Construcció i explotació d'un magatzem de dades per a l'anàlisi d'informació immobiliària

Aquest treball consisteix en crear un projecte de magatzem de dades per a una empresa immobiliària. La primera etapa de la creació del magatzem consisteix en la definició del projecte, cosa que implica determinar els seus objectius i el seu abast i detallar la planificació del projecte. La segona fase consisteix en realitzar tot el seu disseny el més acuradament possible. En la tercera fase s'implementa el disseny anterior i es construeix el magatzem de dades, i també es creen els informes demanats per l'empresa mitjançant eines de Business Intelligence. Com a resultat final, s'haurà construït una base de dades en forma de cub multidimensional (data warehouse) amb les dades de tots els immobles que gestiona o ha gestionat l'empresa.

Gestor d'un hospital

La finalitat d'aquest projecte és realitzar el desenvolupament d'una aplicació fent servir la tecnologia .NET, que és una tecnologia actualment en gran expansió, amb la voluntat d'explorar les seves possibilitats. En concret, hem fet servir ASP.NET, C# i la seva connectivitat amb SQL-Server mitjançant ADO.NET.

Construcció i explotació d'un magatzem de dades de planificació hidrològica

El projecte que constitueix la base de aquest TFC, consisteix en la construcció d'un magatzem de dades, com a eina de treball, per als tècnics de la Confederació Hidrogràfica Nord-Est (CHNE), que és l'entitat encarregada de la gestió de l'aigua i infraestructures hidràuliques del nord-est de la península ibèrica. Aquest magatzem ha de permetre automatitzar la recollida de la informació provinent de fulls Excel i explotar aquesta informació amb eines de Business Intelligence adients.

Construcció i explotació d'un magatzem de dades corporatiu per a l'organisme de Salut Pública de la Diputació de Girona

Construcció i explotació d'un magatzem de dades corporatiu per a l'organisme de Salut Pública de la Diputació de Girona.

Projecte "Aca" : TFC Treball Fi de Carrera (Magatzem de dades)

Construcció i explotació d'un magatzem de dades d'informació cinematogràfica.

Construcció i explotació d'un magatzem de dades per a l'anàlisi del sistema de prestacions socials

Aquest projecte consisteix en la construcció d'un magatzem de dades com a eina de treball per als empleats de l'Organisme d'Anàlisi del Departament de Treball (OADT). L'OADT vol conèixer la evolució de les prestacions i la sostenibilitat del sistema. El fet que la informació estigui distribuïda per les comunitats autònomes implica que no es pot treballar de forma unificada, i no es pot fer cap anàlisi rigorós. El magatzem de dades que creem ha de permetre la recollida de tota aquesta informació i la seva posterior explotació amb eines de Business Intelligence.

Creació d'un quadre de comandament per a l'anàlisi de resultats d'un hospital

En aquest projecte es realitzarà un quadre de comandament amb l'eina Oracle BI, amb la construcció del data warehouse i procés ETL.

Construcció i explotació d'un magatzem de dades per a l'anàlisi de vendes d'una cadena de supermercats

Creació d'un magatzem de dades mitjançant el qual es pugui obtenir una sèrie d'informes on es pugui veure l'evolució trimestral de les vendes del Grup Líder en Distribució de Proximitat (GLDP) mitjançant una eina de Business Intelligence: Pentaho Report Dessigner.

Construcción y explotación de un almacén de datos para el análisis de ventas de una cadena de supermercados

El objetivo principal de este TFC es la construcción de la base de datos de un data warehouse (DW) y la utilización de las técnicas y herramientas existentes en la actualidad para llevarlo a cabo. La implementación de dicho modelo debe de estar orientado a un almacén de datos físico ROLAP que almacenará información sobre las ventas de un supermercado.

StopFlu: Sistema BI d'anàlisi predictiu contra la grip

Vivim, cada cop més, en un món tecnològic, on la vida diària es comparteix a les xarxes socials quasi sense adonar-nos-en. En aquest context, es generen quantitats ingents d'informació que, un cop tractades, poden ésser útils en estudis ben diversos com són la detecció de terratrèmols o la detecció prematura d'una epidèmia. En relació a aquest últim, el virus de la grip és un greu problema de salut pública ja que es destinen part dels recursos sanitaris durant un període de temps considerable i disminueix la productivitat laboral dels afectats que la pateixen. Davant d'aquesta situació, es planteja la realització d'un sistema de Business Intelligence que analitzi les dades extretes dels tweets de la plataforma Twitter en relació a les hospitalitzacions produïdes a un hospital de Catalunya, per tal de tenir un anàlisi predictiu de l'aparició d'un brot d'aquestes característiques. El treball va més enllà al emprar una tecnologia no convencional per la implementació del sistema BI. S'escull la dupla Elasticsearch i Kibana per tal d'aconseguir un sistema robust, distribuït, escalable i, sobretot, totalment personalitzable. Després d'un estudi d'aquestes dos solucions, incloent els plugins de monitoratge i càrrega de dades, s'ha elaborat un data warehouse complet i un quadre de comandament introductori. Es deixa, per futures línies de treball, l'anàlisi profund de les dades i la conseqüent extracció d'uns resultats que ens ajudin a predir amb una major antelació l'aparició d'un nou brot del virus de la grip.

StopFlu : Sistema BI d'anàlisi predictiva contra la grip

Realització d'un sistema de Business Intelligence que analitzi les dades extretes dels tweets de la plataforma Twitter en relació a les hospitalitzacions produïdes a un hospital de Catalunya, per tal de tenir una anàlisi predictiva de l'aparició d'un brot de grip. El treball va més enllà a l'emprar una tecnologia no convencional per la implementació del sistema BI. S'escull la dupla ElasticSearch i Kibana per tal d'aconseguir un sistema robust, distribuït, escalable i, sobretot, totalment personalitzable. Després d'un estudi d'aquestes dos solucions, incloent els plugins de monitoratge i càrrega de dades, s'ha elaborat un data warehouse complet i un quadre de comandament introductori.

DATA WAREHOUSING IN A GLOBAL METAL INDUSTRIAL COMPANY

Työn tavoittena oli selvittää, miten tietovarastointi voi tukea yrityksessä tapahtuvaa päätöksentekoa. Tietovarastokomponenttien ja –prosessien kuvauksen jälkeen on käsitelty tietovarastoprojektin eri vaiheita. Esitettyä teoriaa sovellettiin käytäntöön globaalissa metalliteollisuusyrityksessä, jossa tietovarastointikonseptia testattiin. Testauksen perusteella arvioitiin olemassa olevan tiedon tilaa sekä kahden käytetyn ohjelmiston toimivuutta tietovarastoinnissa. Yrityksen operatiivisten järjestelmien tiedon laadun todettiin olevan tutkituilta osin epäyhtenäistä ja puutteellista. Siksi tiedon suora yrityslaajuinen hyödyntäminen luotettavien ja hyvälaatuisten raporttien luonnissa on vaikeaa. Lisäksi eri yksiköiden välillä havaittiin epäyhtenäisyyttä käytettyjen liiketoiminnan käsitteiden sekä järjestelmien käyttötapojen suhteen. Testauksessa käytetyt ohjelmistot suoriutuivat perustietovarastoinnista hyvin, vaikkakin joitain rajoituksia ja erikoisuuksia ilmenikin. Työtä voidaan pitää ennen varsinaista tietovarastoprojektia tehtävänä esitutkimuksena. Jatkotoimenpiteinä ehdotetaan testauksen jatkamista nykyisillä työkaluilla kohdistaen tavoitteet konkreettisiin tuloksiin. Tiedon laadun tärkeyttä tulee korostaa koko organisaatiossa ja olemassa olevan tiedon laatua pitää parantaa tulevaisuudessa.

Business Intelligencen hyödyntäminen autoalan liiketoiminnassa

Tämän pro gradu -tutkielman tavoitteena on selvittää, miten Business Intelligencea voidaan hyödyntää autoalan liiketoiminnassa Suomessa. Työssä tutkitaan erityisesti autoalan tietotarpeita, tietolähteitä, tiedon analysointia sekä tiedon hyödynnettävyyttä liiketoiminnan ohjaamisessa ja päätöksenteossa. Työn tutkimusstrategiana käytettiin tapaustutkimusta, jonka kohderyhmänä oli viisi suomalaista autoalan suuryritystä. Tutkimuksen empiirinen aineisto hankittiin haastattelemalla yritysten Business Intelligence -toiminnoista vastaavia henkilöitä. Tutkimuksen tulosten perusteella Business Intelligence merkitsi yrityksille ensisijaisesti toiminnanohjausta ja sen seurantaa, sekä korkealaatuisen tiedon tuottamista päätöksentekoa varten. Keskeisiksi tietotarpeiksi luokiteltiin asiakkaisiin, ajoneuvoihin, sisäisiin prosesseihin, liiketoimintatapahtumiin, kilpailijoihin, toimialaan ja asiakastyytyväisyyteen liittyvät tiedot. Tutkimuksen tulosten perusteella tiedon hankinnassa tulee huomioida sekä sisäisen liiketoimintatiedon analyyttinen hyödyntäminen että systemaattinen tiedon hankinta myös ulkoisista lähteistä. Yritykset kokivat Business Intelligence -toimintojen parantaneen tiedon laatua, tehostaneen toiminnanohjausta sekä mahdollistaneen yhteneväisen liiketoiminnan johtamisen organisaation eri tasoilla.

Model of Big Data Failure: Review of Information System Failure

In the new age of information technology, big data has grown to be the prominent phenomena. As information technology evolves, organizations have begun to adopt big data and apply it as a tool throughout their decision-making processes. Research on big data has grown in the past years however mainly from a technical stance and there is a void in business related cases. This thesis fills the gap in the research by addressing big data challenges and failure cases. The Technology-Organization-Environment framework was applied to carry out a literature review on trends in Business Intelligence and Knowledge management information system failures. A review of extant literature was carried out using a collection of leading information system journals. Academic papers and articles on big data, Business Intelligence, Decision Support Systems, and Knowledge Management systems were studied from both failure and success aspects in order to build a model for big data failure. I continue and delineate the contribution of the Information System failure literature as it is the principal dynamics behind technology-organization-environment framework. The gathered literature was then categorised and a failure model was developed from the identified critical failure points. The failure constructs were further categorized, defined, and tabulated into a contextual diagram. The developed model and table were designed to act as comprehensive starting point and as general guidance for academics, CIOs or other system stakeholders to facilitate decision-making in big data adoption process by measuring the effect of technological, organizational, and environmental variables with perceived benefits, dissatisfaction and discontinued use.

Model of Big Data Failure: Review of Information System Failure

In the new age of information technology, big data has grown to be the prominent phenomena. As information technology evolves, organizations have begun to adopt big data and apply it as a tool throughout their decision-making processes. Research on big data has grown in the past years however mainly from a technical stance and there is a void in business related cases. This thesis fills the gap in the research by addressing big data challenges and failure cases. The Technology-Organization-Environment framework was applied to carry out a literature review on trends in Business Intelligence and Knowledge management information system failures. A review of extant literature was carried out using a collection of leading information system journals. Academic papers and articles on big data, Business Intelligence, Decision Support Systems, and Knowledge Management systems were studied from both failure and success aspects in order to build a model for big data failure. I continue and delineate the contribution of the Information System failure literature as it is the principal dynamics behind technology-organization-environment framework. The gathered literature was then categorised and a failure model was developed from the identified critical failure points. The failure constructs were further categorized, defined, and tabulated into a contextual diagram. The developed model and table were designed to act as comprehensive starting point and as general guidance for academics, CIOs or other system stakeholders to facilitate decision-making in big data adoption process by measuring the effect of technological, organizational, and environmental variables with perceived benefits, dissatisfaction and discontinued use.