search query: @keyword KDD / total: 2
reference: 2 / 2
« previous | next »
Author: | Hänninen, Sami |
Title: | Applying data mining techniques to ERP system anomaly and error detection |
Tiedonlouhinnan soveltaminen ERP -järjestelmän poikkeamien ja virheiden havaitsemiseen | |
Publication type: | Master's thesis |
Publication year: | 2010 |
Pages: | x + 66 Language: eng |
Department/School: | Elektroniikan, tietoliikenteen ja automaation tiedekunta |
Main subject: | Tietokoneverkot (T-110) |
Supervisor: | Ylä-Jääski, Antti |
Instructor: | Kiravuo, Timo ; Veikkola, Olli |
Electronic version URL: | http://urn.fi/URN:NBN:fi:aalto-201203131446 |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 797 | Archive |
Keywords: | data mining database ERP KDD input validation Oracle Lean System ODM data quality tiedonlouhinta tietokanta ERP KDD syötteen tarkistus Oracle Lean System ODM tiedon laatu |
Abstract (eng): | Data mining is a concept developed for analyzing large quantities of data. It is based on machine learning, pattern recognition and statistics and is currently used, for example, for fraud detection, marketing advice, predicting sales and inventory and correcting data. Enterprise Resource Planning (ERP) systems commonly gather data from all parts of company operations thus providing a good source of data for data mining. This thesis studies data mining suitability for real-time validation of Lean System ERP input on the Oracle Data Mining (ODM) platform to improve data quality. The results proved that data mining can be a successful tool for input validation, but a successful mining process requires often meticulous pre-processing of mined data and good knowledge of the algorithms. |
Abstract (fin): | Tiedonlouhinta kehitettiin oleellisen tiedon löytämiseen suurista tietomassoista ja pohjautuu koneoppimiseen, hahmontunnistukseen ja tilastotieteeseen. Suosittuja käyttökohteita ovat esimerkiksi huijausten havainnointi, markkinointianalyysit, myynnin ja varaston ennustaminen sekä tietojen korjaus. Toiminnanohjausjärjestelmät (ERP) keräävät suuria määriä tietoja kaikista yrityksen toiminnoista, mikä tekee niistä hyvän kohteen tiedonlouhinnalle. Tämä diplomityö tutkii tiedonlouhinnan sopimista Lean System toiminnanohjausjärjestelmän syötteiden tarkistukseen tosiaikaisesti Oraclen tiedonlouhinta-alustalla tiedon laadun parantamiseksi. Tulokset osoittavat, että tiedonlouhinta voi olla menestyksekäs työkalu syötteen tarkistukseen, mutta onnistunut louhintaprosessi vaatii usein louhittavan tiedon pikkutarkkaa esikäsittelyä ja algoritmien hyvää tuntemusta. |
ED: | 2010-07-15 |
INSSI record number: 39966
+ add basket
« previous | next »
INSSI