Integrace hybridních prediktivních modelů do systémů Business Inteligence

Bc. Lukáš Plšek

Diplomová práce

Integrating hybrid predictive models into Business Inteligence systems

Anotace:

Tato diplomová práce se zabývá integrací hybridních metod do systémů Business Intelligence, kdy pomocí kombinace matematicko-statistických modelů ETS a modelů třídy ARIMA s modelem strojového učení LSTM je vytvořen návrh adaptabilního systému. Cílem práce je popsat teoretický rámec těchto metod doplněný o empirickou ilustraci jejich možného využití na podnikových datech v konkrétním systému Business Intelligence. Práce mimo to zkoumá také způsob, jakým lze predikovat podniková data v kontextu Business Intelligence systémů.

Abstract:

This diploma thesis deals with integrating hybrid methods into Business Intelligence systems, where an adaptable system is designed using a combination of mathematical-statistical models ETS and ARIMA class models with the LSTM machine learning model. The thesis aims to describe the theoretical framework of these methods supplemented by an empirical illustration of their possible use on company data in a specific Business Intelligence system. In addition, the work also examines how business data can be predicted in the context of Business Intelligence systems.

Klíčová slova

Adaptabilita, Predikce, Reporting, Business Intelligence, Power BI, Hybridní modely, Modely ETS, Modely ARIMA, Strojové učení, LSTM, Adaptability, Prediction, Hybrid Models, ETS Models, ARIMA Models, Machine Learning

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 5. 1. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 1. 2024
• Vedoucí: doc. Ing. Daniel Němec, Ph.D.
• Oponent: Ing. Jakub Moučka

Masarykova univerzita

Ekonomicko-správní fakulta

Magisterský studijní program / obor:
Matematické a statistické metody v ekonomii / Matematické a statistické metody v ekonomii