Nedir Bu Veri Madenciliği?
Şirket içi yazışmalarımızın, internette dolaştığımız sayfaların, dinlediğimiz müziğin, ürettiğimiz e-postaların, market alışverişlerimizin, internette arama yaptığımızda kaydedilen izlerin, sosyal medyada paylaştığımız herhangi bir fotoğrafın veya videoların ve daha bunun gibi birçok çeşitli aktivitelerin bir veri olabileceği kimin aklına gelirdi? Evet, tüm bunlar bizim ürettiğimiz veriler… Düşünün ki en çok bilinen Google arama motorunda ortalama her saniye 80 binin üzerinde arama yapılıyor ve bu, dakikada yaklaşık 5 milyon arama anlamına geliyor. Sadece burada bu kadar büyük bir veri hacmi bulunurken diğer tüm aktiviteleri de dahil ettiğimizde üretilen veri sayısı inanılmaz boyutlara ulaşıyor. Peki, ürettiğimiz bu kadar büyük hacimli verileri veri madenciliği sayesinde anlamlandırabileceğimizi biliyor muydunuz? Gelin birlikte bakalım.
Madencilik ve Veri Birleşmesi: Veri Madenciliği
Madencilikte bildiğimiz gibi yeraltındaki maden cevherleri araştırılır ve bulunur. Daha sonra bulunan madenler ocaktan çıkarılır ve işletilir. Tüm bu teknik ve yöntemlerin yapıldığı bir süreçtir aslında madencilik…
Veri de aynen maden cevherleri gibidir. Çeşitlidir ve onların da ortaya çıkarılıp işlenerek anlamlı değerler yaratması beklenir.
İşte bu iki kavramın birleşimi olan veri madenciliğinde istenilen veriler büyük veri hacminde araştırılır, ortaya çıkarılır ve analiz edilerek anlamlı sonuçlar elde edilir. Faydalı bilgiye ulaşmak için çeşitli teknik ve yöntemler kullanılır.
Veri Madenciliği Nasıl Uygulanır?
Veri madenciliği bir süreci kapsadığı için uygulaması 8 ana adımdan oluşuyor.
1. Verinin Filtrelenmesi:
İlk adımda büyük hacimli veri tabanlarından istenilen veriler belirlenir ve onlara ulaşmak için araştırmalar yapılır. Araştırma sonrasında bu veriler toplanır. Özetle büyük bir veri kütlesinden kullanılacak veriler filtrelenir.
2. Verinin Temizliği:
Temizlik adımında toplanan verilerin içerisinden gereksiz, tutarsız ya da gürültülü (hatalı) olanlar ayıklanır. Aslında bir temizleme işlemi gerçekleştirilir.
3. Verinin Birleştirilmesi:
Bu adımda farklı veri kaynaklarından elde edilen, benzer özelliklere sahip olan veriler birleştirilir.
4. Verinin Seçimi:
Temizlenen ve birleştirilen verilerden analize uygun olan veriler seçilir.
5. Verinin Dönüştürülmesi:
Seçilen veriler veri madenciliği teknikleri kullanılarak analiz yapılabilmesi için belirli formata dönüştürülür.
6. Veri Madenciliğinin Gerçekleşmesi:
Dönüşümden sonra analize hazır olan veriler veri madenciliği algoritmalarıyla analiz edilir.
7. Yorumlama:
Analiz edilen veriler yorumlanır. Dikkat çekici durumlar tanımlanır. Elde edilen sonuçlar farklı uygulamalardan sonuçlar ile de karşılaştırılabilir. Veriler artık bilgi haline dönüşmüştür.
8. Bilgi sunumu:
Elde edilen bilgiler kullanıcıya sunulur.
Veri Madenciliği Uygulamalarını Nerede Görebiliriz?
Veri madenciliği günlük yaşantımızda çok çeşitli alanlarda kullanılıyor.
Örneğin bankacılık sektöründe kredi taleplerine ilişkin değerlendirmelerin yapılmasında ya da kredi kartı kullanım alışkanlıklarına göre müşterilerin belirlenmesinde, kredi kartından olağan dışı harcamaların tespitinde, dolandırıcılığın saptanmasında veri madenciliği uygulaması bulunuyor.
İnternetten alışveriş yapılırken spor kıyafeti satın alınmasında öneri olarak spor çantasının sunulmasında, e-ticaret web sitelerinde şirketlerin müşteri davranışlarını belirlemesinde, firmaların satış tahmini yapmasında, müşteri sadakatinin arttırılmasında, müşteri segmentlerinin ve tercihlerinin anlaşılmasında, sigorta risk gruplarının belirlenmesinde gibi çok çeşitli alanlarda da veri madenciliğine rastlanıyor.
Ayrıca bazı hastalıkların tanısında karar destek sistemi olarak ya da hastaya özel tedavilerin uygulanmasında, eğitimde öğrencilerin başarılarının değerlendirilmesinde, spor alanında gelecekteki müsabakaların skor tahminlerinde, sporcuların performans değerlendirmesinde ve sakatlanma risklerinin belirlenmesinde veri madenciliği görülüyor.
Veri Madenciliği Şirketlere Ne Gibi Faydalar Sağlayabilir?
Öncelikle veri madenciliği uygulaması ile şirketler beklemedikleri bilgileri keşfederek farklı alanlarda faaliyetler gerçekleştirebilir ve stratejik olarak rakiplerinden fark yaratabilir. Müşterilerini sınıflandırabilir, risklerini önceden tahmin edebilir, müşteri kayıpları ile ilgili sorunlara çözüm bulabilir ve onları elde tutmak için çeşitli yöntemler geliştirebilir.
Diğer taraftan müşterilerinin ihtiyaçlarını ve davranışlarını veri madenciliği ile analiz ederek sundukları ürün ve hizmetlerde yeni aksiyonlar alabilir. Gelecekteki satışlarını tahmin edebilir, pazarlama kampanyalarını en optimal hale getirebilir ve müşterilerine en büyük etkiyi yaratacak olan teklifi sunabilir.
Ayrıca üretim planlarını talep tahminleriyle uyumlu hale getirebilir, atıl kapasiteyi en aza indirebilir ve en optimal şekilde üretimini gerçekleştirebilir. Bakım ve onarım gerektirecek araç ve gereçleri önceden belirleyebilir, maliyetleri azaltarak en üst seviyede kalite ve güvence sunabilir.
Umarım bu yazım sizin için faydalı olmuştur. Geri bildirimlerinizi duymak çok isterim. Konu hakkında konuşmak için isterseniz buraya yorum yazabilir veya deniz@gooinn.co, LinkedIn ve Instagram hesaplarından benimle her zaman iletişime geçebilirsiniz.
