{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1447699"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1447699","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αξιοποίηση δεδομένων μεγάλου όγκου και Προβλεπτική Ανάλυση στην ασφάλιση φωτοβολταϊκών κινδύνων","abstract":"Σκοπός της παρούσας εργασίας είναι σε ότι αφορά το πρώτο και θεωρητικό κομμάτι, να πραγματοποιηθεί μια προσέγγιση για το τι ακριβώς είναι τα ανοικτά δεδομένα, πού, πώς και πότε εφαρμόζονται και εν συνεχεία πώς συσχετίζονται με τον ασφαλιστικό κλάδο, τομέας ο οποίος θα αποτελέσει τον κοινό παρανομαστή όλων των κεφαλαίων της παρούσας διπλωματικής εργασίας. Σε ένα δεύτερο επίπεδο μελετούνται τα analytics ως επιστημονικός κλάδος προκειμένου να προχωρήσουμε την επιστημονική μας έρευνα στα μεγάλα δεδομένα (big data) και να καταγράψουμε τι είναι αυτά, και γιατί είναι τόσο σημαντικά στον ασφαλιστικό τομέα, αλλά και σε κάθε άλλη πτυχή κυρίως της επαγγελματικής μας δραστηριότητας. Στην συνέχεια δίνεται μεγαλύτερη έμφαση στο γιατί έχει γίνει τόση συζήτηση γύρω από αυτά. Αποδεικνύεται η σημασία τους σε όλους τους επιστημονικούς τομείς αλλά και τα οφέλη που προσδίδουν σε όλες τις μεγάλες επιχειρήσεις. Στο τέλος του 4ου κεφαλαίου καθίσταται κατανοητό γιατί είναι τόσο εξέχουσας σημασίας η χρήση τους από τις ασφαλιστικές εταιρείες. Στο 5ο κεφάλαιο επιχειρείται έρευνα στην εξόρυξη δεδομένων, στις μεθόδους της και στους τομείς εφαρμογής της. Γίνεται ευρεία ανάλυση σχετικά με τις τεχνολογίες της όπως παραδείγματος χάρη τη μηχανική μάθηση (machine learning), τη στατιστική (statistics), την επιχειρηματική ευφυΐα (business intelligence) και τις μηχανές αναζήτησης (web search engines).Εξετάζονται τα λογισμικά που χρησιμοποιούνται κατά την εφαρμογή τέτοιων τεχνολογιών στην εξόρυξη δεδομένων και καταλήγουμε στα πιο γνωστά και σημαντικά. Το δεύτερο και πιο πρακτικό κομμάτι αφορά στον σχεδιασμό μιας διαδικτυακής πλατφόρμας. Πιο συγκεκριμένα θα πραγματοποιηθεί μια απόπειρα σχεδιασμού μιας διαδικτυακής πλατφόρμας προβλεπτικής ανάλυσης με συμβουλευτικό σκοπό σχετικά με την ανάληψη κινδύνων φωτοβολταϊκών πάρκων στην οποία θα εφαρμόζονται τεχνικές εξόρυξης δεδομένων. Θα αξιοποιούνται δεδομένα μεγάλου όγκου σε πραγματικό χρόνο μέσω data mining. Επίσης, θα υποστηρίζει λειτουργίες όπως η Ενσωμάτωση, η Μοντελοποίηση και η Διανυσματοποίηση των Μεγάλων δεδομένων, οι οποίες θα καταστήσουν εφικτή τη χρήση μεθόδων επεξεργασίας σε διαφορετικές κλίμακες και ποσότητες δεδομένων. Ο βασικός στόχος του παρόντος έργου θα είναι η απλοποίηση πολύπλοκων τεχνικών και μεθοδολογιών μηχανικής μάθησης εξόρυξης κειμένου και αναγνώρισης μοτίβων κατά την εκτίμηση κινδύνων. Ο σχεδιασμός αυτής της πλατφόρμας θα περιλαμβάνει σύστημα ευφυΐας που θα λειτουργεί συμβουλευτικά εφόσον θα συνδέεται με δεδομένα από τον server της εταιρείας Μέντωρ (Πραγματογνώμονες – Εκτιμητές - Μηχανικοί Α.Ε) που αφορούν παρελθοντικές ζημιές σε φωτοβολταϊκά πάρκα και φωτοβολταϊκές εγκαταστάσεις γενικότερα. Οι πραγματογνώμονες της εταιρείας αλλά και οι πελάτες της (ασφαλιστικές εταιρείες) θα μπορούν βάζοντας νέα δεδομένα, με βάση τα παλιά, να κάνουν μια πρώτη εκτίμηση της ζημιάς και συνδυαστικά να βλέπουν και μέτρα προστασίας και λοιπές σχετικές πληροφορίες πριν την ανάληψη του κινδύνου ή αφότου κάποιο ασφαλισμένο πάρκο έχει πάθει κάποιου είδους ζημιά. Για τον σκοπό αυτόν λοιπόν, περιλαμβάνεται προγενέστερα από τον σχεδιασμό της πλατφόρμας κεφάλαιο στο οποίο περιγράφονται αναλυτικά τα είδη των φωτοβολταϊκών, οι λόγοι για τους οποίους είναι σημαντική η χρήση τέτοιων πηγών ανανεώσιμης ενέργειας αλλά και οι τρόποι με τους οποίους ασφαλίζονται τέτοιου είδους περιουσίες. Η περιγραφή του τρόπου ασφάλισης των φωτοβολταϊκών σχετίζεται άμεσα με τη πλατφόρμα που θέλουμε να σχεδιάσουμε και γι’ αυτό γίνεται εκτενής αναφορά. Ο σχεδιασμός της πλατφόρμας πραγματοποιείται με βάση συνεντεύξεις από ειδικούς του είδους, τα αποτελέσματα των οποίων θα παρατεθούν στην παρούσα εργασία λίγο πριν τη περιγραφή του σχεδιασμού της πλατφόρμας. Στο τέλος, ακολουθεί επίλογος και συμπεράσματα για τα προαναφερθέντα θέματα.","abstract_html":"Σκοπός της παρούσας εργασίας είναι σε ότι αφορά το πρώτο και θεωρητικό κομμάτι, να πραγματοποιηθεί μια προσέγγιση για το τι ακριβώς είναι τα ανοικτά δεδομένα, πού, πώς και πότε εφαρμόζονται και εν συνεχεία πώς συσχετίζονται με τον ασφαλιστικό κλάδο, τομέας ο οποίος θα αποτελέσει τον κοινό παρανομαστή όλων των κεφαλαίων της παρούσας διπλωματικής εργασίας. Σε ένα δεύτερο επίπεδο μελετούνται τα analytics ως επιστημονικός κλάδος προκειμένου να προχωρήσουμε την επιστημονική μας έρευνα στα μεγάλα δεδομένα (big data) και να καταγράψουμε τι είναι αυτά, και γιατί είναι τόσο σημαντικά στον ασφαλιστικό τομέα, αλλά και σε κάθε άλλη πτυχή κυρίως της επαγγελματικής μας δραστηριότητας. Στην συνέχεια δίνεται μεγαλύτερη έμφαση στο γιατί έχει γίνει τόση συζήτηση γύρω από αυτά. Αποδεικνύεται η σημασία τους σε όλους τους επιστημονικούς τομείς αλλά και τα οφέλη που προσδίδουν σε όλες τις μεγάλες επιχειρήσεις. Στο τέλος του 4ου κεφαλαίου καθίσταται κατανοητό γιατί είναι τόσο εξέχουσας σημασίας η χρήση τους από τις ασφαλιστικές εταιρείες. Στο 5ο κεφάλαιο επιχειρείται έρευνα στην εξόρυξη δεδομένων, στις μεθόδους της και στους τομείς εφαρμογής της. Γίνεται ευρεία ανάλυση σχετικά με τις τεχνολογίες της όπως παραδείγματος χάρη τη μηχανική μάθηση (machine learning), τη στατιστική (statistics), την επιχειρηματική ευφυΐα (business intelligence) και τις μηχανές αναζήτησης (web search engines).Εξετάζονται τα λογισμικά που χρησιμοποιούνται κατά την εφαρμογή τέτοιων τεχνολογιών στην εξόρυξη δεδομένων και καταλήγουμε στα πιο γνωστά και σημαντικά. Το δεύτερο και πιο πρακτικό κομμάτι αφορά στον σχεδιασμό μιας διαδικτυακής πλατφόρμας. Πιο συγκεκριμένα θα πραγματοποιηθεί μια απόπειρα σχεδιασμού μιας διαδικτυακής πλατφόρμας προβλεπτικής ανάλυσης με συμβουλευτικό σκοπό σχετικά με την ανάληψη κινδύνων φωτοβολταϊκών πάρκων στην οποία θα εφαρμόζονται τεχνικές εξόρυξης δεδομένων. Θα αξιοποιούνται δεδομένα μεγάλου όγκου σε πραγματικό χρόνο μέσω data mining. Επίσης, θα υποστηρίζει λειτουργίες όπως η Ενσωμάτωση, η Μοντελοποίηση και η Διανυσματοποίηση των Μεγάλων δεδομένων, οι οποίες θα καταστήσουν εφικτή τη χρήση μεθόδων επεξεργασίας σε διαφορετικές κλίμακες και ποσότητες δεδομένων. Ο βασικός στόχος του παρόντος έργου θα είναι η απλοποίηση πολύπλοκων τεχνικών και μεθοδολογιών μηχανικής μάθησης εξόρυξης κειμένου και αναγνώρισης μοτίβων κατά την εκτίμηση κινδύνων. Ο σχεδιασμός αυτής της πλατφόρμας θα περιλαμβάνει σύστημα ευφυΐας που θα λειτουργεί συμβουλευτικά εφόσον θα συνδέεται με δεδομένα από τον server της εταιρείας Μέντωρ (Πραγματογνώμονες – Εκτιμητές - Μηχανικοί Α.Ε) που αφορούν παρελθοντικές ζημιές σε φωτοβολταϊκά πάρκα και φωτοβολταϊκές εγκαταστάσεις γενικότερα. Οι πραγματογνώμονες της εταιρείας αλλά και οι πελάτες της (ασφαλιστικές εταιρείες) θα μπορούν βάζοντας νέα δεδομένα, με βάση τα παλιά, να κάνουν μια πρώτη εκτίμηση της ζημιάς και συνδυαστικά να βλέπουν και μέτρα προστασίας και λοιπές σχετικές πληροφορίες πριν την ανάληψη του κινδύνου ή αφότου κάποιο ασφαλισμένο πάρκο έχει πάθει κάποιου είδους ζημιά. Για τον σκοπό αυτόν λοιπόν, περιλαμβάνεται προγενέστερα από τον σχεδιασμό της πλατφόρμας κεφάλαιο στο οποίο περιγράφονται αναλυτικά τα είδη των φωτοβολταϊκών, οι λόγοι για τους οποίους είναι σημαντική η χρήση τέτοιων πηγών ανανεώσιμης ενέργειας αλλά και οι τρόποι με τους οποίους ασφαλίζονται τέτοιου είδους περιουσίες. Η περιγραφή του τρόπου ασφάλισης των φωτοβολταϊκών σχετίζεται άμεσα με τη πλατφόρμα που θέλουμε να σχεδιάσουμε και γι’ αυτό γίνεται εκτενής αναφορά. Ο σχεδιασμός της πλατφόρμας πραγματοποιείται με βάση συνεντεύξεις από ειδικούς του είδους, τα αποτελέσματα των οποίων θα παρατεθούν στην παρούσα εργασία λίγο πριν τη περιγραφή του σχεδιασμού της πλατφόρμας. Στο τέλος, ακολουθεί επίλογος και συμπεράσματα για τα προαναφερθέντα θέματα.","abstract_has_math":false,"creators":["Βράχα Σταματίνα"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:28:04Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1447699"],"render_values":[{"text":"uoadl:1447699","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1447699","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1447699","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1447699","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βράχα Σταματίνα"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1447699","https://pergamos.lib.uoa.gr/uoa/dl/object/1447699"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σκοπός της παρούσας εργασίας είναι σε ότι αφορά το πρώτο και θεωρητικό κομμάτι, να πραγματοποιηθεί μια προσέγγιση για το τι ακριβώς είναι τα ανοικτά δεδομένα, πού, πώς και πότε εφαρμόζονται και εν συνεχεία πώς συσχετίζονται με τον ασφαλιστικό κλάδο, τομέας ο οποίος θα αποτελέσει τον κοινό παρανομαστή όλων των κεφαλαίων της παρούσας διπλωματικής εργασίας. Σε ένα δεύτερο επίπεδο μελετούνται τα analytics ως επιστημονικός κλάδος προκειμένου να προχωρήσουμε την επιστημονική μας έρευνα στα μεγάλα δεδομένα (big data) και να καταγράψουμε τι είναι αυτά, και γιατί είναι τόσο σημαντικά στον ασφαλιστικό τομέα, αλλά και σε κάθε άλλη πτυχή κυρίως της επαγγελματικής μας δραστηριότητας. Στην συνέχεια δίνεται μεγαλύτερη έμφαση στο γιατί έχει γίνει τόση συζήτηση γύρω από αυτά. Αποδεικνύεται η σημασία τους σε όλους τους επιστημονικούς τομείς αλλά και τα οφέλη που προσδίδουν σε όλες τις μεγάλες επιχειρήσεις. Στο τέλος του 4ου κεφαλαίου καθίσταται κατανοητό γιατί είναι τόσο εξέχουσας σημασίας η χρήση τους από τις ασφαλιστικές εταιρείες. Στο 5ο κεφάλαιο επιχειρείται έρευνα στην εξόρυξη δεδομένων, στις μεθόδους της και στους τομείς εφαρμογής της. Γίνεται ευρεία ανάλυση σχετικά με τις τεχνολογίες της όπως παραδείγματος χάρη τη μηχανική μάθηση (machine learning), τη στατιστική (statistics), την επιχειρηματική ευφυΐα (business intelligence) και τις μηχανές αναζήτησης (web search engines).Εξετάζονται τα λογισμικά που χρησιμοποιούνται κατά την εφαρμογή τέτοιων τεχνολογιών στην εξόρυξη δεδομένων και καταλήγουμε στα πιο γνωστά και σημαντικά. Το δεύτερο και πιο πρακτικό κομμάτι αφορά στον σχεδιασμό μιας διαδικτυακής πλατφόρμας. Πιο συγκεκριμένα θα πραγματοποιηθεί μια απόπειρα σχεδιασμού μιας διαδικτυακής πλατφόρμας προβλεπτικής ανάλυσης με συμβουλευτικό σκοπό σχετικά με την ανάληψη κινδύνων φωτοβολταϊκών πάρκων στην οποία θα εφαρμόζονται τεχνικές εξόρυξης δεδομένων. Θα αξιοποιούνται δεδομένα μεγάλου όγκου σε πραγματικό χρόνο μέσω data mining. Επίσης, θα υποστηρίζει λειτουργίες όπως η Ενσωμάτωση, η Μοντελοποίηση και η Διανυσματοποίηση των Μεγάλων δεδομένων, οι οποίες θα καταστήσουν εφικτή τη χρήση μεθόδων επεξεργασίας σε διαφορετικές κλίμακες και ποσότητες δεδομένων. Ο βασικός στόχος του παρόντος έργου θα είναι η απλοποίηση πολύπλοκων τεχνικών και μεθοδολογιών μηχανικής μάθησης εξόρυξης κειμένου και αναγνώρισης μοτίβων κατά την εκτίμηση κινδύνων. Ο σχεδιασμός αυτής της πλατφόρμας θα περιλαμβάνει σύστημα ευφυΐας που θα λειτουργεί συμβουλευτικά εφόσον θα συνδέεται με δεδομένα από τον server της εταιρείας Μέντωρ (Πραγματογνώμονες – Εκτιμητές - Μηχανικοί Α.Ε) που αφορούν παρελθοντικές ζημιές σε φωτοβολταϊκά πάρκα και φωτοβολταϊκές εγκαταστάσεις γενικότερα. Οι πραγματογνώμονες της εταιρείας αλλά και οι πελάτες της (ασφαλιστικές εταιρείες) θα μπορούν βάζοντας νέα δεδομένα, με βάση τα παλιά, να κάνουν μια πρώτη εκτίμηση της ζημιάς και συνδυαστικά να βλέπουν και μέτρα προστασίας και λοιπές σχετικές πληροφορίες πριν την ανάληψη του κινδύνου ή αφότου κάποιο ασφαλισμένο πάρκο έχει πάθει κάποιου είδους ζημιά. Για τον σκοπό αυτόν λοιπόν, περιλαμβάνεται προγενέστερα από τον σχεδιασμό της πλατφόρμας κεφάλαιο στο οποίο περιγράφονται αναλυτικά τα είδη των φωτοβολταϊκών, οι λόγοι για τους οποίους είναι σημαντική η χρήση τέτοιων πηγών ανανεώσιμης ενέργειας αλλά και οι τρόποι με τους οποίους ασφαλίζονται τέτοιου είδους περιουσίες. Η περιγραφή του τρόπου ασφάλισης των φωτοβολταϊκών σχετίζεται άμεσα με τη πλατφόρμα που θέλουμε να σχεδιάσουμε και γι’ αυτό γίνεται εκτενής αναφορά. Ο σχεδιασμός της πλατφόρμας πραγματοποιείται με βάση συνεντεύξεις από ειδικούς του είδους, τα αποτελέσματα των οποίων θα παρατεθούν στην παρούσα εργασία λίγο πριν τη περιγραφή του σχεδιασμού της πλατφόρμας. Στο τέλος, ακολουθεί επίλογος και συμπεράσματα για τα προαναφερθέντα θέματα.","The aim of this report is to attempt an approach in scientific fields such as open data, analytics, big data, data mining techniques, machine learning, statistics, business intelligence and web search engines, especially in the insurance area. In addition to this theoretical research, there will be a trial design and implementation of a big data analytics product with a focus on the insurance sector, specifically concerning the risk management of photovoltaics, either before or after the danger has happened, which will easily integrate data mining tools and the rest of existing company's IT infrastructure. This product will support features such as data mining techniques and predictive elements, dedicated to the insurance risk management and marketing concerning photovoltaics. It will definitely include bussiness intelligence systems which will worκ as advisory when connected with data of the company Mentor S.A. - Surveyors, valuers, engineers, concerning past damages in photovoltaics. The users of this platform will eventually have the opportunity to assess a probable damage in such an insurance field. Another goal of such a trial version design, is to simplify the procedures of big data analytics into business processes of insurance companies. The proposed platform will provide a complete set of collaborative predictive analytics solutions which will enable the existing company's IT personnel to build useful structures of predictive models and score those models with huge data sets. The Predictive Analytics Platform for Web-based Services is to offer a complete package of tools, supporting a wide variety of predictive analytical processes, which work against mostly big data sources, consisting of both structured and unstructured data. The platform is based on intelligent algorithms which will provide feasible solutions around the complexities associated with the predictive analytical modeling. The use of the platform will eventually help companies gain competitive advantages by understanding better the profiles of their clients and by simplifying the insurance claim handling procedure, which will result in significant savings in costs and time spent."]},{"key":"dc:title","label":"Title","values":["Αξιοποίηση δεδομένων μεγάλου όγκου και Προβλεπτική Ανάλυση στην ασφάλιση φωτοβολταϊκών κινδύνων"]}]}],"canonical_facts":{"dc:creator":["Βράχα Σταματίνα"],"dc:date":["2015"],"dc:description":["Σκοπός της παρούσας εργασίας είναι σε ότι αφορά το πρώτο και θεωρητικό κομμάτι, να πραγματοποιηθεί μια προσέγγιση για το τι ακριβώς είναι τα ανοικτά δεδομένα, πού, πώς και πότε εφαρμόζονται και εν συνεχεία πώς συσχετίζονται με τον ασφαλιστικό κλάδο, τομέας ο οποίος θα αποτελέσει τον κοινό παρανομαστή όλων των κεφαλαίων της παρούσας διπλωματικής εργασίας. Σε ένα δεύτερο επίπεδο μελετούνται τα analytics ως επιστημονικός κλάδος προκειμένου να προχωρήσουμε την επιστημονική μας έρευνα στα μεγάλα δεδομένα (big data) και να καταγράψουμε τι είναι αυτά, και γιατί είναι τόσο σημαντικά στον ασφαλιστικό τομέα, αλλά και σε κάθε άλλη πτυχή κυρίως της επαγγελματικής μας δραστηριότητας. Στην συνέχεια δίνεται μεγαλύτερη έμφαση στο γιατί έχει γίνει τόση συζήτηση γύρω από αυτά. Αποδεικνύεται η σημασία τους σε όλους τους επιστημονικούς τομείς αλλά και τα οφέλη που προσδίδουν σε όλες τις μεγάλες επιχειρήσεις. Στο τέλος του 4ου κεφαλαίου καθίσταται κατανοητό γιατί είναι τόσο εξέχουσας σημασίας η χρήση τους από τις ασφαλιστικές εταιρείες. Στο 5ο κεφάλαιο επιχειρείται έρευνα στην εξόρυξη δεδομένων, στις μεθόδους της και στους τομείς εφαρμογής της. Γίνεται ευρεία ανάλυση σχετικά με τις τεχνολογίες της όπως παραδείγματος χάρη τη μηχανική μάθηση (machine learning), τη στατιστική (statistics), την επιχειρηματική ευφυΐα (business intelligence) και τις μηχανές αναζήτησης (web search engines).Εξετάζονται τα λογισμικά που χρησιμοποιούνται κατά την εφαρμογή τέτοιων τεχνολογιών στην εξόρυξη δεδομένων και καταλήγουμε στα πιο γνωστά και σημαντικά. Το δεύτερο και πιο πρακτικό κομμάτι αφορά στον σχεδιασμό μιας διαδικτυακής πλατφόρμας. Πιο συγκεκριμένα θα πραγματοποιηθεί μια απόπειρα σχεδιασμού μιας διαδικτυακής πλατφόρμας προβλεπτικής ανάλυσης με συμβουλευτικό σκοπό σχετικά με την ανάληψη κινδύνων φωτοβολταϊκών πάρκων στην οποία θα εφαρμόζονται τεχνικές εξόρυξης δεδομένων. Θα αξιοποιούνται δεδομένα μεγάλου όγκου σε πραγματικό χρόνο μέσω data mining. Επίσης, θα υποστηρίζει λειτουργίες όπως η Ενσωμάτωση, η Μοντελοποίηση και η Διανυσματοποίηση των Μεγάλων δεδομένων, οι οποίες θα καταστήσουν εφικτή τη χρήση μεθόδων επεξεργασίας σε διαφορετικές κλίμακες και ποσότητες δεδομένων. Ο βασικός στόχος του παρόντος έργου θα είναι η απλοποίηση πολύπλοκων τεχνικών και μεθοδολογιών μηχανικής μάθησης εξόρυξης κειμένου και αναγνώρισης μοτίβων κατά την εκτίμηση κινδύνων. Ο σχεδιασμός αυτής της πλατφόρμας θα περιλαμβάνει σύστημα ευφυΐας που θα λειτουργεί συμβουλευτικά εφόσον θα συνδέεται με δεδομένα από τον server της εταιρείας Μέντωρ (Πραγματογνώμονες – Εκτιμητές - Μηχανικοί Α.Ε) που αφορούν παρελθοντικές ζημιές σε φωτοβολταϊκά πάρκα και φωτοβολταϊκές εγκαταστάσεις γενικότερα. Οι πραγματογνώμονες της εταιρείας αλλά και οι πελάτες της (ασφαλιστικές εταιρείες) θα μπορούν βάζοντας νέα δεδομένα, με βάση τα παλιά, να κάνουν μια πρώτη εκτίμηση της ζημιάς και συνδυαστικά να βλέπουν και μέτρα προστασίας και λοιπές σχετικές πληροφορίες πριν την ανάληψη του κινδύνου ή αφότου κάποιο ασφαλισμένο πάρκο έχει πάθει κάποιου είδους ζημιά. Για τον σκοπό αυτόν λοιπόν, περιλαμβάνεται προγενέστερα από τον σχεδιασμό της πλατφόρμας κεφάλαιο στο οποίο περιγράφονται αναλυτικά τα είδη των φωτοβολταϊκών, οι λόγοι για τους οποίους είναι σημαντική η χρήση τέτοιων πηγών ανανεώσιμης ενέργειας αλλά και οι τρόποι με τους οποίους ασφαλίζονται τέτοιου είδους περιουσίες. Η περιγραφή του τρόπου ασφάλισης των φωτοβολταϊκών σχετίζεται άμεσα με τη πλατφόρμα που θέλουμε να σχεδιάσουμε και γι’ αυτό γίνεται εκτενής αναφορά. Ο σχεδιασμός της πλατφόρμας πραγματοποιείται με βάση συνεντεύξεις από ειδικούς του είδους, τα αποτελέσματα των οποίων θα παρατεθούν στην παρούσα εργασία λίγο πριν τη περιγραφή του σχεδιασμού της πλατφόρμας. Στο τέλος, ακολουθεί επίλογος και συμπεράσματα για τα προαναφερθέντα θέματα.","The aim of this report is to attempt an approach in scientific fields such as open data, analytics, big data, data mining techniques, machine learning, statistics, business intelligence and web search engines, especially in the insurance area. In addition to this theoretical research, there will be a trial design and implementation of a big data analytics product with a focus on the insurance sector, specifically concerning the risk management of photovoltaics, either before or after the danger has happened, which will easily integrate data mining tools and the rest of existing company's IT infrastructure. This product will support features such as data mining techniques and predictive elements, dedicated to the insurance risk management and marketing concerning photovoltaics. It will definitely include bussiness intelligence systems which will worκ as advisory when connected with data of the company Mentor S.A. - Surveyors, valuers, engineers, concerning past damages in photovoltaics. The users of this platform will eventually have the opportunity to assess a probable damage in such an insurance field. Another goal of such a trial version design, is to simplify the procedures of big data analytics into business processes of insurance companies. The proposed platform will provide a complete set of collaborative predictive analytics solutions which will enable the existing company's IT personnel to build useful structures of predictive models and score those models with huge data sets. The Predictive Analytics Platform for Web-based Services is to offer a complete package of tools, supporting a wide variety of predictive analytical processes, which work against mostly big data sources, consisting of both structured and unstructured data. The platform is based on intelligent algorithms which will provide feasible solutions around the complexities associated with the predictive analytical modeling. The use of the platform will eventually help companies gain competitive advantages by understanding better the profiles of their clients and by simplifying the insurance claim handling procedure, which will result in significant savings in costs and time spent."],"dc:identifier":["uoadl:1447699","https://pergamos.lib.uoa.gr/uoa/dl/object/1447699"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Αξιοποίηση δεδομένων μεγάλου όγκου και Προβλεπτική Ανάλυση στην ασφάλιση φωτοβολταϊκών κινδύνων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:28:04Z"}