051659 - Ministerstvo obrany
051659 - Ministerstvo obrany
051659 - Ministerstvo obrany
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ČOS <strong>051659</strong><br />
1. vydání<br />
7.3 Zpracování shromážděných dat 7.3. Processing the Collected Data<br />
7.3.1 Analýza dat 7.3.1. Data Analysis<br />
Pro shromážděná data se požaduje opatrné<br />
provedení procesu analýzy dat, aby bylo<br />
možno se vyhnout chybám. Hlavní operace<br />
pro analýzu dat jsou následující:<br />
a) Znázorňování dat. Cílem znázorňování<br />
dat je identifikovat neobvyklé<br />
zákonitosti. Při odhadu nákladů se musí<br />
věnovat pozornost jakémukoliv posunu<br />
dat nebo jejich nelinearitě.<br />
b) Validace dat. Cílem je přezkoumat<br />
popisné statistiky souboru dat, ošetřit<br />
odlehlé hodnoty a srovnat data<br />
s historickými daty (jednoduchý hrubý<br />
odhad na základě zkušeností, standardní<br />
faktory, jiná historická data atd.).<br />
Collected data need a carefully conducted<br />
data analysis process in order to avoid<br />
errors. The main data analysis operations are<br />
the following:<br />
a) Graph the data. The objective of<br />
graphing the data is to identify unusual<br />
patterns. Any shift or nonlinearity in the<br />
data must be given special attention in<br />
developing the estimate.<br />
b) Data Validation. The objective is to<br />
examine the descriptive statistics of the<br />
data set, treat potential outliers, and<br />
compare the data with historical data<br />
(rule of thumb, standard factors, other<br />
historical data, etc.)<br />
7.3.2 Normování dat 7.3.2. Data Normalization<br />
V článku 7.2.2 byla zavedena koncepce primárních<br />
a druhotných dat a bylo naznačeno,<br />
že primární data jsou preferována. Vzhledem<br />
k tomu, že primární data však pocházejí<br />
z různých zdrojů, existuje obecně rozpor<br />
v jednotnosti dat, a proto bude nevyhnutelný<br />
jistý stupeň normalizace. Obecně řešeno<br />
normalizace dat zahrnuje změny a přizpůsobení<br />
provedená před tím, něž se data stanou<br />
použitelnými v daném modelu. Tento<br />
přístup je definován SCEA (Společnost pro<br />
odhadování a analýzu nákladů) jako:<br />
- nastavit měřené parametry na hodnoty<br />
přípustné pro prostředek nebo techniku<br />
měření,<br />
- u databáze: vyjádřit konstanty nebo pro<br />
ně nastavit známé diference,<br />
- pro náklady nebo dolary/eura: hodnoty<br />
eura/dolaru v tehdejším roce a/nebo<br />
aktuální hodnoty se pro porovnání<br />
navyšují vůči běžnému základnímu roku.<br />
Poslední definice bude relevantní pro data<br />
týkající se nákladů. Normalizace však může<br />
přinést mnoho různých forem a má rozdílné<br />
In section 7.2.2 the concept of primary and<br />
secondary data was introduced, and it was<br />
indicated that primary data are preferable.<br />
However, since raw data come from a<br />
variety of sources, there is generally a lack<br />
of uniformity in data and therefore a certain<br />
amount of normalisation will be<br />
unavoidable. Generally speaking, data<br />
normalisation covers changes and<br />
adaptations made to primary data to make it<br />
applicable in a given model. It is defined by<br />
SCEA (Society of Cost Estimating and<br />
Analysis) as:<br />
- To adjust a measured parameter to a<br />
value acceptable to an instrument or<br />
technique of measurement.<br />
- For a data base: to render constant or to<br />
adjust for known differences.<br />
- For cost or dollars/euros: Then-Year<br />
Dollars/Euros and/or actuals are<br />
escalated to a common Base Year for<br />
comparison.<br />
The last definition in particular will be relevant<br />
for cost data. However, normalisation<br />
can take many different forms and have<br />
100