Tato bakalářská práce se zabývá aplikací metod data miningu na fiskální data s cílem odhalit skryté vzory a souvislosti, které mohou přispět k lepšímu porozumění ekonomickým jevům a efektivitě veřejného financování. Práce se zaměřuje na zpracování dat podle metodiky CRISP-DM (Cross-Industry Standard Process for Data Mining) a její aplikaci na reálná data získaná z veřejných zdrojů. Během zpracování dat podle metodiky byly provedeny kroky zahrnující porozumění datům, přípravu dat, modelování a vyhodnocení výsledků. Pro analýzu byla využita fiskální data obcí, která zahrnují informace o finančním rozpoložení obcí, včetně informace o investičních výdajích a daních z nemovitostí. Hlavním cílem analýzy bylo zjistit, jak změny ve fiskální politice ovlivňují investiční aktivity obcí. V rámci modelování byly využity asociační pravidla a explorační analýza. Výsledky analýzy poskytují cenné poznatky o struktuře fiskálních dat a mohou sloužit jako podklad pro další výzkum a rozhodování ve veřejném sektoru.
Klíčová slova:
Data mining; fiskální data; CRISP-DM; analýza dat; veřejné finance; daně z nemovitostí; investiční výdaje
Název práce:
Data mining on fiscal data
Autor(ka) práce:
Tran, Viet Long
Typ práce:
Bachelor thesis
Vedoucí práce:
Chudán, David
Oponenti práce:
Svátek, Vojtěch
Jazyk práce:
Česky
Abstrakt:
This bachelor thesis focuses on the application of data mining methods to fiscal data to uncover hidden patterns and correlations that can contribute to a better understanding of economic phenomena and the efficiency of public financing. The work centers on processing data according to the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology and applying it to real data obtained from public sources. The methodology includes steps such as understanding the data, data preparation, modeling, and evaluation of results. For the analysis, fiscal data from municipalities, including information on the financial status of municipalities, investment expenditures, and property taxes, was utilized. The main goal of the analysis was to determine how changes in fiscal policy affect the investment activities of municipalities. In the modeling phase, association rules and exploratory analysis were employed. The results of the analysis provide valuable insights into the structure of fiscal data and can serve as a basis for further research and decision-making in the public sector.
Klíčová slova:
fiscal data; property taxes; data analysis; Data mining; public finance; investment expenditures; CRISP-DM