Samenvatting Informatica voor bedrijfsbeleid theorie (HOC's + notities) academiejaar gedoceerd door Sam Verboven
73 views 2 purchases
Course
Informatica Voor Bedrijfsbeleid (007699)
Institution
Vrije Universiteit Brussel (VUB)
Samenvatting voor het vak informatica voor bedrijfsbeleid gedoceerd aan de VUB door Sam Verboven, in academiejaar . Deze samenvatting bevat alle ppt's gebruikt tijdens het hoorcollege alsook eigen notities. De wpo's zitten hier NIET in, deze zijn apart verkrijgbaar, stuur me een berichtje indien ge...
, 5.3.1 Flow objects................................................................................................................... 26
5.3.2 Connectoren .................................................................................................................. 26
5.3.3 Pool ................................................................................................................................ 27
5.3.4 Lane ............................................................................................................................... 28
5.3.5 Sub-process ................................................................................................................... 29
5.3.6 Message flow ................................................................................................................. 29
5.3.7 Message event............................................................................................................... 29
5.3.8 Gateway......................................................................................................................... 30
5.4 Recap- Inleiding deel 2 .......................................................................................................... 36
5.5 Wat is een proces? ................................................................................................................ 36
5.6 Processen in management en science .................................................................................. 37
5.7 Process perspectief in management ..................................................................................... 37
5.8 Proces mining ........................................................................................................................ 37
5.8.1 Process mining: the next steps? .................................................................................... 38
5.9 BPMN Recap: elementen ...................................................................................................... 39
5.9.1 Events ............................................................................................................................ 40
5.9.2 Artifacts : data ............................................................................................................... 42
5.9.3 Artifacts : annotatie ....................................................................................................... 43
6 H5: Project management .............................................................................................................. 45
7 H6: Databases ................................................................................................................................ 45
7.1 Inleiding ................................................................................................................................. 45
7.2 Data modeling ....................................................................................................................... 46
7.2.1 Klassendiagram.............................................................................................................. 46
7.3 Database : inleiding ............................................................................................................... 53
7.4 Van klasse naar tabel............................................................................................................. 54
7.4.1 First normal form (1NF) ................................................................................................. 54
7.4.2 Keys................................................................................................................................ 54
7.4.3 Oefening ........................................................................................................................ 56
7.5 Associaties mappen met multipliciteit 1 ............................................................................... 56
7.5.1 Associaties mappen ....................................................................................................... 58
7.6 Instances ................................................................................................................................ 60
8 H7: Monte Carlo simulatie ............................................................................................................ 63
8.1 Geschiedenis.......................................................................................................................... 63
8.2 Intuïtief voorbeeld................................................................................................................. 63
8.3 Model: investment case – building project ........................................................................... 64
8.4 Monte Carlo Simulatie........................................................................................................... 64
2
, 8.4.1 Stappenplan gebruik MC ............................................................................................... 65
8.4.2 MCS: assumpties ........................................................................................................... 66
8.4.3 Prerequisite: RNG .......................................................................................................... 67
9 Swot analyse .................................................................................................................................. 70
9.1 Sterktes .................................................................................................................................. 71
9.2 Zwaktes.................................................................................................................................. 71
9.3 Kansen ................................................................................................................................... 72
9.4 Bedreigingen.......................................................................................................................... 72
9.5 Tips ........................................................................................................................................ 72
9.6 Voorbeeld .............................................................................................................................. 73
10 H9: Data Science ........................................................................................................................ 73
10.1 Fundamentele concepten ..................................................................................................... 73
10.1.1 Terminologie.................................................................................................................. 73
10.1.2 Toepassingen ................................................................................................................. 74
10.1.3 Data ............................................................................................................................... 74
10.1.4 Data als strategisch goed............................................................................................... 75
10.1.5 Welke types beslissingen kunnen we ondersteunen met data science? ...................... 75
10.1.6 Herriner u ...................................................................................................................... 75
10.1.7 Een model? .................................................................................................................... 76
10.1.8 Een model leren ............................................................................................................ 76
10.1.9 Trainen: gewichtenvinden op basis van training data................................................... 77
10.1.10 Complexe functies approximeren met neurale netwerken ...................................... 77
10.1.11 Sommige decision support systems behelzen meerdere complexe modellen ......... 78
10.1.12 Learning ..................................................................................................................... 78
10.2 Taken, methodes, en toepassingen....................................................................................... 78
10.2.1 Data Science: taken, methodes en toepassingen.......................................................... 78
10.2.2 Notatie ........................................................................................................................... 80
10.2.3 Variabelen...................................................................................................................... 80
10.2.4 Supervised learning ....................................................................................................... 80
10.2.5 Recap ............................................................................................................................. 82
10.2.6 Methodes ...................................................................................................................... 82
10.2.7 Wat is een goed model? ................................................................................................ 82
10.2.8 Training vs implementatie ............................................................................................. 84
10.3 Voorbeelden DS toepassingen .............................................................................................. 84
10.3.1 Van theorie naar praktijk met CRISP-DM ...................................................................... 85
10.3.2 Oefening: Churn Prediction ........................................................................................... 85
3
, 10.3.3 Meer zaken om in rekening te brengen! ....................................................................... 90
10.3.4 Is data science altijd nuttig? .......................................................................................... 91
10.4 Conclusie ............................................................................................................................... 92
11 H8: Informatica in een business context ................................................................................... 92
11.1 Elk management-niveau heeft zijn eigen gespecialiseerde informatiesystemen ................. 92
11.2 Transaction processing systems (TPS) ................................................................................... 93
11.3 Systems for business intelligence (BI) ................................................................................... 94
11.4 Hoe informatietechnologie bedrijfsprocessen ondersteunt ................................................. 99
11.4.1 Entreprise applications .................................................................................................. 99
11.4.2 Entreprise application architecture ............................................................................... 99
11.4.3 Enterprise Resource Planning systems........................................................................ 100
11.4.4 Uitdagingen rond Entreprise applications ................................................................... 102
1 H0: Voorwoord en cursusorganisatie
• Beoordeling
o Schriftelijk examen 50%
o Praktijk Examen (taak) 50%
• Examen
o Multiple choice
o Open vragen
o Oefeningen
o Invulvragen
2 H1: Inleiding
Belang IT
“ Information technology and business are becoming inextricably interwoven. I don’t think anybody
can talk meaningfully about the one without talking about the other”. – Bill Gates
• Werken in business verreist een basiskennis van IT
Website Deloitte
Artikel “are you ready for the digital era”?
→ veel investeringen in technologieën bv VR, bedrijven willen ook niet achterlopen en willen mee
investeren zoals alle anderen. Er is veel druk om hierin te investeren
Website artikel KPMG
Digitale transformatie, digitaal is de nieuwe norm, je kan niet achterlopen
2.1 Opportuniteiten
• Nieuwe businessmodellen
• Innovatie
• Verhoogde efficiëntie
4
, • Verhoogde automatisatie
• Communicatie is meer mogelijk (bv andere kant van de wereld met elkaar samenwerken)
• Voorbeelden bedrijven die steunen op digitale systemen
o Google
o Apple
o Facebook
o Amazon
o Microsoft
• Dankzij informatiesystemen is data geld waard
o Zonder is het waardeloos, geen nut
2.2 Risico’s
• Duur
o Duurt ook lang
• Meerderheid mislukt
o 80 à 90 %
• Schaarste aan kennis
• Afhankelijkheid aan IS
o Wat als IS niet werkt?
o Bv Amazon, tesla, tax- on -web
o Bv Facebook lag helemaal plat, alle systemen lagen er plat
o Bv Amazon ligt plat, je kan je pakje niet krijgen
o Tax on web ligt plat laatste dag indienen belastingen
2.3 Enkele feiten
• Geert Noels: IT is one of the major forces in our economy
• 52% van investeringen hebben betrekking tot IT
• ROI vs IT paradox
o Hoge investeringen IT altijd hogere productiviteit
o Er is correlatie, maar ligt niet super hoog
o Blind investeren in IT niet doen!
o Kan leiden tot grote succesverhalen bv Netflix
2.4 Het belang van coördinatie
• Er kan veel mislopen
o Vaak communicatie en coördinatie van stakeholders, actoren van het proces
o Geen goede communicaties
▪ Visies stemmen niet overeen
▪ Iedereen doet iets verschillend
▪ Eindresultaat werkt niet, bestaat niet, doet niet wat initieel bedoeld was
o Documentatie is ook erg belangrijk
o Wat klant echt nodig had kwam vaak niet overeen met visie
o Veel verschillende stappen waar communicatie key is
▪ Hier loopt het vaak mis
2.5 Business / IT alignment
• Belangrijk concept in ontwikkeling IS
o Visie implementatie
5
, • Onderscheid taak business vs IT
o “if I had asked people what they wanted they would have said: faster horses…”
o Henry Ford
o Paarden i.p.v. auto’s want mensen wisten niets over de technologie die mogelijk was
o Ze wilde snellere transportatie
o Ze spreken enkel in termen die ze kennen
o Managers
▪ Nood en probleem identificeren
o IT
▪ Hoe kan ik dit geven via IS
• Programma’s en de algoritmes die ze voorstellen (een programma hoeft geen grafisch scherm te
hebben. Bv het programma dat je computer opstart of een virus)
• Ook data is software bv Word, besturingssysteem van Apple of Android
• Omzetting in machinetaal voor software uitgevoerd kan worden
Databases
• Collectie data in een computer systeem georganiseerd voor makkelijke opslag, toegang en
beheer bv relationele databank
Communicatie
→ verbinden van meerdere computers om te communiceren en data uit te wisselen bv grootste
netwerk: internet
Deze componenten vormen samen met mensen Informatie Technologie (mens: moet know how
hebben om met IT te werken). Dit zijn geef informatie systemen, dit zijn de tools en geen systeem op
zich.
Informatiesysteem
Informatie= data + nut
Hangt af van perspectief, iets kan nut hebben voor iemand maar niet voor iemand anders
= een set van onderling gerelateerde componenten die informatie verzamelen, opslaan en
verspreiden om de besluitvorming in een organisatie te ondersteunen, gebruik makende van
informatietechnologie.
Zijn je hersenen een informatiesysteem? → ja, er komt data binnen als input (ogen via pixels) dit
wordt verwerkt in je hersenen als beeld en dit wordt nuttige info
6
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller elysevandersande. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.75. You're not tied to anything after your purchase.
