ΧΟΛΗ ΠΙΣΗΜΩΝ ΙΟΙΚΗΗ ΠΙΧ ΙΡΗ ΩΝ ΣΜΗΜ ΛΟΓΙΣΙΚΗ Κ Ι ΧΡΗΜ ΣΟΟΙΚΟΝΟΜΙΚΗ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΣΗΝ Φ ΡΜΟΜ ΝΗ ΛΟΓΙΣΙΚΗ Κ Ι Λ ΓΚΣΙΚΗ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΧΟΛΗ ΠΙΣΗΜΩΝ ΙΟΙΚΗΗ ΠΙΧ ΙΡΗ ΩΝ ΣΜΗΜ ΛΟΓΙΣΙΚΗ Κ Ι ΧΡΗΜ ΣΟΟΙΚΟΝΟΜΙΚΗ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΣΗΝ Φ ΡΜΟΜ ΝΗ ΛΟΓΙΣΙΚΗ Κ Ι Λ ΓΚΣΙΚΗ"

Transcript

1 ΧΟΛΗ ΠΙΣΗΜΩΝ ΙΟΙΚΗΗ ΠΙΧ ΙΡΗ ΩΝ ΣΜΗΜ ΛΟΓΙΣΙΚΗ Κ Ι ΧΡΗΜ ΣΟΟΙΚΟΝΟΜΙΚΗ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΣΗΝ Φ ΡΜΟΜ ΝΗ ΛΟΓΙΣΙΚΗ Κ Ι Λ ΓΚΣΙΚΗ δπζπηα δεά λΰα έα ΤΠΟ ΟΗΘΗΗ ΣΩΝ ΠΟΦ ΩΝ Λ ΓΚΣΙΚΗ ΠΟ Μ Γ - ΟΜ Ν (BIG DATA) Σβμ ΜΠ Σ Ρ ΙΚ Σ ΡΙΝΗ πδίζϋππθ Καγβΰβ άμ: Πλπ σΰ λκμ Νδεσζακμ Τπκίζάγβε πμ απαδ κτη θκ ΰδα βθ απσε β β κυ Μ απ υξδαεκτ δπζυηα κμ βθ φαληκ ηϋθβ Λκΰδ δεά εαδ ζ ΰε δεά ΝκΫηίλδκμ 2017

2 ΤΥ ΡΙΣΙ Θα άγ ζα θα υξαλδ ά π βθ κδεκΰϋθ δα ηκυ πκυ Ϊγβε έπζα ηκυ εϊγ ίάηα ηκυ, βλέακθ αμ η βθ πλκ πϊγ δα πέ υιβμ πθ αεα βηαρευθ εαδ παΰΰ ζηα δευθ ηκυ σξπθ. Έθα η ΰΪζκ υξαλδ υ κφ έζπ κυμ αθγλυπκυμ πκυ υθϋίαζαθ βθ Ϋπμ άη λα πκλ έα ηκυ, υηπ λδζαηίαθκηϋθκυ κυ αεα βηαρεκτ πλκ ππδεκτ κυ Παθ πδ άηδκυ Μαε κθέαμ. 2

3 Π ΡΙΛΗΦΗ (ABSTRACT) βθ παλκτ α λΰα έα παλκυ δϊακθ αδ α ηϋΰα- κηϋθα εαδ κδ φαληκΰϋμ κυμ α π έα βμ ζκΰδ δεάμ εαδ βμ ζ ΰε δεάμ. α δεσμ σξκμ βμ λΰα έαμ έθαδ θα δ λ υθβγ έ Ϊθ εαδ η πκδκυμ λσπκυμ ηπκλκτθ θα υηίϊζζκυθ α Big Data κθ κηϋα βμ ζ ΰε δεάμ εαδ πθ πδξ δλά πθ. Γδα βθ ιαελέίπ β βμ παλαπϊθπ υπσγ βμ ξλ δϊ βε αλξδεϊ θα ΰέθ δ ίδίζδκΰλαφδεά πδ εσπβ β βθ Ϋθθκδα πθ Big Data, δμ π λδπ υ δμ ξλά βμ πθ ηϋΰα- κηϋθπθ εαδ πθ πζ κθ ε βηϊ πθ κυμ. Έπ δ α η ξλά β παζαδσ λπθ λ υθυθ πκυ Ϋξκυθ πλαΰηα κπκδβγ έ εαδ αφκλκτθ βθ αιδκζσΰβ β πθ big data απσ α ζϋξβ. ΜΫ α απσ β η ζϋ β πθ ξαλαε βλδ δευθ, πθ η αίζβ υθ πκυ ξλβ δηκπκδάγβεαθ εαδ πθ απκ ζ ηϊ πθ βμ εϊγ Ϋλ υθαμ, θ κπέ βεαθ εαδ υΰε θ λυγβεαθ α εα Ϊζζβζα ελδ άλδα ίϊ δ πθ κπκέπθ πλαΰηα κπκδάγβε β Ϋλ υθα βμ παλκτ αμ λΰα έαμ ΜΫ α απσ β τΰελδ β πθ η γσ πθ εαδ πθ η αίζβ υθ πκυ ξλβ δηκπκδάγβεαθ εα αίζάγβε πλκ πϊγ δα θα ιαελδίπγ έ Ϊθ α Big Data παλϋξκυθ η ΰαζτ λβ απκ κ δεσ β α εαδ αελέί δα Ϋθαθ δ Ϊζζπθ η γσ πθ. Ϊ δ πθ απκ ζ ηϊ πθ βμ Ϋλ υθαμ, πδί ίαδυγβε β αλξδεά υπσγ β βμ παλκτ αμ λΰα έαμ. 3

4 Π ΡΙ ΥΟΜ Ν Κ Φ Λ ΙΟ 1: Ι ΓΩΓΗ εκπσμ βμ λΰα έαμ λ υθβ δεϊ λπ άηα α Κ Φ Λ ΙΟ 2: Ι ΛΙΟΓΡ ΦΙΚΗ ΠΙΚΟΠΗΗ Κα βΰκλέ μ λΰαζ έπθ ζκΰδ ηδεκτ ΠζβλκφκλδαεΪ λΰαζ έα ζϋΰξκυ Μ γκ κζκΰέα πθ CAATTs υθ ξάμ ζ ΰε δεά (continuous auditing) Big Data εαδ ζ ΰε δεά Σα πζ κθ ε άηα α βμ ξλά βμ πθ Big Data βθ ζ ΰε δεά Παλα κ δαεκέ εέθ υθκδ εαδ πδξ δλβηα δεσμ Ϋζ ΰξκμ π λδεκτ εαδ ιπ λδεκτ ζϋΰξκυ Η ατιβ β βμ απκ ζ ηα δεσ β αμ κυ π λδεκτ ζϋΰξκυ η α κηϋθα κυ Analytics π λδεσμ Ϋζ ΰξκμ ξϋ β η α κηϋθα κυ Analytics Η πέ λα β πθ Big Data κθ π λδεσ Ϋζ ΰξκ Χλβ δηκπκέβ β Analytics κεδηά ζϋΰξκυ

5 2.6.4 τιβ β βμ απκ ζ ηα δεσ β αμ πθ ζ ΰε υθ Η πέ λα β πθ Big Data κθ ιπ λδεσ Ϋζ ΰξκ Ππμ αιδκπκδκτη α ηϋΰα- κηϋθα Οδ πδξ δλά δμ η ΰδ κπκδκτθ κθ αθ έε υπκ πθ κηϋθπθ (Businesses maximizing the impact of data) Λκΰδ Ϋμ (Accountants) Κ Φ Λ ΙΟ 3: Μ ΘΟ ΟΛΟΓΙ Ρ ΤΝ Μ γκ κζκΰέα Ϋλ υθαμ υΰεϋθ λπ β ξαλαε βλδ δευθ πδζκΰά ελδ βλέπθ.36 Κ Φ Λ ΙΟ 4: πκ ζϋ ηα α ΠαλΪγ β εαδ τΰελδ β πθ η ζ υθ Ϋλ υθαμ Παλκυ έα β Ϋλ υθαμ Πκ κ Ϊ πδ υξέαμ πθ Big Data ίϊ β πθ ξλκθκζκΰδυθ Πκ κ σ πδ υξέαμ πθ Big Data α πδηϋλκυμ π έα φαληκΰάμ Πκ κ σ ηφϊθδ βμ πθ η αίζβ υθ κ τθκζκ πθ λ υθυθ ΰδα κ ξ δα ησ βμ παλαΰπΰδεάμ δα δεα έαμ Πκ κ σ απκ ζ ηϊ πθ λα βΰδεάμ ΰδα βθ πέ υιβ ίϋζ δ βμ αιέαμ η Big Data 61 ΤΜΠ Ρ Μ Σ

6 Ι ΛΙΟΓΡ ΦΙ...67 Κ Σ ΛΟΓΟ ΠΙΝ ΚΧΝ ΠΙΝ Κ 1: ΜΫ κμ σλκμ πκ κ κτ γ δευθ απσο πθ ΰδα κ ηϋζζκθ πθ Big Data ίϊ δ ξλκθκζκΰέαμ...57 ΠΙΝ Κ 2: Πκ κ σ πδ υξέαμ πθ Big Data η ίϊ β α πδηϋλκυμ π έα φαληκΰάμ 59 ΠΙΝ Κ 3: Μ αίζβ Ϋμ πκυ ξλβ δηκπκδάγβεαθ ΰδα κ ξ δα ησ βμ παλαΰπΰδεάμ δα δεα έαμ.. 60 ΠΙΝ Κ 4: Πκ κ σ απκ ζ ηϊ πθ λα βΰδεάμ ΰδα βθ πέ υιβ ίϋζ δ βμ αιέαμ η Big Data..62 Κ Σ ΛΟΓΟ Ι ΓΡ ΜΜ ΣΧΝ Ι ΓΡ ΜΜ 1: Πκδα απσ δμ παλαεϊ π βζυ δμ π λδΰλϊφ δ π λδ σ λκ βθ Ϊπκοβ αμ ΰδα κ ηϋζζκθ πθ ηϋΰα- κηϋθπθ Ι ΓΡ ΜΜ 2: Πκδα έθαδ β υθκζδεά Ϊ β απϋθαθ δ α ηϋΰα- κηϋθα εαδ πθ υθα Ϋζφπθ κυ c-lever..43 Ι ΓΡ ΜΜ 3: Μ πκδα απσ δμ αεσζκυγ μ βζυ δμ υηφπθ έ ΰδα βθ ξθκζκΰέα εαδ α λΰαζ έα πθ ηϋΰα- κηϋθπθ Ι ΓΡ ΜΜ 4: Πκδ μ απσ δμ παλαεϊ π πδξ δλβηα δεϋμ δα δεα έ μ πδ τ σ δ έθαδ κδ βηαθ δεσ λ μ πλκ λαδσ β μ ΰδα βθ φαληκΰά ηϋΰα- κηϋθπθ υλα εαδ πκδ μ γα έθαδ πδκ βηαθ δεϋμ ηϋ α λέα ξλσθδα...47 Ι ΓΡ ΜΜ 5: Πκδα απσ α παλαεϊ π έθαδ α βηαθ δεσ λα π λδεϊ ηπσ δα ΰδα βθ υλτ λβ ξλά β ηϋΰα- κηϋθπθ κθ κλΰαθδ ησ αμ

7 Ι ΓΡ ΜΜ 6: Ωμ δ υγτθπθ τηίκυζκμ, υηφπθ έ η δμ αεσζκυγ μ βζυ δμ ξ δεϊ η β ξλά β ηϋΰα- κηϋθπθ κθ κλΰαθδ ησ αμ...49 Ι ΓΡ ΜΜ 7:Πκδ μ απσ δμ αεσζκυγ μ λα βΰδεϋμ γα ά αθ πδκ απκ ζ ηα δεϋμ ΰδα βθ πέ υιβ βμ ίϋζ δ βμ αιέαμ απσ α λΰαζ έα ηϋΰα- κηϋθπθ Ι ΓΡ ΜΜ 8: Πκδα απσ δμ αεσζκυγ μ βζυ δμ π λδΰλϊφ δ εαζτ λα κθ λσπκ η κθ κπκέκ β κλΰϊθπ ά αμ αθ δη ππέα δ βθ αθγλυπδθβ πζ υλϊ πθ ηϋΰα- κηϋθπθ Ι ΓΡ ΜΜ 9: ΜΫ κμ σλκμ πκ κ κτ γ δευθ απσο πθ ΰδα κ ηϋζζκθ πθ Big Data ίϊ δ ξλκθκζκΰέαμ...58 Ι ΓΡ ΜΜ 10: Πκ κ σ πδ υξέαμ πθ Big Data η ίϊ β α πδηϋλκυμ π έα φαληκΰάμ 59 Ι ΓΡ ΜΜ 11: Πκ κ σ ηφϊθδ βμ πθ η αίζβ υθ κ τθκζκ πθ λ υθυθ ΰδα κ ξ δα ησ βμ παλαΰπΰδεάμ δα δεα έαμ...61 Ι ΓΡ ΜΜ 12: Πκ κ σ απκ ζ ηϊ πθ λα βΰδεάμ ΰδα βθ πέ υιβ ίϋζ δ βμ αιέαμ η Big Data

8 Κ Φ Λ ΙΟ 1 Ι ΓΧΓΗ 1.1 εκπσμ βμ λΰα έαμ Τπάλιαθ πκζζϋμ υαβ ά δμ ΰδα α Big Data εαδ α αθαζυ δεϊ κδξ έα α ζ υ αέα ξλσθδα. Παλ' σζα αυ Ϊ, κδ πδξ δλά δμ ξλβ δηκπκδκτ αθ πϊθ κ κηϋθα εαδ πζβλκφκλέ μ ΰδα β άλδιβ δμ ζάο δμ πθ απκφϊ πθ εαδ βθ δαξ έλδ β πθ λΰα δυθ. Ό αθ α analytics φαλησακθ αδ απκ ζ ηα δεϊ α Big Data, κδ πδξ δλά δμ ηπκλκτθ θα πδ τξκυθ πκζζϋμ αυιά δμ, ί ζ δυ δμ, ί ζ δ κπκδβηϋθ μ ζ δ κυλΰέ μ εαδ εαζτ λβ δαξ έλδ β κυ εδθ τθκυ. πδπζϋκθ, κ υοβζσμ λυγησμ αθϊπ υιβμ βμ ξθκζκΰέαμ εαδ κ αυιαθση θκμ σΰεκμ εαδ τλκμ πθ υεαδλδυθ ξλά βμ πθ κηϋθπθ γα αυιβγκτθ σζκ εαδ π λδ σ λκ, πβλ Ϊακθ αμ κ πδξ δλβηα δεσ π λδίϊζζκθ, παλϋξκθ αμ υεαδλέ μ ΰδα εαδθκ σηα θϋα πδξ δλβηα δεϊ ηκθ Ϋζα. εκπσμ ζκδπσθ βμ λΰα έαμ εαγυμ εαδ βμ Ϋλ υθαμ β κπκέα Ϋΰδθ έθαδ θα δαπδ πγ έ Ϊθ εαδ έ ίαγησ κδ Ϋλ υθ μ Ϋξκυθ παλευμ εα α έι δ β ξλβ δησ β α πθ ηϋΰα- κηϋθπθ βθ ζ ΰε δεά. 1.2 λ υθβ δεϊ λπ άηα α Γδα κ ξ δα ησ βμ λΰα έαμ εαδ βθ δ υεσζυθ β βμ δ ιαΰπΰάμ βμ Ϋλ υθαμ Ϋγβεαθ εϊπκδα λ υθβ δεϊ λπ άηα α η ίϊ β α κπκέα επζβλυθκθ αδ εαδ κδ σξκδ αυ άμ βμ δπζπηα δεάμ λΰα έαμ. Σα λ υθβ δεϊ λπ άηα α πκυ Ϋγβεαθ ά αθ α ιάμ: 1. θ κδ ηϋξλδ υλα Ϋλ υθ μ Ϋξκυθ παλευμ εα α έι δ β ξλβ δησ β α πθ ηϋΰα- 8

9 κηϋθπθ βθ ζ ΰε δεά. 2. θ ηπκλκτθ θα υηίϊζζκυθ βθ ιϋζδιβ κυ ξ δα ηκτ βμ παλαΰπΰδεάμ δα δεα έαμ. 3. θ ηπκλκτθ θα υηίϊζζκυθ βθ πέ υιβ ίϋζ δ βμ αιέαμ. Γδα θα απαθ βγκτθ πδ βηκθδεϊ εαδ η πδ υξέα α παλαπϊθπ λπ άηα α δ ιάξγβ Ϋλ υθα η ίϊ β δμ η ζϋ μ Economist Intelligence Unit (EIU) η γϋηα πυμ αιδκζκΰκτθ α ζϋξβ α λΰαζ έα Big Data ηϋ α κθ κλΰαθδ ησ κυμ, κδ κπκέ μ Ϋξκυθ φαληκ έ η ηκθπηϋθα π έα σζκυμ κυμ εζϊ κυμ κυ κλΰαθδ ηκτ. 9

10 Κ Φ Λ ΙΟ 2 Ι ΛΙΟΓΡ ΦΙΚΗ ΠΙΚΟΠΗΗ 2.1 Κα βΰκλέ μ λΰαζ έπθ Λκΰδ ηδεκτ Ο υπκζκΰδ άμ έθαδ Ϋθα βηαθ δεσ λΰαζ έκ ΰδα πκζζϊ παΰΰϋζηα α. Σκ πϊΰΰ ζηα πθ κλεπ υθ ζ ΰε υθ έθαδ δ δαέ λα ιαλ βηϋθκ απσ κυμ υπκζκΰδ Ϋμ βθ ε Ϋζ β πθ π λδ σ λπθ εαγβεσθ πθ βμ γϋ βμ λΰα έαμ. Όζα α έ β πθ ζϋΰξπθ εαδ σζπθ πθ δ υθ κδ ζ ΰε Ϋμ ηπκλκτθ θα ππφ ζβγκτθ απσ α λΰαζ έα ζκΰδ ηδεκτ εαδ δμ ξθδεϋμ ΰδα θα έθαδ πδκ απκ κ δεϊ εαδ απκ ζ ηα δεϊ. (Gallegos et al, 2004): φ α α α χ υ Οδ Mainframe, client / server, (2011), εαδ κδ ηκλφϋμ πθ πλκ ππδευθ υπκζκΰδ υθ απκ ζκτθ αθαπσ πα κ ηϋλκμ πθ ζ ΰε δευθ δα δεα δυθ. Η ξθκζκΰέα ξλβ δηκπκδ έ αδ πμ ηϋλκμ βμ δα δεα έαμ ζϋΰξκυ ΰδα δμ αεσζκυγ μ λα βλδσ β μ: ξ δα ησμ εαδ παλαεκζκτγβ β κυ ά δκυ πλκΰλϊηηα κμ ζϋΰξκυ η β ξλά β υπκζκΰδ δευθ φτζζπθ, ίϊ πθ κηϋθπθ εαδ ζκΰδ ηδεκτ δαξ έλδ βμ Ϋλΰπθ Σ εηβλέπ β εαδ παλκυ δϊ δμ η ξλά β π ι λΰα έαμ ε δηϋθκυ, δαΰλαηηϊ πθ λκάμ εαδ ΰλαφδευθ ζκΰδ ηδεκτ πδεκδθπθέα εαδ η αφκλϊ κηϋθπθ η ξλά β βζ ε λκθδεάμ υθ δησ β αμ εαδ ε θ λδεκτ δαεκηδ ά δαξ έλδ β πθ πσλπθ η β ξλά β βμ online αθαγ υλβ βμ πθ ΰΰλΪφπθ λΰα έαμ εαδ πθ δαξ έλδ β πθ κηϋθπθ ηϋ π βμ ίϊ βμ κηϋθπθ groupware, εαγυμ εαδ ζκΰδ ηδεκτ intranet 10

11 υ ηπκλκτη θα δαελέθκυη τκ εα βΰκλέ μ: 1. Audit Productivity Software (Λκΰδ ηδεσ ζ έπ βμ ζ ΰε δεάμ Παλαΰπΰδεσ β αμ). Πλσε δ αδ ΰδα α ζκΰδ ηδεϊ πκυ δ υεκζτθκυθ κθ ζ ΰε ά β εαζτ λβ δαξ έλδ β δϊφκλπθ δα δεα δευθ γ ηϊ πθ εαδ κυ έθκυθ β υθα σ β α θα δ ιϊΰ δ κθ Ϋζ ΰξκ πδκ απκ κ δεϊ εαδ παλαΰπΰδεϊ. αυ ά βθ εα βΰκλέα αθάεκυθ α αεσζκυγα: Electronic Working Paper (Ηζ ε λκθδεϊ Φτζζα λΰα έαμ): έθαδ λΰαζ έα α κπκέα ίκβγκτθ κθ ζ ΰε ά θα ε λ έ δ ξλσθκ εα Ϊ β δα δεα έα κλΰϊθπ βμ κυ ζϋΰξκυ, εαγυμ κυ παλϋξκυθ β υθα σ β α θα ε ζ έ βζ ε λκθδεϊ εϊπκδα πλϊΰηα α, σππμ κθ πλκΰλαηηα δ ησ κυ ζϋΰξκυ, βθ άλβ β βη δυ πθ εα Ϊ β δ ιαΰπΰά κυ, β βηδκυλΰέα λπ βηα κζκΰέπθ πκυ αφκλκτθ κθ π λδεσ Ϋζ ΰξκ, α κπκέα παζδσ λα ΰδθσ αθ ξ δλσΰλαφα. Groupware (υΰεϋθ λπ β κδξ έπθ): έθαδ Ϋθα πλσΰλαηηα πκυ πλκπγ έ κ sharing ( δαηκδλα ησ) πθ πζβλκφκλδυθ η αιτ πθ αδλδυθ εαδ η αιτ κυ ιπ λδεκτ ζ ΰε ά εαδ βμ ζ ΰξση θβμ ηκθϊ αμ. Πλσε δ αδ ΰδα Ϋθα λΰαζ έκ πκυ υθ υϊα δ κθ πλκΰλαηηα δ ησ εαδ κ δαηκδλα ησ πθ πζβλκφκλδυθ. Time and Billing Software (Λκΰδ ηδεσ Παλαεκζκτγβ βμ Λκΰαλδα ηυθ): έθαδ ζκΰδ ηδεσ κ κπκέκ δ υεκζτθ δ βθ ξλκθκίσλα δα δεα έα βμ άλβ βμ εαδ πλκ κδηα έαμ πθ ζκΰαλδα ηυθ. Παλα έΰηα α Ϋ κδα ζκΰδ ηδευθ έθαδ κ ProSystem's fx Practice, α Time slips, κ Central Time and Billing. Reference Libraries ( δίζδκγάεβ θαφκλυθ): έθαδ Ϋθα πκζτ ίκβγβ δεσ λΰαζ έκ εαγυμ έθ δ β υθα σ β α κθ ιπ λδεσ ζ ΰε ά, σπκ κ ελέθ δ εσπδηκ, θα αθα λϋι δ β ίϊ β κηϋθπθ εαδ θα ζϊί δ ΰθυ β σ κ ΰδα δμ πκζδ δεϋμ εαδ δμ δα δεα έ μ πκυ αεκζκυγ έ β ζ ΰξση θβ ηκθϊ α σ κ εαδ ΰδα δμ δ ξτκυ μ αλξϋμ εαδ κυμ εαθσθ μ. Document Management ( δαξ δλδ άμ λξ έπθ): έθαδ Ϋθα ζκΰδ ηδεσ πκυ πδ λϋπ δ βθ εαζτ λβ δαξ έλδ β πθ online απκγβε υηϋθπθ αλξ έπθ, εαγδ υθ αμ α Ϊη α εαδ τεκζα πλκ ίϊ δηα. Οδ πζβλκφκλέ μ ηπκλκτθ θα απκγβε τκθ αδ κπδεϊ κ έε υκ βμ αδλέαμ η β ξλά β πλκΰλαηηϊ πθ σππμ κ CSI's File Cabinet ά κ Ιθ λθϋ η β ξλά β κυ Intuit;s Workspace Pro. 11

12 2. Generalized Audit Software Tools (GAS Tools- λΰαζ έα Γ θδε υηϋθκυ Λκΰδ ηδεκτ ζϋΰξκυ). έθαδ α λΰαζ έα η βθ πδκ υλ έα ξλά β α ζ υ αέα ξλσθδα ζσΰπ βμ υεκζέαμ ξλά βμ εαδ βμ τεκζβμ πλκ ία δησ β αμ κυμ δϊφκλα π λδίϊζζκθ α εαδ ξλά μ (Singlecton, 2006), βθ εα βΰκλέα αυ ά αθάεκυθ α ιάμ ζκΰδ ηδεϊ: Data Extraction and Analysis ( ιαΰπΰά κηϋθπθ εαδ θϊζυ β): Σα ζκΰδ ηδεϊ πκυ αθάεκυθ αυ ά βθ εα βΰκλέα δ υεκζτθκυθ κυμ ζ ΰε Ϋμ θα ε ζκτθ ξλκθκίσλ μ, αζζϊ απαλαέ β μ ζ δ κυλΰέ μ π ι λΰα έαμ κηϋθπθ, σππμ β παζάγ υ β πθ υθσζπθ βμ αδλέαμ, β πδί ίαέπ β βμ αε λαδσ β αμ πθ κηϋθπθ, β δ αΰπΰά κηϋθπθ φτζζα ζϋΰξκυ. Σα τκ πδκ δα κηϋθα παεϋ α ζκΰδ ηδεκτ έθαδ κ IDEA (Interactive Data Extraction and Analysis) εαδ κ ACL (Audit Command Language). Σκ IDEA έθαδ κ ζκΰδ ηδεσ πκυ δα έγ αδ απσ κ American Institute of Certified Public Accountants (AICPA) πδ λϋπ δ ζ ΰε Ϋμ, ζκΰδ Ϋμ εαδ κδεκθκηδεκτμ δ υγυθ Ϋμ θα ξλβ δηκπκδκτθ, θα παλαεκζκυγκτθ εαδ θα αθαζτκυθ κηϋθα απσ Ϊζζα πζβλκφκλδαεϊ υ άηα α. Ο ξλά βμ ηπκλ έ θα λ υθϊ αλξ έα κηϋθπθ, θα υπκζκΰέα δ τθκζα εαδ ηϋ μ δηϋμ εαδ θα εϊθ δ υξαέα δΰηα κζβοέα. υ σ κ ζκΰδ ηδεσ ηπκλ έ θα ε ζϋ δ α υθάγδ μ θ κζϋμ, θα εϊθ δ αθααβ ά δμ η υΰε ελδηϋθα ελδ άλδα εαδ θα αθαΰθπλέ δ δπζϋμ ΰΰλαφΫμ ά ε θϊ ηδα αζζβζκυξέα λα βλδκ ά πθ (Christensen and Byington, 2003). Σκ ACL, έθαδ Ϋθα παεϋ κ ζκΰδ ηδεκτ πκυ πδ λϋπ δ κθ ζ ΰε ά θα δα βλά δ α αλξδεϊ κηϋθα αθϋπαφα. υ σ κ παεϋ κ ίζϋπ δ α αεα Ϋλΰα α κηϋθα απσ πκζζϋμ δαφκλ δεϋμ ΰπθέ μ πλκ παγυθ αμ θα θ κπέ δ παλ εεζέ δμ. πέ βμ, έθαδ ξαλαε βλδ δεϋμ σ δ έθ δ β υθα σ β α βμ ιϋ α βμ σζπθ πθ κηϋθπθ εαδ πθ υθαζζαΰυθ εαδ σξδ ησθκ θσμ έΰηα κμ αυ υθ. Σκ ACL έθαδ πδκ υθαηδεσ λΰαζ έκ εαδ πλϋπ δ θα ξλβ δηκπκδ έ αδ απσ Ϊ κηα η δμ απαλαέ β μ ΰθυ δμ εαδ π έλα. Η ξλά β κυ θ έεθυθ αδ ΰδα η ΰΪζκ σΰεκ κδξ έπθ ά φαληκΰυθ η τθγ β ζκΰδεά ( Christensen and Byington, 2003). Statistical Analysis ( α δ δεά θϊζυ β): Μδα ία δεά ζ δ κυλΰέα πκυ ηπκλ έ θα ξλ δϊα αδ θα ε ζϋ δ Ϋθαμ ζ ΰε άμ έθαδ, υπκζκΰέακθ αμ κυμ ηϋ κυμ σλκυμ ά δμ υπδεϋμ απκεζέ δμ ά ε ζυθ αμ ΰλαηηδεά παζδθ λσηβ β, θα δαπδ υ δ βθ τπαλιβ πδγαθάμ ίαγτ λβμ ξϋ βμ η αιτ τκ η ΰ γυθ. υ σ 12

13 ηπκλ έ θα ΰέθ δ η κ ACL, αζζϊ εαδ η β ίκάγ δα θσμ πδκ εζ π υ ηϋθκυ α δ δεκτ παεϋ κυ κυ SPSS. Audit Expert Systems (Έιυπθα υ άηα α ζϋΰξκυ): έθαδ Ϋθα αεσηα λΰαζ έκ πκυ ίκβγϊ δ βθ πδκ τλυγηβ κλΰϊθπ β εαδ δ ιαΰπΰά κ ζϋΰξκυ. Χλβ δηκπκδκτθ αδ ζϋΰξκυμ απσ κ 1980 δϊφκλα Ϊ δα, απσ κ ξ δα ησ κυ ζϋΰξκυ. βλέακθ αδ ηδα αεκζκυγέα απσ if-then εαθσθ μ εαδ ηδα ίϊ β κηϋθπθ πκυ π λδϋξ δ σζ μ δμ πζβλκφκλέ μ πκυ απαδ κτθ αδ εϊγ φκλϊ. υΰε ελδηϋθα, ηέα inference engine λϋξ δ κ τ βηα, εαδ ία δαση θβ απαθ ά δμ κυ ξλά β παλσηκδα αβ άηα α, έθ δ απϊθ β β κ γϋηα πκυ κθ απα ξκζ έ. πκ ζκτθ βζα ά Ϋθα ξλά δηκ εαδ τεκζκ λΰαζ έκ σ κ β ξλά β, σ κ εαδ βθ δαγ δησ β α. 2.2 Μ γκ κζκΰέα Σπθ CAATΣs β υθϋξ δα, ελέθ αδ απαλαέ β κ θα αθαφ λγκτη β η γκ κζκΰέα πκυ πλϋπ δ θα αεκζκυγά δ Ϋθαμ ζ ΰε άμ σ αθ φυ δεϊ ξλβ δηκπκδά δ α ζκΰδ ηδεϊ πκυ δαπλαΰηα υσηα. λξδεϊ γα πλϋπ δ θα ΰέθ δ β πδζκΰά κυ πλκΰλϊηηα κμ πκυ γα ξλβ δηκπκδβγ έ η ελδ άλδκ βθ πλκβΰκτη θβ ηπ δλέα βμ ζ ΰε δεάμ κηϊ αμ, αζζϊ εαδ α ξαλαε βλδ δεϊ βμ υπσ ιϋ α β αδλέαμ. φκτ ΰέθ δ β πδζκΰά, β πση θβ δα δεα έα έθαδ β υζζκΰά πθ απαλαέ β πθ κηϋθπθ. υθάγπμ α κηϋθα υζζϋΰκθ αδ απσ κ ξ δλδ ά πθ πζβλκφκλδαευθ υ βηϊ πθ ΙΣ manager βμ εϊ κ αδλέαμ. Ϋίαδα α κηϋθα πκυ παλϋξκθ αδ θ έθαδ απσζυ κ ππμ έθαδ αελδίά εαδ παλκυ δϊακυθ βθ πλαΰηα δεσ β α. Γδ' αυ σ κ ζσΰκ, κ ζ ΰε άμ γα πλϋπ δ θα ια φαζέ δ, η πδπζϋκθ Ϋζ ΰξκ, βθ αελέί δα εαδ βθ ΰευλσ β α πθ κηϋθπθ πκυ Ϋξ δ βθ εα κξά κυ πλδθ πλκξπλά δ κπκδα άπκ π λαδ Ϋλπ αθϊζυ β. θ βθ απϊ β πκυ πλκ παγά κυη θα απκ έικυη, έ αυ ά πκυ γϋζκυη θα πλκζϊίκυη Ϋξ δ υηη κξά εϊπκδκμ απσ κ ηάηα δαξ έλδ βμ πθ πζβλκφκλδαευθ υ βηϊ πθ, εα αθκκτη ππμ β απκυ έα κυ ζϋΰξκυ ΰευλσ β αμ γα ηαμ κ βΰκτ αθαπκ ζ ηα δεσ Ϋζ ΰξκ. φκτ Ϋξκυη ια φαζέ δ βθ υζζκΰά πθ κηϋθπθ πκυ ξλ δαασηα β 13

14 δα δεα έα πκυ αεκζκυγ έ αδ έθαδ πκζτ απζά εαγυμ πλσε δ αδ ΰδα βθ δ αΰπΰά πθ κηϋθπθ κ πλσΰλαηηα. Σα τΰξλκθα πλκΰλϊηηα α έθαδ δεαθϊ θα δαίϊακυθ α κηϋθα πκυ κυμ δ Ϊΰκυη πκδεέζ μ ηκλφϋμ, αζζϊ παλϊζζβζα θα α απκγβε τκυθ εα αθ ηβηϋθκυμ φαεϋζκυμ. Η υεκζέα εαδ β αυ κηα κπκέβ β πθ πλκΰλαηηϊ πθ πκυ πλκετπ δ η κ πϋλα ηα πθ ξλσθπθ εϊθ δ βθ επαέ υ β πθ θϋπθ εζ ε υθ αδ γβ Ϊ πδκ τθ κηβ εαδ ζδΰσ λκ απαθβλά. Η η γκ κζκΰέα Ϋξ δ πμ ζ υ αέκ Ϊ δκ βθ δ αΰπΰά πθ θ έι πθ RED FLAGS κ πλσΰλαηηα. θ πλσε δ αδ ΰδα Ϋζ ΰξκ απσ διβμ βμ απϊ βμ εαδ πθ υπ υγτθπθ, σ πμ θ έι δμ γϋ κυη δμ υθϋπ δ μ πκυ παλκυ δϊ βεαθ. θ σηπμ αθαφ λσηα εαγδ λπηϋθκ πλκζβπ δεσ π λδεσ Ϋζ ΰξκ σ αθ RED FLAGS δ Ϊΰκυη αυ Ϊ πκυ γ πλκτθ αδ β δ γθά ίδίζδκΰλαφέα (SAS No 99- Consideration of fraud in a financial statement, ISACA IS- Audit Procedure Irregularities and illegal Acts). εκζκυγ έ κ ξ δα ησμ πθ ι Ϊ πθ πκυ ξ δϊα δ κ ξ δλδ άμ κυ πλκΰλϊηηα κμ. Ο ζ ΰε άμ εαγκλέα δ δμ α δ δεϊ αελαέ μ δηϋμ α ελέ δηα βη έα εαδ κ πλσΰλαηηα έθαδ δεαθσ θα ίλέ ε δ σπκδ μ π λδπ υ δμ δμ υπ λίαέθκυθ. β υθϋξ δα υθ υϊα δ η σζκυμ κυμ πδγαθκτμ λσπκυμ αυ Ϋμ δμ π λδπ υ δμ η απκ Ϋζ ηα θα ηπκλ έ θα δαελέθ δ κ ζ ΰε άμ αθ εϊπκδκυμ απσ κυμ πδγαθκτμ υθ υα ηκτμ ελτί αδ ηδα απϊ β πκυ πλαΰηα κπκδάγβε ά γα πλαΰηα κπκδβγ έ η ζζκθ δεϊ (Bagranoff, 2005). 2.3 υθ ξάμ ζ ΰε δεά (Continuous Auditing) Η υθ ξάμ ζ ΰε δεά (CA) ηπκλ έ θα κλδ έ αθ ηδα π λδ ε δεά βζ ε λκθδεά δα δεα έα ζϋΰξκυ πκυ πδ λϋπ δ κυμ ζ ΰε Ϋμ θα πλκ φϋλκυθ η ΰΪζκ ίαγησ πδί ίαέπ β βμ ΰευλσ β αμ πθ λ ξκυ υθ πζβλκφκλδυθ αυ σξλκθα ά ζέΰκ η Ϊ βθ απκεϊζυοά κυμ (Rezaee et al, 2002). πκ ζ έ Ϋθα δ δαέ λκ έ κμ ζϋΰξκυ εαδ ΰδα θα ηπ δ φαληκΰά έθαδ απαλαέ β κ θα πζβλκτθ αδ κλδ ηϋθ μ πλκςπκγϋ δμ: 1. Οδ πζβλκφκλέ μ πκυ ζϋΰξκθ αδ πλϋπ δ θα πλκϋλξκθ αδ απσ αιδσπδ α υ άηα α, σππμ α computerized υ άηα α πκυ ηπκλκτθ θα παλϊΰκυθ 14

15 αιδσπδ μ πζβλκφκλέ μ ΰλάΰκλα. Η αιδκπδ έα θσμ υ άηα κμ ελέθ αδ απσ κ ίαγησ υηησλφπ άμ κυ κ SysTrust (ηδα δλϊ απσ ελδ άλδα εαδ αλξϋμ πκυ Ϋξκυθ γ πδ έ απσ βθ AICPA εαδ βθ CICA ΰδα αυ σ κ εκπσ). 2. Η δα δεα έα ζϋΰξκυ πλϋπ δ θα έθαδ πκζτ αυ κηα κπκδβηϋθβ. ζ ΰε δεϊ λΰαζ έα πλϋπ δ θα έθαδ ΰεα βηϋθα κ πζβλκφκλδαεσ τ βηα, α κπκέα πδ λϋπκυθ β δ ιαΰπΰά κυ ζϋΰξκυ αεσηα εαδ αθ κ ζ ΰε άμ θ έθαδ παλσθ. Παλα έΰηα α Ϋ κδπθ λΰαζ έπθ έθαδ α παλαεϊ π: Embedded Audit Module: Πλσε δ αδ ΰδα πλκΰλϊηηα α πκυ έθαδ θ πηα πηϋθα ηδα φαληκΰά εαδ πδ λϋπκυθ βθ δ ιαΰπΰά κυ ζϋΰξκυ παλϊζζβζα η β ζ δ κυλΰέα βμ φαληκΰάμ. πδ λϋπ δ, βζα ά, β δ ιαΰπΰά υθ ξκτμ ζϋΰξκυ, ξπλέμ θα παλ ηπκ έα αδ β κηαζά ζ δ κυλΰέα βμ ζ ΰξση θβμ ηκθϊ αμ. Exception Reporting: έθαδ Ϋθα πκζτ εκδθσ CAATTs, κ κπκέκ πδ λϋπ δ βθ ιαΰπΰά κηϋθπθ απσ Ϋθα αλξ έκ Ϋθα Ϊζζκ τηφπθα η α ελδ άλδα πκυ γϋ δ κ ζ ΰε άμ. Ϊθ κ πζβλκφκλδαεσ τ βηα π λδϋξ δ ηβξαθδ ηκτμ απσεζδ βμ υθαζζαΰυθ πκυ θ ηπέπ κυθ πλκεαγκλδ ηϋθα ελδ άλδα, σ β υθ ξάμ αθαφκλϊ πθ απκεζ δση θπθ υθαζζαΰυθ πδ λϋπ δ κ τ βηα θα ζϋΰξ αδ απσ ησθκ κυ. Transaction-tagging: Μπκλ έ θα ξαλαε βλδ έ αθ Ϋθα έ κμ έξθκυμ πκυ έθ δ β υθα σ β α κθ ζ ΰε ά θα αεκζκυγά δ ίάηα-ίάηα βθ πκλ έα ηδαμ υθαζζαΰάμ ηϋ α απσ κ πλσΰλαηηα ηϋξλδ θα θ κπδ έ κ πλσίζβηα. 1. έθαδ απαλαέ β κ θα υπϊλξ δ απκ ζ ηα δεά τθ β η αιτ πθ υ βηϊ πθ κυ ζ ΰε ά εαδ πθ υ βηϊ πθ βμ ζ ΰξση θβμ ηκθϊ αμ, υ θα ια φαζέα αδ β ΰλάΰκλβ, αελδίάμ εαδ α φαζάμ αθ αζζαΰά πθ ζ ΰε δευθ κ βΰδυθ εαδ απκ ζ ηϊ πθ. 2. έθαδ ία δεσ κ ζ ΰε άμ θα ΰθπλέα δ εαζϊ σ κ βθ ζ ΰξση θβ κδεκθκηδεά ηκθϊ α εαδ δμ δα δεα έ μ βμ, σ κ εαδ θα δαγϋ δ κ αθϊζκΰκ πζβλκφκλδαεσ υπσίαγλκ. (Zhao, Yen and Chang, 2004) Οδ πλκςπκγϋ δμ αυ Ϋμ κυ δα δεϊ απκ ζκτθ εαδ κυμ ζσΰκυμ υ εκζέαμ 15

16 φαληκΰάμ βμ υθ ξάμ ζ ΰε δεάμ. υΰε ελδηϋθα, έθαδ ηδα πλκ Ϋΰΰδ β ζϋΰξκυ η αλε Ϋμ ξθκζκΰδεϋμ απαδ ά δμ, κδ κπκέ μ φυ δεϊ έθαδ εαδ αθϊζκΰα απαθβλϋμ, η απκ Ϋζ ηα πκζζϋμ αδλέ μ θα ηβθ Ϋξκυθ β υθα σ β α θα υπκ βλέικυθ ηδα Ϋ κδα ηκλφά ζϋΰξκυ. Έ π σηπμ εαδ αθ υπϊλξκυθ κδ εα Ϊζζβζ μ ξθκζκΰέ μ, πκζζκέ ζ ΰε Ϋμ θ δαγϋ κυθ δμ αθϊζκΰ μ πζβλκφκλδαεϋμ ΰθυ δμ ΰδα θα δμ ξλβ δηκπκδά κυθ. Θα πλϋπ δ, ίϋίαδα, θα βη δυ κυη σ δ απσ βθ πζ υλϊ πθ πδξ δλά πθ, σζκ εαδ η ΰαζτ λκμ αλδγησμ αλξέα δ θα λα βλδκπκδ έ αδ βζ ε λκθδεϊ εαδ θα βηκ δκπκδ έ δμ ξλβηα κκδεκθκηδεϋμ κυ εα α Ϊ δμ, κδ κπκέ μ φυ δεϊ γα πλϋπ δ θα αθαθ υθκθ αδ υθ ξυμ, ξπλέμ σηπμ θα ξϊθκυθ βθ ΰευλσ β Ϊ κυμ. Έ δ, σππμ αθαφϋλκυθ εαδ κδ Harkness Michael εαδ Green Patrick κ 2004, έθαδ πδ αε δεά β αθϊΰεβ σζκδ κδ ζ ΰε Ϋμ θα υδκγ ά κυθ β η γκ κζκΰέα κυ Continuous Auditing, υ θα ηπκλκτθ θα αθ π ιϋλξκθ αδ δμ τΰξλκθ μ πζβλκφκλδαεϋμ απαδ ά δμ πθ πδξ δλά πθ εαδ αυ υθ πκυ θ δαφϋλκθ αδ ΰδα βθ πκλ έα αυ υθ. Ο Ϋΰεαδλκμ εαδ πλαΰηα δεσ ξλσθκ πκδκ δεσμ Ϋζ ΰξκμ απκ ζ έ κ εζ δ έ κυ αθ αΰπθδ ηκτ πθ τΰξλκθπθ πδξ δλά πθ, ΰδ' αυ σ εαδ κδ ζ ΰε Ϋμ γα πλϋπ δ θα έθαδ γϋ β θα υπκ βλέακυθ β υθ ξά παζάγ υ β εαδ β π ά παλκυ έα β πθ ξλβηα κκδεκθκηδευθ πζβλκφκλδυθ κπκδα άπκ πδξ έλβ βμ ( Hall εαδ Singleton, 2005). Οδ Ling-yu Chou et al (2006) πλσ δθαθ Ϋθα θϋκ ηκθ Ϋζκ Continuous Auditing κ Agent-Based Continuous Audit Model (ABCAM) κ κπκέκ ξλβ δηκπκδ έ Ϋθα τ βηα πκζτ-πλαε σλπθ (Multi-agent system). Σκ τ βηα ξλβ δηκπκδ έ κυμ εδθβ κτμ πλϊε κλ μ ΰδα θα ίκβγά δ κυμ ζ ΰε Ϋμ εα Ϊ βθ ε Ϋζ β βμ λΰα έαμ ζϋΰξκυ πκυ ηπκλ έ θα έθαδ εκυλα δεά, λδηηϋθβ, ά π λέπζκεβ. Σκ τ βηα πδ λϋπ δ κ υθ ξά Ϋζ ΰξκ ξπλέμ θα πλϋπ δ θα υθ γ έ η κ πδξ δλβηα δεσ τ βηα κυ π ζϊ β, δ δαέ λα β φϊ β ξ έκυ, εαδ πδ λϋπ δ κυμ ζ ΰε Ϋμ θα ζϋΰικυθ πκζζκτμ π ζϊ μ αυ σξλκθα Ϋξκθ αμ πλσ ία β α κδξ έα κυμ. θαζυ δεσ λα α κφϋζβ απσ βθ ξλά β κυ ABCAM έθαδ α ιάμ: 1. υθ ξάμ πδγ υλβ β: Οδ εδθβ κέ πλϊε κλ μ ηπκλκτθ θα ξ δα κτθ εαδ θα ε ζκτθ δμ πλκεαγκλδ ηϋθ μ δα δεα έ μ ζκΰδ δεκτ ζϋΰξκυ π λδκ δεϊ ά 16

17 υξαέα. ΜΫ π ηδαμ π λδκ δεάμ πδγ υλβ βμ πθ Ϋζ ΰξπθ, κ τ βηα κυ ζκΰδ δεκτ ζϋΰξκυ ABCAM παλϋξ δ Ϋΰεαδλ μ πζβλκφκλέ μ, σππμ κδ εαγβη λδθϋμ ά ί κηα δαέ μ εγϋ δμ, κυμ ζ ΰε Ϋμ, υξθσ λβ ίϊ β. 2. θ ιαλ β έα: Έθα Ϊζζκ ξαλαε βλδ δεσ ΰθυλδ ηα κυ ABCAM έθαδ σ δ β αθϊπ υιά κυ έθαδ αθ ιϊλ β β απσ βθ αθϊπ υιβ κυ υ άηα κμ πζβλκφκλδυθ κυ π ζϊ β. κηϋθκυ σ δ κ εδθβ σμ πλϊε κλαμ θ έθαδ Ϋθα θ πηα πηϋθκ πλσΰλαηηα κ τ βηα πζβλκφκλδυθ, κδ παΰΰ ζηα έ μ ζκΰδ δεκτ ζϋΰξκυ ξπλέμ θα πλϋπ δ θ α δεϊ θα π λδζβφγ έ κ τ βηα κυ π ζϊ β, δ δαέ λα κ Ϊ δκ κυ ξ δα ηκτ. 3. υ ζδιέα: Ο πλϊε κλαμ ζκΰδ ηδεκτ έθαδ τεαηπ κμ εαδ ηπκλ έ θα Ϋξ δ πλσ ία β α δϊφκλα έ β πζβλκφκλδυθ. κ ABCAM, Ϋθαμ εδθβ σμ πλϊε κλαμ απκ Ϋζζ αδ ΰδα θα αζζβζ πδ λϊ δ η κυμ κπδεκτμ πλϊε κλ μ ΰδα θα απκε ά δ δμ πζβλκφκλέ μ. έθαδ γϋ β θα υδκγ ά δ Ϋθαθ κλδ ηϋθκ ίαγησ θκβηκ τθβμ εαδ αυ κηα κπκέβ βμ εα Ϊ βθ φαληκΰά πθ δα δεα δυθ ζκΰδ δεκτ ζϋΰξκυ. Παλα έΰηα κμ ξϊλδθ, β πδγ υλβ β θσμ εδθβ κτ πλϊε κλα θ π λδκλέα αδ α δ κλδεϊ αλξ έα Ϋθα τ βηα πζβλκφκλδυθ ζκΰδ δεάμ. τηφπθα η κυμ Chan εαδ Vasarhelyi (2013) β υθ ξάμ ζ ΰε δεά δ Ϊΰ δ βθ εαδθκ κηέα βθ παλα κ δαεά πλαε δεά κυ ζϋΰξκυ εα Ϊ ηάεκμ π Ϊ βηαθ δευθ δα Ϊ πθ σππμ φαέθ αδ κθ πέθαεα. 1. υξθσ β α Παλα κ δαεά ζ ΰε δεά Π λδκ δεά 1. υξθσ β α Continuous Auditing υθ ξάμ ά Πδκ υξθά 2. Πλκ Ϋΰΰδ β: θ δ λα δεά 3. δα δεα έ μ: Χ δλπθαε δεϋμ 2. Πλκ Ϋΰΰδ β: υθαηδεά 3. δα δεα έ μ: υ κηα κπκδβηϋθ μ 17

18 4. λΰα έα εαδ Ρσζκμ ζ ΰε υθ: Ο σΰεκμ βμ δ θ λΰβγ έ αμ λΰα έαμ έθαδ ε θ λκγ βηϋθκμ ΰτλπ απσ δμ θ α δεϋμ δα δεα έ μ ζκΰδ δεκτ ζϋΰξκυ λΰα έαμ εαδ ξλσθκυ θ ιϊλ β κδ λσζκδ κυ π λδεκτ εαδ ιπ λδεκτ ζ ΰε ά 5. Φτ β, υΰξλκθδ ησμ εαδ ίαγησμ: Η κεδηά απκ ζ έ αδ απσ δμ αθαζυ δεϋμ δα δεα έ μ παθ ιϋ α βμ εαδ βθ κυ δα δεά κεδηά ζ π κη λ δυθ (Φτ β) Η παλαεκζκτγβ β κυ ζϋΰξκυ εαδ β ζ π κη λάμ κεδηά ηφαθέακθ αδ αθ ιϊλ β α ( υΰξλκθδ ησμ) δΰηα κζβοέα ζϋΰξκυ (ίαγησμ) 4. λΰα έα εαδ Ρσζκμ ζ ΰε υθ: Ο σΰεκμ βμ δ θ λΰβγ έ αμ λΰα έαμ έθαδ ε θ λκγ βηϋθκμ ΰτλπ απσ κ ξ δλδ ησ πθ ιαδλϋ πθ εαδ πθ δα δεα δυθ ζκΰδ δεκτ ζϋΰξκυ πκυ απαδ κτθ βθ αθγλυπδθβ ελέ β Ο ιπ λδεσμ λσζκμ ζ ΰε υθ ΰέθ αδ κ ΰΰυβ άμ κυ υθ ξκτμ υ άηα κμ ζϋΰξκυ 5. Φτ β, υΰξλκθδ ησμ εαδ ίαγησμ: Η κεδηά απκ ζ έ αδ απσ β υθ ξά παλαεκζκτγβ β ζϋΰξπθ εαδ β υθ ξά δαί ίαέπ β κδξ έπθ (Φτ β) Η παλαεκζκτγβ β κυ ζϋΰξκυ εαδ β ζ π κη λάμ κεδηά ηφαθέακθ αδ αυ σξλκθα ( υΰξλκθδ ησμ) Οζσεζβλκμ κ πζβγυ ησμ ζϋΰξ αδ (ίαγησμ) 6. κεδηά: Οδ Ϊθγλππκδ ε ζκτθ β κεδηά 6. κεδηά: Η δαησλφπ β πθ κδξ έπθ εαδ β αθϊζυ ά κυμ ξλβ δηκπκδκτθ αδ ΰδα κθ Ϋζ ΰξκ εαδ β κεδηά 7. Τπκίκζά Έεγ βμ: Π λδκ δεά 7. Τπκίκζά Έεγ βμ: υθ ξάμ ά υξθσ λβ Πέθαεαμ 2: Παλα κ δαεά ζ ΰε δεά Καδ Continuous Auditing 18

19 2.4 Big Data εαδ ζ ΰε δεά (Audit) κ 3κ τξκμ κυ ISACA Journal - o Kumar Setty, CISA εαδ κ Rohit Bakhshi (2006) π λδϋΰλαοαθ βθ Ϋθθκδα πθ big data πμ Ϋθα η ΰΪζκ «δυζδ άλδκ» κηϋθπθ, πκυ απκ ζ έ Ϋθα θϋκ τ βηα κ κπκέκ ηπκλ έ θα απκγβε τ δ, θα υΰε θ λυ δ εαδ θα η α λϋπ δ Ϋθα υλτ φϊ ηα πκζζαπζυθ κηβηϋθκυ πβΰυθ κηϋθπθ, τξλβ β ηκλφά εαδ ίκβγϊ δ ηέα πδξ έλβ β β ζάοβ θϋπθ δ υθ, αζζϊ ευλέπμ απκφϊ πθ. Σκ η ΰΪζκ «δυζδ άλδκ» κηϋθπθ παλϋξ δ ηδα κδεκθκηδεϊ απκ κ δεά πζα φσληα ΰδα βθ απ ζ υγϋλπ β βηαθ δεάμ αιέαμ πκυ παλϋξ αδ απσ α κηϋθα. Έθα βηκφδζϋμ παλϊ δΰηα πθ η ΰΪζπθ «δυζδ βλέπθ» κηϋθπθ έθαδ β π ι λΰα έα πθ blogs, πθ εκδθπθδευθ feeds εαδ Ϊζζπθ πβΰυθ εαδ β παλϊζζβζβ βηδκυλΰέα πδκ αελδίυθ ε δηά πθ εαδ πδκ απκ ζ ηα δευθ ια κηδε υηϋθπθ πλκ φκλυθ. ΤπΪλξκυθ πκζζκέ λσπκδ ΰδα κυμ ζ ΰε Ϋμ θα ξλβ δηκπκδά κυθ κ η ΰΪζκ «δυζδ άλδκ» κηϋθπθ. Έθα παλϊ δΰηα έθαδ β αθϊζυ β πθ αλξ έπθ εα αΰλαφάμ πκυ βηδκυλΰκτθ αδ απσ firewalls ά Ϊζζ μ υ ε υϋμ α φαζ έαμ. Σα firewalls εαδ κδ υ ε υϋμ α φαζ έαμ υθάγπμ παλϊΰκυθ ξδζδϊ μ άηα α εαδ πλκ δ κπκδά δμ (alerts) εϊγ βηϋλα. έθαδ απέγαθκ ΰδα ηδα κηϊ α α σηπθ θα έθαδ γϋ β ξπλέμ λΰαζ έα (manually), θα παθ ι Ϊ δ σζ μ αυ Ϋμ δμ πλκ δ κπκδά δμ εαδ θα ξβηα έ δ κυ δα δεϊ υηπ λϊ ηα α απσ αυ σθ κθ σΰεκ πθ κηϋθπθ. Οδ ζ ΰε Ϋμ ηπκλκτθ εαδ κφ έζκυθ θα υθ λΰα κτθ η βθ πζβλκφκλδεά, ΰδα θα εαγκλέ κυθ α σλδα ΰδα βθ πδ άηαθ β κλδ ηϋθπθ τππθ εαδ ΰ ΰκθσ πθ (events) εαδ αεσηβ ΰδα θα δα υπυ κυθ εαδ θα ξ δϊ κυθ λϊ δμ ΰδα βθ αθ δη υπδ β Ϋ κδπθ υηίϊθ πθ. Μδα Ϊζζβ πδγαθά ξλά β κυ η ΰΪζκυ «δυζδ βλέκυ» κηϋθπθ έθαδ β αθϊζυ β η ΰΪζπθ σΰεπθ κηϋθπθ υθαζζαΰυθ, πκυ αφκλκτθ βθ απϊ β. Μ ξλά β πλκεαγκλδ ηϋθπθ ελδ βλέπθ πκυ εαγκλέακθ αδ υθ λΰα έα η Ϊζζα ηάηα α, κ η ΰΪζκ «δυζδ άλδκ» κηϋθπθ γα ηπκλκτ θα πλκ δ κπκδά δ εαδ θα πδ βηϊθ δ υΰε ελδηϋθ μ υθαζζαΰϋμ απσ Ϋθα η ΰΪζκ πζάγκμ κηϋθπθ, ΰδα β δ λ τθβ β πθ πδγαθυθ π λδπ υ πθ απϊ βμ. θα υση θ μ ξθδεϋμ πδ λϋπκυθ κυμ ζ ΰε Ϋμ θα αθ ζά κυθ ία δεϊ υηπ λϊ ηα α απσ Ϋθα υλτ φϊ ηα κηϋθπθ. Όζα αυ Ϊ αθ δεα κπ λέακυθ δμ αζζαΰϋμ κ υθκζδεσ βη λδθσ πλκφέζ πδεδθ υθσ β αμ ά λέ εκυ, θϋκυμ παλϊΰκθ μ εδθ τθκυ ΰδα βθ πδξ έλβ β, σ κ εαδ δ δεϋμ παλαηϋ λκυμ π λδεκτ εδθ τθκυ, σππμ β κυ δυ β αθαελέί δα βθ ξλβηα κκδεκθκηδεά 19

20 πζβλκφσλβ β, κθ εέθ υθκ απϊ βμ εαδ κθ εέθ υθκ ΰδα βθ α φϊζ δα. Ο η ΰΪζκμ σΰεκμ κηϋθπθ θ απκ Ϋζ, θ απκ ζ έ εαδ κτ γα απκ ζϋ δ απζυμ ηδα θϋα ΰ θδϊ κηϋθπθ, αφκτ ξ έα αδ Ϊη α η α κφϋζβ εαδ κυμ εδθ τθκυμ, π λδκξάμ υλϋπμ δα κηϋθβμ θ σμ βμ πζβλκφκλδεάμ, ΰ έλκθ αμ ία δεϊ γϋηα α αδλδεάμ δαευίϋλθβ βμ. 2.5 Σα Πζ κθ ε άηα α βμ Υλά βμ πθ ig Data βθ ζ ΰε δεά α α α υ α π χ α Έ χ 1. ξ δα ησμ εαδ Πλσίζ οβ: κ Predictive Analytics εϊθ δ πλσίζ οβ, ευζδση θ μ πλκίζϋο δμ, πκυ ία έακθ αδ κηϋθα κυ πλκςπκζκΰδ ηκτ. έθαδ υεκζσ λβ εαδ πδκ αελδίάμ απσ δμ πλκίζϋο δμ πδξ δλβηα δεάμ ηκθϊ αμ ά κυ πλκρσθ κμ εαδ κυ πδπϋ κυ ιυπβλϋ β βμ ΰδα η ΰαζτ λβ αθϊζυ β εαδ υεκζέα roll-up. Σκ τ βηα πθ Big Data πλκ γϋ δ θϋ μ πβΰϋμ κηϋθπθ εαδ αυιβηϋθβ ζ π κηϋλ δα εαδ εϊθ δ δμ πλκίζϋο δμ πδκ ΰλάΰκλα θβη λπηϋθ μ. 2. λα βΰδεά Υλβηα κκδεκθκηδεάμ δκέεβ βμ: ΠλκβΰηΫθ μ ξθδεϋμ κπ δεκπκέβ βμ κηϋθπθ πλκίαέθκυθ κ τ βηα πθ Big Data εαγυμ πλκ γϋ δ ίϊγκμ βθ ζ π κηϋλ δα, βθ αξτ β α πθ θβη λυ πθ εαδ βθ υεαδλέα θα θ πηα υ δ θϋκυμ τπκυμ βηαθ δευθ κηϋθπθ σ κ κ π λδεσ βμ αδλ έαμ σ κ εαδ απσ ιπ λδεϋμ πβΰϋμ. Μ κ Dashboards ηπκλκτθ θα παλαεκζκυγκτθ κυμ τκ εκλυφαέκυμ έε μ ΰδα θα υ κυθ ηδα πδκ αελδίά δεσθα κυ ηϋζζκθ κμ εαδ σξδ ησθκ κ παλ ζγσθ. 3. θδ ξυηϋθα ηβθδαέα κδεκθκηδεϊ εζ δ έηα α, Σαε δεϋμ αθαφκλϋμ εαδ αθϊζυ β πθ δαευηϊθ πθ: Σα Big Data ηπκλκτθ θα πδ λϋοκυθ βθ θ πηϊ π β πθ τκ θϋπθ εαδ παλα κ δαευθ τππθ κηϋθπθ πκζτ υοβζϊ πέπ α ζ π κηϋλ δαμ εαδ θα πδ λϋπκυθ βθ απκγάε υ β κηϋθπθ πκυ πλσε δ αδ θα αθαε βγκτθ εαδ πκυ υπκίϊζζκθ αδ π ι λΰα έα, Ϋθα εζϊ ηα κυ ξλσθκυ κ παλ ζγσθ πκυ απαδ έ αδ παλα κ δαεϊ υ άηα α RDBMS. δμ αε δεϋμ αθαφκλϋμ θ πηα υθ δ υξθϊ βθ απαέ β β ΰδα α κηϋθα Ϋιπ απσ βθ αδλ έα πκυ πλϋπ δ θα 20

21 θ πηα πγκτθ η α π λδεϊ κηϋθα. Σα θϋα Big Data ηπκλκτθ θα πδ τικυ απκ ζ ηα δεϊ αυ σ κ εσ κμ κζκεζάλπ βμ. Μ πλκΰθπ δεϊ αθϊζυ βμ εαδ απ δεκθέ δμ ΰέθκθ αδ σζα α θϋα κηϋθα πκδκ τεκζα. 4. υηησλφπ β κυμ εαθκθδ ηκτμ: Σκ πκ κ σ κυ εδθ τθκυ, κυ ξλσθκυ εαδ πσλπθ δαλλκάμ απσ δμ λα βλδσ β μ αυ Ϋμ ηπκλκτθ θα η δπγκτθ βηαθ δεϊ η βθ φαληκΰά πθ τκ Big Data εαδ πλκΰθπ δευθ Analytics. Ωμ παλϊ δΰηα, β θ πηϊ π β θϋπθ πβΰυθ κηϋθπθ απσ υΰξπθ τ δμ εαδ ιαΰκλϋμ, θϋκυμ πδξ δλβηα δεκτμ κη έμ, ά α κηϋθα απσ κυμ πλκηβγ υ Ϋμ εαδ κυμ υθ λΰϊ μ. 5. Οδεκθκηδεκέ εέθ υθκδ εαδ α φϊζ δα: έ β πδξ έλβ β αιδκζκΰ έ κθ εέθ υθκ απσ πκζτπζκε μ ξλβηα κκδεκθκηδεϋμ υθαζζαΰϋμ, έ ξλβ δηκπκδ έ α έ δα λΰαζ έα πλσίζ οβμ πκυ ξλβ δηκπκδκτθ αδ απσ δμ η ΰΪζ μ α φαζδ δεϋμ αδλ έ μ, α πλκΰθπ δεϊ θϊζυ βμ πλκ φϋλκυθ β τθαηβ εαδ α Big Data πλκ φϋλκυθ βθ δαελδ δεσ β α εαδ βθ αξτ β α εαδ εϊθκυθ αυ Ϋμ δμ απκφϊ δμ πδκ ζ π κη λάμ εαδ πδκ αελδίάμ. 6. θέξθ υ β βμ απϊ βμ: Χλβ δηκπκδυθ αμ β η ΰΪζβ πκδεδζέα εαδ βθ ζ π κηϋλ δα πκυ δα έγ θ αδ ηϋ π πθ Big Data ΰδα θα λκφκ κ ά δ α πλκΰθπ δεϊ θϊζυ βμ εαδ ΰδα θα πδ βηαθγκτθ κδ πδγαθϋμ απϊ μ κηϋθπθ αυιϊθ αδ β πδγαθσ β α αθέξθ υ βμ. Μ δυθ αδ πέ βμ β υξθσ β α ηφϊθδ βμ πθ «ο υ υμ γ δεϊ» η απκ Ϋζ ηα βθ εαζτ λβ εαδ αξτ λβ αθέξθ υ β εαδ πλκ α έα, η ηδελσ λκ εσ κμ αθγλυπδθκ υθαηδεσ. 7. δεα δεϋμ: Γδα αθ απσελδ β αδ άηα α απκεϊζυοβμ ά βθ πλκ κδηα έα ΰδα βθ Ϊ εβ β βμ πλκ φυΰάμ, παλα κ δαεϊ απαδ κτθ αδ λϊ δα πκ Ϊ απσ κ αθγλυπδθκ υθαηδεσ, , Ϊη α ηβθτηα α εαδ Ϊζζ μ ηκλφϋμ, ηβ αυ κηα κπκδβηϋθκ πδεκδθπθδαεσ υζδεσ. Σκ εσ κμ αυ σ ηπκλ έ θα η δπγ έ λα δεϊ εαδ κδ ξ δεϋμ πβΰϋμ πκυ πλκ δκλέακθ αδ ηϋ π πθ αυ κηα κπκδβηϋθπθ αθαζτ πθ, κ ε έη θκ έθαδ δαγϋ δηκ υλα ΰδα πλυ β φκλϊ ηϋ α απσ α Big Data Analytics. 8. θϊε β β π λδκυ δαευθ κδξ έπθ: θέξθ υ β δπζυθ δηκζκΰέπθ εαδ δπζϋμ πζβλπηϋμ έθαδ Ϋθαμ κηϋαμ κθ κπκέκ πκζζϊ CFOs ι εέθβ αθ η α Big Data. έθαδ πζϋκθ πλαε δεσ θα ξλβ δηκπκδ έ αδ αυ κηα κπκδβηϋθβ αθαζυ δεά αιδθσηβ β ΰδα 21

22 βθ ζ π κη λυμ αιδκζσΰβ β κυ δηκζκΰέκυ εαδ πθ πζβλπηυθ εαγυμ εαδ κθ θ κπδ ησ εαδ βθ αθϊε β β αθ έΰλαφπθ, ξϊλβ κ ξαηβζσ εσ κμ, βθ υοβζά αξτ β α πθ υ βηϊ πθ απκγάε υ βμ εαδ αθϊε β βμ απσ α Big Data. 9. υζζκΰϋμ: κ παλ ζγσθ, κδ αδλ έ μ η η ΰΪζκ σΰεκ εελ ηυθ υθαζζαΰυθ θ ά αθ γϋ β θα δεαδκζκΰά κυθ κ εσ κμ λΰα έαμ ΰδα βθ υζζκΰά εαδ υθϋξδ β αυ υθ. Συλα, β πλκΰθπ δεά ίαγηκζσΰβ β κυμ πδ λϋπ δ θα πλκ δκλέ κυθ η π λδ σ λ μ πδγαθσ β μ εαδ θα θ κπέ κυθ πκδκ τεκζα κ απκ κ δεσ βη έκ, κ κπκέκ κ πλσ γ κ εσ κμ λΰα έαμ γα ά αθ η ΰαζτ λκ απσ σ, δ κδ απκ σ δμ απσ βθ πλκ πϊγ δα ω α ω χ υ 10. Ϊγκμ ζϋΰξκυ: Μ δμ θϋ μ η ΰΪζ μ ξθκζκΰέ μ κηϋθπθ αφαδλ έ αδ κυ δα δεϊ β απαέ β β βμ δΰηα κζβοέαμ απσ κ ξ δλδ ησ λϊ δπθ πκ κ ά πθ κηϋθπθ εαδ απσ πκζζϋμ δαφκλ δεϋμ πκδεδζέ μ πθ κηϋθπθ η Ϋθα εσ κμ, Ϋθα πζαέ δκ αθϊε β βμ εαδ αθϊζυ βμ κθ ξλσθκυ πκυ ά αθ πλκβΰκυηϋθπμ α τθα κ. πσ πδξ δλβ δαεάμ πζ υλϊμ, β δεαθσ β α θα κτη ευλδκζ ε δεϊ α πϊθ α εϊ δ πκυ εαγδ Ϊ πζϋκθ υθα ά βθ ξθκζκΰέα θα πδίϊζ δ β υηησλφπ β πλαΰηα δεσ ξλσθκ. 11. Self-Service Discovery: κ παλ ζγσθ, κζκεζβλπηϋθα εαδ ζ τγ λα υ άηα α πζβλκφκλδεάμ Ϋπλ π θα αιδκζκΰά κυθ η ηκθπηϋθα εαδ απσ εκδθκτ η ηπ δλκΰθυηκθ μ βμ ξθκζκΰέαμ ΰδα θα ια φαζέ κυθ β υθκξά εαδ βθ αελέί δα. Σα θϋα λΰαζ έα Big Data Analytics Ϋξκυθ αυ κηα κπκδβγ έ η ΰΪζκ ίαγησ. υ Ϊ α θϋα αθαζυ δεϊ λΰαζ έα ηπκλκτθ θα απκφϋλκυθ απκ ζϋ ηα α Ϋπμ εαδ 90% ΰλβΰκλσ λα απσ α παλα κ δαεϊ λΰαζ έα. Ι δαέ λα σ αθ υθ υϊα αδ η βθ απ δεσθδ β, θ κπέακθ αδ ΰλβΰκλσ λα. 12. Έζ ΰξκμ υ κηα δ ηκτ: εσηα εαδ κδ πδκ τθγ μ ξλβηα κκδεκθκηδεϋμ υθαζζαΰϋμ ηπκλκτθ θα ηκθ ζκπκδβγκτθ εαδ θα ι α κτθ η κυμ θϋκυμ ετεζκυμ ζϋΰξκυ αθαζυ δευθ λΰαζ έπθ, η η έπ β κυ εσ κυμ, πδ λϋπκθ αμ ίαγτ λκ Ϋζ ΰξκ. 22

23 13. υηφπθέα κηϋθπθ: Σα κηϋθα η αιτ αθσηκδπθ υ βηϊ πθ απκ ζκτ πϊθ α ηέα ιαδλ δεϊ ξλκθκίσλα δα δεα έα. Σκ τ βηα Big Data Analytics υΰελέθ δ δμ υθαζζαΰϋμ πκζζαπζϊ υ άηα α εαδ αυ σξλκθα ζϋΰξ δ βθ υηφπθέα εαδ β δα δεα έα. 14. Έεγ β παζάγ υ βμ: Οδ θαζτ δμ ηπκλκτθ θα υΰελέθκυθ βμ εγϋ δμ πκυ υθ Ϊ κθ αδ απσ ι ξπλδ Ϊ υ άηα α ΰδα κθ Ϋζ ΰξκ εαδ δα φαζέακυθ βμ υθϋπ δαμ εαδ βμ αελέί δαμ κυμ. 15. ΝΫκμ υπκζκΰδ ησμ: Μ κ Analytics ηπκλ έ θα δαηκλφυ δ εαδ γα αθαπαλϊΰ δ πκζτπζκε μ υθαζζαΰϋμ, ΰδα κθ Ϋζ ΰξκ, βθ αθαπαλαΰπΰά εαδ θα πδί ίαδυ δ η αελέί δα δμ υθαζζαΰϋμ η πκζζαπζϊ θϊλδα, τεκζα εαδ ΰλάΰκλα α α α υ CFO 16. πκ ζ ηα δεσ β α βμ ε Ϋζ βμ: Οδ αδλ έ μ σζκ εαδ π λδ σ λκ αθ αΰπθέακθ αδ πμ πλκμ βθ Ϊλδ β ιυπβλϋ β β πθ π ζα υθ. Π λδ σ λκ απσ πκ Ϋ, θαπσε δ αδ κ CFO υ θα κυμ ίκβγά δ θα π λδβΰβγκτθ κ αξϋπμ η αίαζζση θκ ιπ λδεσ π λδίϊζζκθ, η β υθ ξά αιδκζσΰβ β εαδ θα κυμ πλκ έθ δ δμ π Ϋμ λα βΰδεϋμ εαδ ε Ϋζ βμ αυ υθ. Σκ Big Data Analytics γα ίκβγά δ κυμ Οδεκθκηδεκτμ δ υγυθ Ϋμ θα παλαεκζκυγκτθ υθ ξυμ εαδ θα αθαπλκ αλησακυθ δμ πλκίζϋο δμ ία δαση θκδ βθ θδ ξυηϋθβ δεαθσ β α θα εα αθκά κυθ εαδ θα αθαζτ κυθ δμ π λδεϋμ δα δεα έ μ, δμ αθ αΰπθδ δεϋμ πδϋ δμ εαδ βθ αθ απσελδ β πθ π ζα υθ. Η ΰλάΰκλβ τλ β πθ απαθ ά πθ υΰε ελδηϋθα πλκίζάηα α εαδ β λκπκπκέβ β πθ πλκίζϋο πθ ξ σθ πλαΰηα δεσ ξλσθκ πδ λϋπ δ κυμ παΰΰ ζηα έ μ βμ ξλβηα κκδεκθκηδεάμ θα Ϋξκυθ βηαθ δεσ λσζκ βθ εα τγυθ β πθ αδλ δυθ κυμ. 17. θϊπ υιβ εαδ Καδθκ κηέα: Σκ τ βηα πθ Big Data Ϋξ δ αθαζυ δεϋμ δεαθσ β μ πκυ αιδκζκΰκτθ βθ απκ ζ ηα δεσ β α εαδ πλκ φϋλκυθ πέ βμ δμ πλκ Ϊ δμ ΰδα δμ αθαπ υιδαεϋμ υεαδλέ μ δμ ΰ δ κθδεϋμ αΰκλϋμ ά πλ Ϊθ πλκρσθ α εαδ υπβλ έ μ. Σκ τ βηα αυ σ πδ λϋπ δ ίαγτ λβ εαδ υλτ λβ ΰθυ β ηϋ π βμ αθϊζυ βμ πκυ ηπκλ έ θα έθαδ β δαφκλϊ η αιτ πθ πδ υξβηϋθπθ εαδ απκ υξβηϋθπθ 23

24 λα βΰδευθ, εαγυμ εαδ β απσε β β εαδ β αθϊπ υιβ πθ πδξ δλά πθ. 18. πκ έηβ β α Ί δα Κ φϊζαδα Π ζα υθ: Παλα κ δαεϋμ ξθδεϋμ απκ έηβ βμ ίϊ δ πθ πλκ ικφζβηϋθπθ αη δαευθ λκυθ ηπκλκτθ θα ί ζ δπγκτθ βηαθ δεϊ η ηδα αφά εα αθσβ β βμ δϊλε δαμ απάμ κυ π ζϊ β. Σκ Big Data Analytics, πλκ φϋλ δ ηδα αφά πκλ έα πλκμ βθ εαζτ λβ εα αθσβ β βμ υηπ λδφκλϊμ πθ π ζα υθ, αΰκλα δεϊ πλσ υπα, εαδ κ ξλβηα δεσ η λέ δκ πκυ γα ηπκλκτθ θα αγλκδ κτθ εαδ θα η λβγκτθ α Ί δα Κ φϊζαδα κυ Π ζϊ β. 19. Κέθ υθκδ Π ζα υθ: Η Ϊζζβ πζ υλϊ πθ δ έπθ ε φαζαέπθ πθ π ζα υθ έθαδ κ εέθ υθκμ κυ π ζϊ β. Σκ Big Data Analytics γα πλκ φϋλ δ ηδα δα λκηά ΰδα βθ εαζτ λβ εα αθσβ β πθ λδυθ η ΰΪζπθ λπ βηϊ πθ: ΰδα έ Ϋλξκθ αδ, ΰδα έ ηϋθκυθ, εαδ ΰδα έ φ τΰκυθ. Η πέ υιβ εαδ β παλαεκζκτγβ β ίαγτ λα δμ ΰθυ δμ ξ δεϊ η δμ υηπ λδφκλϋμ πθ π ζα υθ πμ πλκμ βθ αφκ έπ β, εαδ β Ϊ β απϋθαθ δ α πλκρσθ α εαδ δμ υπβλ έ μ βμ αδλ έαμ πλκ α τ δ α κδεκθκηδεϊ υηφϋλκθ α βμ. υ σ κ τ βηα η ΰΪζπθ ξθκζκΰδυθ κηϋθπθ εαδ αθϊζυ βμ, πδ λϋπ δ η αελέί δα θα υ ξ έ δ αυ Ϊ α ηϋ λα η δμ αη δαεϋμ λκϋμ, α εϋλ β, εαδ Ϊζζα κδεκθκηδεϊ ηϋ λα εαδ θα εαγκ βΰά δ β ζάοβ λα βΰδευθ απκφϊ πθ. 20. Κέθ υθκμ φάηβμ: Έθαμ θσμ παλαζζβζδ ησμ η κθ εέθ υθκ κυ π ζϊ β έθαδ κ εέθ υθκμ φάηβμ. Κέθ υθκδ υ φάηδ βμ ηπκλ έ θα πλκετοκυθ απσ κυμ π ζϊ μ ά ηβ π ζϊ μ αεσηβ εαδ απσ λΰααση θκυμ. Μ α έ αδ η βθ αξτ β α κυ δα δε τκυ πκζζκτμ αγηκτμ, ηϋ π εκδθπθδεάμ δε τπ βμ πκυ ηπκλ έ θα η α λϋο δ Ϋθα εαεσ π λδ α δεσ ηδα δκΰ θά εα α λκφά. Σα CFOs εαδ κδ παΰΰ ζηα έ μ ζ ΰε Ϋμ αθαΰθυλδ αθ βθ αθϊΰεβ θα παλαεκζκυγκτθ υθ ξυμ εαδ θα απαθ κτθ απ δζϋμ απσ α ηϋ α εκδθπθδεάμ δε τπ βμ, α κπκέα ηπκλ έ θα έθαδ ξσζδα π ζα υθ ΰδα πλκρσθ α, υπβλ έ μ, δηϋμ, ά βθ πκδσ β α, αζζϊ ηπκλ έ πέ βμ θα έθαδ εαδ αεα Ϊζζβζ μ δαλλκϋμ υαέ γβ πθ ά φαζηϋθπθ δ δπ δεκτ ξλβηα κκδεκθκηδεκτ ά υθαζζαΰυθ εαδ ξϋ δα κηϋθπθ. Σκ Big Data Analytic, πλκ φϋλ δ Ϋθαθ λσπκ υ κδ παΰΰ ζηα έ μ θα αθαπ τικυθ ηδα γϋ β αελσα βμ υ θα θ κπέ κυθ εαδ θα υπ λα πδ κτθ Ϋθαθ δ αυ υθ πθ εδθ τθπθ, πκυ πβλ Ϊακυθ βηαθ δεϊ α κδεκθκηδεϊ απκ ζϋ ηα α.( Bill Vorhies, 2013) 24

25 2.6 Η τιβ β βμ πκ ζ ηα δεσ β αμ κυ π λδεκτ ζϋΰξκυ η α κηϋθα κυ Analytics Σα ζ υ αέα ξλσθδα, η ΰΪζα κδξ έα εαδ αθαζτ δμ κηϋθπθ Ϋξκυθ βηδκυλΰβγ έ πϊλα πκζτ ΰλάΰκλα απσ ξ σθ σζ μ δμ πδξ δλά δμ. Οδ δ δεκέ ε δηκτθ σ δ γα υπϊλικυθ 35 λδμ εα κηητλδα gigabytes απκγβε υηϋθπθ κηϋθπθ κθ εσ ηκ ηϋξλδ κ Πκζζκέ κλΰαθδ ηκέ Ϋξκυθ αθ δ λϊ δ ΰλάΰκλα βθ η ΰΪζβ Ϊ β ατιβ βμ πθ κηϋθπθ, αυιϊθκθ αμ βθ δεαθσ β α ΰδα βθ υπκίκζά εγϋ πθ ξ δεϊ η δμ πζβλκφκλέ μ εαδ βθ αθϊζυ β πθ κηϋθπθ. Σα η ΰαζτ λα Ϊζηα α βθ υπκίκζά εγϋ πθ Ϋξκυθ Ϋλγ δ απσ β υηη κξά δϊφκλα τθκζα κηϋθπθ πθ ξ δευθ πζβλκφκλδυθ, ΰδα βθ τλ β υ ξ έ πθ πκυ κ βΰκτθ Ϋιυπθ μ αθαζτ δμ. Μδα κζσεζβλβ ίδκηβξαθέα Ϋξ δ βηδκυλΰβγ έ ΰτλπ απσ βθ Ϋθθκδα βμ ησξζ υ βμ σζπθ πθ πζβλκφκλδυθ πκυ υζζϋΰκθ αδ ΰδα βθ απσε β β λα βΰδεάμ πδξ δλβηα δεάμ υφυ αμ ω Έ χ Σχ α α υ Analytics Η δ Ϋα βμ ξλβ δηκπκέβ βμ πθ δαγϋ δηπθ κηϋθπθ απσ δϊφκλ μ πβΰϋμ θ έθαδ θϋκ ΰδα κυμ π λδεκτμ ζ ΰε Ϋμ. Οδ ζ ΰε Ϋμ δ Ϊ εκθ αδ πυμ θα πλκ δκλέ κυθ α πλσ υπα εαδ δμ αθϊζυ βμ κηϋθπθ η β ξλά β η γσ πθ πκυ ευηαέθκθ αδ απσ βθ απζά αθϊζυ β πθ Ϊ πθ πδκ πλκβΰηϋθ μ αθαζτ δμ παζδθ λσηβ βμ. Σκ η ΰαζτ λκ ηϋλκμ αυ άμ βμ λΰα έαμ υθάγπμ ε ζ έ ξλβ δηκπκδυθ αμ β ηβ λδεά ζ δ κυλΰδεσ β α κυ Microsoft Excel. Μ λδεϊ ηάηα α ζϋΰξκυ ά αθ γϋ β θα εϊθκυθ κ πση θκ ίάηα εαδ θα ξλβ δηκπκδά κυθ πδκ ι ζδΰηϋθα λΰαζ έα. λΰαζ έα ζκΰδ ηδεκτ σππμ ACL εαδ βθ ιαΰπΰά κηϋθπθ απσ Ϊζζα υ άηα α εαδ θα λϋικυθ αθαζτ δμ κηϋθπθ απσ αυ Ϋμ δμ πζβλκφκλέ μ. υ κέ κδ τπκδ υ βηϊ πθ απαδ κτθ ι δ δε υηϋθβ ΰθυ β πκυ Ϋξ δ απκε βγ έ ηϋ π βμ θ α δεάμ ιϊ εβ βμ. Πδκ πλκβΰηϋθ μ ξθκζκΰέ μ ξλβ δηκπκδκτθ αδ πδ υξυμ απσ κυμ δ δεκτμ κηϋθπθ, αζζϊ κ Ιθ δ κτ κ π λδευθ ζ ΰε υθ (ΙΙ ) υθδ Ϊ β ξλά β πθ αθαζτ πθ κηϋθπθ σζα α πέπ α κυ ζ ΰε δεκτ πλκ ππδεκτ εαδ σζκυμ κυμ ζϋΰξκυμ. υΰε ελδηϋθα, GTAG 16 - Σ ξθκζκΰέ μ θϊζυ βμ κηϋθπθ υθδ Ϊ " α ηϋζβ βμ κηϊ αμ π λδεκτ 25

26 ζϋΰξκυ θα Ϋξκυθ ηδα ΰ θδεά εα αθσβ β πθ κηϋθπθ εαδ ΰδα κ ζκΰδ ηδεσ αθϊζυ βμ κηϋθπθ, θα Ϋξκυθ βθ παλεά δεαθσ β α θα ζϋΰξκυθ εαδ θα ληβθ τκυθ α απκ ζϋ ηα α πθ αυ κηα κπκδβηϋθπθ αθαζτ πθ ΰδα θα ε ζϋ κυθ απζά αθϊζυ β ( δαζκΰά, φδζ λϊλδ ηα, κηα κπκέβ β εαδ πλκφέζ) " Η π α ω Big Data ω Έ χ Η θϊζυ β κηϋθπθ αζζϊα δ βθ α αϋθ α κυ π λδεκτ ζϋΰξκυ η βθ δ αΰπΰά βμ Ϋθθκδαμ «υθ ξάμ Ϋζ ΰξκμ" ΰδα πδξ δλά δμ πκυ αθααβ κτθ λσπκυμ ΰδα θα ί ζ δυ κυθ β ξϋ β εσ κυμ εαδ κφϋζκυμ κ τ βηα π λδεκτ ζϋΰξκυ. Ο υθ ξάμ Ϋζ ΰξκμ έθαδ β υζζκΰά απκ δε δευθ κδξ έπθ ζϋΰξκυ εαδ δε υθ απσ κθ π λδεσ ζ ΰε ά ξ δεϊ η α υ άηα α πζβλκφκλδεάμ, δμ δα δεα έ μ, δμ υθαζζαΰϋμ, υ θα ζ ΰξγκτθ υξθά, παθαζαηίαθση θβ εαδ ίδυ δηβ ίϊ β. θ πηα υθ δ ηδα υθ ξά δα δεα έα αιδκζσΰβ βμ πθ εδθ τθπθ, β κπκέα η ΰΪζκ ίαγησ έθαδ ηδα πκδκ δεά αθϊζυ β υθ υα ησ η βθ πκ κ δεά, εαδ ία έα αδ βθ ξθκζκΰέα δα δεα έαμ αθαζυ δευθ κηϋθπθ. πέ κυ παλσθ κμ, πκζζϋμ ζ δ κυλΰέ μ π λδεκτ ζϋΰξκυ θ δαγϋ κυθ κυμ πσλκυμ (κδεκθκηδεκτμ εαδ αθγλυπδθκυμ) ΰδα θα ξ δϊ κυθ εαδ θα φαλησ κυθ Ϋθα ηκθ Ϋζκ υθ ξκτμ ζϋΰξκυ. Ωμ απκ Ϋζ ηα, πκζζϋμ κλΰαθυ δμ υλα αλξέακυθ θα ξλβ δηκπκδκτθ βθ αθϊζυ β κηϋθπθ ΰδα ηδα πδκ αθ π υΰηϋθβ, υλδηβ εαδ ίδυ δηβ δα δεα έα υθ ξκτμ ζϋΰξκυ. δμ ζ δ κυλΰέ μ κυ π λδεκτ ζϋΰξκυ, υπϊλξκυθ αιδκ βη έπ μ ιαδλϋ δμ πζβγυ ηκτμ πκυ υθάγπμ πδε θ λυθκθ αδ υθαζζαΰϋμ η ίϊ β αθαζτ πθ εαδ δμ κπκέ μ ηπκλκτθ θα ξλβ δηκπκδβγκτθ α κηϋθα ΰδα κθ θ κπδ ησ, πκυ γα ηπκλκτ θα παλϋξ δ βηαθ δεϋμ θ έι δμ ΰδα θ ξση θα ε θϊ κυμ π λδεκτμ ζϋΰξκυμ. Γδα παλϊ δΰηα, ηδα υθαζζαΰά η ίϊ β αθϊζυ βμ γα ηπκλκτ θα ξλβ δηκπκδβγ έ ΰδα βθ αιδκζσΰβ β πθ ζϋΰξπθ ΰτλπ απσ βθ ΰεα Ϊ α β ππζβ ά υ θα απκ λϋο δ ηδα δεκθδεά πυζβ β δϊακθ αμ δμ υθα σ β μ πθ ικυ δκ κ βηϋθπθ ξλβ υθ εαδ βθ ε Ϋζ β πθ παλϊθκηπθ λα βλδκ ά πθ, αθ ιϊλ β α απσ κ αθ έθαδ εκτ δα ά αεκτ δα. υ Ϊ αθαφϋλκθ αδ υξθϊ πμ analytics ηδελκ- πέπ κ, εαδ ηπκλκτθ θα πλκ φϋλκυθ η ΰΪζβ αιέα σ αθ υπϊλξ δ ηδα ΰθπ ά εα Ϊ α β υ κ κλΰαθδ ησμ θα ΰθπλέα δ πσ κ υξθϊ υηίαέθ δ εαδ β αθ έε υπκ Ϋξ δ. 26

27 ΤπΪλξκυθ εκλυφαέ μ ζ δ κυλΰέ μ ΰδα κθ π λδεσ Ϋζ ΰξκ, σπκυ αιδκπκδυθ αμ βθ αθϊζυ β κηϋθπθ εαδ πθ ξ δευθ λΰαζ έπθ εαδ ξθδευθ ε ζ έ ( ηαελκ- πέπ κ) αθϊζυ β πθ πλκ τππθ εαδ Ϊ πθ σπκυ υπϊλξκυθ εέθ υθκδ πλδθ απσ βθ φαληκΰά αθϊζυ βμ ηδελκ- πέπ κ. υ ά β αθϊζυ β γα ηπκλκτ θα πδε θ λπγ έ δμ Ϊ δμ, α πλσ υπα, εαδ α απκ ζϋ ηα α ία δεκτμ έε μ πδ σ πθ, σππμ κ αλδγησμ πθ βη λυθ ππζά πθ πκυ εελ ηκτθ, κ αλδγησμ πθ θ κζυθ αΰκλϊμ αθϊ ί κηϊ α, εαδ κτ πμ εαγ ιάμ. Ό αθ αθαπ υξγ έ εαδ ε ζ έ π Ϊ, β αθϊζυ β κηϋθπθ ηπκλ έ θα ί ζ δυ δ βηαθ δεϊ βθ υπβλ έα π λδεκτ ζϋΰξκυ, η βθ αυ κηα κπκέβ β βμ υζζκΰάμ, β ηκλφκπκέβ β, βθ ξαλ κΰλϊφβ β πθ κλΰαθπ δευθ κηϋθπθ εαδ φαλησακθ αμ δϊφκλα λΰαζ έα ΰδα θα αθαζτ δ εαδ θα ληβθ τ δ α κηϋθα η κθ πδκ κυ δα δεσ λσπκ Χ π Analytics χ υ Ολΰαθδ ηκέ σππμ κ εαδ κυ υθ Ϋ ηκυ εα Ϊ βμ πϊ βμ (ACFE) Ϋξκυθ υπκ βλέι δ β ξλά β πθ θαζτ πθ κηϋθπθ σζκυμ κυμ δ ξτκθ μ ζκΰδ δεκτμ ζϋΰξκυμ εαδ Ϋλ υθαμ. Οδ πλσ φα μ θβη λυ δμ κυ πζαδ έκυ ζϋΰξκυ COSO Ϋξκυθ δϊ δ π λδ σ λκ β δϊ δ βθ απϊ β εαδ βθ αιδκζσΰβ β κυ εδθ τθκυ απσ σ, δ κ παλ ζγσθ, ΰ ΰκθσμ πκυ κ βΰ έ βθ αυιβηϋθβ αθϊΰεβ ΰδα αθϊζυ β κηϋθπθ. Γ θδεϊ κδ π λδεκέ ζ ΰε Ϋμ εαδ κδ υθ λΰϊ μ θαζτ πθ κηϋθπθ ηπκλκτθ η βθ ξλά β πθ θαζτ πθ θα θ κπέ κυθ βθ απϊ β, η π υξϋμ θσμ η ΰΪζκυ κδεκθκηδεκτ ζϋΰξκυ, ά η υθ ξά παλαεκζκτγβ β, εκδθά ζ ΰε δεά, εαδ η πκζζϋμ Ϊζζ μ ι Ϊ δμ. Η αθϊζυ β κηϋθπθ ηπκλ έ θα πλκ γϋ δ ίϊγκμ ζϋΰξκυμ κεδηυθ, κυ δα δεκτμ ζϋΰξκυμ, εαγυμ εαδ ζ π κη λά Ϋζ ΰξκ δ κλλκπέαμ. Γδα παλϊ δΰηα, εα Ϊ βθ ιϋ α β η ΰΪζπθ υθσζπθ κηϋθπθ α Ϋικ α υθαζζαΰυθ, κδ ζ ΰε Ϋμ εϊθκυθ υξθϊ κεδηϋμ, ΰδα α έ β σππμ β Ϋΰελδ β βμ υθαζζαΰάμ πϊθπ απσ Ϋθα κλδ ηϋθκ σλδκ, δμ υθαζζαΰϋμ πκυ εα αξπλκτθ αδ π λέ λΰ μ υλ μ ά βη λκηβθέ μ, δμ δμ δπζκτθ υθαζζαΰϋμ. υ Ϋμ κδ δα δεα έ μ πκυ δαφκλ δεϊ γα ζϊηίαθαθ βηϋλ μ ΰδα κθ Ϋζ ΰξκ κυμ η κ ξϋλδ ηπκλκτθ θα ε ζ κτθ κλδ ηϋθα ζ π Ϊ ξλβ δηκπκδυθ αμ Ϋθα λΰαζ έκ αθϊζυ βμ. Ο Ϋζ ΰξκμ η Ϋθα λΰαζ έκ αθϊζυ βμ κηϋθπθ πδ λϋπ δ, πέ βμ, κθ ζ ΰε άμ θα παθ ι Ϊ δ σζκ κ τθκζκ κυ πζβγυ ηκτ, αθ έ θσμ έΰηα κμ. Η αθϊζυ β κηϋθπθ ηπκλ έ πέ βμ θα 27

28 ξλβ δηκπκδβγ έ ΰδα η λά δμ βμ πζβλκφκλδεάμ, ζϋΰξκυμ πκυ ξ έακθ αδ η COBIT, FISCAM, NIST , ά κπκδκ άπκ Ϊζζκ πζαέ δκ η ίϊ β κθ Ϋζ ΰξκ, σππμ Ϋζ ΰξκμ ΰδα β εα Ϊζζβζβ πλσ ία β τ βηα, κ κπκέκ ηπκλ έ θα πλαΰηα κπκδβγ έ ηϋ α ζέΰα ζ π Ϊ απσ β τΰελδ β πδεαδλκπκδβηϋθπθ πλκίζϋο πθ ξλά β βθ λϋξκυ α γϋ β κυ πλκ ππδεκτ κυ παθ πδ βηέκυ απ α α ω Η θϋα ΰ θδϊ πθ ζ ΰε υθ Ϋξ δ ηδα θ ζυμ ηκθα δεά κπ δεά ΰδα βθ ξθκζκΰέα εαδ βθ πζβλκφσλβ β. Οδ υπβλ έ μ ζϋΰξκυ πϊθπ δμ δ λξση θ μ εα βΰκλέ μ πθ θϋπθ πλκ ζάο πθ, Ϋξκυθ βθ υεαδλέα θα αυιά κυθ ΰλάΰκλα κ πέπ κ βμ ξθκζκΰδεάμ ιδσ β αμ ΰδα κ θϋκ πλκ ππδεσ. Η θϋα ΰ θδϊ Ϋξ δ η ΰαζυ δ η ξ σθ υθ ξά πλσ ία β φκλβ κτμ υπκζκΰδ Ϋμ, Ϋιυπθα βζϋφπθα, κ δα έε υκ, εαδ Ϋξ δ βθ ία δεά επαέ υ β βμ πδ άηβμ πθ υπκζκΰδ υθ. έθαδ έΰκυλα πλκμ κ υηφϋλκθ σζπθ θα ππφ ζβγκτθ απσ αυ σ πκυ γ πλ έ αδ ία δεά ιδσ β α απσ β θ σ λβ ΰ θδϊ. Έθαμ λσπκμ ΰδα θα πδ υξγ έ αυ σ έθαδ θα πδ λαπ έ κ θϋκ πλκ ππδεσ θα αθαζϊί δ βΰ δεσ λσζκ βθ θϊζυ β εαδ θα πϊλ δ πλπ κίκυζέ μ πμ πλκμ α κηϋθα υπσ βθ εα Ϊζζβζβ πκπ έα. έ αυ σ ΰέθ αδ η φυ δεϊ λΰαζ έα Excel, έ η ι ζδΰηϋθα παεϋ α ζκΰδ ηδεκτ σππμ ACL, η ξθκζκΰδεϊ θ σ λκυμ ζ ΰε Ϋμ πκυ εα αζαίαέθκυθ βθ εαηπτζβ εηϊγβ βμ εαδ βθ φαληκΰά θϊζυ βμ κηϋθπθ ηπκλκτθ θα αυιά κυθ βθ υθκζδεά απκ ζ ηα δεσ β α κυ ζϋΰξκυ. (Toby Deroche, 2015) 2.7 Η πέ λα β πθ Big Data κθ ιπ λδεσ Έζ ΰξκ Μ λδεκέ ιπ λδεκέ ζ ΰε Ϋμ ξλβ δηκπκδκτθ δμ θαζτ δμ κηϋθπθ η κθ Ϋθα ά κθ Ϊζζκ λσπκ, κ πζαέ δκ βμ παλκξάμ πθ υπβλ δυθ ζκΰδ δεκτ ζϋΰξκυ. Οδ πδξ δλά δμ έθαδ γϋ β θα θ πηα υ κυθ, δ ξυλά εαδ απκ ζ ηα δεά γϋ β η βθ αθϊζυ β κηϋθπθ κ ηκθ Ϋζκ ζϋΰξκυ εαδ θα απκε ά κυθ Ϋθα αθ αΰπθδ δεσ πζ κθϋε βηα δϊφκλα ηϋ ππα ξϋ β η κυμ ιπ λδεκτμ ζ ΰε Ϋμ. Κα 'αλξϊμ, κ π λδίϊζζκθ κ κπκέκ ζ δ κυλΰκτθ κδ ιπ λδεκέ ζ ΰε Ϋμ, δ έπμ εα Ϊ κθ Ϋζ ΰξκ βησ δπθ πδξ δλά πθ, ΰέθ αδ κζκϋθα εαδ πδκ π λέπζκεβ εαδ απαδ β δεά. Σα πλσ υπα, πκυ Ϋξκυθ ξϋ β η βθ εηβλέπ β πθ ζ ΰε δευθ κδξ έπθ, εαγυμ εαδ βθ πκζυπζκεσ β α πθ έ δπθ πθ εαθσθπθ ζκΰδ δεάμ, 28

29 υθ ξέακυθ θα αυιϊθκθ αδ. υ σ βηαέθ δ σ δ απαδ έ αδ π λδ σ λβ πλκ πϊγ δα εαδ υλ μ πκυ απαθυθ αδ ΰδα πκζζκτμ ζϋΰξκυμ. Έθα εαζϊ υζκπκδκτη θκ ξϋ δκ ζϋΰξκυ η θ πηα πηϋθβ θαζτ πθ κηϋθα γα ηπκλκτ θα υηίϊζ δ βθ Ϊηίζυθ β πθ πδπ υ πθ βμ ατιβ βμ πθ πλυθ εαδ β ί ζ έπ β βμ υθκζδεάμ απσ κ βμ. ΟζκΫθα εαδ π λδ σ λκ, α ζ ΰε δεϊ ΰλαφ έα εαζκτθ αδ θα αθαζϊίκυθ βΰ δεσ λσζκ εϋοβμ, ξθκΰθπ έα βμ ίδκηβξαθέαμ, εαδ πκζζϊ Ϊζζα. Η θϊζυ β κηϋθπθ έθαδ Ϋθαμ απσ κυμ λσπκυμ πκυ κδ ζ ΰε δεϋμ αδλ έ μ ηπκλκτθ θα υθαθ βγκτθ εαδ κ πδκ βηαθ δεσ, θα υπ λίαέθκυθ δμ πλκ κεέ μ πθ π ζα υθ. Έξ δ β υθα σ β α θα έθαδ β πδκ βηαθ δεά αζζαΰά κθ λσπκ πκυ κδ Ϋζ ΰξκδ πλαΰηα κπκδκτθ αδ ξπλέμ ξαλ δϊ λΰαζ έπθ ζϋΰξκυ εαδ ξθκζκΰέ μ. Η θϊζυ β κηϋθπθ ηπκλ έ θα Ϋξ δ αθ έε υπκ πκζζϋμ φϊ δμ εαδ π υξϋμ βμ δα δεα έαμ ζϋΰξκυ. Ξ εδθϊ κ Ϊ δκ αιδκζσΰβ βμ πθ εδθ τθπθ εαδ κυ ξ δα ηκτ. Οδ πδξ δλά δμ αλξέακυθ θα ξλβ δηκπκδκτθ α υπϊλξκθ α λΰαζ έα αθϊζυ βμ κηϋθπθ ά αθαπ τ κυθ α δεϊ κυμ λΰαζ έα, ΰδα θα υηίϊζκυθ βθ αθϊζυ β πθ ζκΰαλδα ηυθ πθ π ζα υθ κυμ πδκ ίαγδϊ. υ Ϊ α έ δα λΰαζ έα ηπκλκτθ πέ βμ θα ίκβγά κυθ βθ αθϊπ υιβ κυ ξ έκυ ζϋΰξκυ. λΰαζ έα αθϊζυ βμ ηπκλκτθ θα ίκβγά κυθ κηϊ μ ζϋΰξκυ ξ δεϊ η κ πέπ κ βμ ζ ΰε δεάμ πκυ έθαδ αθαΰεαέα εαδ α έ β πθ δα δεα δυθ πκυ γα έθαδ πδκ ξ δεϋμ ΰδα υΰε ελδηϋθκυμ π ζϊ μ. Η θϊζυ β κηϋθπθ ηπκλ έ πέ βμ θα η α λϋο δ δμ παλα κ δαεϋμ η γσ κυμ ζϋΰξκυ πκυ Ϋξκυθ ξλβ δηκπκδβγ έ ΰδα πκζζϊ ξλσθδα. Οδ ζ ΰε Ϋμ αλξέακυθ θα ξλβ δηκπκδκτθ α κηϋθα θϊζυ βμ, λΰαζ έα εαδ ξθκζκΰέ μ εαέλδ μ δα δεα έ μ, υηπ λδζαηίαθκηϋθπθ πθ παλαΰΰ ζδυθ ΰδα η λβ Ϊ, πλκηβγ δυθ πλκμ πζβλπηά, απκγ ηϊ πθ, παΰέπθ π λδκυ δαευθ κδξ έπθ εαδ ΰΰλαφυθ. λΰαζ έα αθϊζυ βμ ιαΰπΰάμ κηϋθπθ απ υγ έαμ απσ κυμ πέθαε μ κυ Πζβλκφκλδαεκτ υ άηα κμ κυ κλΰαθδ ηκτ. Σα κηϋθα υπκίϊζζκθ αδ π ι λΰα έα ξλβ δηκπκδυθ αμ Ϋθαθ αλδγησ λκυ έθαμ πκυ αθαζτκυθ κ 100 κδμ εα σ κυ πζβγυ ηκτ πκυ π λδζαηίϊθ αδ Ϋθα ζκΰαλδα ησ. υ Ϋμ κδ ηϋγκ κδ ηπκλκτθ θα υηπζβλυ κυθ ά αεσηβ εαδ θα αθ δεα α ά κυθ Ϋθα η ΰΪζκ ηϋλκμ βμ ξ δλπθαε δεάμ λΰα έαμ πκυ ΰέθ αδ αυ Ϋμ δμ π λδκξϋμ, εαδ γα πδ λϋπ δ κυμ ζ ΰε Ϋμ θα ξλβ δηκπκδκτθ κ εζδηϊεδκ δεαθσ β αμ, σππμ έθαδ απαλαέ β κ, Ϊζζκυμ ία δεκτμ κη έμ εδθ τθκυ. υ Ϋμ κδ κεδηϋμ ηπκλκτθ πέ βμ θα πλαΰηα κπκδβγκτθ σζ μ δμ 29

30 γυΰα λδεϋμ αδλ έ μ εαδ πδξ δλβηα δεϋμ ηκθϊ μ ΰδα θα έθαδ υθα ά β τΰελδ β εαδ αιδκζσΰβ β βμ υθ ε δεσ β αμ φαληκΰϋμ θσμ κλΰαθδ ηκτ πθ πκζδ δευθ εαδ πλαε δευθ. Σκ λΰαζ έκ αθϊζυ βμ ηπκλ έ πέ βμ θα πλκ δκλέ δ δμ υθαζζαΰϋμ υοβζσ λκυ εδθ τθκυ, πδ βηαέθκθ αμ δμ απκεζέ δμ απσ δμ αθαη θση θ μ πδξ δλβηα δεϋμ δα δεα έ μ εαδ ξϋ δμ. πέ βμ, κ Ϋζ ΰξκμ πθ κηϋθπθ πκυ ία έα αδ θαζτ δμ ηπκλ έ θα ίκβγά δ κθ θ κπδ ησ εαδ βθ αιδκζσΰβ β α υηίέία πθ υγυθυθ πκυ ία έακθ αδ κ τ βηα, εαγυμ εαδ δμ υθαζζαΰϋμ πκυ πβλ Ϊακθ αδ απσ α Ϊ κηα πκυ ε ζκτθ Ϋ κδα εαγάεκθ α α υηίέία α. υ ά β πλκ Ϋΰΰδ β η δυθ δ κυμ πσλκυμ πκυ απαδ κτθ αδ ΰδα β υΰεϋθ λπ β εαδ βθ παλκξά πθ πζβλκφκλδυθ υπκ άλδιβμ, υηφπθέ μ, εαδ Ϊζζα Ϋΰΰλαφα κυμ ζ ΰε Ϋμ. δα δεα έ μ πκυ υξθϊ Ϋξκυθ κ απαδ κτη θκ πλκ ππδεσ π ζϊ β θα κδηϊ δ α δεαδκζκΰβ δεϊ Ϋΰΰλαφα, ηπκλ έ αθ έ θα πλαΰηα κπκδβγ έ ξλβ δηκπκδυθ αμ αθϊζυ β πθ κηϋθπθ θα ιϊΰ αδ απ υγ έαμ απσ α υ άηα α κυ π ζϊ β. Σα κδξ έα θϊζυ βμ ηπκλκτθ πέ βμ θα ίκβγά κυθ βθ ε έηβ β πθ εδθ τθπθ απϊ βμ εαδ β δ θϋλΰ δα δ δευθ ζ ΰε δευθ δα δεα δυθ ΰδα βθ αθ δη υπδ β αυ υθ πθ εδθ τθπθ. κθ βησ δκ ζκΰδ δεσ εζϊ κ εαδ δμ πκπ δεϋμ αλξϋμ πκυ Ϋξκυθ ίϊζ δ σζκ εαδ η ΰαζτ λβ Ϋηφα β βθ ζ δκπκέβ β εαδ β ί ζ έπ β κυ λσπκυ αθ δη υπδ βμ κυ εδθ τθκυ ζ ΰε άμ απϊ βμ ηϋ π δ δευθ δα δεα δυθ ζϋΰξκυ. Σα λΰαζ έα αθϊζυ βμ κηϋθπθ πκυ Ϋξκυθ ξλβ δηκπκδβγ έ α ζ υ αέα ξλσθδα ΰδα θα ίκβγά κυθ δμ κηϊ μ, ΰδα παλϊ δΰηα, κθ θ κπδ ησ υΰε ελδηϋθπθ βη λκζκΰδαευθ ΰΰλαφυθ η ηκθα δεσ πλκφέζ εδθ τθκυ. υ ά β ατ δ β Ϋξ δ αθ απκ Ϋζ ηα εαδ βθ φαληκΰά πθ π λαδ Ϋλπ δα δεα δυθ ζϋΰξκυ εαδ αθϊζυ βμ ΰδα βθ υπκ άλδιβ βμ αιδκζσΰβ βμ πθ ζ ΰε υθ κυ εδθ τθκυ απϊ βμ, β κπκέα απαδ έ αδ απσ α ζκΰδ δεϊ πλσ υπα εαδ δμ λυγηδ δεϋμ αλξϋμ. α α αυ χ υ π π υ ω, α α α α αφ α π υ α απ υ υ α υ π υ α πα χ υπ. α υπ α χ χ υ (CAATTs) χ υ α χ α, χ D & A α α π ω. α υ D & A α α, π α αχ α π α υ π α α α α α α α υ α α χ υ 30

31 2.8 Πυμ ιδκπκδκτη α ΜΫΰα- κηϋθα θυ υπάλι η ΰΪζβ βηκ δσ β α ΰτλπ απσ α ηϋΰα- κηϋθα, β εη Ϊζζ υ β κυμ ΰέθ αδ ευλέπμ απσ η ΰΪζ μ αδλ έ μ, σππμ κδ αδλ έ μ δα δε τκυ ά κδ η ΰΪζ μ αδλ έ μ ζδαθδεάμ πυζβ βμ. ΠκζζΫμ Ϊζζ μ πδξ δλά δμ, δ έπμ α ΜΜ, απϋξκυθ πκζτ απσ β ξλά β ηϋΰα- κηϋθπθ. υ ά β θσ β α π λδΰλϊφ δ η λδεϋμ απσ δμ πλκεζά δμ εαδ δμ πλκ λαδσ β μ βθ αιδκπκέβ β ηϋΰα- κηϋθπθ ΰδα λ δμ δαφκλ δεϋμ κηϊ μ: πδξ δλά δμ (ξπλδ ηϋθ μ πδξ δλά δμ πκυ ι εδθκτθ η α κηϋθα εαδ ε έθ μ πκυ Ϋξκυθ η ΰαζτ λβ ηπ δλέα η α κηϋθα εαδ πλκ παγυθ αμ θα η ΰδ κπκδά κυθ κθ αθ έε υπσ κυμ) ζκΰδ Ϋμ. φκλ έμ ξϊλαιβμ πκζδ δεάμ. θ έ θα δϊακυθ α κηϋθα, κδ πδξ δλά δμ ηπκλκτθ θα ι εδθά κυθ δϊακθ αμ εαζϋμ λπ ά δμ πκυ γα κυμ ίκβγά κυθ θα έθαδ π λδ σ λκ πδ υξάμ. Οδ υλ έ μ υηίκυζϋμ απσ ηπ δλκΰθυηκθ μ έθαδ θα πζαδ δυθκυθ ξλά δηα λπ άηα α εαδ θα δϊακυθ βθ πλκ κξά κυμ βθ απϊθ β β δμ λπ ά δμ αυ Ϋμ. Ό αθ κδ λπ ά δμ έθαδ αφ έμ, β δκέεβ β ηπκλ έ θα θ κπέ δ σζ μ δμ πδγαθϋμ πβΰϋμ κηϋθπθ πκυ γα ηπκλκτ αθ θα βθ ίκβγά κυθ θα απαθ ά δ αυ Ϋμ δμ λπ ά δμ. Ολδ ηϋθ μ απσ αυ Ϋμ ηπκλ έ θα έθαδ υπϊλξκυ μ πβΰϋμ π λδευθ ά ιπ λδευθ κηϋθπθ. Ολδ ηϋθα απσ α κηϋθα θ Ϋξ αδ θα ηβθ υπϊλξκυθ αεσηβ αζζϊ γα ηπκλκτ τεκζα θα υζζ ξγ έ η ηδελϋμ αζζαΰϋμ κ τ βηα. Ολδ ηϋθα κηϋθα θ Ϋξ αδ θα ξλ δα κτθ ηαελκπλσγ ηκ πλκΰλαηηα δ ησ ΰδα β υζζκΰά εαδ υθ πυμ απαδ κτθ εϊπκδα αθϊζυ β εσ κυμ-κφϋζκυμ. Οδ πδξ δλά δμ πλϋπ δ πέ βμ θα Ϋξκυθ πλσ ία β σζ μ δμ απαλαέ β μ ιδσ β μ. υ Ϊ εα αθϋηκθ αδ λ δμ υλ έμ κη έμ: α δ δεϋμ δεαθσ β μ ΰδα βθ εα α ε υά πθ αζΰκλέγηπθ εαδ εα αθσβ β βμ αθγ ε δεσ β αμ πθ ηκθ Ϋζπθ. ιδσ β μ κηϋθπθ εαδ ξθκζκΰέαμ ΰδα βθ ιαΰπΰά εαδ κθ ξ δλδ ησ πθ κηϋθπθ. ΰθυ β κηϋα ΰδα θα λπ ά δμ π Ϋμ λπ ά δμ εαδ θα απκε ά 31

32 ΰθυ δμ απσ βθ αθϊζυ β. Ολδ ηϋθ μ απσ αυ Ϋμ δμ ιδσ β μ ηπκλκτθ θα αΰκλα κτθ απσ λέ κυμ εαδ κδ ηδελσ λ μ πδξ δλά δμ θ Ϋξ αδ θα ππφ ζβγκτθ απσ α κηϋθα εαδ α αθαζυ δεϊ κδξ έα παλκξυθ υπβλ δυθ, αθ έ θα πδξ δλκτθ θα αθαπ τικυθ π λδεϊ υοβζϊ πέπ α ξθδευθ ιδκ ά πθ. Σκ ηκθ Ϋζκ clound παλϋξ δ πέ βμ Ϋθα λσπκ ΰδα δμ ηδελσ λ μ πδξ δλά δμ θα απκε ά κυθ πλσ ία β κυμ απαδ κτη θκυμ ξθδεκτμ πσλκυμ ξπλέμ θα π θ τ κυθ βηαθ δεσ υζδεσ κυμ αυ κτμ κυμ. Ω σ κ, β αιδκπκέβ β ηϋΰα- κηϋθπθ απαδ έ πέ βμ βηαθ δεκτμ π λδεκτμ πσλκυμ ΰδα θα γϋ κυη δμ π Ϋμ λπ ά δμ εαδ θα ληβθ τ δ α απκ ζϋ ηα α η ίϊ β κ υΰε ελδηϋθκ πζαέ δκ βμ πδξ δλβηα δεάμ λα βΰδεάμ εαδ πθ πδξ δλά πθ. Ωμ απκ Ϋζ ηα, κδ πδξ δλά δμ έθαδ πδγαθσ θα βη δυ κυθ βθ η ΰαζτ λβ πλσκ κ ι εδθυθ αμ απσ ηδελϊ, κξκγ βηϋθα Ϋλΰα πκυ Ϋξκυθ απσ α απκ ζϋ ηα α, πζ κθ ε άηα α εαδ β υθϋξ δα θα ία δ κτθ πδ υξέ μ ΰδα βθ αιδκπκέβ β π λαδ Ϋλπ πβΰυθ κηϋθπθ π χ π α υπ ω ω (Businesses maximizing the impact of data) Όπκυ κδ πδξ δλά δμ Ϋξκυθ η ΰαζτ λβ ηπ δλέα βθ εη Ϊζζ υ β κηϋθπθ, κδ πλκεζά δμ λϋφκθ αδ βθ θ πηϊ π β ηδαμ εκυζ κτλαμ η ΰθυηκθα α κηϋθα εαδ βθ κδεκ σηβ β πθ π υθ κηυθ ΰδα β η ΰδ κπκέβ β πθ υεαδλδυθ εαδ β δαξ έλδ β πθ εδθ τθπθ. ΤπΪλξ δ, ΰδα παλϊ δΰηα, ηδα η Ϊία β απσ κυμ παλα κ δαεκτμ πκζδ δ ηκτμ ζάοβμ απκφϊ πθ, πκυ η λδεϋμ φκλϋμ κθκηϊα αδ υοβζσ λβμ αηκδίάμ Γθπηκ σ β β, πκζδ δ ηκτμ πκυ ιαλ υθ αδ π λδ σ λκ απσ α κηϋθα. ΠλΪΰηα δ, β αεα βηαρεά Ϋλ υθα έξθ δ σ δ κδ αδλ έ μ πκυ Ϋξκυθ α κδξ έα πκυ ία έακθ αδ α κηϋθα έθαδ πδγαθσ θα Ϋξκυθ υοβζσ λβ παλαΰπΰά εαδ υοβζσ λβ παλαΰπΰδεσ β α απσ δμ αδλ έ μ πκυ θ ξλβ δηκπκδκτθ θϋ μ ξθκζκΰέ μ. 32

33 2.8.2 (Accountants) Οδ πζβλκφκλέ μ εαδ α κδξ έα ίλέ εκθ αδ κ πέε θ λκ πθ ζκΰδ υθ εαδ πκηϋθπμ κ ζκΰδ δεσ πϊΰΰ ζηα ηπκλ έ θα α ξκζβγ έ η α ηϋΰα- κηϋθα εαδ δμ αθαζτ δμ η πκζζκτμ δαφκλ δεκτμ λσπκυμ. υοβζσ πέπ κ, αυ Ϋμ κδ Ϊ δμ ηπκλκτθ θα πδ λϋοκυθ δαφκλ δεϊ π έα θα υδκγ ά κυθ β κηβηϋθβ πλκ Ϋΰΰδ β πθ κηϋθπθ πκυ αθαπ τ κθ αδ απσ κ ζκΰδ δεσ πϊΰΰ ζηα. Οδ γθδεκέ ζκΰαλδα ηκέ, ΰδα παλϊ δΰηα, Ϋξκυθ δ κλδεϊ αθαπ υξγ έ απσ βθ εκλυφά πλκμ α εϊ π εαδ σξδ απσ δμ λέα μ κυμ δμ πλαΰηα δεϋμ υθαζζαΰϋμ βμ κδεκθκηέαμ, ιαδ έαμ πθ υ εκζδυθ ισλυιβμ εαδ π ι λΰα έαμ ζ π κη λϋ λπθ κηϋθπθ. Οδ ξθδεϋμ κηϋθπθ θ Ϋξ αδ θα πδ λϋπκυθ πλκ ΰΰέ δμ απσ β ίϊ β πλκμ βθ εκλυφά, κδ κπκέ μ γα ηπκλκτ αθ θα έθαδ αελδίϋ λ μ εαδ ΰ δπηϋθ μ πλαΰηα δεσ ξλσθκ αθϊζυ βμ πδ λϋπκθ αμ βθ εαζτ λβ ηαελκκδεκθκηδεά υθ δ φκλϋμ δμ πδξ δλά δμ, σππμ: Χλά β πλκΰθπ δευθ ηκθ Ϋζπθ εαδ Ϊζζπθ πβΰυθ κηϋθπθ ΰδα β ί ζ έπ β κυ πλκςπκζκΰδ ηκτ εαδ πθ πλκίζϋο πθ. ξλά β πδκ ι ζδΰηϋθπθ αθαζτ πθ ΰδα ιπ λϋφ δα εαδ ιαδλϋ δμ ΰδα β ί ζ έπ β κυ π λδεκτ ζϋΰξκυ εαδ βμ δαξ έλδ βμ εδθ τθπθ. β ί ζ έπ β βμ απκ ζ ηα δεσ β αμ εαδ βμ πκδσ β αμ πθ ζ ΰε δευθ λα βλδκ ά πθ ηϋ π βμ αθϊζυ βμ κζσεζβλπθ υθσζπθ κηϋθπθ. Οδ ζκΰδ Ϋμ έθαδ πέ βμ Ϋηπ δλκδ γϋηα α ξ δεϊ η βθ πκδσ β α πθ κηϋθπθ εαδ βθ αθϊζυ β. έθαδ επαδ υηϋθκδ θα Ϋξκυθ φυ δεά τθ β εαδ κ ε π δεδ ησ εαδ πκηϋθπμ έθαδ εαζϊ πλκ κδηα ηϋθβ ΰδα θα ια φαζέ κυθ β ξλβ δησ β α εαδ βθ αθϊζυ β πθ ηϋΰα- κηϋθπθ. Ω σ κ, αυ σ γα απαδ κτ η ΰαζτ λβ ΰθυ β β γ πλέα εαδ βθ πλαε δεά πθ α δ δευθ απσ σ, δ πκζζκέ ζκΰδ Ϋμ άη λα Ϋξκυθ. θυ κ ίαγησμ ΰθυ βμ γα πκδεέζζ δ αθϊζκΰα η κθ υΰε ελδηϋθκ λσζκ, κδ ζκΰδ Ϋμ γα ξλ δϊακθ αθ κυζϊξδ κθ παλε έμ α δ δεϋμ ΰθυ δμ ΰδα θα έθαδ Ϋθαμ «υφυάμ αΰκλα άμ» εαδ θα γϋ δ εαζϊ λπ άηα α ΰδα κυμ πλκηβγ υ Ϋμ ά Ϊζζα ηάηα α βμ πδξ έλβ βμ. Η αυιαθση θβ αυ κηα κπκέβ β παλκυ δϊα δ πέ βμ ηαελκπλσγ η μ 33

34 πλκεζά δμ κ πϊΰΰ ζηα. θυ β ηβξαθκλΰϊθπ β εκ ηδευθ λΰα δυθ ηπκλ έ θα απαζζϊ δ κυμ ζκΰδ Ϋμ θα πδε θ λπγκτθ λα βλδσ β μ πλκ δγϋη θβμ αιέαμ, ΰ έλ δ λπ άηα α ξ δεϊ η βθ εα Ϊλ δ β κυ παΰΰϋζηα κμ. Μ ζδΰσ λ μ υεαδλέ μ ΰδα πλαε δεά ηπ δλέα εαδ ηϊγβ β, ηπκλ έ θα ξλ δα έ θα ι ζδξγ έ β παλα κ δαεά δα λκηά εα Ϊλ δ βμ. 34

35 Κ Φ Λ ΙΟ 3 Μ ΘΟ ΟΛΟΓΙ Ρ ΤΝ 3.1 Μ γκ κζκΰέα Ϋλ υθαμ Πλυ κ Ϊ δκ βμ Ϋλ υθαμ ά αθ β η ζϋ β εαδ εα αθσβ β πθ π λδπ υ πθ Μ ζϋ βμ(case Study), κυ Economist Intelligence Unit (EIU) η γϋηα πυμ αιδκζκΰκτθ α ζϋξβ α λΰαζ έα Big Data ηϋ α κθ κλΰαθδ ησ κυμ. Μ ίϊ β κ γϋηα βμ ζ ΰε δεάμ πκυ παλκυ δϊ βε εϊγ π λέπ π β, βηδκυλΰάγβεαθ Ϋ λδμ εα βΰκλέ μ π έπθ φαληκΰάμ πθ Big Data. Οδ εα βΰκλέ μ αυ Ϋμ έθαδ: κ ξ δα ησμ βμ παλαΰπΰδεάμ δα δεα έαμ, β παλαΰπΰά, κδ ππζά δμ εαδ β αθϊζυ β πθ απκ ζ ηϊ πθ. εϊγ ηδα απσ δμ παλαπϊθπ εα βΰκλέ μ ξλβ δηκπκδάγβεαθ δαφκλ δεϊ ξαλαε βλδ δεϊ εαδ η αίζβ Ϋμ. σξκμ βμ Ϋλ υθαμ έθαδ θα ίλ γκτθ α εα Ϊζζβζβ ελδ άλδα ίϊ δ πθ κπκέπθ γα υθ υα κτθ α πδηϋλκυμ ξαλαε βλδ δεϊ βμ εϊγ η ζϋ βμ, Ϋ δ υ θα ηπκλϋ κυη θα εα αζάικυη εαδ θα δαπδ υ κυη Ϊθ δεαθκπκδ έ αδ β υπσγ β βμ παλκτ αμ λΰα έαμ, αθ βζα ά α ηϋΰα- κηϋθα ηπκλκτθ θα υηίϊζζκυθ βθ ζ ΰε δεά. Σ ζδεσ Ϊ δκ απκ ζ έ, β πλπ κ υπέα πκυ γα παλκυ δα έ βθ παλκτ α λΰα έα ηϋ π βμ η ζϋ βμ πθ ξαλαε βλδ δευθ εαδ πθ ελδ βλέπθ πκυ Ϋγβεαθ. 3.2 υΰεϋθ λπ β Υαλαε βλδ δευθ Πλπ αλξδεσ ίάηα ά αθ β η ζϋ β πθ ξαλαε βλδ δευθ πκυ ξλβ δηκπκδάγβεαθ δμ Ϋλ υθ μ πκυ γα παλκυ δα κτθ εαδ β υΰεϋθ λπ β κυμ Ϋθα θδαέκ πέθαεα η εκπσ β υΰξυθ υ ά κυμ. Σα ξαλαε βλδ δεϊ αυ Ϊ ά αθ: 35

36 β ξλκθκζκΰέα πκυ Ϋΰδθ β εϊγ ηέα Ϋλ υθα α ξλκθδεϊ δα άηα α α κπκέα αθάεκυθ α έΰηα α πθ αδλδυθ πκυ λ υθάγβεαθ κ πζάγκμ κυ έΰηα κμ κδ η αίζβ Ϋμ πκυ ξλβ δηκπκδάγβεαθ κ π έκ φαληκΰάμ πκυ λ υθάγβε κδ ηϋγκ κδ πκυ ξλβ δηκπκδάγβεαθ ΰδα βθ ε Ϋζ β βμ Ϋλ υθαμ κδ λα βΰδεϋμ πκυ λ υθάγβεαθ φκτ Ϋΰδθ β η ζϋ β πθ παλαπϊθπ ξαλαε βλδ δευθ, Ϋπλ π θα πδζ ξγκτθ πκδα γα ά αθ α εα Ϊζζβζα ΰδα βθ Ϋλ υθα βμ παλκτ αμ λΰα έαμ. Πδκ αθαζυ δεϊ, Ϋπλ π θα πδζ ξγκτθ πκδα απσ α παλαπϊθπ ελδ άλδα γα ηπκλκτ αθ θα υΰελδγκτθ η αιτ κυμ εαδ θα απαθ ά κυθ η πϊλε δα α λ υθβ δεϊ λπ άηα α πκυ Ϋγβεαθ ι αλξάμ. Πκζτ ία δεσ ΰδα βθ Ϋλ υθα ά αθ πέ βμ, θα απκε βγ έ β εα Ϊζζβζβ ΰθυ β ξ δεϊ η β ξλά β πθ λΰαζ έπθ πθ ηϋΰα- κηϋθπθ σζβ βθ παλαΰπΰδεά δα δεα έα. ΜΫ α απσ κ επαδ υ δεσ υζδεσ πκυ η ζ άγβε Ϋΰδθ αθ δζβπ σ, πκδκδ υθ ζ Ϋμ υηίϊζζκυθ κθ ξ δα ησ εαδ πκδκδ παλϊΰκθ μ βθ πβλ Ϊακυθ, εαγυμ εαδ πκδα έθαδ α ξαλαε βλδ δεϊ βμ παλαΰπΰδεάμ δα δεα έαμ, πθ ππζά πθ εαδ ζδεϊ βμ αθϊζυ βμ πθ απκ ζ ηϊ πθ πθ αδλδυθ. 3.3 πδζκΰά Κλδ βλέπθ Μ α παλαπϊθπ ξαλαε βλδ δεϊ πκυ πδζϋξγβεαθ βηδκυλΰά αη εα Ϊζζβζκυμ πέθαε μ η ίϊ β υΰε ελδηϋθα ελδ άλδα. Σα ελδ άλδα αυ Ϊ έθαδ α παλαεϊ π: κ ηϋ κμ σλκμ κυ πκ κ κτ γ δεάμ απσ κ βμ κ ξλσθκ πθ ηϋΰα- κηϋθπθ. Ο ζσΰκμ πκυ πδζϋξγβε πμ ελδ άλδκ κ πκ κ σ γ δεάμ απσ κ βμ κ ξλσθκ ΰδα α ηϋΰα- κηϋθα, έθαδ ΰδα θα ηπκλϋ δ θα απκ δξγ έ πδ βηκθδεϊ β ξλβ δησ β α πθ ηϋΰα- κηϋθπθ βθ ζ ΰε δεά. Οδ η αίζβ Ϋμ πκυ ξλβ δηκπκδάγβεαθ. υΰε θ λυ αη σζ μ δμ η αίζβ Ϋμ πκυ 36

37 παλκυ δϊ βεαθ αθϊ εα βΰκλέα π έκυ φαληκΰάμ εαδ δμ υΰελέθαη η ίϊ β κ πκ κ σ πδ υξέαμ πκυ έξ β εϊγ Ϋλ υθα η εκπσ θα αθα έικυη δμ εκδθϋμ η αίζβ Ϋμ αζζϊ εαδ η πκδ μ απσ αυ Ϋμ έξαη πδκ αιδσπδ α απκ ζϋ ηα α. Οδ εα βΰκλέ μ πκυ βηδκυλΰάγβεαθ η ίϊ δ κ π έκ φαληκΰάμ πθ ηϋΰα- κηϋθπθ, απκ ζκτθ πδηϋλκυμ βηαθ δεϊ γϋηα α πκυ π λδζαηίϊθκθ αδ κ Ϋλΰκ θσμ ζ ΰε ά. θ εα αφϋλκυη θα δαπδ υ κυη σ δ εαδ δμ Ϋ λδμ εα βΰκλέ μ υπϊλξκυθ γ δεϊ απκ ζϋ ηα α απσ βθ ε Ϋζ β πθ ηϋΰα- κηϋθπθ, σ ηπκλκτη θα απκ έικυη σ δ α ηϋΰα- κηϋθα Ϋξκυθ γ δεά υηίκζά κθ κηϋα βμ ζ ΰε δεάμ ΰ θδεσ λα. ΣΫζκμ β φαληκΰά σζπθ πθ παλαπϊθπ ίβηϊ πθ ίκάγβ κ θα δ ιαξγκτθ υηπ λϊ ηα α σ κ ηϋ α απσ βθ ίδίζδκΰλαφδεά αθα εσπβ β σ κ εαδ ηϋ α απσ βθ Ϋλ υθα πκυ φαλησ βε η απκ Ϋζ ηα θα εαζυφγκτθ κδ σξκδ βμ παλκτ αμ ίδίζδκΰλαφδεάμ λΰα έαμ. 37

38 Κ Φ Λ ΙΟ 4 ΠΟΣ Λ Μ Σ 4.1 ΠαλΪγ β εαδ τΰελδ β πθ Μ ζ υθ Έλ υθαμ η ΘΫηα: Πυμ ιδκζκΰκτθ α C-lever ζϋξβ α Big Data δμ Ολΰαθυ δμ εκζκυγυθ αμ β η γκ κζκΰέα πκυ αθαπ τξγβε κ πλκβΰκτη θκ ε φϊζαδκ δ θ λΰά αη βθ Ϋλ υθα. Η πλυ β τΰελδ β πκυ Ϋΰδθ αφκλϊ βθ Ϊπκοβ πθ ζ ξυθ ΰδα κ ηϋζζκθ πθ ηϋΰα κηϋθπθ ίϊ δ πθ ξλκθκζκΰδυθ. Η Ϋλ υθα Economist Intelligence Unit (Οδεκθκηδεά ΜκθΪ α θβηϋλπ βμ- EIU) έξθ δ σ δ α αθυ λα ζϋξβ έθαδ αδ δσ κια σ κ ΰδα δμ υθα σ β μ πθ «Big Data» σ κ εαδ δμ πδπ υ δμ αυ υθ πκυ ηπκλ έ θα Ϋξ δ δμ πδξ δλά δμ. Θα ηφαθδ έ ηδα αφάμ εα αθσβ β βμ υθαηδεάμ κυμ, η βθ πζ δκοβφέα θα παλα Ϋξ αδ σ δ γα άγ ζαθ θα πδ τξκυθ ίαγτ λβ ΰθυ β πθ υπκε έη θπθ ξθκζκΰδυθ πκυ αφκλκτθ α κηϋθα. υ ά β αθϊΰεβ ΰδα εαζτ λβ εα αθσβ β γα αυιβγ έ εαγυμ β φαληκΰά πθ ηϋΰα- κηϋθπθ Ϋθα υλτ φϊ ηα αδλδευθ λα βλδκ ά πθ αυιϊθ αδ πϋλα απσ δμ ζ δ κυλΰέ μ αθ δη υπδ βμ π ζα υθ. θυ α ζϋξβ κ δησθδ πθ κλΰαθδ ηυθ αθαΰθπλέακυθ βθ αυιαθση θβ βηα έα πθ ηϋΰα- κηϋθπθ, ιαεκζκυγκτθ θα αΰπθέακθ αδ ΰδα βθ κλγά φαληκΰά βμ. Έθα βηαθ δεσ λυ βηα παλαηϋθ δ: Πκδκμ Ϋξ δ βθ υγτθβ θα δαξ δλδ έ αυ ά βθ αυιαθση θβ Ϊ β πθ κηϋθπθ εαδ βθ φαληκΰά κυμ; τηφπθα η βθ Ϋλ υθϊ ηαμ: σζκδ. ΤπΪλξ δ δαφπθέα, π σ κ, ΰδα κ πκδκμ αελδίυμ γα πλϋπ δ θα ι εδθά δ αυ ά βθ Ϋθ κθβ πλκ πϊγ δα. Οδ CEO( δ υγτθπθ τηίκυζκμ) εα αθκκτθ β λα βΰδεά βηα έα πθ ηϋΰα- κηϋθπθ, αζζϊ παλα Ϋξκθ αδ σ δ κδ ΰθυ δμ κυμ ΰδα δμ φαληκΰϋμ κυ έθαδ π λδκλδ ηϋθ μ. Η πζ δκθσ β α πθ ζ ξυθ σζ μ δμ ζ δ κυλΰέ μ πδ τκυθ σ δ κδ απαδ ά δμ ΰδα α ηϋΰα- κηϋθα έθαδ πκζτ η ΰΪζβ ΰδ' αυ σ πλϋπ δ θα αφ γκτθ ε έθκυμ πκυ Ϋξκυθ βθ πδκ κλγά εα αθσβ β πθ φαληκΰυθ κυμ σππμ κδ CIOs (Γ θδεσμ δ υγυθ άμ πζβλκφκλδαευθ υ βηϊ πθ). Οδ CMOs(Τπ τγυθκμ ΜΪλε δθΰε) έθαδ πέ βμ εαζϊ εα υγυθση θκδ α «Big Data», αζζϊ θ α φαλησακυθ σζ μ δμ 38

39 ζ δ κυλΰέ μ. Όππμ εαδ κδ CMOs(Τπ τγυθκμ ΜΪλε δθΰε), κδ CFOs( πδε φαζάμ πθ Οδεκθκηδευθ Τπβλ δυθ) έθαδ πλσγυηκδ εα αθαζπ Ϋμ πθ ηϋΰα- κηϋθπθ, αζζϊ θ εα αζαίαέθκυθ ζ έπμ ππμ ηπκλκτθ α ηϋΰα- κηϋθα θα ξλβ δηκπκδβγκτθ απσ ιπ λδεϋμ πβΰϋμ. Σα «Big Data» άη λα έθκυθ θα απκγβε τκθ αδ ξπλδ Ϊ ηϋ α κλΰαθπ δεϊ ηάηα α. Η Ϋλ υθα έξθ δ, π σ κ, σ δ α ζϋξβ πλϋπ δ θα υθ δ β κπκδά κυθ σ δ γα πλϋπ δ θα έθαδ ηδα εκδθά υγτθβ, β κπκέα υθ κθέα αδ κζσεζβλβ βθ πδξ έλβ β. Έθα η ΰΪζκ πκ κ σ πθ λπ βγϋθ πθ βζυθκυθ σ δ α «Big Data» ηπκλκτθ θα θδ ξτ κυθ κ λα βΰδεσ λσζκ βμ ζ δ κυλΰέαμ κυμ, εαδ ίζϋπκυθ β βηδκυλΰέα βμ πδξ έλβ βμ πέπ κ ΰδα δμ κηϊ μ πμ βθ πδκ απκ ζ ηα δεά λα βΰδεά ΰδα βθ πέ υιβ βμ ηϋΰδ βμ αιέαμ. υ γα δ λ υθά κυη ζ π κη λϋ λα δμ δϊφκλ μ C-suite π πκδγά δμ, δμ πλκ λαδσ β μ εαδ δμ απσο δμ η βθ πδφτζαιβ πθ κδξ έπθ πθ κηϋθπθ πκυ υΰε θ λυγβεαθ απσ βθ EIU πδ εσπβ β: τλβηα 1: Η Ϊ β πθ ζ ξυθ α «Big Data» κδξ έα έθαδ υθ λδπ δεϊ γ δεά. κ δϊΰλαηηα 1a ίζϋπκυη α απκ ζϋ ηα α βμ Ϋλ υθαμ κυ EIU πκυ πλαΰηα κπκδάγβε κ 2014, σπκυ ηδα η ΰΪζβ πζ δκοβφέα πθ ζ ξυθ υηφπθκτθ σ δ α η ΰΪζ μ κηϋθα Ϋξκυθ Ϋθα βηαθ δεσ λσζκ βθ κλΰϊθπ β κυμ. ξ σθ κδ ηδ κέ (48%) πδ τκυθ σ δ α η ΰΪζκ κηϋθα (Big Data) έθαδ Ϋθα ξλά δηκ λΰαζ έκ, θυ Ϋθα Ϊζζκ 23% ζϋθ σ δ φϋλ δ παθϊ α β κθ λσπκ δαξ έλδ βμ πθ πδξ δλά πθ. Π λδ σ λκ απσ Ϋθαμ κυμ πϋθ (21%) γ πλκτθ σ δ α ηϋΰα- κηϋθα έθαδ απαλαέ β α ΰδα βθ αθ δη υπδ β κυ αξϋπμ αυιαθση θκυ σΰεκυ πζβλκφκλδυθ. 39

40 κ δϊΰλαηηα 1b ίζϋπκυη α απκ ζϋ ηα α βμ Ϋλ υθαμ κυ EIU πκυ πλαΰηα κπκδάγβε κ 2012, σπκυ ηδα η ΰΪζβ πζ δκοβφέα πθ ζ ξυθ υηφπθκτθ σ δ α η ΰΪζ μ κηϋθα Ϋξκυθ Ϋθα βηαθ δεσ λσζκ βθ κλΰϊθπ β κυμ. ξ σθ τκ κυμ πϋθ (40%) πδ τκυθ σ δ α η ΰΪζκ κηϋθα (Big Data) έθαδ Ϋθα ξλά δηκ λΰαζ έκ, θυ Ϋθα Ϊζζκ 28% ζϋθ σ δ φϋλ δ παθϊ α β κθ λσπκ δαξ έλδ βμ πθ πδξ δλά πθ. Π λδ σ λκ απσ Ϋθαμ κυμ πϋθ (22%) γ πλκτθ σ δ α ηϋΰα- κηϋθα έθαδ απαλαέ β α ΰδα βθ αθ δη υπδ β κυ αξϋπμ αυιαθση θκυ σΰεκυ πζβλκφκλδυθ. 40

ΤΠΟΤΡΓ ΙΟΝ Ν ΠΣΤΞΗΝΤ ΝΟΜΟΘ ΣΙΚΗΝΠ Ρ Μ ΗΝΓΙ ΝΣΗΝΡΤΘΜΙΗΝΧΡ ΩΝΝΜΙΚΡΩΝΝ ΠΙΧ ΙΡΗ ΩΝΝΚ ΙΝ Π ΓΓ ΛΜ ΣΙΩΝΝ. δ δπ δεκτνξλϋκυμν

ΤΠΟΤΡΓ ΙΟΝ Ν ΠΣΤΞΗΝΤ ΝΟΜΟΘ ΣΙΚΗΝΠ Ρ Μ ΗΝΓΙ ΝΣΗΝΡΤΘΜΙΗΝΧΡ ΩΝΝΜΙΚΡΩΝΝ ΠΙΧ ΙΡΗ ΩΝΝΚ ΙΝ Π ΓΓ ΛΜ ΣΙΩΝΝ. δ δπ δεκτνξλϋκυμν ΤΠΟΤΡΓ ΙΟΝ Ν ΠΣΤΞΗΝΤ ΝΣ ΓΩΝΙΣΙΚΟΣΗΣ ΝΟΜΟΘ ΣΙΚΗΝΠ Ρ Μ ΗΝΓΙ ΝΣΗΝΡΤΘΜΙΗΝΧΡ ΩΝΝΜΙΚΡΩΝΝ ΠΙΧ ΙΡΗ ΩΝΝΚ ΙΝ Π ΓΓ ΛΜ ΣΙΩΝΝ ΗΝη ΰαζτ λβναθα δϊλγλπ βν δ δπ δεκτνξλϋκυμν πκυνϋΰδθ Νπκ ΫΝ σχκδ Παλκξά εδθά λπθ ΰδα υηη

Διαβάστε περισσότερα

ΟΙΚΟΛΟΓΙΚΗΝ ΡΧΙΣ ΚΣΟΝΙΚΗ ΧΟΝ ΡΟ Ν ΗΜΗΣΡΙΟ Ν

ΟΙΚΟΛΟΓΙΚΗΝ ΡΧΙΣ ΚΣΟΝΙΚΗ ΧΟΝ ΡΟ Ν ΗΜΗΣΡΙΟ Ν ΟΙΚΟΛΟΓΙΚΗΝ ΡΧΙΣ ΚΣΟΝΙΚΗ ΠΣΤΧΙ ΚΗΝ ΡΓ Ι ΝΣΩΝ:Ν Ι ΟΤΝΜ Γ ΛΗΝΗΝ ΧΟΝ ΡΟ Ν ΗΜΗΣΡΙΟ Ν Λ ΜΠΡΟΤΝ Λ Ξ Ν ΡΟ Ι ΣΟΡΙΚΗΝ Ν ΡΟΜΗ Ν Ν Ω ΙΜ ΝΠΗΓ Ν Ν ΡΓ Ι ΚΟΠΟ,Ν ΣΟΧΟΙΝΚ ΙΝ ΡΧ Ν ΙΟΚΛΙΜ ΣΙΚΗ Ν ΡΧΙΣ ΚΣΟΝΙΚΗ Μ κθ σλκ δκεζδηα

Διαβάστε περισσότερα

y ay uoy Uy t -1050 m -9,8 m/s^2 0 m/s

y ay uoy Uy t -1050 m -9,8 m/s^2 0 m/s ΚΙΝ ΣΟ ΠΙΠ Ο ΠαλΪ δΰηα 1 Π υ β παεϋ ου ίοάγ δαμ απσ Ϋθα α λοπζϊθο Σκ α λκπζϊθκ εδθ έ αδ κλδασθ δα η ηέα αγ λά αξτ β α +115 m / s εαδ υοση λκ 1050 m. Καγκλέ κθ απαδ κτη θκ ξλσθκ πκυ ξλ δϊα αδ κ παεϋ κ ΰδα

Διαβάστε περισσότερα

ΠΡΩΣ ΘΛΗΜ ΝSUPERLEAGUE ΟΠ Π UEFA CHAMPIONS LEAGUE *

ΠΡΩΣ ΘΛΗΜ ΝSUPERLEAGUE ΟΠ Π UEFA CHAMPIONS LEAGUE * ΑΰκλΪακθ αμ δ δ άλδκ δαλε έαμ κ φέζαγζκμ ια φαζέα δ βθ παλαεκζκτγβ β σζπθ πθ θ σμ Ϋ λαμ αΰυθπθ κ ΰάπ κ «Γ. Καλαρ εϊεβμ», κδ κπκέκδ αθϋλχκθ αδ κυζϊχδ κθ έεκ δ πϋθ (25). ΠΡΩΣ ΘΛΗΜ ΝSUPERLEAGUE ΟΠ Π UEFA

Διαβάστε περισσότερα

ΑΔΑ: Ω20Δ465ΦΘΘ-3ΝΡ. α, FAX: INFORMATICS DEVELOPMEN T AGENCY

ΑΔΑ: Ω20Δ465ΦΘΘ-3ΝΡ. α, FAX: INFORMATICS DEVELOPMEN T AGENCY INFORMATICS DEVELOPMEN T AGENCY Digitally signed by INFORMATICS DEVELOPMENT AGENCY Date: 2015.06.24 13:00:36 EEST Reason: Location: Athens ΑΔΑ: Ω20Δ465ΦΘΘ3ΝΡ Α Α Α Α Α Η Α α, 24 6 2015.. : 68293 Γ Η Γ

Διαβάστε περισσότερα

15SYMV

15SYMV Ι ΙΩ ΙΚΟ ΦΩ Η ΙΚΟ Α.13/ α α ά α σή α σ ις 13 /02 / 2015 οι α α ά σ βα ό οι: α) «Α» Ω Η Η Η Η Α Α Α Α, ο ύ ι σ α α ά α, Ασί ς αι α ώ 11, Α... 998271263, αι οσ ί αι ό ι α α ό ο ό ο ο ιοι ι ού βο ίο ς. Η

Διαβάστε περισσότερα

ΓΕΝΙΚO ΕΡΓΑΣΗΡΙΟ ΦΤΙΚΗ

ΓΕΝΙΚO ΕΡΓΑΣΗΡΙΟ ΦΤΙΚΗ ΓΕΝΙΚO ΕΡΓΑΣΗΡΙΟ ΦΤΙΚΗ ΣΑΛΑΝΣΩΕΙ - ΕΚΚΡΕΜΕ Μαρία Κα ίνη απζσ (ηαγβηα δεσ) εελ ηϋμ γ Απκ ζ έ αδ απσ: Ϋθα βη δαεσ υηα ηϊααμ m Ϋθα αίαλϋμ θάηα ηάεκυμ πκυ ελϋη αδ απσ αεζσθβ κ άλδΰηα s W r x y Θ ωλκτη σ δ

Διαβάστε περισσότερα

Οδ υ βηα δεϋμ αθα εκπά δμ απκ ζκτθ βηαθ δεϊ λΰαζ έα ΰδα ηδα αθ δε δη θδεά ίδίζδκΰλαφδεά Ϋλ υθα, τθγ β εαδ ελδ δεά αθϊζυ β πθ δαφσλπθ απκ ζ ηϊ πθ πθ

Οδ υ βηα δεϋμ αθα εκπά δμ απκ ζκτθ βηαθ δεϊ λΰαζ έα ΰδα ηδα αθ δε δη θδεά ίδίζδκΰλαφδεά Ϋλ υθα, τθγ β εαδ ελδ δεά αθϊζυ β πθ δαφσλπθ απκ ζ ηϊ πθ πθ Χ : ε α-ανά η γ α ν όγ η Pinus sylvestris ην ώ η. Ορ ιά α, 2015 Οδ υ βηα δεϋμ αθα εκπά δμ απκ ζκτθ βηαθ δεϊ λΰαζ έα ΰδα ηδα αθ δε δη θδεά ίδίζδκΰλαφδεά Ϋλ υθα, τθγ β εαδ ελδ δεά αθϊζυ β πθ δαφσλπθ απκ

Διαβάστε περισσότερα

MARKETING. Presentation By: π, Business Mentor Greece

MARKETING. Presentation By: π, Business Mentor Greece MARKETING Presentation By: χ ύ α π, Founder @ Business Mentor Greece Λέΰκ απσ γ πλέα Ολδ ησμ ΜΪλε δθΰε έθαδ β δα δεα έα ξ δα ηκτ, κυ ππμ γα κπκγ βγ έ ηέα φέληα (brand) βθ αΰκλϊ εαδ ππμ γα δαξ δλδ έ βθ

Διαβάστε περισσότερα

ΣΕΣΤ Εφαληο ηϋθα Μαγβηα δεϊ 1. Σδ έθαδ υθϊλ β β? Απ δεσθδ β θσμ αλδγηκτ Ϋθαθ Ϊζζκ.

ΣΕΣΤ Εφαληο ηϋθα Μαγβηα δεϊ 1. Σδ έθαδ υθϊλ β β? Απ δεσθδ β θσμ αλδγηκτ Ϋθαθ Ϊζζκ. Η Ι Η Η Ο Α ΙΑ Α Ι Η ΙΟ Η Η Εφα ο α Μα α Ε ό η αμ Γ α Ά ε α Τε ε α π α ε Μα α Καφε α Επ α εχ ο ογ α ώ ΣΕΣΤ Εφαληο ηϋθα Μαγβηα δεϊ 1 Τε ε ές α πίνα ες 1. Σ ζ Ϋμ εαδ πέθαε μ Γ θδεϊ Σδ έθαδ υθϊλ β β? Απ δεσθδ

Διαβάστε περισσότερα

15SYMV

15SYMV Ι ΙΩ ΙΚΟ ΦΩ Η ΙΚΟ α α ά α σή α σ ις 13/02/2015 οι α α ά σ βα ό οι: α) «Α» Ω Η Η Η Η Α Α Α Α, ο ύ ι σ α α ά α, Ασί ς αι α ώ 11, Α... 998271263, αι οσ ί αι ό ι α α ό ο ό ο ο ιοι ι ού βο ίο ς. Η ιό ο ο Αθα

Διαβάστε περισσότερα

αδλδεά Παλκυ έα β 2014

αδλδεά Παλκυ έα β 2014 αδλδεά Παλκυ έα β 2014 Ολΰαθω δεάν κηάνοηέζκυν ΛΛ ΚΣΩΡ α ασ ή 100% Α Ω Α ΑΧΩ 100% Α Ω Α 100% (1) Α Ο ιαχ ί ισ Α ο ι άω α αχω ήσ ις έ ια 86% 95% Ω Α Α ά 21.95% ELPEDISON Α Χ Ο Ο Α Ο Α ι ήω 55.46% REDS Α

Διαβάστε περισσότερα

Πυλκπλκ α έα: Πλαε δεϋμ. ιπ λδεάμ γ ληκησθπ βμ

Πυλκπλκ α έα: Πλαε δεϋμ. ιπ λδεάμ γ ληκησθπ βμ Πυλκπλκ α έα: Πλαε δεϋμ εα α ε υάμ υ βηϊ πθ ιπ λδεάμ γ ληκησθπ βμ γάθα πλέζδκμ 2018 λ. ΓδΪθθβμ Κκθ κτζβμ, Γ θ. /θ άμ ζζϊ αμ, Κτπλκυ εαδ ΜΪζ αμ Πλσ λκμ ζζβθδεκτ Ιθ δ κτ κυ Πυλκπλκ α έαμ Κα α ε υυθ ( ΛΙΠΤΚ

Διαβάστε περισσότερα

G 2. -Μδα οβφδαεά δεσθα ηπκλ έ θα έθαδ: - υα δεά Χbinary image) - ηκθκξλπηα δεά απκξλυ πθ ΰελδ Χgray-scale images) - Ϋΰξλπηβ (color images)

G 2. -Μδα οβφδαεά δεσθα ηπκλ έ θα έθαδ: - υα δεά Χbinary image) - ηκθκξλπηα δεά απκξλυ πθ ΰελδ Χgray-scale images) - Ϋΰξλπηβ (color images) -Φβφδαεά π ι λΰα έα δεσθαμ Η απ δεσθδ β ηδαμ πλαΰηα δεάμ δεσθαμ η οβφδαεά ηκλφά βζέ η βθ ηκλφά δαε ελδηϋθκυ άηα κμ, κ κπκέκ Ϋξ δ βθ ηκλφά οβφδαευθ πδθϊεπθέ -Μδα οβφδαεά δεσθα ηπκλ έ θα έθαδ: - υα δεά Χbinary

Διαβάστε περισσότερα

Η πό α ω Γ ωχω ώ ω ο ο Θ α ο η Η Α Γ ΩΧΩ Ω Ω (G.I.S.) Η

Η πό α ω Γ ωχω ώ ω ο ο Θ α ο η Η Α Γ ΩΧΩ Ω Ω (G.I.S.) Η Η πό ο Η Α Γ ΩΧΩ η α ω Γ ωχω ω Ω ο Η Φ οθ Ω Η (G.I.S.) Θ Α Η - 2016 α ο ώ η αζκθέεβμ Η αλχά Σκ Ϋλΰκ αφκλoτ βθ «Α π υ η Γ ωγ αφ υ α Π η φ (G.I.S) η Δ/ η π γ αφ α α φα γ χ υπη υδ υθ α η» ΰδα βθ αθαίϊγηδ

Διαβάστε περισσότερα

ΠΑΡ ΥΟΜ ΝΧΝ ΑΠΟ ΣΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΤΣΗΜΑΣΑ

ΠΑΡ ΥΟΜ ΝΧΝ ΑΠΟ ΣΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΤΣΗΜΑΣΑ Ι ΣΜΗΜ ΣΙΚΟ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΣΗ ΙΟΙΚΗΗ ΠΙΧ ΙΡΗ ΩΝ δπζωηα δεά λγα έα Ι Ρ ΤΝΗΗ ΣΗ ΙΚΑΝΟΠΟΙΗΗ ΤΠΗΡ ΙΧΝ ΠΑΡ ΥΟΜ ΝΧΝ ΑΠΟ ΣΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΤΣΗΜΑΣΑ ΤΓ ΙΑ:Μ Λ ΣΗ Π ΡΙΠΣΧΗ INVESTIGATION REGARDING THE

Διαβάστε περισσότερα

δκθ έα ζ εαδ ΠλΪ δθκ Ν έα ζ

δκθ έα ζ εαδ ΠλΪ δθκ Ν έα ζ γθδεσ Μ σίδκ Πκζυ χθ έκ ( ΜΠ) ξκζά Χβηδευθ Μβξαθδευθ - ΣκηΫαμ ΙΙ ΜκθΪ α Μβξαθδεάμ δ λΰα δυθ Τ λκΰκθαθγλϊεπθ εαδ δκεαυ έηπθ δκθ έα ζ εαδ ΠλΪ δθκ Ν έα ζ πμ Yπκεα Ϊ α α κυ Π λ ζα εκτ Ν έα ζ Ν. ΠαπαΰδαθθΪεκμ

Διαβάστε περισσότερα

Blockchain ε ε [Μ 1623] ω

Blockchain ε ε [Μ 1623] ω Π Blockchain ε ε Β χ Με χ ω Με Χ [Μ 1623] ω Κ Μ ε σ σ σ ώ σ σ ώς, ς σ ώ σ, ς ώ ώ..., «σ σ ς», σ ς, «σ», ς «ώ σ», ς σ ς «ώ ς & ώ», 8 1 Ε χαρισ ίες υξαλδ υ γ ληϊ κθ Καγβΰβ ά κυ ηάηα κμ εαδ πδίζϋπκθ α βμ

Διαβάστε περισσότερα

σξκδ Χλά β κυ Νσηκυ κυ Newton ΰδα β αλτ β α εαδ κυ τ λκυ Νσηκυ βμ εέθβ βμ (F = ma) ΰδα κθ υπκζκΰδ ησ πζαθβ υθ. αξτ β αμ δαφυΰάμ.

σξκδ Χλά β κυ Νσηκυ κυ Newton ΰδα β αλτ β α εαδ κυ τ λκυ Νσηκυ βμ εέθβ βμ (F = ma) ΰδα κθ υπκζκΰδ ησ πζαθβ υθ. αξτ β αμ δαφυΰάμ. Κ φάζδο ΡΤΣΗΣ σξκδ Μ ζϋ β κυ Νσηκυ κυ Newton ΰδ β λτ β Χλά β κυ Νσηκυ κυ Newton ΰδ β λτ β εδ κυ τ λκυ Νσηκυ βμ εέθβ βμ (F = ma) ΰδ κθ υπκζκΰδ ησ πθ λκξδευθ ξυ ά πθ πθ κλυφσλπθ εδ πθ πζθβ υθ. Χλά β βμ η

Διαβάστε περισσότερα

Μπκλκτη ΝθαΝθδεά κυη Ν κνϋηφλαΰηα. π ηία δεσμνκαλ δκζσΰκμ,ν θέν δ υγυθ άμνγ'νκαλ δκζκΰδεάμνκζδθδεάμ,ν υλπεζδθδεάμν γβθυθ,νστηίκυζκμν κυν ΛέΙέΚ Ρέ

Μπκλκτη ΝθαΝθδεά κυη Ν κνϋηφλαΰηα. π ηία δεσμνκαλ δκζσΰκμ,ν θέν δ υγυθ άμνγ'νκαλ δκζκΰδεάμνκζδθδεάμ,ν υλπεζδθδεάμν γβθυθ,νστηίκυζκμν κυν ΛέΙέΚ Ρέ Μπκλκτη ΝθΝθδεά κυη Ν κνϋηφλΰη ΗΝ ηη έν ημνϋΰεδλημνθ δη υπδ ημ έζ δκμννένσπθσμ π ηί δεσμνκλ δκζσΰκμ,ν θέν δ υγυθ άμνγ'νκλ δκζκΰδεάμνκζδθδεάμ,ν υλπεζδθδεάμν γβθυθ,νστηίκυζκμν κυν ΛέΙέΚ Ρέ Απ π Γδ πκδκ ζσΰκ

Διαβάστε περισσότερα

ΘΕΜΑ: Π Σ Τ Χ Ι Α Κ Η Ε Ρ Γ Α Ι Α. ( έμένίθ1ήίλ) πδίζϋππθμ Γ υλΰδκμνκκυλ Ϋ αμ Καγβΰβ άμ

ΘΕΜΑ: Π Σ Τ Χ Ι Α Κ Η Ε Ρ Γ Α Ι Α. ( έμένίθ1ήίλ) πδίζϋππθμ Γ υλΰδκμνκκυλ Ϋ αμ Καγβΰβ άμ ΘΕΜΑ: ΝΣΡΙΣΟ ΘΜΙ ΝΣΟΤΡΙΣΙΚ ΝΝ ΚΠ Ι Τ ΝΣ ΝΝΓ ΡΜ ΝΙ Π Σ Τ Χ Ι Α Κ Η Ε Ρ Γ Α Ι Α βηβ λέκυνχ ΝΣ Ρ Ν κυνχλά κυ ( έμένίθ1ήίλ) πδίζϋππθμ Γ υλΰδκμνκκυλ Ϋ αμ Καγβΰβ άμ Θ ΛΟΝΙΚ,ΝΝΟ Μ ΡΙΟΝβί1γ Π λέζβοβ ΣκΝ επαδ υ

Διαβάστε περισσότερα

Η ΠΙΥ ΙΡΗΜ ΣΙΚΟΣΗΣ ΤΝΘΗΚ

Η ΠΙΥ ΙΡΗΜ ΣΙΚΟΣΗΣ ΤΝΘΗΚ ΣηάηαΛκΰδ δεάμ ΠΣΤΧΙ Κ ΡΓ Ι Η ΠΙΥ ΙΡΗΜ ΣΙΚΟΣΗΣ ΤΝΘΗΚ ΙΟΣΗΣ -Κ Σ ΠΡ Κ Κ ΜΤΡΩΝ- -Σ ΚΩΝ ΧΡ ΣΟ- πδίζϋππθ Καγβΰβ άμ ΤΚΙ Ν ΚΗ ΝΙΚΟΛ Ο Θ Ν -2017-1 Π ΡΙ ΥΟΜ Ν Πέθαεαμ Π λδ ξκηϋθπθ 2 υξαλδ έ μ.4 Π λέζβοβ ( ζζβθδεϊ)..5

Διαβάστε περισσότερα

υθ επαέ υ β παδ δυθ η Νκβ δεά Τ Ϋλβ β β ΰ θδεά Ϊιβ»

υθ επαέ υ β παδ δυθ η Νκβ δεά Τ Ϋλβ β β ΰ θδεά Ϊιβ» ΧΟΛ ΚΛ ΙΚΩΝ ΝΘΡΩΠΙΣΙΚΩΝ ΠΟΤ ΩΝ ΣΜ Μ ΛΛ ΝΙΚ ΦΙΛΟΛΟΓΙ ΙΝΣΙΣΟΤΣΟ ΠΛ ΡΟΦΟΡΙΚ & Σ Λ ΠΙΚΟΙΝΩΝΙΝ.Κ...Φ.. " ΜΟΚΡΙΣΟ" θο ο ο ία ισ η ο ι ής έ ας Ι αφή ισ η ο ι ής ασίας Π... Ι ΙΚ Η Ι.Π.. ΚΑΙ Ι ΙΚΗ Α Η ΠΑΙ Α ΙΚΗ

Διαβάστε περισσότερα

Μ θο ο ο ία Ε αι ι ής Έ νας , Msc, PhD

Μ θο ο ο ία Ε αι ι ής Έ νας , Msc, PhD Μ θο ο ο ία Ε αι ι ής Έ νας, Msc, PhD α υ α 1έ υ α - θ κπδ ησμ κυ γϋηα κμ - Πλκ δκλδ ησμ κυ πλκίζάηα κμ - Σ εηβλέπ β κυ πλκίζάηα κμ (ΰδα έν) - Χλβ δησ β α βμ αθ δη υπδ άμ κυ (ΰδα πκδκτμ;) βέ α π αφ α -

Διαβάστε περισσότερα

ΟΜΗ Π ΡΟΤ Ι Η Θ ησμ πθ υθκ υθ Μ γκ κζκΰέα πκ ζϋ ηα α- υηπ λϊ ηα α

ΟΜΗ Π ΡΟΤ Ι Η Θ ησμ πθ υθκ υθ Μ γκ κζκΰέα πκ ζϋ ηα α- υηπ λϊ ηα α Έ ν ωάνν Π ν ώ ά ΟΜΗ Π ΡΟΤΙ Η Θ ησμ πθ υθκ υθ Μ γκ κζκΰέα πκ ζϋ ηα α-υηπ λϊ ηα α Ο Θ ΜΟ ΣΩΝ ΤΝΟ ΩΝ θϊπ υιβ κυ παΰΰϋζηα κμ πθ υθκ υθ: δμ π λδ σ λ μ ξυλ μ κ πλκ ππδεσ πκυ πλκ ζαηίϊθ αδ α ξκζ έα ΰδα θα ίκβγά

Διαβάστε περισσότερα

κ πζαέ δκ αυ σ παλκυ δϊα δ κ παλσθ τ βηα αυ κ-αιδκζσΰβ βμ εαδ αυ κ-υπκ άλδιβμ, πκυ Ϋξ δ κυμ ιάμ εκπκτμμ αθϋλΰπθ η αθαπβλέ μ.

κ πζαέ δκ αυ σ παλκυ δϊα δ κ παλσθ τ βηα αυ κ-αιδκζσΰβ βμ εαδ αυ κ-υπκ άλδιβμ, πκυ Ϋξ δ κυμ ιάμ εκπκτμμ αθϋλΰπθ η αθαπβλέ μ. Ά α Εέθαδ ΰ ΰκθσμ σ δ β αΰκλϊ λΰα έαμ βθ ΕζζΪ α υλλδεθυθ αδ η ΰλάΰκλκυμ λυγηκτμ. Η υλλέεθπ β αυ ά ηκδλαέα Ϋξ δ πκζζαπζϊ δα ίζαπ δεσ αθ έε υπκ κυμ αθϋλΰκυμ η αθαπβλέ μ. Σκ δεαέπηα ΰδα λΰα έα εαδ β γ ηδεά

Διαβάστε περισσότερα

http://rc.ionio.gr/edbm/ Ο βΰσμ φαληκΰάμ Τπκίκζάμ Πλκ Ϊ πθ δ α εαζέαμ απσ ΝΫκυμ δ Ϊε κλ μ Γ θδεϋμ Ο βΰέ μ Η δα δεα έα υπκίκζάμ απκ ζ έ αδ απσ πϋθ (5) ίάηα α: 1. Έθαλιβ δα δεα έαμ 2. πδζκΰά Π έκυ 3. Πλκ

Διαβάστε περισσότερα

ΦΤΣ ΠΟΤ Κ ΛΛΙ ΡΓΟΤΝΣ Ι Σ Ν

ΦΤΣ ΠΟΤ Κ ΛΛΙ ΡΓΟΤΝΣ Ι Σ Ν ΦΤΣ ΠΟΤ Κ ΛΛΙ ΡΓΟΤΝΣ Ι Σ Ν ΛΛ ΓΙ Σ Ν Π Ρ ΓΩΓ ΙΟ ΙΘ ΝΟΛ Κ Ι ΙΟΝΣ Λ ΚΟΠΟΝ ΡΓ Ι υ βηα δεά εαζζδϋλΰ δα πθ φυ υθ αυ υθ έθαδ ΰθπ ά εαδ πμ θ λΰ δαεά ΰ πλΰέα εαδ έθαδ Ϋθαμ κζκϋθα αθαπ υ ση θκμ κηϋαμ σ κ β ξυλα

Διαβάστε περισσότερα

Δ Χ Θ - 23 2013 Ϋθ Η φ Η - 12 - Η - 2 φ 20-25% -Α ΗΕ 2010 2015 Χ 12 φ ΗΕ 2013 Δδεγθέ έ ο θελγ γδ ο θελό Η τn-water UNESCO Β φ Β Β φ φ Ο φ / Α 770 3840 5000 1990: 2000: 2025: - Η - - ( ) ( 20 ) / φ Κ

Διαβάστε περισσότερα

Ν ο π ο ο α Ε - ο ω α χ ου χ α - Ο ο α ο ο ο ω ο 2ο ) Ν ο α Ο

Ν ο π ο ο α Ε - ο ω α χ ου χ α - Ο ο α ο ο ο ω ο 2ο ) Ν ο α Ο Ν - Ο π ω α χ Β υ χ ( α υ 2 ) Ν αο -Κ υ durem@hist.auth.gr αε α Ε α- ω Β αφ α Kotsakis, K. 1999 What Tells can Tell: Social Space and Settlement in the Greek Neolithic. κ P. Halstead (ed) Neolithic Society

Διαβάστε περισσότερα

Η πδλλκά βμ κλΰαθπ δαεάμ εκυζ κτλαμ δμ πλαε δεϋμ βμ. The effect of organizational culture on Total Quality Management practices.

Η πδλλκά βμ κλΰαθπ δαεάμ εκυζ κτλαμ δμ πλαε δεϋμ βμ. The effect of organizational culture on Total Quality Management practices. Πλσΰλαηηα Μ απ υξδαευθ πκυ υθ: Ι ΘΝ ΙΟΙΚ ΣΙΚ ΣΩΝ ΠΙΧ ΙΡ ΩΝ Η πδλλκά βμ κλΰαθπ δαεάμ εκυζ κτλαμ δμ πλαε δεϋμ βμ δκέεβ βμ Οζδεάμ Πκδσ β αμ. Μ ζϋ β Π λέπ π βμ βμ αδλ έαμ Χ. The effect of organizational culture

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΙΑΣ (PROJECT)

ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΙΑΣ (PROJECT) ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΙΑΣ (PROJECT) Ε Α: Α Α Α Α.. Α Α υν ον ής :. ΦΑ πεύ υνος : Χ. Η Εκπ ό ωπο α ώ : Θ. Ε Α Η Ομάδα Ε γασία Μ ΘΗΣΙΚΗΝΟΜ Ν Α Α: Α Α Α Α : α/α πώ υ ο Ό ο α 1 Α Α Α Α - Α 2 Α 3 Α Α 4 Α Α Α 5 Α 6

Διαβάστε περισσότερα

14SYMV

14SYMV : 19-54 A, 12/11/2013. ω. : 5 1172881 2013 14SYMV002000647 2014-04-17 ω ω Η ICISNetΘ Άλγλκ 1... 3 Άλγλκ β... 4 Άλγλκ γ Π... 8 Ά 4 &... 8 Άλγλκ ε... 8 Άλγλκ ζ... 9 Άλγλκ η -... 9 Άλγλκ θ... 9 Άλγλκ ι...

Διαβάστε περισσότερα

Η ΰκβ έα πθ παλαηυγδυθ: Υλά β εαδ αιδκπκέβ ά κυμ κ ξυλκ βμ δ δεάμ ΰπΰάμ

Η ΰκβ έα πθ παλαηυγδυθ: Υλά β εαδ αιδκπκέβ ά κυμ κ ξυλκ βμ δ δεάμ ΰπΰάμ αυλκτζα ΟΤΛ Μ ζϋιαθ λκμ- αηϊ δκμ ΝΣΩΝΙΟΤ Η ΰκβ έα πθ παλαηυγδυθ: Υλά β εαδ αιδκπκέβ ά κυμ κ ξυλκ βμ δ δεάμ ΰπΰάμ 1.Η δ κλέα κυ παλαηυγδκτ Ο Ι ΝΘΡΩΠΟΙ ΥΡ ΙΜΟΠΟΙ Ν ΣΙ Ι ΦΟΡ ΜΟΡΦ ΤΜ ΟΛΙεκτ ζσΰκυ, ηϋ α απσ

Διαβάστε περισσότερα

C DEFOP αζκθέεβ, 1κΝΝκ ηίλέκυνβί1γ

C DEFOP αζκθέεβ, 1κΝΝκ ηίλέκυνβί1γ ΤΝ ΝΣ Ν Π ΓΓ ΛΜ ΣΙΚ ΝΚ Σ ΡΣΙ Μ ΝΣ ΝΝ Π ΧΟΛ Ν ΦΟΡ Ν ΠΟΣ Λ Μ ΣΩΝ Θ C DEFOP αζκθέεβ, 1κΝΝκ ηίλέκυνβί1γ λ υθβ δεάνκηϊ α Χλά κμνγκτζαμννννννν ΝέεκμΝΦπ σπκυζκμνν δ υγυθ άμνκαν ΠήΓ ΝεαδΝ δ υγυθ άμνκα Ϊλ δ βμννιν

Διαβάστε περισσότερα

ι ζδε δεϊ έθαδ τ εκζκ θα πλκ δκλέ δ εαθ έμ απσ πσ β δ αε δεά πθ ηαγβηα δευθ

ι ζδε δεϊ έθαδ τ εκζκ θα πλκ δκλέ δ εαθ έμ απσ πσ β δ αε δεά πθ ηαγβηα δευθ 3. Θ π π : υ π α α α α φ 3 3.1 υ π α α α α ι ζδε δεϊ έθαδ τ εκζκ θα πλκ δκλέ δ εαθ έμ απσ πσ β δ αε δεά πθ ηαγβηα δευθ ( Μ απσ π εαδ ηπλσμ) δαηκλφυγβε πδ βηκθδεσ ξυλκ η αυ κθκηέα εαδ αυ σ β α. Μδα θ δε

Διαβάστε περισσότερα

εριφέρεια εσσαλίας αζδεϋμ πσζ δμ εαδ οδεδ ηοτμ Πλοβζάηα α εαδ πλοοπ δεϋμ»

εριφέρεια εσσαλίας αζδεϋμ πσζ δμ εαδ οδεδ ηοτμ Πλοβζάηα α εαδ πλοοπ δεϋμ» Η Η Η Ο ΑΤ Α εριφέρει εσσλίς ΗΜ ΡΙ Αμ «Ο οηϋμ ημ τ λ ημ δμ Θ ζδεϋμ σζ δμ εδ οδεδ ηοτμ Πλοβζάη εδ λοο δεϋμ»,βγ βί1γ Η Η Η Ο ΑΤ Α εριφέρει εσσλίς «Κ φ ο Θ -Σ» η η ο ώ Πό ω Π ο ημ Γ ω Π ο, Πο ό Μηχή ό, MSc,

Διαβάστε περισσότερα

ξϋ δμ τοουμ- δαηϋ λου εαδ ηάεουμ εσηημ- δαηϋ λου γδα ηθ πζα τφυζζη λυ (Quercus frainetto) οθ Π θ Ϊζοφο

ξϋ δμ τοουμ- δαηϋ λου εαδ ηάεουμ εσηημ- δαηϋ λου γδα ηθ πζα τφυζζη λυ (Quercus frainetto) οθ Π θ Ϊζοφο ΗΜΟΚΡΙΣ ΙΟ Π Ν ΠΙΣΗΜΙΟ ΘΡ ΚΗ ΣΜΗΜ ΟΛΟΓΙ Κ Ι Ι Χ ΙΡΙΗ Π ΡΙ ΛΛΟΝΣΟ Κ Ι ΦΤΙΚΩΝ ΠΟΡΩΝ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ: ΙΦΟΡΙΚΗ Ι Χ ΙΡΙΗ Π ΡΙ ΛΛΟΝΣΟ Κ Ι ΦΤΙΚΩΝ ΠΟΡΩΝ ΚΑΣ ΤΘΤΝΗ Γ : ΟΙΚΟΛΟΓΙΑ ΚΑΙ ΠΡΟΣΑΙΑ ΑΙΚΩΝ

Διαβάστε περισσότερα

ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΣΜΗΜ ΜΗΧ ΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗ

ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΣΜΗΜ ΜΗΧ ΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΧΙΑ Η Ν ΠΣΤΞΗ ΠΛΗΡΟΦΟΡΙ ΚΟΤ Τ ΣΗΜ ΣΟ ΓΙ ΗΛ ΚΣΡΟΝΙΚ Π Ρ ΓΓ ΛΙ Κ Φ Σ ΡΙ Ω ΙΑ Η Α Α Η Η ΡΣ, 2018 Α Ι Α ΙΑ ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΣΜΗΜ ΜΗΧ ΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΠΣΤΥΙ Κ ΡΓ Ι «Ν ΠΣΤΞΗ ΠΛΗΡΟΦΟΡΙ ΚΟΤ Τ ΣΗΜ ΣΟ

Διαβάστε περισσότερα

Σα Social Media. 22κ ΜκθκπΪ δ πδχ δλβηα δεσ β αμ: Γ υλΰδκμ Παπα κπκτζβμ B.Sc. M.B.A. c.ph.d. Καγβΰβ άμ- τηίκυζκμ πδχ δλά πθ

Σα Social Media. 22κ ΜκθκπΪ δ πδχ δλβηα δεσ β αμ: Γ υλΰδκμ Παπα κπκτζβμ B.Sc. M.B.A. c.ph.d. Καγβΰβ άμ- τηίκυζκμ πδχ δλά πθ Σα Social Media β θϋα πδχ έλβ β 22κ ΜκθκπΪ δ πδχ δλβηα δεσ β αμ: Γ υλΰδκμ Παπα κπκτζβμ B.Sc. M.B.A. c.ph.d. Καγβΰβ άμ- τηίκυζκμ πδχ δλά πθ Ο Οηδζβ άμ αμ.. Γ υλΰδκμ Παπα κπκτζβμ B.Sc. M.B.A. cph.d. Κα ή

Διαβάστε περισσότερα

χ δαεσ ηκθ Ϋζκ γδα α κηϋθα ημ κιδϊμ (Fagus sylvatica) ωθ φτζζωθ π λδγλαφάμ ωθ α αλχ έωθ ημ π λδφϋλ δαμ Κ θ λδεάμ Μαε κθέαμ.

χ δαεσ ηκθ Ϋζκ γδα α κηϋθα ημ κιδϊμ (Fagus sylvatica) ωθ φτζζωθ π λδγλαφάμ ωθ α αλχ έωθ ημ π λδφϋλ δαμ Κ θ λδεάμ Μαε κθέαμ. ΜΟΚΡΙΣ ΙΟ Π Ν ΠΙΣ ΜΙΟ ΘΡ Κ ΣΜΗΜ ΟΛΟΓΙ Κ Ι Ι Χ ΙΡΙΗ Π ΡΙ ΛΛΟΝΣΟ Κ Ι ΦΤΙΚΩΝ ΠΟΡΩΝ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ: ΙΦΟΡΙΚΗ Ι Χ ΙΡΙΗ Π ΡΙ ΛΛΟΝΣΟ Κ Ι ΦΤΙΚΩΝ ΠΟΡΩΝ ΚΑΣ ΤΘΤΝΗ Γ : ΟΙΚΟΛΟΓΙΑ ΚΑΙ ΠΡΟΣΑΙΑ ΑΙΚΩΝ ΟΙΚΟΤΣΗΜΑΣΩΝ

Διαβάστε περισσότερα

Ν ΠΙΛΟΓ ΝΠΡΟ ΧΠΙΚΟΤΝ ΣΟΝ ΣΡ ΣΟΝΞ Ρ ΜΘΝΛΥΙ ΝΧΤΓΨ ΚΟΙΝΧΝΙΟΛΟΓΟ

Ν ΠΙΛΟΓ ΝΠΡΟ ΧΠΙΚΟΤΝ ΣΟΝ ΣΡ ΣΟΝΞ Ρ ΜΘΝΛΥΙ ΝΧΤΓΨ ΚΟΙΝΧΝΙΟΛΟΓΟ Ν ΠΙΛΟΓ ΝΠΡΟ ΧΠΙΚΟΤΝ ΣΟΝ ΣΡ ΣΟΝΞ Ρ Υ Σ Ρ ΝΓ ΧΡΓΙΟ ΜΘΝΛΥΙ ΝΧΤΓΨ ΚΟΙΝΧΝΙΟΛΟΓΟ 1 Μ κθ σλκ «πδζκΰά πλκ ππδεκτ» αθαφ λσηα ηδα σπκυ απσ Ϋθα ηϋ π ηδαμ πδζϋΰκυη δα δεα έα τθκζκ υπκοβφέπθ δα δεα έαμ αιδκζσΰβ βμ

Διαβάστε περισσότερα

πδίζϋππθ εαγβΰβ άμ: εδ έ βμ Φδζάηπθ

πδίζϋππθ εαγβΰβ άμ: εδ έ βμ Φδζάηπθ δ βΰβ Ϋμ: ΜπΪ αμ βηά λδκμ.μ λϊγυηκμ βηά λδκμ.μ 41249 πδίζϋππθ εαγβΰβ άμ: εδ έ βμ Φδζάηπθ Π ΙΡ Ι, ΙΟΤΛΙΟ 2017 2 δ βΰβ Ϋμ: ΜπΪ αμ βηά λδκμ.μ λϊγυηκμ βηά λδκμ.μ 41249 πδίζϋππθ εαγβΰβ άμ: εδ έ βμ Φδζάηπθ ΰελέγβε

Διαβάστε περισσότερα

Ο Ο Α Η Α Ο Η Α 12/07/2017

Ο Ο Α Η Α Ο Η Α 12/07/2017 Ο Ο Η Ο Η 12/07/2017 Η Η Η : Ο - Η Ω Η ΧΟ 7 Η www.kclawfirm.gr Ω Η Η Ο Η K.C.LAW FIRM Ο Ο - Ο Ο Ο ύ α α Η ύο ο ιό ισ α αι ι ο ό ύσ Ηο ό έ αι ι Ο ό ο ά αι ία ι όσ φ ια ι αι ι έ αύ ι ιά θύ αι σ ο θ οι ώσ

Διαβάστε περισσότερα

Χ ΡΟΚΟΠ ΙΟ Π Ν ΠΙΣ ΜΙΟ ΥΟΛ Φ ΦΙ Κ Σ ΥΝΟΛΟΓΙ

Χ ΡΟΚΟΠ ΙΟ Π Ν ΠΙΣ ΜΙΟ ΥΟΛ Φ ΦΙ Κ Σ ΥΝΟΛΟΓΙ Χ ΡΟΚΟΠ ΙΟ Π Ν ΠΙΣ ΜΙΟ ΥΟΛ Φ ΦΙ Κ Σ ΥΝΟΛΟΓΙ ΣΜ Μ ΠΛ ΡΟΦΟΡΙΚ Κ Ι Σ Λ Μ ΣΙΚ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΥΙ ΚΧΝ ΠΟΤ ΧΝ ΠΛ ΡΟΦΟΡΙΚ Κ Ι Σ Λ Μ ΣΙΚ Κ Σ ΤΘΤΝ : Σ Λ ΠΙΚΟΙΝΧΝΙ Κ ΙΚΣΤ Κ Ι ΤΠ Ρ Ι Σ Λ Μ ΣΙΚ «Σκ δα έε υκ πθ ΠλαΰηΪ

Διαβάστε περισσότερα

κηδεά δπζπηα δεά λΰα έα Φ ΡΜΟΓΗΝΓΙ Ν ΞΤΠΝ ΝΣΗΛ ΦΩΝ Ν (ANDROID OR IOS APP)ΝΓΙ ΝΦΩΝΗΣΙΚΗΝ ΛΛΗΛ ΠΙ Ρ ΗΝ Μ Ν Τ ΣΗΜ Σ Ν ΞΤΠΝΟΤΝ ΠΙΣΙΟΤ

κηδεά δπζπηα δεά λΰα έα Φ ΡΜΟΓΗΝΓΙ Ν ΞΤΠΝ ΝΣΗΛ ΦΩΝ Ν (ANDROID OR IOS APP)ΝΓΙ ΝΦΩΝΗΣΙΚΗΝ ΛΛΗΛ ΠΙ Ρ ΗΝ Μ Ν Τ ΣΗΜ Σ Ν ΞΤΠΝΟΤΝ ΠΙΣΙΟΤ κηδεά δπζπηα δεά λΰα έα Φ ΡΜΟΓΗΝΓΙ Ν ΞΤΠΝ ΝΣΗΛ ΦΩΝ Ν (ANDROID OR IOS APP)ΝΓΙ ΝΦΩΝΗΣΙΚΗΝ ΛΛΗΛ ΠΙ Ρ ΗΝ Μ Ν Τ ΣΗΜ Σ Ν ΞΤΠΝΟΤΝ ΠΙΣΙΟΤ ΧαλΪζαηπκμΝΧαλαζΪηπκυμ Π Ν ΠΙ ΣΗΜΙΟΝΚΤΠΡΟΤ ΣΜΗΜ ΝΠΛΗΡΟΦΟΡΙΚΗ ΜΪδκμΝβί16

Διαβάστε περισσότερα

βηδκυλΰυθ αμ Ϋθαθ η ΰΪζκ πδξ δλβηα δεσ σηδζκ παλκξάμ υπβλ δυθ. Θα παλκυ δϊ κυη

βηδκυλΰυθ αμ Ϋθαθ η ΰΪζκ πδξ δλβηα δεσ σηδζκ παλκξάμ υπβλ δυθ. Θα παλκυ δϊ κυη Η Α Ο Α Η ΑΑ.. Α Χ Η Α ΟΟ Ο Ο Η Σ α η ι ή ω ο ί ω ίας σ η Ε ά α. Μ έ ς ι ώσ ω : Υ ία αι Ια ι ό Αθη ώ Ω Α Η Η Η : Α Α Α Η Α Ο Α Η Α Α.. ΑΑ Η Η Ο Π ΡΙΛ Φ Ο Ι δπ δεσμ ΣκηΫαμ Τΰ έαμ κδεκθκηέα, η έθαδ Ϋθαμ

Διαβάστε περισσότερα

πκυ ξβηα έα δ κ εϊ κπ λκ εαδ πσ κ τοκμ Ϋξ δς

πκυ ξβηα έα δ κ εϊ κπ λκ εαδ πσ κ τοκμ Ϋξ δς Ανά α η π π η π φάν α 1. θα ε λέ τοκυμ 5 ε ίλέ ε αδ απσ α β 50 ε απσ βθ αλδ λά πζ υλϊ θσμ πέπ κυ εαγλϋπ β. Πκυ ίλέ ε αδ κ έ πζκ πκυ ξβηα έα δ κ εϊ κπ λκ εαδ πσ κ τοκμ Ϋξ δς Ανά α η π π η π φάν α 1. θα

Διαβάστε περισσότερα

δπζπηα δεά λΰα έα «δαξ έλδ β βμ Ϊιβμ εαδ αυ σ-απκ ζ ηα δεσ β α πθ επαδ υ δευθ Πλπ κίϊγηδαμ επαέ υ βμ»

δπζπηα δεά λΰα έα «δαξ έλδ β βμ Ϊιβμ εαδ αυ σ-απκ ζ ηα δεσ β α πθ επαδ υ δευθ Πλπ κίϊγηδαμ επαέ υ βμ» Π Ν ΠΙΣΗΜΙΟ Π ΣΡΩΝ ΧΟΛΗ ΝΘΡΩΠΙΣΙΚΩΝ Κ Ι ΚΟΙΝΩΝΙΚΩΝ ΠΙΣΗΜΩΝ ΣΜΗΜ ΠΙΣΗΜΩΝ ΣΗ ΚΠ Ι ΤΗ Κ Ι ΣΗ ΓΩΓΗ ΣΗΝ ΠΡΟΧΟΛΙΚΗ ΗΛΙΚΙ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΣΙ ΠΙΣΗΜ ΣΗ ΚΠ Ι ΤΗ Κ Ι ΣΗ ΓΩΓΗ Κ Σ ΤΘΤΝΗ δ αε δεά γ δευθ

Διαβάστε περισσότερα

Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ

Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΝΧΣ ΣΟ ΚΠ Ι ΧΟΛ ΤΣΙΚΟ Ι ΡΤΜ Π ΙΡ Ι Σ.Σ. Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΣΜ Μ ΤΣΟΜ ΣΙ ΜΟΤ Α..Ι ΙΑ.. ΠΣΤΧΙ ΚΗ ΡΓ Ι " Τ ΛΙΚΣ Τ ΣΗΜ Σ Π Ρ ΓΩΓΗ " ΤΠ ΤΘΤΝΟΙ ΠΟΤ Σ : ΚIΜΠ ΧΡ ΣΟ ( ι. 18κ)..Μ. 38345 ΛΙ ΝΙΟ ΝΣΩΝ ( ι. 14κ)..Μ

Διαβάστε περισσότερα

ΠΙ Λ ΠΩΝ Κ ΘΗΓΗΣΗ : Σ σ κζαμ Νδεσζακμ. ΦΟΙΣΗΣΗ : Ϊ αμ Νδεσζακμ

ΠΙ Λ ΠΩΝ Κ ΘΗΓΗΣΗ : Σ σ κζαμ Νδεσζακμ. ΦΟΙΣΗΣΗ : Ϊ αμ Νδεσζακμ Σ Ι Π ΙΡ Ι ΣΜΗΜ : ΙΟΙΚΗ Η ΠΙΧ ΙΡΗ ΩΝ ΣΙΣΛΟ ΡΓ Ι : Ιξθβζα έα βθ φκ δα δεά αζυ έ α αΰλκ δευθ πλκρθ πθ ΠΙ Λ ΠΩΝ Κ ΘΗΓΗΣΗ : Σ κζαμ Νδεζακμ ΦΟΙΣΗΣΗ : Ϊ αμ Νδεζακμ.Μ. 7361 1 2 Contents δ αΰπΰά... 6 Κ Φ Λ ΙΟ

Διαβάστε περισσότερα

κ σθκηα ηδαμ Ϊευεζβμ κλΰαθδεάμ Ϋθω βμ δαελέθκυη ΰ θδεϊ τκ ηϋλβ: α) Σκ ία δεσ σθκηα πκυ αθαφϋλ αδ βθ ετλδα αθγλαεδεά αζυ έ α

κ σθκηα ηδαμ Ϊευεζβμ κλΰαθδεάμ Ϋθω βμ δαελέθκυη ΰ θδεϊ τκ ηϋλβ: α) Σκ ία δεσ σθκηα πκυ αθαφϋλ αδ βθ ετλδα αθγλαεδεά αζυ έ α 1 Ο ο α ο ο α ά υ ω ο α ω Η πζβγυλα ωθ κλΰαθδευθ θυ ωθ πϋίαζ απσ θωλέμ β υ βηα κπκέβ β βμ κθκηα έαμ κυμ. Η υ βηα δεά (ά πέ βηβ) κθκηα κζκΰέα ωθ κλΰαθδευθ θυ ωθ χαλαε βλέα αδ πέ βμ εαδ ωμ κθκηα κζκΰέα εα

Διαβάστε περισσότερα

ΘΫηα: «Η αζζαΰά πθ εαθκθδ ηυθ βμ ζζβθκλπηαρεάμ ΠΪζβμ ξϋ β η β γ αηα δεσ β α κυμ Οζυηπδαεκτμ

ΘΫηα: «Η αζζαΰά πθ εαθκθδ ηυθ βμ ζζβθκλπηαρεάμ ΠΪζβμ ξϋ β η β γ αηα δεσ β α κυμ Οζυηπδαεκτμ ΘΝΙΚΟ & Κ ΠΟ ΙΣΡΙ ΚΟ Π Ν ΠΙΣΗΜΙΟ ΘΗΝΩΝ ξκζά πδ άηβμ Φυ δεάμ ΰπΰάμ εαδ γζβ δ ηκτ δ δεσ β α: ΠΪζβ ΣκηΫαμ: Κζα δεκτ γζβ δ ηκτ ΘΫηα: «Η αζζαΰά πθ εαθκθδ ηυθ βμ ζζβθκλπηαρεάμ ΠΪζβμ ξϋ β η β γ αηα δεσ β α κυμ

Διαβάστε περισσότερα

ENERGY WASTE. θϋΰ λ β ΜκθΪ αμ λδκπκέβ βμ κ Πζαέ δκ κυ Έλΰκυ ENERGY WASTE ENERGY WASTE» Γιώ γο Καφέ WATT A.E. Mech-Eng, MSc

ENERGY WASTE. θϋΰ λ β ΜκθΪ αμ λδκπκέβ βμ κ Πζαέ δκ κυ Έλΰκυ ENERGY WASTE ENERGY WASTE» Γιώ γο Καφέ WATT A.E. Mech-Eng, MSc ENERGY WASTE «π Η 1ιή12ή2ί1ζ φ γ π έ π υ γ υ ENERGY WASTE» θϋΰ λ β ΜκθΪ μ λδκπκέβ βμ κ Πζέ δκ κυ Έλΰκυ ENERGY WASTE Γιώ γο Κφέ Mech-Eng, MSc WATT A.E. ισ ή Π ι φή έ ο ENERGY WASTE Α ά Α ά σ ισ ός ι σ ή

Διαβάστε περισσότερα

ΕΙΑΓΩΓΗ ΣΟ ΣΑΣΙΣΙΚΟ ΠΑΚΕΣΟ SPSS

ΕΙΑΓΩΓΗ ΣΟ ΣΑΣΙΣΙΚΟ ΠΑΚΕΣΟ SPSS ΕΙΑΓΩΓΗ ΣΟ ΣΑΣΙΣΙΚΟ ΠΑΚΕΣΟ SPSS θκέΰκθ αμ κ α δ δεσ παεϋ κ ηπκλκτη θα κτη κ εϊ π αλδ λσ ηϋλκμ κυ παλαγτλκυ τκ εαλ Ϋζ μ: «Data View» εαδ βθ «Variable View». Data View Η υΰε ελδηϋθβ εαλ Ϋζα έθαδ παθκηκδσ

Διαβάστε περισσότερα

πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κχ έκν αμνη Νηβ θδεσνλέ εκ!

πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κχ έκν αμνη Νηβ θδεσνλέ εκ! ΰαπβ ΫΝΞ θκ σχ,ν δνγανηπκλκτ αη ΝθαΝ εϊθκυη ΝΰδαΝ Ϊμν πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κχ έκν αμνη Νηβ θδεσνλέ εκ! ΠκδκδΝ έηα Η SpyrouΝPhiloxenia έθαδνγυΰα λδεάν αδλ έαν βμ SpyrouΝώotels,

Διαβάστε περισσότερα

.Ε. Ε Α ΟΝ ΧΟΛ ΙΟΙΚ Κ Ι ΟΙΚΟΝΟΜΙ ΣΜ Μ ΜΠΟΡΙ Κ Ι Ι Φ ΜΙ Οδεοζογδεά υθ έ η η Φοδ η ώθ Σ Ι χ δεά Χρά η /Τ» ΠΙ Λ ΠΩΝ Κ Θ Γ Σ Σ Ι Κ Θ Ο Ο ΙΟ Ι Γ ΣΡΙ

.Ε. Ε Α ΟΝ ΧΟΛ ΙΟΙΚ Κ Ι ΟΙΚΟΝΟΜΙ ΣΜ Μ ΜΠΟΡΙ Κ Ι Ι Φ ΜΙ Οδεοζογδεά υθ έ η η Φοδ η ώθ Σ Ι χ δεά Χρά η /Τ» ΠΙ Λ ΠΩΝ Κ Θ Γ Σ Σ Ι Κ Θ Ο Ο ΙΟ Ι Γ ΣΡΙ .Ε. Ε Α ΟΝ ΧΟΛ ΙΟΙΚ Κ Ι ΟΙΚΟΝΟΜΙ ΣΜ Μ ΜΠΟΡΙ Κ Ι Ι Φ ΜΙ Green Computing «Οδεοζογδεά υθ έ η η ωθ Φοδ η ώθ ου Σ Ι χ δεά η ου η Χρά η /Τ» ΠΙ Λ ΠΩΝ Κ Θ Γ Σ : Σ Ι Κ Θ Ο Ο ΙΟ Ι Γ ΣΡΙ ΠΣΤΧΙ Κ ΡΓ Ι : Σ Θ ΛΟΝΙΚ,

Διαβάστε περισσότερα

πζαέ δκν πθν ξ έπθν φαζ έαμνν λκτν Καγβΰβ άμν ΜΠ δ υγυθ άμν λΰα βλέκυντΰ δκθκηδεάμνσ ξθκζκΰέαμ

πζαέ δκν πθν ξ έπθν φαζ έαμνν λκτν Καγβΰβ άμν ΜΠ δ υγυθ άμν λΰα βλέκυντΰ δκθκηδεάμνσ ξθκζκΰέαμ ΟζκεζβλπηΫθβ δαξ έλδ βυ λ υ δεκτθ λκτ πζαέ δκ πθ ξ έπθ φαζ έαμ λκτ θ λϋαμ θ λ α Ϊεβμ Καγβΰβ άμ ΜΠ δ υγυθ άμ λΰα βλέκυτΰ δκθκηδεάμσ ξθκζκΰέαμ κ ΣκγΫηα βμπκδσ β αμ κυπσ δηκυθ λκτ Πλκρ Ι κλέα κλέα τΰξλκθβ

Διαβάστε περισσότερα

Κ ΚΗ ΠΙΚΟΙΝΧΝΙ ΣΗΝ ΜΦ ΝΙΗ Π ΓΓ ΛΜ ΣΙΚΧΝ ΤΓΚΡΟΤ ΧΝ ΣΟ ΥΧΡΟ ΣΧΝ Π.Λ.»

Κ ΚΗ ΠΙΚΟΙΝΧΝΙ ΣΗΝ ΜΦ ΝΙΗ Π ΓΓ ΛΜ ΣΙΚΧΝ ΤΓΚΡΟΤ ΧΝ ΣΟ ΥΧΡΟ ΣΧΝ Π.Λ.» ΛΛΗΝΙΚΗ ΗΜΟΚΡΑΤΙΑ ΑΝΩ Α Η Χ Η Α Α Ω Η & ΧΝ Η Α Η Ω Η «Η»... Μ Σ ΠΣΤΥΙ ΚΗ ΙΠΛΧΜ ΣΙΚΗ ΡΓ Ι «ΟΙ ΝΣΙΛΗΦ Ι ΣΧΝ ΚΠ Ι ΤΣΙΚΧΝ ΓΙ ΣΗΝ ΠΙΡΡΟΗ ΣΗ Κ ΚΗ ΠΙΚΟΙΝΧΝΙ ΣΗΝ ΜΦ ΝΙΗ Π ΓΓ ΛΜ ΣΙΚΧΝ ΤΓΚΡΟΤ ΧΝ ΣΟ ΥΧΡΟ ΣΧΝ Π.Λ.»

Διαβάστε περισσότερα

πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κξ έκν αμνη Νηβ θδεσνλέ εκ!

πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κξ έκν αμνη Νηβ θδεσνλέ εκ! ΰαπβ ΫΝΞ θκ σξ,ν δνγανηπκλκτ αη ΝθαΝ εϊθκυη ΝΰδαΝ Ϊμν πζϊ,νθαν βηδκυλΰά κυη Νε λ κφκλέανΰδαν κν ι θκ κξ έκν αμνη Νηβ θδεσνλέ εκ! ΠκδκδΝ έηα Η SpyrouΝPhiloxenia έθαδνγυΰα λδεάν αδλ έαν βμ SpyrouΝώotels,

Διαβάστε περισσότερα

θα ξ δα ησμ δκδεβ δευθ δα δεα δυθ άηκυ ΚαζαηαλδΪμ

θα ξ δα ησμ δκδεβ δευθ δα δεα δυθ άηκυ ΚαζαηαλδΪμ ΡΙ ΣΟΣ Λ ΙΟ Π Ν ΠΙ ΣΗΜΙΟ Θ ΛΟΝΙΚΗ Ι ΣΜΗΜ ΣΙΚΟ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ Κ Ι ΙΟΙΚΗ Η» ΣΜΗΜ ΣΩΝ ΠΛΗΡΟΦΟΡΙΚΗ Κ Ι ΟΙΚΟΝΟΜΙΚΩΝ ΠΙ ΣΗΜΩΝ θ ξ δ ησμ δκδεβ δευθ δ δε δυθ άηκυ ΚζηλδΪμ δπζπη δεά

Διαβάστε περισσότερα

Σ ΥΝΙΚΟΣ ΚΣΙΚΟ ΠΡΟΦΙΛ ΣΧΝ ΟΜ ΧΝ ΠΟ ΟΦ ΙΡΟΤ

Σ ΥΝΙΚΟΣ ΚΣΙΚΟ ΠΡΟΦΙΛ ΣΧΝ ΟΜ ΧΝ ΠΟ ΟΦ ΙΡΟΤ ΥΟΛ ΠΙΣ Μ ΦΤΙΚ ΓΧΓ & ΘΛ ΣΙΜΟΤ Σ ΥΝΙΚΟΣ ΚΣΙΚΟ ΠΡΟΦΙΛ ΣΧΝ ΟΜ ΧΝ ΠΟ ΟΦ ΙΡΟΤ Σ ΓΚ ΡΟΤΛ ΥΡ ΣΟ Μ: 9980201000159 ΚΧΝΣ ΝΣΟΠΟΤΛΟ ΚΧΝΣ ΝΣΙΝΟ Μ: 290075 ΠΙ Λ ΠΧΝ Κ Θ Γ Σ : Μιχάλημ Μη λο ά ιομ ΛΫε κλαμ Πλκπκθβ δεάμ

Διαβάστε περισσότερα

Σ ΧΝΟΛΟΓΙΚΟΤ ΣΟΜ ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΠΣΤΧΙ ΚΗ ΡΓ Ι. «Σκ Labview ωμ λΰαζ έκ υΰεϋθ λω βμ εαδ π ι λΰα έαμ. δϊχυ ά κυμ κ δα έε υκ ωθ πλαΰηϊ ωθ»

Σ ΧΝΟΛΟΓΙΚΟΤ ΣΟΜ ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΠΣΤΧΙ ΚΗ ΡΓ Ι. «Σκ Labview ωμ λΰαζ έκ υΰεϋθ λω βμ εαδ π ι λΰα έαμ. δϊχυ ά κυμ κ δα έε υκ ωθ πλαΰηϊ ωθ» ΝΩΣ ΣΟ ΚΠ Ι ΤΣΙΚΟ Ι ΡΤΜ Π ΙΡ Ι Σ ΧΝΟΛΟΓΙΚΟΤ ΣΟΜ ΧΟΛΗ Σ ΧΝΟΛΟΓΙΚΩΝ Φ ΡΜΟΓΩΝ ΣΜΗΜ ΜΗΧ ΝΙΚΩΝ ΤΣΟΜ ΣΙ ΜΟΤ ΠΣΤΧΙ ΚΗ ΡΓ Ι «Σκ Labview ωμ λΰαζ έκ υΰεϋθ λω βμ εαδ π ι λΰα έαμ κηϋθωθ απσ αδ γβ άλ μ δαφκλ δευθ υ

Διαβάστε περισσότερα

Π ΡΙΛΗΦΗ. 1ληηΝεαδΝηααέ η Ν βθνmotor Oil, απκ ζκτθ δμν υκνη ΰαζτ λ μ αδλέ μ κθνεζϊ κ

Π ΡΙΛΗΦΗ. 1ληηΝεαδΝηααέ η Ν βθνmotor Oil, απκ ζκτθ δμν υκνη ΰαζτ λ μ αδλέ μ κθνεζϊ κ Σ χθδεά εαδνθ η ζδυ βμ θϊζυ β η οχυθ εαδν αδλδωθ. ΓεκτηαμΝ λϊ κμένπ υξδκτξκμ Οδεκθκηκζσΰκμ. MSc φαληκ ηϋθβνοδεκθκηδεάνεαδνχλβηα κκδεκθκηδεάν( έκέπέ έήνσηάηανοδεκθκηδευθ) Team Site: A.E.A.C. Co. Project

Διαβάστε περισσότερα

δίζδκΰλαφδεά θα εσπβ β Μ γσ πθ

δίζδκΰλαφδεά θα εσπβ β Μ γσ πθ ΘΝΙΚΟ Μ Σ Ο ΙΟ ΠΟΛΤΣ ΥΝ ΙΟ ΥΟΛΗ ΗΛ ΚΣΡΟΛΟΓΧΝ ΜΗΥ ΝΙΚΧΝ Κ Ι ΜΗΥ ΝΙΚΧΝ ΤΠΟΛΟΓΙ ΣΧΝ ΣΟΜ ΗΛ ΚΣΡΙΚΗ Ι ΥΤΟ δίζδκΰλαφδεά θα εσπβ β Μ γσ πθ Πλκ δκλδ ηκτ πθ παδ ά πθ φ λ δυθ υ σθκηα υ άηα α η δ έ υ β Π ΙΠΛΧΜ ΣΙΚΗ

Διαβάστε περισσότερα

Με εντολή Προέδρου Ε.Ε.Α. Ο ΠΡΟΪΣΤΑΜΕΝΟΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΜΗΤΡΩΟΥ

Με εντολή Προέδρου Ε.Ε.Α. Ο ΠΡΟΪΣΤΑΜΕΝΟΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΜΗΤΡΩΟΥ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΕΠΑΓΓΕΛΜΑΤΙΚΟ ΕΠΙΜΕΛΗΤΗΡΙΟ ΑΘΗΝΑΣ ΤΜΗΜΑ: ΜΗΤΡΩΟΥ / Υπηρεσία Γ.Ε.ΜΗ. Δ.νση: Πανεπιστημίου 44 Τ.Κ.: 10679 Πληροφορίες: ΑΛΑΜΑΝΟΥ ΕΥΣΤΑΘΙΑ Τηλέφωνο: 2103380200 Fax: 2103619735 E-mail: ealamanou@eea.gr

Διαβάστε περισσότερα

ΝΩΜ ΣΩΗ ΣΗ Ι Σ Η ΣΟΤΝΦΤΛΟΤ ΣΟΝ ΥΟΛΙΚΟ Π ΡΙ ΛΛΟΝ ΣΗΝΝ ΠΙΛΟΓΗ Π ΓΓ ΛΜ ΣΟ

ΝΩΜ ΣΩΗ ΣΗ Ι Σ Η ΣΟΤΝΦΤΛΟΤ ΣΟΝ ΥΟΛΙΚΟ Π ΡΙ ΛΛΟΝ ΣΗΝΝ ΠΙΛΟΓΗ Π ΓΓ ΛΜ ΣΟ ΝΩΜ ΣΩΗ ΣΗ Ι Σ Η ΣΟΤΝΦΤΛΟΤ ΣΟΝ ΥΟΛΙΚΟ Π ΡΙ ΛΛΟΝ Κ ΙΝ ΟΝ ΝΣΙΚΣΤΠΟ ΤΣΗ ΣΗΝΝ ΠΙΛΟΓΗ Π ΓΓ ΛΜ ΣΟ ΠΌΝΣΟΤ/ΣΙ Ν ΟΤ/ η ία Α. α ο ί ο Φι ό ο ο ο ό ο Μ ο 1 ο Κ Β α ο ί βο ι ο α α ι ό Π ο α α ο ι ό ο φια ι ά ο ο ία

Διαβάστε περισσότερα

ΠΜ ΣΗ ΙΟΙΚΗ Η ΤΠΗΡ ΙΧΝ ΤΓ Ι

ΠΜ ΣΗ ΙΟΙΚΗ Η ΤΠΗΡ ΙΧΝ ΤΓ Ι ΠΜ ΣΗ ΙΟΙΚΗ Η ΤΠΗΡ ΙΧΝ ΤΓ Ι ΙΠΛΧΜ ΣΙΚΗ ΡΓ Ι ΣΟ Φ ΙΝΟΜ ΝΟ ΣΟΤ ΚΦΟ Ι ΜΟΤ («BULLYING») Μ Σ ΞΤ Π ΓΓ ΛΜ ΣΙΧΝ ΤΓ Ι. ΤΓΚΡΙ Η ΗΜΟ Ι Κ Ι Ι ΙΧΣΙΚΗ ΠΡΧΣΟ ΘΜΙ ΦΡΟΝΣΙ ΤΓ Ι. Σ ΜΜ ΝΟΤΗΛ Γ. Π ΝΟΤ Τπκίζάγβε πμ αδ κτη θκ

Διαβάστε περισσότερα

1 κ Γ ΝΙΚΟ ΛΤΚ ΙΟ ΗΡ ΚΛ ΙΟΤ - Κ Π Σ Ν Κ ΙΟ

1 κ Γ ΝΙΚΟ ΛΤΚ ΙΟ ΗΡ ΚΛ ΙΟΤ - Κ Π Σ Ν Κ ΙΟ 1 κ Γ ΝΙΚΟ ΛΤΚ ΙΟ ΗΡ ΚΛ ΙΟΤ - Κ Π Σ Ν Κ ΙΟ Θ Μ Σ Π Ν ΛΛΗΝΙΩΝ Ξ Σ ΩΝ ΣΗΝ Σ ΧΝΟΛΟΓΙ Ν ΤΝ Τ Μ ΝΟΤ DNA 2000 ΗΜ ΡΗΙΟ 5. Οδ π λδκλδ δεϋμ θ κθκυεζ Ϊ μ: α. υηη Ϋξκυθ βθ πλέηαθ β κυ RΝ ί. έθαδ απαλαέ β μ ΰδα βθ

Διαβάστε περισσότερα

Η ΥΡΗΗ ΣΧΝ Κ Ρ ΧΝ ΣΗΝ ΠΡΟ Λ ΦΗ ΣΗ ΠΙ ΟΗ ΣΗ ΟΙΚΟΝΟΜΙ

Η ΥΡΗΗ ΣΧΝ Κ Ρ ΧΝ ΣΗΝ ΠΡΟ Λ ΦΗ ΣΗ ΠΙ ΟΗ ΣΗ ΟΙΚΟΝΟΜΙ ΧΟΛ ΠΙΣ ΜΧΝ ΙΟΙΚ ΠΙΧ ΙΡ ΧΝ ΣΜ Μ ΛΟΓΙΣΙΚ Κ Ι ΧΡ Μ ΣΟΟΙΚΟΝΟΜΙΚ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΧΝ ΠΟΤ ΧΝ Σ ΣΡ Σ ΓΙΚ ΙΟΙΚ ΣΙΚ ΛΟΓΙΣΙΚ Κ Ι Σ ΧΡ Μ ΣΟΟΙΚΟΝΟΜΙΚ ΙΟΙΚ δπζπηα δεά λΰα έα Η ΥΡΗΗ ΣΧΝ Κ Ρ ΧΝ ΣΗΝ ΠΡΟ Λ ΦΗ ΣΗ ΠΙ

Διαβάστε περισσότερα

Ν οζδγδεά π λέο ομ βθ. Εζζά α - Η θ οζδγδεά β Μαε οθέα εαδ Θλάεβ- Ν οτ εα Οτλ η-κυ ου

Ν οζδγδεά π λέο ομ βθ. Εζζά α - Η θ οζδγδεά β Μαε οθέα εαδ Θλάεβ- Ν οτ εα Οτλ η-κυ ου Ν οζδγδεά π λέο ομ - Η θ οζδγδεά βθ. Εζζά α β Μαε οθέα εαδ Θλάεβ- Ν οτ εα Οτλ η-κυ ου durem@hist.auth.gr ο ο υ Rey - α α α α Ι Casson - εα Ϊ β δϊλε δα κυ Ι Παΰεσ ηδκυ ΠκζΫηκυ Heurtley 1920Μ ω Χα French

Διαβάστε περισσότερα

ΤΠΟΤΡΓ ΙΟ Ν ΤΣΙΛΙ Κ Ι Ν ΙΧΣΙΚ ΠΟΛΙΣΙΚ ΥΟΛ ΠΛΟΙ ΡΥΧΝ Ν ΤΙΠΛΟΙ

ΤΠΟΤΡΓ ΙΟ Ν ΤΣΙΛΙ Κ Ι Ν ΙΧΣΙΚ ΠΟΛΙΣΙΚ ΥΟΛ ΠΛΟΙ ΡΥΧΝ Ν ΤΙΠΛΟΙ ΤΠΟΤΡΓ ΙΟ Ν ΤΣΙΛΙ Κ Ι Ν ΙΧΣΙΚ ΠΟΛΙΣΙΚ Κ ΜΙ ΜΠΟΡΙΚΟΤ Ν ΤΣΙΚΟΤ ΚΡ Σ ΥΟΛ ΠΛΟΙ ΡΥΧΝ ΠΣΤΥΙ Κ ΡΓ Ι Θ Μ : ΚΟΠΧ ΡΓ ΟΜ ΝΧΝ-ΤΝ Π Ι Σ Ν Φ Λ Ι Κ Ι Σ Ν Ν ΤΙΠΛΟΙ O ΠΟΤ Σ : A Μ Θ Ο ΧΡΟ...Γ.Μ: 1623 O ΠΙ Λ ΠΧΝ Κ Θ Γ Σ

Διαβάστε περισσότερα

ΜΠΟΡΙΚΩΝ ΟΡΩΝ Σ ΙΠ ΝΙΚ Κ Ι ΛΛΗΝΙΚ ΠΙ Λ ΠΩΝ Κ ΘΗΓΗΣΗ. πέεκυλκμ Καγβΰβ άμ, ΠΘ

ΜΠΟΡΙΚΩΝ ΟΡΩΝ Σ ΙΠ ΝΙΚ Κ Ι ΛΛΗΝΙΚ ΠΙ Λ ΠΩΝ Κ ΘΗΓΗΣΗ. πέεκυλκμ Καγβΰβ άμ, ΠΘ ΡΙΣΟΣ Λ ΙΟ Π Ν ΠΙΣΗΜΙΟ Θ ΛΟΝΙΚΗ ΣΜΗΜ ΙΣ ΛΙΚΗ ΓΛΧ Κ Ι ΦΙΛΟΛΟΓΙ ΠΜ ΠΙΣΗΜ ΣΗ ΓΛΧ Κ Ι ΣΟΤ ΠΟΛΙΣΙΜΟΤ Κ Σ ΤΘΤΝΗ Μ Σ ΦΡ Η, ΠΙΚΟΙΝΧΝΙ Κ Ι Κ ΟΣΙΚΟΤ ΥΧΡΟΤ ΙΠΛΧΜ ΣΙΚΗ ΡΓ Ι ΣΗ Μ ΡΙ Μ Λ Κ Σ Μ Θ Μ : ΗΜΙΟΤΡΓΙ ΙΓΛΩΗ Η

Διαβάστε περισσότερα

Κ Σ Σ Θ ΡΙΝ Π ΡΙΟ Ο ΣΧΝ ΣΧΝ MORTALITY RATES IN MUNICIPALITY OF THESSALONIKI DURING THE SUMMER PERIOD FROM 1945 TO 2012

Κ Σ Σ Θ ΡΙΝ Π ΡΙΟ Ο ΣΧΝ ΣΧΝ MORTALITY RATES IN MUNICIPALITY OF THESSALONIKI DURING THE SUMMER PERIOD FROM 1945 TO 2012 ΡΤΘΜΟΙ ΘΝ ΙΜΟΣ Σ ΣΟ ΜΟ Θ ΛΟΝΙΚ Κ Σ Σ Θ ΡΙΝ Π ΡΙΟ Ο ΣΧΝ ΣΧΝ 1945 2012 ουηϊεβμ Μ. 1,2, Παπα Ϊεβμ Ν. 1, Πλ β αϊθομ Μ. 2 Παπα Ϊεβμ Γ. 1, ΝδεοζΪου Κ. 3 εαδ ΚασσωηΫθομ Π. 4 1 λΰα άλδκ Τΰδ δθάμ, Ια λδεά ξκζά.π.θ.

Διαβάστε περισσότερα

ΙΣΑ Ω Η: CLUSTERS Α Α Α Α, Α Α Α Α Α Α

ΙΣΑ Ω Η: CLUSTERS Α Α Α Α, Α Α Α Α Α Α Ω Ω Ω Ω α α η α α χη α Χ Ω (CLUSTERS) Ω Ω η α α ω α α 2012 1 Α (ABSTRACT)... 3 ΙΣΑ Ω Η: CLUSTERS Α Α Α Α, Α Α Α 7 Α... 7 Α Α Α... 16 Α Α Α Α ;... 25 Α... 30 Α... 32 Α Α... 32 Α Α... 35 Α Α Α Α... 41 Α

Διαβάστε περισσότερα

Μ απ υξδαεά δπζπηα δεά λΰα έα

Μ απ υξδαεά δπζπηα δεά λΰα έα ΧΟΛΗ ΚΟΙΝΩΝΙΚΩΝ, ΝΘΡΩΠΙΣΙΚΩΝ ΠΙΣΗΜΩΝ Κ Ι Σ ΧΝΩΝ ΣΜΗΜ ΚΠ Ι ΤΣΙΚΗ Κ Ι ΚΟΙΝΩΝΙΚΗ ΠΟΛΙΣΙΚΗ ΠΡΟΓΡ ΜΜ Μ Σ ΠΣΤΧΙ ΚΩΝ ΠΟΤ ΩΝ ΠΙΣΗΜ ΣΗ ΚΠ Ι ΤΗ Κ Ι ΣΗ Ι ΙΟΤ Μ ΘΗΗ Μ απ υξδαεά δπζπηα δεά λΰα έα ΣΙ Θ Λ Ι ΝΑ Μ ΣΑΧΗΜΑΣΙ

Διαβάστε περισσότερα

Οδ δ δεσ λ μ ίϊ δμ πκυ τθα αδ θα δεαδκζκΰά κυθ, β εϊγ ηέα αυ κ ζυμ,

Οδ δ δεσ λ μ ίϊ δμ πκυ τθα αδ θα δεαδκζκΰά κυθ, β εϊγ ηέα αυ κ ζυμ, : Η. υ α, ω..,.ν. Η α α α: α α απ α α α α. α απ & α α α [ α - α]. α : 1. Ο υ αφυ [ 18 Ο α 2008/115/ ] 2. α & α φ α [ απ φα 15 Φ υα υ 2016, C 601/15 PPU, J. N.] Γ. α π α α 1. α [ α υ α -α ] 2. α απ φα απ

Διαβάστε περισσότερα

Γ ΧΓΡ ΦΙΚ ΤΠ Ρ Ι ΣΡ ΣΟΤ (ΓΤ ) &

Γ ΧΓΡ ΦΙΚ ΤΠ Ρ Ι ΣΡ ΣΟΤ (ΓΤ ) & Γ ΧΓΡ ΦΙΚ ΤΠ Ρ Ι ΣΡ ΣΟΤ (ΓΤ ) & υθ λκηά βμ βθ γθδεά Τπκ κηά Γ πξπλδευθ Πζβλκφκλδυθ ( ΤΓ Π) υθ αΰηα Ϊλξβμ ΥαλΪζαηπκμ ΠαλΪ ξκυ Τ θ βμ Γ πΰλαφδεκτ / Γ ΰλκθσηκμ & ΣκπκΰλΪφκμ Μβξαθδεσμ.Μ.Π. chvparas@yahoo.com

Διαβάστε περισσότερα

«δ λ τθβ β πθ απσο πθ εαδ αθ δζάο πθ πθ Γ ληαθυθ κυλδ υθ ΰδα βθ ζζϊ α πμ πλκκλδ ησ»

«δ λ τθβ β πθ απσο πθ εαδ αθ δζάο πθ πθ Γ ληαθυθ κυλδ υθ ΰδα βθ ζζϊ α πμ πλκκλδ ησ» Ι Π ΙΡ Ι Σ ΥΝΟΛΟΓΙΚΟΤ ΣΟΜ ΥΟΛΗ ΙΟΙΚΗ Η Κ Ι ΟΙΚΟΝΟΜΙ ΣΜΗΜ ΙΟΙΚΗ Η ΠΙΥ ΙΡΗ ΩΝ Κ Σ ΤΘΤΝ Η ΙΟΙΚΗ Η ΣΟΤΡΙ ΣΙΚΧΝ ΠΙΥ ΙΡΗ ΧΝ ΠΣΤΧΙ Κ ΡΓ Ι «δ λ τθβ β πθ απσο πθ εαδ αθ δζάο πθ πθ Γ ληαθυθ κυλδ υθ ΰδα ζζϊ α πμ

Διαβάστε περισσότερα

ΰεΪλ δα βζ ε λκηαΰθβ δεϊ ετηα α, α κπκέα ι εδθκτθ απσ ηέα φπ δθά πβΰά εαδ εδθκτθ αδ υγτΰλαηηα πλκμ σζ μ δμ εα υγτθ δμ.

ΰεΪλ δα βζ ε λκηαΰθβ δεϊ ετηα α, α κπκέα ι εδθκτθ απσ ηέα φπ δθά πβΰά εαδ εδθκτθ αδ υγτΰλαηηα πλκμ σζ μ δμ εα υγτθ δμ. 1 Φ ΙΚΟ ΦΩ Σκ φπμ (σππμ Ϊζζπ κζσεζβλβ β βζ ε λκηΰθβ δεά ε δθκίκζέ) έθδ ΰεΪλ δ βζ ε λκηΰθβ δεϊ ετη, κπκέ ι εδθκτθ πσ ηέ φπ δθά πβΰά εδ εδθκτθ δ υγτΰληη πλκμ σζ μ δμ ε υγτθ δμ. Οδ υθάγ δμ φπ δθϋμ πβΰϋμ (π.ξ.

Διαβάστε περισσότερα

βθ ΣΫξθβ α.. ξλυηα α ΧαλΪ δηδ αά, Χβη. Μβξαθδεσμ, λ. δκζκΰέαμ, University College London τα ΛΫφα, Παθ ζζάθδκ υθϋ λδκ Scientix 3-4 π Ϋηίλβ Μ.Π.

βθ ΣΫξθβ α.. ξλυηα α ΧαλΪ δηδ αά, Χβη. Μβξαθδεσμ, λ. δκζκΰέαμ, University College London τα ΛΫφα, Παθ ζζάθδκ υθϋ λδκ Scientix 3-4 π Ϋηίλβ Μ.Π. επαδ υ δεσ θϊλδκ STEAM ΰδα ηαγβ Ϋμ/ λδ μ Λυε έκυ: Ό αθ β πδ άηβ υθϊθ β βθ ΣΫξθβ α.. ξλυηα α ΧαλΪ δηδ αά, Χβη. Μβξαθδεσμ, λ. δκζκΰέαμ, University College London τα ΛΫφα, Φυ δεσμ, λ. λκφυ δεάμ, γθδεσ λκ

Διαβάστε περισσότερα

εαδ ΰδα βθ εα Ϊλΰβ β βμ κ βΰέαμ 89/686 ΟΚ.

εαδ ΰδα βθ εα Ϊλΰβ β βμ κ βΰέαμ 89/686 ΟΚ. Γ ΝΙΚΗ ΓΡ ΜΜ Σ Ι ΙΟΜΗΥ ΝΙ ΙI Γ ΝΙΚΗ /Ν Η Φ ΡΜΟΓΗ Κ ΝΟΝΙ ΜΧΝ, ΤΠΟ ΟΜΧΝ Κ Ι Λ ΓΥΟΤ /Ν Η Σ ΥΝΙΚΗ ΙΟΜΗΥ ΝΙΚΗ ΝΟΜΟΘ Ι Μ ΣΟΜΙΚΗ ΠΡΟ Σ Ι & ΠΟΠΣ Ι ΣΗ ΓΟΡ ΣΗΝ ΛΛ Κ ΝΟΝΙ ΜΟ ( ) 2016/425 ξ δεϊ η α ηϋ α α κηδεάμ πλκ

Διαβάστε περισσότερα

ΠΟΤ ΩΝ Μ Σ ΠΣΤΧΙ ΚΟ ΠΡΟΓΡ ΜΜ ΠΟΤ ΩΝ

ΠΟΤ ΩΝ Μ Σ ΠΣΤΧΙ ΚΟ ΠΡΟΓΡ ΜΜ ΠΟΤ ΩΝ ΧΟΛ ΟΙΚΟΝΟΝΙΚΩΝ, ΠΙΧ ΙΡ Μ ΣΙΚΩΝ Κ Ι Ι ΘΝΩΝ ΠΟΤ ΩΝ ΣΜ Μ Ι ΘΝΩΝ Κ Ι ΤΡΩΠ ΙΚΏΝ ΠΟΤ ΩΝ Μ Σ ΠΣΤΧΙ ΚΟ ΠΡΟΓΡ ΜΜ ΠΟΤ ΩΝ «BRICS: ΟΙΚΟΝΟΜΙ -ΚΟΙΝΩΝΙ - ΞΩΣ ΡΙΚΗ ΠΟΛΙΣΙΚΗ» Ν Σ ΛΙ ΛΙ ΓΚ ΙΠΛΩΜ ΣΙΚΗ ΡΓ Ι «Η Μ ΚΡΟΟΙΚΟΝΟΜΙ

Διαβάστε περισσότερα

πλκγλαηηα δεά π λέκ κ ΙωΪθθημ Σ δ σπκυζκμ (ATM- MBA, Msc, CMI Dip.Man.) Κ ΠΑ-ΑΝ Μ/Τπ. ηηκ δσ η αμ & Πζηλκφσλη ημ

πλκγλαηηα δεά π λέκ κ ΙωΪθθημ Σ δ σπκυζκμ (ATM- MBA, Msc, CMI Dip.Man.) Κ ΠΑ-ΑΝ Μ/Τπ. ηηκ δσ η αμ & Πζηλκφσλη ημ Χληηα κ σ η η Κκδθωθδευθ πδχ δλά ωθ πλκγλαηηα δεά π λέκ κ 2014-2020 ηθ ΙωΪθθημ Σ δ σπκυζκμ (ATM- MBA, Msc, CMI Dip.Man.) Κ ΠΑ-ΑΝ Μ/Τπ. ηηκ δσ η αμ & Πζηλκφσλη ημ Γδα έ γϋζκυη /αθααβ κτη β ξλβηα κ σ β β;

Διαβάστε περισσότερα

(Oxford Universal Dictionary) χ ιά ω (planifier): (Larousse)

(Oxford Universal Dictionary) χ ιά ω (planifier): (Larousse) Η έ οια ο σχ ιασ ού. Η έ οια ο σχ ιασ ού Ηά ο ι ώ : χ ιασµός ή ο αµµα ισµός: Ο α α ισµός σ ίο, αθο ί ο ος ο σύ ο ο σ ο ισµέ ιώ [ αι], σιµο οι θ σοµέ µέσ [ ς] αι αά ο ιοι ι ή ο ά σι, ος ο ισµέ µα ο ο ί

Διαβάστε περισσότερα

εϊγ έ κμ Ϊφβ ε σμ απσ ίλαξυ β

εϊγ έ κμ Ϊφβ ε σμ απσ ίλαξυ β Άλγλκ 1 Τ Ρ 3.15 ε εαφά εαδ παθαπζάλπ β ξϊθ αεκμ αλ υ δεκτ δε τκυ ά υπκΰ έκυ δε τκυ πζβθυ πθ ( ε σμ εα κδεβηϋθπθ π λδκξυθ) Άλγλκ 1.1 Τ Ρ 3.15.01 εϊγ έ κμ Ϊφβ ε σμ απσ ίλαξυ β τθκζκ (m 3 ) : 146,31 ε εαφά

Διαβάστε περισσότερα

T ΧΝΟΛΟΓΙΚΟΤ ΣΟΜ Μ Λ ΣΗ ΣΩΝ Ν ΩΝ Σ ΩΝ ΣΗ ΧΡΗ Η ΣΩΝ WEARABLES ΓΙ ΣΗΝ. Πλσΰλαηηα Μ απ υξδαευθ πκυ υθ: Π δλαδϊμ, Οε υίλδκμ 2017

T ΧΝΟΛΟΓΙΚΟΤ ΣΟΜ Μ Λ ΣΗ ΣΩΝ Ν ΩΝ Σ ΩΝ ΣΗ ΧΡΗ Η ΣΩΝ WEARABLES ΓΙ ΣΗΝ. Πλσΰλαηηα Μ απ υξδαευθ πκυ υθ: Π δλαδϊμ, Οε υίλδκμ 2017 Μ Λ ΣΗ ΣΩΝ Ν ΩΝ Σ ΩΝ ΣΗ ΧΡΗ Η ΣΩΝ WEARABLES ΓΙ ΣΗΝ Π Ρ ΚΟΛΟΤΘΗ Η Κ Ι Κ Σ ΓΡ ΦΗ ΙΟΜ ΣΡΙΚΩΝ ΟΜ ΝΩΝ. ΓΟΤΡΝ ΡΗ ΙΛΙΚΗ Πλσΰλαηηα Μ απ υξδαευθ πκυ υθ: υ κηα δ ησμ Παλαΰπΰάμ εαδ Τπβλ δυθ Ι ΣΡΙ Η Π δλαδϊμ, Οε υίλδκμ

Διαβάστε περισσότερα

ω α χ υ χ υ -

ω α χ υ χ υ - Ν π Ν Ε χ υχ Κ υ durem@he.duth.gr υ χ υ π χ υ Πλυδηκδ ΰ πλΰκέ εδ ε βθκ λκφά βθ ίσλ δ ζζϊ Οδεκθκηέ εδ έε υ θ ζζΰυθ Κκδθπθδεά κλΰϊθπ β κδχ έ δ κζκΰέμ Ππμ θ πη υθκυθ κυμ θ κ λδ ηκτμ κδ ΰλκ δεϋμ εκδθσ β μ

Διαβάστε περισσότερα

: 14PROC002178853 . : 210 36.94.100. φ : 213 2116445 Fax : 210 3630110 E-mail : d.anagnostopoulos@tpd.gr. (PCs)». (L 335)».

: 14PROC002178853 . : 210 36.94.100. φ : 213 2116445 Fax : 210 3630110 E-mail : d.anagnostopoulos@tpd.gr. (PCs)». (L 335)». : 14PROC002178853 T Θ Ω & Ω π α α, 18-7-2014 α α 40-10174 Θ..: 5241. : 210 36.94.100 Θ : π ( 2) : ΓΣ φ :. α π υ φ : 213 2116445 Fax : 210 3630110 E-mail : d.anagnostopoulos@tpd.gr Θ : Δ α υ π υ α, α α

Διαβάστε περισσότερα

βθ παλξέα Λαΰεα Ϊ ά δα παλαΰπΰά υΰλάμ εκπλδϊμ αΰ ζϊ αμ ΰαζαε κπαλαΰπΰάμ: 23 ά δα παλαΰπΰά CO₂ αΰ ζϊ αμ ΰαζαε κπαλαΰπΰάμ: π λ.

βθ παλξέα Λαΰεα Ϊ ά δα παλαΰπΰά υΰλάμ εκπλδϊμ αΰ ζϊ αμ ΰαζαε κπαλαΰπΰάμ: 23 ά δα παλαΰπΰά CO₂ αΰ ζϊ αμ ΰαζαε κπαλαΰπΰάμ: π λ. ω π χ υ π ω π υ χω υ υπ ω φ ω π.. Πζβγυ ησμ κκ δ υθ Ν. Θ ζκθέεβμ: 58.500 35% βμ ε βθκ λκφέμ ίκκ δ υθ κυ Ν. Θ βθ πλξέ Λΰε Ϊ ζκθέεβμ ά δ πλΰπΰά υΰλάμ εκπλδϊμ ΰ ζϊ μ ΰζε κπλΰπΰάμ: 23 ά δ πλΰπΰά CO₂ ΰ ζϊ μ

Διαβάστε περισσότερα

14PROC

14PROC Β Γ Θ Γ Θ Χ KB EΦτPEIA Pτ TτPIK σ K A IK σ APXAIτTHT σ ο 22-04-2014 α ο α α. π ω. 2567 14PROC002010550 2014-04-28 αχ. Β/ : ππο 85100 ο οφο ί :. α ά.: 2241365200, 43791-2 Fax: 2241030688 Email: kbepka@culture.gr.

Διαβάστε περισσότερα

δπζπηα δεά λΰα έα κυ φκδ β ά κυ Σηάηα κμ Ηζ ε λκζσΰπθ Μβξαθδευθ εαδ Σ ξθκζκΰέαμ Τπκζκΰδ υθ βμ Πκζυ ξθδεάμ ξκζάμ κυ Παθ πδ βηέκυ Πα λυθ

δπζπηα δεά λΰα έα κυ φκδ β ά κυ Σηάηα κμ Ηζ ε λκζσΰπθ Μβξαθδευθ εαδ Σ ξθκζκΰέαμ Τπκζκΰδ υθ βμ Πκζυ ξθδεάμ ξκζάμ κυ Παθ πδ βηέκυ Πα λυθ ΠΑΝ ΠΙΣΗΜΙΟ ΠΑΣΡΩΝ ΣΜΗΜΑ ΗΛ ΚΣΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ Σ ΧΝΟΛΟΓΙΑ ΤΠΟΛΟΓΙΣΩΝ ΣΟΜΕΑ: ΣΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΚΑΙ ΣΕΧΝΟΛΟΓΙΑ ΠΛΗΡΟΦΟΡΙΑ ΕΡΓΑΣΗΡΙΟ: ΑΤΡΜΑΣΗ ΣΗΛΕΠΙΚΟΙΝΩNΙΑ δπζπηα δεά λΰα έα κυ φκδ β ά κυ Σηάηα κμ Ηζ

Διαβάστε περισσότερα

2.1 φ βλέ μ. Σκ εκδθπθδεσ πλκφέζ πθ ουξκζσΰπθ 2.2 Σκ επαδ υ δεσ ε φϊζαδκ πθ ουξκζσΰπθ. 2.4 παΰΰ ζηα δεά δα λκηά πθ ουξκζσΰπθ θ σμ πθ κηυθ

2.1 φ βλέ μ. Σκ εκδθπθδεσ πλκφέζ πθ ουξκζσΰπθ 2.2 Σκ επαδ υ δεσ ε φϊζαδκ πθ ουξκζσΰπθ. 2.4 παΰΰ ζηα δεά δα λκηά πθ ουξκζσΰπθ θ σμ πθ κηυθ 1 Επα α α υ ό : Η π π η η α α απ α α η υ υ α η Ε α 2 ό α 1. Ε α πα α 1.1. ουξδα λδεά η αλλτγηδ β βθ ζζϊ α 1.2 Σκ πϊΰΰ ζηα κυ ουξκζσΰκυ 1.3 Πλκίζβηα δεά βμ Ϋλ υθαμ 1.4 θ δε έη θκ εαδ ηϋγκ κμ 2. π α α υ

Διαβάστε περισσότερα

ΠΣΤΧΙ ΚΗ ΡΓ Ι. Σέ ζκμ: ΠλκΰλΪηηα α Ϊ εβ βμ α σηωθ η φαθδαέα θσ κ. Οθκηα πυθυηκ φκδ β ά : πδίζϋπωθ εαγβΰβ άμ : υαΰΰ ζέα ΚκυΨ ά

ΠΣΤΧΙ ΚΗ ΡΓ Ι. Σέ ζκμ: ΠλκΰλΪηηα α Ϊ εβ βμ α σηωθ η φαθδαέα θσ κ. Οθκηα πυθυηκ φκδ β ά : πδίζϋπωθ εαγβΰβ άμ : υαΰΰ ζέα ΚκυΨ ά ΡΙΣΟΣ Λ ΙΟ Π Ν ΠΙΣΗΜΙΟ Θ ΛΟΝΙΚΗ ΣΜΗΜ ΠΙΣΗΜΗ ΦΤΙΚΗ ΓΩΓΗ Κ Ι ΘΛΗΣΙΜΟΤ ΠΣΤΧΙ ΚΗ ΡΓ Ι Σέ ζκμ: ΠλκΰλΪηηα α Ϊ εβ βμ α σηωθ η φαθδαέα θσ κ Οθκηα πυθυηκ φκδ β ά : υϊΰΰ ζκμ Κα αθ κτλαμ..μ. : 16221 πδίζϋπωθ εαγβΰβ

Διαβάστε περισσότερα

English Advanced. Think Teen! 1 st Grade, Advanced Level Student s Book: Units 1-5, pages: Workbook: Units 1-5, pages: 1-70.

English Advanced. Think Teen! 1 st Grade, Advanced Level Student s Book: Units 1-5, pages: Workbook: Units 1-5, pages: 1-70. 2 ο ΓΤΜΝΑΙΟ ΚΑΙΑΡΙΑΝΗ Ν ΟΧΟΛΙΚ Ξ ΣΑ Ι ΣΑΞΗ: Α ΜΑΘΗΜΑ: ΑΓΓΛΙΚΑ Ι ΑΚΟΝΣ : ΚΑΣΑ Α. / ΣΡΑΣΙΚΗ. Ξ Σ Α Σ Α English Advanced Think Teen! 1 st Grade, Advanced Level Student s Book: Units 1-5, pages: 1-72 Workbook:

Διαβάστε περισσότερα

ΧΟΛ ΟΙΚΟΝΟΜΙΚΩΝ Κ Ι ΠΟΛΙΣΙΚΩΝ ΠΙ Σ ΜΩΝ ΣΜ Μ ΟΙΚΟΝΟΜΙΚΩΝ ΠΙ Σ ΜΩΝ Μ Σ ΠΣΤΧΙ ΚΟ ΠΡΟΓΡ ΜΜ ΠΟΤ ΩΝ: MBA

ΧΟΛ ΟΙΚΟΝΟΜΙΚΩΝ Κ Ι ΠΟΛΙΣΙΚΩΝ ΠΙ Σ ΜΩΝ ΣΜ Μ ΟΙΚΟΝΟΜΙΚΩΝ ΠΙ Σ ΜΩΝ Μ Σ ΠΣΤΧΙ ΚΟ ΠΡΟΓΡ ΜΜ ΠΟΤ ΩΝ: MBA ΡΙ ΣΣ Λ Ι Π Ν ΠΙ Σ ΜΙ Θ ΛΝΙΚ ΧΛ ΙΚΝΜΙΚΩΝ Κ Ι ΠΛΙΣΙΚΩΝ ΠΙ Σ ΜΩΝ ΣΜ Μ ΙΚΝΜΙΚΩΝ ΠΙ Σ ΜΩΝ Μ Σ ΠΣΤΧΙ Κ ΠΡΓΡ ΜΜ ΠΤ ΩΝ: MBA Ι Ι Ε Ι Φ Ι ΕΡΙ Ι ΓΡ ΙΠΛΩΜ ΣΙΚ ΡΓ Ι Ν ΓΝΧ ΣΤ ΥΡ Σ ΠΙ Λ ΠΤ Κ Θ Γ ΣΡΙ : ε. ΚΤΡΙ Κ Κ ΜΙ

Διαβάστε περισσότερα

8/4/ /06/04/2017. ω /06/04/2017

8/4/ /06/04/2017. ω /06/04/2017 Α Α Α ΑΧΑ Ω 11o.. 194.. 1o 8/4/2017. ω. &. 22139/06/04/2017 8 2017, 11:00 (2, ω / ) ω. 22139/06/04/2017 ω, ω 67.4 75. 3852/2010, ω.. 1. ω - 2. ω 3. 4. 5. 6. ω 7. 8. 9. ω Α: 2017 ω. ω. 296/17 115 ό ή ή,

Διαβάστε περισσότερα

ABSTRACT πκ κξά υ βηϊ πθ παθαξλβ δηκπκέβ βμ απσ κυμ πκζέ μ Έµµ β πσ δµβ παθαξλβ δηκπκέβ β α δευθ υΰλυθ απκίζά πθ...

ABSTRACT πκ κξά υ βηϊ πθ παθαξλβ δηκπκέβ βμ απσ κυμ πκζέ μ Έµµ β πσ δµβ παθαξλβ δηκπκέβ β α δευθ υΰλυθ απκίζά πθ... Α «Η Α Α Α Α Η Η : ρ. Α Αθή α, Η Α Α Α Α Η Η Η - Ω Α Α Η Α Α Η Η Η άρ ιος 2017 1 Α Α»...... Π ΡΙ ΥΟΜ Ν Π ΡΙ ΥΟΜ Ν... 1 Π ΡΙΛ Φ... 3 ABSTRACT... 4 Ι ΓΧΓ... 5 Κ φϊζαδκ 1κ - Οδ ηϋγκ κδ π ι λΰα έαμ εαδ β παθαξλβ

Διαβάστε περισσότερα

κυ άηκυ δεέθκυ ΰδα ηθ Ϋΰελδ η πθ οδεοθοηδευθ εα α Ϊ επθ δ οζοΰδ ηοτ 2013 άηου δεέθου»

κυ άηκυ δεέθκυ ΰδα ηθ Ϋΰελδ η πθ οδεοθοηδευθ εα α Ϊ επθ δ οζοΰδ ηοτ 2013 άηου δεέθου» ΛΛΗΝΙΚΗ ΗΜΟΚΡ ΣΙ ΝΟΜΟ ΚΤΚΛ ΧΝ ΗΜΟ ΙΚΙΝΟΤ βηκ δεσ υηίκτζδκ Α Π Ο Π Α Μ Α πσ α πλαε δεϊ βμ απσ 25/03/2017 2βμ δ δεάμ υθ λέα βμ κυ βηκ δεκτ υηίκυζέκυ κυ άηκυ δεέθκυ λδγησμ πσφα βμ: 17/2017 Θ ΜΑ: Απσφα η ηηο

Διαβάστε περισσότερα

14PROC

14PROC 1 ΑΝΑΡΣΗΣ Α ΣΟ ΙΑ ΙΚΣΤΟ Α..Α.: ΑΝΑΡΣΗΣ Α ΣΟ ΜΗΣΡΩΟ Α..Α.Μ.: ΛΛΗΝΙΚΗ ΗΜΟΚΡΑΣΙΑ ΘΝΙΚΟ ΚΑΙ ΚΑΠΟ ΙΣΡΙΑΚΟ γάθα, 14-04-2014 ΠΑΝ ΠΙΣΗΜΙΟ ΑΘΗΝΩΝ ΑΡ ΣΑΙ ΙΟ ΝΟΟΚΟΜ ΙΟ λδγη.πλπ.: 81 Ι ΤΘΤΝΗ ΟΙΚΟΝΟΜΙΚΟΤ /θ β : α.

Διαβάστε περισσότερα