Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

5. SD L C
cie:
vysvetli zkladn fzy ivotnho cyklu vroby softvru tudent by mal pochopi, ako cyklus prebieha, o s vstupy a kto je za vstup zodpovedn

o je to SDLC?

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

zrod mylienky:
popis: diskusia i mylienka nie je pln blbos hr: sponzor, konzultant vstup: podnet (identifikcia potreby/prleitosti) vstup: nvrh koncepctu

ujasnenie konceptu:
Popis: definovanie rozsahu projektu Hr: konzultanti, biznis analytici, garanti Vstup: soft/hard informcie Vstup: projektov zmer tdia realizovatenosti analza rizk Pojmy: PESTLE, SWOT, biznis analza

plnovanie:
Popis: vytvorenie projektovho plnu Hr: projektov manar, PMO, garanti Vstup: projektov zmer + expertn odhady, sksenosti ... Vstup: PID projektov pln pln zdrojov Pojmy: Metodika, MS Project

analza potrieb:
Popis: zistenie potrieb toho koho ur sponzor Hr: biznis analytik, konzultant Vstup: predol + informcie od cieovej skupiny Vstup: poiadavky (zkaznka/cieovej skupiny) Pojmy: modelovanie, UseCase, UserStory

analza a nvrh softvru:

Popis: Prevedenie rei zkaznka do rei programtora Hr: analytici, architekti, garanti Vstup: predol + technick informcie Vstup: detailn funkn pecifikcia rieenia Pojmy: UML, Diagramy

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

vvoj softvru:
Popis: Kva na zdrojov kd Hr: programtor, architekt, team leader Vstup: analza + monosti techniky Vstup: Softvrov komponenty, ladenie softvru, programtorsk testy, Pojmy: zdrojov kd, change request

integrcia a testovanie:
Popis: Spjanie mench ast do celku a ich overovanie Hr: QA, tester, administrtor, deployment manager Vstup: softvr + prostredia + testovacie dta Vstup: realizovan formy testov Pojmy: smoke test, akceptan test, integran test

implementcia:
Popis: Nasadenie do prevdzky Hr: administrtor, zkaznk Vstup: otestovan softvr Vstup: funkn rieenie + dokumentcia Pojmy: itercie, paraleln beh

prevdzka:
Popis: Pouvanie softvru Hr: pouvatelia, sprvcovia systmu, drbri Vstup: hlsen chyba + dokumentcia Vstup: vyrieenie (oprava/odstrnenie) chyby Pojmy: SLA, reakn doba

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

DATA MINING & BUSINESS I N TELIGEN C E

Data mining:
hbkov analza dt (ang. data mining [dejta majnyn] dolovanie z dt) je proces analzy dt z rznych perspektv a ich sumarizcia na uiton informcie spravidla ide o extrahovanie uitonch informci z vekch databz, hadanie korelci alebo vzorov spomedzi tiscok pol v relanch databzach vyuva metdy tatistiky, matematiky (matematick modelovanie = klasifikan pravidl alebo stromy, regresia, zhlukov analza), umelej inteligencie (neuronov siete, rozpoznvanie, samouiace sa algoritmy), nstroje OLAP (on-line analytick spracovanie) a strojovho uenia.

Aplikcia v praxi:
Propensity to Buy - cross-sell (predaj alch produktov existujcim zkaznkom) a up-sell (zvenie spotreby danho produktu, doplnky) Credit risk - modelovanie pravdepodobnosti nesplcania veru Fraud - identifikcia podvodov Churn - identifikcia zkaznkov nchylnch na prechod ku konkurencii Segmentcia - zoskupovanie do homognnych skupn Market Basket Analysis - analza nkupnho koa Diagnostick modely Modely analzy asovch radov Text mining

Metodolgie
CRISP DM (SPSS) SEMMA (SAS) Virtuos cycle of data mining (Berry & Linoff)

Typick oblasti vyuitia

marketing, podpora pri vbere klientov do marketingovch kampan (cross-sell, up-sell) poisovnctvo, identifikcia podvodov, churn bankovnctvo, manament rizika (credit risk, fraud) medicna, podpora pri stanoven pravdepodobnosti danej diagnzy telekomunikcie, cross-sell, up-sell, churn, fraud maloobchod, analza nkupnho koa, cross-sell, up-sell ttna sprva, fraud

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Business intelligence:
informan technolgie, aplikcie a metdy na zber, normalizciu, analzu, prezentciu a interpretciu obchodnchdt dajov o vvoji v organizcii primrnym elom BI systmov (ako podmnoiny manarskych informanch systmov) je podpora procesov rozhodovania a plnovania v rznych oblastiach podnikovho manamentu BI systmy sa preto niekedy nazvaj aj Systmy na podporu rozhodovania (z angl. Decision Support Systems DSS)

Defincia a charakteristika:
termn Business Intelligence (BI) v roku 1989 prvkrt definoval Howard Dresner zo spolonosti Gartner Group ako mnoinu konceptov a metodk, ktor zlepuj rozhodovac proces za pouitia metrk alebo systmov zaloench na metrikch BI predstavuje jeden z najvznamnejch faktorov kvality podnikovej informatiky a s tm svisiacich posunov v konkurencieschopnosti podnikov Business Inteligence mono definova ako aplikan software vyuvan vo firmch pre podporu rozhodovacch procesov, ktor tu prebiehaj dochdza k premene obrovskho mnostva rznych dt na informcie, poznatky a znalosti uiton pre koncovho uvatea je to sada postupov, procesov a technolgi, ktor tieto rozhodovacie procesy podporuj BI si tie mono predstavi ako sadu IS/ICT aplikci, ktor s postaven na pecifickch OLAP technolgich a ich modifikcich

princpy:
Business Inteligence m niekoko zkladnch princpov, medzi ktor patr transformcia dt z transaknch a produknch systmov na analytick dta, ktor s nsledne vyuvane pre rozhodovanie rieenia BI s zaloen na multidimenzionalite uloenia a spracovania dt na ukladanie dt s vyuvan asov dimenzie a ukladanie prebieha do analytickch databz postupne v jednotlivch asovch snmkach vzhadom k tomu s na kvalitu dt kladen vysok nroky.

zdrojov systmy:
medzi zdrojov systmy informci, s ktormi BI pracuje mono zaradi systmy ERP, CRM a alie integrcia medzi technolgiou BI a aplikanm softvrom predstavujcim z pohadu BI zdrojov aplikcie u prebieha dlhiu dobu podstatou tchto BI aplikci je to, e obsahuj aj typov analytick aplikcie resp. typov obsah rieen zahrujcich preddefinovan databzov schmy, typov analytick aplikcie, reporty a alie komponenty pre rieenie projektu, prevane zko viazan na obsah tandardnho ERP, prpadne inho aplikanho balka takto rieenie prina vysok efektivitu pri rieen projektov a vysok stupe integrcie BI s ostatnmi aplikciami ako nevhodu mono uvies fakt, e vznikaj obmedzenia vzhadom k produktom tretch strn

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

6. DATABZY
o je to databza?
bza dajov, bza dt, dtov bza mnoina truktrovanch dt alebo informci uloench v potaovom systme, takm spsobom, e potaov program alebo lovek me poui dopytovac jazyk(napr. SQL) na zskavanie tchto informci takto zskan informcie mu by pouit pri rozhodovacom procese termn databza vznikol v prostred vpotovej techniky kolekcie dt podobn databzam existovali u pred priemyselnou revolciou naprklad vo forme tovnckych zznamov a knh a neskr kartotk predchodcom databz boli papierov kartotky, ktor umoovali zaraovanie novch poloiek a usporiadanie dt poda rznych kritri (kategri) - vetky opercie robil lovek sprva takchto kartotk bola v mnohom podobn sprve dnench databz me s o individulnu alebo skupinov databzu; tie ich mono rozdeli na skromn a verejn databzy -

DBMS:
potaov program pouvan na sprvu dt a tvorbu dopytov (queries) vlastnosami a nvrhom DBMS sa zaober informatika Typick dopyt odpoved na otzky typu "Koko prov topnok vyrobench Baom sa predalo v marci v Bratislave a Koiciach?" Na to, aby databza bola schopn zodpoveda takto otzku, je potrebn, aby mala informcie, koko akch topnok sa predalo vrtane dtumu a miesta predaja.

Koncept databzy:
kolekcia zznamov alebo iastkovch informci v kadej databze existuje opis truktry dt a typu dt, ktor s v databze: tento opis sa nazva logick schma (popisuje objekty, ktor s v databze a vzahy medzi nimi)

Databzov modely:
existuje viacero rznych spsobov tvorby schm t. j. modelovania databzovej truktry: tieto sa nazvaj databzovmi modelmi (alebo modelmi dt) v sasnosti je najviac pouvanm relan model relan model sa d vysvetli tak, e kompletn shrn dt je uchovvan v tabukch pozostvajcich z riadkov a stpcov (presn defincia pouva matematick pojem relcie) tento model reprezentuje vzahy pouitm tch istch hodnt vo viacerch tabukch in modely, naprklad hierarchick model alebo sieov model pouvaj explicitnejiu reprezentciu vzahov

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Sieov databza Hierarchick databza Relan databza Objektov databza Objektov relan databza Korelan (graph) databza

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

7. UML
cie:
vysvetli zklady modelovania softvru (tudent by mal pochopi, el vybranch diagramov UML)

o je to UML :
grafick jazyk na pecifikciu softvru

14 diagramov :

Use Case diagram :

Pohad out of the box Rola (aktr) Prpad pouitia Pojmy: Extend, Include Ohranienie

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Activity diagram:
Popisuje nslednos innost, aktivt, akci Aktivita vzby Pojmy: Rozhodovanie Paralelizmus Itercia

State diagram:
Stavov automat, popis konenho mnostva stavov Stavy Udalosti Pojmy: Vnoren stavy Podmienka, akcia

Sequence diagram:
Postupnos zasielania sprv, spoluprca objektov Objekt LifeLine Pojmy Synchrnne volanie Asynchrnne volanie

Class diagram:
Znzoruje dtov truktry systmu a zarauje ich do tried Trieda Poloka Metda Pojmy dedenie

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Implementcia:
Popisuje ako je softvr rozdelen do komponentov ucelench ast Komponent Vzby

Preo rozumie UML?

dobr analytik uetr vea prostriedkov a zdrojov re pouvatea vs. re programtora aj manar to mus vedie ta

Kreslm to na papier?
Analytick case nstroje Sparx: Enterprise architect MS VS 2010+ Eclipse

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

8 . PO D N I KA N I E V I T
cie:
uvies tudenta do problematiky podnikania v IT a na internete

o je to podnikanie?
innos smerujca k vytvraniu zisku

Magick trojuholnk:
peniaze

zdroje

odbyt

Porterov model 5 sl:

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Najspenejie obchodn modely na internete:

Reklama (Google, Facebook ...) Platen obsah (content on demand, iTunes, Piano) Komunikacny kanal (Skype, MSN) Online predaj (Amazon, eBay, Groupon) Online sluby (payPal) SaaS Affiliate program Agregatory (Heureka) Online investovanie (burzy CP )

PC alebo mobil?

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

9 . I N F O R MA N B E Z P E N OS
o to je informan bezpenos?
ochrana informano-komunikanch technolgi (IKT) a vetkho s nimi svisiaceho. informan bezpenos sa v zmysle informatizcie definuje ako "schopnos siete alebo informanho systmu ako celku odola s uritou rovou spoahlivosti nhodnm udalostiam, alebo nezkonnmu, alebo zkernmu konaniu, ktor ohrozuje dostupnos, pravos, integritu a dvernos uchovvanch alebo prenanch dajov a svisiacich sluieb poskytovanch alebo prstupnch prostrednctvom tchto siet a systmov." naruenie bezpenosti me zaha okovek - ponc pokodenm vzhadu webovej strnky, cez napadnutie potaa resp. systmu kodlivm softvrom, zlyhanie zamestnanca, ktor nemyselne prezrad svoje heslo, bvalho zamestnanca, ktor sabotuje zkazncku databzu a po priemyselnch pinov, ktor zistia, koko tovaru si zakpil v najlep zkaznk v minulom mesiaci. vo veobecnosti najviu as tvoria krdee, zneuitia a neoprvnen manipulcie s informciami (teda dajmi informan bezpenos je inak povedan aj vyvenie rizk vhodami v podobe vykonvania innosti elektronicky kee spolonos speje k stle vznamnejiemu vyuvaniu IKT v kadodennom ivote, vznam informanej bezpenosti a jej dodriavania merne narast informan bezpenos m vek zber a pokrva irok spektrum problematk, priom s rozvojom IKT sa vynraj stle alie oblasti, ktor sem patria a naopak zanikaj niektor star, aj ke v porovnatene menom meradle. Tieto oblasti vytvraj "fenomny", ktor prenikaj aj do benho ivota

Z tch najznmejch s to:

hoax kybernetick terorizmus phishing spam spyware vrusy a ervy at. - informan bezpenos je len jedna a je rozhodne odporan, aby sa pri jej zavdzan a dodriavan myslelo na vetky jej aspekty, nezvisle od toho, i sa chrnia pecifick typy informci alebo systmov alebo tie pln veobecn.

lenenie:
1. FORMLNA 2. PRAKTICK

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

Formlna bezpenos:
papiere ISO 27000 aplikcia stanovujca sa kad rok audit: na informan systm sa pozrie odbornk (kontrola) vyhovuje/nevyhovuje/vyhovuje s vhradami napr. prli krtke heslo 2 medzinrodn certifikty: CISSP CISA (to naj)

Praktick bezpenos:
Sieov bezpenos Bezpenos notebookov a potaov Bezpenos spolonosti

1. Sieov bezpenos:
Najniia ochrana na rovni kblov, zariaden, 1 a 0 Router/switch sprvy sa dostan tam, kde maj, router smeruje tok informci rozdelenie dtovho toku Firewall filtrovanie predchdzajcich informci aktvna ochrana zariaden, toto pustm/nepustm dnu (pochdza zo sci-fi ohniv stena) DOS, DDOS odopretie sluby (napr. chcem da dole fb 100 000 pripojen/sek- spravm 101 000 a zhodm systm) BOTNET mj PC o tom nevie, ani ja, ale pomham im, mm infikovan PC (napr. posla spam- len 10 centov pre 100 000 mailov)

2. Bezpenos PC/NB:
mobilov, tabletov, osobnch PCs, notebookov 1. rove meno, heslo ochrana koncovej stanice Desktop/notebook meno/heslo kryptovanie (ifrovanie) dajov antivrus kedysi sa prenali disketami (vanhauf- vrus, naintaovanie sa, ni najprv nespravil, ifroval dta, potom som o ne prila press enter, momentlne v UK, zaifruje cel dta, znemouje dta

Predmet: Vpotov technika pre manarov/prednky Vyuujci: Mgr. Ing. Michal efara / Doc. RNDr. Michal Gregu, PhD.

3. Bezpenos spolonosti:
korportna bezpenos mix bezpenost, riadenie prstupu k dajom chrnim si know-how riadenie prstupu k dajom copy- kto robil kpie, kde informcie ili, stoja peniaze- kontrola toku dokumentov likvidcia dokumentov zabezpeen priestory

4. Osobn bezpenos:
verejn siete wifi ktokovek sa mi nabra do systmu a me vidie moje daje