC, ISS, ) různých typů a složitosti. Každý síťový element má svou různě složitou vnitřní strukturu. Od jednoduchých opakovačů až po složité páteřní komunikační uzly. Jednotlivé uzly jsou spolu svázány vazbami různých úrovní a typů. Některé vazby mají přímo fyzickou podobu kabelů spojujících jednotlivá zařízení. Jiné vazby mají mnohem méně hmatatelnou podobu vzájemně si odpovídajícího nastavení příslušných parametrů svázaných uzlů. Toto nastavení přímo vyplývá ze struktury komunikačních uzlů. Některé části a parametry sítě mohou navíc mít jiný než přímo komunikační charakter. Část uzlů komunikační sítě se například zabývá evidencí uživatelů a tarifikací používání sítě, poskytováním dalších nadstavbových funkcí a služeb atd. Správa takové sítě spočívá v udržování a nastavování jednotlivých parametrů v příslušných komunikačních uzlech tak, aby síť jako celek vykazovala požadované vlastnosti (např. celkovou propustnost, odolnost vůči lokálním výpadkům, poskytování doplňkových služeb, atd.). Typickou administrační úlohou správy je například příprava sítě na plánovanou změnu rozložení zátěže přesměrováním části zátěže na méně zatížené uzly, rekonfigurace sítě při výpadku některých uzlů, začlenění nových uzlů do sítě nebo naopak, odebrání nepoužívaných nebo vadných uzlů ze sítě, změna způsobu adresování (číslování) koncových stanic, změna způsobu tarifikace používání sítě, zavedení nové služby do sítě atd. parametrů všech uzlů v síti a dohledáváním parametrů, jichž se bude daná změna týkat. To je práce velice náročná, ale hlavně neefektivní a je častým zdrojem chyb. V komerčním prostředí je obrovský tlak na jedné straně na pružnost, tj. na rychlost zavádění nových služeb sítě, a na druhé straně na zvyšování spolehlivosti sítě, protože každá minuta výpadku sítě přestavuje obrovské přímé ztráty v podobě ušlého zisku a ještě větší ztráty v podobě poškození dobrého jména operátora. Počítačová podpora v podobě systému SDMT měla umožnit správcům sítě rychle a efektivně procházet a prohlížet jednotlivé části sítě, jejich nastavení a vzájemné vazby, jejich vzájemné porovnávání i sledování vývoje v čase a velice tak usnadnit a zefektivnit administrační zásahy. Hlavní problémy, které měl systém SDMT řešit, byly: Obrázek 1 Vazba mezi aktivními prvky sítě přes hodnoty parametrů Mají-li spolu dva prvky komunikovat, např. Ústředna Praha s Ústřednou Brno viz Obrázek 1, musí v obou z nich existovat v jejich směrovacích tabulkách takové položky, které mají za následek nasměrování části komunikace do správných fyzických propojení (např. drátů), fyzicky spojujících oba komunikační uzly. Mohou také existovat i mnohem jemnější vazby, které představují empirická pozorování nebo zkušenosti, jak se dané prvky vzájemně nepřímo a odvozeně ovlivňují. Sníží-li se například z nějakých důvodů propustnost jednoho uzlu, je potřeba přesměrovat část komunikace na některé jiné uzly, a zajistit tím dostatečnou propustnost celé sítě. Každý zásah do sítě vyžaduje velice dobrou znalost její technologické konstrukce a fyzické topologie a logických vazeb, ale také detailní znalost aktuálního nastavení všech parametrů ve všech komunikačních uzlech, kterých se příslušná změna týká. Před zásahem do systému musí obsluha shromáždit, prostudovat a dát vzájemně do souvislostí informace o stávajícím stavu a následně navrhnout nové nastavení jednotlivých parametrů tak, aby měl zásah požadovaný efekt. S rostoucím rozsahem a složitostí sítě velice rychle roste množství informací, které musí obsluha pro naplánování a provedení každé změny zohlednit. V síti, která je rozsahem ekvivalentní například komunikační síti v ČR, vyžaduje každá jen trochu větší změna usilovnou práci mnoha lidí, kteří většinu času tráví procházením výpisů aktuálních hodnot všech Složité získávání informací o aktuálním nastavení parametrů sítě. Informace bylo nutné získávat z různých zdrojů (binární konfigurační data, textové výpisy), které neměly jednotnou formu. Práce všech plánovačů nad jednotnými daty. Při plánování změny neměli jednotliví plánovači snadný přístup k dříve naplánovaným a dosud nerealizovaným změnám a vycházeli tak ve svých plánech z nesprávných vstupů. Automatizovaná správa požadavků na změnu. Požadavky na změnu neměly jednotnou formu a komunikace s realizátory požadavků (předání požadavku a zpětná vazba o jeho realizaci) nebyla automatizovaná. 6

7 Automatizovaná i uživatelská kontrola provedených změn, možnost zobrazit stav sítě v libovolném historickém okamžiku. Kontroly, že požadované změny byly provedeny korektně, bylo nutné provádět opět ručně a vše manuálně porovnávat. Aby mohl počítač poskytovat požadované informace rychle a efektivně, je nutné do něj uložit informace o nastavení celé sítě se vší složitostí všech parametrů a jejich vzájemných vazeb. To je právě jedna z úloh, které lze snadno formulovat a řešit v malém rozsahu, ale jejíž výpočetní nebo paměťová složitost rychle roste s rostoucím rozsahem sítě. Efektivní načtení a uložení informací o spravované síti a jejich následné zpracování je hlavním a nejdůležitějším problémem vytvoření popisované počítačové podpory správy telekomunikační sítě. Jedná se o problém uložení rozsáhlého obecného grafu a následných operací nad ním. Technické řešení Požadavky Technologické požadavky na nový systém vycházely zejména z parametrů sítě, kterou měl spravovat. Uvažovaná GSM síť sestává z: Cca 200 komplexních uzlů (síťových prvků s různě složitou vnitřní strukturou). Komplexní uzly se skládají z konkrétních tabulek parametrů a nastavení (entit), kterých je celkem cca zhruba 400 typů. Jednotlivé tabulky (entity) se skládají ze sloupců (atributů), těch je celkem cca a jejich vzájemně provázaných hodnot jsou desítky až stovky milionů. Entity jsou propojeny vazbami, kterých je cca Aktuální hodnoty jednotlivých údajů jsou čerpány z různých souborů stahovaných z jednotlivých síťových prvků. Celkem se obraz stavu sítě čerpá z cca 600 souborů a Dalšími důležitými požadavky byly ekonomické požadavky: Nízké pořizovací náklady a Nízké provozní náklady. Do kategorie nefunkčních požadavků patřila: Vysoká provozní efektivita zpracování, vysoký výkon. Dostupné technologie Při zvažování možných metod pro implementaci systému pro správu uvedené sítě bylo nutné hledat metody použitelné na platformě relační databáze, protože alternativní platformy neposkytovaly očekávaný výkon a dlouhodobou stabilitu architektury. Z popsaných parametrů je zřejmé, že se jedná o skutečně rozsáhlou síť, pro uložení a zpracování takové sítě běžně používané databázové systémy neposkytují dobrou podporu. Platforma relační databáze v zásadě nabízí dva základní přístupy pro budování aplikace: Aplikace řízená strukturou dat, Aplikace řízená obsahem dat. Aplikace řízená strukturou dat zachycuje maximum logiky v podobě struktury a vazeb jednotlivých tabulek v databázi a odpovídajících částí programového kódu aplikace pro obsluhu jednotlivých tabulek. Data zpracovává bez toho, že by se příliš řídila jejich obsahem. Schématicky tuto variantu znázorňuje Obrázek 2. uvažovanou složitost datového modelu by ale programový kód byl extrémně rozsáhlý s neúnosnými náklady na jeho vývoj a další údržbu a rozvoj. Aplikace řízená obsahem dat naproti tomu ukládá všechna data v co nejuniverzálnější relační struktuře a maximum logiky zachycuje obsahem dat, tj. hodnotami a vzájemnými vazbami jednotlivých řádků tabulek. V případě uvažované GSM sítě by to bylo uložení grafu v obecném tvaru uzel hrana. Schématicky tento přístup znázorňuje Obrázek 3. Obrázek 3 Schéma aplikace řízené obsahem dat V tomto případě by všechny spravované informace včetně struktury a topologie celé sítě i hodnoty jednotlivých parametrů byly uloženy ve zjednodušeném případě ve dvou relačních tabulkách. Programový kód pro obsluhu naznačeného schématu by byl ve srovnání s předchozím případem řádově menší, tudíž levnější na vývoj a následnou údržbu a rozšiřování. Pro uvažovanou složitost a rozsah spravované sítě však aplikace postavená na tomto principu vykazuje fatální výkonnostní nedostatky. Pro získání jedné hodnoty jednoho konkrétního parametru je potřeba položit několik dotazů do uvedené relační struktury. Jelikož v uvedených tabulkách by byly uloženy všechny údaje včetně statické topologie a struktury sítě, atributů, jejich vazeb a aktuálních i historických hodnot, byl by počet jejich řádků v řádu stovek milionů až miliard záznamů, což i při použití indexů vede na dlouhé doby vyhodnocení jednotlivých dotazů. Vyhodnocení přehledových dotazů, pro které je potřeba získat a porovnat veliké množství hodnot atributů by trvalo neúnosně dlouhou dobu. celkem cca položek (atributů) vstupních souborů. V souvislosti s obměnami a modernizací technologií jednotlivých komunikačních uzlů dochází k průběžným změnám struktury a obsahu zejména vstupních souborů. Za jeden rok dojde průměrně ke změně cca 5 % vstupních údajů (7 000 atributů). Obrázek 2 Schéma aplikace řízené strukturou dat Aplikace vybudovaná tímto přístupem umožňuje maximálně využít potenciálu relační technologie vč. možnosti individuálního ladění jednotlivých dotazů a poskytne tak nejvyšší provozní výkon. Pro Uvedené dvě na platformě relační databáze standardně dostupné metody bohužel vykazují zásadní nedostatky, které prakticky vylučují jejich reálné použití pro implementaci uvažovaného problému. Použité řešení Aby bylo možné implementovat správu sítě uvažované složitosti, museli jsme vyvinout novou meto- 7

8 du uložení a správy dat, která by převzala výhodné vlastnosti obou zmiňovaných metod a zároveň eliminovala jejich zásadní nedostatky. Jedná se především o: Zásadní redukci složitosti aplikace a tím i nákladů na vývoj a údržbu oproti aplikaci řízené strukturou dat při maximálním zachování její provozní výkonnosti nebo zásadní zlepšení výkonnostních parametrů oproti aplikaci řízené obsahem dat při maximálním zachování její jednoduchosti a tím i nízkých nákladů na vývoj a údržbu. Hledání nové metody tedy bylo směrováno následujícími hlavními požadavky: Zobecnění většiny podobných a opakovaných částí, zejména v oblasti statické struktury a topologie sítě a zachycení a řízení těchto závislostí formou obsahu dat, tj. metadat. (vylepšení oproti aplikaci řízené jen strukturou dat). Oddělení metadat od business dat, což přinese jednak větší přehlednost a snazší údržbu metadat ale zejména zásadní snížení objemu tabulek, ve kterých jsou uložena metadata a tím zásadní zrychlení vyhodnocování dotazů nad metadaty (na strukturu a topologii sítě). Maximální využití možností relační technologie pro uložení a správu business dat, aby bylo možné dosáhnout co nejlepšího provozního výkonu. Metodu splňující uvedené parametry se podařilo vyvinout a s její pomocí úspěšně implementovat systém, který uvedenou GSM síť dokáže efektivně uložit a zpracovávat. Tuto metodu jsme nazvali Dynamické Relační uložení Dat (DRD) a schéma aplikace na ní založené je znázorněno na Obrázku 4. Metoda Dynamického relačního uložení dat je založena na následujících principech: Většina údajů o struktuře a topologii spravované sítě (tj. údaje o uzlech, jejich vzájemných vazbách, vnitřní struktuře jednotlivých uzlů a tabulek parametrů a jejich vazbách), jakožto i o vstupních souborech, ze kterých se čerpají aktuální data nastavení sítě a informace o jejich vazbách na konkrétní atributy tabulek parametrů jednotlivých uzlů jsou uloženy v podobě metadat v pevné statické relační struktuře (levá část schématu). To umožňuje, aby většina obslužných programů byla univerzální a nezávislá na konkrétní topologii a struktuře spravované Obrázek 4 Schéma aplikace s dynamickým relačním uložením dat sítě a tudíž, aby příslušný programový kód byl řádově méně rozsáhlý, tedy levnější na výrobu a údržbu. Uložení strukturních metadat do pevné relační struktury také umožní mnohem rychlejší vyhodnocování dotazů na strukturu sítě, které jsou při použití univerzálního přístupu velmi časté. Jednotlivé tabulky parametrů síťových uzlů a hodnoty jejich atributů vč. historických hodnot jsou uloženy nativně jako tabulky relační databáze s příslušnou strukturou (pravá část schématu). Tyto tabulky jsou vytvářeny a případně modifikovány dynamicky na základě obsahu statického popisu struktury sítě. Jednotlivé operace s hodnotami atributů jsou realizovány jako dynamicky sestavované SQL příkazy, které provádějí standardní DML operace a mohou tudíž plně využít výhod a výkonu nativních operací relační databáze. Takto vytvořených tabulek je sice vysoký počet, to ale reálně ničemu nevadí, protože k nim přistupuje výhradně aplikace na základě obsahu metadat. Díky tomuto způsobu uložení a zpracování business dat je možné velmi efektivně a rychle vyhodnocovat i rozsáhlé přehledové dotazy nad celou spravovanou sítí. Vlastnosti řešení Popsaná metoda Dynamického relačního uložení dat umožnila vyvinout systém pro vizualizaci a správu parametrů GSM sítě popsaných parametrů. Vznikl tak systém, který je do dnešní doby unikátní. Z uživatelského hlediska přináší systém SDMT správcům GSM sítě zejména: Zásadní zjednodušení a zrychlení všech plánovacích úkolů. Pracovníci plánování nemusí před každou plánovanou změnou manuálně prohledávat a kontrolovat tisíce stran tištěných výpisů nastavení nebo klást desítky on-line dotazů do technologických uzlů. Aplikace SDMT jim na pár kliknutí poskytne všechny relevantní informace. Business výsledkem je zásadní urychlení např. zavádění nových služeb do sítě nebo rekonfigurace sítě např. v případě výpadku nějaké části. Zásadní snížení chybovosti procesu plánování pramenící zejména z chyb lidského faktoru v podobě manuálního procházení textových a on-line výpisů, ale také z faktu, že údaje v textových výpisech byly často už zastaralé a neplatné. Z business hlediska je výsledkem výrazné zvýšení spolehlivosti sítě, což má velmi vysoký přímý ekonomický dopad. 8

9 Z technologického hlediska metoda Dynamického relačního uložení dat prokázala požadované vlastnosti a umožnila vytvořit reálně použitelnou aplikaci pro správu rozsáhlé datové sítě. Zejména odstranila nežádoucí vlastnosti základních metod, tj.: Zásadně redukovala objem programového kódu a tudíž náklady na jeho vytvoření a údržbu oproti aplikaci řízené strukturou dat díky zobecnění většiny obslužných algoritmů a jejich řízení obsahem metadat. Zásadně zlepšila provozní výkonnost oproti aplikaci řízené obsahem dat, tj. snížila dobu vyhodnocení operací nad spravovanou sítí. Zlepšení provozní výkonnosti je umožněno díky mnohem lepšímu využití nativních vlastností relační databáze. Na druhou stranu, metoda Dynamického relačního uložení dat ve vysoké míře zachovala žádoucí vlastnosti obou referenčních metod: Došlo jen k mírnému poklesu provozní výkonnosti oproti aplikaci řízené strukturou dat z důvodu režie s načítáním metadat při generování výkonných SQL příkazů a proto, že jednotlivé výkonné SQL příkazy není možné individuálně optimalizovat. Došlo jen k mírnému nárůstu objemu programového kódu aplikace oproti aplikaci řízené obsahem dat z důvodu nutnosti interpretovat obsah metadat a generovat odpovídající výkonné SQL příkazy. Porovnání vlastností jednotlivých metod je znázorněno na Obrázku 5. Obrázek 5 Porovnání vlastností metod Použitá technologie práce s košatou a dynamicky se vyvíjející strukturou dat umožnila systému SDMT poskytnout uživatelům komfortní nástroj pro definici vlastních reportů nad sledovanými daty. V těchto reportech si uživatel sám nastaví, jaké oblasti spojené přes jaké vazby chce sledovat; určí si vstupní podmínky a kromě ad-hoc spouštění přímo v aplikaci si může určit i časy jejich pravidelného spouštění a ukládání do databáze nebo textových výstupů. Typickými příklady takových reportů je např. sledování vazeb GT analýz s GT resulty přes všechny síťové elementy, sledování kompletních routingových cest pro vybrané circuit group ve vybraných ústřednách, kompletní výpisy vazeb service setů a triggerů ve všech ústřednách apod. Uživatelé si tak mohou sami vytvořit potřebné výstupy, které jim umožňují efektivně řídit zadávání změn. Závěr Podařilo se nám vyvinout dosud unikátní systém SDMT, který je schopen s využitím všech výhod robustního prostředí relační databáze efektivně uložit a spravovat datový systém s velmi vysokou mírou složitosti, konkrétně konfigurační data GSM sítě sestávající z datové sítě desítek až stovek milionů hodnot jednotlivých atributů konfiguračních parametrů jednotlivých aktivních prvků GSM sítě. Vývoj systému a jeho komerční využití umožnila účelově vyvinutá metoda Dynamického relačního uložení dat, která efektivně kombinuje přirozené metody uložení a správy dat v relační databázi, odstraňuje jejich zásadní nedostatky a zachovává jejich výrazné přednosti. Metoda Dynamického relačního uložení dat a systém SDMT byly vyvinuty pro správu konfiguračních parametrů GSM sítě, ale jejich použití může být mnohem širší. Své uplatnění mohou s úspěchem nalézt i v dalších systémech, které mají kombinaci následujících vlastností: Relativně veliký objem dat Velmi vysoká vnitřní složitost Dynamicky se měnící struktura. Tento charakter mají například následující oblasti: Modelování a správa distribuovaného řídicího systému. Modelování a správa distribuční a produktovodné sítě. Modelování a správa obchodní a logistické sítě. Modelování, správa a odhalování závislostí v ekonomických, technologických a jiných procesech. Další. Jan Vrána JAK MĚŘIT KVALITU A PRODUKTIVITU ANALÝZY?... V KOMIXu soustavně zlepšujeme všechny služby poskytované našim zákazníkům. K těmto službám patří i analýza a to jednak ve formě samostatně poskytované studie a konzultace, častěji však analýza jako součást projektů vývoje softwaru na míru a projektů jeho údržby a rozvoje. Správně zpracovaná analýza a návrh IS je nejen nezbytným předpokladem pro efektivní vývoj, údržbu a další rozvoj informačního systému, je především předpokladem toho, že prostředky na IT budou vynaloženy účelně, tzn. na účinnou podporu procesů zákazníka a na splnění jeho potřeb a očekávání. Pokud chcete zvýšit jistotu ochrany těchto investic a zajímáte se o kvalitu přebírané analýzy nebo sami analýzy vytváříte, je tento článek určen právě pro vás. Proč měřit? Rozhodování na základě faktů je jedním z pilířů všech standardů pro zajištění kvality. Měření kvality a produktivity je součást procesu zlepšování (cyklus PDCA, Plan-Do-Check-Act ). Měřit chceme proto, abychom mohli najít slabá místa v procesu analýzy a byli schopni ověřovat, že se nám je daří zlepšovat. Kvalitnější analýza výrazně ovlivňuje kvalitu a pro- 9

10 duktivitu celého procesu vývoje softwaru. Každá odhalená chyba v analýze ušetří náklady na vývoj a předejde nespokojenosti našeho zákazníka. Lze to vůbec měřit? Když se zamyslíte nad tím, jak konkrétně kvalitu a produktivitu analýzy měřit, dostanete více otázek než odpovědí: Počtem stránek popisu požadavků a use case, které analytik napíše za den? Není lepší, když analytik navrhne jednoduché a efektivní řešení na půl stránky? Je lepší ten analytik, který odevzdá kvalitní a precizní práci ale po očekávaném termínu nebo v nevhodné úrovní podrobnosti, anebo je lepší ten, který odevzdá práci včas, ale je to nedomyšlené řešení, které bude potřeba při vývoji upřesňovat? Je lepší analytik, který dokáže přesně a detailně vývojářům popsat navrhované řešení ale nedokáže naslouchat názorům a prioritám zákazníka, nebo ten analytik, který dokáže výborně komunikovat se zákazníkem a získat si jeho důvěru, ale srozumitelně specifikovat požadavek pro vývojáře nedokáže? Jak to tedy měřit? Analýza není šroub ani rohlík, nelze ji poměřovat podle váhy, rozměrů, zakřivení, složení, chutě či trvanlivosti. Analýza je výsledkem tvůrčí činnosti a volba správné metriky má svá úskalí. Lze měřit analýzu například: Přezkoumáním (angl. review) požadavků a analytických modelů a návrhů nebo alespoň jejich vzorku jiným analytikem nebo testerem oproti definovaným checklistům (hodnotí se např. jednoznačnost, testovatelnost, úplnost a soulad s předchozími dokumenty apod.)? Množstvím změnových požadavků způsobených nedostatečnou specifikací původních požadavků, které nesplnily skutečné potřeby businessu? Počtem hodin věnovaným na opravu chyb způsobených požadavky? Shodou se standardy? Je ale pro daný typ projektu požadovaná dokumentace odpovídající a zohledňuje skutečné individuální potřeby projektu? Hodnocením výstupů analytika těmi, kteří je používají? Výstupy analýzy používají: koncový zákazník, vedoucí projektu, programátor, tester, ale i jiný analytik (třeba ten, který se má starat o další rozvoj systému a kvalitní analytickou dokumentaci ocení až v daleké budoucnosti). Jak provést takové hodnocení, aby nevneslo rozpory do týmu, aby autor hodnocených výstupů nechápal takové hodnocení jako kritiku svých chyb, které může udělat každý, ale jako snahu o zlepšení výstupů celého týmu? Sebehodnocením analytika podle stanovených kritérií? Bude mít takové hodnocení nějakou objektivní vypovídací schopnost nebo je užitečné už jenom v tom, že pomůže analytikovi zamyslet se nad tím, jak to příště dělat lépe? Jak začít Začít je potřeba zmapováním současného stavu a určením hlavních oblastí, které chceme zlepšovat a na které se zaměříme. Jako jinde i zde platí, že je lepší začít s několika málo jednoduchými metrikami. Je potřeba počítat s tím, že metriky se mohou měnit podle toho, jak se bude měnit oblast zájmu, na kterou se zaměříme. Pro začátek je vhodné určit minimum sledovaných charakteristik a určit jednotný způsob měření a vyhodnocování. Například: V KOMIXu sdílíme znalosti a zkušenosti z oblasti analýzy napříč jednotlivými projektovými týmy a skupinami. Probíhají interní prezentace o způsobu analýzy na projektu, kde si mezi sebou analytici vyměňují své zkušenosti. V rámci těchto prezentací provádíme i hodnocení úrovně analýzy na projektu podle definovaných zásad (charakteristik kvality). Každé hodnocené zásadě je přiřazena hodnota 0 až 3 podle stupně naplnění zásady na konkrétním projektu. 0 Neděláme vůbec nebo děláme nedostatečně 1 Splněno s problémy 2 Splněno, ale cítíme možnost na zlepšení 3 Na projektu splněno uspokojivě, nemáme potřebu měnit Prezentaci způsobu analýzy na projektu a její hodnocení provádí hlavní analytik, který je zodpovědný za analytické výstupy. Dále jsou uvedeny některé z takto hodnocených zásad. Jedná se o skupinu zásad analýzy, které jsou zaměřeny především na zvýšení zastupitelnosti analytiků a na zvýšení dlouhodobé udržovatelnosti systému tak, aby náš zákazník mohl mít oprávněnou důvěru, že nejen vytvoření systému v souladu s požadavky, ale i údržba a rozvoj jeho systému, je v dobrých rukou. Výčet dále uvedených zásad není zcela univerzální pro každou firmu, je dán tím, v čem se chce firma zlepšit nebo na co klade důraz. Sledované zásady se mohou postupně v čase měnit podle toho, na co se firma zaměří. 1. Zadání na základě požadavků Analytik vytváří zadání pro vývojáře na základě zdokumentovaných a schválných požadavků od zadavatele. Nesprávný přístup: požadavky na vývoj a na změny pouze v ech od různých lidí, roztroušeno v zápisech ze schůzek apod. 2. Plán analytické dokumentace Na webových stránkách projektu je uveden souhrn všech dokumentů a modelů, které jsou v rámci projektu vytvářeny, včetně jejich umístění a pravidel aktualizace. Nesprávný přístup: Dokumentace vzniká živelně, nestíhá se aktualizovat. Není chybou, pokud nějaký model vznikne v průběhu vývoje, pomůže dalšímu postupu a dále se již neaktualizuje, protože svůj účel již splnil. Vždy ale musí být předem definováno, které dokumenty a modely se aktualizovat budou, aby byla zajištěna dlouhodobá udržovatelnost systému. 3. Popis funkcionality Funkcionalita aplikace je popsána z hlediska používání aplikace pro dosahování cílů uživatelů (use case). Nesprávný přístup: Je popsán pouze vzhled obrazovek a algoritmy, ale není zřejmé, k čemu slouží. 4. Popis procesu Je popsána návaznost jednotlivých funkcionalit. Nesprávný přístup: Funkcionalita je sice popsána pomocí use case, ale není jasná jejich návaznost v rámci business procesu. 5. Dokumentace dat Je zdokumentován význam datových položek (v databázi, na obrazovkách, v datových zprávách). Nesprávný přístup: datové položky nejsou zdokumentovány, spoléhá se pouze na pochopení významu podle názvu datové položky, někdy jsou ale položky jako datum nebo částka nebo příznak nejednoznačné. 6. Trasovatelnost Je zajištěna trasovatelnost, tj. je možné dohledat vazbu mezi požadavky 10

11 (včetně změnových požadavků a požadavků na opravu chyb), funkcionalitou aplikace, obrazovkami, rozhraními, daty. Pravidla zajištění trasovatelnosti na projektu jsou popsána. Nesprávný přístup: nelze předem určit dopad změny do aplikace a rozsah přetestování. 7. Metriky pro odhad Jsou evidovány metriky pro rozsah analytických prací i pro rozsah funkcionality vyvíjeného systému. Tyto metriky jsou ve spojení s projektovými metrikami o skutečné pracnosti použitelným podkladem pro odhad pracnosti dalších projektů. Nesprávný přístup: metriky se nesbírají nebo jsou známé jen skutečné celkové pracnosti bez vztahu k rozsahu projektu, takže pro odhad pracnosti nových projektů neexistují dostatečné podklady. 8. Přezkoumání Na projektu probíhá přezkoumání věcné správnosti a úplnosti výstupů tak, aby každý výstup byl zkontrolován alespoň jednou další osobou, než je autor. Problémy se daří odhalovat včas. Nejedná se o formální kontrolu, například zda dokument obsahuje popis procesu podle šablony a bez pravopisných chyb, ale o věcnou kontrolu, zda popis procesu je správný a úplný. Nesprávný přístup: Případná chyba v analýze nemůže být odhalena před odevzdáním výstupů. Nyní tedy máme díky sledovací metrice představu o stavu analýzy ve sledovaných oblastech a můžeme se zaměřit na opatření ke zlepšení ve zvolené oblasti. Předtím se ale zastavme ještě u problematiky přezkoumání výstupů analýzy. Přezkoumání Přezkoumání (angl. peer review) hraje důležitou úlohu v nalezení věcných nedostatků analýzy, jako je například srozumitelnost, jednoznačnost, úplnost, ověření, zda analýza dává odpověď právě na ty otázky, které je potřeba řešit v této konkrétní fázi projektu atd. A proto si zaslouží více pozornosti. Určitě je vhodné, když se s analýzou v předstihu seznámí architekt, hlavní programátor, hlavní tester. Ti však analýzu hodnotí především ze svého pohledu (požadavky na architekturu, srozumitelnost zadání k programování, testovatelnost). Přezkoumání by měl provádět někdo, kdo se zabývá nejen formální shodou se standardy (například že existuje popis procesu se všemi formálními náležitostmi), ale zabývá se i věcnou správností a úplností analýzy z pohledu potřeb zákazníka. Obrázek 1 Příklad stavu analýzy pro projekty hodnocené za určité období (průměrné hodnoty z hodnocených projektů) Je potřeba počítat s tím, že přezkoumání je i mezilidský problém, protože autor přezkoumávaného výstupu může mít pocit, že je kritizován on osobně. Připomínky musí být čistě k věci a musí panovat shoda v tom, že v zájmu celého týmu i firmy je, když chybu najde kolega, než když ji najde až zákazník, a to třeba až ve fázi realizace, kdy odstranění chyby je řádově nákladnější. Nic nezkazí jenom ten, kdo nic nedělá. Přínosem přezkoumání je nejen nalezení chyb, ale i prevence chyb. Proto je lepší, když je přezkoumání provedeno už ve fázi, kdy je hotovo jen 20 % výstupů a je nalezena chyba (neúplnost, nesprávné zacílení), která se ve zbývajících 80 % práce už nebude opakovat, než čekat, až bude hotovo 100 % práce, ve které ale může být více chyb a jejich náprava bude pracnější a bude na ni méně času. Tento přístup se ale opět často střetává s obavou autora dávat z ruky ke kontrole nehotovou práci, protože v ní mohou být nalezeny chyby. Přezkoumání má i další nepřímé přínosy: rozšíření znalostí projektu, produktu, problematiky businessu zákazníka na další analytiky. To umožňuje zastupitelnost analytiků při práci na stejném nebo podobném projektu. Co dál? Vracíme se opět k Demingovu PDCA cyklu. Na základě zjištěných hodnot sledovaných charakteristik určíme oblasti, na které je vhodné se zaměřit (například trasovatelnost, sběr metrik pro pracnost, přezkoumání výstupů ), a naplánujeme opatření ke zlepšení zjištěného stavu a ke zvýšení kvality analýzy. Těmito opatřeními jsou především: Stanovení odpovědností v procesu (každý ví, co má dělat a za co zodpovídá); Výměna zkušeností a školení pro danou oblast (ví, proč to má dělat); Kontrolní seznamy (checklisty) pro jednotlivé činnosti procesu a vzory výstupů (ví, podle čeho to má dělat a jakých častých chyb se vyvarovat); Zavedení cílené metriky pro sledování účinnosti opatření (lze zjistit, zda to tak doopravdy dělá a zda to pomáhá procesu vývoje softwaru). Zvyšování kvality analýzy je dlouhodobý proces, v jeho průběhu se postupně může měnit oblast, na kterou se zaměřujeme a kterou se snažíme zlepšovat. Je lépe zaměřit se na jednu oblast a pro ni rychle připravit výše uvedená opatření, než se pomalu snažit řešit problematiku analýzy v celé šíři. Vyplatí se to! Především pro prevenci budoucích chyb (narozdíl od testování, kde hledáme už existující chyby) má smysl provádět i přezkoumání analytických výstupů. Pokud by se odhalením alespoň jedné chyby v analýze ušetřilo 1 člověkoden práce na opravách následků včas neodhalené chyby (následky ve skutečnosti mohou být ale i řádově větší), potom se takové přezkoumání analýzy vyplatí. I kdyby to na pracnost vyšlo stejně, nedojde ke snížení důvěry zákazníka v kvalitní služby. Tomáš Vahalík 11

BI & DWH & MIS nástroj 2. generace

BI & DWH & MIS nástroj 2. generace Pavel Seibert KOMIX s.r.o. Avenir Business Park Radlická 751/113e, 158 00 Praha 5 tel.: +420 257 288 211 Úvod Pro oblast Business Intelligence je na trhu celá řada osvědčených produktů osvědčených firem

Více

Obsah. Zpracoval:

Obsah. 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

Optimalizaci aplikací. Ing. Martin Pavlica

Optimalizaci aplikací. Ing. Martin Pavlica Optimalizaci aplikací Ing. Martin Pavlica Vize: Aplikace v dnešním světě IT Ze všech částí IT jsou aplikace nejblíže businessu V elektronizovaném světě významným způsobem podporují business, ten se na

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

Microsoft 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 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

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

Slovenská spořitelna:

Slovenská spořitelna: Případová studie Slovenská spořitelna: Microsoft Dynamics CRM pro správu klientů ze segmentu malých a středních podniků Jak jsme Slovenské spořitelně usnadnily a zefektivnily práci s klienty ze segmentu

Více

Wonderware Information Server 4.0 Co je nového

Wonderware Information Server 4.0 Co je nového Wonderware Information Server 4.0 Co je nového Pavel Průša Pantek (CS) s.r.o. Strana 2 Úvod Wonderware Information Server je výrobní analytický a reportní informační portál pro publikaci výrobních dat

Více

MBI - technologická realizace modelu

MBI - technologická realizace modelu MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,

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

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ DATABÁZOVÉ SYSTÉMY ARCHITEKTURA DATABÁZOVÝCH SYSTÉMŮ. Ing. Lukáš OTTE, Ph.D.

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ DATABÁZOVÉ SYSTÉMY ARCHITEKTURA DATABÁZOVÝCH SYSTÉMŮ. Ing. Lukáš OTTE, Ph.D. VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ DATABÁZOVÉ SYSTÉMY ARCHITEKTURA DATABÁZOVÝCH SYSTÉMŮ Ing. Lukáš OTTE, Ph.D. Ostrava 2013 Tento studijní materiál vznikl za finanční podpory

Více

Infor Performance management. Jakub Urbášek

Infor 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

Více

Rozšíření systému na sledování státní a veřejné podpory pro Ministerstvo financí

Rozšíření systému na sledování státní a veřejné podpory pro Ministerstvo financí Případová studie Rozšíření systému na sledování státní a veřejné podpory pro Ministerstvo financí Jak jsme Ministerstvu financí dodali moderní řešení na zefektivnění procesů řízení státní a veřejné podpory

Více

RDF DSPS ROZVOJ PORTÁLU

RDF DSPS ROZVOJ PORTÁLU RDF DSPS ROZVOJ PORTÁLU ČEZ Distribuce, a.s. HSI, spol. s r.o. Zbyněk Businský Miroslav Kaňka ZÁKAZNÍK A DODAVATEL ČEZ DISTRIBUCE, A.S. ČEZ distribuční síť Od r. 2012 implementován GEOPORTÁL (1. ETAPA),

Více

MIS. Manažerský informační systém. pro. Ekonomický informační systém EIS JASU CS. Dodavatel: MÚZO Praha s.r.o. Politických vězňů 15 110 00 Praha 1

MIS. Manažerský informační systém. pro. Ekonomický informační systém EIS JASU CS. Dodavatel: MÚZO Praha s.r.o. Politických vězňů 15 110 00 Praha 1 MIS Manažerský informační systém pro Ekonomický informační systém EIS JASU CS Dodavatel: MÚZO Praha s.r.o. Politických vězňů 15 110 00 Praha 1 Poslední aktualizace dne 5.8.2014 MÚZO Praha s.r.o. je certifikováno

Více

IT Outsourcing COMPLUS CZ a.s. Petr Taševský 21. 10. 2011

IT Outsourcing COMPLUS CZ a.s. Petr Taševský 21. 10. 2011 IT Outsourcing COMPLUS CZ a.s. Petr Taševský 21. 10. 2011 Definice - outsourcing Outside resource using Termín outsourcing se všeobecně používá pro dlouhodobé převedení určité oblasti služeb na poskytovatele

Více

PRODUKTY. Tovek Tools

PRODUKTY. Tovek Tools jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.

Více

Specializace Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů.

Specializace Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů. Návrhář software Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů. Odborný směr: Informační technologie Odborný podsměr: nezařazeno do odborného podsměru

Více

Tovek Tools. Tovek Tools jsou standardně dodávány ve dvou variantách: Tovek Tools Search Pack Tovek Tools Analyst Pack. Připojené informační zdroje

Tovek Tools. Tovek Tools jsou standardně dodávány ve dvou variantách: Tovek Tools Search Pack Tovek Tools Analyst Pack. Připojené informační zdroje jsou souborem klientských desktopových aplikací určených k indexování dat, vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci s velkým objemem textových

Více

Manažerský informační systém na MPSV. Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV

Manažerský informační systém na MPSV. Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV Manažerský informační systém na MPSV Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV Konference ISSS-2009 Hradec Králové Aldis 6. dubna 2009 MIS na MPSV časové údaje projektu Vytvoření MIS MPSV

Více

Metodika analýzy. Příloha č. 1

Metodika analýzy. Příloha č. 1 Metodika analýzy Příloha č. 1 Příloha č. 1 1 Účel dokumentu Dokument popisuje závaznou metodiku systémové analýzy, je upraven na míru pro prostředí Podniku. Dokument je provázán s Podnikovou analýzou,

Více

DATOVÝ SKLAD TECHNOLOGICKÝCH DAT

DATOVÝ SKLAD TECHNOLOGICKÝCH DAT R. T. S. cs, spol. s r. o. Novinářská 1113/3 709 00 Ostrava IČO: 18051367 DIČ: CZ18051367 Tel.: +420 59 7450 219 Fax: +420 59 7450 247 E-mail: info@rtscs.cz URL: www.rtscs.cz Společnost je zapsána v OR

Více

Elektronická provozní dokumentace (epd) případová studie MPSV

Elektronická provozní dokumentace (epd) případová studie MPSV Elektronická provozní dokumentace (epd) případová studie MPSV Ing. Petra Marešová, Ministerstvo práce a sociálních věcí Ing. Stanislav Borecký, ANECT a.s. Tomáš Sailer, ANECT a.s. ISSS 2011 4.dubna, Hradec

Více

vlastnosti Výsledkem sledování je: a) Využití aplikací b) Používání internetu c) Vytížení počítačů d) Operační systém e) Sledování tisků

vlastnosti Výsledkem sledování je: a) Využití aplikací b) Používání internetu c) Vytížení počítačů d) Operační systém e) Sledování tisků Program Aktivity propojuje prvky softwarového a personálního auditu, které jsou zaměřeny na optimalizaci firemních nákladů. Slouží ke zjištění efektivity využívání softwarového a hardwarového vybavení

Více

ČSOB: Upgrade systému Microsoft Dynamics CRM

ČSOB: Upgrade systému Microsoft Dynamics CRM Případová studie ČSOB: Upgrade systému Microsoft Dynamics CRM Jak jsme společnosti ČSOB zefektivnili práci s firemními klienty ČSOB: Upgrade systému Microsoft Dynamics CRM Celý projekt začal v srpnu, přičemž

Více

GIS Libereckého kraje

GIS 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...

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

1 Úvod 1.1 Vlastnosti programového vybavení (SW)

1 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

Více

INFORMAČNÍ SYSTÉM VIDIUM A VYUŽITÍ MODERNÍCH TECHNOLOGIÍ

INFORMAČNÍ 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

Více

Projekt informačního systému pro Eklektik PRO S EK. Řešitel: Karolína Kučerová

Projekt informačního systému pro Eklektik PRO S EK. Řešitel: Karolína Kučerová Projekt informačního systému pro Eklektik PRO S EK Řešitel: ÚVODNÍ ZPRÁVA ZADÁNÍ PROJEKTU Zefektivnění komunikace ve firmě Eklektik, a to především v oblasti informací o klientech a o tištěných materiálech

Více

Případová studie. Octigon: Aplikace na evidenci výkazů. Jak jsme společnosti Octigon pomohli zefektivnit práci s výkazy.

Případová studie. Octigon: Aplikace na evidenci výkazů. Jak jsme společnosti Octigon pomohli zefektivnit práci s výkazy. Případová studie Octigon: Aplikace na evidenci výkazů Jak jsme společnosti Octigon pomohli zefektivnit práci s výkazy. Octigon: Aplikace na evidenci výkazů t Manuální práce s výkazy nás obírala o čas,

Více

Úvod. Klíčové vlastnosti. Jednoduchá obsluha

Úvod. Klíčové vlastnosti. Jednoduchá obsluha REQUESTOR DATASHEET Úvod Requestor Service Desk poskytuje kompletní řešení pro správu interních i externích požadavků, které přicházejí do organizace libovolnou cestou. Produkt je zaměřen na vytvoření

Více

Tieto Future Office. Přehled. Země: Česká republika. Odvětví: Samospráva

Tieto Future Office. Přehled. Země: Česká republika. Odvětví: Samospráva Tieto Future Office Přehled Země: Česká republika Odvětví: Samospráva Profil zákazníka: Magistrát města Plzeň je orgánem města Plzně, který plní jeho úkoly v oblasti územní samosprávy i státní správy na

Více

Komunikační strategie a plán rozvoje portálu portal.gov.cz

Komunikační strategie a plán rozvoje portálu portal.gov.cz Příloha č. 2 Výzvy - Detailní popis předmětu VZ Komunikační strategie a plán rozvoje portálu portal.gov.cz V rámci dodávky vznikne dokument s analýzou současného stavu Portálu veřejné správy (PVS), určením

Více

Zkušenosti nejen z provozu Portálu občana. Jan Vlasák NAKIT Miroslav Vacula Jihomoravský kraj Václav Koudele - Microsoft

Zkušenosti nejen z provozu Portálu občana. Jan Vlasák NAKIT Miroslav Vacula Jihomoravský kraj Václav Koudele - Microsoft Zkušenosti nejen z provozu Portálu občana Jan Vlasák NAKIT Miroslav Vacula Jihomoravský kraj Václav Koudele - Microsoft Digitální transformace ve veřejném sektoru Zapojení občanů Větší participace a spokojenost

Více

Specifikace předmětu plnění Datová tržiště

Specifikace předmětu plnění Datová tržiště Příloha 1 Specifikace předmětu plnění Datová tržiště Etapa 1 Analýza statistické domény produkčních statistik 1 Obsah ETAPA 1 ANALÝZA STATISTICKÉ DOMÉNY PRODUKČNÍCH STATISTIK... 3 1.1. Koncepční shrnutí...

Více

Databáza znalostí pro Orange

Databáza znalostí pro Orange Případová studie Databáza znalostí pro Orange Jak jsme pomohli společnosti Orange zvýšit produktivitu prodeje vytvořením databáze znalostí. Databáza znalostí pro Orange Případová studie Koncový zákazník

Více

SODATSW Case Study 2009 Řešení monitoringu tisku ve společnosti Iveco Czech Republic, a. s.

SODATSW Case Study 2009 Řešení monitoringu tisku ve společnosti Iveco Czech Republic, a. s. SODATSW Case Study 2009 Řešení monitoringu tisku ve společnosti Iveco Czech Republic, a. s. Klient Organizace : Iveco Czech Republic, a.s. Odpovědná osoba : František Kysela Pozice : Vedoucí oddělení IT

Více

Projektové řízení jako základ řízení organizace

Projektové řízení jako základ řízení organizace Projektové řízení jako základ řízení organizace Aleš Chudý, ředitel divize IW ales.chudy@microsoft.com Technický seminář Bratislava 6.10.2008 Obsah Potřeby byznysu a IT Řešení EPM Microsoft EPM Optimalizační

Více

BIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012

BIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012 BIG DATA Nové úlohy pro nástroje v oblasti BI 27. listopadu 2012 AGENDA 1. Úvod 2. Jaké jsou potřeby? 3. Možné řešení 2 Jaké jsou potřeby? Dopady Analýza dat potřeba nového přístupu Jak na nestrukturovaná

Více

Trendy: Růst významu analytického reportingu. Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014

Trendy: Růst významu analytického reportingu. Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Trendy: Růst významu analytického reportingu Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Témata Údaje, informace, poznání Analytický reporting opravdu to někdo potřebuje? Aktivní

Více

POŘÍZENÍ A IMPLEMENTACE INFORMAČNÍCH SYSTÉMŮ

POŘÍZENÍ A IMPLEMENTACE INFORMAČNÍCH SYSTÉMŮ POŘÍZENÍ A IMPLEMENTACE INFORMAČNÍCH SYSTÉMŮ ŽIVOTNÍ CYKLUS IS Stejně jako stroje a technologické linky, které jsou pořízeny, provozovány a následně, po opotřebování vyřazeny, má i informační systém svůj

Více

Logistika. REFERENCE Srpen 2018

Logistika. REFERENCE Srpen 2018 Logistika REFERENCE Srpen 2018 www.myscada.org myscada Technologies s.r.o. 2018 ÚVOD Společnost Zoot, jeden z největších českých online prodejců oblečení a doplňků, začala v roce 2017 uvažovat o automatizování

Více

PŘÍLOHA C Požadavky na Dokumentaci

PŘÍLOHA C Požadavky na Dokumentaci PŘÍLOHA C Požadavky na Dokumentaci Příloha C Požadavky na Dokumentaci Stránka 1 z 5 1. Obecné požadavky Dodavatel dokumentaci zpracuje a bude dokumentaci v celém rozsahu průběžně aktualizovat při každé

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

SW pro správu a řízení bezpečnosti

SW pro správu a řízení bezpečnosti Integrační bezpečnostní SW pro správu a řízení bezpečnosti Systém je vlastním produktem společnosti Integoo. Trvalý vývoj produktu reflektuje požadavky trhu a zákazníků. Ať už je velikost vaší organizace

Více

Zavedení e-learningu

Zavedení e-learningu Zavedení e-learningu Česká pojišťovna snižuje díky e-learningu náklady na školení svých pracovníků Přehled Země: Česká republika Odvětví: Bankovnictví a finance Profil zákazníka Česká pojišťovna a.s. je

Více

Outsourcing v podmínkách Statutárního města Ostravy

Outsourcing v podmínkách Statutárního města Ostravy Outsourcing v podmínkách Statutárního města Ostravy Říjen 2009 Ing. Stanislav Richtar Ředitel společnosti 1 OBSAH PREZENTACE 1. Outsourcing - obecně 2. Výchozí stav projektu 3. Model poskytovaných služeb

Více

Návod k požadavkům ISO 9001:2015 na dokumentované informace

Návod 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

Více

PŘÍLOHA Č. 4 K ZADÁVACÍ DOKUMENTACI VEŘEJNÉ ZAKÁZKY MALÉHO ROZSAHU. Tvorba software pro reportování stavu projektů (dále jen IS)

PŘÍLOHA Č. 4 K ZADÁVACÍ DOKUMENTACI VEŘEJNÉ ZAKÁZKY MALÉHO ROZSAHU. Tvorba software pro reportování stavu projektů (dále jen IS) PŘÍLOHA Č. 4 K ZADÁVACÍ DOKUMENTACI VEŘEJNÉ ZAKÁZKY MALÉHO ROZSAHU Tvorba software pro reportování stavu projektů (dále jen IS) VERZE: finální DATUM: 6.9. 2013 1 ÚVOD Popis reportů potřebných pro sledování

Více

SMART GRID SYSTEM TECHNOLOGIE PRO ANALYTIKU A SPRÁVU ENERGETICKÝCH SÍTÍ. Představení společnosti Analyzátor sítě

SMART GRID SYSTEM TECHNOLOGIE PRO ANALYTIKU A SPRÁVU ENERGETICKÝCH SÍTÍ. Představení společnosti Analyzátor sítě ENERTIG SMART GRID SYSTEM TECHNOLOGIE PRO ANALYTIKU A SPRÁVU ENERGETICKÝCH SÍTÍ Představení společnosti Analyzátor sítě www.enertig.cz Kdo jsme Jsme česká společnost dodávající na trhy v České, Polské

Více

Řešení potřeb veřejné správy pomocí velkých i malých BI systémů. Tomáš Jindřich Pavel Bobkov 19.9.2013

Řešení potřeb veřejné správy pomocí velkých i malých BI systémů. Tomáš Jindřich Pavel Bobkov 19.9.2013 Řešení potřeb veřejné správy pomocí velkých i malých BI systémů Tomáš Jindřich Pavel Bobkov 19.9.2013 Agenda 1) Požadavky organizací veřejného sektoru 2) Porovnání standardních a specializovaných BI 3)

Více

Proces vývoje HRIS Vema (Human Resources Information System) Jaroslav Šmarda

Proces vývoje HRIS Vema (Human Resources Information System) Jaroslav Šmarda Proces vývoje HRIS Vema (Human Resources Information System) Jaroslav Šmarda Proces vývoje HRIS Vema Vlastnosti HRIS (Human Resources Information System) HRIS Vema Proces vývoje HRIS Vema Vema, a. s. Přední

Více

Vytvoření portálu odboru strukturálních fondů Ministerstva vnitra a zajištění jeho hostingu na serveru dodavatele

Vytvoření portálu odboru strukturálních fondů Ministerstva vnitra a zajištění jeho hostingu na serveru dodavatele MINISTERSTVO VNITRA odbor strukturálních fondů č.j. MV- 82945-5 /OSF Praha dne 24. listopadu 2009 Počet listů: 5 Odpověď zadavatele na otázky ze dne 20. listopadu 2009 k Zadávací dokumentaci na veřejnou

Více

ZEMĚMĚŘICKÝ ÚŘAD. Výzkum a vývoj programového aparátu pro generalizaci státního mapového díla. Ing. Přemysl JINDRÁK

ZEMĚMĚŘICKÝ ÚŘAD. Výzkum a vývoj programového aparátu pro generalizaci státního mapového díla. Ing. Přemysl JINDRÁK ZEMĚMĚŘICKÝ ÚŘAD Výzkum a vývoj programového aparátu pro generalizaci státního mapového díla Představení projektu Technologická Agentura ČR Praha, 31. 7. 2018 Ing. Přemysl JINDRÁK Základní vymezení Projekt

Více

Jednotný NIS Prezentace k zahájení projektu pro Radu kraje Vysočina. Projektový manažer - Ing. Ivan Sokolov, Ph.D.

Jednotný NIS Prezentace k zahájení projektu pro Radu kraje Vysočina. Projektový manažer - Ing. Ivan Sokolov, Ph.D. Prezentace k zahájení projektu pro Radu kraje Vysočina Projektový manažer - Ing. Ivan Sokolov, Ph.D. Obsah Úvod Cíle projektu Rozsah projektu Projektové řízení základní východiska Základní organizační

Více

Případová studie O2 SVĚT. Microsoft Azure zefektivňuje řízení prodejní sítě v O2 Slovakia

Případová studie O2 SVĚT. Microsoft Azure zefektivňuje řízení prodejní sítě v O2 Slovakia Případová studie O2 SVĚT Microsoft Azure zefektivňuje řízení prodejní sítě v O2 Slovakia O2 SVĚT Spuštění portálu O2 Svět je pro nás novým začátkem ve způsobu spravování a publikování informací pro prodejní

Více

Datová věda (Data Science) akademický navazující magisterský program

Datová 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.

Více

Případová studie. O2 Slovakia: Aplikace O2 Univerzita. Aplikace O2 Univerzita. jako nástroj řízení vzdělávání zaměstnanců

Případová studie. O2 Slovakia: Aplikace O2 Univerzita. Aplikace O2 Univerzita. jako nástroj řízení vzdělávání zaměstnanců Případová studie O2 Slovakia: Aplikace O2 Univerzita Aplikace O2 Univerzita jako nástroj řízení vzdělávání zaměstnanců Aplikace O2 Univerzita Vzdělávání je pro naši firmu jedním ze základních pilířů, bez

Více

KATALOG SLUŽEB NÁSLEDNÉ PODPORY

KATALOG SLUŽEB NÁSLEDNÉ PODPORY KATALOG SLUŽEB NÁSLEDNÉ PODPORY Společnost WEBCOM a. s. Vám nabízí kompletní pokrytí Vašich požadavků na zajištění služeb technické podpory Microsoft Dynamics přesně podle Vašich potřeb a v požadovaném

Více

Efektivnější systém pro vyřizování požadavků na IT v ČMSS

Efektivnější systém pro vyřizování požadavků na IT v ČMSS 2 Shared Experience Technologická řešení Efektivnější systém pro vyřizování požadavků na IT v ČMSS Efektivnější systém pro vyřizování požadavků na IT v ČMSS přinesl procesní zpracování požadavků všech

Více

TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE

TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE Tel. +420 543426329 TREND 07-201 POPIS ODPOVĚDNOSTI PRACOVNÍKA MANAŽER VÝVOJE Autor: Vít Chvál Verze dokumentu: 1.0 Datum poslední změny: 18.2.2013 Obsah: 1 Pracovník 3 2 Pracovní činnosti (Náplň práce)

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

P R O J E K T O V É Ř Í Z E N Í A M A R K E T I N G 1. Akad. rok 2015/2016, LS Projektové řízení a marketing - VŽ 1

P R O J E K T O V É Ř Í Z E N Í A M A R K E T I N G 1. Akad. rok 2015/2016, LS Projektové řízení a marketing - VŽ 1 P R O J E K T O V É Ř Í Z E N Í A M A R K E T I N G 1 Akad. rok 2015/2016, LS Projektové řízení a marketing - VŽ 1 Vznik a historie projektového řízení Akad. rok 2015/2016, LS Projektové řízení a marketing

Více

Efektivní řízení pomocí Business Intelligence. Ján Zajíc (Clever Decision) Robert Havránek (Microsoft)

Efektivní řízení pomocí Business Intelligence. Ján Zajíc (Clever Decision) Robert Havránek (Microsoft) Efektivní řízení pomocí Business Intelligence Ján Zajíc (Clever Decision) Robert Havránek (Microsoft) Kde najdete nejefektivnějšího manažera? Hierarchie řízení a informační potřeby High level, agregované

Více

2. Podnik a jeho řízení

2. Podnik a jeho řízení 2. Podnik a jeho řízení Řízení podniku Rozvoj podniku Vazba strategie procesy Strategie podniku SWOT analýza Podnik a IS Strategie IS/ICT Projekty 1/35 Řízení podniku - 1 Vrcholové vedení Řídící aktivity

Více

ČMSS: CRM systém pro efektivní práci s klienty

ČMSS: 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

Více

People Manager Komplexní řízení zdrojů a projektů jednoduše

People Manager Komplexní řízení zdrojů a projektů jednoduše People Manager Komplexní řízení zdrojů a projektů jednoduše Hlavní funkce Řízení portfolia projektů Podpora pro Demand Management a prioritizaci Podpora pro rozhodování při plánování releasů aplikací Přehled

Více

PRVNÍ ELASTICKÝ INFORMAČNÍ SYSTÉM : QI

PRVNÍ ELASTICKÝ INFORMAČNÍ SYSTÉM : QI PRVNÍ ELASTICKÝ INFORMAČNÍ SYSTÉM : QI Cyril Klimeš a) Jan Melzer b) a) Ostravská univerzita, katedra informatiky a počítačů, 30. dubna 22, 701 03 Ostrava, ČR E-mail: cyril.klimes@osu.cz b) DC Concept

Více

SWOT ANALÝZA. Příloha č. 2, Pracovní list č. 1 SWOT analýza 28.4.2014. SWOT analýza - obsah. SWOT analýza. 1. Základní informace a princip metody

SWOT ANALÝZA. Příloha č. 2, Pracovní list č. 1 SWOT analýza 28.4.2014. SWOT analýza - obsah. SWOT analýza. 1. Základní informace a princip metody SWOT ANALÝZA 1 SWOT analýza - obsah 1. Základní informace a princip metody 2. Vnější a vnitřní faktory 3. Užitečné tipy a příklady z praxe 2 SWOT analýza I. ZÁKLADNÍ INFORMACE A PRINCIP METODY 3 1 SWOT

Více

webmarketin Základní moduly aplikace

webmarketin Základní moduly aplikace webmarketin Aplikace webmarketing je komplexní online nástroj určený pro podporu a řízení marketingu a CRM ve společnosti. Její součástí jsou webové ankety, SMS kampaně nebo newslettery, které lze spravovat

Více

Vzdělávací obsah vyučovacího předmětu

Vzdělávací obsah vyučovacího předmětu V.9.3. Vzdělávací obsah vyučovacího předmětu Vzdělávací oblast: Inormatika a informační a komunikační technologie Vyučovací předmět: Informatika Ročník: 1. ročník + kvinta chápe a používá základní termíny

Více

Podrobná analýza k aktivitě č. 3 - implementace procesního řízení do praxe úřadu

Podrobná analýza k aktivitě č. 3 - implementace procesního řízení do praxe úřadu Příjemce dotace: Město Moravská Třebová Název projektu: Zvýšení kvality řízení a poskytovaných služeb MÚ Moravská Třebová Registrační číslo projektu: CZ.1.04/4.1.01/89.00116 Podrobná analýza k aktivitě

Více

Jakým způsobem lze zlepšit plnění smluv o úrovni poskytovaných služeb a současně snížit náklady?

Jakým způsobem lze zlepšit plnění smluv o úrovni poskytovaných služeb a současně snížit náklady? STRUČNÉ INFORMACE O ŘEŠENÍ CA Business Service Insight for Service Level Management Jakým způsobem lze zlepšit plnění smluv o úrovni poskytovaných služeb a současně snížit náklady? agility made possible

Více

1. Integrační koncept

1. Integrační koncept Příloha č. 2: Technický popis integrace 1. Integrační koncept Z hlediska koncepčního budování Smart Administration na Magistrátu města Mostu je možno hovořit o potřebě integrace tří úrovní systémové architektury

Více

Canon Business Services

Canon Business Services Canon Business Services Přeměna vašeho podniku Canon Business Services Chování zákazníků se mění rychleji než kdykoliv předtím a vaše organizace musí být připravena na změnu ve způsobu, jakým vytváříte

Více

GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER. váš partner na cestě od dat k informacím

GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER. váš partner na cestě od dat k informacím GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER váš partner na cestě od dat k informacím globtech spol. s r.o. karlovo náměstí 17 c, praha 2 tel.: +420 221 986 390 info@globtech.cz

Více

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně vyhledávat informace,

Více

Leady & MERK Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK

Leady & 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.

Více

CA AppLogic platforma typu cloud pro podnikové aplikace

CA AppLogic platforma typu cloud pro podnikové aplikace INFORMACE O PRODUKTU: CA AppLogic CA AppLogic platforma typu cloud pro podnikové aplikace agility made possible CA AppLogic je platforma na klíč založená na technologii cloud computing, která pomáhá podnikům

Více

komplexní podpora zvyšování výkonnosti strana 1 Využití Referenčního modelu integrovaného systému řízení veřejnoprávní korporace Město Hořovice

komplexní podpora zvyšování výkonnosti strana 1 Využití Referenčního modelu integrovaného systému řízení veřejnoprávní korporace Město Hořovice strana 1 Využití Referenčního modelu integrovaného systému řízení veřejnoprávní korporace Město Hořovice 19.3.2018 Zpracoval: Roman Fišer, strana 2 1. ÚVOD... 3 2. POPIS REFERENČNÍHO MODELU INTEGROVANÉHO

Více

IS VZP ČR jako základ podpory ehealth

IS VZP ČR jako základ podpory ehealth IS VZP ČR jako základ podpory ehealth Ing. Vladan Novotný Všeobecná zdravotní pojišťovna ČR IS VZP ČR Informační systém VZP ČR podporuje činnosti, ke kterým byla VZP ČR zřízena Výběr pojistného od plátců

Více

Ondřej Bothe, Richard Dobiš

Ondřej Bothe, Richard Dobiš Portfolio PM - "What-if" analýza v plánovací aplikaci Ondřej Bothe, Richard Dobiš 2.2.2011 PM systém : Je to systém, zajišťující komplexní proces práce s daty pro koncového uživatele 1. Plánuj Plán nákladů

Více

MST - sběr dat pomocí mobilních terminálů on-line/off-line

MST - sběr dat pomocí mobilních terminálů on-line/off-line MST - sběr dat pomocí mobilních terminálů on-line/off-line Stručný přehled název: MST, software pro sběr dat mobilními terminály ve skladu (příjem, výdej, inventura) autor aplikace: FASK, spol. s r.o.,

Více

ORACLE ŘÍZENÍ FINANCÍ

ORACLE ŘÍZENÍ FINANCÍ ORACLE ŘÍZENÍ FINANCÍ Modul Oracle řízení financí je celopodnikové řešení pro správu likvidity a řízení peněžních prostředků. Tento modul je součástí Aplikací Oracle. To je integrovaná sada aplikací elektronického

Více

Sjednocení dohledových systémů a CMDB

Sjednocení dohledových systémů a CMDB Řízení dodávky IT služeb v enterprise společnosti Sjednocení dohledových systémů a CMDB Václav Souček, ČEZ ICT Services, a.s. Jaroslav Jičínský, AutoCont CZ, a.s. 26. Ledna 2012 Agenda Úvod Výchozí stav

Více

Profitabilita klienta v kontextu Performance management

Profitabilita klienta v kontextu Performance management IBM Technical specialist team Pre Sale 26/10/2010 Profitabilita klienta v kontextu Performance management Co všechno řadíme do PM? Automatická data Běžný reporting Pokročilé statistické modely Včera What

Více

S T R A T E G I C K Ý M A N A G E M E N T

S T R A T E G I C K Ý M A N A G E M E N T S T R A T E G I C K Ý M A N A G E M E N T 3 LS, akad.rok 2014/2015 Strategický management - VŽ 1 Proces strategického managementu LS, akad.rok 2014/2015 Strategický management - VŽ 2 Strategický management

Více

Nebojte se přiznat, že potřebujete SQA

Nebojte se přiznat, že potřebujete SQA Nebojte se přiznat, že potřebujete SQA Internet a technologie 16 Václav Klimeš vaclav.klimes@nic.cz 1. 6. 2016 Osnova Kvalita Koncept kvality Co je a není SQA (Software Quality Assurance) Proč se zajímat

Více

INFORMAČNÍ 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 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

Více

Případová studie. www.softwareone.cz

Případová studie. www.softwareone.cz Případová studie Skupina Metrostav díky SoftwareONE úspěšně prošla změnou multilicenčního programu, migrací na nové produkty i optimalizací procesů v oblasti nakládání se software dle ISO 19770-1 www.softwareone.cz

Více

Desigo Control Point řešení pro ovládání a monitorování budov siemens.cz/desigo

Desigo Control Point řešení pro ovládání a monitorování budov siemens.cz/desigo Jedna budova. Různí uživatelé. Desigo Control Point řešení pro ovládání a monitorování budov siemens.cz/desigo Desigo Control Point navržen pro zjednodušení správy technologií budov Budovy nejsou jen pouhé

Více

4.4.1 Ustavení vztahu, zpracování Projektu

4.4.1 Ustavení vztahu, zpracování Projektu Dodatečné informace č. 2 k zadávacím podmínkám k výběrovému řízení s názvem Zajištění bezproblémového provozu, dostupnosti, rozvoje a optimalizace portálu ČPZP Vážená paní / Vážený pane, na základě zmocnění

Více

2015 GEOVAP, spol. s r. o. Všechna práva vyhrazena.

2015 GEOVAP, spol. s r. o. Všechna práva vyhrazena. 2015 GEOVAP, spol. s r. o. Všechna práva vyhrazena. GEOVAP, spol. s r. o. Čechovo nábřeží 1790 530 03 Pardubice Česká republika +420 466 024 618 http://www.geovap.cz V dokumentu použité názvy programových

Více

3. Očekávání a efektivnost aplikací

3. Očekávání a efektivnost aplikací VYUŽÍVANÍ INFORMAČNÍCH SYSTÉMŮ V ŘÍZENÍ FIREM Ota Formánek 1 1. Úvod Informační systémy (IS) jsou v současnosti naprosto nezbytné pro úspěšné řízení firem. Informačním ním systémem rozumíme ucelené softwarové

Více

Databázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz

Databázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Databázové systémy Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Vývoj databázových systémů Ukládání dat Aktualizace dat Vyhledávání dat Třídění dat Výpočty a agregace 60.-70. léta Program Komunikace Výpočty

Více

Informační strategie. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz

Informační strategie. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Informační strategie Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz 23 1 Firemní strategie Firma Poslání Vize Strategie Co chceme? Kam směřujeme? Jak toho dosáhneme? Kritické faktory úspěchu CSF 23 2 Strategie

Více

Procesní řízení operačních sálů Mgr. Martin Gažar

Procesní řízení operačních sálů Mgr. Martin Gažar Procesní řízení operačních sálů Mgr. Martin Gažar Procesy Procesy Procesní analýza Procesní mapa Modely procesů Optimalizace procesů Přínosy procesní analýzy Procesy a modely Procesy Abychom mohli úspěšně

Více

Psychodiagnostika Hogan a 360 dotazník

Psychodiagnostika Hogan a 360 dotazník Psychodiagnostika Hogan a 360 dotazník Na svých pozicích řešíte množství situací a vztahů, které jsou pro vás náročnější než jiné a pravděpodobně si kladete otázku proč. Jednou z možností, jak na tuto

Více

Buďte Společně vždy vpřed na stopě vozidlům a pohonným hmotám. pilotní řešení O 2 Car Control pro TNT Post ČR

Buďte Společně vždy vpřed na stopě vozidlům a pohonným hmotám. pilotní řešení O 2 Car Control pro TNT Post ČR Buďte Společně vždy vpřed na stopě vozidlům a pohonným hmotám pilotní řešení O 2 Car Control pro TNT Post ČR Proč společný projekt 1. Výchozí podmínky: 2. Cíl: Telefónica O2 se stala poskytovatelem ucelených

Více