Επιχειρηματική αναλυτική στην πράξη: η περίπτωση ενός online καταστήματος

Abstract

Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανάλυση πραγματικών δεδομένων από ηλεκτρονικό κατάστημα λιανικής πώλησης επαγγελματικού εξοπλισμού εργασίας και μέσων ατομικής προστασίας. Στόχος της μελέτης είναι η διερεύνηση της αγοραστικής συμπεριφοράς των πελατών, η αναγνώριση προτύπων υψηλής κερδοφορίας και η διατύπωση τεκμηριωμένων επιχειρησιακών προτάσεων, με σκοπό τη βελτίωση της αποτελεσματικότητας στο ηλεκτρονικό εμπόριο. Η ανάλυση βασίστηκε σε δεδομένα παραγγελιών και πελατών που εξήχθησαν από την πλατφόρμα του e-shop και αφορούν πραγματικές συναλλαγές διάρκειας τεσσάρων (4) ετών. Στο πλαίσιο της εργασίας εφαρμόστηκαν διαδικασίες καθαρισμού και προετοιμασίας δεδομένων, περιγραφική στατιστική ανάλυση, καθώς και προηγμένες μέθοδοι επεξεργασίας και οπτικοποίησης. Ειδικότερα, πραγματοποιήθηκε τμηματοποίηση πελατών με χρήση του μοντέλου RFM (Recency, Frequency, Monetary) και εφαρμογή κανόνων συσχέτισης προϊόντων μέσω της μεθόδου Market Basket Analysis. Η ανάλυση υλοποιήθηκε με εργαλεία όπως το Microsoft Excel, SAS Enterprise Guide και το περιβάλλον του SAS Viya. Τα αποτελέσματα ανέδειξαν βασικά αγοραστικά μοτίβα, κατηγορίες πελατών υψηλής αξίας, καθώς και ισχυρές συσχετίσεις μεταξύ προϊόντων που μπορούν να αξιοποιηθούν σε στρατηγικές cross-selling και βελτιωμένη στόχευση marketing. Επιπλέον, εντοπίστηκαν κρίσιμες εποχικές τάσεις στη ζήτηση, χρήσιμες για τη διαχείριση αποθεμάτων και τον προγραμματισμό προωθητικών ενεργειών. Η εργασία καταλήγει σε συγκεκριμένες προτάσεις για την ενίσχυση της πιστότητας των πελατών, την αύξηση των εσόδων και τη στρατηγική αξιοποίηση των δεδομένων για την υποστήριξη της λήψης αποφάσεων. Λέξεις Κλειδιά: Ηλεκτρονικό Εμπόριο, Ανάλυση Δεδομένων, RFM, Market Basket Analysis, SAS Viya, Στρατηγικές Marketing

This thesis focuses on the analysis of real-world data derived from an e-commerce platform specializing in the retail of professional equipment and personal protective gear. The objective of the study is to investigate customer purchasing behavior, identify high-profitability patterns, and formulate well-founded business recommendations aimed at enhancing the effectiveness of e-commerce operations. The analysis is based on customer and order data extracted from the e-shop platform, encompassing actual transactions over a multi-year period. The research includes data cleaning and preparation procedures, descriptive statistical analysis, as well as advanced data processing and visualization techniques. Specifically, the study applies customer segmentation using the RFM (Recency, Frequency, Monetary) model and association rule mining through Market Basket Analysis. The analysis was conducted using tools such as Microsoft Excel, SAS Enterprise Guide and the SAS Viya environment. The findings reveal key purchasing patterns, high-value customer segments, and strong product associations that can support cross-selling strategies and improved marketing targeting. Moreover, the analysis identifies critical seasonal demand trends, valuable for inventory management and promotional planning. The thesis concludes with specific proposals to strengthen customer loyalty, increase revenue, and strategically leverage data to support decision-making.