Παρουσίαση/Προβολή

(AE104-Εαρ-25-26) -  ΑΝΔΡΕΑΣ ΓΕΩΡΓΙΟΥ - ΚΩΝΣΤΑΝΤΙΝΟΣ ΚΑΠΑΡΗΣ

Περιγραφή Μαθήματος

The ultimate objective in the real world is prescription, not prediction.

Η διαδικασία λήψης βέλτιστων επιχειρησιακών αποφάσεων που στηρίζεται στη συλλογή, ταξινόμηση, επεξεργασία και ανάλυση δεδομένων δεν είναι προφανώς κάτι καινούργιο. Είναι αντικείμενο καταρχάς της Στατιστικής (συλλογή, ταξινόμηση, διερεύνηση, πρόβλεψη) και στη συνέχεια της Επιχειρησιακής Έρευνας (ταξινόμηση, διερεύνηση, βελτιστοποίηση) σχεδόν ένα αιώνα πια (τυπικά με βάση το πότε εγκαθιδρύθηκαν ως επίσημα γνωστικά αντικείμενα), και από καταβολής κόσμου (λογικά). Οι μεταβολές που παρατηρούνται τα τελευταία χρόνια αφορούν κυρίως (α) στην ποικιλία των πηγών άντλησης δεδομένων, (β) στη στενή σύζευξη των μεθοδολογιών της Στατιστικής και της Επιχειρησιακής Έρευνας με την Πληροφορική αυτοματοποιώντας τις διαδικασίες συλλογής, καθαρισμού, επεξεργασίας και μετασχηματισμού των δεδομένων και στη συνέχεια μοντελοποίησης και λήψης αποφάσεων (machine learning)  αλλά ιδίως (γ) αφορούν την ποικιλομορφία των δεδομένων αυτών καθ’ αυτών, που παρουσιάζουν ένα ή περισσότερα από τα εξής χαρακτηριστικά: μεγάλο όγκο (volume), μεγαλύτερη ποικιλία πηγών (variety), ταχύτητα γένεσης (velocity), ασάφεια ή μεταβλητότητα (variability, veracity) αλλά και αξία (value), αναδεικνύοντας πολλές προκλήσεις για τους λήπτες αποφάσεων. Η Επιχειρησιακή Αναλυτική (Business Analytics) διακρίνεται σε τρία κύρια επίπεδα ανάλυσης: Descriptive (Explanatory/Diagnostic) Analytics (επεξεργασία δεδομένων και εξαγωγή πληροφοριών και συμπερασμάτων από στοιχεία του παρελθόντος και του παρόντος), Predictive Analytics (βασίζεται στο παρελθόν και στο παρόν για να αναπτύξει μοντέλα πρόβλεψης – prediction/regression ή κατηγοριοποίησης/ταξινόμησης - classification) και Prescriptive Analytics (χρησιμοποιεί μοντέλα που στηρίζονται στα προηγούμενα αποτελέσματα (π.χ. στις προβλέψεις) ώστε να προτείνει βέλτιστους τρόπους λειτουργίας – prescription = καθοδήγηση). Tο παρόν μάθημα ξεκινά με μία εκτενή εισαγωγική παρουσίαση και των τριών πυλώνων της Αναλυτικής και εστιάζει στη συνέχεια στην Καθοδηγητική Αναλυτική (Prescriptive Analytics) δηλαδή στο πλαίσιο της μοντελοποίησης για τη λήψη βέλτιστων αποφάσεων. Σημειώνεται, ότι στο πλαίσιο αυτό, συναντάμε τρεις κυρίαρχες ομάδες μεθοδολογιών: (α) τις τεχνικές της Επιχειρησιακής Έρευνας (Operational Research), (β) τις τεχνικές του σχεδιασμού πειραμάτων της Στατιστικής (Design of Experiments) και (γ) την μεθοδολογία της Προσομοίωσης (Simulation) που συχνά θεωρούμε ότι ανήκει και αυτή στην ενότητα της Επιχειρησιακής Έρευνας. Στο μάθημα παρουσιάζουμε μερικές από τις πιο σημαντικές τεχνικές μοντελοποίησης επιχειρησιακών διαδικασιών για τη λήψη βέλτιστων αποφάσεων με τους κανόνες της συστημικής προσέγγισης που αποτελεί τη βάση των μεθόδων της Επιχειρησιακής Έρευνας (ή όπως αλλιώς την ονομάζουμε, της Διοικητικής Επιστήμης (Management Science) ή ακόμη της Επιστήμης των Αποφάσεων). Με την ολοκλήρωση του μαθήματος και σε συνδυασμό με τα υπόλοιπα υποχρεωτικά μαθήματα του Α’ εξαμήνου του προγράμματος, στα οποία παρουσιάζονται οι άλλοι δύο πυλώνες της Επιχειρησιακής Αναλυτικής, αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να κατανοήσουν τον ρόλο του της Διοικητικής Επιστήμης (Management Science) στη διαχείριση και ανάλυση των δεδομένων, να μπορούν να αναπτύξουν ένα μοντέλο λήψης αποφάσεων με αφορμή μία πραγματική επιχειρησιακή κατάσταση, να  επεξεργάζονται λύσεις που παρέχουν βέλτιστες τιμές των μέτρων απόδοσης των στόχων του λήπτη αποφάσεων, να συγκρίνουν εναλλακτικά σενάρια με βάση τα μέτρα αυτά και να προσεγγίζουν συστηματικά την εξερεύνηση της δομής των λύσεων αυτών αναλύοντας σε βάθος τον τρόπο λειτουργίας ενός συστήματος και των αλληλεπιδράσεων μεταξύ των συστατικών του στοιχείων (systems approach).

Ημερομηνία δημιουργίας

Παρασκευή 8 Μαρτίου 2024