Αλυσίδα εφοδιασμού, CRM και τεχνητή νοημοσύνη

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών   

Αποθετήριο :
Πέργαμος   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Αλυσίδα εφοδιασμού, CRM και τεχνητή νοημοσύνη

Γκολλόση Ελένη (EL)
Gollosi Eleni (EN)

born_digital_postgraduate_thesis
Διπλωματική Εργασία (EL)
Postgraduate Thesis (EN)

2023


Το αντικείμενο της παρούσας μεταπτυχιακής διπλωματικής εργασίας, απαρτίζεται από έξι κεφάλαια. Εστιάζει στους τρόπους με τους οποίους θα μπορούσαν να αξιοποιηθούν οι πληροφορίες που λαμβάνουμε από το σύστημα CRM στο τμήμα της εφοδιαστικής αλυσίδας με την βοήθεια της τεχνητής νοημοσύνης. Στο πρώτο κεφάλαιο παρουσιάζονται όλες οι βασικές πληροφορίες για τον ορισμό του ζητήματος που θα αναλυθεί στα επόμενα κεφάλαια. Στην συνέχεια, ακολουθεί μια ανάλυση SWOT και Porter για την εφοδιαστική αλυσίδα σε συνδυασμό με την τεχνητή νοημοσύνη. Επίσης παρουσιάζεται μια ανάλυση δεδομένων της εταιρίας Instacart και προτάσεις για το πώς αυτές οι πληροφορίες μπορούν να φανούν χρήσιμες για το τμήμα της εφοδιαστικής αλυσίδας. Ακόμη αναλύονται τα συστήματα συστάσεων, τα θετικά και τα αρνητικά τους. Στην συνέχεια επιλέχθηκαν τα μοντέλα Word2Voc και τμηματοποίηση πελατών με PCA που ανήκουν στα συστήματα συστάσεων με φιλτράρισμα βάσει περιεχομένου και στο συνεργατικό φιλτράρισμα αντίστοιχα. Τέλος, παρουσιάζεται μια σύνοψη των αποτελεσμάτων. (EL)
The subject of this master's thesis consists of six chapters. It focuses on the ways in which the information we get from the CRM system could be used in the supply chain part with the help of artificial intelligence. The first chapter presents all the basic information for the definition of the issue that will be analyzed in the following chapters. Then, a SWOT and Porter analysis of supply chain combined with artificial intelligence is carried out. Also presented is an analysis of Instacart company data and suggestions on how this information can be useful for the supply chain department. Recommendation systems, their positives and negatives are also analyzed. Then the Word2Voc and PCA customer segmentation models belonging to content-based filtering and collaborative filtering recommendation systems were selected respectively. Finally, a summary of the results is presented. (EN)

Τεχνολογία – Πληροφορική

Τεχνολογία – Πληροφορική (EL)
Technology - Computer science (EN)

Ελληνική γλώσσα

Βιβλιοθήκη και Κέντρο Πληροφόρησης » Βιβλιοθήκη Σχολής Οικονομικών και Πολιτικών Επιστημών » Βιβλιοθήκη Τμήματος Οικονομικών Επιστημών και Τμήματος Διοίκησης Επιχειρήσεων και Οργανισμών
Σχολή Οικονομικών και Πολιτικών Επιστημών » Τμήμα Οικονομικών Επιστημών » ΠΜΣ Διοίκηση, Αναλυτική και Πληροφοριακά Συστήματα Επιχειρήσεων » Κατεύθυνση Διοίκηση, Αναλυτική και Πληροφοριακά Συστήματα Επιχειρήσεων

https://creativecommons.org/licenses/by-nc/4.0/




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.