{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3363656"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3363656","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αλυσίδα εφοδιασμού, CRM και τεχνητή νοημοσύνη","abstract":"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.","abstract_html":"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.","abstract_has_math":false,"creators":["Γκολλόση Ελένη","Gollosi Eleni"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:26:54Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3363656"],"render_values":[{"text":"uoadl:3363656","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3363656","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3363656","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%3A3363656","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γκολλόση Ελένη","Gollosi Eleni"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"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":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"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:3363656","https://pergamos.lib.uoa.gr/uoa/dl/object/3363656"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["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.","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."]},{"key":"dc:title","label":"Title","values":["Αλυσίδα εφοδιασμού, CRM και τεχνητή νοημοσύνη"]}]}],"canonical_facts":{"dc:creator":["Γκολλόση Ελένη","Gollosi Eleni"],"dc:date":["2023"],"dc:description":["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.","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."],"dc:identifier":["uoadl:3363656","https://pergamos.lib.uoa.gr/uoa/dl/object/3363656"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Αλυσίδα εφοδιασμού, CRM και τεχνητή νοημοσύνη"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:26:54Z"}