Η επιλογή και η αξιολόγηση προσωπικού είναι ένα σημαντικό πρόβλημα, το οποίο μπορεί να επηρεάσει την αποτελεσματικότητα και την αποδοτικότητα μιας επιχείρησης. Διάφορες ποσοτικές μέθοδοι έχουν προταθεί ως βοήθεια για τη λήψη τέτοιων αποφάσεων. Η παρούσα εργασία παρουσιάζει τα πιο σημαντικά και ευρέως γνωστά μοντέλα, που χρησιμοποιούνται στα πεδία επιλογής και αξιολόγησης προσωπικού. Επικεντρώνεται επίσης σε μια ανάλυση του MACBETH (Measuring Attractiveness by a Categorical Based Evaluation Technique). Το MACBETH είναι μια πολυκριτηριακή προσέγγιση λήψης αποφάσεων, η οποία απαιτεί μόνο ποιοτικές κρίσεις σε σχέση με τις αξίες και βοηθά τους αποφασίζοντες να ποσοτικοποιήσουν τις διαφορές ελκυστικότητας των επιλογών. Τέλος εφαρμόζουμε αυτή την τεχνική χρησιμοποιώντας το λογισμικό M-MACBETH, χρησιμοποιώντας πραγματικά δεδομένα μεγάλης ελληνικής τράπεζας. / The employee evaluation and selection system is an important problem that can significantly affect the future competiveness and the performance of an organization. Various quantitative methods have been proposed as an aid to such decisions. This work presents the most important and common models, that are used in the employee evaluation and selection area. It also focuses on a comprehensive overview of MACBETH (Measuring Attractiveness by a Categorical Based Evaluation Technique). MACBETH is a multicriteria decision analysis approach, which requires only qualitative judgements about differences of value to help a decision maker quantify the relative attractiveness of options. Finally, an application of this technique takes place using M-MACBETH software, based on real data from a big Greek bank.

Σχεδόν κάθε επιχείρηση ιδιωτικού και δημόσιου τομέα την οποία μπορούμε να σκεφτούμε, έχει βρεθεί αντιμέτωπη με το πρόβλημα της χωροθέτησης των εγκαταστάσεών της κάποια στιγμή στην ιστορία της. Αυτό έχει οδηγήσει σε ένα έντονο ενδιαφέρον για την ανάλυση χωροθέτησης στα πλαίσια της επιχειρησιακής έρευνας. Η εγκατάσταση ενός νέου τραπεζικού υποκαταστήματος που αποτελεί ένα σημαντικό μέρος του προγραμματισμού και της διαχείρισης δικτύων κλάδων. απαιτεί μία πολύπλοκη διαδικασία λήψης απόφασης. Η λήψης της απόφασης αυτής μπορεί να ωφεληθεί από τη χρήση της πολυκριτηριακής ανάλυσης αποφάσεων (MCDM) καθιστώντας τη διαδικασία πιο ορθολογική και αποδοτική. Στην παρούσα εργασία εξετάζουμε το πρόβλημα της χωροθέτησης ενός τραπεζικού καταστήματος στα πλαίσια της πολυκριτηριακής ανάλυσης αποφάσεων (MCDM). / Almost every private and public sector enterprise that we can think of, has been faced with the problem of locating facilities at one time or another of its history. Τhis has led to a strong interest in location analysis within the operations research and management science community. Locating a new bank branch, an important part of branch network planning and management is a complex decision making progress. This decision making progress can benefit from the use of Multi-Criteria Decision Making (MCDM) progress by making the progress more explicit, rational and efficient. In the present work we examine the problem of locating a bank branch using MCDM.

Σήμερα, ίσως περισσότερο από κάθε άλλη περίοδο στο παρελθόν, η ποιότητα έχει αναδειχθεί ως η ουσιώδης προϋπόθεση επιβίωσης των προϊόντων και των υπηρεσιών. Ο γκουρού της ποιότητας E.W. Deming το 1980 έγραφε: «Στο τέλος του αιώνα θα υπάρχουν δύο είδη επιχειρήσεων. Αυτές που εφαρμόζουν Συστήματα Ολικής Ποιότητας και εκείνες που δεν θα υπάρχουν πλέον στον επιχειρηματικό χώρο». Ο αφορισμός αυτός ίσως ακούγεται υπερβολικός. Το γεγονός όμως ότι ζούμε σε ένα έντονα ανταγωνιστικό και παγκοσμιοποιημένο περιβάλλον, ιδιαίτερα σε μια τέτοια περίοδο οικονομικής κρίσης, κάνει κατανοητό πως το κλειδί για την επιβίωση και την αποτελεσματικότητα των επιχειρήσεων είναι η υψηλή ποιότητα των προϊόντων και των υπηρεσιών που παρέχουν και η σύνδεση τους με την ικανοποίηση του πελάτη. Σκοπός της παρούσας διπλωματικής εργασίας είναι, αφενός, η μελέτη εκείνων των μοντέλων χωροθέτησης που αφορούν την κάλυψη της ζήτησης των προϊόντων / υπηρεσιών και αφετέρου η ενσωμάτωση, σε αυτά, της ποιότητας ως χαρακτηριστικό των εγκαταστάσεων που πρόκειται να χωροθετηθούν. / The purpose of this thesis is to describe the facility location models regarding to the demand covering of products and services and to integrate quality as a characteristic of the facilities.

Η εξόρυξη γνώση από δεδομένα είναι μια νέα και δυναμική τεχνολογία που βοηθάει τις επιχειρήσεις να επικεντρωθούν στην σημαντική πληροφορία που βρίσκεται μέσα στις αποθήκες δεδομένων τους, αναζητώντας κρυμμένα πρότυπα και ανακαλύπτοντας πληροφορίες που οι ειδικοί μπορεί να χάσουν ή να παραβλέψουν. Τα τελευταία χρόνια έχει αναπτυχθεί πλήθος αλγορίθμων της εξόρυξης δεδομένων, οι οποίοι ακολουθούν διαφορετικές μεθοδολογικές προσεγγίσεις, ενώ ταυτόχρονα παρουσιάζουν σημαντική ποικιλία εφαρμογών. Η προσπάθεια ωστόσο για βελτιωμένους και αποδοτικότερους αλγορίθμους συνεχίζεται. Η παρούσα διδακτορική διατριβή έχει σαν βασικό της στόχο να συνεισφέρει στην προσπάθεια αυτή, βελτιώνοντας και ενισχύοντας την θεωρητική θεμελίωση υφιστάμενων αλγορίθμων της εξόρυξης δεδομένων. Ειδικότερα, μέσα από μια διαφορετική λογική, η οποία βασίζεται σε έννοιες και διαδικασίες της πολυκριτήριας ανάλυσης αποφάσεων, και ειδικότερα της μεθόδου ELECTRE I της θεωρίας των σχέσεων υπεροχής, η διδακτορική διατριβή αναπτύσσει ένα νέο μεθοδολογικό πλαίσιο για την εξόρυξη δεδομένων. Ενσωματώνοντας στην συνέχεια αυτό το μεθοδολογικό πλαίσιο σε υφιστάμενους αλγορίθμους, δημιουργούνται ουσιαστικά νέοι, αποτελεσματικότεροι και ακριβέστεροι αλγόριθμοι, για επιμέρους διαδικασίες και εφαρμογές της εξόρυξης δεδομένων. Πιο συγκεκριμένα, το προτεινόμενο μεθοδολογικό πλαίσιο, εφαρμόστηκε, με τις αναγκαίες τροποποιήσεις, στις διαδικασίες της ταξινόμησης και της ομαδοποίησης κατηγορικών αντικειμένων, μέσω των μεθόδων CLEDM και CLEKMODES, αντίστοιχα. Τα καλά αποτελέσματα από την εφαρμογή των παραπάνω μεθόδων σε μια σειρά ευρέως χρησιμοποιούμενων βάσεων δεδομένων, σε συνδυασμό με την δυνατότητα επέκτασης του μεθοδολογικού πλαισίου και σε άλλες διαδικασίες της εξόρυξης δεδομένων, διαμορφώνουν ένα νέο «υβριδικό» πεδίο έρευνας. Το πεδίο αυτό, αφενός έχει την δυναμική παραγωγής συνεχώς καλύτερων αλγορίθμων για την εξόρυξη δεδομένων, αφετέρου μπορεί να εξερευνήσει εις βάθος και να τυποποιήσει περαιτέρω την αλληλεπίδραση της εξόρυξης δεδομένων με την πολυκριτήρια ανάλυση αποφάσεων. / Data mining is a new and advancing technology that helps corporations to focus on the most important pieces of information stored in their data warehouses. In particular, data mining searches for hidden patterns and is able to discover information that otherwise could be missed or overlooked by experts. During the last years, a series of data mining algorithms has been developed. These algorithms are based on different methodological patterns and they can be implemented to solve a large variety of applications. However, the effort to build more advanced and efficient data mining algorithms has never stopped. The goal of this PhD thesis is to significantly contribute to the above effort by enhancing and improving the theoretical framework of existing data mining algorithms. More specifically, a different theoretical perspective is introduced, that is based on concepts and procedures of multicriteria analysis and in particular the ELECTRE I method of the outranking relations theory. Consequently, the PhD thesis develops a new methodological framework for data mining that can be incorporated to existing algorithms. This incorporation essentially develops new, more effective and accurate data mining algorithms, for a series of tasks and applications. In particular, the proposed methodological framework was applied, properly modified, to the tasks of classification and clustering, through the CLEDM and CLEKMODES methods, respectively. The good results of these methods in a series of widely used databases, and the perspective of expanding the new methodological framework to other data mining tasks as well, are able to introduce a new “hybrid” research field. This research field has the potential of producing better data mining algorithms and furthermore the potential to thoroughly explore and further formalize the interaction of data mining and multicriteria analysis.