Tato práce se zaměřuje na zlepšení výkonnosti skladu prostřednictvím statistické a vizualizační analýzy. V práci jsou popsány klíčové ukazatele výkonnosti a metody pro transformaci dat, statistickou analýzu a vizualizaci. Teoretické základy zahrnují Warehouse Management Systém (WMS), SQL a techniky datové analýzy. Modely jsou implementovány s využitím programovacího jazyka Python a vizualizační platformy Power BI. Pomocí vyvinuté metodologie jsou realizovány jednotlivé analýzy testující výkonnost skladu a faktory, které ji ovlivňují. Zjištění z analýz poskytují podklady pro návrh specifických opatření zaměřených na optimalizaci skladových procesů.
Anotace v angličtině
This thesis focuses on improving warehouse performance through statistical and visualization analysis. It describes key performance indicators and methods for data transformation, statistical analysis, and visualization. Theoretical foundations include the Warehouse Management System (WMS), SQL, and data analysis techniques. Models are implemented using the Python programming language and the Power BI visualization platform. Using a developed methodology, individual analyses are conducted to test warehouse performance and the factors influencing it. Findings from the analyses provide the basis for designing specific measures aimed at optimizing warehouse processes.
Klíčová slova
WMS, Microsoft Power BI, Python, statistika, SQL
Klíčová slova v angličtině
WMS, Microsoft Power BI, Python, statistics, SQL
Rozsah průvodní práce
73
Jazyk
CZ
Anotace
Tato práce se zaměřuje na zlepšení výkonnosti skladu prostřednictvím statistické a vizualizační analýzy. V práci jsou popsány klíčové ukazatele výkonnosti a metody pro transformaci dat, statistickou analýzu a vizualizaci. Teoretické základy zahrnují Warehouse Management Systém (WMS), SQL a techniky datové analýzy. Modely jsou implementovány s využitím programovacího jazyka Python a vizualizační platformy Power BI. Pomocí vyvinuté metodologie jsou realizovány jednotlivé analýzy testující výkonnost skladu a faktory, které ji ovlivňují. Zjištění z analýz poskytují podklady pro návrh specifických opatření zaměřených na optimalizaci skladových procesů.
Anotace v angličtině
This thesis focuses on improving warehouse performance through statistical and visualization analysis. It describes key performance indicators and methods for data transformation, statistical analysis, and visualization. Theoretical foundations include the Warehouse Management System (WMS), SQL, and data analysis techniques. Models are implemented using the Python programming language and the Power BI visualization platform. Using a developed methodology, individual analyses are conducted to test warehouse performance and the factors influencing it. Findings from the analyses provide the basis for designing specific measures aimed at optimizing warehouse processes.
Klíčová slova
WMS, Microsoft Power BI, Python, statistika, SQL
Klíčová slova v angličtině
WMS, Microsoft Power BI, Python, statistics, SQL
Zásady pro vypracování
Definujte Warehouse Management System a zkoumané klíčové ukazatele výkonnosti.
Popište techniky a nástroje statistické a vizualizační analýzy.
Připravte data k analýze.
Proveďte analýzy na zkoumaných datech.
Dle výsledků analýzy navrhněte podniku doporučení.
Zásady pro vypracování
Definujte Warehouse Management System a zkoumané klíčové ukazatele výkonnosti.
Popište techniky a nástroje statistické a vizualizační analýzy.
Připravte data k analýze.
Proveďte analýzy na zkoumaných datech.
Dle výsledků analýzy navrhněte podniku doporučení.
Seznam doporučené literatury
Basl, J., & Blažíček, R. (2012). Podnikové informační systémy: podnik v informační společnosti (3., aktualiz. a dopl. vyd.). Grada Publishing.
Chmelár, M. (2018). Reporting v Power BI, PowerPivot a jazyk DAX. Smart People.
Svoboda, M., Gangur, M., & Mičudová, K. (2019). Statistické zpracování dat. Západočeská univerzita v Plzni.
Unpingco, J. (2019). Python for probability, statistics, and machine learning (2nd edition). Springer.
Varga, S. (2017). Exam Ref 70-768 Developing SQL Data Models. Microsoft Press, U.S.
Seznam doporučené literatury
Basl, J., & Blažíček, R. (2012). Podnikové informační systémy: podnik v informační společnosti (3., aktualiz. a dopl. vyd.). Grada Publishing.
Chmelár, M. (2018). Reporting v Power BI, PowerPivot a jazyk DAX. Smart People.
Svoboda, M., Gangur, M., & Mičudová, K. (2019). Statistické zpracování dat. Západočeská univerzita v Plzni.
Unpingco, J. (2019). Python for probability, statistics, and machine learning (2nd edition). Springer.
Varga, S. (2017). Exam Ref 70-768 Developing SQL Data Models. Microsoft Press, U.S.