National and Kapodistrian University of Athens
Ανάπτυξη συστήματος υποστήριξης αποφάσεων για τον εντοπισμό και την προτεραιοποίηση ελέγχου αποκλίσεων στο λειτουργικό κόστος μικρομεσσαίων επιχειρήσεων λιανικής
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία αναπτύσσει ένα Σύστημα Υποστήριξης Αποφάσεων (Decision Support System – DSS) για τον ημερήσιο εντοπισμό αποκλίσεων στο λειτουργικό κόστος μικρομεσαίων επιχειρήσεων λιανικής, συνδυάζοντας αρχιτεκτονική βάσης δεδομένων, χρηματοοικονομική ανάλυση, επιχειρησιακή λογική και μηχανική μάθηση (machine learning). Αφετηρία της μελέτης αποτέλεσε η διαπίστωση ότι τα πρωτογενή δεδομένα λιανικών συναλλαγών δεν επαρκούν από μόνα τους για συστηματική οικονομική παρακολούθηση, καθώς αποτυπώνουν επιμέρους πωλήσεις χωρίς να παρέχουν ημερήσια εικόνα οικονομικής λειτουργίας ανά κατάστημα. Για την αντιμετώπιση αυτού του κενού σχεδιάστηκε και υλοποιήθηκε πολυεπίπεδη βάση δεδομένων σε περιβάλλον PostgreSQL, μέσω της οποίας οι αρχικές συναλλαγές καθαρίστηκαν, οργανώθηκαν και μετασχηματίστηκαν σε ημερήσιο επίπεδο παρατήρησης ανά κατάστημα και ημερομηνία. Στο πλαίσιο αυτό ενσωματώθηκαν προσεγγιστικό κόστος πωληθέντων (Cost of Goods Sold – COGS), βασικές κατηγορίες λειτουργικών εξόδων (Operating Expenses – OPEX) και ημερήσια κατάσταση αποτελεσμάτων (Profit and Loss – P&L), ενώ υπολογίστηκαν και βασικοί αριθμοδείκτες, όπως ο λόγος κόστους πωληθέντων προς πωλήσεις και ο λόγος λειτουργικού κόστους προς πωλήσεις. Στη συνέχεια αναπτύχθηκε μεθοδολογικά ελεγχόμενο πείραμα μηχανικής μάθησης, στο οποίο ο στόχος δεν ήταν εκ των προτέρων διαθέσιμος λόγω απουσίας εξωτερικά επιβεβαιωμένων περιπτώσεων ανωμαλίας. Για τον λόγο αυτό ορίστηκε έμμεσος κανόνας επισήμανσης (proxy rule), βασισμένος αποκλειστικά στο ιστορικό παρελθόν κάθε καταστήματος, με χρήση κυλιόμενων μέσων όρων και κυλιόμενων τυπικών αποκλίσεων. Ακολούθησε εκπαίδευση και συγκριτική αξιολόγηση τριών μοντέλων ταξινόμησης, της Λογιστικής Παλινδρόμησης (Logistic Regression), του Τυχαίου Δάσους (Random Forest) και του XGBoost, με αυστηρή αποτροπή διαρροής πληροφορίας και χρονικό διαχωρισμό σε σύνολα εκπαίδευσης, επικύρωσης και ελέγχου. Τα αποτελέσματα έδειξαν ότι το προτεινόμενο πλαίσιο μπορεί να υποστηρίξει με συνέπεια τον εντοπισμό ημερών με αυξημένη πιθανότητα απόκλισης και να μετασχηματίζει τις προβλέψεις σε λίστα ημερών προς λογιστικό ή διοικητικό έλεγχο (audit queue).
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΧΑΡΙΤΟΣ ΙΩΑΝΝΗΣ
- CHARITOS IOANNIS
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:5452813