Πρόβλεψη | Μοντέλο | Εποχιακό | Χρονοσειρές | cloud εξυπηρετητής | cloud λογισμικό σύστημα παρακολούθησης και διαχείρισης πελατειακών σχέσεων | Forecasting | Model | Seasonal | Time Series | cloud server | cloud CRM
1
1
30
Περιέχει: Πίνακες, Διαγράμματα
Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάλυση μέσω εποχιακών μοντέλων χρονοσειρών, της κίνησης των ερωτημάτων που δέχεται ένας cloud εξυπηρετητής φιλοξενίας λογισμικού διαχείρισης πελατειακών σχέσεων στον ιατρικό κλάδο και η πρόβλεψη των μελλοντικών ερωτημάτων για τον καθορισμό των τεχνικών του χαρακτηριστικών, ώστε να βρίσκεται πάντα σε θέση να ανταποκρίνεται ομαλά και εντός προβλεπόμενου χρόνου στις απαιτήσεις.
Αρχικά, γίνεται μια παρουσίαση του θεωρητικού υποβάθρου πάνω στο οποίο βασίζεται η εργασία. Αναλύονται ο ορισμός και τα βασικά χαρακτηριστικά των μοντέλων χρονοσειρών, η μεθοδολογία και τα αποτελέσματα της στατιστικής ανάλυσης μέσω αυτών και εντοπίζονται τα εποχιακά μοντέλα της σύγχρονης βιβλιογραφίας που μπορούν να μελετήσουν το εξεταζόμενο αντικείμενο. Επίσης, αναλύονται ο ορισμός και τα βασικά χαρακτηριστικά των cloud εξυπηρετητών και των λογισμικών διαχείρισης πελατειακών σχέσεων. Κατόπιν, γίνεται η αποτύπωση και η ανάλυση των παραπάνω επιλεγμένων μοντέλων, η εφαρμογή τους στα δεδομένα του cloud εξυπηρετητή φιλοξενίας λογισμικού διαχείρισης πελατειακών σχέσεων και η παρουσίαση των αποτελεσμάτων της εφαρμογής. Για τον σκοπό αυτό γίνεται ανασκόπηση της αντίστοιχης βιβλιογραφίας και εντοπισμός των χαρακτηριστικών του κάθε μοντέλου καθώς και αντιστοίχιση αυτών με τα κρίσιμα δεδομένα λειτουργίας του εξυπηρετητή.
Ακολούθως, γίνεται ανάλυση των αποτελεσμάτων που προέκυψαν από την εφαρμογή των επιλεγμένων εποχιακών μοντέλων και έλεγχος της προσαρμογής τους στη μελέτη των cloud εξυπηρετητών. Για τον σκοπό αυτό χρησιμοποιούνται τα αποτελέσματα της προηγούμενης ενότητας και τα βασικά χαρακτηριστικά λειτουργίας των εξυπηρετητών. Τελικά, καταγράφονται τα συμπεράσματα που προέκυψαν από κάθε μέρος της εργασίας και πραγματοποιείται η κριτική θεώρηση του εξεταζόμενου αντικειμένου. Επίσης, παρουσιάζονται προτάσεις σχετικά με την εξέλιξη της μελέτης και της πρόβλεψης λειτουργίας των cloud εξυπηρετητών φιλοξενίας λογισμικού.
The purpose of this master thesis is to analyze the traffic of calls that a cloud server has to respond to, using seasonal time series models and to forecast the future number of calls that will reach the server. The server is hosting a Customer Relationship Management (CRM) software for the medical department. The cloud server has to be able to always respond to the calls in the expected amount of time.
Firstly, the theory in which the thesis is based on is presented. The definition and basic characteristics of time series models, their methodology and the results of statistical analysis using them are analyzed. The seasonal models of modern literature that can be used to study the thesis’ subject are identified. Also, the definition and key features of cloud servers and customer relationship management software are analyzed.
Furthermore, the selected seasonal time series models are analyzed, the data of the cloud server hosting the CRM software are implemented to them and the results of this application are presented. For this purpose, a review of the respective bibliography is made and the key characteristics of each model are identified, as well as their correspondence with the critical operating data of the server. Moreover, an analysis of the results that are gathered after the implementation of the selected seasonal models is made and their adaptation to the study of cloud servers is evaluated. For this purpose, the results of the previous section are used and also the basic features of the server’s operation technical characteristics.
Finally, the conclusions drawn from each part of the thesis are presented enriched by the critical review of the thesis’ subject. Also, suggestions are made on the evolution of the studies and forecasting of the cloud servers hosting CRM software.
Στατιστική ανάλυση και μελέτη cloud εξυπηρετητών φιλοξενίας λογισμικού συστημάτων παρακολούθησης και διαχείρισης πελατειακών σχέσεων στον Ιατρικό Κλάδο