Visualisering og mønstergjenkjenning på transaksjonsbaserte data fra Enterprise Resource Planning og Point of Sale baserte bedrifter
Master thesis
Permanent lenke
http://hdl.handle.net/1956/9923Utgivelsesdato
2015-05-01Metadata
Vis full innførselSamlinger
Sammendrag
De fleste bedrifter benytter i dag forretningssystemer for å samle inn og behandle forretningsrelaterte data. Enterprise Resource Planning(ERP) og Point of Sale(POS) programvare er eksempler på systemer som begge generer og lagrer store mengder av denne typen data relatert til handel. I en spørreundersøkelse Stodder (2013) gjennomførte, uttrykte 37 % av de 453 deltagende respondentene at tilgang til data fra disse og andre typer forretningssystemer er meget viktig i datavisualiseringsapplikasjoner. Basert på dette, identifiseres det et behov for å kunne uthente informasjon fra transaksjonsdata, som kan brukes til for eksempel mersalg, markedsføring og vareplassering. For å kunne tilfredsstille dette behovet, presenteres det i dette prosjektet en applikasjon ved navn EinBlick, et verktøy utviklet iterativt i Java. Applikasjonen benytter metoder fra forskningsområdene datavisualisering og data mining, for å tilby brukerne funksjonalitet for å navigere, filtrere, søke, visualisere og analysere transaksjonsdata. Ved å støtte oppkobling og uthenting av data fra relasjonsdatabaser, forhindrer den håndtering av data lokalt i for eksempel tekstfiler. I tillegg er det mulighet for brukeren å kunne kombinere data fra flere tabeller, og dette gir støtte for å få innsyn i transaksjonsdata med samme struktur fra ulike kilder. EinBlick gir brukeren mulighet til å generere flere ulike interaktive visualiseringer og finne asssosieringsregler basert på brukerens data. Denne funksjonaliteten gjør det mulig for brukere å kunne dykke inn i dataene, for både å bekrefte og utforske relasjoner og mønstre som ikke ville vært synlig i en skjematisk form. Det har blitt gjennomført to evalueringer i prosjektet ved hjelp av testdeltagere fra konsulentselskapet Advania. Den første evalueringen ble gjort for å danne et inntrykk vedrørende deltagernes meninger om applikasjonen, og hvorvidt de fant den brukervennlig. I den andre evalueringen ble applikasjonen med implementert data mining funksjonalitet evaluert, for å undersøke hvorvidt denne funksjonaliteten forbedret deltagernes opprinnelige inntrykk. Funnene fra evalueringen viser at de har svært positive inntrykk av applikasjonen, og at de finner den brukervennlig. De viser også at implementering av data mining funksjonalitet forbedrer dette inntrykket ytterligere.