Ο ρόλος της ανάλυσης μεγάλων δεδομένων στη λήψη αποφάσεων ΜΜΕ: προκλήσεις και εφαρμογές στον χρηματοοικονομικό τομέα

Abstract

This dissertation offers a multidimensional exploration of data-driven decision-making, focusing on the utilization of Big Data technologies and data analytics in Small and Medium-Sized Enterprises (SMEs) and the banking sector. At the theoretical level, it thoroughly examines both traditional decision-making models (such as decision trees, game theory, cost-benefit analysis) and modern paradigms that leverage advanced data analysis techniques (e.g., predictive/prescriptive analytics, deep learning, real-time analytics). Empirically, the study analyzes the digital readiness of SMEs, the benefits and limitations of integrating Big Data into business practices, while also highlighting support policies at both European and international levels. Furthermore, the dissertation critically examines current applications of data analytics within the banking sector, highlighting the associated technological, regulatory, and organizational challenges. The study’s research contribution is strengthened by the development of an innovative hybrid deep learning model for transaction classification and cash flow prediction, based on data from a systemic European bank. The proposed framework demonstrates how banks can deliver targeted services to SMEs, enhancing their capacity for evidence-based decision-making. Overall, the dissertation aims to propose a new model of business operations that combines artificial intelligence with human judgment, contributing to the emergence of a more innovative, competitive, and sustainable digital economy.

Η παρούσα διατριβή διερευνά πολυδιάστατα τη λήψη αποφάσεων βάσει δεδομένων, εστιάζοντας στην αξιοποίηση των τεχνολογιών Μεγάλων Δεδομένων και της αναλυτικής δεδομένων (data analytics) στις Μικρομεσαίες Επιχειρήσεις (ΜΜΕ) και στον τραπεζικό τομέα. Σε θεωρητικό επίπεδο, εξετάζονται διεξοδικά τόσο τα παραδοσιακά μοντέλα λήψης αποφάσεων (όπως τα δέντρα αποφάσεων, η θεωρία παιγνίων και η ανάλυση κόστους-οφέλους), όσο και τα σύγχρονα πρότυπα που βασίζονται σε προηγμένες τεχνικές ανάλυσης δεδομένων (π.χ. προγνωστική/προδιαγραφική ανάλυση, βαθιά μάθηση, real-time analytics). Εμπειρικά, αναλύεται η ψηφιακή ετοιμότητα των ΜΜΕ, τα οφέλη και οι περιορισμοί από την ενσωμάτωση των Big Data στην επιχειρησιακή πρακτική, με έμφαση στις πολιτικές ενίσχυσης που διαμορφώνονται σε ευρωπαϊκό και διεθνές επίπεδο. Παράλληλα, η διατριβή εξετάζει τις σύγχρονες εφαρμογές της αναλυτικής δεδομένων στον τραπεζικό κλάδο και αναδεικνύει τις υφιστάμενες προκλήσεις. Η ερευνητική συμβολή της μελέτης ενισχύεται από την ανάπτυξη ενός καινοτόμου υβριδικού μοντέλου βαθιάς μάθησης για την ταξινόμηση τραπεζικών συναλλαγών και την πρόβλεψη ταμειακών ροών, βασισμένου σε δεδομένα ευρωπαϊκής συστημικής τράπεζας. Το προτεινόμενο πλαίσιο αναδεικνύει πώς οι τράπεζες μπορούν να προσφέρουν στοχευμένες υπηρεσίες προς τις ΜΜΕ, ενισχύοντας τις ικανότητές τους στη λήψη τεκμηριωμένων αποφάσεων. Συνολικά, η διατριβή επιδιώκει να προτείνει ένα νέο μοντέλο επιχειρησιακής λειτουργίας που συνδυάζει την τεχνητή νοημοσύνη με την ανθρώπινη κρίση, συμβάλλοντας στη διαμόρφωση μιας πιο καινοτόμου, ανταγωνιστικής και βιώσιμης ψηφιακής οικονομίας.