{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5313908"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5313908","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Βελτιστοποίηση Προβλέψεων Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία","abstract":"Η διπλωματική εργασία με τίτλο «Βελτιστοποίηση Πρόβλεψης Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία» εστιάζει στην χρήση αλγορίθμων μηχανικής μάθησης με σκοπό την βελτίωση της ακρίβειας των τιμών πωλήσεων που πραγματοποιούνται στον κλάδο της αυτοκινητοβιομηχανίας. Η παρακάτω μελέτη αναλύει την αγορά της Ευρώπης, και συγκεκριμένα του Ηνωμένου Βασιλείου, και παρουσιάζει τις προκλήσεις και τις τάσεις που υπάρχουν στον κλάδο αυτό, όπως η μετάβαση σε ηλεκτρικά οχήματα και η επίδραση που υπάρχει στην εφοδιαστική αλυσίδα. Στην παρούσα εργασία χρησιμοποιείται το dataset DVM-CAR, το οποίο περιλαμβάνει στοιχεία από την αγγλική αγορά αυτοκινήτων από το 2001 έως το 2020, για την εξαγωγή συμπερασμάτων. Για την ανάλυση εφαρμόστηκαν και συγκρίθηκαν οι αλγόριθμοι Decision Trees, Random Forest και XGBoost, με στόχο την πρόβλεψη πωλήσεων βάση των χαρακτηριστικών που έχει το κάθε όχημα. Τα αποτελέσματα που παρήχθησαν αξιολογούνται με βάση μετρικές απόδοσης και η εργασία καταλήγει σε συμπεράσματα τα οποία είναι σχετικά με τα χαρακτηριστικά που επηρεάζουν την απόφαση που θα λάβει ο καταναλωτής για την αγορά ενός αυτοκινήτου. Οι μεταβλητές που επηρέαζαν σε μεγαλύτερο βαθμό τα αποτελέσματα ήταν οι Engine_power και Resale_Price. Η εργασία αυτή συμβάλει στην κατανόηση της αγοραστικής συμπεριφοράς και προτείνει μεθόδους στρατηγικής υποστήριξης για τις επιχειρήσεις του κλάδου.","abstract_html":"Η διπλωματική εργασία με τίτλο «Βελτιστοποίηση Πρόβλεψης Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία» εστιάζει στην χρήση αλγορίθμων μηχανικής μάθησης με σκοπό την βελτίωση της ακρίβειας των τιμών πωλήσεων που πραγματοποιούνται στον κλάδο της αυτοκινητοβιομηχανίας. Η παρακάτω μελέτη αναλύει την αγορά της Ευρώπης, και συγκεκριμένα του Ηνωμένου Βασιλείου, και παρουσιάζει τις προκλήσεις και τις τάσεις που υπάρχουν στον κλάδο αυτό, όπως η μετάβαση σε ηλεκτρικά οχήματα και η επίδραση που υπάρχει στην εφοδιαστική αλυσίδα. Στην παρούσα εργασία χρησιμοποιείται το dataset DVM-CAR, το οποίο περιλαμβάνει στοιχεία από την αγγλική αγορά αυτοκινήτων από το 2001 έως το 2020, για την εξαγωγή συμπερασμάτων. Για την ανάλυση εφαρμόστηκαν και συγκρίθηκαν οι αλγόριθμοι Decision Trees, Random Forest και XGBoost, με στόχο την πρόβλεψη πωλήσεων βάση των χαρακτηριστικών που έχει το κάθε όχημα. Τα αποτελέσματα που παρήχθησαν αξιολογούνται με βάση μετρικές απόδοσης και η εργασία καταλήγει σε συμπεράσματα τα οποία είναι σχετικά με τα χαρακτηριστικά που επηρεάζουν την απόφαση που θα λάβει ο καταναλωτής για την αγορά ενός αυτοκινήτου. Οι μεταβλητές που επηρέαζαν σε μεγαλύτερο βαθμό τα αποτελέσματα ήταν οι Engine_power και Resale_Price. Η εργασία αυτή συμβάλει στην κατανόηση της αγοραστικής συμπεριφοράς και προτείνει μεθόδους στρατηγικής υποστήριξης για τις επιχειρήσεις του κλάδου.","abstract_has_math":false,"creators":["ΛΙΤΣΗΣ ΒΑΣΙΛΕΙΟΣ","LITSIS VASILEIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:54Z","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:5313908"],"render_values":[{"text":"uoadl:5313908","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5313908","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5313908","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%3A5313908","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΛΙΤΣΗΣ ΒΑΣΙΛΕΙΟΣ","LITSIS VASILEIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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:5313908","https://pergamos.lib.uoa.gr/uoa/dl/object/5313908"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η διπλωματική εργασία με τίτλο «Βελτιστοποίηση Πρόβλεψης Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία» εστιάζει στην χρήση αλγορίθμων μηχανικής μάθησης με σκοπό την βελτίωση της ακρίβειας των τιμών πωλήσεων που πραγματοποιούνται στον κλάδο της αυτοκινητοβιομηχανίας. Η παρακάτω μελέτη αναλύει την αγορά της Ευρώπης, και συγκεκριμένα του Ηνωμένου Βασιλείου, και παρουσιάζει τις προκλήσεις και τις τάσεις που υπάρχουν στον κλάδο αυτό, όπως η μετάβαση σε ηλεκτρικά οχήματα και η επίδραση που υπάρχει στην εφοδιαστική αλυσίδα. Στην παρούσα εργασία χρησιμοποιείται το dataset DVM-CAR, το οποίο περιλαμβάνει στοιχεία από την αγγλική αγορά αυτοκινήτων από το 2001 έως το 2020, για την εξαγωγή συμπερασμάτων. Για την ανάλυση εφαρμόστηκαν και συγκρίθηκαν οι αλγόριθμοι Decision Trees, Random Forest και XGBoost, με στόχο την πρόβλεψη πωλήσεων βάση των χαρακτηριστικών που έχει το κάθε όχημα. Τα αποτελέσματα που παρήχθησαν αξιολογούνται με βάση μετρικές απόδοσης και η εργασία καταλήγει σε συμπεράσματα τα οποία είναι σχετικά με τα χαρακτηριστικά που επηρεάζουν την απόφαση που θα λάβει ο καταναλωτής για την αγορά ενός αυτοκινήτου. Οι μεταβλητές που επηρέαζαν σε μεγαλύτερο βαθμό τα αποτελέσματα ήταν οι Engine_power και Resale_Price. Η εργασία αυτή συμβάλει στην κατανόηση της αγοραστικής συμπεριφοράς και προτείνει μεθόδους στρατηγικής υποστήριξης για τις επιχειρήσεις του κλάδου.","The thesis titled \"Optimization of Sales Forecasting through Machine Learning in the Automotive Industry with a Focus on the United Kingdom\" focuses on the use of machine learning algorithms with the aim of improving the accuracy of sale prices forecasts in the automotive sector. This study analyzes the European market, specifically the United Kingdom, and presents the challenges and trends in this industry, such as the transition to electric vehicles and the impact of the supply chain. The present work utilizes the DVM-CAR dataset, which contains data from the UK car market from 2001 to 2020, in order to draw conclusions. For the analysis, the algorithms Decision Trees, Random Forest, and XGBoost were applied and compared, with the objective of predicting sales based on the features of each vehicle. The results produced are evaluated using performance metrics, and the thesis concludes with findings related to the features that influence the consumer’s decision to purchase a car. The variables that had the biggest impact on this on this analysis are Engine_power and Resale_Price. This work contributes to the understanding of consumer buying behavior and proposes strategic support methods for businesses in the automotive sector."]},{"key":"dc:title","label":"Title","values":["Βελτιστοποίηση Προβλέψεων Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία"]}]}],"canonical_facts":{"dc:creator":["ΛΙΤΣΗΣ ΒΑΣΙΛΕΙΟΣ","LITSIS VASILEIOS"],"dc:date":["2025"],"dc:description":["Η διπλωματική εργασία με τίτλο «Βελτιστοποίηση Πρόβλεψης Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία» εστιάζει στην χρήση αλγορίθμων μηχανικής μάθησης με σκοπό την βελτίωση της ακρίβειας των τιμών πωλήσεων που πραγματοποιούνται στον κλάδο της αυτοκινητοβιομηχανίας. Η παρακάτω μελέτη αναλύει την αγορά της Ευρώπης, και συγκεκριμένα του Ηνωμένου Βασιλείου, και παρουσιάζει τις προκλήσεις και τις τάσεις που υπάρχουν στον κλάδο αυτό, όπως η μετάβαση σε ηλεκτρικά οχήματα και η επίδραση που υπάρχει στην εφοδιαστική αλυσίδα. Στην παρούσα εργασία χρησιμοποιείται το dataset DVM-CAR, το οποίο περιλαμβάνει στοιχεία από την αγγλική αγορά αυτοκινήτων από το 2001 έως το 2020, για την εξαγωγή συμπερασμάτων. Για την ανάλυση εφαρμόστηκαν και συγκρίθηκαν οι αλγόριθμοι Decision Trees, Random Forest και XGBoost, με στόχο την πρόβλεψη πωλήσεων βάση των χαρακτηριστικών που έχει το κάθε όχημα. Τα αποτελέσματα που παρήχθησαν αξιολογούνται με βάση μετρικές απόδοσης και η εργασία καταλήγει σε συμπεράσματα τα οποία είναι σχετικά με τα χαρακτηριστικά που επηρεάζουν την απόφαση που θα λάβει ο καταναλωτής για την αγορά ενός αυτοκινήτου. Οι μεταβλητές που επηρέαζαν σε μεγαλύτερο βαθμό τα αποτελέσματα ήταν οι Engine_power και Resale_Price. Η εργασία αυτή συμβάλει στην κατανόηση της αγοραστικής συμπεριφοράς και προτείνει μεθόδους στρατηγικής υποστήριξης για τις επιχειρήσεις του κλάδου.","The thesis titled \"Optimization of Sales Forecasting through Machine Learning in the Automotive Industry with a Focus on the United Kingdom\" focuses on the use of machine learning algorithms with the aim of improving the accuracy of sale prices forecasts in the automotive sector. This study analyzes the European market, specifically the United Kingdom, and presents the challenges and trends in this industry, such as the transition to electric vehicles and the impact of the supply chain. The present work utilizes the DVM-CAR dataset, which contains data from the UK car market from 2001 to 2020, in order to draw conclusions. For the analysis, the algorithms Decision Trees, Random Forest, and XGBoost were applied and compared, with the objective of predicting sales based on the features of each vehicle. The results produced are evaluated using performance metrics, and the thesis concludes with findings related to the features that influence the consumer’s decision to purchase a car. The variables that had the biggest impact on this on this analysis are Engine_power and Resale_Price. This work contributes to the understanding of consumer buying behavior and proposes strategic support methods for businesses in the automotive sector."],"dc:identifier":["uoadl:5313908","https://pergamos.lib.uoa.gr/uoa/dl/object/5313908"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Βελτιστοποίηση Προβλέψεων Πωλήσεων μέσω Machine Learning στην αυτοκινητοβιομηχανία με εστίαση στην Αγγλία"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:54Z"}