Δυνατότητες διαχείρισης Μεγάλων Δεδομένων (Big Data) στον Τραπεζικό τομέα: επισκόπηση μεθοδολογιών, πεδίων εφαρμογής και περιπτώσεων μελέτης. Αξιολόγηση ωριμότητας Κεντρικών Τραπεζών.

Big Data capabilities for the Banking sector: an overview of methodologies, use cases and case studies. Maturity assessement of Central Banks (Αγγλική)

  1. MSc thesis
  2. Litou, Olga
  3. Διοίκηση Επιχειρήσεων (MBA)
  4. 11 Σεπτεμβρίου 2022 [2022-09-11]
  5. Αγγλικά
  6. 94
  7. Siougle, Georgia
  8. Siougle, Georgia | Tzovas, Christos
  9. banking | τραπεζική | big data | μεγάλα δεδομένα | machine learning methodologies | μεθοδολογιες μηχανικής μάθησης | central banks | κεντρικές τράπεζες
  10. 100
  11. 0
    • Οι πρόσφατες τεχνολογικές εξελίξεις στον τομέα της διάθεσης και επεξεργασίας δεδομένων, καθώς και η εκτεταμένη δυνατότητα συλλογής δεδομένων από μια μεγάλη γκάμα επιχειρηματικών κλάδων, δημιούργησαν πρόσφορο έδαφος για την αξιοποίηση προηγμένων τεχνολογιών αναλυσης Μεγάλων Δεδομένων σε διάφορους τομείς της αγοράς. Η πρόσβαση σε δεδομένα με τρόπους φιλικότερους προς το χρήστη, η υψηλότερη και πιο προσιτή υπολογιστική ισχύς, καθώς και η αμεσότερη πρόσβαση στις τεχνικές ανάλυσης δεδομένων, έχουν μειώσει δραστικά τα εμπόδια εισόδου, επιετρέποντας σε όλο και περισσότερους κλάδους να ενσωματώσουν νέες τεχνολογίες στο ενεργητικό τους, παρατηρώντας ήδη απτά επιχειρηματικά οφέλη. Σκοπός αυτής της διπλωματικής εργασίας είναι να εξεταστεί η δυνατότητα εφαρμογής σύγχρονων τεχνολογιών στον τομέα της ανάλυσης δεδομένων σε επιχειρηματικά ερωτήματα που αφορούν τον Τραπεζικό τομέα. Στα πλαίσια αυτά, παρουσιάζονται πεδία χρήσης με υψηλή εφαρμοστικότητα στον Τραπεζικό κλάδο, καθώς και τα αναμενόμενα επιχειρηματικά οφέλη και μεθοδολογίες που μπορούν να εφαρμοστούν σε κάθε περίπτωση. Επιπλέον, επικεντρωνόμαστε στις Κεντρικές Τράπεζες και στο κατά πόσο ανταποκρίνονται στις προκλήσεις της τεχνολογικής καινοτομίας. Τέλος, παρουσιάζονται μελέτες περίπτωσης τραπεζικών οργανισμών από τον διεθνή τραπεζικό κλάδο, οι οποίοι έχουν ενσωματώσει στις εργασίες τους τεχνολογίες ανάλυσης δεδομένων ενισχύοντας τα επιχειρηματικά τους μοντέλα.
    • Recent technological advances in data access and data processing techniques, as well as the ever-growing landscape of harvested data following various industries, have recently enabled the utilization of advanced analytics and machine learning methodologies within a variety of market sectors. Easier-to-use data access, higher and more affordable computing power, as well as the democratization of data analysis and data modelling tools, have lowered drastically the entry barriers, and most industries are already observing tangible business benefits by incorporating Predictive Analytics and Data Science capabilities in their existing business processes. The purpose of this Dissertation is to evaluate the applicability of today’s state of the art data science methodologies with relevance to the Banking sector’s business operations and process; we will present a variety of highly-applicable business use cases to the Banking industry, along with their expected benefits, and corresponding methodologies applicable in each case. Moreover, we will apply an observatory lens on Central Banks, and attempt to assess their current maturity status with regards to this innovation journey. Finally, we will focus on certain success stories from the global Banking market, where real-world Banking organizations have successfully applied these capabilities and enhanced their business models.
  13. Attribution-NoDerivatives 4.0 Διεθνές