ÖNKISZOLGÁLÓ ÜZLETI INTELLIGENCIA RENDSZEREK OKTATÁSI TAPASZTALATAI

Viktor László Takács and Katalin Bubnó

Acta Carolus Robertus, 2013, vol. 03, issue 01, 7

Abstract: Az üzleti intelligencia fogalmát nagyon sokan, sokféle módon értelmezik. Alapját a komoly matematikai alapokon és módszereken nyugvó adatbányászat adja, azonban az üzleti intelligencia megoldások már rég túlnyúlnak a statisztikus adatbányászaton. Az információs társadalomban az idő a legnagyobb érték, amely alatt a szükséges információ kikereshető, és feldolgozható a befogadó számára. Az információ minél hatékonyabban való megtalálását hivatottak a statisztikai illetve a mesterséges intelligencia adta lehetőségek biztosítani. Ugyanakkor napjainkban egyre fontosabb kérdés, hogy egyre gyorsabb és hatékonyabb legyen az információ befogadásának folyamata, amire szintén az üzleti intelligencia technológiák kezdenek megfelelő megoldásokat nyújtani, felhasználva például a közgazdaságtanban kialakított mutatórendszerek jó vizualizálhatóságát. Úgy véljük, ezt az interdiszciplináris tudományt mindenkinek más szinten kell az oktatásban bemutatnunk, attól függően, hogy milyen szakmát is tanul. Egy alkalmazott matematikust nyilván a technológiák matematikai alapjai érdeklik, a közgazdászt a közgazdaságtani, míg a gazdasági informatikusokat a technológia alkalmazása, konkrét szoftverek megismerése, mellyel könnyen, gyorsan kimutatások készíthetők például egy vezetői információs rendszerben, amiket aztán látványos, interaktív vizuális élményt nyújtó szcenáriók futtatásával be is tud mutatni az üzletvezetők számára. ------------------------------------------------------------------- There are many different definition about busieness intelligence. It based also on mathematical methods, like data mining, but nowadays business intelligence methods got ahead of statistical data mining. The age of information society our main value is the time while we get interesting and relevant information and process it for ourself. Statistics and artificial intelligence methods provide it. But the reception of information has to be much more intensive and effective. Group of busienss intelligence methods can solve it using visualization technologies for statistical scorecard. By our oppinion we must teach these technologies in different way in different levels in education, depend on students’ chosen profession. Applied mathematicians interested in knowing mathematical funds of technology, economists want to know economical aspects, while business information managers should know concrete software techologies which provide making pivots fast in a management information system and interactive visual experience to running scenarios for corporate management.

Keywords: Research and Development/Tech Change/Emerging Technologies; Teaching/Communication/Extension/Profession (search for similar items in EconPapers)
Date: 2013
References: Add references at CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
https://ageconsearch.umn.edu/record/174118/files/Tak_cs%20ACR%203_1_.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ags:hukruc:174118

DOI: 10.22004/ag.econ.174118

Access Statistics for this article

More articles in Acta Carolus Robertus from Karoly Robert University College
Bibliographic data for series maintained by AgEcon Search ().