Automatizovaný nástroj Datový čmuchálek určený pro detekci anomálií v obchodních metrikách

Název práce: Automatizovaný nástroj Datový čmuchálek určený pro detekci anomálií v obchodních metrikách
Autor(ka) práce: Jalůvková, Michaela
Typ práce: Diplomová práce
Vedoucí práce: Maršálek, Karel
Oponenti práce: Novotný, Ota
Jazyk práce: Česky
Abstrakt:
Tato diplomová práce se zabývá tématem detekce anomálií v obchodních metrikách u e-commerce společnosti Rohlík.cz. Cílem bylo pro tuto společnost navrhnout, vyvinout a implementovat nástroj Datového čmuchálka, který detekuje anomálie v cílových metrikách. Nástroj musel být jednoduše customizovatelný a škálovatelný na velkou šíři metrik z různých odděleních společnosti. Nástroj je aktuálně implementovaný napříč několika odděleními ve společnosti Rohlík.cz a každý den mezi 4 a 5 hodinnou ranní zasílá výsledky detekce do firemních Slack kanálů. Reportingové nástroje je obecně velmi těžké nacenit, nicméně firma dle svých interních kalkulací odhaduje zisk Datového čmuchálka kolem 300 000 euro.
Klíčová slova: Keboola; AWS; Snowflake; detekce anomálií; prophet; strojové učení; automatizace; python; SQL
Název práce: Automated tool Data sniffer designed for anomaly detection in business metrics
Autor(ka) práce: Jalůvková, Michaela
Typ práce: Diploma thesis
Vedoucí práce: Maršálek, Karel
Oponenti práce: Novotný, Ota
Jazyk práce: Česky
Abstrakt:
This diploma thesis addresses the topic of anomaly detection in business metrics at the e-commerce company Rohlík.cz. The aim was to design, develop, and implement a Data Sniffer tool for this company, which detects anomalies in target metrics. The tool had to be easily customizable and scalable across a wide range of metrics from various departments of the company. The tool is currently implemented across several departments at Rohlík.cz and sends detection results to corporate Slack channels every day between 4 and 5 AM. Generally, it is very difficult to price reporting tools; however, according to its internal calculations, the company estimates the profit from the Data Sniffer to be around 300,000 euros.
Klíčová slova: machine learning; automatization; python; SQL; Keboola; prophet; AWS; Snowflake; anomaly detection

Informace o studiu

Studijní program / obor: Data a analytika pro business
Typ studijního programu: Magisterský studijní program
Přidělovaná hodnost: Ing.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Fakulta informatiky a statistiky
Katedra: Katedra informačních technologií

Informace o odevzdání a obhajobě

Datum zadání práce: 2. 1. 2024
Datum podání práce: 28. 4. 2024
Datum obhajoby: 7. 6. 2024
Identifikátor v systému InSIS: https://insis.vse.cz/zp/86989/podrobnosti

Soubory ke stažení

    Poslední aktualizace: