Documente Academic
Documente Profesional
Documente Cultură
10/27/20
Organizatia
Strategia
Modificarile
mediului economic Procese de afaceri
Sisteme informatice
Infrastructura IT
Inovatie IT
Cultura
organizationala
10/27/20
SI - perspective si dimensiuni
Abordare
tehnica
Organizatie Tehnologie
SI
Management
Abordare
business
10/27/20
SI – abordare din punctul de vedere al
afacerii
• O solutie organizationala si manageriala
bazata pe tehnologiile informationale la
o provocare a mediului
10/27/20
SI – dimensiunea tehnologica
HARDWARE si SOFTWARE
• Tehnologii de gestionare a datelor,
informatiilor, cunostintelor…
• Tehnologii colaborative
• Analitici, Inteligenta Artificiala
Infrastructura IT
SI – abordarea tehnologica
10/27/20
Componentele SI
Componente organizationale:
• informatia
• procesele afacerii
Componente tehnice:
• proceduri
• hardware
• software
10/27/20
Data / Informatie / Cunostinta
• DATE
Simple observatii cantitative
• INFORMATII
Date insotite de semnificatie (pentru un anumit
utilizator intr-un context dat)
• CUNOSTINTE
Semnificatii ale relatiilor complexe stabilite intre
informatii intr-un context dat
10/27/20
Data / Informatia / Cunostinta
INTELIGENTA
Independenta
fata de context
CUNOSTINTA Intelegerea
principiilor
Intelegerea relatiilor
DATA Intelegere
legere
10/27/20
OMUL SOFTWARE
Nivel Model
conceptual
Conceptual
Intelegere Formalizare
Abstractizare
Nivel Se traduce
Model verbal Model logic
Logic
Descriere Implementare
Perceptie, Inregistrare
Nivel
Fizic
REALITATE HARDWARE
10/27/20
Evolutia IT
Ø Mainframe & minicomputer : 1959 - prezent
1958 IBM mainframe
1965 minicomputerele DEC (mai ieftine)
Ø PC : 1981 - prezent
1981 - IBM PC
Proloferarea in anii 80, 90 – rezultat: o dezvoltare a
“software-ului personal”
Ø CLIENT – SERVER : 1983 – prezent
Retele de clienti conectati la servere – procesarea
informatiilor se impartita intre clienti si server
Network may be two-tiered or multitiered (N-tiered)
Diferite tipuri de servere (retea, aplicatie, Web)
10/27/20
Evolutia IT
ØEnterprise Computing (Sisteme informatice
organizationale): 1992 - prezent
Integrarea diferitelor retele, sisteme, aplicatii
utilizand standardele Internet si aplicatiile la nivelul
organizatiei
10/27/20
Oameni implicati in dezvoltarea
SI
Departament IT
• analisti si programatori
• administratori de date
• experti IT
• Business Analysts
• Data translators
• Data Scientists
Utilizatori
Consultanti
10/27/20
IT, Infrastructura IT, SI
• IT
Hardware + Software
• INFRASTRUCTURA IT
Hardware + Software + Capital uman
• SI : dimensiuni :manageriala, organizationala si
tehnologica
Infrastructura IT + Informatii + Procesele afacerii
10/27/20
SOFTWARE – tipuri de SI (abordare
sistemica)
SISTEMUL DE CUNOŞTINŢE
Modelul
OICD al
SSD unei
SISTEMUL OPERAŢIONAL
ST
organizatii
SISTEMUL DECIZIONAL
INFORMATIONAAL
decizii date
informaţii
SISTEMUL ordine
MIS SCO
SOFTWARE –tipuri de SI (abordare
manageriala)
• Nivel executiv
EIS (previzionare vanzari, planificare)
• Nivel managerial
SIAD (analiza profitabilitate) Sisteme Suport
pentru decizii
SIG (controlul stocurilor)
• Nivel cunoastere
SGC (KMS)
• Nivel operational
ST (procesare comenzi, contabilitate)
10/27/20
SOFTWARE – tipuri de SI (abordare
functionala)
1. ERP
2. SCM
3. CRM
4. SGC (KMS)
10/27/20
ERP
• Modelarea si integrarea principalelor procese de afaceri si
utilizarea unei baze de date unice
• Informatii privind
comenzile, productia, nivelul stocurilor,
furnizarea de produse si servicii
10/27/20
CRM
• Coordonarea tuturor proceselor de afaceri in
cadrul carora se relationeaza cu clientii
(vanzari, marketing, service) in scopul
maximizarii satisfaciei acestora
10/27/20
KMS
• Achizitionarea, crearea, stocarea, distribuirea,
utilizarea si integrarea cunostintelor
10/27/20
De ce investitia in IT nu garanteaza intotdeauna
rezultatele asteptate ?
Activele complementare
• Active organizationale
Model de afacere, procese de afaceri, cultura organizationala,
stabilirea responsabilitatilor in cadrul procesului decizional
• Active manageriale
Mediile lucru colaborative, suport pentru schimbarile impuse de
noile tehnologii
• Activele sociale
Infrastructura Internet si telecomunicatii, standarde, norme,
stabilitatea pietii
10/27/20
Business - IT
• Trebuie sa “repozitioneze”
utilizatorul si cerintele acestuiain
centrul activitatii lor
“Marketers need to better communicate
It is crucial with IT by helping them understand
what the real business need is and the
for the CMO rationale to support it. Marketers also
and CIO to must demonstrate to IT that the business
strategy is at the forefront and that the
work customer is at the center of their
decisions. On the other side, IT needs to
together for better understand that marketers are
the better of ultimately responsible for business
growth and innovation and join forces
their for the best road to success”
organization Nancy Costopulus, CMO of the AMA
Perspective…
• Big Data – digitalizarea pe scara larga a
informatiei
schimbam…
Organizatiile se schimba…
Cultura organizationala - modele
Economie Economie Economie Economie
feudala industriala bazata pe bazata pe
cunoastere creativitate
Cognitive business
Perspective…
• Abordarea “moderna”
Big Data / Big Data Analytics / AI
Data-driven decision making
DSMS (Data Stream Management
Systems)
„Organizations that embrace
”Data- marketing metrics and create a data-
driven” driven marketing culture have a
competitive advantage that results in
Marketing significantly better financial
performance than that of their
competitors”
Mark Jeffery
It is crucial
for the CMO ”By the year 2022, CMOs will spend
and CIO to more on IT than their counterpart
CIOs. Marketing is becoming
work increasingly technology-based.
together for Harnessing and mastering Big Data
is now the key to achieving
the better of competitive advantage. Many
their marketing budgets already are larger
– and faster growing – than IT
organization budgets.”
Gartner report
“As the digital age
progresses, assumptions
around the fixed nature
of ‘what’ humans are is
Ce ne beginning to be
rezerva challenged.
Technology, and its
viitorul? applications, are poised
to affect every aspect of
what we call humanity”
Daryl Plummer, Gartner, oct.
2019
Big Data va modifica in mod
fundamental vietile noastre – totul
va putea fi “cuantificat”
Big Data
& Mindshift:
Big Data Ajustare a ideilor “traditionale” in
management, proces decizional,
Analytics resurse umane, educatie…
Sa avem incredere (doar ?) in date
“What is the worth of me? I beg you to rate me!”
The negative character of human valuation
China Experiment
http://bit.ly/2znruse
ASISTAREA INFORMATICA
TEHNOLOGII
A PROCESULUI INFORMATIONALE
DECIZIONAL
SUPORT PENTRU
MANAGEMENTUL AFACERILOR
• Managementul afacerii
Decizii -
operaţionale.
Decizii -
Deciziile structurate (programabile)
• obiectivele şi scopurile sunt precise
clasificari
• există un algoritm de rezolvare., o procedura clara deci nu
trebuie sa fie tratate ca fiind probleme noi
• Repetitive, de rutina
Deciziile semistructurate
• decizia are elemente predominant cantitative
• obiectivele si scopurile nu sunt precise
• procedura algoritmică de rezolvare nu acoperă în totalitate
ansamblul elementelor problemei.
Nivelul decizional
Tipul de decizie Operaţional Tactic (managerial) Strategic
structurată • Facturi • Analiza bugetului • Management
financiar
• Plaţi • planificare pe
termen scurt • sistem de distribuţie
• ordine de intrare
• situaţii privind • amplasarea
personalul depozitelor
semistructurată • Planificarea • Evaluarea creditelor • Construirea de noi
producţiei unităţi
• elaborarea bugetului
• gestiunea • fuziuni şi achiziţii
stocurilor • planificarea
proiectelor • noi produse sau
servicii
nestructurată Aprobarea • Negocieri • Cercetare-
împrumuturilor dezvoltare
• angajări la nivelul • planificare termen
conducerii lung
• dezvoltarea de noi
• lobby tehnologii
F un ansamblu de activitati pe care le
desfasoara un individ/grup, confruntat
Procesul cu un eveniment ce genereaza mai
multe variante de actiune, obiectivul
decizional fiind alegerea unei variante care
corespunde sistemului de valori al
individului/grupului.
Procesul decizional - faze
INFORMARE
GENERALĂ
problema
CONCEPERE
model
ALEGERE
decizia
IMPLEMENTARE
Informare generala - etape
• Identificarea problemei
• Clasificarea problemei
• Descompunerea problemei in subprobleme
• Stabilirea responsabilitatilor
• Generarea alternativelor
automat
manual – euristici
• Modelare
Definirea modelului
parametrii
variable de decizie
variabile obiectiv
relatii
restrictii
Validarea modelului
s o l u ţ i e i
COMPLETĂ
p o s i b i l e
soluţiile
NCREMENTALĂ
Metode
de căutare CEA MAI
PARŢIALĂ
r e n u n ţ ă l a c e l e m a i p u ţ i n s a t i s f ă c ă t o a r e
T E S T A T E
b u n e
• Analiza solutiei
Analiza de risc
Analiza de senzitivitate
Evaluarea scenariilor
cel mai bun
cel mai prost
cel mai probabil
•Intuitie si judecata
DECIZII
• modelare (decizii structurate ): decizii
automatizate
decizional
semistructurate / nestructurate):
experimentarea mai multor modele, adaptarea unor
modele existente sau construirea unor modele proprii
Sisteme Informatice :
- 1990 - SIAD bazat pe date
Concept generic care
grupeaza instrumente din
Business domeniul afacerii si al
informaticii, utilizate in
Intelligence vederea tranformarii
datelor in informatii, a
informatiilor in decizii si a
deciziilor in actiuni
Exploatarea inteligentă a datelor
29
tehnologie de centralizare,
consolidare, reorganizare şi
stocare a volumelor mari de
date preluate din sisteme
informatice eterogene, date
care vor fi baza procesărilor
Depozitarea analitice necesare proceselor
datelor de decizie.
(Data
warehousing) Depozitul de date (« Baza de
informatii » )
stocheaza toate datele relevante
pentru o organizatie in diferite
contexte decizionale
tehnologie de agregare a
datelor stocate în depozite
OLAP într-o abordare
(On-line multidimensională care
asigură acces rapid la
analytical informaţiile necesare analiştilor
processing) şi managerilor într-o manieră
consistentă, interactivă şi foarte
flexibilă
Analiza
32
ANALIZA
33
tehnologie de explorare a datelor
stocate în depozite în încercarea
de a descoperi aspecte noi ale
activităţii desfăşurate, aspecte
trecute în mod normal cu
vederea: corelaţii între
DATA MINING evenimente, asociaţii între
anumite fapte, secvenţe, tipare de
comportament.
Data Analiza
mining predictiva
Ce se va
Exploreaza intampla?
Extragerea de informatii din colectii de
date nestructurate
• E-mail
• Chat
TEXT MINING • Documente
• Prezentari
Inteligenta Artificiala
• Modele de reprezentare a
cunostintelor
Inteligenta • Rationament artificial
Artificiala
Adaptive business intelligence (2005)
• Asistarea deciziei ≠ adoptarea deciziei
• Optimizare, predictie pentru a furniza decizii
cat mai bune (aproape optime)
Procesul • Adaptabilitate pentru ajustrea solutiilor
oferite in functie de evolutia viitoare
decizional
– suport Business Analytics (2006)
• ANALITICI: orice analiza bazata pe date
informatic care produce “insight” (valoare)
- sunt bazate pe Date (si mai putin pe “opinii”)
- utilizeaza in principal tehnici/ modele cantitative
Business Analytics
BI BA
(Analitici predictive si prescriptive)
(analitici descriptive)
OLAP OPTIMIZARE
SIMULARE
INTEROGARI ad-hoc
SAD
Business Modelare
intelligence predictiva
BA
INTELEGERE ACTIUNE
Business Intelligence vs. Business Analytics
2. BA – inclus in BI.
Utilizarea extensiva a metodelor analitice in exploatarea
datelor este o tendinta naturala in evolutia BI, explicata atat
de necesitatile crescande ale decidentilor, cat si de
dezvoltarea tehnologiilor.
• Abordarea manageriala –
BI - IMPLEMENTAREA sistemelor BI
Analytics
BUSINESS BUSINESS ANALYTICS
INTELLIGENCE
Business Raspunde la intrebari CE s-a intamplat? DE CE s-a intamplat?
Intelligence de tipul: CAND?
CINE?
SE VA INTAMPLA din nou?
CE SE VA INTAMPLA DACA?
– Business CAT? CE ar trebui sa facem in
legatura cu asta?
Analytics
Include RAPORTARE (KPI’s) / ANALIZE CANTITATIVE
OLAP
iNTEROGARI ad-hoc
Business Modelare
intelligence predictiva
BA
INTELEGERE ACTIUNE
2. BA – inclus in BI.
Business Utilizarea extensiva a metodelor analitice
in exploatarea datelor este o tendinta
Intelligence naturala in evolutia BI, explicata atat de
necesitatile crescande ale decidentilor, cat
vs. si de dezvoltarea tehnologiilor.
ABILITATI SPORITE PENTRU O MAI BUNA INTELEGERE A INSTRUMENTE PENTRU INSTRUMENTE PENTRU
DETERMINAREA CLTV ELASTICITATII PRETURILOR, MANAGEMENT MANAGEMENTUL
A CERERII PERFORMANTELOR
Business Intelligence – concept
demodat?
• Un termen utilizat pe scara larga in contextul asistarii informatice a
procesului decizional.
• Nu exista o definitie unanim acceptata pentru termenul BI – are
multe fatete si la fel de multe intelesuri in functie de contextul in
care este utilizat
dezvoltarea tehnologiilor
informationale
Marketing
Intelligence
Business Intelligence
Competitive Intelligence
Market Intelligence
“Next to knowing all about your own business, the best thing to
know about is the other fellow’s business”
John D. Rockefeller
Competitive Intelligence
• exploateaza in principal informatiile externe organizatiei
• O ramura specializata a BI – chiar daca cei doi termeni sunt
considerati deseori sinonimi
• Procesul de consolidare a competitivitatii prin o mai buna
cunoastere/intelegere a concurentilor si a mediului
concurential
Business Intelligence
Business intelligence –
mediul intern al organizatiei;
utilizeaza toate sursele interne in
vederea obtinerii unor informatii de
sinteza relevante in cadrul proceselor
decizionale
• Rapoarte guvernamentale
• Baze de date publice
• Interviuri, sondaje
CI • Grupuri de interese ( asociatii
comerciale, grupuri de consumatori,
Surse de cercetatori)
Externalizarea CI?
BEST PRACTICE : CI – Legal, Etic
Vom exploata noii Ne ne vom
angajati pentru a reprezenta in Vom folosi
obtine informatii mod eronat metode
”clasificate” ilegale
Nu…
• CI - proces sustinut de
managementul executiv
In • ”Best Practices”: comunicare
concluzie permanenta cu decidentii, focus
pe subiectele cheie, grija la
aspectele legale, etice
MEDIUL MEDIUL
INTERN EXTERN
BUSINESS COMPETITIVE
INTELLIGENCE INTELLIGENCE
Aplicatii CI
definire Misiuni
Obiective
Strategii
Politici
alegere
STRATEGY
implementare
Programe
Bugete
Proceduri
evaluare
control
Performata
Rezultate
INTEGRAREA BI- CI
Sun Tzu
The Art of War, 500BC
“If you are ignorant of both your enemy
and yourself, then you are a fool and
certain to be defeated in every battle”
MarketI si CI
MarketI si CI nu
trebuie integrate
sunt total
la nivelul strategiei
separate! .
de marketing!
O abordare coerenta in
cadrul careia sunt
integrate toate
initiativele, procesele si
tehnologiile
MARKETING Business Intelligence
INTELLIGENCE Competitive Intelligence
Market Intelligence
de la nivelul organizatiei
pentru a sustine strategia
de marketing a
organizatiei
SUPORT ANALITIC PENTRU PROCESUL
DECIZIONAL
Modelare si analiza
• MODELAREA – concept, tipuri de
modele
Suport • Structura unui model
• Optimizari, simulari, euristici –
analitic concepte de baza si conditii de
utilizare
pentru • Analiza de senzitivitate, what –if si
goal seeking (valoare tinta)
procesul • Predictii si modele predictive
Modele şi
Gradul de abstractizare:
metode.
• Modele fizice
Clasificari • Modele simbolice
• Modele mentale
Puternic ABSTRACTIZARE Slab
• certitudine
• risc
RISC • incertitudine
• Analiza dinamica
– Evaluarea unor scenarii care se modifica in timp
– Dependenta fata de timp
– Reprezentarea unor trenduri/ patternuri
Cunoaşterea exactă a evenimentelor economice
viitoare
Rezultatele posibile sunt cunoscute in totalitate
Variabile
necontrolabile
Variabile
rezultat
Relatii
matematice
Variabile de
decizie
Identificarea elementelor unui
model
• Diagrame de influente, harti cognitive
• Diagrame de influenta
Reprezantari grafice ale modelelor
Reprezentare vizuala a acestora
VARIABILA DE DECIZIE
VARIABILA NECONTROLABILA
SAU INTERMEDIARA
VARIABILA REZULTAT
O diagrama de influenta pentru modelul de
determinare a profitului
Unit Price
~ Income
Amount used in
Advertisement Units Sold
Profit
Fixed Cost
Diagrama de influenta Analytica pentru Marketing
Variabile necontrolabile
Domeniu Variabile de decizie Variabile rezultat
şi parametrii
Veniturile
Bugetul de publicitate, Cota de piaţă, satisfacţia
Marketing consumatorilor, acţiunile
locul publicităţii consumatorului
competitorului
Utilizarea
Procesarea datelor, rata
Contabilitate calculatoarelor, Tehnologii, taxe, legislaţie
erorilor
programul de audit
• 4. REZOLVAREA MODELULUI
• A simula = a asuma apariţia
unor aspecte ale realităţii
OPTIMIZARE SIMULARE
Valorile variabilelor de decizie Valorile variabilelor de decizie
sunt date de ieşire ale sunt date de intrare ale
modelului. Aceste valori sunt modelului. Prin simulare, pe
obţinute cu o formulă sau cu un baza modelelor matematice, se
algoritm de optimizare astfel evaluează criteriul de
încât ele să maximizeze sau performanţă pentru anumite
minimizeze valoarea unei valori ale variabilelor
funcţii obiectiv care exprimă decizionale. În final, se va
criteriul de performanţă al alege varianta care conduce la
modelului. cea mai bună valoare a
criteriului de performanţă.
Analiza de senzitivitate
• Evalueaza impactul modificarii
variabilelor de intrare asupra
variabilelor rezultat
Analiza de • Utila…
senzitivitate. • Eliminarea /reducerea
variabilelor
What-if • Revizuirea modelelor
Valoarea • Obtinerea unor informatii
tinta (goal suplimentare referitoare la
variabile sau scenarii
seeking) • Estimarea variabilelor sensitive…
• Se poate realiza automat sau prin
incercari repetate
• metode statistice, care stabilesc
NU SFARSIT
Se poate Solutia
imbunatati solutia
propusa ? este buna
DA
Algoritm inexistent
Decizii rapide
• Sunt metode uşor de înţeles, de
implementat şi de explicat
• Produc mai multe soluţii
acceptabile (satisfăcătoare) şi nu
una singură, ca în cazul metodelor
Metode algoritmice.
• Utilizarea lor are un efect pozitiv
asupra creativităţii managerilor,
Euristice. care vor folosi această experienţă în
rezolvarea altor probleme.
Avantaje • Este posibilă o măsurare empirică
sau teoretică a calităţii soluţiei
obţinute.
• Pot încorpora inteligenţă în
procesul de căutare a soluţiei
• nu oferă garanţia obţinerii
solutiei optime
Sauter, V.L. , Decision Support Systems for Business Intelligence, John Wiley,
2010
SIAD bazate pe analiza si sinteza
datelor Baze de informatii
- Depozite de date
Arhive Depozite de date
BDU
ACHIZITIONARE BDE
SO
EXTRAGERE
CURATIRE
TRANSFORMARE
DEPOZIT DE DATE
STOCARE
DATA DATA
• orientate pe subiecte
DD • integrate
• corelate in timp
Definitie • non-volatile
• INTEGRARE
Furnizarea de
informaţii
precise,
• ACCESIBILITATE relevante si
oportune in
contextul
• ATRIBUIRE DE
SENS unui proces
decizional
• Să furnizeze o singură versiune a
adevărului
• Alegerea nepotrivita a
administratorului DD
• Absenta suportului conducerii
• OBIECTIVE NECLARE
Factori de • Ignorarea valorilor culturale ale
organizatiei
risc in • Change management
cadrul • Asteptari nerealiste
proiectelor •
•
Arhitectura nepotrivita
Calitatea datelor / absenta
DD informatiilor
• Incarcarea tuturor datelor (fara o
analiza prealabila)
RAPORTARE • Managementul
Performantelor
CE ESTE UN RAPORT?
Alte denumiri :
• Corporate performance management (CPM -
Gartner Group)
• Enterprise performance management (EPM -
Oracle)
• Strategic enterprise management (SEM - SAP)
Business Performance
Management (BPM)
• BPM - procesele de afaceri, metodologiile, indicatorii, si
tehnologiile utilizate pentru masurarea, monitorizarea si
gestionarea performantei organizatiei.
• BPM – 3 componente
• Un set integrat de procese de management si procese analitice,
sustinute de tehnologie
• Un set de instrumente pentru definirea obiectivelor strategice si
pentru masurarea peformantelor in raport cu acestea
• Metode si instrumente pentru monitorizarea indicatorilor cheie
pentru analiza performantelor(KPIs), in stransa legatura cu
strategia organizatiei
Un proces pentru optimizarea
performantei organizatiei
Etape
1. Definirea strategiei
2. Planificare
3. Monitorizare/Analiza
4. Actiune/Ajustare
Definirea strategiei:
Unde vrem sa ajungem?
Planificare strategica
• BOUNCE RATE
• WORD OF MOUTH
KPIs
Caracteristici
• Strategie
• Obiective
• Registre
• Codificari
• Orizont de timp
• Benchmarks
Outcome KPIs Driver KPIs
• Best practice:
Adaugarea unui indicator doar daca
acesta are un impact mai mare decat
impactul mediu al tuturor celorlalti
indicatori (din dashboard).
Implementarea indicatorilor de
performanta
• Valoare informationala
- Definirea metricilor/ cele mai bune practici
- Consultanti / implicarea executivului
• Strategie
- Care sunt metricile critice pentru succes
- Definirea unei suite de KPI, KRI, RI, PI care se propaga in intreaga
organizatie
- Consultanti / implicarea executivului
• Proces repetitiv
- Consultanti in Change management
- Suportul conducerii
- Training, comunicare
• Asumati
• Usor de inteles
Simpli!
• Actionabili
Nivel STRATEGIC
Indicatori strategici
Notorietatea marcii, CLTV, Satisfactia consumatorului, Test-drive
Nivel TACTIC
Indicatori care masoara campanii specifice si eficacitatea acestora
Valoare vanzari, lead conversion
Nivel OPERATIONAL
Indicatori pentru evaluarea eficientei
Take Rate, Cost pe client
Indicatori specifici pentru marketing (in
functie de activitatea de marketing)
• WordNet
• A laboriously hand-coded database of English words, their
definitions, sets of synonyms, and various semantic relations
between synonym sets.
• Sentiment Analysis
• O tehnica care isi propune detectarea opiniilor favorabile/
nefavorabile referitoare la un anumit subiec
• SentiWordNet
AMC Networks Is Using Analytics to Capture New
Viewers, Predict Ratings, and Add Value for
Advertisers in a Multichannel World
Web-Based
Dashboard Used by A
MC Networks.
Source: A M C Networks.
Mining for Lies
• Deception detection
• A difficult problem
• If detection is limited to only text, then the problem is
even more difficult
• The study
• Analyzed text based testimonies of person of interests at
military bases
• Used only text-based features (cues)
Mining for Lies
Text-Based Deception-Detection Process.
Source: Fuller, C. M., D. Biros, & D. Delen. (2008, January). Exploration of Feature Selection and Advanced Classification Models
for High-Stakes Deception Detection. Proceedings of the Forty-First Annual Hawaii International Conference on System Sciences
(HICSS), Big Island, H I: IEEE Press, pp. 80–99.
Categories and Examples of Linguistic Features Used in Deception
Detection.
Source: Nakov, P., Schwartz, A., Wolf, B., & Hearst, M. A. (2005). Supporting annotation layers for natural language processing.
Proceedings of the Association for Computational Linguistics (ACL), Interactive Poster and Demonstration Sessions, Ann Arbor, MI.
Association for Computational Linguistics, 65–68.
Text Mining Process
A Context Diagram for Text Mining Process
Text Mining Process
The Three-Step/Task Text Mining Process.
Text Mining Process
• Step 1: Establish the corpus
• Collect all relevant unstructured data
(e.g., textual documents, XML files, emails, Web pages,
short notes, voice recordings…)
• Digitize, standardize the collection
(e.g., all in ASCII text files)
• Place the collection in a common place
(e.g., in a flat file, or in a directory as separate files)
Text Mining Process
• Step 2: Create the Term–by–Document Matrix
Text Mining Process
• Step 2: Create the Term–by–Document Matrix (TDM)
• Should all terms be included?
• Stop words, include words
• Synonyms, homonyms
• Stemming
• What is the best representation of the indices (values in
cells)?
• Row counts; binary frequencies; log frequencies;
• Inverse document frequency
Text Mining Process
• Step 2: Create the Term–by–Document Matrix (TDM)
• TDM is a sparse matrix. How can we reduce the
dimensionality of the TDM?
• Manual - a domain expert goes through it
• Eliminate terms with very few occurrences in very few
documents (?)
• Transform the matrix using singular value
decomposition (SVD)
• SVD is similar to principle component analysis
Text Mining Process
• Step 3: Extract patterns/knowledge
• Classification (text categorization)
• Clustering (natural groupings of text)
• Improve search recall
• Improve search precision
• Scatter/gather
• Query-specific clustering
• Association
• Trend Analysis (…)
Research Literature Survey with Text Mining
• Mining the published IS literature
• MIS Quarterly (MISQ)
• Journal of MIS (JMIS)
• Information Systems Research (ISR)
• Covers 12-year period (1994-2005)
• 901 papers are included in the study
• Only the paper abstracts are used
• 9 clusters are generated for further analysis
Research Literature Survey with Text Mining
Journal Year Author(s) Title Vol/No Pages Keywords Abstract
MISQ 2005 A. Malhotra, S. Absorptive capacity 29/1 145-187 Knowledge management The need for continual value
Gosain and O. A. configurations in supply supply chain absorptive innovation is driving supply
El Sawy chains: Gearing for capacity interorganizational chains to evolve from a pure
partner-enabled information systems transactional focus to leveraging
market knowledge configuration approaches interorganizational partner ships
creation for sharing
ISR 1999 D. Robey and M. Accounting for the 2-Oct 167-185 organizational Although much contemporary
C. Boudreau contradictory transformation impacts of thought considers advanced
organizational technology organization information technologies as
consequences of theory research either determinants or enablers
information methodology of radical organizational change,
technology: Theoretical intraorganizational power empirical studies have revealed
directions and electronic communication inconsistent findings to support
methodological mis implementation culture the deterministic logic implicit in
implications systems such arguments. This paper
reviews the contradictory
JMIS 2001 R. Aron and E. Achieving the optimal 18/2 65-88 information products When producers of goods (or
K. Clemons balance between internet advertising product services) are confronted by a
investment in quality positioning signaling situation in which their offerings
and investment in self- signaling games no longer perfectly match
promotion for consumer preferences, they
information products must determine the extent to
which the advertised features of
… … … … … … … …
Research Literature Survey with Text Mining
Distribution of the Number of Articles for the Three Journals over the Nine Clusters.
Source: Delen, D., & M. Crossland. (2008). “Seeding the Survey and Analysis of Research Literature with Text Mining.” Expert
Systems with Applications, 34(3), pp. 1707–1720.
Research Literature Survey with Text Mining
Development of the Nine Clusters over the Years.
Source: Delen, D., & M. Crossland. (2008). “Seeding the Survey and Analysis of Research Literature with Text Mining.” Expert
Systems with Applications, 34(3), pp. 1707–1720.
Sentiment Analysis
WEB MINING
Page Rank Information Retrieval Graph Mining Social Analytics Clickstream Analysis
Search Engines Optimization Social Network Analysis Social Media Analytics Log Analysis
Metadata
Index
Cashed / Indexed
Documents DB
User Responding Cycle Development Cycle
World Wide Web
d
he
Or Rank atc Pro
es sed
de ed Document f M es ce
Document c s
red - t o
Lis Pag Pa ssed n pro Page
Pa ge U eb
ge
s
Matcher/Ranker s Indexer W
Anatomy of a Search Engine
1. Development Cycle
– Web Crawler
– Document Indexer
– Steps
• Step 1 – Pre-Processing the Documents
– Collecting, organizing, and storing
• Step 2 – Parsing the Documents
• Step 3 – Creating the Term-by-Document Matrix
– How to represent the values (numeric, binary, …)
– Term Frequency / Inverse Document Frequency
Anatomy of a Search Engine
2. Response Cycle
– Query Analyzer
– Document Matcher/Ranker
Goal:
§ Customer Experience Management
(CEM)
§ Voice of Customer (VOC)
Web Mining Success Stories
• Amazon.com, Ask.com, Scholastic.com, …
• A Process View of the Web Site Optimization Ecosystem
Web
Analytics
Voice of
Customer
Customer Experience
Management
Voice of the Customer Strategy
Framework (Attensity.com)
Web mining APPLICATIONS
• Clickstream analysis helps to better
understand user behavior on a website.
• Sentiment analysis helps us understand the
opinions and affective state of users on a
system.
• Customer analytics helps to provide solutions
for sales, service, marketing, and product
teams, and optimize the customer life cycles.
Social Analytics
Social Network Analysis
• Social Network - social structure composed
of individuals linked to each other
• Analysis of social dynamics
• Interdisciplinary field
– Social psychology
– Sociology
– Statistics
– Graph theory
Social Analytics
Social Network Analysis
• Social Networks help study relationships between
individuals, groups, organizations, societies
– Self organizing
– Emergent
– Complex
Web 3.0
• este mai concentrat pe utilizarea tehnologiilor precum învățarea
automată și AI pentru a furniza conținut relevant pentru fiecare
utilizator în loc de conținutul oferit de alți utilizatori finali.
• poate fi asemănat cu un asistent de inteligență artificială care îl
înțelege pe utilizatorul său și personalizează totul.
Different Types of Social Media
1. Collaborative projects (Wikipedia)
2. Blogs and microblogs (Twitter)
3. Content communities (YouTube)
4. Social networking sites ( Facebook)
5. Virtual game worlds (World of Warcraft)
6. Virtual social worlds (Second Life)
Social
Level of Social Media Engagement
Critics
Joiners
Media? Spectators
Collectors
Inactives
Different engagement levels
Time
Social Media Analytics
• It is the systematic and scientific ways to consume
the vast amount of content created by Web-based
social media outlets, tools, and techniques for the
betterment of an organization’s competitiveness
• Fastest growing movement in analytics
Social Media
Insights
Tweeter Solutions
Facebook Course of Actions
LinlkedIn …
…
Social Media Analytics
• HBR Analytic Services survey (HBR, 2017)
– 75% of the companies did not know where their customers are
talking about them
– 31% do not measure effectiveness of social media
– only 23% are using social media analytics tools
– 7% are able to integrate social media into marketing
• Measuring the Social Media Impact
– Descriptive analytics – simple counts/statistics
– Social network analysis
– Advanced analytics – predictive analytics, text mining
• Think of measurement as a guidance
18 intrebari
Test (QUIZ) -intrebari tip grila, cu UN SINGUR Durata examenului
RASPUNS correct
60 minute
26 Ianuarie 2021 -parcurgere: secventiala
Ora 18:00 -
Exemple…
Care dintre următoarele nu reprezintă o fază a procesului decizional:
a) Informare generală
b) Concepere (model)
c) Alegere (soluție problemă)
d) Integrare (în contextul ETL)
e) Implementare (ca acțiune de business)
Care dintre următoarele pot fi folosite în cadrul unui sistem Marketing Intelligence pentru căutarea soluției
optime:
a) Metodele euristice
b) Metodele analitice
c) Metodele bazate pe scenarii
d) Metodele ETL
e) Metodele de previziune
Teorie - structura
• Decizie - definiţie, clasificari, suport informatic
• Procesul de adoptare a deciziilor - definiţie, etape,
activităţi, suport software
• Business Intelligence, Business Analytics –
descriere, abordari
• Marketing Intelligence, Competitive intelligence,
Business Intelligence – descriere, deosebiri
• Analitici descriptive – descriere, tehnologii
• Analitici predictive – descriere, tehnologii
• Analitici prescriptive – descriere, tehnologii
• Sisteme ERP, CRM si BI – descriere, deosebiri
• Modele - definiţie, tipuri de modele, structura unui
model
• Optimizarea - descriere, utilizare
• Simularea - descriere, utilizare
• Previziunea - descriere, utilizare
• Depozite de date - definiţie, conţinut, caracteristici
şi utilizare
• OLAP - definiţie, caracteristici. OLTP vs. OLAP
• Vizualizarea informatiilor. Tipuri de rapoarte
• Managementul performantelor in marketing.
Dashboard – definitie, proiectare, continut
• Mangementul performantelor in marketing. Tipuri
de indicatori
• Indicatori pentru analiza performantelor in
marketing.
• Data Mining - descriere, tipuri de abordari, utilitate
• Data Mining – tehnici si actiuni
• Data Mining – clasificarea; descriere, exemple
• Data Mining – segmentarea; descriere, exemple
• Data Mining vs. Text mining
• Web Mining – descriere
• IA – sisteme cognitive vs. Machine learning
• Sisteme Automate de adoptare a Deciziilor (SAD) –
descriere, utilitate
Automatizare
a procesului
decizional
IA
Inteligenta Artificiala –
Concepte, Tehnologii, Aplicatii,
Impact
Sisteme automate de adoptare a deciziilor
(Automated Decision Systems)
“Daca doar 70% din bilete sunt vandute pentru o cursa de la A la B cu trei
zile inainte de data zborului, ofera un discount de x% pentru toti pasagerii
de la clasa economic”
SAD
• Utilizarea informatiilor
1. Stilul analitic
2. Stilul intuitiv
RATIONAL INTUITIV
LOGICA INTUITIE
EMISFERA
SINTEZA DREAPTA
EMISFERA ANALIZA FORMA
CONTROL EURISTICI
STANGA
SECVENTA
SENZATII
EXPRIMARE
PARTAJARE
ASOCIERI
LOBUL
RITUAL REPTILIAN
A POSEDA
A SE CONFORMA ….
Inteligenta artificiala ar trebui sa permita
“reproducerea” tuturor stilurilor cognitive
• CREATIVA • PERMANENTA
• EXPERIENTA • REPRODUCTIBILA
SENZORIALA • IEFTINA
• CONTEXT • DOCUMENTATA
EXPERIMENTAL (AUTOEXPLICATIVA)
Inteligenta artificiala - CURENTE
• COGNITIV
• CONEXIONIST
Inteligenta artificiala - ABORDARI
• “Pur” cognitiva – inginerie cognitiva
IA este un ansamblu de tehnici si metode care permit captarea
cunostintelor umane si prelucrarea lor simbolica (Feigenbaum)
• Pragmatica
IA este acea parte a informaticii care are drept scop executarea
pe calculator a unor sarcini pe care omul, intr-un context dat, le
poate face mai bine dacat masina
• Conexionista
INTELIGENTA ARTIFICIALA
early 2010s
INTELIGENTA ARTIFICIALA - OBIECTIVE
• Ce este inteligenta?
• Construirea unor calculatoare inteligente
Fuzzy Logic
Expert Systems
The AI
Tree
Philosophy Mathematics
Computer Science
Human Behavior
Engineering
Disciplines
• Transferul experizei
– expert - calculator - non-expert
– Achizitionarea si reprezentarea cunostintelor, rationament,
transfer
• Explicare / Justificare
SISTEME EXPERT
Motor
Baza de cunostinte
de inferenta
Si in acest caz..?
Reguli de productie
Inlantuire inainte:
DACA.... ,
ATUNCI, este posibil sa... Simularea comportamentului
cognitiv in diferite
Inlantuire inapoi Situatii decizionale
Ca sa obtinem aceasta valoare,
cel mai probabil, ar trebui sa......
expert cogniticiam
- RETELE SEMANTICE
- CADRE
RULES IN AN EXPERT SYSTEM
28
Cum functioneaza SE ?
– Baza de cunostinte : sute / mii de reguli
– Motorul de inferenta : strategia de cautare in baza de
cunostinte (strategia de rationament)
• Training si evaluare
Dezvoltarea unui SE
• Identificarea domeniului de expertiza – natura si
obiectivele problemelor
• Identificarea experților din domeniul respectiv
• Achiziționarea cunoștințelor, a formalismului de
reprezentare, crearea BC
– Inginerul de cunoștințe
• Alegerea instrumentului informatic (generator de SE
sau realizarea unui motor de inferențe propriu)
• Realizarea sistemului
• Testarea, Evaluarea si Implementarea SE
Un generator de sisteme expert
Sisteme Expert - Aplicatii
• Primele SE
• MYCIN – diagnostic metodic al infectiilor bacteriene (Universitatea
Standford-USA)
• DENDRAL – spectografie de masa (Universitatea Standford-USA)
• PROSPECTOR – prospectiuni geologice
• XCON – stabilirea configuratiei unui sistem de calcul dupa
cerintele clientului (compania DIGITAL)
• Aplicatii :
Analiza creditelor, Gestionarea riscurilor, Marketing, Finante,
Resurse Umane, Stiinta, Educatie, …
SE pentru...
• Interpretare
• Predictie
• Diagnostic
• Design
• Planificare
• Monitorizare
• Instruire
• Control, …
Machine
learning
Machine learning…
• Automating automation
• Getting computers to program themselves
• Writing software is the bottleneck
• Let the data do the work instead!
Traditional Programming
Data
Computer Output
Program
Machine Learning
Data
Computer Program
Output
Magic?
• Seeds = Algorithms
• Nutrients = Data
• Gardener = You
• Plants = Programs
• Web search
• Computational biology
• Finance
• E-commerce
• Space exploration
• Robotics
• Information extraction
• Social networks
• Debugging
• ….
Supervised (inductive) learning
– Training data includes desired
outputs
Decision tree induction; Rule induction; Instance-based
learning: Bayesian learning; Neural networks ; Support
vector machines ;Model ensembles ;Learning theory
Unsupervised learning
Types of – Training data does not include
desired outputs
Learning Clustering
Dimensionality reduction
Semi-supervised learning
– Training data includes a few
desired outputs
Reinforcement learning
– Rewards from sequence of actions
ML in Practice
The future of work lies in Over 85% of the jobs Nearly 133 million new
RPA services market will
reinventing jobs, not in that will emerge by 2030 jobs may be created by
reach $ 12 billion by
remplacing people with have not yet been 2022 (World Economic
2023
robots invented Forum)
Indicatori
Churn
de baza –
nonfinaciari
Customer satisfaction
(Satisfactia clientului)
Take rate
The marketing behavioral impact model -
de la constientizare la loialitate
Constientizare
Plasare produse
LOIALITATE Spoturi publicitar
Carduri de fidelitate Sponzorizare evenimente
Acces exclusiv
Evaluare
Testare
Brosuri produse
Cupoane
Grafice comparative
Vanzari
Articole
Promovare evenimente
• Perioada de timp dintre evaluare si
cumpărare
CONSTIENTIZARE • Cum se poate atribui efectiv
cumpărarea unui produs unei
acțiuni de marketing?
• O măsura a abilitații unui consumator
de a identifica o companie/ un produs
• Marketing – direcționarea intenției de
cumpărare prin informarea
consumatorilor, astfel încât aceștia sa
poată compara diverse produse/servicii
Notorietatea
mărcii MASURARE
Churn ani)
RR – 30% in 5 ani
(rata de RR anuala : 6%
Pe piata automobilelor de lux, RR (5 ani) = 50%
reziliere) DIFERENTA intre 10% si 6% RR anuala este foarte mare
( 20% mai multe vanzari repetate fata de alti
competitori).
Constientizare
Participarea la evenimente
Click- Throughs
LOIALITATE
Cumparari repetate
Churn rate
METRICI
CICLUL DE MARKETING -
Evaluare
Testare Preferinta pentru produs
Venituri din vanzari Descarcari informatii
Lead conversion produds
Leads
Test -drives
• Take rate – procentul clienților care
accepta o oferta de marketing
Eficacitate • Masurarea eficacitatii interne a unei
campanii de marketing
operaționala • Demand generation (stimularea cererii)
TAKE RATE = Numarul ofertelor acceptate/
numarul contactelor
TAKE RATE
Costul de achizitie / client = cost pe
contact/ take rate
Take rate
Exemplu : Campanie de stimulare a cererii (demand generation)
- 1000 oferte (corespondenta, contact direct…)
- 50 clienti castigati
- Costul/ oferta : 5 $
- Total costuri : 5*1000 = 5000$
irina.pugna@cig.ase.ro
Marketingul se regaseste
din ce in ce mai mult in
lumea digitala (internet
marketing, social media,
Marketing digital marketing).
Forma canonica : toate restricţiile sunt concordante şi toate variabilele sunt >=0
max f(x) = cx
Ax <= B min f(x) =cx
x>=0 Ax >=B
x >=0
Date de intrare
salariu orar 8
cost unitar m1 0.5
cost unitar m2 0.75
produse p1 p2 p3 p4
ore munca/p 2 1 3 2
m1/p 4 2 1 2
m2/p 6 2 1 2
pret vanzare/p 28.5 12.5 29.25 21.5
Plan de productie
p1 p2 p3 p4
utilizat disponibil
ore munca 4000
m1 6000
m2 10000