Primjena poslovne inteligencije u akademskom okruženju

Unutar svake organizacije, pa tako i na visokoškolskim ustanovama, vrlo je bitno kvalitetno upravljati znanjem što omogućava prilagodbu novim okolnostima te stalna unapređenja različitih procesa i aktivnosti. Sustavi poslovne inteligencije omogućuju efikasnu sintezu i prenošenje znanja. Kao takvi om...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:30082/Details
Glavni autor: Vranić, Mihaela (-)
Ostali autori: Skočir, Zoran (Thesis advisor)
Vrsta građe: Knjiga
Jezik: hrv
Impresum: Zagreb : M. Vranić ; Fakultet elektrotehnike i računarstva, 2007.
LEADER 03811nam a2200241uu 4500
005 20190326090730.0
008 s2007 ci a |||||||||| ||hrv|d
035 |a HR-ZaFER 34489 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
041 |a hrv 
080 |a 681.3.06  |j SOFTVER  |9 1783 
080 |a 65.011  |h EFEKAT BLIZINE  |j OPĆA NAĆELA.USPJEŠNOST.EKONOMIČNOST.RACIONALIZACIJA.  |e 621.3.014.13  |9 2669 
100 1 |9 31252  |a Vranić, Mihaela 
245 |a Primjena poslovne inteligencije u akademskom okruženju :  |b magistarski rad /  |c Mihaela Vranić ; [mentor Zoran Skočir] 
260 |a Zagreb :  |b M. Vranić ; Fakultet elektrotehnike i računarstva,  |c 2007. 
300 |a 107 str. :  |b ilustr. u bojama ;  |c 30 cm. 
504 |a Bibliografija str. 89-90. 
520 |a Unutar svake organizacije, pa tako i na visokoškolskim ustanovama, vrlo je bitno kvalitetno upravljati znanjem što omogućava prilagodbu novim okolnostima te stalna unapređenja različitih procesa i aktivnosti. Sustavi poslovne inteligencije omogućuju efikasnu sintezu i prenošenje znanja. Kao takvi omogućuju zaposlenicima na svim razinama unutar organizacije bolji uvid u čimbenike koji utječu na njihov segment poslovanja i donošenje boljih odluka. U radu je predstavljena teoretska podloga kreiranja organizacijskog znanja. Ona je isprepletena s cjelokupnim procesom dubinske analize podataka te povezana sa sustavima poslovne inteligencije, od faze njihovog planiranja do faze intenzivnog korištenja sustava. Značajni segmenti poslovne inteligencije su različite statističke analize i dubinska analiza podataka. U radu je prikazano kako se ove analize mogu iskoristiti za unapređenje specifičnog područja djelovanja visokoškolske ustanove – u nastavi. Poseban je naglasak dan na mogućnost unapređenja izvođenja nastave, poboljšanja testiranja studenata te potencijalnog povećanja prolaznosti bez snižavanja kriterija ocjenjivanja. Također su dani prijedlozi proširenja modela podataka koji bi omogućili otkrivanje novih zakonitosti i daljnja poboljšanja. Ključne riječi: Znanje, Stvaranje organizacijskog znanja, Poslovna inteligencija, Dubinska analiza podataka, Segmentacija, Regresijska analiza, Stabla odlučivanja, Kvaliteta nastave  
520 |a For every organization, including universities, it is very important to efficiently govern with knowledge. This enables adoption to new circumstances and improvement in different processes and business related activities. Business intelligence systems enable efficient creation and transfer of knowledge. They enable employees at every organizational level to have better view of factors affecting their business and make better decisions. This thesis introduces theoretical background of organizational knowledge creation. Presented theory is interlaced with data mining process and further related to business intelligence systems, from their planning phase to phase of their extensive usage. Important segments of business intelligence are various statistical analysis same as data mining. This thesis presents how could these segments play important role within specific ‘business’ area at universities – improvement of teaching related activities. Focus has been put particularly on efficiency of the teaching process, objectivity at student’s work evaluation and potential improvement in student passing rate without reduction in grading criteria. At the end, proposals for data model extension were given, thus enabling better insight in real world rules same as further improvements. Keywords: Knowledge, Organizational knowledge creation, Business Intelligence, Data mining, Clustering, Regression analysis, Decision trees, Quality in education  
700 |4 ths  |9 9164  |a Skočir, Zoran 
942 |c M  |2 udc 
990 |a 32255 
999 |c 30082  |d 30082