dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
dc.contributor.author | Δεληγιώργη, Μαρία | |
dc.date.accessioned | 2025-05-15T06:50:34Z | |
dc.date.available | 2025-05-15T06:50:34Z | |
dc.date.issued | 2025-02 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17761 | |
dc.description.abstract | Η πρόβλεψη τιμής και ζήτησης σε δεδομένα λιανική κρίνεται απαραίτητη για τους οργανισμούς
που εστιάζουν στην επίτευξη της βελτίωσης των στρατηγικών τιμολόγησης και βελτιστοποίηση των
διαθέσιμων αποθεμάτων. Με τη χρήση δεδομένων από συναλλαγές καταναλωτών, οι οργανισμοί
μπορούν να αξιοποιήσουν προηγμένα μοντέλα πρόβλεψης για να ενισχύσουν την κερδοφορία τους και
να ερευνήσουν τις τάσεις της αγοράς. Στη παρούσα διπλωματική εργασία πραγματοποιείται έρευνα που
βασίζεται σε δεδομένα συναλλαγών λιανικής, συμβάλλοντας στην ανάλυση και κατανόηση των
πωλήσεων. Η εισαγωγή , μας παρέχει μια επισκόπηση και περιγράφει το σκοπό της έρευνας που έχει
υλοποιηθεί. Η έρευνα χωρίζεται στο 2 μεγάλα μέρη το θεωρητικό υπόβαθρο και το πρακτικό μέρος. Το
Κεφάλαιο 1 παρέχει πληροφορίες σχετικά με τα δεδομένα και την αναγκαιότητα τους στο σύγχρονο
κόσμο και γίνεται αναφορά των πηγών άντλησης. Το Κεφάλαιο 2 εμβαθύνει στη αναγκαιότητα της χρήσης
των προβλέψεων από τους οργανισμούς και στα πλεονεκτήματα και τα μειονεκτήματα που μπορεί να
λάβει ένας οργανισμός από τη χρήση των προβλέψεων. Στη συνέχεια, το Κεφάλαιο 3 γίνεται θεωρητική
αναφορά των μεθόδων πρόβλεψης χρονολογικών σειρών. Συγκεκριμένα, αναφέρονται κάποια από τα
στατιστικά μοντέλα και από τα μοντέλα μηχανικής μάθησης. Στο τέλος του κεφαλαίου αναφέρονται οι
μετρήσεις απόδοσης των μοντέλων. Το πρακτικό μέρος αποτελείται από 3 κεφάλαια. Στο πρώτο κεφάλαιο
ανακαλύπτουμε τα δεδομένα μας, καθώς χρησιμοποιούμε μετρήσεις που μας βοηθούν στην καλύτερη
κατανόηση τους. Στo επόμενo κεφάλαιo πραγματοποιούνται οι προβλέψεις τιμής και ζήτησης με τη
χρήση πολλαπλών μοντέλων. Τέλος, ολοκληρώνεται η ανάλυση μας με τη πρόβλεψη των πωλήσεων για
το επόμενο ημερολογιακό έτος και με τη σύγκριση των αποτελεσμάτων με το προηγούμενο έτος. Στα
τελευταία κεφάλαια αποτυπώνονται τα συμπεράσματα της έρευνας και οι επιχειρηματικές προτάσεις
που προκύπτουν από τα ευρήματα μας. Η παρούσα διπλωματική συνδυάζει τη θεωρητική ανάλυση και
πρακτική εφαρμογή και συμβάλλει στην κατανόηση των προβλέψεων και στην αξιοποίηση τους. | el |
dc.format.extent | 66 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.title | Προβλεπτική αναλυτική για τιμή και ζήτηση | el |
dc.title.alternative | Predictive analytics for price and demand forecasting | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
dc.subject.keyword | Predictive analytics | el |
dc.subject.keyword | Forecast price | el |
dc.subject.keyword | Forecast demand | el |
dc.subject.keyword | Machine learning models | el |
dc.subject.keyword | Predictive models | el |
dc.date.defense | 2025-04-03 | |