| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Καρζής, Αναστάσιος | |
| dc.date.accessioned | 2020-04-03T07:21:34Z | |
| dc.date.available | 2020-04-03T07:21:34Z | |
| dc.date.issued | 2020-02 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12663 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/86 | |
| dc.description.abstract | Στη σημερινή εποχή η τεχνολογία έχει αναπτυχθεί περισσότερο από κάθε άλλη επιστήμη. Σε αντίθεση με παλαιότερα, τις τελευταίες δεκαετίες, επικρατεί η τάση η έννοια τεχνολογία να αναφέρεται κυρίως στην τεχνολογία τον υπολογιστών. Στη σύγχρονη πραγματικότητα, κυριότερες ανάγκες και προκλήσεις στον τομέα αυτό αποτελούν, τόσο η διαχείριση του τεράστιου όγκου δεδομένων, τα οποία αυξήθηκαν εκθετικά – και εξακολουθούν να αυξάνονται – τα τελευταία χρόνια, όσο και η αξιοποίηση των δεδομένων αυτών με τον βέλτιστο τρόπο ώστε να παραχθούν πολύτιμες, αξιόπιστες και ενδεχομένως άγνωστες έως τώρα πληροφορίες. Τα πλεονεκτήματα από την επίτευξη των παραπάνω στόχων είναι ποικίλα και δύνανται να επηρεάσουν καταλυτικά πλήθος επιχειρηματικών κλάδων. Ο κλάδος των χρηματοοικονομικών είναι ένας από τους κυριότερους, και μάλιστα σε μια εποχή όπου η παγκόσμια και ευρωπαϊκή οικονομία βρίσκονται σε φάση αξιοσημείωτης επιβράδυνσης, προσπαθώντας παράλληλα να ανακάμψουν από την παγκόσμια οικονομική ύφεση του 2008 (μια από τις μεγαλύτερες στην ιστορία). Γίνεται εύκολα επομένως κατανοητό ότι ιδιαίτερα για τον τραπεζικό κλάδο, που αποτελεί την καρδιά της εκάστοτε οικονομίας, η χρήση εξελιγμένων μορφών τεχνολογίας μπορεί να βοηθήσει ουσιαστικά στην αυτοματοποίηση και βελτιστοποίηση των διαδικασιών με αποτέλεσμα αφενός τον περιορισμό των κινδύνων και αφετέρου την κερδοφορία.
Οι προαναφερθείσες έννοιες και οι μεταξύ τους σχέσεις παρουσιάζονται και αναλύονται στην παρούσα διπλωματική εργασία, η οποία στοχεύει στο να αποτυπώσει βασικές θεωρητικές γνώσεις επί των νέων τεχνολογιών και καινοτομιών και να τις συνδυάσει με τη σημασία τους για τον τραπεζικό κλάδο. Πιο συγκεκριμένα, η εργασία αρχικά (1ο και 2ο Κεφάλαια) πραγματεύεται τις έννοιες των Μεγάλων Δεδομένων, της Εξόρυξης Δεδομένων, της Μηχανικής Μάθησης και της χρήσης λύσεων Τεχνητής Νοημοσύνης στον επιχειρηματικό κόσμο. Έπειτα (3ο Κεφάλαιο) ο συντάκτης εστιάζει στη συσχέτιση των ανωτέρω με τον χρηματοπιστωτικό τομέα και ιδιαίτερα στη σχέση τους με την εκτίμηση και τον περιορισμό ενός από τους σημαντικότερους κινδύνους που αντιμετωπίζουν οι τράπεζες, τον πιστωτικό κίνδυνο. Η ανάλυση μάλιστα κατευθύνεται σταδιακά σε μια πιο εξειδικευμένη περιοχή, αυτή της εκτίμησης της πιθανότητας αθετήσεως πιστούχου για το χαρτοφυλάκιο των πιστωτικών καρτών, μιας κατηγορίας δανείων με ιδιαίτερα χαρακτηριστικά. Στα επόμενα δυο κεφάλαια που έπονται, πραγματοποιείται η πρακτική εφαρμογή αλγορίθμων μηχανικής μάθησης επί συνόλου δεδομένων τραπέζης εξωτερικού για την πρόβλεψη της πιθανότητας αθετήσεως πιστούχου και η αξιολόγηση των αποτελεσμάτων.
Η διαδρομή που καλείται ο αναγνώστης να ακολουθήσει στα πλαίσια της συγκεκριμένης εργασίας, περνώντας από το «γενικό» στο «ειδικό» και συσχετίζοντας διαφορετικές έννοιες - αλληλένδετες ωστόσο – είναι απόρροια τόσο του ενδιαφέροντος του συντάκτη επί των σχετικών αντικειμένων όσο και του ακαδημαϊκού και επαγγελματικού υπόβαθρού του. | el |
| dc.format.extent | 93 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Τεχνικές εξόρυξης γνώσης στον τραπεζικό τομέα. Μελέτη περίπτωσης: πρόβλεψη πιθανότητας αθέτησης στις πιστωτικές κάρτες | el |
| dc.title.alternative | Data mining techniques in the banking sector. Case study: predicting credit card default probability | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Nowadays, technology is one of the most developed sciences. In recent decades, there is a tendency by term technology to refer mainly to computer technology. In today's reality, the major needs and challenges in this area are both the management of huge volumes of data, which have grown exponentially and continue to grow, and the utilization of this data in an optimal way to produce valuable and reliable data and explore new areas and information yet unknown. The advantages of achieving the above goals are various and can have a catalytic effect on many business sectors. The financial sector is one of the foremost, especially at a time when the global and european economies are in a phase of significant slowdown, while trying to recover from the 2008 global economic downturn. It is therefore easily understood that particularly for the banking sector, which is the heart of the economy, the use of sophisticated technologies can help in automation and optimization of processes and thereby in reducing risk and in the increase of profitability.
The aforementioned areas of interest and the relationship between them are presented and analyzed in this thesis, which aims to capture and combine basic theoretical knowledge on new technologies and innovations and relate them to the banking industry. In particular, the thesis initially (Chapters 1 and 2) addresses the concepts of Big Data, Data Mining, Machine Learning and the use of Artificial Intelligence solutions in the business world. Subsequently (Chapter 3) the author focuses on the relationship between the above technologies and the financial sector, and in particular on their relationship with the assessment and mitigation of one of the major risks facing banks, credit risk. The analysis is progressively moving to a more specialized area, that of assessing the probability of default on the credit card portfolio, a category of loans with particular characteristics. In the next two chapters, machine learning algorithms are applied on an external bank’s data set to predict the probability of default and evaluate the results.
The path which the reader is invited to follow in this particular thesis, in which different - interlinked however - meanings are presented, is a result of both the author's interest in these subject matters and his academic and professional background. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Εξόρυξη δεδομένων | el |
| dc.subject.keyword | Τραπεζικός τομέας | el |
| dc.subject.keyword | Πιστωτικές κάρτες | el |
| dc.subject.keyword | Πιθανότητα αθέτησης πιστούχου | el |
| dc.date.defense | 2020-02-19 | |
