Iskanje po katalogu digitalne knjižnice

Opis: Pranje denarja predstavlja globalni izziv, ki ogroža stabilnost in integriteto finančnega sistema ter spodkopava zaupanje v finančne institucije. Tradicionalni pristopi za preprečevanje pranja denarja, ki temeljijo na vnaprej določenih pravilih, pogosto vodijo do velikega števila lažno pozitivnih opozoril, kar zmanjšuje učinkovitost in povečuje stroške delovanja. Poleg tega vse strožja zakonodaja in regulativne zahteve od finančnih institucij zahtevajo nenehno prilagajanje in izboljševanje nadzornih mehanizmov. Diplomsko delo se uvodoma osredotoča na predstavitev temeljnih pojmov pranja denarja, njegovih značilnih faz in pojava profesionalnega pranja denarja. Predstavljena je tudi vloga ključnih mednarodnih in nacionalnih organizacij, ki delujejo na področju preprečevanja pranja denarja. V nadaljevanju je opredeljena napredna analitika, pri čemer so predstavljeni različni pristopi, kot so podatkovno rudarjenje, analiza sentimenta, klastrska analiza, strojno učenje, vizualizacija podatkov, analiza časovnih serij in analitika velikih podatkov. Poudarjena je njihova uporaba pri zbiranju podatkov, segmentaciji strank, zaznavanju anomalij, prioritetni obravnavi opozoril in vizualni predstavitvi rezultatov. Posebna pozornost je namenjena strukturi in delovanju sistemov za preprečevanje pranja denarja. Predstavljeni so ključni izzivi, kot so visoka stopnja lažno pozitivnih zaznav, potreba po kakovostnih podatkih ter zahteve glede skladnosti z zakonodajo. Obravnavane so tudi ovire pri vključevanju napredne analitike v finančne institucije. V drugem delu je predstavljen trg tehnoloških rešitev za preprečevanje pranja denarja, s posebnim poudarkom na podjetju NICE Actimize kot vodilnem ponudniku. Podrobneje je opisana rešitev NICE Actimize Suspicious Activity Monitoring.
Ključne besede: Preprečevanje pranja denarja, napredna analitika, NICE Actimize Suspicious Activity Monitoring, NICE Actimize
Objavljeno v DKUM: 10.10.2025; Ogledov: 0; Prenosov: 15
Celotno besedilo (1,71 MB)

Opis: V zadnjih nekaj letih ima velik vpliv na zunanje revidiranje umetna inteligenca, ki strmi k temu, da lahko revizorjem olajša določena ponavljajoča se dela in jim omogoča, da se ti lahko posvetijo nalogam, ki prinašajo dodano vrednost zunanji reviziji. V tem magistrskem delu je predstavljena uporaba umetne inteligence v zunanjem revidiranju skozi do sedaj objavljeno literaturo, opravljena pa je tudi raziskava o dejanskem poznavanju in uporabi umetne inteligence v zunanji reviziji računovodskih izkazov v Sloveniji. Naloga podrobneje obravnava tehnologije umetne inteligence, analitiko masovnih podatkov, globoko učenje, veriženje blokov in robotsko avtomatizacijo procesov. V teoretičnem delu smo opredelili zunanjo revizijo in umetno inteligenco ter kronološko predstavili njun razvoj. Predstavljene so tehnologije umetne inteligence, njihova dosedanja uporaba ter morebitne prednosti in pomanjkljivosti vključitve posamezne tehnologije umetne inteligence v revizijski proces. Ugotavljamo, da bi vključitev tehnologij umetne inteligence pripomogla predvsem k večji učinkovitosti in h kakovosti zunanje revizije, k zmanjšanju in avtomatizaciji ponavljajočih se revizijskih nalog, hitrejšemu pregledu in obdelavi podatkov, možnostim testiranja celotne populacije in nenazadnje bi lahko omogočila neprekinjeno revizijo. Uporaba umetne inteligence v reviziji bo za revizorja pomenila pridobitev novega znanja in spretnosti ter dodatna izobraževanja. Na drugi strani pa vključitev tehnologij umetne inteligence prinaša skrb za višje stroške revizije, zaupnosti informacij in varnosti pred kibernetskimi napadi ter pomanjkanje pripravljenosti infrastrukture. V praktičnem delu magistrskega dela je prikazan postopek zbiranja podatkov, pridobljenih s pomočjo anketnega vprašalnika. Z opisno statistično analizo predstavimo pridobljene rezultate vprašanj, ki so bila obdelana s programskim orodjem IBM SPSS. Za ugotavljanje razlik med spremenljivkama spol in zaposlenost anketirancev uporabimo t-test ter za spremenljivko starost anketirancev statistični test ANOVA. Uporabljeni testi pokažejo, da ni statistično značilnih razlik med demografskimi spremenljivkami: spol, starost in zaposlenost anketirancev. Na podlagi povprečnih vrednostih spremenljivk ugotavljamo določene razlike med demografskimi spremenljivkami, ki so v nalogi grafično prikazane. Na podlagi analize podatkov ugotavljamo, da anketirani revizorji v Sloveniji pri svojem delu že uporabljajo umetno inteligenco, ampak velika večina ne uporablja tehnologij, ki so podrobneje predstavljene v tem magistrskem delu. Tehnologija, ki jo revizorji največ uporabljajo, je analitika masovnih podatkov. Revizorji, anketirani v raziskavi, ki so zaposleni v revizijskih družbah Big 4, uporabljajo tehnologije umetne inteligence v povprečju nekoliko več kot revizorji, ki so zaposleni v drugih revizijskih družbah v Sloveniji. Ugotavljamo tudi, da anketirani revizorji nimajo visokega strokovnega znanja o tehnologijah umetne inteligence. Analitika masovnih podatkov je tehnologija, o kateri imajo revizorji največ strokovnega znanja v primerjavi z ostalimi tehnologijami. Rezultati raziskave pokažejo, da so revizorji pričeli z uporabo umetne inteligence zaradi prihranka časa, večje učinkovitosti in hitrejše analize podatkov. Ugotavljamo, da lahko revizorji s pomočjo rešitev umetne inteligence obdelajo več podatkov, kot jih lahko obdelajo brez uporabe umetne inteligence. Uporaba umetne inteligence omogoča revizorjem, da se čas revidiranja skrajša, čeprav je kar nekaj anketiranih mnenja, da čas revidiranja ostaja enak. Anketirani revizorji so mnenja, da bo umetna inteligenca v prihodnosti spremenila poklic zunanjega revizorja. Predvsem se bodo zmanjšala rutinska dela, proces pa bo v veliki meri avtomatiziran in dela bodo opravljena veliko hitreje.
Ključne besede: zunanja revizija, umetna inteligenca, analitika masovnih podatkov, globoko učenje, veriženje blokov, robotska avtomatizacija procesov
Objavljeno v DKUM: 24.09.2024; Ogledov: 0; Prenosov: 57
Celotno besedilo (3,81 MB)

Opis: Poslovna analitika postaja vse večji in pomembnejši del poslovanja vsakega podjetja, zato je pomembno, da je pravilno implementirana in vpeljana v podjetje, kar prinese številne pozitivne lastnosti in izboljšave, tako na področju zaposlenih kot tudi na področju poslovanja podjetja samega. Na podlagi teoretične literature in raziskav najprej preučimo in opredelimo poslovno analitiko na splošno. Začnemo s samo zgodovino poslovne analitike in njenim razvojem skozi čas, sledi opredelitev procesa poslovne analitike in njenih nivojev, po katerih je strukturirana, kjer obrazložimo njeno delitev na različne tipe. Nato razdelimo trende poslovne analitike na štiri trenutno najpomembnejše dele in vsakega na primerih obrazložimo. V poglavju o vizualizaciji podatkov pojasnimo načela učinkovite vizualizacije, za tem pa preučimo in obrazložimo še tipe vizualizacij in nadzornih plošč, ki se jih najpogosteje poslužujemo za čim bolj uspešen in enostaven prikaz podatkov. Sledi predstavitev in primerjava različna orodja, ki se uporabljajo za ustvarjanje vizualizacij in nadzornih plošč v poslovni analitiki, v zadnjem poglavju teoretičnega dela pa še opišemo in obrazložimo učinke vpeljave poslovne analitike v podjetje na podlagi raziskav. Prvo poglavje analize primera predstavlja pregled trenutnega stanja podatkov v podjetju pred implementacijo in vpeljavo poslovne inteligence, kjer je opisano trenutno stanje in izzivi s katerimi se bomo soočali tekom vpeljave. Za tem je opisan postopek in obrazložitev ustvarjanja podpornih modulov za povezavo, preoblikovanje in shranjevanje podatkov s podatkovno zbirko, nato pa še opis orodja in prikaz vzpostavitve orodja Metabase s katerim bomo pripravili vizualizacije in nadzorne plošče. V nadaljevanju je opisana še priprava posameznih nadzornih plošč in vizualizacij, ki smo jih tekom implementacije in vpeljave ustvarili. V zadnje poglavju analize primera pa so opisane ugotovitve rezultatov analiz vpeljave poslovne analitike v podjetje.
Ključne besede: poslovna analitika, vizualizacija podatkov, nadzorna plošča, Metabase
Objavljeno v DKUM: 16.07.2024; Ogledov: 148; Prenosov: 66
Celotno besedilo (3,47 MB)

Ključne besede: kriminaliteta, preiskovanje, kazniva dejanja, statistika, računalništvo, računalniško preiskovanje, analitika
Objavljeno v DKUM: 19.03.2024; Ogledov: 169; Prenosov: 14
Celotno besedilo (212,15 KB)

Opis: Vedno več podatkov postaja vsakdanje dejstvo za podjetja. To prinaša tako priložnosti kot izzive. Podjetja, ki so sposobna učinkovito upravljati in analizirati svoje podatke, bodo lažje sprejemala premišljene odločitve in ostala konkurenčna v današnjem hitrem poslovnem okolju. Z vlaganjem v prava orodja in tehnologije lahko podjetja svoje podatke spremenijo v dragoceno sredstvo, ki lahko spodbuja rast in uspeh. Te tehnologije so orodja za poslovno inteligenco in poslovno analitiko. Ta orodja podjetjem omogočajo vizualizacijo in analizo podatkov v realnem času, kar olajša prepoznavanje vzorcev in trendov, ki so lahko podlaga za poslovne odločitve. Eno od teh orodji je tudi Qlik Sense. V magistrskem delu smo za prodajno podjetje z orodjem Qlik Sense razvili prodajni modul. Prodajni modul smo ustvarili po načrtu razvoja: (1) Pregled razpoložljivih podatkovnih virov prodajnega podjetja ter urejanje podatkov s procesom integracije podatkov, z upoštevanjem navodil in zahtev naročnika; (2) Razvoj osnovnih vizualizacij za prikaz KPI-jev prodajnega podjetja in testiranja povezav tabel in polj; (3) Razvoj vizualnega dela podajnega modula; (4) Analiza podatkov prodajnega modela s pomočjo vizualizacij in kreiranjem vpogledov. V fazi razvoja smo podatke podjetja z metodologijo ETL ekstrahirali, preoblikovali in naložili v orodje poslovne analitike. Nato smo po metodi DAR predstavili podatke podjetja. V modulu smo pripravili različne vizualizacije, ki omogočajo preprosto analizo poslovanja podjetja. Modul vsebuje sedem zavihkov, ki s pomočjo objektov tabel, grafikonov in KPI predstavljajo prodajne podatke podjetja. Prodajni modul in njegovo analizo smo na koncu predstavili naročniku. Sledi integracija podatkov, testiranje in implementacija prodajnega modula ter izobraževanje zaposlenih.
Ključne besede: poslovna analitika, vizualizacija, modul, ETL proces, DAR metodologija
Objavljeno v DKUM: 23.11.2023; Ogledov: 415; Prenosov: 114
Celotno besedilo (3,13 MB)