Επιχειρηματική Αναλυτική & Τεχνολογίες Εξατομίκευσης

Το πρώτο μέρος του μαθήματος ασχολείται με την ανάλυση και αξιοποίηση του τεράστιου όγκου δεδομένων (πληροφορίες, προϊόντα, υπηρεσίες, αξιολογήσεις προϊόντων κλπ) που είναι διαθέσιμα στους χρήστες του διαδικτύου και στις επιχειρήσεις που δραστηριοποιούνται σε αυτό το περιβάλλον με στόχο την κατανόηση και την πρόβλεψη της ανθρώπινης συμπεριφοράς και την αξιοποίησή της για την παροχή εξελιγμένων και εξατομικευμένων υπηρεσιών. Στο πρώτο μέρος του μαθήματος επιδιώκεται η εισαγωγή των φοιτητών στις τεχνικές αναλυτικής επεξεργασίας διαδραστικών συμπεριφορικών δεδομένων από ετερογενείς πηγές και την εξοικείωση με αλγόριθμους πρόβλεψης συμπεριφοράς και εξατομίκευσης της πληροφορίας.

Το δεύτερο μέρος του μαθήματος στοχεύει να συνδέσει τη θεωρία με την πράξη σε έναν τομέα που είναι νευραλγικός για πολλές από τις σύγχρονες επιχειρήσεις: την ανάλυση δεδομένων με στόχο την καλύτερη διαχείριση της εφοδιαστικής αλυσίδας και τη βέλτιστη ανταπόκριση στις ανάγκες του καταναλωτή. Στο πλαίσιο του συγκεκριμένου μαθήματος θα δοθεί έμφαση στο απαραίτητο θεωρητικό υπόβαθρο που σχετίζεται με τα θέματα αυτά αλλά και στην πρακτική εφαρμογή των αντίστοιχων εννοιών και μοντέλων σε διαφορετικού τύπου επιχειρήσεις και στο πλαίσιο συνεργατικών πρακτικών. Θα παρουσιαστούν μία σειρά μελετών περίπτωσης που παρουσιάζουν την εξαγωγή γνώσης από τα δεδομένα και την επιχειρηματική επίπτωση από την πρακτική εφαρμογή της γνώσης αυτής. Θα καλυφθούν επίσης θέματα σύγχρονων τεχνολογιών που υποστηρίζουν την εξαγωγή και ανάλυση δεδομένων καθώς και την αποτελεσματική διαχείριση της αλυσίδας εφοδιασμού και ζήτησης.

Περιεχόμενα του μαθήματος

Στο πρώτο μέρος του μαθήματος θα καλυφθούν οι ακόλουθες ενότητες:

• Εισαγωγή στην εξατομίκευση της πληροφορίας
• Συμπεριφορικά μοντέλα
• Καταγραφή και μοντελοποίηση διαδραστικής συμπεριφοράς
• Αλγόριθμοι εξατομίκευσης της πληροφορίας
• Αναπαράσταση χρηστών μέσω παραγόντων ανθρώπινης συμπεριφοράς
• Αξιοπιστία δεδομένων
• Σχεδίαση και υλοποίηση προβλεπτικών αλγόριθμων και συστημάτων προτάσεων
• Αξιολόγηση αλγόριθμων πρόβλεψης και παραγωγής προτάσεων

Στο δεύτερο μέρος του μαθήματος θα καλυφθούν οι ακόλουθες ενότητες:

• Συνεργασία στην εφοδιαστική αλυσίδα και ανταλλαγή δεδομένων
• Καθορισμός βέλτιστων επιπέδων αποθέματος και safety-stock
• Πρόβλεψη ζήτησης
• Διαχείριση Αποθέματος με ευθύνη Προμηθευτή (Vendor-Managed Inventory)
• Συνεργατικός Σχεδιασμός, Πρόβλεψη και Αναπλήρωση (CPFR)
• Διαχείριση κατηγοριών
• Ανάλυση δεδομένων πωλήσεων (basket analytics)
• Δυναμική τιμολόγηση
• Market segmentation