Η επιστήμη των μεγάλων δεδομένων

Λάκα, Μπρούνο

dc.contributor.advisor	Drosos, Christos
dc.contributor.author	Λάκα, Μπρούνο
dc.date.accessioned	2023-09-08T09:59:35Z
dc.date.available	2023-09-08T09:59:35Z
dc.date.issued	2023-07-17
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5033
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-4871
dc.description.abstract	Τα μεγάλα δεδομένα αναφέρονται στα τεράστια δεδομένα που παράγονται από άτομα, συναλλαγές και μηχανές. Συνήθως χαρακτηρίζεται από τέσσερις διαστάσεις γνωστές ως τέσσερα V: όγκος, ταχύτητα, ποικιλία και ακρίβεια. Η ανάλυση δεδομένων περιλαμβάνει τη διαδικασία εξέτασης, καθαρισμού, μετατροπής και μοντελοποίησης μεγάλων δεδομένων για την αποκάλυψη πολύτιμων πληροφοριών και προτύπων που υποστηρίζουν τη λήψη αποφάσεων. Στόχος αυτής της διατριβής ήταν η διερεύνηση και αξιολόγηση της προοπτικής των ελληνικών επιχειρήσεων σχετικά με την υιοθέτηση των Μεγάλων Δεδομένων. Η μελέτη στόχευσε στον προσδιορισμό της τρέχουσας χρήσης της τεχνολογίας των Μεγάλων Δεδομένων μεταξύ των ελληνικών επιχειρήσεων, καθώς και του ρόλου που διαδραματίζει εντός του οργανισμού. Επιπλέον, διερεύνησε τις μεθόδους που χρησιμοποιούν αυτές οι εταιρείες για τη συλλογή και ανάλυση δεδομένων, την έκταση της χρήσης Μεγάλων Δεδομένων και τα οφέλη που προκύπτουν από την εφαρμογή τους. Η παρούσα διπλωματική εργασία χωρίζεται σε δύο κύρια μέρη. Το πρώτο μέρος εστιάζει στην εξέταση τεχνολογία των Μεγάλων Δεδομένων παρέχοντας διάφορους ορισμούς και χαρακτηριστικά των δεδομένων. Έγινε εκτενής περιγραφή της τεχνολογίας και των πλατφορμών των Μεγάλων Δεδομένων. Ιδιαίτερη αναφορά έγινε σε εφαρμογές των μεγάλων δεδομένων σε διάφορους τομείς και στην επίδρασή τους στην επιχειρηματικότητα. Το δεύτερο μέρος συνεπάγεται την ποσοτική μελέτη με την ανάπτυξη ενός ερωτηματολογίου με στόχο τη διερεύνηση της επίδρασης των Μεγάλων Δεδομένων στη λειτουργικότητα και την ανάπτυξη των επιχειρήσεων. Επιλέχθηκαν 40 επιχειρήσεις που ανήκουν σε ένα ευρύ φάσμα βιομηχανιών που χρησιμοποιεί εκτενώς τα Μεγάλα Δεδομένα. Οι κύριες πηγές από τις οποίες οι εταιρείες συλλέγουν τα δεδομένα τους βρέθηκε ότι ήταν τα μηνύματα ηλεκτρονικού ταχυδρομείου, οι οικονομικές συναλλαγές και οι μηχανές αναζήτησης (π.χ. Google) και τα κύρια εργαλεία περιλαμβάνουν τα R, Apache Hadoop και Apache Spark Η πλειονότητα των εταιρειών συμφώνησε ότι έχει συγκεκριμένη στρατηγική αξιοποίησης των Μεγάλων Δεδομένων, υποδεικνύοντας ότι συνέβαλαν σημαντικά στην επίτευξη των στόχων τους, αν και είναι δυνατή η περαιτέρω αξιοποίησή τους. Τα αποτελέσματα αυτής της έρευνας υπογραμμίζουν τη σημασία και τη δύναμη των Μεγάλων Δεδομένων στη σύγχρονη ελληνική επιχειρηματικότητα και παρέχουν ένα χρήσιμο μοντέλο που μπορεί να λειτουργήσει ως ερεθίσματα για περαιτέρω ερευνητικές προσπάθειες.	el
dc.format.extent	67	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Μεγάλα δεδομένα	el
dc.subject	Επιχειρηματικότητα	el
dc.subject	Αποδοτικότητα	el
dc.subject	Λειτουργικότητα	el
dc.subject	Εσωτερικός έλεγχος	el
dc.subject	Οικονομικός έλεγχος	el
dc.subject	Big data	el
dc.title	Η επιστήμη των μεγάλων δεδομένων	el
dc.title.alternative	The science of big data	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Παπουτσιδάκης, Μιχαήλ
dc.contributor.committee	Symeonaki, Eleni
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	Big data refers to the massive amounts of data generated by people, transactions and machines. It is typically characterized by four dimensions known as the four Vs: volume, speed, variety, and precision. Data analytics involves the process of examining, cleaning, transforming and modeling big data to uncover valuable insights and patterns that support decision making. The aim of this thesis was to investigate and evaluate the perspective of Greek businesses regarding the adoption of Big Data. The study aimed to determine the current use of Big Data technology among Greek businesses, as well as the role it plays within the organization. In addition, it explored the methods these companies use to collect and analyze data, the extent of Big Data use, and the benefits derived from its implementation. This thesis is divided into two main parts. The first part focuses on examining Big Data technology by providing various definitions and characteristics of data. Big Data technology and platforms were extensively described. Special reference was made to applications of big data in various sectors and their impact on entrepreneurship. The second part involves the quantitative study with the development of a questionnaire aimed at investigating the impact of Big Data on the functionality and development of businesses. 40 companies belonging to a wide range of industries that make extensive use of Big Data were selected. The main sources from which companies collect their data were found to be emails, financial transactions and search engines (eg Google) and the main tools include R, Apache Hadoop and Apache Spark The majority of of companies agreed that it has a specific Big Data utilization strategy, indicating that it has contributed significantly to achieving their goals, although further utilization is possible. The results of this research highlight the importance and power of Big Data in modern Greek entrepreneurship and provide a useful model that can act as stimuli for further research efforts.	el

Files in this item

Name:: Laka_47188.pdf.pdf
Size:: 1.127Mb
Format:: PDF

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές