Интеллектуальный анализ данных организации (Data Mining)

Диплом лета 2022 года. Оригинальность высокая.

Целью данной выпускной квалификационной работы является исследование большого объема данных базы гостей популярного ресторана паназиатской кухни города Екатеринбурга, при помощи технологий интеллектуального анализа данных.

В соответствии с поставленной целью в работе необходимо решить следующие задачи:

-               изучить теоретические основы интеллектуального анализа данных;

-               выявить практическую ценность интеллектуального анализа в бизнес – информатике;

-               рассмотреть существующие методы интеллектуального анализа;

-               изучить общие сведения предприятия общественного питания.

-               исследовать программный интерфейс (API) аналитического инструментария электронной системы лояльности гостей ресторана;

-               изучить базу гостей ресторана;

-               применить методику ИАД для анализа базы гостей ресторана;

-               сформировать рекомендации и сделать выводы по эффективности применения метода ИАД;

Объектом исследования выпускной квалификационной работы является методология интеллектуального анализа больших объемов данных.

Предмет исследования – процесс интеллектуального анализа больших объемов данных базы гостей популярного ресторана паназиатской кухни города Екатеринбурга.

Список сокращений. 3

Введение. 4

1 Теоретические аспекты Data Mining. 7

1.1 Общее понятие данных. 7

1.2 Data Mining: специфика, методы и практическая ценность. 11

1.3 Обзор инструментальных средств Data Mining. 16

2 Интеграция Data Mining в сферу общественного питания. 19

2.1 Рынок ресторанного бизнеса в России. 19

2.2 Характеристика предприятия Dong Po. 24

2.2.1 Организационная структура. 27

2.2.2 Бизнес процессы управления. 30

2.2.3 Стратегические цели и задачи предприятия. 35

3 Применение технологии Data Mining для кластеризации клиентов ресторана паназиатской кухни. 43

3.1 Электронная система лояльности ASGK-GROUP. 44

3.1.1 Характеристика сервиса. 44

3.1.2 Встроенный аналитический инструментарий. 45

3.2 Кластерный анализ базы данных ресторана Dong Po. 54

3.2.1 Программный продукт STATISTICA.. 54

3.2.2 Метод кластерного анализа. 56

3.2.3 Анализ полученных результатов. 69

Заключение. 80

Список использованных источников 83

1.             Афанасьева С.В. Технология интеллектуального анализа данных: учеб. пособие / Афанасьева С.В. – М.:Нац. исслед. ун-т «Высшая школа экономики», 2013. – 152 с.

2.             Гриценко Ю. Б. Архитектура предприятия: учеб. пособие / Гриценко Ю. Б. - 2017. 256 с.

3.             Еляков А.Д. Информационная перегрузка людей. Социологические исследования. / Еляков А.Д. -2005. № 5. С. 114-121.

4.             Зелль А. Бизнес-план. Инвестиции и финансирование, планирование и оценка проектов / - Аксель. - М.: Ось-89, 2017. - 240 c.

5.             Какаева А. Е., Дуненкова Е. Н. Инновационный бизнес. Стратегическое управление развитием / Какаева А. Е. - Изд-во: Москва, 2018. - 176 c. 83

6.             Калянов, Г.Н. Моделирование, анализ, реорганизация и автоматизация бизнес-процессов. - Г.Н. Кальянов. - М.: Финансы и статистика, 2017. - 240 с.

7.             Маслова Н.А. О применении интеллектуального анализа данных для защиты информации корпоративных систем. / Маслова Н.А. // Искусственный интеллект, гл. 4, 2009 г. 

8.             Матисон В.А. Оценка качества ресторанных услуг. Пищевая промышленность. / Матисон В.А., Китайкин К.В. Изд-во: 2019. – С. 33-41 с.

9.             Методические основы управления ИТ-проектами Текст: электронный // URL: http://www.intuit.ru/studies/courses/646/502/lecture/11389 (дата обращения 16.04.2022).

10.         Мосягин А.Б. Использование методологии Data Mining при решении задач обработки социальных данных. Статья, журнал  // Мониторинг общественного мнения // Ч.2 (126), март-апрель 2015 г. 

11.         Новый стандарт в ресторанном бизнесе. Текст: электронный - URL: http://restoranoved.ru/magazins/magazine_7_2011/article_4022 (дата обращения 18.04.2022).

12.         Официальный сайт Донг по URL: https://dongpo.ru/ Текст: электронный (дата обращения: 15.04.2022).

13.         Федцов В.Г. Культура ресторанного сервиса: Учебное пособие. Текст: электронный // М.: Издательско-торговая корпорация Дашков и Ко,2016. - 248с.

14.         Чайников С.Ю. Исследование системы потребительских предпочтений в ресторанном бизнесе. / Текст: электронный – Изд-во М.: Литера, 2017.

15.         Чубукова И.А. Data Mining – ознакомительный курс: учебник / Чубукова И.А. – Москва: Инфра-М, 2020.

16.         Методические основы управления ИТ-проектами / Текст: электронный - URL: http://www.intuit.ru/studies/courses/646/502/lecture/11389 (дата обращения 16.04.2022).

17.         Сокэл Р.Р. Кластерный анализ и классификация: предпосылки и основные направления: учебное пособие: Классификация и кластер /Под ред. Дж.Вэн Райзина М: Мир, 1980. – 19 с.

18.         Официальный сайт ASGK-GROUP по URL: https://asgk-group.ru/ Текст: электронный (дата обращения: 1.05.2022).

19.         Официальный сайт STATSOFT по URL: http://statsoft.ru/ Текст: электронный (дата обращения: 1.05.2022).

20.         Королев М.А. Статистический словарь. / Королев М.А. Изд-во: Финансы и статистика, 1989. – 623 с.

21.         Мандель И.Д. Кластерный анализ. / Мандель И.Д. Изд-во: Финансы и статистика, 1988. – 176 с.

22.         Гмурман В.Е. Теория вероятностей и математическая статистика: Учебное пособие для вузов. / Гмурман В.Е. Изд-во: Высшая школа, 2004. – 479 с.

23.         Енюков И.С. Факторный, дискриминантный и кластерный анализ. / Енюков И.С. Изд-во: Финансы и статистика, 1989. – 215 с.

24.         Айвазян С. А. О структуре и содержании пакета программ по прикладному статистическому анализу / Айвазян С. А., Енюков И. С, Мешалкин Л. Д. //Алгоритмическое и программное обеспечение прикладного статистического анализа —М., 1980.