Business Intelligence

Garant předmětu:

Přednášející:

Matej Mojzeš

Cvičící:

Matej Mojzeš

Předmět zajišťuje:

katedra softwarového inženýrství

Anotace:

Cílem předmětu je seznámit studenty s Business Intelligence (BI) jako klíčovou disciplínou pro podporu rozhodování v organizacích v době digitalizace a rozvoje umělé inteligence. Předmět se zaměřuje na návrh, realizaci a využití analytických datových řešení, která propojují klasické principy BI (datové sklady, reporting, OLAP) s moderními přístupy, jako jsou cloudová BI řešení, self-service analytika, real-time BI a AI-asistovaná (augmentovaná) analytika.

Zvláštní důraz je kladen na praktické využití umělé inteligence v BI nástrojích automatickou detekci vzorů a anomálií, generování analytických poznatků (tzv. insights), práci s přirozeným jazykem (NLQ/NLG), doporučování metrik a vizualizací a podporu manažerského rozhodování.

Požadavky:

Studenti budou během semestru řešit práce, jejichž téma bude individuálně navrženo tak, aby navazovalo na jejich dříve řešené úkoly (semestrální práce, BP, DP) a typicky bude spočívat v implementaci vlastní komponenty BI systému.

Hodnocení bude uděleno po prezentaci (obhájení) a odevzdání řešení s dokumentací.

Osnova přednášek:

1. BI v éře AI

- Principy BI

- Role BI v moderní organizaci

- BI vs. Data Science vs. Data Engineering

- Posun od reportingu k decision intelligence (operativní / manažerské / strategické rozhodování)

2. Produkční systémy vs. analytické a rozhodovací systémy

- OLTP vs. analytické systémy

- Latence, historizace, operativní rozhodování

3. Integrace dat pro BI (ETL / ELT v moderním pojetí)

- Zdroje dat

- Logika transformačních procesů

- Batch (dávkové zpracování) vs. stream (tok) v kontextu BI

4. Datový sklad jako základ BI

- Fakty, dimenze, granularita

- Sémantická vrstva jako klíčový prvek BI

- Oddělení fyzického a logického modelu

5. Datová tržiště a doménová analytika

- Tematické datové produkty

- BI jako služba pro business domény

- Self-service BI a řízení autonomie uživatelů

6. Reporting, dashboardy a analytický storytelling

- KPI, metriky a business kontext

- Vizualizace podporující rozhodnutí

- Automatizované generování komentářů (NLG)

7. OLAP a interaktivní analytika

- Multidimenzionální analýza

- Drill-down, slice & dice

- Kombinace OLAP a AI-asistence

8. Dolování dat (Data Mining)

- Segmentace, asociace a trendová analýza jako nástroje podpory interpretace dat

- Role data miningu jako podpůrné vrstvy BI, důraz na interpretovatelnost výsledků

9. AI-asistovaná (augmentovaná) analytika

- Automatická detekce anomálií

- Insight discovery

- Natural Language Query (NLQ)

10. Integrace pokročilých analytických metod do BI

- Statistické, optimalizační a predikční výpočty

- Oddělení výpočtové logiky od BI prezentace

- BI jako konzument analytických služeb

11. BI, znalosti a rozhodování

- Knowledge Management

- Data informace insight rozhodnutí

12. Metadata, governance a odpovědná BI

- Datová katalogizace, lineage

- Transparentnost AI-insightů

- Etické aspekty BI a AI

13. Zajišťování kvality dat (Data Quality Assurance)

- Dimenze a řízení kvality dat v BI

- Monitorování kvality dat a reporting o kvalitě dat

- Praktické přístupy ke zlepšování kvality dat

Osnova cvičení:

1. Úvod do prostředí BI a praktického projektu

- Architektura BI řešení s využitím open-source nástrojů a jazyka Python

- Vzhledem k časové dotaci předmětu nejde o hloubkové programování, ale o praktickou demonstraci architektonických a analytických principů BI řešení

2. Analytické datové modelování

- Návrh a implementace faktových a dimenzionálních tabulek

3. Integrace a transformace dat pro BI

- ETL/ELT logika, business pravidla, validace dat

4. Datový sklad a analytická vrstva v praxi

- Analytická databázová struktura, historická data, časové dimenze

5. Definice metrik a sémantická vrstva

- KPI a analytické metriky, konzistence definic, oddělení výpočtové logiky od prezentace

6. Reporting a základní dashboardy

- Manažerské přehledy, časová srovnání, interpretace výsledků

7. Pokročilá vizualizace a analytický storytelling

- Kontextualizace analytických výstupů, anotace, automatizovaná shrnutí analytických poznatků

8. OLAP a interaktivní analytika

- Multidimenzionální pohledy, drill-down, slice & dice, explorační analytické scénáře

9. Data mining v BI explorační analytické metody

- Segmentace, asociace, trendová analýza, důraz na interpretovatelnost výsledků

10. AI-asistovaná analytika

- Detekce anomálií, insight discovery, Natural Language Query (NLQ)

11. Integrace pokročilých analytických výpočtů

- BI jako konzument analytických výpočtů, prezentace výsledků v BI kontextu

12. Metadata, governance a kvalita dat

- Datová dokumentace, lineage, monitorování kvality dat a její dopad na BI

13. Prezentace studentských projektů

Cíle studia:

Znalosti: Student získá porozumění rozdílné charakteristice produkčních, analytických a rozhodovacích datových systémů a osvojí si principy BI jako nástroje podpory analytických a řídících aktivit v organizaci. Seznámí se s architekturou BI řešení, integračními a transformačními procesy, analytickým datovým modelováním, reportingem, OLAP analýzou, řízením metadat a zajišťováním kvality dat. Zvláštní pozornost je věnována využití AI-asistovaných analytických funkcí v BI prostředí, jejich přínosům, limitům a interpretovatelnosti výsledků.

Schopnosti: Student bude schopen navrhnout, implementovat a hodnotit BI řešení s důrazem na business přínos, konzistenci analytických metrik, interpretaci analytických výstupů a podporu rozhodování. Získá schopnost integrovat pokročilé analytické výpočty a algoritmy (využívané v jiných předmětech) do BI prostředí, pracovat s AI-asistovanými funkcemi BI nástrojů a kriticky posuzovat kvalitu dat a důvěryhodnost analytických poznatků.

Studijní materiály:

Povinná literatura:

[1] KIMBALL, Ralph. The data warehouse lifecycle toolkit. 2nd ed. Indianapolis, IN: Wiley Pub., c2008, 636 s. ISBN

04-701-4977-9.

[2] VERCELLIS, Carlo. Business intelligence: data mining and optimization for decision making. Chichester, U.K.:

Wiley, 2009, 417 s. ISBN 04-705-1139-7.

Doporučená literatura:

[1] LANGIT, Lynn. Smart business intelligence solutions with Microsoft SQL Server 2008. Redmond, Wash.: Microsoft,

c2009, 765 s. ISBN 07-356-2580-8.

Poznámka:

Rozvrh na zimní semestr 2025/2026:

Rozvrh není připraven

Rozvrh na letní semestr 2025/2026:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Aplikované matematicko-stochastické metody (volitelný předmět)
• Aplikace informatiky v přírodních vědách (volitelný předmět)