Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia Informatica

Aktuell: Studia Informatica Pomerania


ISSN: 0867-1753     eISSN: 2300-410X    OAI    DOI: 10.18276/si.2015.38-03
CC BY-SA   Open Access 

Liste der Ausgaben / ZN 878 SI nr 38
Wykorzystanie narzędzia data mining w nadawaniu rang instrumentom konkurowania przedsiębiorstw usług transportowych sektora MSP

Autoren: Krzysztof Grochowski
Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy, Wydział Zarządzania

Daniel Zwierzchowski
Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy, Wydział Zarządzania
Schlüsselbegriffe: data mining eksploracja danych konkurencyjność sektor usług transportowych
Veröffentlichungsdatum der gesamten Ausgabe:2015
Seitenanzahl:11 (37-47)
Cited-by (Crossref) ?:

Abstract

W artykule przedstawiono istotę konkurowania w sektorze MSP oraz dokonano identyfikacji instrumentów konkurowania wykorzystywanych w małych i średnich przedsiębiorstwach usług transportowych. Zaprezentowano sposób wykorzystania narzędzia data mining do nadawania rang ważności instrumentom konkurowania. Wykorzystując narzędzie do eksploracji danych, przeprowadzono analizę instrumentów konkurowania, co usprawniło proces podejmowania decyzji w tym zakresie, zwiększając przy tym efektywność funkcjonowania małych i średnich przedsiębiorstw sektora usług transportowych.
herunterladen

Artikeldatei

Bibliographie

1.Adamik A. (2011), Konkurencyjność i przewaga konkurencyjna MSP w teorii i praktyce, w: Kształtowanie konkurencyjności i przewagi konkurencyjnej małych i średnich przedsiębiorstw, red. A. Adamik, C.H. Beck, Warszawa.
2.Bartkowiak G., Zjawiona K. (2004), Teoretyczne determinanty sprawności zarządzania w małych i średnich przedsiębiorstwach, w: Determinanty rozwoju małych i średnich przedsiębiorstw, red. J. Adamczyk, P. Bartkowiak, Wydawnictwo Naukowo-Techniczne, Warszawa
3.Fayyad U., Piatetsky-Shapiro G., Smyth P., Uthurusamy R. (1996), Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, Cambridge, MA.
4.Grochowski K. (2014), Czynniki determinujące zakres i elastyczność usług logistycznych w badaniach regionalnych, „Logistyka”, nr 6.
5.Gulczyński M. (2004), Techniki odkrywania wiedzy (data mining) oraz ich zastosowania, PSZW, Bydgoszcz.
6.Kisielnicki J. (2014), Zarządzanie i informatyka, Wydawnictwo Placet, Warszawa.
7.Owoc M.L., Weichbroth P. (2014), Validation Model for Discovered Web User Navigation Patterns, w: Artificial Intelligence for Knowledge Management, red. E. Mercier-Laurent, D. Boulanger, Springer, Berlin–Heidelberg.
8.Stanisławski R. (2010), Współpraca przedsiębiorstw warunkiem rozwoju innowacyjnego sektora MSP w Polsce, w: Wyzwania i perspektywy zarządzania w małych i średnich przedsiębiorstwach, red. M. Matejun, C.H. Beck, Warszawa.
9.Weichbroth P., Owoc M.L., Pleszkun M. (2012), Web User Navigation Patterns Discovery from WWW Server Log Files, w: Proceedings of Federated Conference on Computer Science and Information Systems, Wroclaw.
10.Żołnierski A. (2008), Raport o stanie małych i średnich przedsiębiorstw w Polsce w latach 2006–2007, Polska Agencja Rozwoju Przedsiębiorczości, Warszawa.