Využití metod open-source Intelligence v procesu due diligence
Autor(ka) práce:
Dinh, Van Chien
Typ práce:
Diplomová práce
Vedoucí práce:
Černý, Jan
Oponenti práce:
Molnár, Zdeněk
Jazyk práce:
Česky
Abstrakt:
Diplomová práce se zabývá využitím metod open source intelligence (OSINT) v kontextu procesu due diligence, který je klíčovým nástrojem pro hodnocení rizik při fúzích, akvizicích a dalších obchodních transakcích. První část práce představuje teoretický rámec OSINT, jeho vývoj, nástroje a právní i etické aspekty. Následuje analýza struktury a účelu due diligence, včetně specifik jednotlivých typů. Hlavní část práce je zaměřena na praktickou ukázku integrace OSINT metod do procesu reputační due diligence, konkrétně na identifikaci politicky exponovaných společností v USA napojených na Donalda Trumpa, prostřednictvím datových platforem LittleSis a LobbyView. Data byla zpracována pomocí jazyka Python a následně vizualizována v prostředí grafové databáze Neo4j. Výsledkem je návrh rámce, který může sloužit jako podpora rozhodování při analýze reputačních a regulatorních rizik. Práce ukazuje potenciál OSINT jako efektivního doplňku k tradičním metodám vyšetřování a hodnocení v rámci due diligence.
Klíčová slova:
LittleSis; LobbyView; grafová databáze; data; Neo4j; datová analýza; datové inženýrství; lobbying; Open source intelligence; due diligence; OSINT; Donald Trump
Název práce:
Using Open Source Intelligence Methods within Due Diligence
Autor(ka) práce:
Dinh, Van Chien
Typ práce:
Diploma thesis
Vedoucí práce:
Černý, Jan
Oponenti práce:
Molnár, Zdeněk
Jazyk práce:
Česky
Abstrakt:
This thesis explores the use of Open Source Intelligence (OSINT) methods within the due diligence process — a key component in assessing risks during mergers, acquisitions, and other business transactions. The theoretical part introduces the foundations of OSINT, including its development, tools, and the legal and ethical considerations associated with its use. It also outlines the structure and purpose of due diligence, with attention to its various forms such as financial, legal, operational, and IT. The core of the thesis presents a practical case study demonstrating how OSINT techniques can support reputational due diligence, specifically by identifying politically exposed companies in the United States connected to Donald Trump. This was achieved through the analysis of publicly available data from LittleSis and LobbyView, processed using Python and visualized in the Neo4j graph database. The result is a proposed framework that can be used to enhance decision-making in reputational and regulatory risk assessments. The thesis demonstrates that OSINT can serve as a powerful supplement to traditional investigative and evaluation methods.
Klíčová slova:
data analysis; LittleSis; lobbying; due diligence; Neo4j; graph database; OSINT; data; LobbyView; data engineering; Donald Trump; Open source intelligence
Informace o studiu
Studijní program / obor:
Informační systémy a technologie/Business Intelligence