Obszary badań naukowych
Katedry Analizy Systemowej i Modelowania Cyfrowego

Katedra stanowi interdyscyplinarny zespół naukowy grupujący specjalistów w dziedzinie zarządzania oraz zaawansowanego przetwarzania danych w systemach informatycznych. Jej działalność naukowa koncentruje się na zastosowaniu podejścia systemowego w zarządzaniu przedsiębiorstwem i rozwijaniu narzędzi komputerowego wspomagania decyzji w zarządzaniu. W szczególności przewiduje się: Rozwijanie nowoczesnych metod zarządzania wykorzystujących systemy informatyczne i zaawansowane techniki przetwarzania danych, w tym: analizy efektywności systemów informacyjnych, badanie czynników organizacyjnych i technicznych wpływających na efektywność produkcji, oceny wartości przedsiębiorstw, budowa nowych narzędzi nadzorowania realizacji zadań w zarządzaniu. Badania metod oceny kosztów pozyskiwania i jakości informacji (analizy kompletności i spójności danych, zagadnienia oceny kosztów pozyskiwania i manipulacji informacją, analizy wrażliwości rozwiązań zadań decyzyjnych na niepewność/niekompletność danych). Rozwijanie narzędzi wydobywania danych i wiedzy (Data Mining and Knowledge Discovery), w tym: identyfikacja potrzeb pozyskiwania danych i wspomaganie formułowania odpowiednich zadań (problemy reprezentacji i strukturyzacji wiedzy); rozwijanie i badanie efektywności narzędzi informatycznych pozyskiwania danych i wiedzy (analizy wiarygodności danych, algorytmy grupowania i klasyfikacji), z wykorzystaniem metod statystycznych, nowoczesnych technik przetwarzania danych (analizy falkowe, analityczne metody grupowania danych), jak i metod inżynierii wiedzy (systemy regułowe i ekspertowe, sztuczne sieci neuronowe). Modelowanie i symulacja cyfrowa procesów produkcyjnych i ekonomicznych, w szczególności mikroekonomicznych (analizy statystyczne danych ekonometrycznych, modelowanie ekonometryczne, modelowanie dynamiki procesów ciągłych i dyskretnych oraz systemów kolejkowych); wykorzystanie technik Monte Carlo do oceny ryzyka w zarządzaniu i prowadzeniu działalności gospodarczej. Doskonalenie metod prognozowanie szeregów czasowych (prognozowanie jakościowe i ilościowe, oceny efektywności prognozowania, wykorzystanie modeli klasycznych, falkowych i neuronowych); analizy czynników wpływających na kursy giełdowe oraz zagadnienia algorytmizacji transakcji giełdowych.