Τεχνικές προγνωστικής μοντελοποίησης (Predictive Analytics) για την αντιμετώπιση σύνθετων επιχειρηματικών προβλημάτων

Abstract

Η παρούσα πτυχιακή εργασία πραγματοποιείται στα πλαίσια των προπτυχιακών σπουδών μας-στο «ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ» και-συγκεκριμένα στην σχολή «ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ», τμήμα «ΔΙΟΙΚΗΣΗΣ-ΕΠΙΧΕΙΡΗΣΕΩΝ (ΠΑΤΡΑ)». Ο τίτλος αυτής είναι «Τεχνικές Προγνωστικής Μοντελοποίησης-(Predictive Analytics) για την αντιμετώπιση σύνθετων επιχειρηματικών προβλημάτων». Στα πλαίσια αυτής αναλύονται βασικές έννοιες όπως η εξόρυξη δεδομένων και η επιχειρηματική-ευφυΐα. Η σπουδαιότητα της διαχείρισης μεγάλου όγκου δεδομένων είναι αναμφισβήτητα-μεγάλη στις μέρες μας όπου όλα αλλάζουν άρδην και η πληροφορία διαδραματίζει ιδιαίτερα-σημαντικό ρόλο στη λήψη επιχειρηματικών αποφάσεων και στην εξαγωγή συμπερασμάτων και-ασφαλών προβλέψεων. Υπάρχει πληθώρα τεχνικών πρόγνωσης και μοντελοποίησης των επιχειρηματικών-προβλημάτων, παρόλα αυτά στη συγκεκριμένη εργασία αναλύονται οι τεχνικές της ανάλυσης-παλινδρόμησης από την μια (2ο κεφάλαιο) και τα δένδρα απόφασης από την άλλη (3ο κεφάλαιο). Αναλυτικότερα, αναφορικά με την ανάλυση παλινδρόμησης χρησιμοποιείται το πολυμεταβλητό-υπόδειγμα με την ύπαρξη μιας εξαρτημένης μεταβλητής και πολλών ανεξάρτητων. Πριν από-αυτό προσδιορίζουμε τις βασικές υποθέσεις που πρέπει να ισχύουν προκειμένου να εφαρμοστεί-η ανάλυση παλινδρόμηση, πρόκειται για την ετεροσκεδαστικότητα, την πολυσυγγραμμικότητα-και την αυτοσυσχέτιση. Μέσα από την εφαρμογή των δεδομένων μπορούμε από το υπόδειγμα-που προέκυψε να κάνουμε προβλέψεις για μελλοντικά δεδομένα. Στη συνέχεια χρησιμοποιούμε τα δένδρα απόφασης προκειμένου να διαπιστώσουμε πως αυτά-εφαρμόζονται για την λήψη αποφάσεων. Στην ερευνητική κοινότητα υπάρχουν διαθέσιμες-πολλές υλοποιήσεις δένδρων αποφάσεων, όπως είναι το λογισμικό ανοιχτού κώδικα WEKA, το-οποίο και χρησιμοποιήσαμε.

Description

Keywords

Επιχειρηματική Ευφυία, Εξόρυξη δεδομένων

Citation