MBA-IT

Pokyny pro vypracování postupové práce

• 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.

Témata postupových prací Data/Information Management

Možnosti využití dat jednotlivých vertikálách s ohledem na jejich kvalitu;

• Popis dané vertikály (finance, telco, retail, farmacie, ...);
• Popis užití dat v rámci vertikály (matice užití);
• Popis byznys dopadu nekvalitních dat podle jednotlivých vlastností dat.

Data vs. Information Management

• 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?

Microservices vs. SOA

• 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.

Datové aktivum vs. produkt

• 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?

Důležitost řízení metadat v moderním řízení firmy

• 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.

Master Data Management – porovnání přínosů a nákladů

• 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.

Návrh přístupu k auditu datové kvality

• 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.

Dopad metrik výkonnosti řízení dat do metrik výkonnosti ostatních oblastí řízení IT/firmy

• Řízení dat jako jedna z dimenzí řízení informatiky;
• Metriky výkonnosti informatiky;
• Metriky výkonnosti řízení dat;
• Kauzální závislosti mezi metrikami výkonnosti.

Význam online datové kvality

• 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?

Porovnání míry dopadu nekvalitních dat ve státním a soukromém sektoru

• 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.

Metody pro deduplikaci a unifikaci

• Popis problematiky duplicitních dat;
• Popis technik pro vypořádání se s duplicitními daty;
• Popis možných úskalí deduplikace a unifikace dat.

Kritické faktory úspěšnosti nasazení Data Lake v organizaci

• 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).

Data Lake s využitím on-prem HDFS a on-cloud Object Storage

• 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.

Kritické zhodnocení Data Mash jako datové architektury budoucnosti

• Monolytická vs. Distribuovaná datová architektura;
• Hlavní principy Data Mash;
• Jaká jsou negativa / positiva (úskalí).

Vliv datové kvality na získávání znalostí z databází

• Jaký mají vlastnosti dat vliv na kvalitu modelů?
• Jaké vlastnosti mají největší vliv?
• Jak lze tomuto negativnímu jevu čelit?

Data Sustainability

• Jaký je dopad zpracování dat na životní prostředí?
• Porovnejte on-premise a in-cloud jako alternativy.

Kritické zhodnocení přínosů Feature Store

• 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.

Témata postupových prací Knowledge Management/Engineering

Etické aspekty expertních systémů

• Role experta a znalostního inženýra;
• Kde leží odpovědnost za selhání systému?

Návrh expertního systému

• Návrh konkrétního řešení expertního systému v oblasti jíž se zabýváte;
• Zhodnocení přínosů a možných úskalí;
• Vymezení kritických faktorů úspěšnosti implementace.

Úskalí získávání znalostí z textových dokumentů

• 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?

Trendy v oblasti znalostního managementu

• Jaké jsou nejčastější současné úlohy v rámci znalostního managementu?
• Kriticky zhodnoťte trendy v této oblasti;
• Jaký bude podle Vás další vývoj znalostního managementu?

Kritické faktory úspěšnosti zavedení 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.

Trendy a výzvy v oblasti získávání znalostí z databází /textů/audia/videa ...

• Jaké znáte trendy v této oblasti?
• Kriticky zhodnoťte tyto trendy?
• Jaký bude podle Vás další vývoj?

Možnosti využití znalostí v dané vertikále (E-business, Finance, Retail, Telco,...)

• Jaké vidíte možnosti využití získaných znalostí pro danou vertikálu?
• S jakými úskalími je využití znalostí pro tyto účely spojeno?
• Detailně popište vybraný způsob využití.

Možnosti využití znalostí pro CRM

• Jaké vidíte možnosti využití získaných znalostí pro CRM?
• S jakými úskalími je využití znalostí pro tyto účely spojeno?
• Detailně popište vybraný způsob využití.

Implementace znalostního managementu – projekt nebo kontinuální vývoj?

• Zamyslete se nad uvedenými variantami implementace znalostního managementu;
• Kriticky zhodnoťte přínosy / nevýhody obou přístupů.

Možnosti využití inteligentních agentů

• Jaké jsou typy inteligentních agentů;
• Zamyslete se nad možnostmi využití inteligentních agentů;
• Popište konkrétní praktický příklad jejich využití.

Možnosti využití sociálních sítí a groupware aplikací pro Knowledge Management

• 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.