Bakalářská práce je rozdělena na teoretickou a praktickou část. V teoretické části se nachází vypracovaná obecná literární rešerše na téma big data, strojové učení, podnikové procesy a řízení zásob. Dále se teoretická část věnuje významu strojového učení v kontextu big data a podnikových procesů. V praktické části se nachází popis vybrané společnosti a rozbor konsolidovaných účetních výkazů. Následuje aplikace strojového učení za účelem predikce prodejů nářadí této společnosti. Z této predikce je odvozeno doporučení na optimalizaci skladových zásob.
Annotation in English
The bachelor thesis is divided into theoretical and practical sections. The theoretical section includes a comprehensive literature review on big data, machine learning, business processes and inventory management. Additionally, the importance of machine learning within the context of big data and business processes is discussed. The practical section contains a description of the selected company and an analysis of its consolidated financial statements. This is followed by the application of machine learning in order to predict sales of this company's tools. Recommendations for inventory optimization are derived from these predictions.
Keywords
big data, strojové učení, podnikový proces, řízení zásob, podnikové systémy
Keywords in English
big data, machine learning, business process, inventory management, enterprise systems
Length of the covering note
57
Language
CZ
Annotation
Bakalářská práce je rozdělena na teoretickou a praktickou část. V teoretické části se nachází vypracovaná obecná literární rešerše na téma big data, strojové učení, podnikové procesy a řízení zásob. Dále se teoretická část věnuje významu strojového učení v kontextu big data a podnikových procesů. V praktické části se nachází popis vybrané společnosti a rozbor konsolidovaných účetních výkazů. Následuje aplikace strojového učení za účelem predikce prodejů nářadí této společnosti. Z této predikce je odvozeno doporučení na optimalizaci skladových zásob.
Annotation in English
The bachelor thesis is divided into theoretical and practical sections. The theoretical section includes a comprehensive literature review on big data, machine learning, business processes and inventory management. Additionally, the importance of machine learning within the context of big data and business processes is discussed. The practical section contains a description of the selected company and an analysis of its consolidated financial statements. This is followed by the application of machine learning in order to predict sales of this company's tools. Recommendations for inventory optimization are derived from these predictions.
Keywords
big data, strojové učení, podnikový proces, řízení zásob, podnikové systémy
Keywords in English
big data, machine learning, business process, inventory management, enterprise systems
Research Plan
Úvod
Definujte cíle práce a použité metody zpracování práce.
I. Teoretická část
Zpracujte literární rešerši zaměřenou na oblast velkých objemů dat.
II. Praktická část
Pomocí metod strojového učení predikujte vývoj prodejů vybrané společnosti.
Na základě výsledků predikce navrhněte vhodná doporučení vedoucí k optimalizaci skladových zásob dané společnosti.
Závěr
Research Plan
Úvod
Definujte cíle práce a použité metody zpracování práce.
I. Teoretická část
Zpracujte literární rešerši zaměřenou na oblast velkých objemů dat.
II. Praktická část
Pomocí metod strojového učení predikujte vývoj prodejů vybrané společnosti.
Na základě výsledků predikce navrhněte vhodná doporučení vedoucí k optimalizaci skladových zásob dané společnosti.
Závěr
Recommended resources
HENDL, Jan. Big data: věda o datech - základy a aplikace. Praha: Grada Publishing, 2021, 224 s. ISBN 978-80-271-3031-3.
HOLUBOVÁ, Irena, Jiří KOSEK, Karel MINAŘÍK a David NOVÁK. Big Data a NoSQL databáze. Praha: Grada, 2015, 281 s. ISBN 978-80-247-5466-6.
MARR, Bernard. Big data in practice: how 45 successful companies used big data analytics to deliver extraordinary results. Chichester: Wiley, 2016, 308 s. ISBN 978-1119231387.
MARR, Bernard. Big data: using smart big data, analytics and metrics to make better decisions and improve performance. Chichester: Wiley, 2015, 246 s. ISBN 978-1118965832.
MAYER-SCHÖNBERGER, Viktor a Kenneth CUKIER. Big data: revoluce, která změní způsob, jak žijeme, pracujeme a myslíme. Brno: Computer Press, 2014, 256 s. ISBN 978-8-0251-4119-9.
Recommended resources
HENDL, Jan. Big data: věda o datech - základy a aplikace. Praha: Grada Publishing, 2021, 224 s. ISBN 978-80-271-3031-3.
HOLUBOVÁ, Irena, Jiří KOSEK, Karel MINAŘÍK a David NOVÁK. Big Data a NoSQL databáze. Praha: Grada, 2015, 281 s. ISBN 978-80-247-5466-6.
MARR, Bernard. Big data in practice: how 45 successful companies used big data analytics to deliver extraordinary results. Chichester: Wiley, 2016, 308 s. ISBN 978-1119231387.
MARR, Bernard. Big data: using smart big data, analytics and metrics to make better decisions and improve performance. Chichester: Wiley, 2015, 246 s. ISBN 978-1118965832.
MAYER-SCHÖNBERGER, Viktor a Kenneth CUKIER. Big data: revoluce, která změní způsob, jak žijeme, pracujeme a myslíme. Brno: Computer Press, 2014, 256 s. ISBN 978-8-0251-4119-9.
Vedoucí:
1.Bylo by možné zvolit i jiné modely strojového učení pro danou aplikaci? - zodpovězeno
2.Prosím popište rozdíl mezi aplikací statistických metod pro určitá data a aplikaci strojového učení? - zodpovězeno
Oponent:
1. Jaké byly výsledné koeficienty lineární regrese a jak byste je interpretoval? - zodpovězeno
2. Je lineární regrese vhodným modelem pro tento datový soubor/časovou řadu? - zodpovězeno
3. Myslíte si, že použitá data spadají do konceptu Big Data? - zodpovězeno
doc. Novák - jak nákupčí nakupuje? - částečně zodpovězeno , model směřuje k optimalizaci nákupu, v obchodním sektoru - zodpovězeno, graf? - zodpovězeno, dále řešení ABC analýza - což nekoresponduje s Big Data - zodpovězeno, je tam aplikovatelnost, jak jste stanovil hranici v tabulce? proč? zodpovězeno, čím implikuje ta uvedená analýza? - nezodpovězeno