1) Döntés: mindig valamely probléma megoldására irányul

1a) Optimális döntés: a döntéshozó teljesen informált és céljait képes rangsorolni, akkor
lehetséges, ha a döntéshozó:
I. ismeri az összes alternatívát
II. biztosan tudja mi lesz az eredménye a cselekvési változatoknak
III. biztosan meg tudja adni az eredmények preferencia sorrendjét

1b) Kielégítő döntés: a döntéshozó egyszerűsíti a folyamatot úgy, hogy nem az optimális
megoldásra törekszik, hanem beéri a jó vagy kielégítő megoldással

I. Minimális feltételeknek tesz eleget, mivel nincs elég információ és nem végtelen a
kapacitás és nem is ismerhető valamennyi szóba jöhető megoldás
II. A tényleges döntési gyakorlatban a kielégítő döntésekre való törekvés a jellemző

2) Döntéshozatal modelljei

2a) Csoportos döntéshozatal modelljei

 TEKINTÉLY ALAPÚ DÖNTÉS A csoport megvitatja a helyzetet, ötleteket alakít ki, de a

végső döntést egy ember hozza meg. Gyors és megfelelő, ha valós szaktekintély
vezeti a csoportot, bár a csoporttagok erősségeit nem aknázza ki.
 TÖBBSÉG ALAPÚ DÖNTÉS A csoport megvitatja a helyzetet, melynek a végén
szavaznak. A többség dönt. A döntés így gyorsan meghozható, bár a kisebbség
véleménye „elveszhet”.
 RANGSOR ALAPÚ DÖNTÉS A csoport tagjai egyénileg rangsorolják a felmerült
ötleteket, összesítik az egyénileg adott pontokat és legmagasabb pontszámú
alternatíva nyer. Időigényes, nem minden helyzetre alkalmas, olyan döntés születhet,
ami nem élvezi a csoport feltétlen támogatását.
 EGYHANGÚ DÖNTÉS A csoport minden tagjának meg kell egyeznie arról, mi a legjobb
megoldás. Így mindenki által támogatott megoldás születhet., ugyanakkor sokszor
lehetetlen így döntésre jutni.

2b) Szervezeti döntéshozatal modelljei:

 Racionális: racionalitás foka magas, célok egybevágóak

 Politikai: racionalitás foka magas, célok konfliktálóak
 Szervezeti: racionalitás foka alacsony, célok egybevágóak
 Viselkedéstudományi: racionalitás foka alacsony, a célok egyezősége konfliktáló
3) Döntéshozatal folyamata: olyan folyamat, amely során különböző cselekvési alternatívák között
keresünk, majd választunk bizonyos célok elérése érdekében.

 a cselekvés aktív szereplője a döntéshozó ember

 észlelve a környezet problémáit meg akarja azokat oldani

1. Probléma meghatározás, adatgyűjtés

a. Fennálló helyzet monitorozása
b. Probléma észlelése
c. Probléma azonosítása
d. Adatok begyűjtése
e. Problémák osztályozása
2. Tervezés (célok, cselekvési alternatívák kidolgozása)
a. Probléma mély megértése
b. Cselekvési alternatívák kidolgozása
c. Megoldásváltozatok kidolgozása és tesztelése
d. Modellezés
3. Választás
a. Modell megoldása
b. Keresés, kiértékelés
c. Legjobb alternatíva kiválasztása
4. Értékelés
a. Érzékenység vizsgálat
b. Ellenőrzési mechanizmusok kidolgozása
5. Megvalósítás

4) Problémák tipológiája

4a) Strukturáltság szerint

 Jól strukturált probléma

o Teljes mértékben ismertek mind a cél(ok), mind a műveletek; dönteni csak a
műveletek alkalmazásának sorrendjéről kell, mégpedig rutinszerűen.
 Félig-strukturált probléma
o A kitűzött cél(ok) teljesen, a műveletek viszont csak részben ismertek –vagyis a
megoldási módszerek, eszközök és utak részben vagy teljesen ismeretlenek.
 Nem strukturált probléma
o Sem a kitűzhető állapot(ok), sem a műveletek nem ismertek eléggé. E problémákat
nagyon általánosan megfogalmazható elvárások jellemzik
 +Nem definiálható probléma: a probléma egyáltalán nem formalizálható

4b) Programozhatóság szerint

Programozott döntés

 A múltban más sokszor meghozott döntések

 Szabályok, iránymutatások állnak rendelkezésre a probléma megoldásához
  Általában napi szinten végzett tevékenységekhez kapcsolódnak

Nem programozott döntés

 Tipikusan egyedi, rosszul definiálható problémák esetén születnek

 Alapos átgondolást, információgyűjtést és mérlegelést igényel
 Általában ritkán fordulnak elő, összetett problémákhoz kapcsolódnak, sok az érintett

5) Döntéstámogató rendszer: Decision Support System (DSS) nevezzük azokat a döntéshozatal

folyamán használható számítógépes rendszereket, amelyek a kevésé strukturált és nem strukturált
problémák megoldásához is segítséget nyújtanak a beépített döntési szabályok és modellek
felhasználásával, s ezeket a felhasználó is módosíthatja, vagy bővítheti. A DSS tehát komplex döntési
szituációk megoldásában segít, növelve a döntések hatásosságát.

 Adatkezelő komponens: előrejelzés (pl részfényárfolyamra)

 Modellkezelő komponens: kockázatok elemzése (pl építőipari beruházások kockázatainkat
elemzése)
 Felhasználói interfész: „mi han akkor, ha” (what-if) vizsgálat (pl mobilszolgáltatás árazása)
 Tudásmenedzsment komponens: tervezés (pl agrártámogatás tervezése)

5a) Modell alapú DSS:

 A felhasználó a (matematikai) modellel és eredményeivel dolgozik

 Strukturált, ill. félig-strukturált problémák megoldása
 Szükséges adatok mennyisége alacsony
 Döntések szervezetre gyakorolt hatásának feltárása
 OPTIMALIZÁCIÓ, SZIMULÁCIÓ, MCDM…

5b) Adat alapú DSS

 A felhasználó az adatokkal dolgozik

 Félig vagy nem strukturált problémák megoldása
 Szükséges adatmennyiség kiugróan magas
 Kapcsolatok, mintázatok feltárása a döntés-előkészítés támogatására
 ÜZLETI INTELLIGENCIA

5c) Csoportos döntéstámogató rendszerek(GDSS)

6) Modell: a valóság egyszerűsített vagy általánosított reprezentációja.

A modellezés szoros kapcsolatban van a döntésekkel, bár alapvető funkciója a problémamegoldás

Modell (diasor alapján):

 a valóság leegyszerűsített ábrázolása, absztrakció
 szűkebb értelemben a modell alatt formális modellt értünk
 Modellek segítségével
o valós helyzetek, problémák helyett
o virtuális kísérletek és elemzések végezhetők
Modell típusok:

 Analóg: hasonló viselkedésű

 Ikonikus: fizikai méretkülönbség
 Matematikai: összefüggésekből

Modell használatának előnyei:

 Ikonikus modellek előnyei:
o Könnyű kezelés
o Költségkímélés
 Matematikai modellek előnyei:
o Tanulás/betanítás
o Bizonytalanságkezelés
 Analóg modellek előnyei:
o Időkímélés
o Több lehetőség kipróbálása és elemzése

7) Üzleti intelligencia fogalma: (Több fogalom van)

1. A vállalatok üzleti szinten értelmezhető és használható információt szolgáltató rendszere, ill.

azon megközelítések és eszközök összessége, amelyekkel ilyen rendszereket lehet készíteni.
2. Az üzleti intelligencia rendszerek magukban foglalják az adatok összegyűjtésére, tárolására,
feltérképezésére, az adatokhoz való hozzáférés és elemzés biztosítására szolgáló
technológiákat, hogy a felhasználók minél jobb üzleti döntéseket hozhassanak. Az üzleti
intelligencia rendszerek magukban foglalják az adatok összegyűjtésére, tárolására,
feltérképezésére, az adatokhoz való hozzáférés és elemzésbiztosításáraszolgáló
technológiákat, hogy a felhasználók minél jobb üzleti döntéseket hozhassanak.
3. Mindazon eljárások, módszerek és megoldások összessége, melyek a vállalti adatok
másodlagos hasznosítása, felhasználása révén támogatják a döntéshozatalt

+ könyv szerinti: Az üzleti intelligencia összefoglalja mindazon módszereket, amelyek célja, hogy
feljavítsák a tényalapú rendszerek fölött működő üzleti döntéshozatalt. Minden rendelkezésre álló
adat és információ felhasználásával minél gyorsabban értelmes válaszokat lehessen adni.
 Első értelmezés: az üzlet folyamatokban megnyilvánuló emberi intelligencia kapacitását
jelenti.
 Második értelmezés: az intelligencia értelmes, vagyis általánosan elfogadott tárgyhoz
tartozó, alkalmazható értékű információt jelöl
8) big data (5V)

 Mennyiség(Volume)
o Sok terrabytenyi illetve exabytenyi adat vár feldolgozásra
 Sebesség(Velocity)
o Az adatáramlás azonnali, miliszekundumok alatt történik
 Változatosság(Variety)
o Az adatok változatosak, van közöttük struktúrált, jól struktúrált szöveg és videó
anyag is
 Érvényesség(Veracity)
o Az adatok inzkonzisztensek, nem teljesek, kétértelműek stb.
 Érték(Value)
o Üzleti modellek állíthatóak fel az adatok segítségével

 Üzleti intelligencia architektúrája

o Az alábbi képen jól látható a felépítés, a későbbiekben részletezve is
olvashattok róluk

 ETL
o Extract- Transform- Load
o Kinyerés- Átalakítás- Betöltés
o Az adattárházak feltöltésének folyamata
o Az adatok a forrásokból NEM közvetlenül kerülnek az adattárházba, hanem az
úgynevezett trans vagy stage rétegen keresztül
 o Az ETL folyamat részei:
 Adat validáció(Esetleges hibák feltárása)
 Adattisztítás(Azonosított hibák kezelése)
 Adatátalakítás(Elemzéshez szükséges módosítások elvégzése)
 Adataggregálás(Több forrásból származó adatok összekapcsolása)
 Aggregálás
 SQL Joins
 Szűrések(when,having, unique)
 Új oszlopok képzése
 Rank

 Adatminőségi problémák
o Az adatminőség alaptétele:
 „Minden rendszerben olyan az adatminőség, amely éppen megfelelő
az adott rendszer folyamatos működéséhez.” -CTG
 >>> Attól, hogy a rendszer működik nem biztos, hogy jók az
adatok!
o Az adatminőség meghatározása:
 Pontosság
 Konzisztencia
 Integritás/sértetlenség
 Teljesség
 Érvényesség
 Időszerűség
 Elérhetőség
o Probléma fajták:
 Érvényességi problémák
 Típus hibák
 Értékhatár hibák
 Duplikációk
 Listák hibái(karakterhibák, hibás besorolások)
 Mezők közötti kapcsolati hibák
 Pontosság hiánya
 Teljesség hiánya
 Konzisztencia hiánya
 Hiányzó adatok
 o Hibák okai:
 Adatfelvételi problémák
 Nem megfelelő adatátvitel
 Heterogén adatstruktúra/tárolási mód
 Üzleti folyamatkontroll hiányosságai
 Hiányzó adatvalidációs eszközök
 Üzleti szabályok nem ellenőrzése
 Teljesség nem biztosítása
 Adatgazdák hiánya
 Hibás korábbi migráció
 Rendszerműködési hibák
o Következményei:
 Anyagi veszteség
 Sikertelen BI projektek 
 Vezetői döntéstámogatási problémák
 Bizalomvesztés
o Pár példa bizonyos problémákra:

 Adattárház (definíciók)
o Ralph Kimball szerint:
 A szervezet egy olyan adatgyűjtő, szolgáltató része, ahol a működései
adatok az egyszerűen végrehajtható hatékony elemzés céljait
szolgálják.
 o Bill Inmon szerint:
 Az adattárház tárgyorientált, integrált, tartós és időfüggő
adatgyüjtemény a vezetői döntéstámogatás szolgálatában.
 Tárgyorientált:
o Az adattárház segítségével témakörönként végezhetőek
elemzések
 Integrált:
o Az adattárház tárgyterületéhez kapcsolódó adatokat
szabványosított formára alakítva egy helyre gyűjti és
egységbe rendezve kezeli
 Tartós:
o Az adattárházban jelen lévő adatok alapvetően
változatlanok.
 Időfüggő:
o Az adatokat időfüggően, időpontok és időintervallumok
szerint tárolják és kezelik, a forrásrendszert nyomon
követve.
o “Az üzleti gondolkodásnak megfelelő struktúra”
 Adattárház vs. Adatbázis
o Adattárház:
 OLAP( Online Analytical Processing Systems)
 Az adatokat a megfelelő adatbázisból nyeri ki, alakítja át és tölti be
 A tárolt adatok csak olvashatóak, NEM frissíthetőek
 Tartós(„non-volatile”): Az adatok hatékonyan lekérdezhetőek és
elemezhetőek
o Adatbázis:
 OLTP( Online Transaction Processing Systems)
 Az összes előforduló tranzakció rögzítése és feldolgozása valós időben
 Illékony(„volatile”):Folyamatosan új adatokat rögzít, a meglévőket
szerkeszti vagy frissíti >>> nehézkes adatelemzés
 Adattárház felépítése
o Ezt a legjobban az alábbi ábra írja le:

 Adatpiac
o A központi adatréteg és a kiaknázás közötti adatréteg
o Adott üzleti felhasználást kielégítő adatokat tartalmaz
o A kiaknázás kiszolgálásra optimaizált
o Több adatréteg is tartalmazhatja ugyanazt az adatot
o Technikai megvalósításuk csillagsémákkal és elemzői táblákkal történik
 Csillagséma
o Tényadatok, mutatószámok játszák a központi szerepet
o A mutatószámok jellemzőit dimenziók szerint egy-egy dimenziótáblába
gyűjtjük
o Minden elemet egy kulcs azonosít
o A dimenziótáblák attribútumai közé érdemes (általában) minél több jellemzőt
felvinni
o Előnyei:
 Egyszerű, intuitív adatmodell
 Kevés adatbázis műveletet és kevés tábla olvasását igényli a
használata
 Könnyű megvalósíthatóság, a modell metaadatai(adatokat leíró
adatai) egyszerűek
o Hátrányai:
 Aggregációk képzése nehézkes
  Nagy dimenziótáblák esetén a hierarchiakezelés erősen lelassíthatja a
lekérdezéseket
 Redundáns a dimenzióadatok kezelése
o Az adatpiacok technikai megvalósításnál szerepet játszik
o Példa a csillagsémára:

 Data lake
o Olyan rendszer vagy adattároló hely, ahol az adat az eredeti formájában kerül
tárolásra
 Mindenfajta adat megtalálható benne(strukturált, nem strukturált, stb.)
 Homokozó terület: Modellezést, riportokat támogat
 Azonnali, operatív beavatkozást igénylő feladatok támogatója(pl. fraud
detection)
 Üzleti analitika területei:
o Miért történt?
 Leíró analitika
 Ad-hoc lekérdezések, vizualizáció és táblázat-elemzés jellemzi
 A múltban történtek alapján fogalmaz meg új meglátásokat
o Mi történt?
 Leíró analitika
 Szabványos riportok
 A múlt alapján fogalmaz meg ismert tényeket
o Mi történik most?
 Leíró analitika
 Dashboardokat állít elő, KPI-ket határoz meg illetve ide tartozik a
teljesítmény menedzsment is
  A Jelen történései alapján fogalmaz meg ismert tényeket
o Mit kell tennünk most?
 Előíró analitika
 Ajánlásokat teszt
 A jelen történései alapján fogalmaz meg új meglátásokat
o Mi történhet?
 Előrejelző analitika
 Előrejelző modelleket hoz létre
 A jövőben várható események alapján határoz meg várható
tényeket(Ez így kicsit kesze-kuszán hangzik, de erről van szó
gyakorlatilag.)
o Mi a legjobb, amit tehetünk?
 Előíró és előrejelző analitika is egyben
 Adatbányászattal, szimulációkkal és optimalizációval foglalkozik
 A jövőben várható események alapján határoz meg új meglátásokat
 Adatmodellezés és kihívásai:

 Kihívások: Alapvetően folyamatosan változó környezetről beszélhetünk

o Folyamatosan változó adatforrások

 Fontos az új és régi forrásrendszerek egy adattárházba való bekötése
egységes formátummal
 Cégfelvásárlások, fúziók illetve a régi rendszerekről újakra való áttérés esetén
is előjön ez a kihívás
o Nem sztenderd formátumok
 Különböző formátumok problémát okozhatnak, pl. táblák összekapcsolásánál
nem kapunk eredményt
o Növekvő adatéhség
 Lehetőség szerint mindent naprakészen kell előállítani
 Egyre részletesebb elemzésekre való igény>> egyre több adatra van
szükség>> nagyobb és fejlettebb adattárolási és számítástechnikai
megoldások kellenek
o Hiányos dokumentáció
 A fejlesztési folyamat utolsó lépése a dokumentáció
 Erre viszont egyre kevesebb idő jut, ebből pedig problémák erednek:
 Hiányos részek
 Nem naprakész
 Félrevezető információkat tartalmaz
o A jövő kihívásai:
 SQL szükséges, de nem elégséges tudás
 Pontosság <<>> Gyorsaság
 Különböző üzleti szereplőkkel való együttműködés nehézségei
 Hiányzó adatokkal való munka
  Kreatív megoldások szükségessége
 Feltételezések alkalmazása munka során
 Átláthatóság üzleti területekkel való kommunikáción során

 Adatmodellezés:(Szerintem ez a folyamatábra a leglényegretörőbb)