Η αξιοποίηση των μεγάλων δεδομένων και της τεχνητής νοημοσύνης στον τραπεζικό τομέα
| datacite.contributor.RelatedPerson | Θεοδωρακόπουλος, Λεωνίδας | |
| datacite.contributor.RelatedPerson | Θανάσας, Γεώργιος | |
| datacite.contributor.Supervisor | Χαλκιόπουλος, Κωνσταντίνος | |
| dc.contributor.author | Οικονομίδης, Αθανάσιος | |
| dc.contributor.other | Oikonomidis, Athanasios | |
| dc.date.accessioned | 2026-06-10T11:05:09Z | |
| dc.date.available | 2026-06-10T11:05:09Z | |
| dc.date.issued | 2026-06-08 | |
| dc.degree | masterThesis | |
| dc.description.abstract | Η παρούσα εργασία πραγματεύεται την αξιοποίηση των Μεγάλων Δεδομένων (Big Data) και της Τεχνητής Νοημοσύνης (Artificial Intelligence) στον τραπεζικό τομέα, με στόχο την ανάλυση των βασικών θεωρητικών και τεχνολογικών παραμέτρων που διαμορφώνουν τη σύγχρονη τραπεζική πρακτική. Αρχικά εξετάζονται οι τρεις θεμελιώδεις διαστάσεις των Μεγάλων Δεδομένων — όγκος, ταχύτητα και ποικιλία — καθώς και οι πηγές και οι τύποι δεδομένων που παράγονται στο τραπεζικό περιβάλλον. Ακολουθεί παρουσίαση των βασικών τεχνολογικών υποδομών, όπως το Hadoop, το Apache Spark και τα Data Lakes, που καθιστούν εφικτή την αποθήκευση και επεξεργασία τεράστιων όγκων πληροφοριών. Στη συνέχεια αναλύονται οι έννοιες της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης, η διαδικασία ανάπτυξης μοντέλων, καθώς και τα κύρια μοντέλα και αλγόριθμοι που εφαρμόζονται στον κλάδο. Ιδιαίτερη έμφαση δίνεται στις πρακτικές εφαρμογές, όπως η ανίχνευση απάτης, η πρόβλεψη πιστωτικού κινδύνου, η τμηματοποίηση πελατών, η διαχείριση χαρτοφυλακίων και η αυτοματοποιημένη εξυπηρέτηση μέσω chatbots. Η εργασία ολοκληρώνεται με την εξέταση των τεχνολογικών και κανονιστικών προκλήσεων — συμπεριλαμβανομένων του GDPR, της διαφάνειας αλγορίθμων και της συμμόρφωσης με το Basel III — και καταλήγει σε συμπεράσματα για τη στρατηγική σημασία των τεχνολογιών αυτών και τις μελλοντικές ερευνητικές κατευθύνσεις. | |
| dc.description.translatedabstract | This thesis examines the utilization of Big Data and Artificial Intelligence (AI) in the banking sector, aiming to analyze the key theoretical and technological factors shaping modern banking practices. Initially, the study explores the three fundamental dimensions of Big Data—volume, velocity, and variety—as well as the sources and types of data generated within the banking environment. It then presents the main technological infrastructures, such as Hadoop, Apache Spark, and Data Lakes, which enable the storage and processing of massive volumes of information. Subsequently, the concepts of Artificial Intelligence and Machine Learning are analyzed, along with the process of model development and the principal models and algorithms applied in the banking industry. Particular emphasis is placed on practical applications, including fraud detection, credit risk prediction, customer segmentation, portfolio management, and automated customer service through chatbots. The thesis concludes by examining the technological and regulatory challenges associated with these technologies, including GDPR compliance, algorithmic transparency, and adherence to Basel III requirements. Finally, it highlights the strategic importance of Big Data and Artificial Intelligence in the banking sector and outlines potential directions for future research. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31902 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Mεγάλα δεδομένα | |
| dc.subject | Τεχνητή νοημοσύνη | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Τραπεζικός τομέας | |
| dc.subject | Ανίχνευση απάτης | |
| dc.subject | Πιστωτικός κίνδυνος | |
| dc.subject.alternative | Explainable AI | |
| dc.subject.alternative | FinTech | |
| dc.subject.alternative | Credit risk | |
| dc.subject.alternative | Fraud detection | |
| dc.subject.alternative | Banking sector | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Artificial intelligence | |
| dc.subject.alternative | Big data | |
| dc.title | Η αξιοποίηση των μεγάλων δεδομένων και της τεχνητής νοημοσύνης στον τραπεζικό τομέα | |
| dc.title.alternative | The exploitation of big data and artificial intelligence in the banking sector |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Οικονομίδης_Αθανάσιος_Η αξιοποίηση των Μεγάλων Δεδομένων και της Τεχνητής Νοημοσύνης στον Τραπεζικό Τομέα.pdf
- Size:
- 1.12 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 5.02 KB
- Format:
- Item-specific license agreed upon to submission
- Description: