Χρήση business intelligence και social listening για τη βελτιστοποίηση της στρατηγικής μάρκας με το Power BI

Abstract

Η παρούσα εργασία εξετάζει τη συμβολή των Web και Social Media Analytics στη διαδικασία λήψης αποφάσεων στο digital marketing, εστιάζοντας στη χρήση εργαλείων Business Intelligence και στην ανάλυση δεδομένων κοινωνικής ακρόασης. Στο θεωρητικό μέρος παρουσιάζονται οι βασικές έννοιες του BI, οι διαδικασίες συλλογής, επεξεργασίας και οπτικοποίησης δεδομένων, καθώς και οι τεχνικές social listening και sentiment analysis που επιτρέπουν την κατανόηση της online συμπεριφοράς και των αντιδράσεων του κοινού. Η εμπειρική εφαρμογή πραγματοποιήθηκε σε συνεργασία με την Palowise, εταιρεία που εξειδικεύεται στη συλλογή και ανάλυση ψηφιακών δεδομένων. Αρχικά εξετάστηκαν τα υφιστάμενα dashboards και KPIs της εταιρείας, με στόχο την αξιολόγηση της πληρότητας, της ευχρηστίας και της αναλυτικής τους αξίας. Στη συνέχεια αναπτύχθηκε μια μεθοδολογία για τον ανασχεδιασμό των οπτικοποιήσεων, λαμβάνοντας υπόψη τα διαθέσιμα δεδομένα, τις ανάγκες των τελικών χρηστών και τις αρχές αποτελεσματικού BI reporting. Με βάση τη μεθοδολογία αυτή δημιουργήθηκαν πέντε νέα dashboards στο Power BI, τα οποία προσφέρουν καθαρότερη απεικόνιση των KPIs, καλύτερη ιεράρχηση πληροφορίας και πιο άμεση εξαγωγή επιχειρησιακών insights. Τα αποτελέσματα δείχνουν βελτιωμένη κατανόηση των τάσεων, των καναλιών με τη μεγαλύτερη επίδραση και της σχέσης sentiment-engagement-EMV. Η εργασία ολοκληρώνεται με προτάσεις για περαιτέρω ανάπτυξη της πλατφόρμας και αξιοποίηση προηγμένων τεχνικών ανάλυσης.This dissertation examines the role of Web and Social Media Analytics in supporting data driven decision making in digital marketing, with a particular focus on Business Intelligence tools and social listening methodologies. The theoretical framework outlines key BI concepts, data collection and processing flows, as well as sentiment analysis techniques that enable organizations to interpret audience behaviour and online reactions across multiple digital channels. The empirical part of the study was conducted in collaboration with Palowise, a company specializing in large-scale digital data aggregation and analysis. Initially, the existing dashboards and KPIs of the platform were evaluated in terms of completeness, usability, and analytical value. Based on this evaluation, a redesign methodology was developed to improve the clarity, structure, and decision-support capability of the visualizations, taking into account user needs and best practices in BI reporting. Using this methodology, five new dashboards were created in Power BI, offering enhanced visual clarity, improved KPI hierarchy, and more actionable insights. The redesigned dashboards enable better understanding of channel performance, sentiment distribution, engagement trends, and EMV dynamics. The study concludes with recommendations for further development of the platform, including the integration of additional datasets and the use of advanced analytical techniques.