Ανάλυση χρηματοοικονομικών δεδομένων με ενίσχυση τεχνητής νοημοσύνης

Σοφός, Γεώργιος

dc.contributor.advisor	Πελέκης, Νικόλαος
dc.contributor.author	Σοφός, Γεώργιος
dc.date.accessioned	2026-10-06T06:10:11Z
dc.date.available	2026-10-06T06:10:11Z
dc.date.issued	2026-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/19818
dc.description.abstract	Η συνεχής ψηφιοποίηση των επιχειρησιακών διαδικασιών έχει αυξήσει τον όγκο των διαθέσιμων δεδομένων, χωρίς όμως να εξασφαλίζεται η άμεση αξιοποίησή τους. Στην πράξη, αρχεία διαφορετικής προέλευσης παρουσιάζουν συχνά ανομοιογένεια ως προς τη δομή, τις ονομασίες πεδίων, τις ημερομηνίες και τις αριθμητικές τιμές, γεγονός που καθιστά απαραίτητη την εφαρμογή συστηματικών διαδικασιών καθαρισμού, τυποποίησης και ελέγχου. Σκοπός της παρούσας διπλωματικής εργασίας είναι ο σχεδιασμός και η ανάπτυξη μιας διαδικτυακής εφαρμογής για την αυτοματοποιημένη εισαγωγή, επεξεργασία, αποθήκευση, κατηγοριοποίηση, ανάλυση και αξιοποίηση επιχειρησιακών δεδομένων. Η εφαρμογή υλοποιείται με διαχωρισμένη αρχιτεκτονική, χρησιμοποιώντας Next.js, React και TypeScript στο επίπεδο παρουσίασης, Python και FastAPI στο backend και Supabase για την σχεσιακή αποθήκευση μέσω PostgreSQL και διαχείριση φυσικών αρχείων μέσω Storage. Ιδιαίτερη έμφαση δίνεται στην ιχνηλασιμότητα, καθώς το αρχικό αρχείο, τα μεταδεδομένα του, οι αρχικές και καθαρισμένες εγγραφές και τα βασικά στάδια επεξεργασίας διατηρούνται συνδεδεμένα μέσω μοναδικών αναγνωριστικών και σχέσεων μεταξύ των πινάκων. Παράλληλα, αναπτύσσεται ανεξάρτητο σύστημα πρόβλεψης χρονοσειρών, στο οποίο διαφορετικά μοντέλα αξιολογούνται με κοινές μετρικές και διαδικασίες backtesting πριν από την επιλογή και αποθήκευση των αποτελεσμάτων. Τα επεξεργασμένα δεδομένα και οι προβλέψεις διατίθενται στη συνέχεια σε περιβάλλον επιχειρηματικής ευφυΐας για τη δημιουργία διαδραστικών αναφορών. Η τελική προσέγγιση δημιουργεί μια επαναλήψιμη ροή από το αρχικό αρχείο έως την οργανωμένη πληροφορία, περιορίζοντας την χειροκίνητη επεξεργασία και ενισχύοντας την συνέπεια και τη δυνατότητα μελλοντικής επέκτασης του συστήματος.	el
dc.format.extent	118	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-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Ανάλυση χρηματοοικονομικών δεδομένων με ενίσχυση τεχνητής νοημοσύνης	el
dc.title.alternative	An AI-enhanced financial data analytics dashboard	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	The continuous digitalization of business processes has significantly increased the volume of available data, without necessarily ensuring that such data can be directly used for analysis. In practice, files originating from different systems frequently present heterogeneous structures, field names, date formats, numerical representations and levels of completeness, making systematic cleaning, standardization and validation necessary. The aim of this thesis is the design and development of a web-based application for the automated ingestion, processing, storage, classification, analysis and utilization of business data. The application follows a separated architecture, using Next.js, React and Type- Script for the presentation layer, Python and FastAPI for the backend, and Supabase for relational persistence through PostgreSQL and physical file management through object storage. Particular emphasis is placed on traceability, since the original file, its metadata, the raw and cleaned records and the main processing stages remain connected through unique identifiers and relationships between database tables. In parallel, an independent time-series forecasting subsystem is developed, in which multiple forecasting models can be evaluated using common error metrics and backtesting procedures before model selection. Processed data and forecasting outputs can subsequently be consumed by a business intelligence environment for the development of interactive reports and analytical visualizations. The resulting approach establishes a repeatable and extensible workflow from heterogeneous source files to structured and analytically useful information, reducing repeated manual processing while improving consistency, auditability and the ability to extend the system with additional processing rules, data sources and analytical methods in the future.	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Ποιότητα δεδομένων	el
dc.subject.keyword	Καθαρισμός δεδομένων	el
dc.subject.keyword	Τυποποίηση	el
dc.subject.keyword	Διαδικτυακή εφαρμογή	el
dc.subject.keyword	Πρόβλεψη	el
dc.subject.keyword	Επιχειρηματική ευφυΐα	el
dc.subject.keyword	FastAPI	el
dc.date.defense	2026-09-23

Αρχεία σε αυτό το τεκμήριο

Name:
Μέγεθος:: 4.134Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα