Αξιοποίηση τεχνικών data mining στο μάρκετινγκ
Loading...
Date
2026-06-13
Authors
Γιαννακόπουλος, Ιωάννης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία εξετάζει την αξιοποίηση τεχνικών Εξόρυξης Δεδομένων (Data Mining) και Μηχανικής Μάθησης για την υποστήριξη της λήψης επιχειρηματικών αποφάσεων, με έμφαση στη διαχείριση αποθεμάτων και στην πρόβλεψη ελλείψεων προϊόντων (backorders). Αρχικά παρουσιάζεται το θεωρητικό και επιχειρηματικό πλαίσιο της Εξόρυξης Δεδομένων και αναλύεται ο τρόπος με τον οποίο η αξιοποίηση των διαθέσιμων δεδομένων μπορεί να συμβάλει στη βελτίωση της επιχειρηματικής απόδοσης και της εξυπηρέτησης των πελατών. Στο εφαρμοσμένο μέρος της εργασίας χρησιμοποιείται πραγματικό σύνολο δεδομένων και ακολουθείται μια ολοκληρωμένη μεθοδολογία που περιλαμβάνει εξερευνητική ανάλυση δεδομένων, προεπεξεργασία, μη επιβλεπόμενη μάθηση μέσω ομαδοποίησης, επιλογή χαρακτηριστικών, επιβλεπόμενη μάθηση και ερμηνεία των μοντέλων. Εξετάζονται και συγκρίνονται διαφορετικοί αλγόριθμοι ταξινόμησης με στόχο την πρόβλεψη των προϊόντων που παρουσιάζουν αυξημένη πιθανότητα να οδηγηθούν σε backorder. Τα αποτελέσματα δείχνουν ότι το μοντέλο Random Forest επιτυγχάνει υψηλή προβλεπτική απόδοση, με F1-score 0,799 και AUC 0,963, ενώ το τρέχον επίπεδο αποθέματος αναδεικνύεται ως ο σημαντικότερος προβλεπτικός παράγοντας. Παράλληλα, μέσω της ανάλυσης ομαδοποίησης εντοπίζονται διακριτές ομάδες προϊόντων με διαφορετικά προφίλ κινδύνου. Συνολικά, η εργασία αναδεικνύει τη δυνατότητα συνδυασμού τεχνικών Data Mining και Μηχανικής Μάθησης για την πρόβλεψη ελλείψεων, τη βελτιστοποίηση της διαχείρισης αποθεμάτων και την υποστήριξη τεκμηριωμένων επιχειρηματικών αποφάσεων.
Description
Keywords
Eξόρυξη δεδομένων, Μηχανική μάθηση, Πρόβλεψη ελλείψεων αποθέματος, Διαχείριση αποθεμάτων, Εφοδιαστική αλυσίδα, Επιχειρηματική αναλυτική