{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5452656"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5452656","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"The impact of artificial intelligence incorporation in the banking sector and future outcomes","abstract":"Στόχος της παρούσας εργασίας είναι η διερεύνηση του αντίκτυπου της ενσωμάτωσης της Τεχνητής Νοημοσύνης και η πρόβλεψη αποχώρησης πελατών στον τραπεζικό κλάδο. Η Τεχνητή Νοημοσύνη έχει μεγάλο αντίκτυπο στη διαμόρφωση του τρόπου λειτουργίας των χρηματοπιστωτικών ιδρυμάτων τόσο εσωτερικά όσο και σε σχέση με την εξυπηρέτηση των πελατών τους. Η ικανότητα αυτοματοποίησης εργασιών και, κατ’ επέκταση, της μείωσης του κόστους, σε συνδυασμό με τις αναλυτικές και προγνωστικές της ικανότητες, έχει μετατρέψει την Τεχνητή Νοημοσύνη σε μία τεχνολογία που αναζητείται από κάθε είδους επιχείρηση. Μία αρχική θεωρητική προσέγγιση εξετάζει την ανάπτυξη αυτής της τεχνολογίας διαχρονικά, ακολουθούμενη από τον ρόλο της σε ορισμένους από τους πιο σημαντικούς τομείς του τραπεζικού κλάδου, συγκεκριμένα την ανίχνευση απάτης και την εξυπηρέτηση πελατών, καταλήγοντας στην αξιολόγηση των κινδύνων και των απειλών που μπορεί να προκύψουν από τη χρήση της. Το επόμενο μέρος ακολουθεί μία μεθοδολογική προσέγγιση για το πώς η Μηχανική Μάθηση, ένα υποσύνολο της Τεχνητής Νοημοσύνης που επικεντρώνεται στην εκμάθηση συστημάτων μέσω ιστορικών δεδομένων, μπορεί να βοηθήσει αναλύοντας ένα σύνολο πληροφοριών σχετικά με την αποχώρηση πελατών μιας τράπεζας. Το θέμα της παρούσας ανάλυσης επικεντρώνεται στην ανάπτυξη προβλέψεων σχετικά με τη διατήρηση ή την αποχώρηση των εν λόγω πελατών, αναλύοντας προσωπικά τους δεδομένα μέσω μεθόδων μηχανικής μάθησης και προσδιορίζοντας ποια χαρακτηριστικά έχουν μεγαλύτερη επιρροή. Η πρόβλεψη αυτών των περιστατικών είναι ζωτικής σημασίας. Μέσω αξιόπιστων προβλέψεων, οι τράπεζες μπορούν να προνοούν στην προσφορά κινήτρων στους πελάτες για να μην κλείσουν τους λογαριασμούς τους και να σταματήσουν να συναλλάσσονται μαζί τους, επωφελούμενοι έτσι όχι μόνο μέσω της πώλησης προϊόντων αλλά και μέσω της αξιοποίησης των καταθέσεών τους. Η διπλωματική εργασία ολοκληρώνεται με την παρουσίαση των τελικών συμπερασμάτων.","abstract_html":"Στόχος της παρούσας εργασίας είναι η διερεύνηση του αντίκτυπου της ενσωμάτωσης της Τεχνητής Νοημοσύνης και η πρόβλεψη αποχώρησης πελατών στον τραπεζικό κλάδο. Η Τεχνητή Νοημοσύνη έχει μεγάλο αντίκτυπο στη διαμόρφωση του τρόπου λειτουργίας των χρηματοπιστωτικών ιδρυμάτων τόσο εσωτερικά όσο και σε σχέση με την εξυπηρέτηση των πελατών τους. Η ικανότητα αυτοματοποίησης εργασιών και, κατ’ επέκταση, της μείωσης του κόστους, σε συνδυασμό με τις αναλυτικές και προγνωστικές της ικανότητες, έχει μετατρέψει την Τεχνητή Νοημοσύνη σε μία τεχνολογία που αναζητείται από κάθε είδους επιχείρηση. Μία αρχική θεωρητική προσέγγιση εξετάζει την ανάπτυξη αυτής της τεχνολογίας διαχρονικά, ακολουθούμενη από τον ρόλο της σε ορισμένους από τους πιο σημαντικούς τομείς του τραπεζικού κλάδου, συγκεκριμένα την ανίχνευση απάτης και την εξυπηρέτηση πελατών, καταλήγοντας στην αξιολόγηση των κινδύνων και των απειλών που μπορεί να προκύψουν από τη χρήση της. Το επόμενο μέρος ακολουθεί μία μεθοδολογική προσέγγιση για το πώς η Μηχανική Μάθηση, ένα υποσύνολο της Τεχνητής Νοημοσύνης που επικεντρώνεται στην εκμάθηση συστημάτων μέσω ιστορικών δεδομένων, μπορεί να βοηθήσει αναλύοντας ένα σύνολο πληροφοριών σχετικά με την αποχώρηση πελατών μιας τράπεζας. Το θέμα της παρούσας ανάλυσης επικεντρώνεται στην ανάπτυξη προβλέψεων σχετικά με τη διατήρηση ή την αποχώρηση των εν λόγω πελατών, αναλύοντας προσωπικά τους δεδομένα μέσω μεθόδων μηχανικής μάθησης και προσδιορίζοντας ποια χαρακτηριστικά έχουν μεγαλύτερη επιρροή. Η πρόβλεψη αυτών των περιστατικών είναι ζωτικής σημασίας. Μέσω αξιόπιστων προβλέψεων, οι τράπεζες μπορούν να προνοούν στην προσφορά κινήτρων στους πελάτες για να μην κλείσουν τους λογαριασμούς τους και να σταματήσουν να συναλλάσσονται μαζί τους, επωφελούμενοι έτσι όχι μόνο μέσω της πώλησης προϊόντων αλλά και μέσω της αξιοποίησης των καταθέσεών τους. Η διπλωματική εργασία ολοκληρώνεται με την παρουσίαση των τελικών συμπερασμάτων.","abstract_has_math":false,"creators":["ΣΚΟΥΦΑΛΟΣ ΕΜΜΑΝΟΥΗΛ","SKOUFALOS EMMANOUIL"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:52Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5452656"],"render_values":[{"text":"uoadl:5452656","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5452656","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5452656","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%3A5452656","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΣΚΟΥΦΑΛΟΣ ΕΜΜΑΝΟΥΗΛ","SKOUFALOS EMMANOUIL"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5452656","https://pergamos.lib.uoa.gr/uoa/dl/object/5452656"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στόχος της παρούσας εργασίας είναι η διερεύνηση του αντίκτυπου της ενσωμάτωσης της Τεχνητής Νοημοσύνης και η πρόβλεψη αποχώρησης πελατών στον τραπεζικό κλάδο. Η Τεχνητή Νοημοσύνη έχει μεγάλο αντίκτυπο στη διαμόρφωση του τρόπου λειτουργίας των χρηματοπιστωτικών ιδρυμάτων τόσο εσωτερικά όσο και σε σχέση με την εξυπηρέτηση των πελατών τους. Η ικανότητα αυτοματοποίησης εργασιών και, κατ’ επέκταση, της μείωσης του κόστους, σε συνδυασμό με τις αναλυτικές και προγνωστικές της ικανότητες, έχει μετατρέψει την Τεχνητή Νοημοσύνη σε μία τεχνολογία που αναζητείται από κάθε είδους επιχείρηση. Μία αρχική θεωρητική προσέγγιση εξετάζει την ανάπτυξη αυτής της τεχνολογίας διαχρονικά, ακολουθούμενη από τον ρόλο της σε ορισμένους από τους πιο σημαντικούς τομείς του τραπεζικού κλάδου, συγκεκριμένα την ανίχνευση απάτης και την εξυπηρέτηση πελατών, καταλήγοντας στην αξιολόγηση των κινδύνων και των απειλών που μπορεί να προκύψουν από τη χρήση της. Το επόμενο μέρος ακολουθεί μία μεθοδολογική προσέγγιση για το πώς η Μηχανική Μάθηση, ένα υποσύνολο της Τεχνητής Νοημοσύνης που επικεντρώνεται στην εκμάθηση συστημάτων μέσω ιστορικών δεδομένων, μπορεί να βοηθήσει αναλύοντας ένα σύνολο πληροφοριών σχετικά με την αποχώρηση πελατών μιας τράπεζας. Το θέμα της παρούσας ανάλυσης επικεντρώνεται στην ανάπτυξη προβλέψεων σχετικά με τη διατήρηση ή την αποχώρηση των εν λόγω πελατών, αναλύοντας προσωπικά τους δεδομένα μέσω μεθόδων μηχανικής μάθησης και προσδιορίζοντας ποια χαρακτηριστικά έχουν μεγαλύτερη επιρροή. Η πρόβλεψη αυτών των περιστατικών είναι ζωτικής σημασίας. Μέσω αξιόπιστων προβλέψεων, οι τράπεζες μπορούν να προνοούν στην προσφορά κινήτρων στους πελάτες για να μην κλείσουν τους λογαριασμούς τους και να σταματήσουν να συναλλάσσονται μαζί τους, επωφελούμενοι έτσι όχι μόνο μέσω της πώλησης προϊόντων αλλά και μέσω της αξιοποίησης των καταθέσεών τους. Η διπλωματική εργασία ολοκληρώνεται με την παρουσίαση των τελικών συμπερασμάτων.","The aim of this thesis is to explore the impact of Artificial Intelligence integration and the prediction of customer churn in the banking sector. Artificial Intelligence has great impact on shaping the way financial institutions operate both internally and in relation to servicing their customers. The ability to automate tasks, and subsequently reduce costs, in combination with its analytic and predictive abilities has turned Artificial Intelligence into a technology sought-after by every type of business. An initial theoretical approach examines its development through the years, followed by its role in some of the most important areas of the banking sector, specifically fraud detection and customer service, and ends up assessing risks and threats that may arise by its use. The next part follows a methodological approach on how Machine Learning, a subset of Artificial Intelligence focused on systems that learn from historical data, can assist by analyzing a dataset regarding customer churn information of a bank. The subject of this analysis is focused on developing predictions regarding retaining or losing said customers by analyzing their personal data through machine learning methods while identifying which features have the most influence. Predicting those incidents is of crucial importance. Through reliable predictions banks can be proactive in offering motives to customers not to close their accounts and stop doing business with them, thus benefiting not only through selling products but by leveraging their deposits as well. The thesis is completed by presenting the final conclusions."]},{"key":"dc:title","label":"Title","values":["The impact of artificial intelligence incorporation in the banking sector and future outcomes"]}]}],"canonical_facts":{"dc:creator":["ΣΚΟΥΦΑΛΟΣ ΕΜΜΑΝΟΥΗΛ","SKOUFALOS EMMANOUIL"],"dc:date":["2026"],"dc:description":["Στόχος της παρούσας εργασίας είναι η διερεύνηση του αντίκτυπου της ενσωμάτωσης της Τεχνητής Νοημοσύνης και η πρόβλεψη αποχώρησης πελατών στον τραπεζικό κλάδο. Η Τεχνητή Νοημοσύνη έχει μεγάλο αντίκτυπο στη διαμόρφωση του τρόπου λειτουργίας των χρηματοπιστωτικών ιδρυμάτων τόσο εσωτερικά όσο και σε σχέση με την εξυπηρέτηση των πελατών τους. Η ικανότητα αυτοματοποίησης εργασιών και, κατ’ επέκταση, της μείωσης του κόστους, σε συνδυασμό με τις αναλυτικές και προγνωστικές της ικανότητες, έχει μετατρέψει την Τεχνητή Νοημοσύνη σε μία τεχνολογία που αναζητείται από κάθε είδους επιχείρηση. Μία αρχική θεωρητική προσέγγιση εξετάζει την ανάπτυξη αυτής της τεχνολογίας διαχρονικά, ακολουθούμενη από τον ρόλο της σε ορισμένους από τους πιο σημαντικούς τομείς του τραπεζικού κλάδου, συγκεκριμένα την ανίχνευση απάτης και την εξυπηρέτηση πελατών, καταλήγοντας στην αξιολόγηση των κινδύνων και των απειλών που μπορεί να προκύψουν από τη χρήση της. Το επόμενο μέρος ακολουθεί μία μεθοδολογική προσέγγιση για το πώς η Μηχανική Μάθηση, ένα υποσύνολο της Τεχνητής Νοημοσύνης που επικεντρώνεται στην εκμάθηση συστημάτων μέσω ιστορικών δεδομένων, μπορεί να βοηθήσει αναλύοντας ένα σύνολο πληροφοριών σχετικά με την αποχώρηση πελατών μιας τράπεζας. Το θέμα της παρούσας ανάλυσης επικεντρώνεται στην ανάπτυξη προβλέψεων σχετικά με τη διατήρηση ή την αποχώρηση των εν λόγω πελατών, αναλύοντας προσωπικά τους δεδομένα μέσω μεθόδων μηχανικής μάθησης και προσδιορίζοντας ποια χαρακτηριστικά έχουν μεγαλύτερη επιρροή. Η πρόβλεψη αυτών των περιστατικών είναι ζωτικής σημασίας. Μέσω αξιόπιστων προβλέψεων, οι τράπεζες μπορούν να προνοούν στην προσφορά κινήτρων στους πελάτες για να μην κλείσουν τους λογαριασμούς τους και να σταματήσουν να συναλλάσσονται μαζί τους, επωφελούμενοι έτσι όχι μόνο μέσω της πώλησης προϊόντων αλλά και μέσω της αξιοποίησης των καταθέσεών τους. Η διπλωματική εργασία ολοκληρώνεται με την παρουσίαση των τελικών συμπερασμάτων.","The aim of this thesis is to explore the impact of Artificial Intelligence integration and the prediction of customer churn in the banking sector. Artificial Intelligence has great impact on shaping the way financial institutions operate both internally and in relation to servicing their customers. The ability to automate tasks, and subsequently reduce costs, in combination with its analytic and predictive abilities has turned Artificial Intelligence into a technology sought-after by every type of business. An initial theoretical approach examines its development through the years, followed by its role in some of the most important areas of the banking sector, specifically fraud detection and customer service, and ends up assessing risks and threats that may arise by its use. The next part follows a methodological approach on how Machine Learning, a subset of Artificial Intelligence focused on systems that learn from historical data, can assist by analyzing a dataset regarding customer churn information of a bank. The subject of this analysis is focused on developing predictions regarding retaining or losing said customers by analyzing their personal data through machine learning methods while identifying which features have the most influence. Predicting those incidents is of crucial importance. Through reliable predictions banks can be proactive in offering motives to customers not to close their accounts and stop doing business with them, thus benefiting not only through selling products but by leveraging their deposits as well. The thesis is completed by presenting the final conclusions."],"dc:identifier":["uoadl:5452656","https://pergamos.lib.uoa.gr/uoa/dl/object/5452656"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["The impact of artificial intelligence incorporation in the banking sector and future outcomes"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:52Z"}