Αξιοποίηση μεγάλων δεδομένων για την [sic] διαχείρηση [sic] κιδύνων [sic] σε πραγματικό χρόνο : μόντελα πρόβλεψης και λήψης αποφάσεων
Loading...
Date
2025-05-14
Authors
Πριόβολος, Βασίλειος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η διαχείριση κινδύνων αποτελεί ένα από τα πιο κρίσιμα ζητήματα για επιχειρήσεις, κυβερνήσεις και οργανισμούς, καθώς η αυξανόμενη πολυπλοκότητα του επιχειρηματικού περιβάλλοντος, οι γεωπολιτικές αβεβαιότητες και οι εξελίξεις στην κυβερνοασφάλεια απαιτούν δυναμικές και προσαρμοστικές στρατηγικές πρόβλεψης και απόκρισης. Η παραδοσιακή διαχείριση κινδύνων βασιζόταν σε ιστορικές αναλύσεις και στατιστικά μοντέλα, τα οποία αδυνατούν να προσαρμοστούν επαρκώς σε περιβάλλοντα υψηλής αβεβαιότητας. Η ραγδαία ανάπτυξη των Μεγάλων Δεδομένων (Big Data) και της Τεχνητής Νοημοσύνης (AI) έχει επιτρέψει τη μετάβαση σε συστήματα real-time πρόβλεψης και διαχείρισης κινδύνων, αξιοποιώντας προηγμένους αλγορίθμους μηχανικής μάθησης, αναγνώρισης ανωμαλιών και ενισχυτικής μάθησης (Reinforcement Learning). Η παρούσα διπλωματική αναλύει πώς τα Big Data και η AI βελτιώνουν τη διαχείριση κινδύνων σε τρεις βασικούς τομείς: τον χρηματοοικονομικό κλάδο, την εφοδιαστική αλυσίδα και την κυβερνοασφάλεια. Αρχικά, εξετάζεται η θεωρητική βάση των συστημάτων διαχείρισης κινδύνων, εστιάζοντας στις κλασικές προσεγγίσεις (Risk as Expected Loss, Knightian Uncertainty, Black Swan Events) και στον τρόπο που οι σύγχρονες τεχνολογίες αναβαθμίζουν τις ικανότητες πρόβλεψης και απόκρισης. Στη συνέχεια, μέσω τριών περιπτωσιολογικών μελετών, παρουσιάζονται πραγματικές εφαρμογές της AI και των predictive analytics στη διαχείριση κινδύνων. Συγκεκριμένα, η PayPal αξιοποιεί AI-driven fraud detection για την πρόληψη χρηματοοικονομικών απατών, η UPS εφαρμόζει predictive analytics για βελτιστοποίηση της εφοδιαστικής αλυσίδας και μείωση καθυστερήσεων, ενώ η FireEye χρησιμοποιεί AI-driven cybersecurity για real-time ανίχνευση και αποτροπή κυβερνοεπιθέσεων. Τα αποτελέσματα δείχνουν ότι η ενσωμάτωση AI και Big Data στα συστήματα διαχείρισης κινδύνων μειώνει σημαντικά την αβεβαιότητα, αυξάνει την ταχύτητα λήψης αποφάσεων και επιτρέπει τον έγκαιρο εντοπισμό κρίσιμων απειλών. Ωστόσο, προκύπτουν νέες προκλήσεις, όπως η ανάγκη για εξηγήσιμη τεχνητή νοημοσύνη (Explainable AI), η προστασία των δεδομένων και η αλγοριθμική μεροληψία, που απαιτούν προσεκτικό σχεδιασμό και αυστηρότερη ρυθμιστική εποπτεία. Μελλοντικές εξελίξεις, όπως η ενσωμάτωση κβαντικών υπολογιστών (Quantum Computing), Edge AI και Blockchain-based risk management, αναμένεται να ενισχύσουν περαιτέρω τις δυνατότητες ανάλυσης και πρόληψης κινδύνων, δημιουργώντας ένα νέο υπόδειγμα αυτοματοποιημένης, προσαρμοστικής και ανθεκτικής διαχείρισης κινδύνων σε πραγματικό χρόνο.
Description
Keywords
Διαχείριση κινδύνων σε πραγματικό χρόνο, Big Data Analytics, , , Μετριασμός Κινδύνου,, Ανάλυση κινδύνου, Κυβερνοασφάλεια, Πρόβλεψη ρίσκου