سرفصل های هوش تجاری در دانشگاه های مختلف جهان

سرفصل های هوش تجاری در دانشگاه های مختلف جهان

اسلاید 1: توسط : مسعود منصوری (89131031)استاد درس : دکتر عبدالله زادهبررسی سرفصل های هوش تجاری در دانشگاه های مختلف جهان

اسلاید 2: درس هوش تجاری در دانشگاه ملی سئول

اسلاید 3: اهدافبدست آوردن داده از یک پایگاه داده رابطه ای موجود با استفاده از SQL و ابزارهای تولید گزارش.تفسیر ، توسعه و ارزیابی فرآیند و مدل های داده ی استفاده شده در پشتیبانی از نرم افزارهای تجاری و هوش تجاری.پیاده سازی یک پایگاه داده رابطه ای برای پشتیبانی از عملیات تجاریپیاده سازی یک Relational Data Warehouse برای فراهم کردن گزارش هوش تجاریایجاد مکعب های داده ی چند بعدی و استفاده از ابزارهای جدول محور و چارت محور برای تحلیل انها

اسلاید 4: Course MaterialsMcAfee, A., Business Intelligence Software at SYSCO, Harvard Business School, 5-604-103, June 14, 2004 (will be distributed in class).

اسلاید 5: سیلابس درسمقدمهمعماری سیستم های اطلاعاتی، مروری بر فرآیند توسعه سیستم، Core Information System Application.پایگاه داده رابطه ای و SQLتعاریف پایگاه داده رابطه ای، Single Table (select) Retrieval Queries.مفاهیم هوش تجاریSYSCO Case Study Introduction and Discussion، ERP Software and database requirement، Data Warehouses، اینترفیس هوش تجاری.

اسلاید 6: سیلابس درس - ادامهSQL Continuedتجمیع داده: گروهی از کوئری ها و جدول های محور.معرفی مدلسازی دادهمفاهیم پایه : موجودیت ها، خصوصیات، روابط و محدودیت ها.بررسی مجدد SQLکوئری های چند جدولی : join,Union,Nestedکوئری های نگهداری داده : درج،حذف،ویرایش

اسلاید 7: سیلابس درس - ادامهکاربرد های هوش تجاریData Warehouse Schemas : Operational and Star Schemasچارت ها و جدول های محور، داشبوردهای اجراییسیستم های تجاریپردازش تراکنش در چرخه ی سود، General Ledger Integration، تحلیل هوش تجاری و گزارش بازبینی مدل های فرآیندی، معرفی YBCL Case StudyBusiness Systems Revisited and Web Systemsبازبینی چرخه سودWeb Storefront – Registration , Profile , Shopping , Shopping cart , Checkout , Credit Card Processing , Order Tracking Web Fulfillment – Shipping , Sales Analysis , Product Management

اسلاید 8: درس هوش تجاری در دانشگاه هنددر این دانشگاه درسی مشابه با داده کاوی در هوش تجاری (Business Intelligence using Data Mining) تدریس می شود

اسلاید 9: اهدافدرک افزایش محیط های غنی داده ای در اقتصاد جهانی امروز و قرار گرفتن در معرض فرصت های سرویس هوش تجاری مرتبط که وجود دارند.فراهم کردن یک درک عملی از روش های کلیدی دسته بندی ، پیش بینی ، ساده سازی و شناسایی که همه ی اینها در قلب داده کاوی هستند.تصمیم گیری در مورد اینکه چه وقت از کدام تکنیک استفاده کنیمپیاده سازی تکنیک های اصلی با استفاده از Excel add-inکسب کردن سرمایه فکری لازم برای فراهم کردن سرویس های تجزیه و تحلیل تجاری

اسلاید 10: Proposed ReadingData Mining for Business Intelligence: Concepts, Techniques, and Applications in Microsoft Office Excel with XLMiner” by Galit Shmueli, Nitin R. Patel and Peter C. Bruce, Wiley, 2007. (We will hereafter refer to this is SPB2007)

اسلاید 11: Course SyllabusWhat is data mining? • Data partitioning • Training, validation and holdout samples • Open ended exploration as opposed to a strict view on inference • Oversampling rare events • Danger of overfittingExploratory data analysis • Data pre-processing • Visualization • Variable reduction, principal components • Curse of dimensionality

اسلاید 12: Course-Syllabus(continue)Supervised learning - Classification and Prediction • Judging classification and predictive performance • The concept of lift • Multiple linear regression • Model selection Simple Classification Schemes • Naïve Bayes • K-Nearest Neighbors Classification and Prediction • CART • Logistic regressionDiscriminant analysis

اسلاید 13: Course-Syllabus(continue)Affinity Analysis • Association RulesUnsupervised Learning • K-means clustering • Hierarchical clustering

اسلاید 14: درس هوش تجاری در دانشگاه Jonkoping

اسلاید 15: اهدافهدف از این درس این است که دانشجویان جایگاه هوش تجاری را هم از جنبه ی تکنیکی و هم از جنبه ی سازمانی و روش های یافتن مزایای تجاری را درک کنند.

اسلاید 16: Course ContentData warehousingBusiness analyticsPerformance and StrategyInformation storing and retrievalSemantics and ontologiesHandling unformatted information

اسلاید 17: Course ContentHandling information with many different formatsInformation logisticsInterpreting information and learning

اسلاید 18: درس هوش تجاری در دانشگاه Linnaeus

اسلاید 19: Expected Learning OutcomeCollect information from external as well as internal sourceStore and analyze gathered informationDeliver information to the correct person in the correct format

اسلاید 20: ContentExterior environment analysisSupply chainDecision support systemData warehousingData miningOnline Analytical Process (OLAP)

اسلاید 21: درس هوش تجاری در دانشگاه Blekinge

اسلاید 22: اهدافبدست آوردن دانش در مورد اینکه چطور مولفه های تکنیکی هوش تجاری در نظریه اداره می شود.گسترش توانایی انتقال و مرتبط کردن یک دانش رسمی نظری به دانش عملیتوانایی بکار بردن انواع مختلف پروژه های اجرایی که مرتبط به فناوری اطلاعات هستند.کسب کردن درک هوش تجاری برای یادگیری در عملکسب کردن دانش تکنولوژی مدرن و فرصت های تجاریش

اسلاید 23: سیلابس درسمعرفی حوزه های هوش تجاریفرآیندهای هوش تجاریجایگاه و تکالیف تحقیقات هوش عمومی و خصوصیاستراتژی های جمع آوری اطلاعاتتفاوت بین هوش، اطلاعات و دادهمزایای رقابتی و عدم تقارن اطلاعاتجایگاه آکادمیک و سازمانی کارکردهای هوشفرآیندهای کاری هوشاستراتژی ها و نیازمندی هوش در جمع آوری اطلاعاتهدایت سیستم ها ی هوشمند به سمت کوتاه کردن چرخه ی تولید محصولارتباط تحلیل های صنعتی و شرکتی

اسلاید 24: سیلابس درس - ادامهگسترش مدل های هوش و عملکرد تجزیه و تحلیلییک مدل هوشمند عمومیانتخاب و انجام تجزیه و تحلیلشرایط مورد نیاز در مراحل مختلف چرخه ی هوشمحدوده و منطق زبان برای تجزیه و تحلیلنرم افزار هوش تجاری و هوش تجاری در وبمحدودیت های اخلاقی و قانونی در سازمان های خصوصینرم افزار BI و فرصت های تجاریش

اسلاید 25: تجهیزات تکنیکی هوشنظریه تکنیک های مدرن در تجزیه و تحلیل Cryptoاداره و سازمان دهی یک تیم BIیادگیری ، توسعه ی شخصی و فناوری اطلاعات

اسلاید 26: مقایسه تطبیقی