Εργαλεία επιχειρηματικής ευφυΐας στο εμπορικό τμήμα Marketing Τραπεζικού Οργανισμού

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Εργαλεία επιχειρηματικής ευφυΐας στο εμπορικό τμήμα Marketing Τραπεζικού Οργανισμού"

Transcript

1 Εργαλεία επιχειρηματικής ευφυΐας στο εμπορικό τμήμα Marketing Τραπεζικού Οργανισμού 0

2 Περιεχόμενα Εισαγωγή... 2 Δομή βάσης Data Warehouse... 3 Δημιουργία ενδεικτικής σχεσιακής βάσης δεδομένων... 3 Δημιουργία ενδεικτικού μοντέλου πολυδιάστατης ανάλυσης... 6 Εφαρμογή εργαλείων επιχειρηματικής ευφυΐας... 7 End Users Queries... 7 Πολυδιάστατη ανάλυση... 8 GIS... 9 Data mining Συσχέτιση (associate) Ομαδοποίηση (clustering) Ταξινόμηση (classification)..18 Predictive Analytics Text Mining

3 Εισαγωγή Η παρούσα μελέτη έχει ως στόχο να παρουσιάσει πώς εφαρμόζονται & αξιοποιούνται διάφορα εργαλεία επιχειρηματικής ευφυΐας από το εμπορικό τμήμα Marketing ενός Τραπεζικού Οργανισμού. Οι αρμοδιότητες του εν κειμένω τμήματος αφορούν στο σχεδιασμό, υλοποίηση και εποπτεία των ενεργειών που σχετίζονται με τα 4P s: product, place, price & promotion. Στα πλαίσια της λειτουργίας του τμήματος, τα στελέχη καλούνται να πάρουν διάφορες αποφάσεις οι οποίες συμβάλλουν στην επίτευξη των στόχων της Διεύθυνσης και της Τράπεζας. Για την ορθότερη λήψη διοικητικών αποφάσεων το τμήμα έχει στη διάθεση του διάφορα εργαλεία επιχειρηματικής ευφυΐας. 2

4 Δομή βάσης Data Warehouse Η Τράπεζα έχει στη διάθεση της μεγάλο όγκο δεδομένων τα οποία προέρχονται από πρωτογενείς πηγές όπως: 1. Βάση του κεντρικού συστήματος της τράπεζας: μέσω του κεντρικού συστήματος της τράπεζας εκτελούνται οι περισσότερες εργασίες των καταστημάτων [ήτοι άνοιγμα καρτέλας πελάτη, άνοιγμα λογαριασμών (Καταθετικών & δανειακών), καταχώρηση των προϊόντων που χρησιμοποιεί ο πελάτης (πιστωτικές κάρτες, ασφαλιστικά προϊόντα κοκ)] καθώς επίσης και πληθώρα εργασιών των κεντρικών υπηρεσιών. 2. Τοπικές βάσεις: οι διάφορες Διευθύνσεις της Τράπεζας και τα καταστήματα τηρούν τοπικές βάσεις για να καλύψουν τις λειτουργικές τους ανάγκες. 3. Βάσεις τρίτων: η Τράπεζα αντλεί δεδομένα από βάσεις τρίτων όπως η Τράπεζα της Ελλάδος, η Ένωση Ελληνικών Τραπεζών, η Στατιστική Υπηρεσία και η ICAP. 4. Μέσα κοινωνικής δικτύωσης Ο τεράστιος όγκος δεδομένων που καλείται να επεξεργαστεί και να διαχειριστεί ένας οργανισμός όπως μια Τράπεζα, καθιστά απαραίτητη τη συλλογή, δόμηση και αποθήκευση των δεδομένων σε Data Warehouse. Δημιουργία ενδεικτικής σχεσιακής βάσης δεδομένων Τα δεδομένα που θα επεξεργαστούμε αφορούν 4εκ. πελάτες όλων των καταστημάτων του δικτύου της Τράπεζας και είναι: Cid πελάτη, Κατάστημα ένταξης, Ταχ. Κώδικας, Νομός, Πόλη, Καταθετικά προϊόντα (αποταμιευτικά, προθεσμιακά), Δανειακά προϊόντα (καταναλωτικά, στεγαστικά), Bank Insurance (ζωής, αυτοκινήτου), Ηλικία, Κατοχή αυτοκινήτου, Ιδιοκτησία σπιτιού, Επάγγελμα, Ετήσιο εισόδημα, Θέση πελάτη. Τελικός στόχος είναι η δημιουργία μιας σχεσιακής βάσης δεδομένων στην οποία αφενός θα μπορούμε να εφαρμόσουμε απευθείας διάφορα εργαλεία όπως end user queries, αφετέρου θα μπορούμε να προχωρήσουμε στον κατάλληλο μετασχηματισμό της ώστε να προβούμε σε πολυδιάστατη ανάλυση. Θα δημιουργήσουμε πίνακες που θα εισαχθούν σε σχεσιακή βάση δεδομένων (Microsoft SQL Server) μέσα από μία διαδικασία Extract (εξαγωγή δεδομένων από CRMs, ERPs, αρχεία ICAP), Transform (κατάλληλη μορφή δεδομένων για εισαγωγή σε σχεσιακή βάση δεδομένων) & Load (εισαγωγή των δεδομένων σε σχεσιακή βάση δεδομένων με τη μορφή πινάκων και τη δημιουργία κλειδιών & σχέσεων μεταξύ των πινάκων). 3

5 EXTRACT Αρχικά θα πρέπει να δημιουργήσουμε ένα αρχείο excel με τα εξής φύλλα: 1. Βασικός Πίνακας Πελατών με τις εξής στήλες: CID, Κωδ. Καταστήματος, Κωδ. Ηλικίας, Κωδ. Επαγγέλματος, Κωδ. Εισοδήματος, Πόλης Καταστήματος, Νομού Καταστήματος, Κάτοχος αυτοκινήτου, Κάτοχος σπιτιού, Υπόλοιπα καταθέσεων, θέσεων (αποταμιευτικός), Κάτοχος αποταμιευτικού προϊόντος (με συνάρτηση If και κωδικοποίηση 1:ναι & 0:όχι), Υπόλοιπα καταθέσεων (προθεσμίας), Κάτοχος προθεσμιακού προϊόντος (με συνάρτηση if και κωδικοποίηση 1:ναι & 0:όχι), Θέση Πελάτη, Κάτοχος ασφαλιστικού προϊόντος (1: ζωής, 2: σπιτιού, 0: όχι) 2. Καταστήματα 3. Ηλικία 4. Επάγγελμα 5. Εισόδημα 6. Νομός 7. Πόλη TRANSFORM Κανονικοποίηση δεδομένων (data normalization) Τα data δεν είναι κανονικοποιημένα καθώς υπήρχαν πολλές επαναλήψεις δεδομένων (κατάστημα, επάγγελμα κτλ), διαφορετικό λεκτικό για την ίδια κατηγορία και επιβάρυνση του πίνακα με μεγάλου όγκου δεδομένα. Δημιουργούμε λοιπόν 6 πίνακες αναφοράς (ένα σε κάθε sheet) και στην συνέχεια με vlookup συνάρτηση προσθέτουμε τους κώδικες αναφοράς. Σε κάποια data όπως εισόδημα και ηλικία θα χρειαστεί να κάνουμε κάποιες ομαδοποιήσεις [Εισόδημα 1: Υ<15.000, 2: Υ<25.000, 3: Υ<35.000, 4: Υ<50.000, 5: Υ<80.000, 6: Υ , Ηλικία 1: Η <20, 2: 20-25, 3: 25-35, 4: 35-45,5: 45-55, 6: Η >55]. Δημιουργία στηλών υπολογισμού Από την ημερήσια θέση του Πελάτη και έχοντας στη διάθεσή μας υπόλοιπα προθεσμιακών και αποταμιευτικών προϊόντων μπορούμε να υπολογίσουμε και τα δανειακά υπόλοιπα του πελάτη. Δημιουργούμε μία στήλη με δανειακά Υπόλοιπα και μία στήλη Κάτοχος δανειακού προϊόντος και κωδικοποίηση 1: ναι 2: όχι (συνάρτηση ΙF). Αλλαγή τιμών στηλών Υπάρχουν στήλες με κενές τιμές στις στήλες Υπόλοιπα Καταθέσεων, Υπόλοιπα Χορηγήσεων, Ημερήσια θέση (στο δείγμα μας έχουμε και πελάτες με ανοιχτά βιβλιάρια χωρίς υπόλοιπα) επομένως πρέπει να αντικαταστήσουμε το null με 0. 4

6 Αυτό που έχουμε καταφέρει με τον μετασχηματισμό των πρωτογενών δεδομένων είναι η κανονικοποίηση των δεδομένων και η ποιοτική τους αναβάθμιση (data quality) για την περαιτέρω επεξεργασία τους με τα διάφορα εργαλεία αναζήτησης. Ο μετασχηματισμός δεδομένων (Transformation) είναι απαραίτητος για να εισαχθούν (Load) σε μία σχεσιακή βάση δεδομένων που θα χρησιμεύσει ως πηγή πληροφόρησης στη συνέχεια. LOAD Το αρχείο που δημιουργήσαμε θα χρησιμοποιηθεί για την εισαγωγή σε μία σχεσιακή βάση δεδομένων στην εφαρμογή SQL Management Studio. Στη νέα βάση, οι πίνακες που δημιουργούνται είναι τα sheets του αρχείου excel που αποθηκεύσαμε. Το επόμενο βήμα είναι να δημιουργήσουμε κλειδιά και σχέσεις για να έχουμε μία λειτουργική σχεσιακή βάση δεδομένων. Έχουμε λοιπόν τους εξής πίνακες ΣΤΟΙΧΕΙΑ ΠΕΛΑΤΩΝ-ΕΙΣΟΔΗΜΑ-ΗΛIΚΙΑ- ΕΠΑΓΓΕΛΜΑ-ΚΑΤΑΣΤΗΜΑΤΑ-ΝΟΜΟΣ-ΠΟΛΗ με primary keys τους κωδικούς των πινάκων. Επόμενο βήμα είναι ο ορισμός των σχέσεων μεταξύ των πινάκων. Καταφέραμε λοιπόν να δημιουργήσουμε μία σχεσιακή βάση δεδομένων στο SQL management studio. O καταναλωτής πληροφοριών μπορεί να αντλήσει την πληροφορία που θέλει με την δημιουργία ερωτημάτων που συνδυάζουν δεδομένα από τους πίνακες της σχεσιακής βάσης δεδομένων που δημιουργήσαμε. 5

7 Δημιουργία ενδεικτικού μοντέλου πολυδιάστατης ανάλυσης Η τεχνολογία πολυδιάστατης ανάλυσης δομεί τα δεδομένα σε διαστάσεις και δίνει τη δυνατότητα ανάλυσης σε οποιοδήποτε συνδυασμό διαστάσεων επιθυμεί ο χρήστης των πληροφοριών. Θα δημιουργήσουμε μία OLAP βάση (πολυδιάστατη) στο πρόγραμμα SQL Server Business Intelligence Development Studio. Αρχικά, θα συνδεθούμε με τη σχεσιακή βάση δεδομένων που δημιουργήσαμε για άντληση δεδομένων και εν συνεχεία θα δημιουργήσουμε τη σχεσιακή δομή από την οποία θα προκύψουν οι διαστάσεις & τα δεδομένα του πολυδιάστατου μοντέλου. Επιλέγουμε όλους τους πίνακες από τη σχεσιακή βάση που δημιουργήσαμε στο προηγούμενο στάδιο. Αποτέλεσμα είναι η δημιουργία ενός fact table (πίνακας περιγραφή πελάτη) και 5 dimensional tables (διαστάσεις). Το επόμενο βήμα είναι η δημιουργία ενός πολυδιάστατου κύβου. Τελικά, θα καταλήξουμε σε ένα κύβο με τα εξής χαρακτηριστικά: Fact table στοιχεία πελατών Dimensions καταστήματα, εισόδημα, επάγγελμα, ηλικία, γεωγραφία Measures Υπόλοιπα Καταθέσεων, Υπόλοιπα Χορηγήσεων, Θέση πελάτη, CID counts Διαστάσεις Καταστήματα Εισόδημα Ηλικία Επάγγελμα Γεωγραφία Επίπεδα 1 Κατάστημα 1: Υ< : Υ< : Υ< : Υ< : Υ< : Υ : Η <20 2: : : : : Η >55 1. Σπουδαστής 2. Άνεργος 3. Συνταξιούχος 4. Ιδιωτικός Υπάλληλος 5. Δημόσιος Υπάλληλος 6. Ελεύθερος Επαγγελματίας Νομός 2 Πόλη 6

8 Εφαρμογή εργαλείων επιχειρηματικής ευφυΐας Η οργάνωση των δεδομένων σε σχεσιακές και πολυδιάστατες βάσεις δεδομένων μας επιτρέπει να επεξεργαστούμε περαιτέρω τα data μας με τη χρήση των κατάλληλων εργαλείων και να «χτίσουμε» την απαραίτητη πληροφορία για τη λήψη των επιχειρηματικών αποφάσεων. Η ανάλυση των αποφάσεων ξεκινάει από top down analysis: ορίζουμε το είδος της απόφασης που πρέπει να λάβουμε, την απαιτούμενη Πληροφορία που θα χρειαστούμε και εν συνεχεία τα κατάλληλα δεδομένα και ολοκληρώνεται με Bottom up analysis: συγκεντρώνουμε τα δεδομένα, επιλέγουμε το κατάλληλο εργαλείο επιχειρηματικής ευφυΐας & παράγουμε την Πληροφορία και τέλος λαμβάνουμε την κατάλληλη απόφαση βάσει αυτής. Ενδέχεται βέβαια η Πληροφορία που θα παραχθεί να μας οδηγήσει και σε άλλες αποφάσεις ή/και συμπεράσματα πέρα από αυτή που αρχικά στοχεύσαμε. Επιπλέον, τα εργαλεία end user queries και η πολυδιάστατη ανάλυση χρησιμοποιούνται σε τακτική βάση για εξαγωγή διάφορων αναφορών, παρακολούθηση αποτελεσμάτων των καταστημάτων κοκ. End Users Queries Στόχος: Αύξηση των υπολοίπων προθεσμιακών καταθέσεων του καταστήματος Καλαμάτας στο επίπεδο του μέσου όρου του δικτύου καταστημάτων Από τη σχεσιακή βάση που αναπτύξαμε ενδεικτικά παραπάνω θα δημιουργήσουμε το ακόλουθο query: Κατάστημα equals του 198 (κωδικός καταστήματος) Εισόδημα equals to 6 (Y ) Κάτοχος προθεσμιακού προϊόντος equals to 0 (όχι) 7

9 Επιλέγουμε με αυτό τον τρόπο τους πελάτες που ανήκουν στο κατάστημα Καλαμάτας, έχουν εισόδημα υψηλότερο των και δεν είναι κάτοχοι προθεσμιακών προϊόντων στην Τράπεζα μας. Οι συγκεκριμένοι πελάτες, δεδομένου του υψηλού εισοδήματός τους & των χαμηλών υπολοίπων σε καταθετικούς λογαριασμούς, ενδέχεται να διατηρούν υψηλά υπόλοιπα σε άλλη τράπεζα. Συμπερασματικά, το εμπορικό τμήμα Marketing πρέπει να ξεκινήσει καμπάνια προώθησης προθεσμιακών προϊόντων στο κατάστημα Καλαμάτας έτσι ώστε να προσεγγίσει το μέσο όρο της Τράπεζας. Με το συγκεκριμένο query που μόλις τρέξαμε έχουμε εντοπίσει τους πελάτες στους οποίους θα πρέπει να στοχεύσει το κατάστημα. Όπως αναφέρθηκε παραπάνω, ενδέχεται η Πληροφορία που θα παραχθεί μέσω ενός query να μας οδηγήσει σε επιπλέον αποφάσεις & συμπεράσματα πέρα από αυτά που στοχεύσαμε εξ αρχής. Αν επεξεργαστούμε περαιτέρω τα δεδομένα στο πίνακα excel που δημιουργήθηκε μπορούμε: να αθροίσουμε την ημερήσια θέση των πελατών και να δούμε τα συνολικά υπόλοιπα αποταμιευτικών προϊόντων που κατέχουν οι Affluent πελάτες στο κατάστημα της Καλαμάτας να βρούμε το μέσο υπόλοιπο καταθέσεων ταμιευτηρίου των affluent πελατών και να εξάγουμε διάφορα συμπεράσματα για την αποτελεσματικότητα του καταστήματος. Πολυδιάστατη ανάλυση Σε μηνιαία βάση το εμπορικό τμήμα της Διεύθυνσης Marketing εξάγει λίστα-αναφορές με τα 10 καταστήματα που έχουν τη χειρότερη επίδοση για κάθε ένα προϊόν ξεχωριστά. Για την εξαγωγή αυτών των αναφορών χρησιμοποιούμε τον κύβο που ενδεικτικά δημιουργήσαμε παραπάνω. Έστω ότι θέλουμε να εστιάσουμε στις προθεσμιακές καταθέσεις. Αντίστοιχα εξάγουμε από τον κύβο λίστα των 10 καταστημάτων που παρουσιάζουν τα χαμηλότερα μέσα υπόλοιπα προθεσμιακών καταθέσεων η οποία περιλαμβάνει και το πελατολόγιο. Η λίστα αυτή μπορεί να επεξεργαστεί περαιτέρω με κάποιο εργαλείο επιχειρηματικής ευφυΐας με στόχο την εξαγωγή χρήσιμων συμπερασμάτων ή την δημιουργία πιο στοχευμένης πληροφορίας. Π.χ. με το εργαλείο επιχειρηματικής ευφυΐας rapid miner προχωράμε σε ομαδοποίηση των πελατών αυτών των καταστημάτων. Χρησιμοποιώντας όλα τα διαθέσιμα πεδία εκτός του καταστήματος & της κατοχής σπιτιού, μπορούμε να καταλήξουμε σε διάφορα συμπεράσματα. 8

10 Cid πελάτη Καταστήματα Προϊόντα Ηλικία Εισόδημα Γεωγραφία ΙΧ Κατάστημα Προθεσμιακή κατάθεση Πόλη Ναι Όχι GIS η σημαντικότερη ομάδα από άποψη μεγέθους είναι η ομάδα 1 με υψηλό υπόλοιπο αποταμιευτικών προϊόντων, ηλικίας 40-55, έχουν στην κατοχή τους ΙΧ βρίσκονται στην Αθήνα και δευτερευόντως στη Θεσσαλονίκη μεγάλο ενδιαφέρον παρουσιάζει η ανάλυση & αξιοποίηση εκείνης της ομάδας πελατών που διαθέτει το υψηλότερο εισόδημα αλλά παράλληλα χαμηλά υπόλοιπα σε προθεσμιακές καταθέσεις. Μεταφέρουμε τα δεδομένα μας στο excel (drill through) και βρίσκω κατάστημα και cid πελάτη. Αυτό που έχω τελικά καταφέρει είναι από ένα τεράστιο αριθμό πελατών να καταλήξω σε συγκεκριμένους πελάτες και συγκεκριμένα καταστήματα για τους οποίους θα «τρέξει» καμπάνια για προώθηση της προθεσμιακής κατάθεσης. Εναλλακτικά, μπορούμε να χρησιμοποιήσουμε κάποιο εργαλείο επιχειρηματικής ευφυΐας GIS για να δούμε τα παραπάνω δεδομένα μας από διαφορετική οπτική γωνία. Εισάγουμε στο εργαλείο επιχειρηματικής ευφυΐας GIS το χάρτη της Ελλάδος ανά πόλη. Τα διαθέσιμα δεδομένα πίσω από το χάρτη είναι ο κωδικός πόλης, ο πληθυσμός και το κατά κεφαλήν εισόδημα. Ο κωδικός νομού θα χρησιμοποιηθεί για τη δημιουργία σχέσεων με τα δεδομένα των πελατών που έχουμε στη διάθεσή μας. Ομαδοποιούμε τις πόλεις σε 5 κατηγορίες βάσει του πληθυσμού, οι όποιες θα εμφανίζονται με διαφορετικό χρώμα. Προσθέτουμε μία ακόμα στιβάδα πόλεων ώστε να συγκρίνουμε και τα εισοδήματα. Θα ομαδοποιήσουμε τα δεδομένα του εισοδήματος και αντί για διάκριση με διαφορετικό χρώμα θα χρησιμοποιήσουμε διαφορετικού μεγέθους σύμβολα. Με την απεικόνιση των δεδομένων σε χάρτη GIS συμπεραίνουμε ότι υπάρχουν περιοχές με χαμηλό πληθυσμό αλλά με υψηλό κατά κεφαλή εισόδημα. Η πληροφορία αυτή είναι σημαντική για την λήψη διαφόρων αποφάσεων που αφορούν αρκετές Διευθύνσεις μίας Τράπεζας από τη Διεύθυνση Δικτύου για το άνοιγμα ενός νέου καταστήματος σε μία 9

11 φαινομενικά μικρή περιοχή αλλά με affluent 1 πελάτες, μέχρι την Εμπορική Διεύθυνση για έναρξη ενεργειών προώθησης καταθετικών προϊόντων, καρτών, ασφαλιστικών προϊόντων. Σ ένα κενό βιβλίο εργασίας ανοίγουμε την πολυδιάστατη βάση που δημιουργήσαμε στο προηγούμενο στάδιο. Θα χρησιμοποιήσουμε τα εργαλεία πολυδιάστατης ανάλυσης Pivot Table για να δημιουργήσουμε ένα πίνακα που μας δείχνει το πλήθος και τα συνολικά υπόλοιπα ανά είδος καταθέσεων σε επίπεδο πόλεων. Από αυτές τις στήλες μπορώ να υπολογίσω το μέσο υπόλοιπο καταθέσεων ανά πελάτη ανά πόλη. Καταλήγω στο συμπέρασμα ότι πόλεις όπως η Ρόδος και η Καλαμάτα έχουν πελάτες με υψηλές καταθέσεις προθεσμίας ενώ πόλεις όπως η Αθήνα και Θεσσαλονίκη έχουν χαμηλό average και στις δύο κατηγορίες καταθέσεων. Αν συνδέσω το αρχείο excel που δημιούργησα με την εφαρμογή GIS μπορώ να επιβεβαιώσω το συμπέρασμα στο οποίο κατέληξα με την πολυδιάστατη ανάλυση και να εντοπίσω στο χάρτη με διαφορετικές διαβαθμίσεις χρωμάτων τα καταστήματα των πόλεων που έχουν το μεγαλύτερο και το μικρότερο μέσο υπόλοιπο ανά πελάτη. Αν τώρα χρησιμοποιήσουμε και τις στιβάδες που δημιουργήσαμε σε προηγούμενο στάδιο καταλήγουμε στο συμπέρασμα ότι υπάρχουν πόλεις με υψηλό κατά κεφαλήν εισόδημα στις οποίες το δίκτυο της Τράπεζάς μας έχει πολύ χαμηλό μέσο υπόλοιπο καταθέσεων. Αυτό πρακτικά σημαίνει ότι τα καταστήματα αυτών των περιοχών έχουν την δυναμική να προσελκύσουν κεφάλαια από τους υφιστάμενους αλλά και νέους πελάτες. Καταλήγουμε στην απόφαση έναρξης προωθητικών ενεργειών προσέλκυσης κεφαλαίων στα καταστήματα αυτών των περιοχών. Με τον ίδιο τρόπο μπορούμε να ομαδοποιήσουμε τις πόλεις σύμφωνα με τον πληθυσμό και να το συγκρίνουμε με το πλήθος των πελατών μας στις πόλεις αυτές. Μπορούμε να καταλήξουμε σε λογικά συμπεράσματα, όπως για παράδειγμα ότι η το Δίκτυο μας στην Αθήνα έχει το υψηλότερο αριθμό πελατών αλλά και σε μη αναμενόμενα όπως πχ ότι στο Ηράκλειο Κρήτης το Δίκτυο μας έχει χαμηλότερο αριθμό πελατών από τα καταστήματά μας στην πόλη της Τρίπολης. Αν στο Ηράκλειο διαθέτουμε 5 καταστήματα και στη Τρίπολη μόλις 2 θα πρέπει να ξεκινήσουμε καμπάνιες προσέλκυσης πελατείας. 1 πελάτες που έχουν θέση πελάτη στην Τράπεζα μεγαλύτερη των

12 Data mining Συσχέτιση (associate) Στόχος: Κατασκευή ενός εργαλείου που θα προτείνει στους υπαλλήλους των καταστημάτων της Τράπεζας για το τι προϊόν να προωθήσουν στον πελάτη που εξυπηρετούν (cross selling). Χρήση εργαλείου data mining και συγκεκριμένα του αλγόριθμου συσχετισμός ή ανάλυση καλαθιού marketing. Επιθυμούμε να εντοπίσουμε ποια είναι τα κυριότερα τραπεζικά προϊόντα που πωλούνται στο ίδιο καλάθι αγορών και ως εκ τούτου μέσω του εργαλείου αυτού και του προφίλ του κάθε πελάτη να εντοπίσουμε ποιο προϊόν να του προτείνουμε (cross selling). Κεντρικός Πίνακας Πελάτης Περιφερειακός πίνακας Προϊόντα * Πελάτη * Πελάτη Φύλλο Ηλικία Εκπαίδευση Ετήσιο Εισόδημα Οικογενειακή κατάσταση Ιδιοκτησία κατοικίας Ιδιοκτησία αυτοκινήτου Αριθμός τέκνων Πιστωτική κάρτα Στεγαστικό δάνειο Καταναλωτικό δάνειο Δάνειο αγοράς αυτοκινήτου Λογαριασμός μισθοδοσίας Καταθετικό προϊόν Αποταμιευτικό πρόγραμμα Ασφάλεια αυτοκινήτου Ασφάλεια ζωής Ασφάλεια υγείας Επιλέγοντας σαν κωδικό συναλλαγής (Transaction ID) τον κωδικό του πελάτη και σαν είδος συναλλαγής τα προϊόντα, θα εντοπίσουμε τις αλληλεξαρτήσεις μεταξύ των διάφορων προϊόντων πχ εντοπίζουμε θετική συσχέτιση μεταξύ «Δάνειο αγοράς αυτοκινήτου» και «Ασφάλεια αυτοκινήτου» ή «Λογαριασμός μισθοδοσίας» και «Αποταμιευτικό πρόγραμμα». 11

13 Με βάση τους κανόνες αλληλεξάρτησης που θα προκύψουν από το data mining και ανάλογα με τη θέση του κάθε πελάτη θα προτείνουμε το προϊόν με την ισχυρότερη αλληλεξάρτηση (απόφαση) και αν είναι κάτοχος αυτού του προϊόντος το προϊόν με την αμέσως ισχυρότερη αλληλεξάρτηση. Έστω με βάση το δείγμα (πελατολόγιο τράπεζας) οι κανόνες αλληλεξάρτησης ταξινομημένοι ως προς την ισχύ τους έχουν ως εξής: κατά 82% όσοι έχουν Δάνειο αγοράς αυτοκινήτου» έχουν και «Ασφάλεια αυτοκινήτου» κατά 50% όσοι έχουν πρόγραμμα». «Λογαριασμός μισθοδοσίας» έχουν και «Αποταμιευτικό. Έστω ο πελάτης Παπαδόπουλος Γεώργιος ο οποίος έχει δάνειο αγοράς αυτοκινήτου, ασφάλεια αυτοκινήτου και λογαριασμό μισθοδοσίας θα του προτείνουμε Αποταμιευτικό πρόγραμμα. Η πρωτογενής πηγή δεδομένων είναι το κεντρικό σύστημα της Τράπεζας στο οποίο ανοίγει η καρτέλα πελάτη, καταχωρούνται όλες οι συναλλαγές και οι πωλήσεις των προϊόντων. Ενώ για το συγκεκριμένο λόγο αρκεί μια σχεσιακή βάση δεδομένων στη data warehouse: 12

14 Πελάτες Πελάτη Επώνυμο Όνομα ΑΦΜ Φύλλο Ηλικία Εκπαίδευση Ετήσιο Εισόδημ α Οικογενειακή κατάσταση Ιδιοκτησία κατοικίας Ιδιοκτησία αυτοκινήτου 1 Τόκα Άννα Άρρεν 30 ΑΕΙ 18.9 Έγγαμος ΝΑΙ ΝΑΙ Προϊόντα 100 Περιγραφή Καταναλωτικό Δάνειο Πελάτη Προϊόντα Πελατών Στεγαστικό Δάνειο Προϊόντος Αριθμός τέκνων 13

15 Ομαδοποίηση (clustering) Απόφαση 1 Στόχος: Επιλογή πελατών στους οποίους θα προωθήσουμε τα εναλλακτικά δίκτυα (ATM, e-banking, phone banking) Η πρωτογενής πηγή δεδομένων είναι το κεντρικό σύστημα της Τράπεζας στο οποίο ανοίγει η καρτέλα του πελάτη & καταχωρούνται όλες οι συναλλαγές, ενώ για την ανάλυσή μου θα αντλήσω τα στοιχεία που χρειάζομαι από έναν κύβο OLAP αντίστοιχο με αυτόν που περιγράφηκε παραπάνω. Τα δεδομένα τα οποία χρειάζομαι για την ανάλυσή μου είναι: Cid πελάτη Επισκεψιμότητα στο κατάστημα Ηλικία Μορφωτικό Επίπεδο Επάγγελμα Μορφωτικό Επίπεδο: 1: Μεταπτυχιακό / Διδακτορικό, 2: Ανώτατη μόρφωση (ΑΕΙ/ΤΕΙ), 3: Ανώτερη μόρφωση (ΙΕΚ κλπ), 4: Απόφοιτος Λυκείου, 5: Απόφοιτος Γυμνασίου, 6: Απόφοιτος Δημοτικού Επισκεψιμότητα στο κατάστημα: 1: Υψηλή, 2: Μέτρια, 3: Χαμηλή Χρήση εργαλείου data mining και συγκεκριμένα του αλγόριθμου clustering. Επιθυμούμε να εντοπίσουμε ποιοι είναι οι πελάτες που επισκέπτονται συχνά τα καταστήματα της τράπεζας για τις συναλλαγές τους, ενώ βάσει των χαρακτηριστικών τους (ηλικία, μορφωτικό επίπεδο, επάγγελμα) θα μπορούσαν να κάνουν χρήση των εναλλακτικών δικτύων. Επιλέγουμε τους πελάτες με Επισκεψιμότητα στο κατάστημα <3. 14

16 Το σύστημα θα τρέξει την ομαδοποίηση στο σύνολο των δεδομένων και θα προτείνει τον αριθμό των ομάδων. Με την ολοκλήρωση εμφανίζεται το διάγραμμα των ομάδων. Το σύστημα προτείνει 12 ομάδες. Επιλέγουμε να εμφανίζονται οι ομάδες με την ισχυρότερη συνάφεια. Στη συνέχεια επιλέγουμε να μελετήσουμε το προφίλ κάθε ομάδας (cluster characteristics), ενδεικτικά: Στην ομάδα 5 συγκεντρώνονται οι πελάτες που επισκέπτονται πολύ συχνά την τράπεζα, είναι μεγάλης ηλικίας και χαμηλού μορφωτικού επιπέδου (απόφοιτοι δημοτικού και γυμνασίου). Έχουμε μία ομάδα πελατών η οποία θεωρείται κατάλληλη για την ενίσχυσης χρήσης των ΑΤΜ s. Στην ομάδα 8 συγκεντρώνονται οι πελάτες που έχουν μέτρια επισκεψιμότητα στο κατάστημα, είναι μέσης ηλικίας, ενώ το μορφωτικό επίπεδο και το επάγγελμα είναι χαρακτηριστικά μικρότερης σημασίας. Λόγω του περιορισμένου budget για τη συγκεκριμένη καμπάνια δε θα προχωρήσουμε προς το παρόν σε προσέγγιση αυτής της ομάδας. Στην ομάδα 2 συγκεντρώνονται οι πελάτες με υψηλή επισκεψιμότητα και μικρής ηλικίας. Κάνοντας Drill Through, θα επιλέξουμε εκείνους τους πελάτες της ομάδας 2 που έχουν μέτριο & υψηλό μορφωτικό επίπεδο. Σύμφωνα με την τελική διαμόρφωση του πίνακα, έχουμε μία ομάδα πελατών η οποία ενδείκνυται κατάλληλη για την προώθηση e-banking και phone-banking. 15

17 Απόφαση 2 Στόχος: Κατασκευή ενός εργαλείου που θα εντοπίσει τους πελάτες που εμφανίζουν την ισχυρότερη σχέση με την Τράπεζα «πιστοί πελάτες» με σκοπό να πραγματοποιηθούν προωθητικές ενέργειες επιβράβευσης της Πιστότητας Πελατών. Χρήση εργαλείου data mining και συγκεκριμένα του αλγόριθμου ομαδοποίησης (clustering). Επιθυμούμε να εντοπίσουμε ποιοι είναι εκείνοι οι πελάτες που έχουν την ισχυρότερη σχέση με την Τράπεζα. Οι πελάτες που έχουν ισχυρή σχέση με την Τράπεζα είναι οι πελάτες που διατηρούν πλήθος τραπεζικών προϊόντων όπως πιστωτικές κάρτες, τραπεζικούς λογαριασμούς (μη μηδενικούς) καθώς επίσης και δανειακά προϊόντα. Η πρωτογενής πηγή δεδομένων είναι το κεντρικό σύστημα της Τράπεζας στο οποίο ανοίγει η καρτέλα του πελάτη, καταχωρούνται όλες οι συναλλαγές και οι πωλήσεις των προϊόντων. Για την εφαρμογή της ομαδοποίησης θα αντλήσω από μια πολυδιάστατη βάση δεδομένων (κύβος) τα εξής δεδομένα: CID-Αριθμός πιστωτικών καρτών-αριθμός δανείων-αριθμός προϊόντων- μέσο ετήσιο ύψος καταθέσεων. Cid πελάτη Αριθμός πιστωτικών καρτών Αριθμός Δανείων (Καταναλωτικών, Στεγαστικών, Δάνεια αγοράς αυτοκινήτου) Αριθμός προϊόντων (αποταμιευτικά, καταθετικά, ασφάλειες αυτοκινήτου, ζωής, υγείας, ο 85.2 *Σε χιλιάδες Μέσο ετήσιο ύψος Καταθέσεων* 16

18 Το σύστημα θα τρέξει την ομαδοποίηση στο σύνολο των δεδομένων και θα προτείνει τον αριθμό των ομάδων. Με την ολοκλήρωση, θα εμφανιστεί το διάγραμμα των ομάδων. Όσο μεγαλύτερη είναι η γραμμή συσχέτισης, τόσο μεγαλύτερη θα είναι και η συνάφεια των ομάδων. Εμείς θα επιλέξουμε να μελετήσουμε το προφίλ κάθε ομάδας. Τα δεδομένα που θα προκύψουν θα περιλαμβάνουν ομάδες οι οποίες ενδεικτικά θα εμφανίζουν χαρακτηριστικά όπως: Cluster1: Υψηλός αριθμός πιστωτικών καρτών, χαμηλός αριθμός δανείων, χαμηλός αριθμός προϊόντων, μέτριες καταθέσεις (μεταξύ ). Cluster2: Χαμηλός αριθμός πιστωτικών καρτών, χαμηλός αριθμός δανείων, υψηλός αριθμός προϊόντων, υψηλές καταθέσεις (άνω των ). Cluster3: Χαμηλός αριθμός πιστωτικών καρτών, καθόλου δάνεια, καθόλου καταναλωτικά προϊόντα, χαμηλό ύψος καταθέσεων (κάτω των ). Επιλέγοντας τα χαρακτηριστικά μιας ομάδας μπορούμε να μελετήσουμε ποιες μεταβλητές χαρακτηρίζουν περισσότερο την κάθε ομάδα ενώ επιλέγοντας τα στοιχεία διαφοροποίησης μπορούμε να συγκρίνουμε δύο ομάδες. Από την παραπάνω ομαδοποίηση μπορούμε να καταλήξουμε σε συγκεκριμένες προωθητικές ενέργειες επιβράβευσης ανάλογα με τα χαρακτηριστικά της ομάδας. Ενδεικτικά: Cluster 1: Επιβράβευση με επιστροφή πρόσθετων πόντων στις επόμενες αγορές. Cluster2: Επιβράβευση με δωρεάν χρήση ασφαλιστικού προγράμματος υγείας εξωνοσοκομειακής περίθαλψης για ένα χρόνο. Cluster3: Καμία επιβράβευση: οι πελάτες αυτοί δεν θεωρούνται «πιστοί πελάτες». Μπορούμε να προχωρήσουμε ένα βήμα παρακάτω σε περίπτωση που η προωθητική ενέργεια πρέπει να περιοριστεί σε ακόμα μικρότερη ομάδα λόγω συγκεκριμένων πόρων που μπορούν να διατεθούν για το σκοπό αυτό. Έστω λοιπόν ότι αποφασίζεται ότι η επιβράβευση θα είναι ένα δωρεάν προϊόν εξωνοσκομειακής περίθαλψης για έναν χρόνο. Οι πελάτες στους οποίους θα απευθυνθούμε θα είναι αυτοί που έχουν μεγάλο πλήθος προϊόντων, μεταξύ των οποίων υψηλές καταθέσεις και είναι κάτοχοι Ασφάλειας Ζωής ή Αποταμιευτικού προγράμματος ενώ δε διατηρούν ασφάλεια υγείας. Για τους σκοπούς της παραπάνω απόφασης θα ακολουθήσουμε τη διαδικασία drill through για να μελετήσουμε τα πρωτογενή δεδομένα της ομάδας. Θα επιλέξουμε την ομάδα που παρουσιάζει τον υψηλότερο αριθμό προϊόντων και ταυτόχρονα υψηλές καταθέσεις. Στα παραδείγματα που παρατέθηκαν παραπάνω αυτή η ομάδα είναι η ομάδα 2. Θα έχουμε έτσι στη διάθεσή μας πίνακα φύλλο εργασίας (Drill Through) το οποίο περιλαμβάνει όλα τα δεδομένα (πρωτογενή) της ομάδας 2. Χρησιμοποιώντας φίλτρο στη στήλη με τα 17

19 προϊόντα θα επιλέξουμε αυτά με την ονομασία Ασφάλεια Ζωής και αυτά με την ονομασία Αποταμιευτικό Πρόγραμμα. Απομονώσαμε έτσι τους πελάτες τους οποίους θέλουμε να πριμοδοτήσουμε. Ταξινόμηση (Classification) Οι πελάτες που αποφασίζουν να διακόψουν τη σχέση τους με την Τράπεζα καλούνται να συμπληρώσουν συγκεκριμένο ερωτηματολόγιο αποχώρησης. Τα ερωτηματολόγια που συμπληρώνουν οι πελάτες είχαν τα εξής πεδία: Επώνυμο και Όνομα πελάτη,cid, φύλο (Άνδρας/ Γυναίκα), ηλικία, κανάλι εξυπηρέτησης που χρησιμοποιήθηκε συχνότερα από τον πελάτη (Δίκτυο Καταστημάτων, e-banking, phone banking, mobile banking, ATM), ικανοποίηση από τα κανάλια εξυπηρέτησης (Ναι / Όχι), πιθανότητα νέας συνεργασίας με τη Τράπεζα (Ναι / Όχι), Αιτία αποχώρησης (Ελλιπής Εξυπηρέτηση, Λανθασμένη Ενημέρωση, Αναμονή). Στόχος: Ανάλυση αποχωρήσεων (με σκοπό την περαιτέρω αξιοποίησή της). Το εργαλείο BI που θα χρησιμοποιήσουμε είναι το Data Mining και ειδικότερα ο αλγόριθμος ταξινόμησης. Οι πρωτογενείς πηγές δεδομένων για την ανάλυσή μας είναι μια τοπική βάση δεδομένων στην οποία έχουν καταχωρηθεί τα ερωτηματολόγια βάθους 5ετίας που έχουν συμπληρώσει πελάτες που έχουν διακόψει τη συνεργασία τους με τη Τράπεζα και τα οποία καταχωρήθηκαν σε τοπικά ERP, το κεντρικό σύστημα της Τράπεζας και μια τοπική βάση δεδομένων στην οποία καταχωρούνται τα παράπονα των πελατών. Για την ανάλυση των αποχωρήσεων θα χρειαστούμε μια σχεσιακή βάση της ακόλουθης δομής: 18

20 Ερωτηματολόγιο PK : Ερωτηματολογίου, Πελάτη Ερωτηματολογίου Πελάτη Ικανοποίηση από Κανάλια Εξυπηρέτησης Πιθανότητα νέας Συνεργασίας Ναι Όχι Όχι Όχι Πελάτης PK : Πελάτη Πελάτη Επώνυμο Όνομα Αφμ Φύλο Ηλικία Ετήσιο Εισόδημα Οικογενειακή κατάσταση Τόκα Άννα Άρρεν Έγγαμος Παράπονα Πελατών PK : Πελάτη, Κατηγορίας Παραπόνου Πελάτη Κατηγορίας Παραπόνου Κανάλια Εξυπηρέτησης Πελάτη PK : Πελάτη, Καναλιού Πελάτη Καναλιού Προϊόντα Πελάτη PK : Πελάτη, Προϊόντος Πελάτη Είδους Λογαριασμού Κατηγορία Παραπόνου PK : Κατηγορίας Κανάλια Εξυπηρέτησης PK : Καναλιού Είδη Προϊόντων PK : Είδους Κατηγορίας 1 2 Περιγραφή Ελλιπής Εξυπηρέτηση Λανθασμένη Ενημέρωση 3 Αναμονή Καναλιού Περιγραφή 1 e-banking 2 Δίκτυο Καταστημάτων 3 ATM Είδους Περιγραφή Λογαριασμός Μισθοδοσίας Αποταμιευτικός Λογαριασμός Στεγαστικό Δάνειο 19

21 Με το δένδρο αποφάσεων επιδιώκουμε να επιλύσουμε τη μεταβλητή στόχευσης (Διακοπή συνεργασίας) σαν συνάρτηση των υπόλοιπων μεταβλητών εισόδου ήτοι: τα κανάλια εξυπηρέτησης (δίκτυο καταστημάτων, e-banking, ATM) που χρησιμοποιούσε κυρίως ο πελάτης τα είδη των προϊόντων που διατηρούσαν οι πελάτες που έφυγαν αν έχουν υποβάλει ή όχι παράπονα πριν την αποχώρησή τους το είδος του-ων παραπόνου-ων Το δίκτυο αλληλεξάρτησης μας δείχνει ότι το βασικότερο κριτήριο για το αν ένας πελάτης διέκοψε τη συνεργασία του με την Τράπεζα είναι το κανάλι εξυπηρέτησης που χρησιμοποιούσε κυρίως ο πελάτης. Αμέσως επόμενο κριτήριο τα είδη των προϊόντων που είχε και τέλος αν είχε υποβάλει παράπονο και ποιο ήταν αυτό. 20

22 21

23 22

24 Από το δένδρο απόφασης εξάγουμε τα εξής συμπεράσματα: Οι πελάτες οι οποίοι αποχωρούν έχουν ως κύριο κανάλι εξυπηρέτησης το κατάστημα σε ποσοστό 75%. Οι πελάτες οι οποίοι αποχωρούν έχουν κατά βάση ως κύριο προϊόν τον αποταμιευτικό λογαριασμό (60-70%). Δεδομένου ότι το στεγαστικό δάνειο είναι ένα προϊόν που δύσκολα μεταφέρεται σε άλλη Τράπεζα και η επιλογή της Τράπεζας που κατατίθεται η μισθοδοσία πολλές φορές δεν είναι επιλογή του εργαζόμενου αλλά του εργοδότη, τα % αυτά είναι πολύ λογικά. Οι πελάτες οι οποίοι αποχωρούν έχουν εκφράσει παράπονο σε πολύ μικρό ποσοστό (20%) Για τα προϊόντα Μισθοδοσίας και Αποταμιευτικός λογαριασμός τα περισσότερα παράπονα αφορούν σε αναμονή. Δεδομένου ότι τα παραπάνω προϊόντα εξυπηρετούνται από τα ταμία της Τράπεζας αυτό σημαίνει ότι υπάρχει έλλειψη προσωπικού για αυτή τη θέση. Για τα στεγαστικά δάνεια τα περισσότερα παράπονα αφορούν σε ελλιπή εξυπηρέτηση και λανθασμένη ενημέρωση. Ενδεχομένως ελλιπής εκπαίδευση των στεγαστικών συμβούλων. Λαμβάνοντας υπόψη τα παραπάνω θα μπορούσαμε να προχωρήσουμε στις εξής αποφάσεις-ενέργειες: Πρόσληψη προσωπικού και καμπάνια ανακατεύθυνσης των πελατών στα εναλλακτικά δίκτυα. Ανάπτυξη εργαλείου για την καταχώρηση των παραπόνων των πελατών που εκφράζονται προφορικά στους υπαλλήλους. Εκπαίδευση των στεγαστικών υπαλλήλων σε θέματα εξυπηρέτησης πελατείας και σεμινάρια σχετικά με τα προϊόντα. 23

25 Predictive Analytics Το περασμένο εξάμηνο έτρεξε πιλοτικά μια καμπάνια για ένα νέο τραπεζοασφαλιστικό προϊόν. Εστάλη ταχυδρομικά διαφημιστικό υλικό σε πελάτες (συνολικό πελατολόγιο τριών συγκεκριμένων καταστημάτων) και μετά από μια εβδομάδα ο επενδυτικός σύμβουλος του καταστήματος στο οποίο ανήκει επικοινώνησε με τους υποψήφιους πελάτες σχετικά. Στόχος: Επιλογή του Target group που θα προωθήσω το νέο τραπεζοασφαλιστικό προϊόν. Αξιοποιώντας τα τελικά αποτελέσματα της πιλοτικής καμπάνιας (αγορά ή όχι του προϊόντος) θα προσπαθήσουμε να εκτιμήσουμε την πιθανότητα το υπόλοιπο πελατολόγιο μας να αγοράσει το συγκεκριμένο προϊόν, και με βάση τις πιθανότητες να προσεγγίσουμε στοχευμένα πλέον συγκεκριμένους πελάτες (να ορίσουμε το επιθυμητό Target group). Για το συγκεκριμένο σκοπό θα γίνει χρήση ενός εργαλείου PREDICTIVE ANALYTICS και συγκεκριμένα του RAPID MINER. Αρχικά εκπαιδεύουμε το σύστημα με βάση τα ιστορικά δεδομένα των πελατών οι οποίοι προσεγγίστηκαν πιλοτικά. Το αρχείο το οποίο θα χρησιμοποιηθεί για αυτό το σκοπό περιλαμβάνει τα ακόλουθα πεδία: Αν αγόρασε το προϊόν ( Yes or No) Φύλλο Ηλικία Ετήσιο Εισόδημα Οικογενειακή Κατάσταση και θα μας δώσει το δένδρο αποφάσεων. Η πρωτογενής πηγή δεδομένων είναι μια τοπική βάση στην οποία καταχωρήθηκαν από τα καταστήματα τα αποτελέσματα της προσέγγισης των πελατών και το κεντρικό σύστημα της τράπεζας από το οποίο αντλούνται τα στοιχεία όπως ηλικία, οικογενειακή κατάσταση, ετήσιο εισόδημα και φύλλο. Δεδομένου ότι η καμπάνια έτρεξε πιλοτικά σε συγκεκριμένα καταστήματα και όχι σε ομάδα πελατών με συγκεκριμένα χαρακτηριστικά (πχ εισόδημα, ηλικία κλπ) το δένδρο αποφάσεων 24

26 θα μας δώσει γνώση αναφορικά με τα χαρακτηριστικά των πελατών που αγόρασαν το προϊόν ως προς τις παραμέτρους ηλικία, φύλλο, εισόδημα και οικογενειακή κατάσταση. Η γνώση που μας προσφέρει το δένδρο αποφάσεων θα χρησιμοποιηθεί για την εκτίμηση της πιθανότητας αγοράς του προϊόντος από το υπόλοιπο πελατολόγιο της Τράπεζας. Χρησιμοποιώντας το δέντρο αποφάσεων, τον τελεστή Apply Model (πρόβλεψη), το αρχείο με τους υποψήφιους πελάτες και τον τελεστή X-Validation (αξιοπιστία και ακρίβεια του μοντέλου) στο Rapid miner θα λάβουμε τη λίστα των υποψήφιων πελατών εμπλουτισμένη από το πρόγραμμα με την πληροφορία αν θα αγοράσουν το προϊόν ή όχι και με τι πιθανότητα (Confidence (yes) Confidence (no)). Text Mining Η τράπεζα έχει δημιουργήσει στο μέσο κοινωνικής δικτύωσης «Α» την επίσημη σελίδα της, στην οποία αναρτεί τις δραστηριότητες που πραγματοποιεί στα πλαίσια της Εταιρικής Κοινωνικής Ευθύνης. Το μέσο κοινωνικής δικτύωσης παρέχει την επιλογή απενεργοποίησης/ενεργοποίησης των σχολίων των επισκεπτών. Στόχος: δημιουργία ενός εργαλείου με το οποίο αυτοματοποιημένα θα κατηγοριοποιούνται τα σχόλια. Για το συγκεκριμένο σκοπό θα γίνει χρήση ενός εργαλείου Text Mining και συγκεκριμένα του RAPID MINER. 25

27 Για τη δημιουργία του μοντέλου βάσει του οποίου αυτοματοποιημένα πλέον θα χαρακτηρίζονται τα σχόλια ως αρνητικά, θετικά ή ουδέτερα θα χρησιμοποιήσουμε τα σχόλια τα οποία συντάχθηκαν τον προηγούμενο μήνα Απρίλιο. Τα σχόλια είναι στο σύνολό τους 600 και έχουν καταχωρηθεί σε τρεις κατηγορίες: Θετικά (420) Αρνητικά (150) Ουδέτερα (30) Χρησιμοποιούμε τον τελεστή Process Documents from files και δημιουργούμε τρεις κλάσεις (positive, negative, neutral) ορίζοντας τις περιοχές με τα χαρακτηρισμένα σχόλια του προηγούμενου μήνα. Σταδιακά προσθέτουμε όλους τους τελεστές επεξεργασίας κειμένου και στη συνέχεια στον τελεστή αξιοπιστίας-ακρίβειας του μοντέλου. Τέλος προχωρούμε στη δημιουργία και την αξιολόγηση του μοντέλου. Πλέον έχει δημιουργηθεί μια εκτεταμένη λίστα λέξεων οι οποίες χρησιμοποιούνται σε κάθε μια από τις κατηγορίες σχολίων. Σε μηνιαίο επίπεδο θα κατηγοριοποιούνται τα νέα σχόλια σε θετικά, αρνητικά και ουδέτερα βάσει του μοντέλου που αναπτύξαμε παραπάνω. Η απόφαση για την απενεργοποίηση της δυνατότητας σχολιασμού γίνεται βάσει των αποτελεσμάτων της εφαρμογής του μοντέλου και των business κριτηρίων που έχουν τεθεί πχ: ποσοστό αρνητικών σχολίων του περασμένου μήνα υψηλότερου του 50% ποσοστό αρνητικών σχολίων των δυο τελευταίων μηνών μεταξύ 40-50% 26

1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ

1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ 1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Τα δεδομένα που θα επεξεργασθούμε στη διάρκεια του εργαστηρίου παραχωρήθηκαν από την εταιρεία ICAP ειδικά για τις ανάγκες του μαθήματος. Τα δεδομένα αυτά αντλήθηκαν από την

Διαβάστε περισσότερα

8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ

8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ 8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Στόχος του εργαστηρίου αυτού είναι να δείξει πώς τα εργαστήρια με τα δεδομένα της ICAP μπορούν να υλοποιηθούν χωρίς τη χρήση SQL Server, χρησιμοποιώντας μόνον Excel και Rapid

Διαβάστε περισσότερα

Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Αριστομένης Μακρής

Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Αριστομένης Μακρής Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Τεχνολογίες Υποστήριξης Λήψης Διοικητικών Αποφάσεων OLTP (On Line Transaction Processing) Επιχειρηματικές Εφαρμογές (Σχεσιακές

Διαβάστε περισσότερα

4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ

4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ 4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ Στο προηγούμενο εργαστήριο είδαμε πώς μπορούμε να αντλήσουμε πληροφορίες από μια σχεσιακή βάση δεδομένων με τη βοήθεια των ερωτημάτων (queries). Το μειονέκτημα

Διαβάστε περισσότερα

7. ΣΥΣΤΗΜΑΤΑ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ

7. ΣΥΣΤΗΜΑΤΑ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ 7. ΣΥΣΤΗΜΑΤΑ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ ΠΡΟΣΟΧΗ: Κάθε φορά που θα φθάνετε στο σημείο αυτό πριν από τη δημιουργία κάθε μοντέλου, το σύστημα δίνει αυτόματα δυο αριθμήσεις: (1) στο τέλος του πεδίου Structure name

Διαβάστε περισσότερα

Data Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής

Data Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής Data Mining: Στοχεύοντας στους σωστούς πελάτες To CRM front-office πελατών Οι Προμηθευτές Οι Πελάτες ΟΟργανισμός Τροφοδότηση ενεργειών Μάρκετινγκ ΒΙ Απόταδεδομέναστηγνώση Επιχειρηματική Γνώση Επιχειρηματικοί

Διαβάστε περισσότερα

Πληροφοριακό Σύστημα Επιχειρηματικής Ευφυίας για την Oμαδοποίηση Πελατών Λιανικής

Πληροφοριακό Σύστημα Επιχειρηματικής Ευφυίας για την Oμαδοποίηση Πελατών Λιανικής Πληροφοριακό Σύστημα Επιχειρηματικής Ευφυίας για την Oμαδοποίηση Πελατών Λιανικής Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Ε Ι Ο Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Θ Ε Σ Σ Α Λ Ο Ν Ι Κ Η Σ Δομή Παρουσίασης

Διαβάστε περισσότερα

Εγχειρίδιο Χρήσης. 1bank Internet Banking για Εταιρικούς Συνδρομητές

Εγχειρίδιο Χρήσης. 1bank Internet Banking για Εταιρικούς Συνδρομητές Εγχειρίδιο Χρήσης 1bank Internet Banking για Εταιρικούς Συνδρομητές 1bank Πίνακας Περιεχομένων Τα κανάλια της 1bank... 3 Αίτηση... 3 Πληροφορίες Λογαριασμών... 4 Λογαριασμοί > Υπόλοιπα... 4 Λογαριασμοί

Διαβάστε περισσότερα

«Παράγοντες επηρεασμού της αποτελεσματικότητας ενεργειών δειγματισμού για καταναλωτικά προϊόντα»

«Παράγοντες επηρεασμού της αποτελεσματικότητας ενεργειών δειγματισμού για καταναλωτικά προϊόντα» «Παράγοντες επηρεασμού της αποτελεσματικότητας ενεργειών δειγματισμού για καταναλωτικά προϊόντα» Ονοματεπώνυμο: Ευαγγελία Στούμπου Σειρά: 10 Επιβλέπων Καθηγητής: Παρασκευάς Χ. Αργουσλίδης Δεκέμβριος 2013

Διαβάστε περισσότερα

Εργαστήρια Text Mining & Sentiment Analysis με Rapid Miner

Εργαστήρια Text Mining & Sentiment Analysis με Rapid Miner 10. Text Mining Για να μπορέσουμε να χρησιμοποιήσουμε τις δυνατότητες text mining του Rapid Miner πρέπει να εγκαταστήσουμε το Text Mining Extension. Πηγαίνουμε Help Updates and Extensions (Marketplace)

Διαβάστε περισσότερα

ΕΠΙΔΡΑΣΗ ΤΗΣ ΟΙΚΟΝΟΜΙΚΗΣ ΚΡΙΣΗΣ ΣΤΙΣ ΑΓΟΡΑΣΤΙΚΕΣ ΤΑΣΕΙΣ ΤΩΝ ΕΛΛΗΝΩΝ ΚΑΤΑΝΑΛΩΤΩΝ ΑΠΟ ΤΟ ΔΙΑΔΙΚΤΥΟ

ΕΠΙΔΡΑΣΗ ΤΗΣ ΟΙΚΟΝΟΜΙΚΗΣ ΚΡΙΣΗΣ ΣΤΙΣ ΑΓΟΡΑΣΤΙΚΕΣ ΤΑΣΕΙΣ ΤΩΝ ΕΛΛΗΝΩΝ ΚΑΤΑΝΑΛΩΤΩΝ ΑΠΟ ΤΟ ΔΙΑΔΙΚΤΥΟ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Πτυχιακή Εργασία ΕΠΙΔΡΑΣΗ ΤΗΣ ΟΙΚΟΝΟΜΙΚΗΣ ΚΡΙΣΗΣ ΣΤΙΣ ΑΓΟΡΑΣΤΙΚΕΣ ΤΑΣΕΙΣ ΤΩΝ ΕΛΛΗΝΩΝ ΚΑΤΑΝΑΛΩΤΩΝ ΑΠΟ ΤΟ ΔΙΑΔΙΚΤΥΟ Γκιπάλη Δώρα, A.M. 7795 Καρρά

Διαβάστε περισσότερα

Προγράμματα Προσήλωσης και Ηλεκτρονική Διαχείριση Σχέσεων Πελατών: Επιχειρηματικές Πρακτικές και Συμπεριφορά Καταναλωτή

Προγράμματα Προσήλωσης και Ηλεκτρονική Διαχείριση Σχέσεων Πελατών: Επιχειρηματικές Πρακτικές και Συμπεριφορά Καταναλωτή Προγράμματα Προσήλωσης και Ηλεκτρονική Διαχείριση Σχέσεων Πελατών: Επιχειρηματικές Πρακτικές και Συμπεριφορά Καταναλωτή Βασιλική Τσιλιγιάννη Σειρά: 11 Επιβλέπων Καθηγητής: Αδάμ Βρεχόπουλος Δεκέμβριος 2014

Διαβάστε περισσότερα

Προγράμματα Κατάρτισης από την ITMC A.E.

Προγράμματα Κατάρτισης από την ITMC A.E. Ι Τ Μ C Α. Ε. Σ Υ Μ Β Ο Υ Λ Ο Ι Ε Π Ι Χ Ε Ι Ρ Η Σ Ε Ω Ν INNOVATION, TECHNOLOGY & MAΝAGEMENT CONSULTANTS «Στόχος μας είναι ο μετασχηματισμός των εταιρικών πελατών μας σε δυναμικούς, αποτελεσματικούς και

Διαβάστε περισσότερα

Τραπεζικές Συναλλαγές μέσω Διαδικτύου

Τραπεζικές Συναλλαγές μέσω Διαδικτύου Τραπεζικές Συναλλαγές μέσω Διαδικτύου Ηλεκτρονικές Τραπεζικές Συναλλαγές Τι είναι οι Ηλεκτρονικές Τραπεζικές Συναλλαγές; Είναι η πραγματοποίηση τραπεζικών συναλλαγών χωρίς να χρειάζεται η φυσική παρουσία

Διαβάστε περισσότερα

2. Εισαγωγή Δεδομένων σε Σχεσιακή Βάση Δεδομένων

2. Εισαγωγή Δεδομένων σε Σχεσιακή Βάση Δεδομένων 2. Εισαγωγή Δεδομένων σε Σχεσιακή Βάση Δεδομένων Μετά τον μετασχηματισμό των δεδομένων με τη χρήση του Excel, τα δεδομένα θα εισαχθούν σε μια σχεσιακή βάση δεδομένων (Microsoft SQL Sever 2005) ώστε να

Διαβάστε περισσότερα

Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας

Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας e.nfo Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας Εξασφάλιση της εξειδικευµένης λύσης business intelligence για κάθε επιχείρηση πελάτης Τράπεζα Πειραιώς

Διαβάστε περισσότερα

Προγράμματα Κατάρτισης από την ITMC A.E.

Προγράμματα Κατάρτισης από την ITMC A.E. Ι Τ Μ C Α. Ε. Σ Υ Μ Β Ο Υ Λ Ο Ι Ε Π Ι Χ Ε Ι Ρ Η Σ Ε Ω Ν INNOVATION, TECHNOLOGY & MAΝAGEMENT CONSULTANTS «Στόχος μας είναι ο μετασχηματισμός των εταιρικών πελατών μας σε δυναμικούς, αποτελεσματικούς και

Διαβάστε περισσότερα

Προωθητικές Ενέργειες & Προσφορές

Προωθητικές Ενέργειες & Προσφορές Προωθητικές Ενέργειες & Προσφορές Βαθμός επίδρασης προωθητικών Ενεργειών στην επιλογή S/M Τρόποι Ενημέρωσης για Προσφορές Δημοφιλέστερα είδη Προσφορών Γνώση Προϊόντων σε προσφορά & Τιμών 1 Προωθητικές

Διαβάστε περισσότερα

Πανεπιστήμιο Πειραιώς Τμήμα : Οργάνωσης και Διοίκησης Επιχειρήσεων

Πανεπιστήμιο Πειραιώς Τμήμα : Οργάνωσης και Διοίκησης Επιχειρήσεων Πανεπιστήμιο Πειραιώς Τμήμα : Οργάνωσης και Διοίκησης Επιχειρήσεων ΕΚΠΑΙΔΕΥΣΗ & ΑΡΧΙΚΗ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΤΑΡΤΙΣΗ (Ε.Π.Ε.Α.Ε.Κ. II) στο πλαίσιο των Κατηγοριών Πράξεων 2.2.2.α. «Αναμόρφωση Προπτυχιακών Προγραμμάτων

Διαβάστε περισσότερα

ΠΑΝΟΡΑΜΑ ΤΗΣ ΚΑΤΑΡΤΙΣΗΣ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΤΟΥ ΑΝΘΡΩΠΙΝΟΥ ΔΥΝΑΜΙΚΟΥ ΤΗΣ ΚΥΠΡΟΥ ΚΑΤΑ ΤΟ 2000

ΠΑΝΟΡΑΜΑ ΤΗΣ ΚΑΤΑΡΤΙΣΗΣ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΤΟΥ ΑΝΘΡΩΠΙΝΟΥ ΔΥΝΑΜΙΚΟΥ ΤΗΣ ΚΥΠΡΟΥ ΚΑΤΑ ΤΟ 2000 ΠΑΝΟΡΑΜΑ ΤΗΣ ΚΑΤΑΡΤΙΣΗΣ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΤΟΥ ΑΝΘΡΩΠΙΝΟΥ ΔΥΝΑΜΙΚΟΥ ΤΗΣ ΚΥΠΡΟΥ ΚΑΤΑ ΤΟ 2000 ΔΙΕΥΘΥΝΣΗ ΕΡΕΥΝΑΣ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΑΡΧΗ ΑΝΑΠΤΥΞΗΣ ΑΝΘΡΩΠΙΝΟΥ ΔΥΝΑΜΙΚΟΥ ΚΥΠΡΟΥ ΑΠΡΙΛΙΟΣ 2002 ΣΥΝΟΨΗ ΤΗΣ ΜΕΛΕΤΗΣ

Διαβάστε περισσότερα

Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ

Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ 1 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΑΝΑΛΥΣΗ ΜΕΝΟΥ ΕΦΑΡΜΟΓΗΣ... 4 2. ΕΠΕΞΗΓΗΣΗ ΚΕΝΤΡΙΚΟΥ ΜΕΝΟΥ ΚΑΡΤΕΛΑΣ... 5 3. ΔΗΜΙΟΥΡΓΙΑ ΠΕΛΑΤΗ... 6 4. ΑΝΑΖΗΤΗΣΗ ΠΕΛΑΤΗ... 6 5. ΕΠΕΞΕΡΓΑΣΙΑ/ΔΙΑΓΡΑΦΗ

Διαβάστε περισσότερα

Γενικές αρχές διοίκησης. μιας μικρής επιχείρησης

Γενικές αρχές διοίκησης. μιας μικρής επιχείρησης Γενικές αρχές διοίκησης μιας μικρής επιχείρησης Η επιχείρηση αποτελεί μια παραγωγική - οικονομική μονάδα, με την έννοια ότι συνδυάζει και αξιοποιεί τους συντελεστές παραγωγής (εργασία, κεφάλαιο, γνώση,

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ

ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ Δ. ΑΜΠΕΛΟΚΗΠΩΝ-ΜΕΝΕΜΕΝΗΣ Απρίλιος 2012 Ανάλυση της Τοπικής Αγοράς Εργασίας 1. Περιγραφή των βασικών χαρακτηριστικών της περιοχής παρέμβασης στην οποία θα εφαρμοστεί

Διαβάστε περισσότερα

Υπολογισμός Φορολογικής Αναμόρφωσης

Υπολογισμός Φορολογικής Αναμόρφωσης Υπολογισμός Φορολογικής Αναμόρφωσης Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της διαδικασίας Υπολογισμού Φορολογικής Αναμόρφωσης στην εφαρμογή Λογιστική Διαχείριση. Παρακάτω

Διαβάστε περισσότερα

Η προβολή πολυτελών υπηρεσιών μέσω του διαδικτύου και των μέσων κοινωνικής δικτύωσης

Η προβολή πολυτελών υπηρεσιών μέσω του διαδικτύου και των μέσων κοινωνικής δικτύωσης Η προβολή πολυτελών υπηρεσιών μέσω του διαδικτύου και των μέσων κοινωνικής δικτύωσης Δομή έρευνας Εισαγωγή Βασικές Έννοιες και Εργαλεία Έρευνας Σχεδιασμός Έρευνας Σκοπός Έρευνας Στρατηγική Έρευνας και

Διαβάστε περισσότερα

Έκδοση 5.12.1.0 15/09/2014. Νέα λειτουργικότητα - Βελτιώσεις

Έκδοση 5.12.1.0 15/09/2014. Νέα λειτουργικότητα - Βελτιώσεις Έκδοση 5.12.1.0 15/09/2014 Η έκδοση 5.12.1.0, περιλαμβάνει : Νέα λειτουργικότητα Βελτιώσεις Δήλωση εργοδότη για λήξη σύμβασης ορισμένου χρόνου ή έργου (Ε7) xml αρχείο Δήλωση εργοδότη για λήξη σύμβασης

Διαβάστε περισσότερα

Διαγωνισμός Στατιστικής ΕΛΣΤΑΤ 2018 Κατηγορία Α: Γενικά και Επαγγελματικά Λύκεια Όνομα ομάδας: ΣΤΑΤ2 Εκπαιδευτική μονάδα: Εκπαιδευτική Αναγέννηση

Διαγωνισμός Στατιστικής ΕΛΣΤΑΤ 2018 Κατηγορία Α: Γενικά και Επαγγελματικά Λύκεια Όνομα ομάδας: ΣΤΑΤ2 Εκπαιδευτική μονάδα: Εκπαιδευτική Αναγέννηση Διαγωνισμός Στατιστικής ΕΛΣΤΑΤ 28 Κατηγορία Α: Γενικά και Επαγγελματικά Λύκεια Όνομα ομάδας: ΣΤΑΤ2 Εκπαιδευτική μονάδα: Εκπαιδευτική Αναγέννηση Στόχοι Εργασίας / Ανάλυσης Η διερεύνηση πιθανών συσχετίσεων

Διαβάστε περισσότερα

Δώστε εκπτώσεις & bonus στους πελάτες σας, κέρδη στην επιχείρηση σας. www.thessbonus.gr

Δώστε εκπτώσεις & bonus στους πελάτες σας, κέρδη στην επιχείρηση σας. www.thessbonus.gr Δώστε εκπτώσεις & bonus στους πελάτες σας, κέρδη στην επιχείρηση σας www.thessbonus.gr Ο Εμπορικός Σύλλογος Θεσσαλονίκης στην προσπάθειά του να παρέχει στις εμπορικές επιχειρήσεις της πόλης μας τη δυνατότητα

Διαβάστε περισσότερα

Αύξηση πελατών. Λίγα λόγια για Επιτυχημένες προωθήσεις

Αύξηση πελατών. Λίγα λόγια για Επιτυχημένες προωθήσεις Αύξηση πελατών Λίγα λόγια για Επιτυχημένες προωθήσεις Βελτίωση των προωθήσεων σας Εισαγωγή Συγκρίνετε τι σας συμφέρει Αποτέλεσμα και επανάληψη Υπάρχουν δυνατότητες για όλες τις επιχειρήσεις Εισαγωγή πληροφορίες

Διαβάστε περισσότερα

Περιεχόμενα. Σκοπός της έρευνας Εισαγωγή Βιβλιογραφική Επισκόπηση Μεθοδολογία Έρευνας Ανάλυση και ερμηνεία αποτελεσμάτων Συμπεράσματα

Περιεχόμενα. Σκοπός της έρευνας Εισαγωγή Βιβλιογραφική Επισκόπηση Μεθοδολογία Έρευνας Ανάλυση και ερμηνεία αποτελεσμάτων Συμπεράσματα Περιεχόμενα Σκοπός της έρευνας Εισαγωγή Βιβλιογραφική Επισκόπηση Μεθοδολογία Έρευνας Ανάλυση και ερμηνεία αποτελεσμάτων Συμπεράσματα Σκοπός της έρευνας Η συμβολή του διαδικτύου και των μέσων κοινωνικής

Διαβάστε περισσότερα

Δημιουργία. Σε αυτό το εγχειρίδιο περιγράφεται η Δημιουργία. Εκτυπώσεων & Προβολών

Δημιουργία. Σε αυτό το εγχειρίδιο περιγράφεται η Δημιουργία. Εκτυπώσεων & Προβολών Δημιουργία Εκτυπώσεων & Προβολών Σε αυτό το εγχειρίδιο περιγράφεται η Δημιουργία Εκτυπώσεων & Προβολών Περιεχόμενα Διαχείριση Εκτυπώσεων & Προβολών 3 Εκτύπωση Γενικές Παράμετροι... 4 Φίλτρα... 4 Bands...

Διαβάστε περισσότερα

Διαχείριση Βιογραφικών

Διαχείριση Βιογραφικών Διαχείριση Βιογραφικών Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της Διαδικασίας Πλήρους Διαχείρισης Βιογραφικών. Παρακάτω προτείνεται μια αλληλουχία ενεργειών την οποία ο

Διαβάστε περισσότερα

Απαντήσεις σε πιθανά ερωτήματα ιδιωτών. Για την ενημέρωση των ιδιωτών πελατών μας ακολουθούν απαντήσεις σε πιθανά ερωτήματα.

Απαντήσεις σε πιθανά ερωτήματα ιδιωτών. Για την ενημέρωση των ιδιωτών πελατών μας ακολουθούν απαντήσεις σε πιθανά ερωτήματα. Πράξη Νομοθετικού Περιεχομένου «Τραπεζική αργία βραχείας διάρκειας», (ΦΕΚ: Α 65/28.6.2015, Α 66/30.6.2015, Β 1302/30.6.15, Β 1380/3.7.2015, Β 1391/6.7.2015, Β 1420/8.7.2015, Β 1458/10.7.2015, Β 1460/13.7.2015,

Διαβάστε περισσότερα

ΓΕΩΤΕΧΝΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΕΛΛΑΔΑΣ (ΓΕΩΤ.Ε.Ε.) Προσφορά Συνεργασίας

ΓΕΩΤΕΧΝΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΕΛΛΑΔΑΣ (ΓΕΩΤ.Ε.Ε.) Προσφορά Συνεργασίας ΓΕΩΤΕΧΝΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΕΛΛΑΔΑΣ (ΓΕΩΤ.Ε.Ε.) Προσφορά Συνεργασίας 06.2017 Καθημερινές Συναλλαγές Δωρεάν Ηλεκτρονικό πακέτο Οι βραβευμένες υπηρεσίες της Τράπεζάς μας, σας δίνουν τη δυνατότητα να έχετε πρόσβαση

Διαβάστε περισσότερα

Πίνακας περιεχομένων. Κεφάλαιο 1 Λειτουργίες βάσης δεδομένων Κεφάλαιο 2 Συγκεντρωτικοί πίνακες Πρόλογος... 11

Πίνακας περιεχομένων. Κεφάλαιο 1 Λειτουργίες βάσης δεδομένων Κεφάλαιο 2 Συγκεντρωτικοί πίνακες Πρόλογος... 11 Πίνακας περιεχομένων Πρόλογος... 11 Κεφάλαιο 1 Λειτουργίες βάσης δεδομένων...13 1.1 Εισαγωγή... 13 1.2 Δημιουργία βάσης δεδομένων... 14 1.3 Ταξινόμηση βάσης δεδομένων... 16 1.4 Μερικά αθροίσματα... 20

Διαβάστε περισσότερα

Νέες δυνατότητες εφαρμογών PRISMA Win

Νέες δυνατότητες εφαρμογών PRISMA Win Νέες δυνατότητες εφαρμογών PRISMA Win Αριθμός Έκδοσης: 8.0.1.0001 Λογιστικές εφαρμογές Η Εξέλιξη των εφαρμογών PRISMA Win δε σταματά ποτέ! Παρακάτω μπορείτε να δείτε νέες δυνατότητες που προστέθηκαν στις

Διαβάστε περισσότερα

Ταυτότητα της έρευνας

Ταυτότητα της έρευνας GREEK PUBLIC OPINION Ταυτότητα της έρευνας Α Επωνυμία του διενεργήσαντος τη δημοσκόπηση: G.P.O. ΕΡΕΥΝΑ ΕΠΙΚΟΙΝΩΝΙΑ ΑΕ ΔΙΕΥΘΥΝΣΗ: Ν. ΠΛΑΣΤΗΡΑ 86 ΤΗΛΕΦΩΝΟ: 21-937419-1, ΦΑΞ: 21-9374192 Email: gpo-ae@otenet.gr

Διαβάστε περισσότερα

ΙΑΤΡΙΚΟΣ ΣΥΛΛΟΓΟΣ Ν. ΧΑΛΚΙΔΙΚΗΣ. Προσφορά Συνεργασίας

ΙΑΤΡΙΚΟΣ ΣΥΛΛΟΓΟΣ Ν. ΧΑΛΚΙΔΙΚΗΣ. Προσφορά Συνεργασίας ΙΑΤΡΙΚΟΣ ΣΥΛΛΟΓΟΣ Ν. ΧΑΛΚΙΔΙΚΗΣ Προσφορά Συνεργασίας ΦΕΒΡΟΥΑΡΙΟΣ 2017 Καθημερινές Συναλλαγές Δωρεάν Ηλεκτρονικό πακέτο Οι βραβευμένες υπηρεσίες της Τράπεζάς μας, σας δίνουν τη δυνατότητα να έχετε πρόσβαση

Διαβάστε περισσότερα

Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με στόχο τη διαδικασία υποστήριξης λήψης αποφάσεων -

Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με στόχο τη διαδικασία υποστήριξης λήψης αποφάσεων - Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) Ορισμοί Data Warehouse 1. 2. Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με

Διαβάστε περισσότερα

Εμπειρική διερεύνηση των στάσεων των καταναλωτών απέναντι στα προϊόντα ιδιωτικής ετικέτας

Εμπειρική διερεύνηση των στάσεων των καταναλωτών απέναντι στα προϊόντα ιδιωτικής ετικέτας Εμπειρική διερεύνηση των στάσεων των καταναλωτών απέναντι στα προϊόντα ιδιωτικής ετικέτας Ονοματεπώνυμο: Φανή Φιλίππου Σειρά: 9 Επιβλέπων Καθηγητής: Παρασκευάς Αργουσλίδης Δεκέμβριος 2012 1 Σκοπός της

Διαβάστε περισσότερα

ΒΕΛΤΙΣΤΕΣ ΠΡΑΚΤΙΚΕΣ ΣΤΡΑΤΗΓΙΚΩΝ CRM ΣΤΙΣ ΞΕΝΟΔΟΧΕΙΑΚΕΣ ΕΠΙΧΕΙΡΗΣΕΙΣ:Η ΠΕΡΙΠΤΩΣΗ ΠΕΝΤΑΣΤΕΡΩΝ ΞΕΝΟΔΟΧΕΙΩΝ ΑΘΗΝΑΣ

ΒΕΛΤΙΣΤΕΣ ΠΡΑΚΤΙΚΕΣ ΣΤΡΑΤΗΓΙΚΩΝ CRM ΣΤΙΣ ΞΕΝΟΔΟΧΕΙΑΚΕΣ ΕΠΙΧΕΙΡΗΣΕΙΣ:Η ΠΕΡΙΠΤΩΣΗ ΠΕΝΤΑΣΤΕΡΩΝ ΞΕΝΟΔΟΧΕΙΩΝ ΑΘΗΝΑΣ ΒΕΛΤΙΣΤΕΣ ΠΡΑΚΤΙΚΕΣ ΣΤΡΑΤΗΓΙΚΩΝ CRM ΣΤΙΣ ΞΕΝΟΔΟΧΕΙΑΚΕΣ ΕΠΙΧΕΙΡΗΣΕΙΣ:Η ΠΕΡΙΠΤΩΣΗ ΠΕΝΤΑΣΤΕΡΩΝ ΞΕΝΟΔΟΧΕΙΩΝ ΑΘΗΝΑΣ ΟΝΟΜΑΤΕΠΩΝΥΜΟ :ΜΑΡΙΑ Ι. ΦΙΛΙΠΠΙΔΗ ΣΕΙΡΑ:12 Α.Μ.:114120 ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΒΑΣΙΛΕΙΑΔΗΣ ΧΡΗΣΤΟΣ

Διαβάστε περισσότερα

ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ

ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ 1. Γενικές Ερωτήσεις για τη Συγχώνευση ΕΡ: Σε ποιο στάδιο βρίσκεται η συγχώνευση; Πότε θα ολοκληρωθεί; ΑΠ: Στις 22 Νοεμβρίου 2013 ολοκληρώθηκε η νομική συγχώνευση με απορρόφηση

Διαβάστε περισσότερα

ΕΡΓΟ: «Ανάπτυξη Εφαρμογής Μητρώου και Εκπαίδευση» ΠΑΡΑΔΟΤΕΟ Έλεγχος Συστήματος & Λογισμικού Μητρώου ΑμεΑ

ΕΡΓΟ: «Ανάπτυξη Εφαρμογής Μητρώου και Εκπαίδευση» ΠΑΡΑΔΟΤΕΟ Έλεγχος Συστήματος & Λογισμικού Μητρώου ΑμεΑ 1 ΕΡΓΟ: «Ανάπτυξη Εφαρμογής Μητρώου και Εκπαίδευση» ΠΑΡΑΔΟΤΕΟ Έλεγχος Συστήματος & Λογισμικού Μητρώου ΑμεΑ Π.6. ΕΓΧΕΙΡΙΔΙΑ ΜΗΤΡΩΟ ΑΜΕΑ ΥΠΟΣΥΣΤΗΜΑΤΑ ΕΡΓΟ: «ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΗΣ ΜΗΤΡΩΟΥ και ΕΚΠΑΙΔΕΥΣΗ» 2015

Διαβάστε περισσότερα

Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ

Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ Οδηγός Χρήσης Εφαρμογής Γραφείων Πρακτικής Άσκησης Αφού πιστοποιηθεί ο λογαριασμός που δημιουργήσατε στο πρόγραμμα «Άτλας» ως Γραφείο Πρακτικής,

Διαβάστε περισσότερα

Προσφορά Για τα μέλη του Ιατρικού Συλλόγου Αθηνών

Προσφορά Για τα μέλη του Ιατρικού Συλλόγου Αθηνών Προσφορά Για τα μέλη του Ιατρικού Συλλόγου Αθηνών 2017 Προσφορά για την προμήθεια τερματικών P.O.S. στα μέλη Σελίδα 1 από 6 1. ΠΡΟΣΦΟΡΑ ΣΤΑ ΜΕΛΗ ΤΟΥ ΣΥΛΛΟΓΟΥ ΓΙΑ ΚΑΛΥΨΗ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΑΝΑΓΚΩΝ 1.1. ΤΕΡΜΑΤΙΚΑ

Διαβάστε περισσότερα

ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ. Παρουσίαση 2 ο μέρος:

ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ. Παρουσίαση 2 ο μέρος: ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ Παρουσίαση 2 ο μέρος: Λήψη αποφάσεων Η λήψη αποφάσεων αποτελεί κεντρική δραστηριότητα σε όλα τα επίπεδα λειτουργίας μιας επιχείρησης, από τον σχεδιασμό δράσεων,

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΒΑΣΙΚΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ «ΕΡΕΥΝΑΣ ΕΙΣΟ ΗΜΑΤΟΣ ΚΑΙ ΣΥΝΘΗΚΩΝ ΙΑΒΙΩΣΗΣ ΤΩΝ ΝΟΙΚΟΚΥΡΙΩΝ (EU-SILC 2003)»

ΠΑΡΟΥΣΙΑΣΗ ΒΑΣΙΚΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ «ΕΡΕΥΝΑΣ ΕΙΣΟ ΗΜΑΤΟΣ ΚΑΙ ΣΥΝΘΗΚΩΝ ΙΑΒΙΩΣΗΣ ΤΩΝ ΝΟΙΚΟΚΥΡΙΩΝ (EU-SILC 2003)» ΠΑΡΟΥΣΙΑΣΗ ΒΑΣΙΚΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ «ΕΡΕΥΝΑΣ ΕΙΣΟ ΗΜΑΤΟΣ ΚΑΙ ΣΥΝΘΗΚΩΝ ΙΑΒΙΩΣΗΣ ΤΩΝ ΝΟΙΚΟΚΥΡΙΩΝ (EU-SILC 2003)» εκατημόρια Εισοδήματος, συντελεστής ανισότητας Gini, και δείκτης S80/20 Δεκατημόρια Συνολικό

Διαβάστε περισσότερα

Pylon Entry. Πελάτες. Στην διαδικασία αυτή περιγράφεται η Δημιουργία- Μεταβολή-Διαγραφή Αναζήτηση ενός πελάτη

Pylon Entry. Πελάτες. Στην διαδικασία αυτή περιγράφεται η Δημιουργία- Μεταβολή-Διαγραφή Αναζήτηση ενός πελάτη Pylon Entry Πελάτες Στην διαδικασία αυτή περιγράφεται η Δημιουργία- Μεταβολή-Διαγραφή Αναζήτηση ενός πελάτη Περιεχόμενα Δημιουργία Νέου Πελάτη... 3 Καρτέλα Βασικά Στοιχεία... 5 Καρτέλα Πρόσθετα Στοιχεία...

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ. Επικαιροποίηση γνώσεων αποφοίτων ΑΕΙ στην οργάνωση, διοίκηση τουριστικών επιχειρήσεων και στην προώθηση τουριστικών προορισμών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ. Επικαιροποίηση γνώσεων αποφοίτων ΑΕΙ στην οργάνωση, διοίκηση τουριστικών επιχειρήσεων και στην προώθηση τουριστικών προορισμών ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΑΙΓΑΙΟΥ Εσωτερική Αξιολόγηση Προγράμματος Ανάλυση Αποτελεσμάτων Ερωτηματολογίου Αποφοίτων του Προγράμματος Επικαιροποίησης Γνώσεων Αποφοίτων Α.Ε.Ι. (Π.Ε.Γ.Α.) Επικαιροποίηση

Διαβάστε περισσότερα

Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ

Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ Βασίλης Γ. Αγγέλης Δρ. Μηχανικός Η/Υ και Πληροφορικής Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ Μετατρέψτε τα δεδομένα σας σε κέρδος Αθήνα Κάθε γνήσιο αντίγραφο έχει την υπογραφή του συγγραφέα Έκδοση 1 η, Copyright 2007

Διαβάστε περισσότερα

ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ

ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ 1. Γενικές Ερωτήσεις για τη Συγχώνευση ΕΡ: Σε ποιο στάδιο βρίσκεται η συγχώνευση; Πότε ολοκληρώνεται; ΑΠ: Η συγχώνευση έχει ήδη ολοκληρωθεί. Συγκεκριμένα, στις 22 Νοεμβρίου

Διαβάστε περισσότερα

CRM για Εκπαιδευτικούς Φορείς

CRM για Εκπαιδευτικούς Φορείς Cosmos Business Systems S.A. Group CRM για Εκπαιδευτικούς Φορείς CRM Εκπαιδευτικών Φορέων Το CRM Εκπαιδευτικών Φορέων έχει αναπτυχθεί για να ικανοποιήσει τις ανάγκες διαχείρισης του υποψήφιου πελατολογίου

Διαβάστε περισσότερα

ATTICA BANK: ΣΗΜΑΝΤΙΚΗ ΑΥΞΗΣΗ ΜΕΓΕΘΩΝ, ΑΝΑΚΑΜΨΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΟ 2006

ATTICA BANK: ΣΗΜΑΝΤΙΚΗ ΑΥΞΗΣΗ ΜΕΓΕΘΩΝ, ΑΝΑΚΑΜΨΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΟ 2006 ΑΝΑΚΟΙΝΩΣΗ ΤΗΣ 15/3/2007 ATTICA BANK: ΣΗΜΑΝΤΙΚΗ ΑΥΞΗΣΗ ΜΕΓΕΘΩΝ, ΑΝΑΚΑΜΨΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΟ 2006 Αύξηση Χρηματοδοτήσεων 26,7%, αύξηση καταθέσεων 23,9% και θετικά αποτελέσματα (προ φόρων) 4,8 εκατ. ευρώ (έναντι

Διαβάστε περισσότερα

ΜΑΘΗΜΑ: ΜΑΡΚΕΤΙΝΓΚ ΠΡΟΙΌΝΤΩΝ ΜΑΡΚΕΤΙΝΓΚ ΞΥΛΟΥ ΚΑΙ ΕΠΙΠΛΟΥ

ΜΑΘΗΜΑ: ΜΑΡΚΕΤΙΝΓΚ ΠΡΟΙΌΝΤΩΝ ΜΑΡΚΕΤΙΝΓΚ ΞΥΛΟΥ ΚΑΙ ΕΠΙΠΛΟΥ ΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΟΥ ΜΑΡΚΕΤΙΝΓΚ ΔΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ Έρευνα μάρκετινγκ Τιμολόγηση Ανάπτυξη νέων προϊόντων ΜΑΡΚΕΤΙΝΓΚ Προώθηση πωλήσεων Τμηματοποίηση της αγοράς Διαφήμιση ΜΑΘΗΜΑ: ΜΑΡΚΕΤΙΝΓΚ ΠΡΟΙΌΝΤΩΝ

Διαβάστε περισσότερα

Εργαστήριο 6 ο 7 ο / Ερωτήματα Ι

Εργαστήριο 6 ο 7 ο / Ερωτήματα Ι Εργαστήριο 6 ο 7 ο / Ερωτήματα Ι Απλά ερωτήματα Επιλογής Ερωτήματα με Ενώσεις πινάκων Ερωτήματα με Παραμετρικά Κριτήρια Ερωτήματα με Υπολογιζόμενα πεδία Απλά ερωτήματα Επιλογής Τα Ερωτήματα μας επιτρέπουν

Διαβάστε περισσότερα

Που πάνε τα στοιχεία (data) μας; Κίνδυνοι από τρίτους φορείς

Που πάνε τα στοιχεία (data) μας; Κίνδυνοι από τρίτους φορείς Που πάνε τα στοιχεία (data) μας; Κίνδυνοι από τρίτους φορείς Παναγιώτης Δρούκας Πρόεδρος ISACA Athens Chapter CISA, CRISC, CGEIT, COBIT 5 (f) 2η Ημερίδα Εσωτερικού Ελέγχου 19 Μαΐου 2016 1 Περιεχόμενα Εισαγωγή

Διαβάστε περισσότερα

Διαχείριση Βάσης Δεδομένων (dbadmin)

Διαχείριση Βάσης Δεδομένων (dbadmin) Published on PRISMA Win Help - Megasoft (http://docs.megasoft.gr) Home > Εμπορική Διαχείριση > Διαχείριση Βάσης Δεδομένων (dbadmin) Διαχείριση Βάσης Δεδομένων (dbadmin) Μέσα από τη διαχείριση βάσης δεδομένων

Διαβάστε περισσότερα

6. ΓΕΩΓΡΑΦΙΚΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

6. ΓΕΩΓΡΑΦΙΚΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ 6. ΓΕΩΓΡΑΦΙΚΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Στη διάρκεια αυτού του εργαστηρίου θα δούμε τα δεδομένα της ICAP από μια διαφορετική οπτική γωνία, με τη χρήση συστημάτων GIS, κατά γεωγραφική περιοχή και ειδικά κατά

Διαβάστε περισσότερα

Τμηματοποίηση αγοράς. Έννοια, κριτήρια, είδη

Τμηματοποίηση αγοράς. Έννοια, κριτήρια, είδη Τμηματοποίηση αγοράς Έννοια, κριτήρια, είδη Τμηματοποίηση της αγοράς Η κατάτμηση της συνολικής ανομοιογενούς αγοράς ενός προϊόντος σε επιμέρους ομοιογενή τμήματα και η εξυπηρέτηση κάθε τμήματος μέσω της

Διαβάστε περισσότερα

Στην εφαρμογή αυτή μπορούν να υποβληθούν 6 διαφορετικά είδη δηλώσεων απόδοσης παρακρατούμενων φόρων από:

Στην εφαρμογή αυτή μπορούν να υποβληθούν 6 διαφορετικά είδη δηλώσεων απόδοσης παρακρατούμενων φόρων από: Οδηγίες χρήσης της εφαρμογής «Δήλωση απόδοσης Παρακρατούμενων και Προκαταβλητέων Φόρων από Μισθωτή Εργασία και Συντάξεις, από Αμοιβές Επιχειρηματικής Δραστηριότητας καθώς και από Μερίσματα, Τόκους και

Διαβάστε περισσότερα

Ermis Media. Κατηγορία: Digital Media. Τίτλος Συμμετοχής: Notos Galleries Mobile Geolocation. Προϊόν/Υπηρεσία ( Brand Name): Notos Galleries

Ermis Media. Κατηγορία: Digital Media. Τίτλος Συμμετοχής: Notos Galleries Mobile Geolocation. Προϊόν/Υπηρεσία ( Brand Name): Notos Galleries Ermis Media Η έκθεση δεν θα πρέπει να ξεπερνάει συνολικά τις 10 σελίδες (μαζί με τις οδηγίες συμπλήρωσης των πεδίων). Για τις απαντήσεις θα πρέπει να χρησιμοποιηθεί μέγεθος γραμματοσειράς 10 ή και μεγαλύτερο.

Διαβάστε περισσότερα

Διαχείριση Αξιόγραφων

Διαχείριση Αξιόγραφων Διαχείριση Αξιόγραφων 1 Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της διαδικασίας Διαχείρισης Αξιόγραφων στην εφαρμογή extra Λογιστική Διαχείριση. Παρακάτω προτείνεται μια

Διαβάστε περισσότερα

Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα

Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 1 Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 2 Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 3 Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 4 Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 5 Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα 6 Δ.Π.Μ.Σ.

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΠΟΥ ΕΠΙ ΡΟΥΝ ΣΤΗ ΧΡΗΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΤΟΥ ΗΛΕΚΤΡΟΝΙΚΟΥ ΕΜΠΟΡΙΟΥ

ΕΚΤΙΜΗΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΠΟΥ ΕΠΙ ΡΟΥΝ ΣΤΗ ΧΡΗΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΤΟΥ ΗΛΕΚΤΡΟΝΙΚΟΥ ΕΜΠΟΡΙΟΥ ΕΚΤΙΜΗΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΠΟΥ ΕΠΙ ΡΟΥΝ ΣΤΗ ΧΡΗΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΤΟΥ ΗΛΕΚΤΡΟΝΙΚΟΥ ΕΜΠΟΡΙΟΥ 1 ΕΙΣΑΓΩΓΗ Με την ολοένα και ταχύτερη ανάπτυξη των τεχνολογιών και των επικοινωνιών και ιδίως τη ραγδαία, τα τελευταία

Διαβάστε περισσότερα

Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων. Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων

Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων. Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων Πίνακας περιεχομένων 1 Γενικές Πληροφορίες... 2 1.1 Εισαγωγή...

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΗ ΕΝΟΤΗΤΑΣ ΙΙI

ΠΕΡΙΓΡΑΦΗ ΕΝΟΤΗΤΑΣ ΙΙI ΤΡΑΠΕΖΙΚΑ ΠΡΟΪΟΝΤΑ ΠΕΡΙΓΡΑΦΗ ΕΝΟΤΗΤΑΣ ΙΙI Τα χαρακτηριστικά των τραπεζικών προϊόντων και υπηρεσιών και πως αυτά μπορούν να προσδώσουν στον τραπεζικό οργανισμό ανταγωνιστικό και συγκριτικό πλεονέκτημα Καταθετικά

Διαβάστε περισσότερα

ΠΡΑΞΗ ΝΟΜΟΘΕΤΙΚΟΥ ΠΕΡΙΕΧΟΜΕΝΟΥ: «Τραπεζική αργία βραχείας διάρκειας»

ΠΡΑΞΗ ΝΟΜΟΘΕΤΙΚΟΥ ΠΕΡΙΕΧΟΜΕΝΟΥ: «Τραπεζική αργία βραχείας διάρκειας» ΠΡΑΞΗ ΝΟΜΟΘΕΤΙΚΟΥ ΠΕΡΙΕΧΟΜΕΝΟΥ: «Τραπεζική αργία βραχείας διάρκειας» (ΦΕΚ Α 65, 28.6.2015), όπως ισχύει (ΦΕΚ Α 66, 30.6.2015 και ΦΕΚ Α 79, 14.7.2015) Συχνές Ερωτήσεις και Απαντήσεις 15 Ιουλίου 2015 1.

Διαβάστε περισσότερα

5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ 5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Το μοντέλο που δημιουργήσαμε στο προηγούμενο εργαστήριο έχει βελτιωθεί εν μέρει ώστε να συμπεριλάβει και κάποιες δυνατότητες οι οποίες απαιτούν σχετικά εξειδικευμένες

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ Σχολή Διοίκησης και Οικονομίας Τμήμα Λογιστικής

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ Σχολή Διοίκησης και Οικονομίας Τμήμα Λογιστικής ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ Σχολή Διοίκησης και Οικονομίας Τμήμα Λογιστικής Θέμα πτυχιακής εργασίας: Μελέτη των καταναλωτών της θεσσαλονίκης ως προς τις αγορές ενδυμάτων,τον βαθμό ικανοποίησης

Διαβάστε περισσότερα

Ταξινόμηση Δεδομένων. 9 η Εργαστηριακή Άσκηση (Excel)

Ταξινόμηση Δεδομένων. 9 η Εργαστηριακή Άσκηση (Excel) 9 η Εργαστηριακή Άσκηση (Excel) Ταξινόμηση Δεδομένων Μπορούμε να ταξινομήσουμε τα στοιχεία του πίνακα ανά πεδίο και με οποιαδήποτε σειρά. Η διαδικασία είναι η εξής: Κάνουμε κλικ μέσα σε κάποιο κελί στην

Διαβάστε περισσότερα

«ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ ΚΑΙ ΑΝΑΛΥΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΗΛΕΚΤΡΟΝΙΚΗΣ ΠΡΟΒΟΛΗΣ ΣΤΗΝ ΚΥΠΡΙΑΚΗ ΑΓΟΡΑ»

«ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ ΚΑΙ ΑΝΑΛΥΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΗΛΕΚΤΡΟΝΙΚΗΣ ΠΡΟΒΟΛΗΣ ΣΤΗΝ ΚΥΠΡΙΑΚΗ ΑΓΟΡΑ» Π.Μ.Σ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗ: ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΑΤΡΑΚΑΣ ΘΩΜΑΣ «ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ ΚΑΙ ΑΝΑΛΥΣΗ ΤΩΝ ΥΠΗΡΕΣΙΩΝ ΗΛΕΚΤΡΟΝΙΚΗΣ ΠΡΟΒΟΛΗΣ ΣΤΗΝ ΚΥΠΡΙΑΚΗ ΑΓΟΡΑ» ΕΠΙΒΛΕΠΩΝ

Διαβάστε περισσότερα

Είσοδος στην εφαρμογή Δημιουργία Εταιρίας Καρτέλα Στοιχεία εταιρίας: Καρτέλα Πρόσθετα στοιχεία: Καρτέλα Τράπεζα:...

Είσοδος στην εφαρμογή Δημιουργία Εταιρίας Καρτέλα Στοιχεία εταιρίας: Καρτέλα Πρόσθετα στοιχεία: Καρτέλα Τράπεζα:... Περιεχόμενα Είσοδος στην εφαρμογή... 3 Δημιουργία Εταιρίας... 5 Καρτέλα Στοιχεία εταιρίας:... 6 Καρτέλα Πρόσθετα στοιχεία:... 6 Καρτέλα Τράπεζα:... 7 Καρτέλα λογιστική:... 9 Καρτέλα e-mail info... 9 Δημιουργία

Διαβάστε περισσότερα

ERGASIA.GR. Συν-εργαστείτε μαζί μας

ERGASIA.GR. Συν-εργαστείτε μαζί μας ERGASIA.GR Συν-εργαστείτε μαζί μας 1.000.000 επισκέψεις μηνιαίως! Το ergasia.gr ξεκίνησε την λειτουργία του τον Μάρτιο του 2014 και σε πολύ σύντομο χρονικό διάστημα, αναρριχήθηκε ανάμεσα στις πρώτες ιστοσελίδες

Διαβάστε περισσότερα

Απάντηση 8: Σύμφωνα με την διακήρυξη, απαιτείται η ανάπτυξη ενός συστήματος με υψηλές δυνατότητες αναφορών και συνδυασμού δεδομένων από πολλές πηγές.

Απάντηση 8: Σύμφωνα με την διακήρυξη, απαιτείται η ανάπτυξη ενός συστήματος με υψηλές δυνατότητες αναφορών και συνδυασμού δεδομένων από πολλές πηγές. Ερώτηση 8: Αναφορικά με την ανάπτυξη συστήματος και παραγωγής αναφορών όπως αυτό προδιαγράφεται στο τεύχος διαγωνισμού «Ανάπτυξη Ψηφιακών Εφαρμογών για την συλλογή και αξιοποίηση δεδομένων προώθησης της

Διαβάστε περισσότερα

ΝΕΑ ΟΡΓΑΝΩΤΙΚΗ ΔΟΜΗ BUSINESS ΜΙΣΘΟΔΟΣΙΑ / PYLON PAYROLL & HRM EMPLOYEE SELF SERVICE

ΝΕΑ ΟΡΓΑΝΩΤΙΚΗ ΔΟΜΗ BUSINESS ΜΙΣΘΟΔΟΣΙΑ / PYLON PAYROLL & HRM EMPLOYEE SELF SERVICE ΝΕΑ ΟΡΓΑΝΩΤΙΚΗ ΔΟΜΗ BUSINESS ΜΙΣΘΟΔΟΣΙΑ / PYLON PAYROLL & HRM EMPLOYEE SELF SERVICE ΠΕΡΙΕΧΟΜΕΝΑ 1. Περίληψη... 3 2. Θεωρία... 3 2.1. Βασική Δομή... 3 2.2. Θέσεις Απασχόλησης... 4 2.2.1 Ορισμός... 4 2.2.2.

Διαβάστε περισσότερα

ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΕΩΣ ALPHA WEB TRADING

ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΕΩΣ ALPHA WEB TRADING ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΕΩΣ ALPHA WEB TRADING Το μενού του ALPHA WEB TRADING αποτελείται από τις εξής επιλογές: Το Προφίλ μου Πρόσθετος Κωδικός Ασφαλείας* Προσωπικές Πληροφορίες* Αλλαγή Ψευδωνύμου Αλλαγή Μυστικού

Διαβάστε περισσότερα

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΟΣΟΤΙΚΗΣ ΕΡΕΥΝΑΣ ΠΛΗΘΥΣΜΟΥ

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΟΣΟΤΙΚΗΣ ΕΡΕΥΝΑΣ ΠΛΗΘΥΣΜΟΥ ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΟΣΟΤΙΚΗΣ ΕΡΕΥΝΑΣ ΠΛΗΘΥΣΜΟΥ ΜΕ ΘΕΜΑ «Η ΧΡΗΣΗ ΕΥΡΥΖΩΝΙΚΩΝ ΥΠΗΡΕΣΙΩΝ ΑΠΟ ΤΟΥΣ ΚΑΤΟΙΚΟΥΣ ΤΟΥ ΑΙΓΙΟΥ» ΣΕΠΤΕΜΒΡΙΟΣ 2005 2 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ Σελ Η "ΤΑΥΤΟΤΗΤΑ ΤΗΣ ΜΕΛΕΤΗΣ" 3 ΧΡΟΝΙΚΗ ΔΙΑΡΚΕΙΑ ΤΗΣ

Διαβάστε περισσότερα

Οδηγίες Διαχείρισης Web Portal ΤΕΑ-ΕΑΠΑΕ για τις Κατασκηνώσεις Διαδικασία Κράτησης θέσεως Κατασκήνωσης

Οδηγίες Διαχείρισης Web Portal ΤΕΑ-ΕΑΠΑΕ για τις Κατασκηνώσεις Διαδικασία Κράτησης θέσεως Κατασκήνωσης Οδηγίες Διαχείρισης Web Portal ΤΕΑ-ΕΑΠΑΕ για τις Κατασκηνώσεις Διαδικασία Κράτησης θέσεως Κατασκήνωσης 1 Αγαπητοί Ασφαλισμένοι/Συνταξιούχοι, Σας παρουσιάζουμε αναλυτικές οδηγίες για τον τρόπο διαχείρισης

Διαβάστε περισσότερα

Οδηγίες Χρήσης Εφαρµογής Καταχώρησης Αποδείξεων µε απλά βήµατα

Οδηγίες Χρήσης Εφαρµογής Καταχώρησης Αποδείξεων µε απλά βήµατα Οδηγίες Χρήσης Εφαρµογής Καταχώρησης Αποδείξεων µε απλά βήµατα Βήµα 1 Έναρξη Λειτουργίας Εφαρµογής Μετά την ολοκλήρωση της εγκατάστασης έχει την δυνατότητα ο χρήστης µέσα από ένα ευέλικτο υποσύστηµα να

Διαβάστε περισσότερα

ΕΝΗΜΕΡΩΣΗ ΑΝΑΛΥΤΩΝ ΕΠΙ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ ΤΡΑΠΕΖΑΣ ΑΤΤΙΚΗΣ ΓΙΑ ΤΗ ΧΡΗΣΗ 2006.

ΕΝΗΜΕΡΩΣΗ ΑΝΑΛΥΤΩΝ ΕΠΙ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ ΤΡΑΠΕΖΑΣ ΑΤΤΙΚΗΣ ΓΙΑ ΤΗ ΧΡΗΣΗ 2006. ΑΝΑΚΟΙΝΩΣΗ ΤΗΣ 16/3/2007 ΕΝΗΜΕΡΩΣΗ ΑΝΑΛΥΤΩΝ ΕΠΙ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΗΣ ΤΡΑΠΕΖΑΣ ΑΤΤΙΚΗΣ ΓΙΑ ΤΗ ΧΡΗΣΗ 2006. Το 2006, και ιδιαίτερα κατά το β εξάμηνο, η Attica Bank μπήκε σε μια νέα αναπτυξιακή πορεία. Η

Διαβάστε περισσότερα

Άσκηση 1 (κλιμακωτή χρέωση) Ένα γραφείο ενοικίασης αυτοκινήτων εφαρμόζει την παρακάτω τιμολογιακή πολιτική: Πάγιο 30 ευρώ

Άσκηση 1 (κλιμακωτή χρέωση) Ένα γραφείο ενοικίασης αυτοκινήτων εφαρμόζει την παρακάτω τιμολογιακή πολιτική: Πάγιο 30 ευρώ Α ν α κ ε φ α λ α ι ω τ ι κ έ ς α σ κ ή σ ε ι ς Άσκηση 1 (κλιμακωτή χρέωση) Ένα γραφείο ενοικίασης αυτοκινήτων εφαρμόζει την παρακάτω τιμολογιακή πολιτική: Πάγιο 30 ευρώ Αριθμός χλμ Χρέωση (ευρώ / χλμ)

Διαβάστε περισσότερα

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Μάθημα: Εργαστήριο «Πληροφορική Υγείας» ΕΙΣΑΓΩΓΗ ΣΤΗΝ ACCESS

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Μάθημα: Εργαστήριο «Πληροφορική Υγείας» ΕΙΣΑΓΩΓΗ ΣΤΗΝ ACCESS Ακαδημαϊκό Έτος 2016-2017, Χειμερινό Εξάμηνο Μάθημα: Εργαστήριο «Πληροφορική Υγείας» ΕΙΣΑΓΩΓΗ ΣΤΗΝ ACCESS A. Εισαγωγή στις βάσεις δεδομένων - Γνωριμία με την ACCESS B. Δημιουργία Πινάκων 1. Εξήγηση των

Διαβάστε περισσότερα

Δείχτες Επιτυχίας και Δείχτες Επάρκειας

Δείχτες Επιτυχίας και Δείχτες Επάρκειας Δείχτες Επιτυχίας και Δείχτες Επάρκειας Γ Τάξη Θεματικές Περιοχές: 1. Βασικές έννοιες της Πληροφορικής και της Επιστήμης Ηλεκτρονικών Υπολογιστών 2. Υλικό / Αρχιτεκτονική Ηλεκτρονικού Υπολογιστή 3. Λειτουργικά

Διαβάστε περισσότερα

Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ

Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ Σύστημα Κεντρικής Υποστήριξης της Πρακτικής Άσκησης Φοιτητών ΑΕΙ Οδηγός Χρήσης Εφαρμογής Φορέων Υποδοχής Πρακτικής Άσκησης Αφού πιστοποιηθεί ο λογαριασμός που δημιουργήσατε στο πρόγραμμα «Άτλας» ως Φορέας

Διαβάστε περισσότερα

ΘΕΜΑ : ΤΕΧΝΟΛΟΓΙΚΗ ΕΡΕΥΝΑ. ΔΙΑΡΚΕΙΑ: 1 περίοδος

ΘΕΜΑ : ΤΕΧΝΟΛΟΓΙΚΗ ΕΡΕΥΝΑ. ΔΙΑΡΚΕΙΑ: 1 περίοδος ΘΕΜΑ : ΤΕΧΝΟΛΟΓΙΚΗ ΕΡΕΥΝΑ ΔΙΑΡΚΕΙΑ: 1 περίοδος Στο μάθημα μας θα ασχοληθούμε, με τις πιο κάτω τεχνολογικές έρευνες. Έρευνες που διερευνούν: 1. Τις στάσεις των ανθρώπων έναντι τεχνολογικών έργων, συσκευών

Διαβάστε περισσότερα

Ερευνητική εργασία ( Project) Α Λυκείου. Καταγραφή επαγγελμάτων των γονέων των μαθητών της Α Λυκείου και κατανομή τους στους τρεις τομείς παραγωγής

Ερευνητική εργασία ( Project) Α Λυκείου. Καταγραφή επαγγελμάτων των γονέων των μαθητών της Α Λυκείου και κατανομή τους στους τρεις τομείς παραγωγής 1 ο ΓΕΛ ΦΙΛΙΠΠΙΑΔΑΣ Ερευνητική εργασία ( Project) Α Λυκείου Θέμα: Καταγραφή επαγγελμάτων των γονέων των μαθητών της Α Λυκείου και κατανομή τους στους τρεις τομείς παραγωγής Α' Τετράμηνο Σεπτέμβρης 2013

Διαβάστε περισσότερα

ΕΠΩΝΥΜΟ:... ΟΝΟΜΑ:... ΠΑΤΡΩΝΥΜΟ. ΑΔΤ:. ή διαβατήριο:. Ημερ/νία Γέννησης Φύλο: Άρρεν..Θήλυ.. Πόλη ή Χωριό Οδός:., Αριθμός Τ.Κ

ΕΠΩΝΥΜΟ:... ΟΝΟΜΑ:... ΠΑΤΡΩΝΥΜΟ. ΑΔΤ:. ή διαβατήριο:. Ημερ/νία Γέννησης Φύλο: Άρρεν..Θήλυ.. Πόλη ή Χωριό Οδός:., Αριθμός Τ.Κ Αριθ. πρωτ/λου αίτησης... [συμπληρώνεται από το φορέα] ΑΙΤΗΣΗ ΥΠΕΥΘΥΝΗ ΔΗΛΩΣΗ Υποψήφιου Ωφελούμενου ( * ) στο έργο: «Ανάπτυξη Μακεδονικού Κάμπου μέσα από την Αξιοποίηση του Τοπικού Ανθρώπινου Δυναμικού

Διαβάστε περισσότερα

Σεμινάρια Εκπαίδευση Προσωπικού

Σεμινάρια Εκπαίδευση Προσωπικού Σεμινάρια Εκπαίδευση Προσωπικού Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της Διαδικασίας διαχείρισης Σεμιναρίων Εκπαίδευσης Προσωπικού. Παρακάτω προτείνεται μια αλληλουχία

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ

ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ ΑΝΑΛΥΣΗ ΤΗΣ ΤΟΠΙΚΗΣ ΑΓΟΡΑΣ ΕΡΓΑΣΙΑΣ Δ. ΠΥΛΑΙΑΣ-ΧΟΡΤΙΑΤΗ Απρίλιος 2012 Ανάλυση της Τοπικής Αγοράς Εργασίας 1. Περιγραφή των βασικών χαρακτηριστικών της περιοχής παρέμβασης στην οποία θα εφαρμοστεί το προτεινόμενο

Διαβάστε περισσότερα

ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΣΥΝΕΡΓΑΤΙΚΑ ΣΧΗΜΑΤΑ ΓΙΑ ΤΗΝ ΑΝΑΠΤΥΞΗ ΤΗΣ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ

ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΣΥΝΕΡΓΑΤΙΚΑ ΣΧΗΜΑΤΑ ΓΙΑ ΤΗΝ ΑΝΑΠΤΥΞΗ ΤΗΣ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΣΥΝΕΡΓΑΤΙΚΑ ΣΧΗΜΑΤΑ ΓΙΑ ΤΗΝ ΑΝΑΠΤΥΞΗ ΤΗΣ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ Υπεύθυνη έρευνας: Αμάντα Σουκουλιά Σχεδίαση ερωτηματολογίου: Αμάντα Σουκουλιά, Θάνος Πανταζής ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ Το παρόν ερωτηματολόγιο

Διαβάστε περισσότερα

Εγχειρίδιο Χρήσης Πληροφοριακού Συστήματος Διαχείρισης Μαθητείας. «MathiteiaEPAL»

Εγχειρίδιο Χρήσης Πληροφοριακού Συστήματος Διαχείρισης Μαθητείας. «MathiteiaEPAL» Εγχειρίδιο Χρήσης Πληροφοριακού Συστήματος Διαχείρισης Μαθητείας «MathiteiaEPAL» 2η έκδοση Πράξη: «Μαθητεία ΕΠΑΛ, ΣΕΚ και ΙΕΚ» ΑΠ 7, 8 και 9, Κωδικός ΟΠΣ 5005892 Επιχειρησιακό Πρόγραμμα: «Ανάπτυξη Ανθρώπινου

Διαβάστε περισσότερα

Vodafone Business Connect

Vodafone Business Connect Vodafone Business Connect Vodafone Business WebHosting Αναλυτικός Οδηγός Χρήσης MSSQL Manager Αναλυτικός οδηγός χρήσης: MS SQL Manager Vodafone Business Connect - Υπηρεσίες φιλοξενίας εταιρικού e-mail

Διαβάστε περισσότερα

Πληροφορίες για την AstroBank και τους νέους επενδυτές

Πληροφορίες για την AstroBank και τους νέους επενδυτές Πληροφορίες για την AstroBank και τους νέους επενδυτές Καμία λειτουργική αλλαγή δεν προκύπτει από την αλλαγή στο όνομα και στη μετοχική δομή της Τράπεζας. Όλα παραμένουν όπως τα γνωρίζατε μέχρι σήμερα

Διαβάστε περισσότερα

ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΡΟΤΙΜΗΣΕΩΝ ΤΩΝ ΟΔΗΓΩΝ ΑΠΕΝΑΝΤΙ ΣΕ ΝΕΑ ΚΑΙΝΟΤΟΜΑ ΣΧΗΜΑΤΑ ΑΣΦΑΛΙΣΗΣ ΤΟΥ ΟΧΗΜΑΤΟΣ

ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΡΟΤΙΜΗΣΕΩΝ ΤΩΝ ΟΔΗΓΩΝ ΑΠΕΝΑΝΤΙ ΣΕ ΝΕΑ ΚΑΙΝΟΤΟΜΑ ΣΧΗΜΑΤΑ ΑΣΦΑΛΙΣΗΣ ΤΟΥ ΟΧΗΜΑΤΟΣ Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Τομέας Μεταφορών & Συγκοινωνιακής Υποδομής ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΡΟΤΙΜΗΣΕΩΝ ΤΩΝ ΟΔΗΓΩΝ ΑΠΕΝΑΝΤΙ ΣΕ ΝΕΑ ΚΑΙΝΟΤΟΜΑ ΣΧΗΜΑΤΑ ΑΣΦΑΛΙΣΗΣ ΤΟΥ ΟΧΗΜΑΤΟΣ Εμμανουήλ

Διαβάστε περισσότερα

Επιχειρηματικότητα Σημαντικές Διαπιστώσεις & Τάσεις

Επιχειρηματικότητα Σημαντικές Διαπιστώσεις & Τάσεις Επιχειρηματικότητα Σημαντικές Διαπιστώσεις & Τάσεις Το επιχειρηματικό περιβάλλον γίνεται πιο πολύπλοκο & υψηλού ρίσκου Παγκοσμιοποίηση, Διαδίκτυο, Social Media είναι καταλύτες εξελίξεων Κλειδί της επιχειρηματικότητας

Διαβάστε περισσότερα

ΟΛΟΚΛΗΡΩΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΤΗΣ Ε.Δ.Ε.Υ.Α.

ΟΛΟΚΛΗΡΩΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΤΗΣ Ε.Δ.Ε.Υ.Α. ΟΛΟΚΛΗΡΩΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΤΗΣ Ε.Δ.Ε.Υ.Α. 1. Υποσύστημα Παρακολούθησης Ποιότητας Νερού 1.1 Γενική Περιγραφή Υποσυστήματος Το Υποσύστημα Παρακολούθησης Ποιότητας Νερού είναι ένα διαδικτυακό σύστημα

Διαβάστε περισσότερα

Προγραμματισμός Επιχειρησιακών Πόρων Διαχείριση Ανθρωπίνων Πόρων. Καθηγητής Δρ. Πάνος Φιτσιλής

Προγραμματισμός Επιχειρησιακών Πόρων Διαχείριση Ανθρωπίνων Πόρων. Καθηγητής Δρ. Πάνος Φιτσιλής Προγραμματισμός Επιχειρησιακών Πόρων Διαχείριση Ανθρωπίνων Πόρων Καθηγητής Δρ. Πάνος Φιτσιλής Βασικές περιοχές λειτουργικότητας Πιο συγκεκριμένα οι βασικές περιοχές λειτουργικότητας σε ένα πληροφοριακό

Διαβάστε περισσότερα

Παρακάτω προτείνεται μια αλληλουχία ενεργειών την οποία ο χρήστης πρέπει να ακολουθήσει για να αξιοποιήσει τις δυνατότητες της εφαρμογής.

Παρακάτω προτείνεται μια αλληλουχία ενεργειών την οποία ο χρήστης πρέπει να ακολουθήσει για να αξιοποιήσει τις δυνατότητες της εφαρμογής. Απογραφή Το συγκεκριμένο εγχειρίδιο δημιουργήθηκε για να βοηθήσει την κατανόηση της διαδικασίας διαχείρισης Απογραφής Ειδών. Παρακάτω προτείνεται μια αλληλουχία ενεργειών την οποία ο χρήστης πρέπει να

Διαβάστε περισσότερα

Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων. Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων

Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων. Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων Ηλεκτρονική Υπηρεσία Ολοκληρωμένης Διαχείρισης Συγγραμμάτων και Λοιπών Βοηθημάτων Εγχειρίδιο Χρήσης για την Ανάρτηση Διδακτικών Συγγραμμάτων Πίνακας περιεχομένων 1 Γενικές Πληροφορίες... 2 1.1 Εισαγωγή...

Διαβάστε περισσότερα

Shopper Research στις μεγάλες αλυσίδες Super Market

Shopper Research στις μεγάλες αλυσίδες Super Market Shopper Research στις μεγάλες αλυσίδες Super Market Το Προφίλ της Έρευνας Σκοπός Μεθοδολογία Διεξαγωγή Συνεντεύξεων Το Προφίλ της Έρευνας Σκοπός Να καταγράψουμε το νέο και διαφορετικό που έχει προκύψει

Διαβάστε περισσότερα