Πρόγραμμα Προπτυχιακών Σπουδών
Ακαδημαϊκό Έτος 2025-26
Βάσεις Δεδομένων και Επιχειρηματική Αναλυτική
Αρχεία και Σύνδεσμοι
5ο ή 7ο Εξάμηνο
ΧΡΒΔΕΑ
Κωδικός Μαθήματος
7,5
Μονάδες ECTS
Ειδίκευσης και Ανάπτυξης Δεξιοτήτων
Τύπος Μαθήματος
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής:
- θα μπορεί να σχεδιάσει διαγράμματα Οντοτήτων-Συσχετίσεων με σκοπό να απεικονίσει τη δομή και τα χαρακτηριστικά μιας σχεσιακής βάσης δεδομένων.
- θα διαθέτει την ικανότητα να διαχειρίζεται σχεσιακές βάσεις δεδομένων μέσω της SQL και συγκεκριμένα: (i) να δημιουργεί αντικείμενα, (ii) να συμπληρώνει πίνακες, (iii) να ενημερώνει ήδη υπάρχοντα δεδομένα, και (iv) να εκτελεί ερωτήματα στις βάσεις δεδομένων.
- θα έχει αποκτήσει βασική εξοικείωση με τη γλώσσα R και θα γνωρίζει τις βασικές συναρτήσεις της, οι οποίες χρειάζονται για να μπορεί να επεξεργαστεί δεδομένα τα οποία έχουν αποθηκευτεί σε μία σχεσιακή βάση δεδομένων.
- θα μπορεί να χρησιμοποιήσει οικονομετρικές μεθόδους με σκοπό να εστιάσει στην ανάλυση μιας επιχείρησης με σκοπό να λάβει τις βέλτιστες αποφάσεις.
Μέσα στο πλαίσιο των συνδυαστικών δεξιοτήτων που θα αποκτήσει ο πτυχιούχος με την παρακολούθηση του συνόλου των μαθημάτων του προγράμματος σπουδών, το μάθημα των Βάσεων Δεδομένων και Επιχειρηματικής Αναλυτικής αποσκοπεί ο πτυχιούχος να αποκτήσει ικανότητες:
- στην αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση των απαραίτητων τεχνολογιών,
- στη λήψη αποφάσεων
- στην αυτόνομη εργασία
- στην προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
- στην άσκηση κριτικής και αυτοκριτικής
Ενότητα 1: SQL & Σχεσιακές Βάσεις Δεδομένων
- Τι είναι σχεσιακή βάση δεδομένων (Relational Database) και πώς δομείται
- Τι είναι σχήμα πίνακα (table schema), πεδία, τύποι δεδομένων, constraints
- Δημιουργία και διαχείριση πινάκων με CREATE, ALTER, DROP
- Χρήση βασικών εντολών SQL: SELECT, WHERE, ORDER BY, DISTINCT, LIMIT
- Συναθροιστικές συναρτήσεις και ομαδοποίηση (GROUP BY, HAVING)
- Συνενώσεις πινάκων (INNER JOIN, LEFT JOIN, κ.ά.)
- Υποερωτήματα (IN, EXISTS, ANY, ALL)
- Δημιουργία εικονικών πινάκων (Views) για reporting
- Πρακτική χρήση του SQL Server Management Studio (SSMS)
Ενότητα 2: Οικονομετρικά Εργαλεία για Πρακτικές Εφαρμογές
- Τι είναι παλινδρόμηση και ποια η χρήση της στην οικονομική ανάλυση
- Εκτίμηση απλής και πολλαπλής γραμμικής παλινδρόμησης
- Έλεγχοι υποθέσεων και ερμηνεία αποτελεσμάτων (p-values, R², t-tests)
- Προβλήματα και διαγνωστικοί έλεγχοι:
- Πολυσυγγραμμικότητα (Multicollinearity)
- Ετεροσκεδαστικότητα (Heteroskedasticity)
- Αυτοσυσχέτιση (Autocorrelation)
- Εφαρμογή οικονομετρικών μοντέλων σε χρηματοοικονομικά δεδομένα
Ενότητα 3: Ανάλυση Δεδομένων με R
- Χρήση του RStudio για στατιστική και οικονομετρική ανάλυση
- Διασύνδεση της R με SQL Server (μέσω DBI και odbc)
- Ανάκτηση δεδομένων από πίνακες SQL απευθείας μέσα από την R
- Επεξεργασία δεδομένων με dplyr: filter(), select(), mutate(), summarise()
- Δημιουργία βασικών διαγραμμάτων (ιστογράμματα, γραμμικά, scatter)
- Εκτίμηση και ερμηνεία μοντέλων παλινδρόμησης με lm()
- Συνδυασμός SQL + R για end-to-end ανάλυση:
- Από SQL → R → Ανάλυση → Οικονομετρικά συμπεράσματα
