Το μάθημα έχει ως στόχο να εισάγει τους φοιτητές στις τεχνικές αναλυτικής επεξεργασίας διαδραστικών συμπεριφορικών δεδομένων οι οποίες οδηγούν στην κατανόηση των αναγκών και προτιμήσεων των καταναλωτών και την πρόβλεψη της μελλοντικής τους συμπεριφοράς (π.χ. προτιμήσεις προϊόντων)  έτσι ώστε η παρεχόμενη (π.χ. μορφή προτάσεων) πληροφορία να είναι εξατομικευμένη (personalized) αυξάνοντας με αυτόν τον τρόπο τόσο την ικανοποίηση των πελατών όσο και τις πωλήσεις της επιχείρησης.
Οι φοιτητές μετά το πέρας του μαθήματος θα είναι σε θέση:

  • Να αναλύουν δεδομένα επιχειρήσεων με στόχο την κατανόηση της συμπεριφοράς των καταναλωτών
  • Να εφαρμόζουν τεχνικές ανάλυσης δεδομένων με στόχο την πρόβλεψη της συμπεριφοράς
  • Να αξιοποιούν πρακτικά εργαλεία λογισμικού για την ανάλυση συμπεριφορικών δεδομένων
  • Να κατανοούν και να ερμηνεύουν σε επιχειρησιακό επίπεδο τα ποσοτικά αποτελέσματα ανάλυσης δεδομένων
Βασικές έννοιες μηχανικής μάθησης καθώς και τεχνητής νοημοσύνης με πρακτικές εφαρμογές τους θα αναλυθούν ενώ έμφαση θα δοθεί στην επιχειρηματική ερμηνεία των αποτελεσμάτων ανάλυσης δεδομένων σε συγκεκριμένες ενέργειες που θα μπορούσε να κάνει μια επιχείρηση ή οργανισμός για να αξιοποιήσει τα ευρήματα της αναλυτικής επεξεργασίας δεδομένων. Στο μάθημα θα γίνει πρακτική εφαρμογή σε ομαδική εργασία με χρήση εργαλείων (RapidMiner) ανάλυσης δεδομένων (Business Analytics).