Aplikace dolování dat pro podporu rozhodování v moderních podnicích

Abstract
Tato bakalářská práce se zabývá obecně problematikou datové analýzy, konkrétně aplikací Data Miningových technik pro podporu a automatizaci rozhodování v moderních podnicích. V práci je nejprve uvedena definice, historie a budoucnost problematiky Big Dat. Dále se práce zaměřuje na techniky Data Miningu s důrazem na jejich použití v bankovním sektoru. V poslední části je vytvořen vícenásobný regresní model pro stanovení koeficientu Forward Looking Information (FLI), který slouží pro úpravu parametru Probability of Default (PD) v modelu pro výpočet očekávaných úvěrových ztrát (Expected Credit Loss, ECL), který je konceptuálně ukotven v mezinárodním standardu finančního výkaznictví (IFRS), konkrétně v části o finančních nástrojích (IFRS 9).
The bachelor thesis deals generally with the issue of data analysis, specifically the application of Data Mining techniques for decision support and automation in modern enterprises. The thesis first presents the definition, history and future of Big Data. Furthermore, the thesis focuses on Data Mining techniques with emphasis on application in the banking sector. In the last part, a multiple regression model is developed to determine the coefficient of Forward Looking Information (FLI), which is used to adjust the Probability of Default (PD) parameter in the Expected Credit Loss (ECL), which is conceptually anchored in the International Financial Reporting Standard (IFRS), specifically in the section on financial instruments (IFRS 9).
Description
Subject(s)
bankovnictví, Big Data, Data Mining, Forward Looking Information, International Financial Reporting Standard, lineární regrese, očekávané úvěrové ztráty, rozhodování na základě dat, banking, Big Data, Data Mining, Forward Looking Information, International Financial Reporting Standard, linear regression, Expected Credit Loss, data-driven decision making
Citation
ISSN
ISBN