Pátek, 21 června, 2024

Využití Competitive Intelligence v oblasti strategy consulting

Sdílet

Použití termínu “dynamické odvětví“ v souvislosti se strategy connsultingem může působit jako klišé, nicméně jsem přesvědčen, že pro toto odvětí platí mnohem více než pro jiná business odvětví. Poslední roky se dramaticky do způsobu práce konzultantů a nabízených služeb promítá příchod umělé inteligence, ekonomická situace a digitalizace procesů. Co tedy všechno strategy consulting obnáší a jakou roli v této oblasti sehrává Competetive Intelligence?

Strategy consulting je oblast poradenství, která se, jak už z názvu vyplývá, specializuje zejména na strategie – jejich definování, implementace, změny. Charakteristickým rysem pro strategy konzultanty je, že na projektech u klientů pracují přímo pro vedení společnosti či vrcholové manažery jednotlivých oddělení. Důsledek jejich práce s nejužším vedením spočívá v tom, že projekty, které zpracovávají, mají často celofiremní konsekvence týkající se směru, kterým se firma bude v budoucnu ubírat. Nezřídka kdy bývají jejich klienty i veřejné instituce. Přesah strategy konzultantů bývá často tedy i celospolečenský. Toto je klíčový rozdíl oproti jiným konzultačním oblastím (IT, daně, účetnictví, udržitelnost), které v zásadě můžou mít obdobně celopodnikové dopady, nicméně řeší se primárně určitou firemní výseč, nikoliv směřování firmy jako celku.

Avšak v dnešní době, kdy není o vágní vymezení a termíny nouze, tento termín často splyne s ostatními. Poradenské firmy často používají spojení strategy consulting jako marketingový buzzword a nabízejí pod názvem strategické poradenství jiné služby. Toto je dáno pověstí o cenách za člověkoden a kvalitách služeb, které proslavené strategické konzultační firmy nabízejí. V tomto případě mám na mysli zejména firmy jako McKinsey, BCG, Bain a další. Za posledních zhruba 15 let i všechny firmy z velké čtyřky založily oddělení či dceřinné společnosti, které se zabývají pouze strategy consultingem. EY má dceřinou společnost EY Parthenon, Deloitte založil Deloitte Monitor, PwC vlastní síť strategických konzultaček jménem Strategy&.

Calof et al. (2017) poukazuje na fakt, že aplikace CI prvků v Evropě se oproti počátku století velmi rozšířila a pro některé firmy se stala nepostradatelnou komponentou. Důraz je hlavně kladen na zpravodajství týkající se zákaznických dat, technologií a R&D. Calof zároveň poukazuje na srovnání předchozích dostupných studií s aktuálními, kdy kolem roku 2006 pouze 18% dotázaných firem mělo formalizované používání CI. V roce 2017 už to bylo kolem 83%.

Specifika práce strategy konzultantů

Pro lepší pochopení využití CI ve strategy consultingu je důležité si uvést specifika této práce. Konzultanti za prací (obzvlášť v Evropě) poměrně často cestují do zahraničí. Bývá běžné, že v průběhu roku pracují na projektech v několika zemích najednou. Což je výzva zejména z pohledu pochopení tamější legislativy, regulatoriky nebo kulturních odlišností. Velice často zpracovávají problémy nebo požadavky v oblastech, které v minulosti nikdy neřešili. Zároveň jejich práce musí obsahovat vysokou míru detailu a konzultanti samotní musí mít vysokou schopnost rozhodování. Tento výčet se do jisté míry podobá práci operativců zpravodajských služeb – pracují často v neznámém prostředí, mají omezené množství prvotních informací, ale je velký nárok na správná rozhodnutí. Toto porovnání se může na první pohled zdát neadekvátní, nicméně např. ve Spojených státech amerických je poměrně běžné, že pracovníci zpravodajských služeb přecházejí na manažerské pozice do konzultačních firem (přikládám 2 příklady Gordon Welch a John Shumadine)

Z výše uvedeného vyplývá, že prvky Competitive Intelligence jsou nedílnou součástí práce konzultantů. Denním chlebem jsou činnosti jako hledání výročních zpráv, rešerše konkurence, studie úspěšnosti na trzích, analýza legislativního prostředí, sběr dat a informací.

V následujících odstavcích se pokusím zaměřit na 3 Competitive Intelligennce praktiky (Open Source Intelligence, Competitive Landscape Analysis a užívání velkých jazykových modelů), které konzultační firmy využívají nebo mohou využívat pro splnění klientských zadání. Samotný Open Source Intelligence lze rozdělit na další podskupiny jako Geospatial Intelligence, Human Itnelligence a další. Ty však nejsou pro oblast strategy consultingu příliš relevantní nebo mohou kolidovat s určitými morálními postupy a proto se jim v následujícím textu nebudu věnovat.

OSINT[1]

Open Soure Intelligence je zpravodajství z otevřených zdrojů, tj. zpravodajství z jakýchkoliv veřejně dostupných informací, jejichž shromáždění nevyvolává důsledky právní povahy (Lutai a Mihaescu, 2023). OSINT je nejčastěji spojován s prací zpravodajských služeb nebo jako komponenta cyber security. Princip OSINT – tedy v podstatě dolování informací z otevřených zdrojů, je však bez problémů uplatnitelný a stále více aplikovaný i v business světě.

Lutai a Mihaescu (2023) rozdělují OSINT na dvě skupiny.

  1. Tradiční otevřené zdroje – Do této kategorie se řadí první otevřené zdroje, které nabývaly podoby novinových článků, knih nebo rozhlasových přenosů. Oba autoři připouští, že ačkoliv se nejedná o nejagilnější nástroj, obzvláště knihy či odborné články mohou být neustále v business světě platným pomocníkem pro řešení projektových výzev.
  2. Digitální otevřené zdroje – Do této kategorie se řadí weby, sociální sítě a stránky poskytující open data.

Vyhledávače

Na první pohled možná může působit zmínka o vyhledávačích v rámci OSINT lehce zbytečně, jelikož se jedná o nejpřímočařejší praktiku, nicméně umět dobře pracovat s vyhledávačem je klíčové a spoustu pracovníků omezuje limitující znalost jejich vyhledávacích praktik. Myšlenou nadstavbou je např. rozšířené vyhledávání pomocí operátorů a podmínek. Důležité je taky adekvátní volba příslušného vyhledávače. Nevýhoda Google nebo třeba Binu spočívá v tom, že sdružují obrovské množství výsledků, které mohou být ve finále kontraproduktivní. Navíc existují vyhledávače, které se specializují pouze na vyhledávání na určitém území (Rusko-Yandex, Asie-Baidu, Yamli-arabský svět). Zvláštním případem je pak vyhledávač DuckDuckGo, který poskytuje homogenní vyhledávání pro všechny uživatele bez ohledu na umístění či historii vyhledávání. Skrz vyhledávače pak používáme různé webové stránky, jejichž primární účel není OSINT, nicméně ho umožňují. V souvislosti se strategy consultigem jde typicky o stránky jako opencorporates.com (umožňující globální přístup k firemním finančním výkazům), databáze Passport (obsahující zdroje o trzích), statistický portál Statista (jeden z největších poskytovatelů tržních dat na světě) a další.

Open Government Data

Jedním ze zdrojů veřejně dostupných dat, které mohou konzultanti pro své účely využívat jsou tzv. Open Government Data. Dnes jsou vlády považovány za největší tvůrce dat na světě. K roku 2020 data pravidelně zveřejňovalo přes 80 vlád na světě z různých sektorů (vzdělání, težební průmysl, zdravotnictví). V ČR je příkladem takovýchto dat např. databáze na Českém statistickém úřadě nebo portál justice.cz. Výhodou těchto dat je, že byli shromážděny na náklady daňových poplatníků, a tak jsou následně vládními institucemi poskytovány většinou již zdarma. Pokud konzultanti vědí, jak správně dostupná data uchopit a kde je najít, dokáží z nich vytěžit cenné informace. Význam OGD stoupá také zejména z důvodu častějšího působení firem na zahraničních trzích, pro provedení úspěšného vstupu na trh jsou předběžné analýzy klíčové. Zvyšuje se tak důležitost vstupních a konkurenčních studií, pro které mohou často poskytnout relevantní informace pouze OGD (Gottfried et al., 2021).

Fingerprinting Organizations with Collected Archives (FOCA)

FOCA je je open-source software, který umožňuje extrakci analýzu metadat, která v sobě ukrývají elektronické dokumenty (Word, Excel, PDF, SVG atd.), FOCA extrahuje skryté informace ze souborů a zpracovává je tak, aby uživateli ukázala relevantní aspekty. Informace, které tímto způsobem může získat ze souborů jsou např. místa, kde byly dokumenty vytvořeny, použité operační systémy, emailové adresy uživatelů souborů, datum vytvoření atd. Alternativou k FOCA může být také poměrně rozšířený nástroj jménem Metagoofil. Tento způsob provádění CI by měl být však více dohlížen z etických důvodů.

SOCMINT

Zkratka SOCMINT znamená Social Media Intelligence a jde o zpravodajství ze sociálních sítí. Vzhledem k digitální době, ve které dnes žijeme, se i sociální sítě staly relevantním zdrojem informací, ze kterého lze čerpat. Sociální sítě lze např. použít k analýze cílového publika, monitorování aktivit konkurence nebo nových trendů. Ačkoliv data ze sociálních sítí nebývají primární zdroj pro definitivní rozhodnutí ve firmách, mohou konzultantům kupříkladu posloužit jako opěrný bod při argumentaci s klientem ohledně navrhovaných změn do budoucna.  

Velké jazykové modely

Velké jazykové modely jsou s příchodem boomu AI nedílnou součástí většiny velkých mezinárodních firem. Modely od firem jako Open AI nebo Mistral AI se tak staly každodenní pracovní složkou velkého množství zaměstnanců. Výhody používání LLM na úrovni jednotlivce (překlad, sumarizace textu, generování textu, psaní kódu) jsou poměrně jednoznačné a srozumitelné. Pokud bychom chtěli ale zagregovat použití LLM na vedení projektu, mohou se objevit nejasnosti jak na správné použití.

Práce strategy konzultantů lze dle Mohan (2024) rozdělit do 5 základních fází: input fáze, dignostika problémů, návrh opatření, implementace a output fáze. Mohan popisuje možný příspěvek LLM v následujících činnostech.

  • Input fáze – LLM by mohl vytvořit předběžnou analýzu řešeného problému
  • Diagnostika problému – V této fázi by LLM pomáhal se zpracováním datové analytiky za účelem diagnostiky.
  • Návrh opatření – LLM by se na základě dat pokoušel namodelovat možná řešení a s připomínkami klientů by je dále rozvíjel.
  • Implementace – Pomáhal by zavádět novou praxi do firemních struktur.
  • Output fáze – Vytvořil by finální report pro klienty.

Alternativou k používání běžných LLM na trhu může být používání vlastního upraveného LLM. Firmy mají v případě používání kustomizovaného jazykového modelu v zásadě dvě možnosti. První je velmi nákladný vlastní vývoj, který zahrnuje trénování a modelování dat, tvorbu rozhraní a integraci do softwarových systémů firmy. Druhou variantou je pak levnější hostování existujícího modelu, který lze např. natrénovat na interní data (Bratić et al., 2024).

Jazykové modely jsou nicméně poradenským prostředím obecně vnímány jako dvousečná zbraň. Na jedné straně při správné implementaci zvyšují efektivitu a šetří peníze. Na stranu druhou relativizují největší hodnotu, které poradenské společnosti mají, a to jsou znalosti zaměstnanců z projektů. Řada konzultačních společností z tohoto důvodu v nedávné minulosti koupilo technologické firmy zabývající se LLM a AI. McKinsey koupilo firmu QuantumBlack, Deloitte firmu SFL Scientific’s Business, BCG firmu Gamma a Accenture japonskou firmu ALBERT (Oaure-Itseuwa, 2024).

Competitive Landscape Analysis

Competitive Landscape Analysis (Analýza konkurenčního prostředí) je nepřetržitý proces zkoumání a vyhodnocování konkurenčních služeb/produktů na trhu za účelem pochopení jejich obchodního cíle (Maduranga, 2024).

Konzultanti se běžně setkávají s požadavky na analýzu konkurenčního prostředí. Firmy si totiž stále více uvědomují význam konkurenční výhody pro naplnění svých dlouhodobých cílů a na konzultanty se obracejí s prosbou, jak tuto výhodu odhalit a případně využít ve svůj prospěch.

Jedním z velice rozšířených nástrojů konkurenční analýzy je Porterův model pěti sil, který seskupuje do pěti skupin nejdůležitější faktory ovlivňující stav trhu a konkurence. Konkrétně zachycuje intenzitu konkurence, hrozbu potenciální konkurence, hrozbu substituce klíčového zboží a vliv kupujících a dodavatelů. Porterův model umožňuje identifikovat příčiny konkurence mezi firmami působícími v odvětví, analyzovat stav trhu v odvětví a zkoumat perspektivy jeho dalšího vývoje. Tyto poznatky lze využít v procesu formulování budoucích strategií nebo např. k odhadu míry návratnosti investice (Kostestska, 2022).

Data mining v Competitive Intelligence

Data mining je analýza nashromážděných dat, která má za cíl nalézt skryté vztahy mezi daty a popsat je tak, aby byla srozumitelná a použitelná pro toho, kdo analýzu provádí (Hand et al., 2001).

Data mining praktiky bývají často nedílenou součástí dobře zavedeného CI ve firmách, jelikož se vzájemně doplňují.  Pomocí CI praktik jsem schopný nashromáždit data v potřebné kvalitně. Následně je však musím být schopný zanalyzovat, což se často provádí za pomocí data miningu.

V souvislosti s prací konzultantů mám na mysli zejména text mining a web mining. Pomocí OSINT nástrojů můžete nalézt např. užitečné soubory či stránky relevantní pro váš projekt, ty však mohou obsahovat obrovské množství textu a dat. V momentě, kdy by se do analýzy takových souborů pustil člověk, mohla by se snadno vymazat výhoda (čas, efektivita), kterou získal pomocí OSINT nástrojů.

Dle Gupta (2024) je text mining objevování nových, dříve neznámých informací pomocí extrakce z různých textových zdrojů. Následující kroky jsou nezbytné pro provedení text miningu.

  • Kolekce dat
  • Úprava dat – Aby analýza proběhla v pořádku je potřeba nastavit tzv. ignorování stop-slov. Typicky jde o spojky a předložky, které nenesou žádné informace o obsahu textu. Následně je potřeba určit kmenová slova, na základě kterých se bude řídit vyhledávací algortimus.

V text miningu existují dva základní typy úloh. První je vyhledávání informací (information retrieval), která se zaměřuje na získání dokumentů či dat z velkých databází. Druhá je extrakce informací (information extraction), která se už vyloženě zaměřuje na získávání specifických informací z textových dat.

Web mining je dle Hayath a Komarasamy (2022) proces, jenž pomáhá analyzovat a interpretovat velké objemy zdrojových dat z webu. Berka (2003) uvádí pět základních funkcí web miningu.

  • Získávání znalostí, které jsou ukryté na stránkách
  • Vyhledávání a metavyhledávání – Vyhledávání stránek relevantních k dotazu uživatele.
  • Kategorizace dokumentů – Shlukování stránek dle obsahu.
  • Klasifikace dokumentů – Filtrování stránek relevantních vzhledem k uživatelově profilu.

Pokud bychom chtěli ve firmě opravdu efektivně využívat text mining a web mining, je nezbytné pořídit licence na programy jako například Intelligent Miner for Text od IBM nebo Oracle Data Mining. Nicméně triviálnější úlohy se dají vyřešit například pomocí volně dostupného softwaru RapidMiner nebo BigLM. Google Analytics si také do jisté míry zvládne poradit s web/text miningem.

Použití nástrojů CI vůči konkurenci

Doposud byla esej psána pouze z pohledu konzultantů a toho, jaké nástroje mohou případně používat v rámci CI. V následujícím odstavci bych se rád zaměřil na samotné konzultační firmy a jak mohou ony využít CI ve svůj prospěch.

Konkurence na trhu se strategy konzultačními firmami je velmi vysoká. Pokud se podíváme na portfolio služeb, které firmy v rámci např. českého trhu nabízí, dojdeme k závěru, že služby se na první pohled příliš neliší. Nelze si pochopitelně pro exaktní porovnání obstarat veškeré potřebné materiály, které by nám umožnily porovnat kvalitu nabízených služeb a lidského kapitálu, nicméně témata a odvětví, kterým se tyto poradenské firmy věnují, jsou v zásadě stejné. Jedná se nejčastěji o finance, provoz, digitální transformace a udržitelnost.

Konkurenci na poli strategických konzultačních společností zvyšuje i zvětšující se přítomnost technologických firem v poradenském odvětví. Tyto společnosti mají obvykle navrch v oblasti poradenských služeb, které jsou založené na AI a lze předpokládat, že na základě tohoto můžou být v budoucnu rovnocenným konkurentem desítky let zavedeným firmám.

Prinsloo (2017) identifikuje následující konsekvence, které může mít správně nastavené CI ve firmě.

  • Komplexnější přehled o činnosti konkurence.
    • Identifikace silných a slabých stránek konkurence.
    • Identifikace personálního potenciálu konkurence.
  • Větší znalost trhu, na kterém se firma pohybuje.
  • Predikování budoucích vývojů a potenciálních hrozeb.

Prinsloo (2017) dále uvádí několik kroků, které by měly pomoci naplno integrovat CI politiku do společností

  • Vytvoření centrálního integračního místa (oddělení), které bude mít vlastní pracovníky a lidi zodpovědné za koordinaci CI ve společnosti. Toto oddělení by mělo neustále zvyšovat povědomí o CI mezi zaměstnanci a vyšším managementem a nabízet relevantní školení.
  • Zároveň by měly být stanovena jednoznačná etická pravidla ohledně používání CI zaměstnanci.
  • Doporučováno je také partnerství v rámci CI s veřejnou institucí nebo akademickou obcí.

Firmy, kterým se povede zavést prvky CI do svého každodenního fungování pak mohou dále zvyšovat úroveň CI například formou aplikování modelu SECI, který holisticky přistupuje k procesu tvorby znalostí.

Etika v CI

Dodržování etických způsobů provádění CI je zásadním aspektem, které firmy musí dodržovat a monitorovat. Udržování konkurenceschopnosti je pro firmy zásadní, nicméně nikdy by tato snaha neměla narušovat etické chování. Firemní špionáž a korupce bohužel nejsou ve světe businessu ničím novým.

Podle Watch my competitor (2024) vývoj etického rámce Competetive Intelligence lze vybudovat na následujících krocích.

  • Tvorba interní politiky pro užívání CI – Formulace jasných zásad pro dodržování etického CI.
  • Pravidelná školení – Provádění pravidelných školení ohledně etických zásad užívání CI nástrojů.
  • Dohled – Zavedení monitorovacího systému, který zajistí dodržování pokynů.
  • Pravidelné revize – Pravidelné přezkumy aktuálních pravidel s ohledem na vývoj v odvětví a změnu zákonů.

Jedním takovým příkladem, kde etické kodexy dodržovány nebyly, je firma Deloitte, která v letech 2005-2010 vytvořila divizi s názvem Deloitte Intelligence. Součástí této divize byl i tým, který se ze značné části skládal z bývalých zpravodajců a pracovníků tajných služeb USA. Jejich cílem bylo špehovat konkurenty jako EY, PwC a KPMG. Tento tým stojí také za tím, že v roce 2009 Deloitte odkoupil velmi výhodně část konkurenční konzultační firmy BearingPoint, která se věnovala poradenství pro federální vládu. Deloitte měl velký zájem o toto odvětí, jelikož v něm tehdy oproti konkurenci zaostával. Žádný zaměstnanec Deloittu nebyl nikdy v souvislosti s těmito věcmi zmíněnými výše potrestán, nicméně kolem roku 2015 se začali objevovat bývalý zaměstnanci Deloittu, kteří o této kauze začali anonymně informovali média. To už byl ale Deloitte jednička na poli s poskytováním poradenských služeb vládě (CNBC).

Budoucnost CI v consultingu

S ohledem na aktuální trendy a stále zvyšující se roli umělé inteligence lze předpokládat, že do budoucna se CI bude ubírat směrem zvýšené automatizace procesů sběrů dat. Některé CI nástroje možná budou muset projít nějakými úpravami, aby lépe pracovali se stále populárnějšími koncepty, např. big data.

S ohledem na očekávaný větší objem a komplexnost dat, bude také úměrně růst požadavek na analytické schopnosti konzultantů používající CI. Bude kladen větší důraz na správné porozumění datům a jejich převedení na přidanou informační hodnotu, která může pomoct klientům.

Lze se také domnívat, že s nástupem AI se zvýšilo i podvědomí o CI a firmy do něj v budoucích letech budou investovat více než v minulosti. To podporuje i fakt, že se velké množství business modelů přesouvá k modelu rozhodování, který je založen na datech. Competetive intelligence by v těchto případech mohla hrát roli spojovacího článku, který z informací vytvoří vhled, který následně podpoří rozhodovací proces.

Obecně lze také tvrdit, že doposud byl zaměstnanec nejdražší nákladovou položkou v účetnictví konzultačních firem (Lafitte, 2022). Do budoucna je možné očekávat značný přesun prostředků na náklady, které budou spojeny s umělou inteligencí, datovou analytikou a snad i CI. Nicméně navzdory velkému technologickému pokroku v posledních letech, člověk a jeho schopnost porozumět kontextu a strategickým potřebám bude stále klíčovým prvkem úspěšného projektu.

Seznam použité literatury

PRINSLOO, Yolandi, 2017. Competitive intelligence in a multinational consulting engineering company: A case study. Mousaion [online]. 34(4), 81–107. ISSN 00272639. Dostupné z: doi:10.25159/0027-2639/2162

BRATIĆ, Diana, Marko ŠAPINA, Denis JUREČIĆ a Jana ŽILJAK GRŠIĆ, 2024. Centralized Database Access: Transformer Framework and LLM/Chatbot Integration-Based Hybrid Model. Applied System Innovation [online]. 7(1), 17. ISSN 2571-5577. Dostupné z: doi:10.3390/asi7010017

CALOF, Jonathan, Rubén ARCOS a Nisha SEWDASS, 2018. Competitive intelligence practices of European firms. Technology Analysis & Strategic Management [online]. 30(6), 658–671. ISSN 0953-7325, 1465-3990. Dostupné z: doi:10.1080/09537325.2017.1337890

GOTTFRIED, Anne, Caroline HARTMANN a Donald YATES, 2021. Mining Open Government Data for Business Intelligence Using Data Visualization: A Two-Industry Case Study. Journal of Theoretical and Applied Electronic Commerce Research [online]. 16(4), 1042–1065. ISSN 0718-1876. Dostupné z: doi:10.3390/jtaer16040059

GUPTA, Subhash Chandra a Noopur GOYAL, 2024. TEXT MINING: TECHNIQUES, APPLICATIONS AND ISSUES. In: Computing for Sustainable Innovation: Shaping Tomorrow’s World: International Journal of Innovative Research in Computer Science and Technology (IJIRCST) [online]. B.m.: Innovative Research Publication, s. 283–289 [vid. 2024-05-30]. Dostupné z: doi:10.55524/CSISTW.2024.12.1.49

KOSTETSKA, Nataliia, 2022. M. PORTER’S FIVE FORCES MODEL AS A TOOL FOR INDUSTRIAL MARKETS ANALYSIS. INNOVATIVE ECONOMY [online]. (4), 131–135. ISSN 2310-4864, 2309-1533. Dostupné z: doi:10.37332/2309-1533.2022.4.18

LUȚAI, Raluca a Adina MIHĂESCU, 2023. COMPETITIVE INTELLIGENCE AND OPEN SOURCE INTELLIGENCE – USEFUL TOOLS FOR COMPETITIVE BUSINESS. BULLETIN OF „CAROL I“ NATIONAL DEFENCE UNIVERSITY [online]. 11(4), 61–68. ISSN 2284-9378, 2284-936X. Dostupné z: doi:10.53477/2284-9378-22-95

HAYATH a Dr KOMARASAMY, 2022. Web Mining and Business Intelligence: A Key Factor for Success. TechnoareteTransactions on Intelligent Data Mining and Knowledge Discovery [online]. 2(4) [vid. 2024-05-30]. ISSN 2583195X. Dostupné z: doi:10.36647/TTIDMKD/02.04.A004

MOHAN, Sai Krishnan, 2024. Management Consulting in the Artificial Intelligence – LLM Era. Management Consulting Journal [online]. 7(1), 9–24. ISSN 2631-987X. Dostupné z: doi:10.2478/mcj-2024-0002

OARUE-ITSEUWA, Esioze, 2024. Artificial Intelligence’s Impact of the Management Consultancy Sector over the Next Five Years. Management Consulting Journal [online]. 7(1), 49–58. ISSN 2631-987X. Dostupné z: doi:10.2478/mcj-2024-0005

PASTOR-GALINDO, Javier, Pantaleone NESPOLI, Felix GOMEZ MARMOL a Gregorio MARTINEZ PEREZ, 2020. The Not Yet Exploited Goldmine of OSINT: Opportunities, Open Challenges and Future Trends. IEEE Access [online]. 8, 10282–10304. ISSN 2169-3536. Dostupné z: doi:10.1109/ACCESS.2020.2965257

WATCH MY COMPETITOR, 30. května 2024. Ethical Competetive Intelligence a guide. Online. Dostupé z: https://www.watchmycompetitor.com/resources/ethical-competitive-intelligence-a-complete-guide/ [cit. 2024-05-30].

CNBC, 30. května 2024. Accountants and spies: The secret history of Deloitte’s espionage practice. Online. Dostupé z: https://www.cnbc.com/2016/12/19/accountants-and-spies-the-secret-history-of-deloittes-espionage-practice.html [cit. 2024-05-30].

CONSULTING QUEST, 30. května 2024. Consulting fees and rates. Online. Dostupé z: https://consultingquest.com/podcasts_smcs/consulting-fees-and-rates/#:~:text=A%20cost%20structure%20is%20a,Firm%2C%20regardless%20of%2 [cit. 2024-05-30].

HAND, David J., Heikki MANNILA a Padhraic SMYTH, 2001. Principles of data mining. Cambridge, Mass: Bradford book MIT Press. Adaptive computation and machine learning. ISBN 978-0-262-08290-7.

BERKA, Petr, 2003. Dobývání znalostí z databází. Vyd. 1. Praha: Academia. ISBN 978-80-200-1062-9.


[1] Subkapitoly 3.1, 3.3 a 3.4 jsou zpracovány ze zdroje Pastor-Galindo et al. (2020)

Číst více

Další články