- V rámci úvodu je nutné jasně stanovit cíle práce a návaznost jednotlivých kapitol;
- Teoretická část práce je založena zejména na rešerši provedené s využitím zdrojů uvedených v seznamu použité literatury;
- Analytická část práce spočívá v analýze, nikoliv v podrobném rozpracování teoretického konceptu, představeného v teoretické části;
- Analýza je založena na praktické implementaci / benchmarku metod popsaných v teoretické části (kriticky hodnotí reálnou / předpokládanou implementaci);
- Každý pojem musí být vysvětlen / definován při svém prvním použití;
- Všechny zdroje uvedené v seznamu použité literatury musí být citovány v textu;
- Citovat je nutné vždy původní zdroje (s případným odkazem na kontext v sekundárních citacích);
- Wikipedia není vhodný zdroj pro postupovou práci (s výjimkou vysvětlení pojmů a zkratek);
- Závěr práce se vyjadřuje k míře splnění definovaných cílů a shrnuje zásadní poznatky;
- Při citaci zdrojů je nutné dodržovat citační normu ISO-690. Doporučenou formou odkazů je Harwardský styl.
- Popis dané vertikály (finance, telco, retail, farmacie, ...);
- Popis užití dat v rámci vertikály (matice užití);
- Popis byznys dopadu nekvalitních dat podle jednotlivých vlastností dat.
- Jaký je rozdíl mezi daty a informacemi?
- Jaký je potom rozdíl mezi Data a Information Management?
- Patří Business Intelligence do Data Management?
- Co je to Data Product? Existuje také Information Product?
- Jak souvisí kvalita dat s kvalitou informací?
- Jaké jsou principy Servisně Orientované Architektury?
- V čem se liší (a naopak neliší) Microservices a SOA?
- Kriticky zhodnoťte výhody a nevýhody obou přístupů;
- Uveďte příklady řešení, kdy je vhodnější použít SOA a kdy Microservices.
- Co je to datové aktivum (asset) a jak souvisí s Data Governance;
- Co je datový produkt, jak souvisí s Data Mesh;
- Jaké jsou charakteristiky datových produktů a aktiv;
- Je skutečně datový produkt vhodnějším pojmem než datové aktivum?
- Co jsou to metadata a jakým způsobem je lze členit;
- Jak souvisí metadata s hlavními historickými problémy Data Management;
- Co je to Data Liquidity/Interoperability a jak souvisí s řízením metadat;
- Představte příklady řešení, která jsou kriticky závislá na existenci metadat (HDFS, MDM, Data Virtualization, Data Lake, ...)
- Navhrněte implementaci metadata repository v rámci Vaší organizace;
- Zhodnoťte přínosy/náklady takové implementace.
- Co je to Master Data Management;
- Jaký je rozdíl mezi řízením kmenových (master) dat a řízení referenčních dat?
- Relevantní entity pro MDM, specifické formy MDM;
- Návaznost MDM na Data Governance;
- Kritické zhodnocení přínosů;
- Kritické zhodnocení výše nákladů na implementaci a provoz;
- Kritické faktory úspěšnosti implementace MDM.
- Co by měl obsahovat audit datové kvality;
- Jaké kroky existujících metodik pro řízení kvality dat odpovídají auditu kvality;
- Jaká by měla být vazba auditu datové kvality na audit informačního systému?
- Jaké standardy lze použít pro audit kvality dat;
- Navrhněte plán auditu.
- Řízení dat jako jedna z dimenzí řízení informatiky;
- Metriky výkonnosti informatiky;
- Metriky výkonnosti řízení dat;
- Kauzální závislosti mezi metrikami výkonnosti.
- V čem je specifické řízení kvality dat majících charakter streamu?
- Popište význam a architekturu DQ Firewall;
- Jakým způsobem byste implementovali DQ Firewall;
- Jakým způsobem byste v takovém případě řešili dávkové (batch) loady dat?
- Formy užití dat ve státním a soukromém sektoru;
- Náklady nekvalitních dat ve státním sektoru;
- Náklady nekvalitních dat v soukromém sektoru;
- Srovnání míry dopadu v rámci obou sektorů.
- Popis problematiky duplicitních dat;
- Popis technik pro vypořádání se s duplicitními daty;
- Popis možných úskalí deduplikace a unifikace dat.
- Co je to Data Lake a jaké jsou rozdíly oproti klasickému Datovému Skladu;
- Jaké jsou možnosti začlenění Data Lake do IS (výstup: schéma možností);
- Jaké jsou možnosti použitých technologií (výstup: srovnání možností);
- Jaká jsou možná rizika (výstup: analýza rizik);
- Na základě analýzy formulujte kritické faktory úspěšnosti (výstup: strukturovaný přehled faktorů úspěšnosti s vyznačením kritických faktorů s odůvodněním).
- Co je to Data Lake a jaké jsou rozdíly oproti klasickému Datovému Skladu;
- Co je HDFS, Object Storage – výhody / nevýhody z pohledu technologií;
- Nákladové implikace on-prem / on-cloud;
- Budoucí vývoj.
- Monolytická vs. Distribuovaná datová architektura;
- Hlavní principy Data Mash;
- Jaká jsou negativa / positiva (úskalí).
- Jaký mají vlastnosti dat vliv na kvalitu modelů?
- Jaké vlastnosti mají největší vliv?
- Jak lze tomuto negativnímu jevu čelit?
- Jaký je dopad zpracování dat na životní prostředí?
- Porovnejte on-premise a in-cloud jako alternativy.
- Co je to Feature Store a jaký je rozdíl oproti analytickému data martu?
- Pro jaké typy pokročilé analýzy (deskriptivní, prediktivní, preskriptivní, ...) lze Feature Store použít?
- Do jaké míry lze očekávat znovupoužitelné features a do jaké míry jsou specifické pro konkrétní model?
- Navrhněte datovou a aplikační architekturu Feature Store.
- Role experta a znalostního inženýra;
- Kde leží odpovědnost za selhání systému?
- Návrh konkrétního řešení expertního systému v oblasti jíž se zabýváte;
- Zhodnocení přínosů a možných úskalí;
- Vymezení kritických faktorů úspěšnosti implementace.
- Stručně charaktrizujte problematiku získávání znalostí z textů;
- K jakému účelu je možné techniky získávání znalostí z textů použít?
- S jakými úskalími se lze setkat?
- Jakým způsobem se s nimi lze vypořádat?
- Jaké jsou nejčastější současné úlohy v rámci znalostního managementu?
- Kriticky zhodnoťte trendy v této oblasti;
- Jaký bude podle Vás další vývoj znalostního managementu?
- Jaké znáte kritické faktory úspěšnosti implementace znalostního managementu?
- Přiřaďte tyto kritické faktory k jednotlivým fázím životního cyklu implementace řešení z oblasti znalostního managementu;
- Popište jednotlivé KF: popis faktoru, související hrozby, návrh jejich řešení.
- Jaké znáte trendy v této oblasti?
- Kriticky zhodnoťte tyto trendy?
- Jaký bude podle Vás další vývoj?
- Jaké vidíte možnosti využití získaných znalostí pro danou vertikálu?
- S jakými úskalími je využití znalostí pro tyto účely spojeno?
- Detailně popište vybraný způsob využití.
- Jaké vidíte možnosti využití získaných znalostí pro CRM?
- S jakými úskalími je využití znalostí pro tyto účely spojeno?
- Detailně popište vybraný způsob využití.
- Zamyslete se nad uvedenými variantami implementace znalostního managementu;
- Kriticky zhodnoťte přínosy / nevýhody obou přístupů.
- Jaké jsou typy inteligentních agentů;
- Zamyslete se nad možnostmi využití inteligentních agentů;
- Popište konkrétní praktický příklad jejich využití.
- Popište hlavní problémy znalostního managementu;
- Jakým způsobem mohou při řešení těchto problémů pomoci sociální sítě a groupware aplikace?
- S jakými úskalími je spojena jejich implementace?
- Navrhněte implementaci v prostředí Vaší organizace.