Τμήμα Λογιστικής και Χρηματοοικονομικών http://hdl.handle.net/11728/11481 2026-05-12T07:53:51Z 2026-05-12T07:53:51Z Καραντάκου, Βασιλική http://hdl.handle.net/11728/13395 2026-05-05T12:30:44Z 2026-02-01T00:00:00Z

Η εξέλιξη της τεχνολογίας και η επίδραση της στην ελεγκτική. Καραντάκου, Βασιλική Η παρούσα εργασία εξετάζει τη μετάβαση της ελεγκτικής λειτουργίας σε ένα ψηφιακό, δεδομενοκεντρικό και τεχνολογικά ενισχυμένο υπόδειγμα, με έμφαση στη συνύφανση της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης με τις παραδοσιακές και σύγχρονες τεχνικές ελέγχου. Στο θεωρητικό σκέλος αναλύονται οι ορισμοί, τα κύματα εξέλιξης και οι περιορισμοί ερμηνευσιμότητας της Τεχνητής Νοημοσύνης, καθώς και οι μηχανισμοί μέσω των οποίων ο ψηφιακός μετασχηματισμός εντείνει τις απαιτήσεις διαφάνειας και λογοδοσίας σε δημόσιο και ιδιωτικό περιβάλλον. Παρουσιάζονται οριζόντιες τεχνολογίες που διατρέχουν την ελεγκτική, όπως Μεγάλα Δεδομένα, Υπολογιστικό Νέφος, Αλυσίδα Μπλοκ και Τεχνικές Ελέγχου με τη Βοήθεια Υπολογιστή, και αξιολογείται ο ρόλος τους στη μετάβαση από δειγματοληπτικές προσεγγίσεις σε αναλύσεις πλήρους πληθυσμού και σε συνεχή διασφάλιση. Στη συνέχεια θεμελιώνεται το επιστημονικό πλαίσιο της ελεγκτικής μέσα από οργανωσιακές και θεσμικές θεωρήσεις, τον κύκλο ζωής του ελέγχου και τα μοντέλα υιοθέτησης τεχνολογίας, ώστε να εξηγηθεί γιατί η τεχνολογική απορρόφηση αποτελεί ταυτόχρονα τεχνική και θεσμική αλλαγή. Το ερευνητικό σκέλος συγκροτεί μεθοδολογικό πρωτόκολλο βιβλιογραφικής επισκόπησης, με εννοιολογική οριοθέτηση, κριτήρια επιλογής και θεματική σύνθεση, και καταλήγει σε ενοποιημένο πλαίσιο υιοθέτησης και σε κατευθύνσεις για πολιτική, επαγγελματική πρακτική και μελλοντική έρευνα, με κεντρικό ζητούμενο την ελεγκσιμότητα και τη λογοδοσία των συστημάτων Τεχνητής Νοημοσύνης. ENGLISH ABSTRACT The present dissertation systematically examines the transition of auditing to a digital, data-centric, and technology-enhanced model, with an emphasis on the interweaving of Artificial Intelligence and Machine Learning with traditional and modern auditing techniques. The theoretical part analyzes the definitions, the waves of development and the interpretability limitations of Artificial Intelligence, as well as the mechanisms through which digital transformation intensifies the requirements for transparency and accountability in public and private environments. Horizontal technologies that run through auditing, such as Big Data, Cloud Computing, Blockchain, and Computer-Assisted Audit Techniques, and their role in the transition from sampling approaches to full population analysis and continuous assurance is evaluated. It then establishes the scientific framework of auditing through organizational and institutional considerations, the audit life cycle, and technology adoption models to explain why technology absorption is both a technical and institutional change. The research section consists of a methodological protocol for a literature review, with conceptual delimitation, selection criteria, and thematic composition, and concludes with a unified adoption framework and guidelines for policy, professional practice, and future research, with a focus on the auditability and accountability of Artificial Intelligence systems.

2026-02-01T00:00:00Z Σουλτάνα, Θεοδωρίδου http://hdl.handle.net/11728/13394 2026-05-05T12:22:14Z 2026-02-01T00:00:00Z

Η εξέλιξη της τεχνολογίας και η επίδρασή της στην ελε-γκτική: Προκλήσεις και Προοπτικές από την Ενσωμά-τωση Τεχνητής Νοημοσύνης και Αυτοματισμών Σουλτάνα, Θεοδωρίδου Η παρούσα διπλωματική εργασία εξετάζει την εξέλιξη της τεχνολογίας και την επίδρασή της στην ελεγκτική λειτουργία, με ιδιαίτερη έμφαση στην ενσωμάτωση της τεχνητής νοη-μοσύνης, της ανάλυσης μεγάλων δεδομένων, της ρομποτικής αυτοματοποίησης διαδικα-σιών και της τεχνολογίας blockchain. Στόχος της έρευνας είναι η διερεύνηση του τρόπου με τον οποίο οι σύγχρονες ψηφιακές τεχνολογίες μετασχηματίζουν τις ελεγκτικές διαδικασίες, επηρεάζουν την ποιότητα και την αποδοτικότητα του ελέγχου και αναδιαμορφώνουν τον ρόλο και τις απαιτούμενες δεξιότητες του ελεγκτή στο σύγχρονο οικονομικό περιβάλλον. Η μελέτη βασίζεται σε δευτερογενή ερευνητική προσέγγιση, η οποία περιλαμβάνει συ-στηματική βιβλιογραφική ανασκόπηση διεθνών, επιστημονικών δημοσιεύσεων, καθώς και συγκριτική ανάλυση εταιρικών εκθέσεων μεγάλων ελεγκτικών εταιρειών, όπως οι KPMG, Deloitte, EY και PwC. Μέσα από την ανάλυση ττης βιβλιογραφίας και των επαγγελματικών πρακτικών, αναδεικνύονται τα βασικά οφέλη της τεχνολογικής ενσωμάτωσης στην ελεγκτι-κή, όπως η βελτίωση της ακρίβειας, η αύξηση της διαφάνειας, η δυνατότητα συνεχούς ελέγ-χου και η αποτελεσματικότερη διαχείριση του ελεγκτικού κινδύνου. Παράλληλα, η εργασία επισημαίνει σημαντικές προκλήσεις που σχετίζονται με την αξιο-πιστία αλγορίθμων, την προστασία των δεδομένων, την κυβερνοασφάλεια, την ηθική και δεοντολογική διάσταση του επαγγέλματος, καθώς και την ανάγκη προσαρμογής του ρυθμι-στικού πλαισίου. Τα εύρηματα καταδεικνύουν ότι, παρά τον υψηλό βαθμό αυτοματοποίη-σης, η επαγγελματική κρίση του ελεγκτή παραμένει αναντικατάστατη. Συμπερασματικά, η τεχνολογία δεν αντικαθιστά τον ελεγκτή, αλλά λειτουργεί συμπληρω-ματικά, ενισχύοντας τον στρατηγικό και συμβουλευτικό του ρόλο. Η επιτυχής ενσωμάτωση της τεχνητής νοημοσύνης στην ελεγκτική προϋποθέτει συνεχή εκπαίδευση, ισχυρά πλαίσια διακυβέρνησης και ισορροπία μεταξύ τεχνολογικής και ανθρώπινης κρίσης. ENGLISH ABSTRACT This master’s thesis examines the evolution of technology and its impact auditing profes-sion, with particular emphasis on the integration of artificial intelligence, big data analytics, robotic process automation, and blockchain technology. The main objective of the study is to investigate how modern digital technologies transform auditing processes, affect audit quality and efficiency, and reshape the role and required competencies of auditors in the contempo-rary financial environment. The research adopts a secondary research methodology, combining a systematic review of international academic literature with a comparative analysis of corporate reports published by major auditing firms, including KPMG, Deloitte, EY, and PwC. Through this approach, the study identifies key trends and practices related to the technological transformation of au-diting and evaluates both theoretical and practical perspectives. The findings highlight significant benefits arising from the adoption of advanced technolo-gies in auditing, such as enhanced accuracy, increased transparency, continuous auditing ca-pabilities, improved risk assessment, and greater operational efficiency. The use of artificial intelligence and data analytics enables auditors to analyze entire populations of transactions rather than relying solely on traditional sampling methods, thereby strengthening audit relia-bility and timeliness. At the same time, the study emphasizes critical challenges associated with technological in-tegration, including algorithmic reliability, data governance, cybersecurity risks, ethical con-siderations, and regulatory compliance. Despite the growing role of automation, the research underlines that professional judgment, ethical responsibility, and auditor independence re-main essential elements of high – quality auditing. Overall, the thesis concludes that technology does not replace the auditor but rather com-plements and enhances the auditor’s strategic and advisory role. Successful implementation of artificial intelligence in auditing requires continuous professional training, robust govern-ance frameworks, and a balanced interaction between technological tools and human exper-tise. The study contributes to the broader academic and professional discourse on the future of auditing in an increasingly digitalized environment.

2026-02-01T00:00:00Z Δεμίρη, Σοφία http://hdl.handle.net/11728/13393 2026-05-05T12:13:09Z 2026-01-01T00:00:00Z

Καταναλωτικές τάσεις στις ηλεκτρονικές αγορές μέσω ανάλυσης δεδομένων και μηχανικής μάθησης Δεμίρη, Σοφία Η παρούσα διπλωματική εργασία εστιάζει στη μελέτη των καταναλωτικών τάσεων στις ηλεκτρονικές αγορές, αξιοποιώντας τεχνικές ανάλυσης δεδομένων και μεθόδους μηχανικής μάθησης, με έμφαση στην ανάλυση συσχετίσεων μεταξύ δημογραφικών και συμπεριφορικών χαρακτηριστικών των καταναλωτών. Σκοπός της έρευνας είναι η διερεύνηση και η κατανόηση της αγοραστικής συμπεριφοράς στο ψηφιακό περιβάλλον, καθώς και η ανάδειξη προτύπων που δύναται να συμβάλλουν στη βελτίωση της αποδοτικότητας και της στρατηγικής προσέγγισης των σύγχρονων επιχειρήσεων που δραστηριοποιούνται στο ηλεκτρονικό εμπόριο. Η έρευνα βασίζεται σε ένα πραγματικό σύνολο δεδομένων σχετικά ηλεκτρονικού εμπορίου, το οποίο διατίθεται δημόσια μέσω της πλατφόρμας kaggle και αφορά την πλατφόρμα Olist. Tο συγκεκριμένο σύνολο δεδομένων περιλαμβάνει πραγματικές συναλλαγές, χαρακτηριστικά παραγγελιών καθώς και πληροφορίες σχετικά με τη διαδικασία παράδοσης. Όλα τα παραπάνω, αξιοποιούνται για την ανάλυση καταναλωτικών τάσεων και την λήψη επιχειρηματικών αποφάσεων. Η μεθοδολογική προσέγγιση επικεντρώνεται στη διερευνητική ανάλυση δεδομένων και στον υπολογισμό συντελεστών συσχέτισης με στόχο την αποτύπωση των σχέσεων μεταξύ δημογραφικών χαρακτηριστικών, καταναλωτικών επιλογών και ικανοποίησης των καταναλωτών. Τα αποτελέσματα της ανάλυσης αποδεικνύουν την ύπαρξη σημαντικών συσχετίσεων μεταξύ συγκεκριμένων χαρακτηριστικών και αγοραστικών προτύπων, καθώς και τη δυνατότητα διάκρισης ομάδων καταναλωτών με παρόμοια χαρακτηριστικά. Συνολικά, η εργασία αναδεικνύει τη χρησιμότητα της ανάλυσης δεδομένων και της μηχανικής μάθησης ως εργαλεία ερμηνείας της καταναλωτικής συμπεριφοράς στο πλαίσιο των ηλεκτρονικών αγορών, ενισχύοντας την κατανόηση των σύγχρονων καταναλωτικών τάσεων. ENGLISH ABSTRACT This thesis focuses on the study of consumer trends in online shopping by employing data analysis techniques and machine learning methods, with particular emphasis on examining correlations between demographic and behavioral characteristics of consumers. The aim of the research is to investigate and understand purchasing behavior in the digital environment, as well as to identify patterns that may contribute to improving the efficiency and strategic approach of contemporary enterprises operating in the field of electronic commerce. The research is based on a synthetic dataset, which includes variables such as age, income, gender, marital status, product category, customer satisfaction level, and payment method. The methodological approach centers on exploratory data analysis and the calculation of correlation measures, in order to capture the relationships between demographic characteristics, consumer choices, and levels of customer satisfaction. The results of the analysis demonstrate the existence of significant correlations between specific characteristics and purchasing patterns, as well as the potential to distinguish groups of consumers with similar profiles. Overall, the study highlights the usefulness of data analysis and machine learning as tools for interpreting consumer behavior in the context of online shopping, thereby enhancing the understanding of contemporary consumer trends.

2026-01-01T00:00:00Z Γιάτσος, Ραφαήλ http://hdl.handle.net/11728/13392 2026-05-05T12:04:54Z 2026-01-01T00:00:00Z

Καταναλωτικές τάσεις στις ηλεκτρονικές αγορές μέσω ανάλυσης δεδομένων και μοντέλων μηχανικής μάθησης Γιάτσος, Ραφαήλ Η παρούσα διπλωματική εργασία εξετάζει τις καταναλωτικές τάσεις στις ηλεκτρονικές αγορές, αναδεικνύοντας τον ρόλο της ανάλυσης δεδομένων και των μοντέλων μηχανικής μάθησης στην κατανόηση της ψηφιακής καταναλωτικής συμπεριφοράς. Στόχος της έρευνας είναι η διερεύνηση των παραγόντων που επηρεάζουν την υιοθέτηση των ηλεκτρονικών αγορών και η αποτύπωση των διαχρονικών μεταβολών στο ψηφιακό καταναλωτικό περιβάλλον, με έμφαση στην ελληνική αγορά. Αρχικά παρουσιάζεται το θεωρητικό υπόβαθρο που αφορά την ηλεκτρονική αγορά, τη συμπεριφορά του καταναλωτή στο διαδίκτυο και τις σύγχρονες καταναλωτικές τάσεις. Στη συνέχεια αναλύεται ο ρόλος των δεδομένων και εισάγονται βασικές έννοιες ανάλυσης δεδομένων και μηχανικής μάθησης. Η εμπειρική προσέγγιση βασίζεται στην αξιοποίηση συγκεντρωτικών δεδομένων από τον τομέα των ηλεκτρονικών πληρωμών, των ψηφιακών συνδρομών και των πλατφορμών ηλεκτρονικών κρατήσεων. Μέσω περιγραφικής ανάλυσης και ανάλυσης χρονοσειρών εξετάζονται οι τάσεις κατα περιόδους,αναδεικνύοντας σημεία καμπής, ρυθμούς υιοθέτησης και στάδια ωρίμανσης της αγοράς. Τα αποτελέσματα δείχνουν οτι σήμερα εχει επιτάχυνθει η ψηφιακή κατανάλωση, οδηγώντας σε δομικές αλλαγές στη συμπεριφορά των καταναλωτών. Παράλληλα, εντοπίζονται σημαντικές δημογραφικές και γεωγραφικές διαφοροποιήσεις, οι οποίες επηρεάζουν την ένταση και τη φύση των ηλεκτρονικών αγορών. ENGLISH ABSTRACT This master’s thesis examines consumer trends in electronic commerce, highlighting the role of data analysis and machine learning models in understanding digital consumer behavior. The main objective of the study is to investigate the factors that influence the adoption of online shopping and to capture the long-term changes in the digital consumption environment, with a particular focus on the Greek market. Initially, the thesis presents the theoretical background related to electronic markets, online consumer behavior, and contemporary consumer trends in e-commerce. Subsequently, the role of data in electronic commerce is analyzed, and fundamental concepts of data analysis and machine learning are introduced. The empirical part of the research is based on the analysis of aggregated data derived from electronic payment systems, digital subscriptions, and online booking platforms. Through descriptive analysis and time series analysis, consumer trends across different periods are examined, identifying structural breakpoints, adoption rates of digital services, and stages of market maturity. The findings indicate that digital consumption has significantly accelerated in recent years, leading to structural changes in consumer behavior rather than temporary shifts. Furthermore, the analysis reveals notable demographic and geographic differences, which affect both the intensity and the nature of electronic shopping activity. Overall, the study demonstrates that data-driven approaches provide valuable insights into evolving consumer behavior and can support informed decision-making in the context of digital markets.

2026-01-01T00:00:00Z