Πίνακας Συντομεύσεων-Ακρωνύμια 
Εισαγωγή 

ΚΕΦΑΛΑΙΟ 1. ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΕΥΦΥΪΑ & ΑΝΑΛΥΤΙΚΗ 
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
1.1. Επιχειρηματική Ευφυΐα – Επιχειρηματική Αναλυτική 
1.2. Γιατί Επιχειρηματική Ευφυΐα; 
1.2.1. Λήψη Επιχειρηματικών Αποφάσεων σε Συνθήκες Αβεβαιότητας 
1.2.2. Οι Προκλήσεις της Παγκοσμιοποίησης 
1.2.3. Η Οικονομική Κρίση και Οι Νέες Κανονιστικές Διατάξεις 
1.2.4. Διαθεσιμότητα Δεδομένων 
1.2.5. Νέες Τεχνολογίες και Μέθοδοι Ανάλυσης 
1.3. Δομικά Επίπεδα Συστημάτων Επιχειρηματικής Ευφυΐας 
1.3.1. Πηγές Δεδομένων 
1.3.2. Αποθήκες Δεδομένων 
1.3.3. Διερεύνηση Δεδομένων 
1.3.4. Εξόρυξη Δεδομένων 
1.3.5. Βελτιστοποίηση 
1.3.6. Λήψη Απόφασης 
1.4. Οφέλη και Περιορισμοί της Επιχειρηματικής Ευφυΐας 
1.4.1. Οφέλη της Επιχειρηματικής Ευφυΐας 
1.4.2. Περιορισμοί της Επιχειρηματικής Ευφυΐας 
1.5. Η Επιχειρηματική Ευφυΐα στην Πράξη 
1.5.1. Διοίκηση Επιχειρησιακής Απόδοσης 
1.5.2. Χρηματοοικονομική Ανάλυση και Διαχείριση 
1.5.3. Πωλήσεις 
1.5.4. Marketing
1.5.5. Διαχείριση Εφοδιαστικής Αλυσίδας 
1.5.6. Διαχείριση Ανθρωπίνων Πόρων 
1.5.7. Χρηματοπιστωτικός Τομέας 
1.6. Πάροχοι Λογισμικού και Υπηρεσιών Επιχειρηματικής Ευφυΐας 
1.6.1. SAS 
1.6.2. IBM 
1.6.3. ORACLE 
1.6.4. SAP 
1.6.5. Microsoft 
1.6.6. Qlik 
Βιβλιογραφία/Αναφορές

ΚΕΦΑΛΑΙΟ 2. ΣΥΣΤΗΜΑΤΑ ΥΠΟΣΤΗΡΙΞΗΣ
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 

2.1. Λήψη Αποφάσεων 
2.1.1. Λογικές Αποφάσεις 
2.1.2. Φάσεις στη Λήψη Αποφάσεων 
2.1.3. Είδη Αποφάσεων 
2.1.4. Διοικητικά Στελέχη και Λήψη Αποφάσεων 
2.1.5. Λήψη Αποφάσεων και Πληροφοριακά Συστήματα 
2.2. Συστήματα Υποστήριξης Αποφάσεων 
2.2.1. Ορισμός 
2.2.2. Ειδικά Χαρακτηριστικά και Χρησιμότητα των ΣΥΑ 
2.2.3. Σύγκριση Πληροφοριακών Συστημάτων Διοίκησης και Συστημάτων Υπoστήριξης Αποφάσεων 
2.2.4. Δομή ΣΥΑ 
2.2.5. Σύστημα Διαχείρισης Βάσης Μοντέλων 
2.2.6. Συστήματα Υποστήριξης Ομαδικών Αποφάσεων 
2.2.7. Συστήματα Υποστήριξης Διοίκησης 
2.2.8. Ευφυή Συστήματα Υποστήριξης Αποφάσεων 
Βιβλιογραφία / Αναφορές 

ΚΕΦΑΛΑΙΟ 3. ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ 
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
3.1. Η Εννοια του Μοντέλου 
3.2. Κατηγορίες Μοντέλων 
3.3. Βεβαιότητα, Αβεβαιότητα, Ρίσκο 
3.4. Ανάλυση Αποφάσεων 
3.4.1. Διαγράμματα Επιρροής 
3.4.2. Πίνακες Αποφάσεων. 
3.5. Συστατικά Μέρη Μαθηματικών Μοντέλων 
3.6. Μαθηματική Βελτιστοποίηση και Γραμμικός Προγραμματισμός 
3.7. Αναλύσεις What – If και Αναζήτησης Στόχου 
3.8. Ανάλυση Ευαισθησίας 
3.9. Ευρετικές Μέθοδοι - Γενετικοί Αλγόριθμοι 
3.9.1. Γενετικοί Αλγόριθμοι 
3.10. Προσομοίωση
Βιβλιογραφία / Αναφορές 

ΚΕΦΑΛΑΙΟ 4. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΚΑΙ ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ | 
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
4.1. Εισαγωγή - Ορισμός 
4.2. Αρχιτεκτονική Αποθήκης Δεδομένων
4.3. OLTP και OLAP 
4.4. Σχεδιασμός Αποθήκης Δεδομένων
4.5. Πολυδιάστατο Μοντέλο Δεδομένων - Κύβοι 
4.5.1. Κυβοειδή
4.6. Ιεραρχίες Εννοιών 

4.7. Πράξεις OLAP 
4.7.1. Συναθροιστική Άνοδος 
4.7.2. Αναλυτική Κάθοδος 
4.7.3. Οριζόντιος Τεμαχισμός 
4.7.4. Κάθετος Τεμαχισμός 
4.7.5. Περιστροφή 
4.8. Καθοδηγούμενη Διερεύνηση 
4.9. Πρατήρια Δεδομένων
4.10. Εξαγωγή Μετασχηματισμός Φόρτωση 
4.11. Μεταδεδομένα 
4.12. Πεδία Eφαρμογής και Oφέλη των Αποθηκών Δεδομένων 
Βιβλιογραφία / Αναφορές 
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 4.1. 
Άσκηση Υπολογισμών 4.2. 
Άσκηση Υπολογισμών 4.3. 

ΚΕΦΑΛΑΙΟ 5. ΟΠΤΙΚΗ ΚΑΙ ΔΙΕΡΕΥΝΗΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ | 134
Σύνοψη 

Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
5.1. Οπτικοποίηση 
5.2. Διερευνητική Ανάλυση Δεδομένων 
5.3. Ταξινόμηση Μεθόδων Οπτικοποίησης Δεδομένων 
5.4. Τεχνικές Απεικόνισης Δεδομένων 
5.4.1. Τυπικές 
5.4.1.1. Γραφήματα Γραμμής 
5.4.1.2. Ραβδογράμματα 
5.4.1.3. Γραφήματα Πίτας 
5.4.1.4. Διαγράμματα Διασποράς 
5.4.2. Γεωμετρικού Μετασχηματισμού 
5.4.2.1. Πίνακας Διαγραμμάτων Διασποράς (Scatter plot Matrix) 
5.4.2.2. Διαγράμματα Παράλληλων Συντεταγμένων 
5.4.2.3. HyperSlice 
5.4.3. Εικονογραφικές

5.4.3.1. Πρόσωπα Chernoff 
5.4.3.2. Εικόνες Stick Figure 
5.4.3.3. Διαγράμματα Αστέρων 
5.4.3.4. Τεχνική Shape Coding 
5.4.4. Τεχνικές Εικονοστοιχείων 
5.4.4.1. Επαναληπτικών Προτύπων (Recursive Pattern) 
5.4.4.2. Κυκλικών Τομέων 
5.4.5. Τεχνικές Στοίβας 
5.4.5.1. Dimensional Stacking 
5.4.5.2. Worlds within Worlds 
5.4.5.3. Δενδροχάρτες 
5.5. Μελέτη Περίπτωσης. Αναγνώριση Απάτης με Γραφικά Μέσα 
5.6. Ταμπλό 
Βιβλιογραφία/Αναφορές

ΚΕΦΑΛΑΙΟ 6. ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ | 162
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
6.1. Εισαγωγή 
6.2. Εξόρυξη Δεδομένων - Ορισμός 
6.3. Στάδια της Διαδικασίας Ανακάλυψης Γνώσης 
6.4. Εργασίες Εξόρυξης Δεδομένων 
6.5. Η ΕΔ στη Σύγχρονη Επιχείρηση 
6.5.1. Πωλήσεις και Διαφήμιση 
6.5.2. Ηλεκτρονικό Εμπόριο 
6.5.3. Τράπεζες 
6.5.4. Ασφάλειες
6.5.5. Χρηματιστήριο 
6.5.6. Τηλεπικοινωνίες 
6.5.7. Λογιστική - Ελεγκτική 
6.5.8. Εξόρυξη Κειμένου 
6.5.9. Ανάλυση Κοινωνικών Δικτύων 
6.5.10. Ενσωμάτωση της Εξόρυξης Δεδομένων στις Επιχειρηματικές Διαδικασίες 
6.5.11. Εξόρυξη Επιχειρηματικών Διαδικασιών 
Βιβλιογραφία / Αναφορές 

ΚΕΦΑΛΑΙΟ 7. ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ | 194
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
7.1. Η Αναγκαιότητα της Προεπεξεργασίας Δεδομένων 
7.2. Χαμένες Τιμές 
7.3. Θορυβώδη Δεδομένα 
7.4. Κανονικοποίηση 
7.5. Κατασκευή Νέων Πεδίων 
7.6. Μείωση Διαστάσεων και Επιλογή Χαρακτηριστικών 
7.6.1. Filters 
7.6.1.1. t Στατιστικό Τεστ (t-test) και Ανάλυση Διακύμανσης (Analysis of Variance – ANOVA) 
7.6.1.2 Πρόσθια Επιλογή και Οπίσθια Εξάλειψη (Forward Selection and Backward Elimination) 
7.6.1.3. Χρήση ενός αλγορίθμου ως φίλτρου για άλλον αλγόριθμο 
7.6.1.4. Correlation-Based Feature Selection (CFS) 
7.6.2. Wrappers 
7.6.3. Ανάλυση Κυρίων Συνιστωσών (Principal Components Analysis) 
7.6.4. Επιλογή Χαρακτηριστικών – Συμπεράσματα 
7.7. Διακριτοποίηση 
Βιβλιογραφία / Αναφορές 
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 7.1. 
Άσκηση Υπολογισμών 7.2. 
Άσκηση Εφαρμογής 7.3. 
Άσκηση Εφαρμογής 7.4. 

ΚΕΦΑΛΑΙΟ 8. ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ | 228
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
8.1. Εισαγωγή 
8.2. Ορισμοί 
8.3. Εξόρυξη Κανόνων Συσχέτισης 
8.3.1. Εντοπισμός Συχνών Στοιχειοσυνόλων – Ο Αλγόριθμος Apriori 
8.3.2. Δημιουργία Κανόνων Συσχέτισης από τα Συχνά Στοιχειοσύνολα 
8.4. Πρόσθετα Κριτήρια Αποτίμησης των Κανόνων 
8.5. Εξόρυξη Πολυδιάστατων Κανόνων Συσχέτισης 
8.6. Εξόρυξη Κανόνων Συσχέτισης με Διαφορετικά Επίπεδα Γενίκευσης 
8.7. Κανόνες Συσχέτισης με Πεδία Συνεχών Τιμών 
8.8. Εξόρυξη Κανόνων Συσχέτισης Βασισμένη σε Περιορισμούς 
8.9. Μελέτη Περίπτωσης – Μοντελοποίηση Αποφάσεων Εξωτερικών Ελεγκτών
με Xρήση Κανόνων Συσχέτισης 
Βιβλιογραφία/Αναφορές
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 8.1. 
Άσκηση Υπολογισμών 8.2. 
Άσκηση Υπολογισμών 8.3. 
Άσκηση Εφαρμογής 8.4. 

ΚΕΦΑΛΑΙΟ 9. ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ | 262
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
9.1. Εισαγωγή 
9.2. Επαγωγικοί Αλγόριθμοι και Μοντέλα 
9.3. Στάδια κατηγοριοποίησης 
9.4. Υπερπροσαρμογή μοντέλων 
9.5. Κριτήρια Aξιολόγησης Mεθόδων Kατηγοριοποίησης 
9.6. Προεπεξεργασία Δεδομένων για Κατηγοριοποίηση 
9.7. Δένδρα Αποφάσεων 
9.7.1. Εισαγωγή στα Δένδρα Αποφάσεων 
9.7.2. Δένδρα Αποφάσεων ID3 
9.7.3. Δένδρα Αποφάσεων C4.5 
9.7.4. Δένδρα CART
9.7.5. Κλάδεμα 
9.7.6. Δημιουργία Κανόνων από Δένδρα Αποφάσεων
9.7.7. Πλεονεκτήματα και Μειονεκτήματα των Δένδρων Αποφάσεων 
9.8. Κατηγοριοποίηση με Νευρωνικά Δίκτυα 
9.8.1. Νευρώνες και Συνδέσεις 
9.8.2. Δομή MLP 
9.8.3. Εκπαίδευση Δικτύου 
9.8.4. Θέματα μοντελοποίησης με νευρωνικά δίκτυα 
9.8.5. Πλεονεκτήματα και Μειονεκτήματα των Νευρωνικών Δικτύων 
9.9. Μπαϋεσιανοί Κατηγοριοποιητές 
9.9.1. Αφελείς Μπαϋεσιανοί Κατηγοριοποιητές 
9.9.2. Μπαϋεσιανά Δίκτυα 
9.9.3. Πλεονεκτήματα και Μειονεκτήματα των Μπαϋεσιανών Δικτύων 
9.10. Μελέτη περίπτωσης – Εντοπισμός Παραποιημένων Χρηματοοικονομικών Καταστάσεων
με Χρήση Μεθόδων Κατηγοριοποίησης. 
Βιβλιογραφία / Αναφορές 
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 9.1 
Άσκηση Υπολογισμών 9.2. 
Άσκηση Εφαρμογής 9.3. 
Άσκηση Εφαρμογής 9.4. 

ΚΕΦΑΛΑΙΟ 10. ΕΝΑΛΛΑΚΤΙΚΕΣ ΜΕΘΟΔΟΙ ΚΑΙ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗΣ | 298
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
10.1. Μηχανές Διανυσμάτων Υποστήριξης 
10.2. k-Πλησιέστεροι Γείτονες
10.3. Παλινδρόμηση 
10.3.1. Απλή Γραμμική Παλινδρόμηση 
10.3.2. Πολλαπλή Γραμμική Παλινδρόμηση 
10.3.3. Πολυωνυμική Παλινδρόμηση 
10.3.4. Λογιστική (ή Λογαριθμική) Παλινδρόμηση 
10.4. Σύνθετοι Κατηγοριοποιητές 
10.5. Επικύρωση Κατηγοριοποιητών 
10.6. Ανισοκατανομή Κλάσεων και Κόστος Σφάλματος 
10.7. Επιδόσεις Ανά Κλάση 
10.8. Καμπύλες ROC 
10.9. Μελέτη Περίπτωσης – Πρόβλεψη Τύπου Εξωτερικού Ελεγκτή
με Χρήση Μεθόδων Κατηγοριοποίησης 
Βιβλιογραφία/Αναφορές
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 10.1. 
Άσκηση Υπολογισμών 10.2. 
Άσκηση Εφαρμογής 10.3. 
Άσκηση Εφαρμογής 10.4. 
Άσκηση Εφαρμογής 10.5. 

ΚΕΦΑΛΑΙΟ 11. ΑΝΑΛΥΣΗ ΣΥΣΤΑΔΩΝ | 338
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
11.1. Εισαγωγή 
11.2. Ομοιότητα και Απόσταση 
11.2.1. Απόσταση με Αριθμητικά Γνωρίσματα 
11.2.2. Απόσταση με Δυαδικά Γνωρίσματα 
11.2.3. Απόσταση με Ονομαστικά Γνωρίσματα 
11.2.4. Απόσταση με Διατακτικά Γνωρίσματα 
11.2.5. Απόσταση με ΜεικτώνΤύπων Γνωρίσματα 
11.3. Κατηγορίες Μεθόδων ΑΣ 

11.4. Ιεραρχική Ανάλυση Συστάδων 
11.4.1. Δενδρογράμματα 
11.4.2. Ιεραρχική Συσσωρευτική Ανάλυση Συστάδων 
11.4.3. Απλή Σύνδεση 
11.4.4. Πλήρης Σύνδεση 
11.4.5. Σύνδεση Μέσου Όρου 
11.4.6. Απόσταση Μέσων Σημείων (centroids) 
11.4.7. Μέθοδος Ward 
11.5. Διαχωριστική Ανάλυση Συστάδων 
11.5.1. Η μέθοδος k-Means 
11.5.2. Λοιποί Αλγόριθμοι Διαιρετικής Ανάλυσης Συστάδων 
11.5.2.1. k-Medoids 
11.5.2.2. CLARA 
11.6. Αυτοοργανούμενοι Χάρτες 
11.6.1. Δομή ΑΟΧ 
11.6.2. Εκπαίδευση ΑΟΧ 
11.7. Επιχειρηματικές Εφαρμογές της Ανάλυσης Συστάδων 
Βιβλιογραφία/Αναφορές
Κριτήρια Αξιολόγησης 
Άσκηση Υπολογισμών 11.1. 
Άσκηση Εφαρμογής 11.2. 
Άσκηση Εφαρμογής 11.3. 
Άσκηση Εφαρμογής 11.4. 

ΚΕΦΑΛΑΙΟ 12. ΒΑΘΙΑ ΜΑΘΗΣΗ | 404
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
12.1. Εισαγωγή 
12.2. Βαθιά Δίκτυα MLP 
12.3. Αναδρομικά Νευρωνικά Δίκτυα (Recurrent Neural Networks) 
12.3.1. Αρχιτεκτονική ΑΝΔ 
12.3.2. Εναλλακτικά ΑΝΔ 
12.4. Το Πρόβλημα της Εξαφάνισης-Έκρηξης Κλίσης (The Gradient Vanishing-Exploding Problem) 
12.5. Δίκτυα Μακράς Βραχυπρόθεσμης Μνήμης (Long Short-Term Memory) 
12.6. Συνελικτικά Νευρωνικά Δίκτυα (Convolutional Neural Networks) 
12.6.1. Η Αρχιτεκτονική των ΣΝΔ 
12.6.2. Το Συνελικτικό Στρώμα 
12.6.3. Το Στρώμα Ομαδοποίησης 
12.6.4. Το Πλήρως Συνδεδεμένο Στρώμα (Fully Connected Layer) και Το Στρώμα Εξόδου (Output Layer)
12.6.6. ΣΝΔ και Επεξεργασία Φυσικής Γλώσσας 
12.6.7. Γνωστά ΣΝΔ 
12.7. Τα Συστήματα Βαθιάς Μάθησης στη Σύγχρονη Επιχείρηση 
Βιβλιογραφία / Αναφορές 

ΚΕΦΑΛΑΙΟ 13. ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΩΝ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗΣ ΕΥΦΥΪΑΣ | 404
Σύνοψη 
Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
13.1. Ανάπτυξη Συστημάτων Επιχειρηματικής Ευφυΐας 
13.2. Ο Κύκλος Ζωής Ανάπτυξης Συστήματος Επιχειρηματικής Ευφυΐας. 
13.2.1. Αιτιολόγηση Έργου 
13.2.2. Οργάνωση Έργου 
13.2.3. Ανάλυση Απαιτήσεων του Έργου 
13.2.4. Σχεδιασμός 
13.2.5. Υλοποίηση 
13.2.6. Εφαρμογή 
13.2.7. Αξιολόγηση 
13.2.8. Η Επιχειρηματική Ευφυΐα Ως Υπηρεσία 
13.3. Παράγοντες Επιτυχίας σε Έργα Επιχειρηματικής Ευφυΐας 
Βιβλιογραφία/Αναφορές

ΚΕΦΑΛΑΙΟ 14. ΟΔΗΓΟΣ WEKA | 438
Σύνοψη

Προαπαιτούμενη γνώση – Πρόσθετη προτεινόμενη βιβλιογραφία 
14.1. Εισαγωγή 
14.2. Προεπεξεργασία
14.3. Κατηγοριοποίηση 
14.4. Ανάλυση Συστάδων 
14.5. Κανόνες Συσχέτισης 
14.6. Επιλογή Χαρακτηριστικών 
14.8. Οπτικοποίηση 
14.9. Άλλες Πηγές για το WEKA 
14.10. Ελεύθερα Λογισμικά Επιχειρηματικής Ευφυΐας και Εξόρυξης Δεδομένων 
14.11. Πηγές για Ελεύθερα Σύνολα Δεδομένων 
Βιβλιογραφία/Αναφορές

ΚΕΦΑΛΑΙΟ 15. ΠΙΝΑΚΑΣ ΟΡΩΝ 
Ευρετήριο