Veri Madenciliği Nedir ? Veri Madenciliği Nasıl Yapılır ?
> Blog > Yazılım > Veri Madenciliği Nedir ? Veri Madenciliği Nasıl Yapılır ?
Arama
28.09.2021
Veri Madenciliği Nedir ? Veri Madenciliği Nasıl Yapılır ?

Kurumlardaki büyük ölçekli olarak tanımlanan ve milyonlarca veriye sahip yazılım sistemlerinden, ihtiyacı karşılayacak değerli verilerin elde edilmesi işlemine Veri Madenciliği denilmektedir. Bu sayede veriler arasındaki ilişkileri ortaya koymak ve gerektiğinde ileriye yönelik doğru tahminlerde bulunmak mümkün hale gelmektedir. Veri Madenciliğinde milyonlarca hatta milyarlarca veri üzerinde çalışılabilir. Veri madenciliğinin temel amacının, kurumlardaki karar destek mekanizmaları olarak adlandırılan sistemler için değerli olan veriyi belirli yöntemler ve işlem süreçleri sonrası ortaya çıkarmak olduğunu söyleyebiliriz

 

Veriler Nasıl Toplanır?

Veri toplamanın 2 temel yolu vardır. Bu yollardan ilki, sizden izin alınarak yapılan ve girmiş olduğunuz bilgiler ya da site içerisindeki davranışlarınıza dayalı olan Açık veri toplama yöntemidir. Diğer yöntem ise Kapalı veri toplama olarak adlandırılır ve genellikle sosyal ağlar, arama motorları gibi sitelerde toplanan verilerdir. Bu tür veri toplama yönteminin amacı, o site içerisindeki tüm davranışları takip edip, kullanıcının ilgi alanlarını belirlemek ve bunlara uygun pazarlama faaliyetleri yürütmektir.

 

Veri Madenciliği İşlemleri

Verinin büyüklüğü ve buna bağlı olarak gerçekleşen işleminin uzunluğuna göre farklı büyüklüklerde süreçler izlense de genel olarak Veri Madenciliğinin ilerleme sistemi aşağıdaki şekildedir:

Veri Temizleme: Gürültülü, tutarsız ve eksik verilerin temizlenme sürecidir.

Veri Bütünleştirme: Birçok veri kaynağını birleştirmektir.

Veri Seçme: Probleme ilişkin olan verileri seçme sürecidir.

Veri Dönüşümü: Verinin veri madenciliği tekniğinden kullanılabilecek hale dönüşümünü gerçekleştirmek erinin uygun formlara dönüştürülmesidir.

Veri Madenciliği: Veri örüntülerini yakalayabilmek için akıllı metotları uygulamaktır.

Örüntü Değerlendirme: Bazı ölçümlere göre elde edilmiş bilgiyi temsil eden ilginç örüntüleri tanımlamaktır.

Bilgi Sunumu: Veri Madenciliği ile elde edilmiş bilginin kullanıcıya sunumunu gerçekleştirmektir.

Tüm bu aşamalarda veri madenciliği farklı disiplinlere gereksinim duyar. Son yıllarda büyük atılımların yapılmasını sağlayan makine öğrenimi ve yapay zekâ veri madenciliği için büyük bir öneme sahip olmuştur. Tüm bu disiplinlerle veri madenciliği; dijital verileri sınıflamak, yorumlamak, satışlarını arttırmak ve müşterilerin ihtiyaçlarına tam zamanında eksiksiz yanıtlar verip varlığını güçlendirmek isteyen firmalar için büyük bir önem taşır.

 

Veri Madenciliğini Hangi Sektörler Nasıl Kullanıyor?

Özellikle son 10 yılda bilgisayarların işleme gücü ve hızının artmasıyla manuel yöntemler yerini kolay ve otomatikleştirilmiş data analizine bıraktı. Bugün veri madenciliği, çeşitli endüstriler ve disiplinlerdeki analitik çabalarının merkezinde yer alır.

 

Telekomünikasyon ve Medya

Rekabetin sıkı olduğu kalabalık bir pazarda, yanıtlar genellikle tüketici verilerindedir. Telekom, medya ve teknoloji şirketleri, müşteri davranışlarını tahmin etmelerine ve iyi hedeflenmiş kampanyalar sunmalarına yardımcı olacak müşteri veri yığınlarını anlamlandırmak için ileri analitik modelleri kullanabilir.

 

Bankacılık

Otomatik algoritmalar bankaların, müşteri davranışlarının yanında finansal sistemin kalbindeki milyarlarca işlemi de anlamlandırmalarını sağlar. Veri madenciliği, bankaların piyasa risklerini daha iyi görmelerine, dolandırıcılığı daha hızlı tespit etmelerine, yasal uyum yükümlülüklerini yönetmelerine ve pazarlama yatırımlarından optimum getiri elde etmelerine yardımcı olur. Farklı göstergeler arasındaki korelasyonların bulunmasına, harcama trendlerine göre müşterilerin sınıflandırılabilmesine olanak sağlar.

 

Sigortacılık

Veri madenciliği sayesinde sigorta şirketleri, dolandırıcılık, uyumluluk, risk yönetimi ve müşteri kaybıyla ilgili karmaşık sorunları çözebilir. Şirketler, ürünleri iş kollarında daha etkili bir şekilde fiyatlandırmak ve mevcut müşteri portföylerine rekabetçi ürünler sunmanın yeni yollarını bulmak için veri madenciliği tekniklerinden yararlanır.

 

Perakendecilik

Büyük müşteri veri tabanları, ilişkilerin gelişmesine, pazarlama kampanyalarının optimize edilmesine ve satışların tahmin edilmesine yardımcı olabilecek gizli ipuçlarını barındırır. Daha doğru veri modelleri sayesinde, satış yapan firmalar doğru hedefe yönelik kampanyalar sunabilir ve müşteri üzerinde en büyük etkiyi yaratan teklifi bulabilir.

 

Üretim

Üretim planlarını talep tahminleriyle uyumlu hale getirme, sorunların önceden tespiti ve kalite güvence konularında önem arz eder. Üreticiler veri madenciliği çözümleri sayesinde, bakım gerektirecek unsurları önceden bilebilir ve kesintisiz çalışma süresini en üst düzeyde tutabilirler.

 

 

Veri Madenciliği Yapabilmek İçin Hangi Becerilere Sahip Olmak Gerekir?

Milyonlarca hatta bazen milyarlarca farklı özelliğe sahip veri üzerinde çalışma yapmak, sabır ve dayanıklılık gerektirmektedir. Bilgisayar sistemlerinde sıklıkla karşılaşılan birbirinden bağımsız hatalara ve verilerde meydana gelen ani değişimlere karşı veriyi koruyabilmek çok fazla dikkat gerektirmektedir. İleri seviyede matematik, istatistik, lineer cebir, optimizasyon bilgisi, yöneylem modelleme teknikleri ve gelişmiş yazılım becerisine sahip olmak ise olmazsa olmazdır. Yazılım dillerinden Veri Madenciliği için en uygun olanlar R ve Python dilleridir. Bazı test aşamaları ve deneme işlemleri yapmak için ise Java dili kullanılabilir.

 

Gelecekte Bizi Ne Bekliyor?

Kişisel bilgilere göre sunulan hizmet anlayışının hemen her sektördeki firmaların ortak paydası haline gelmesi, veriyi doğru elde etme ve işleme zorunluluğunu beraberinde getirmiştir. Örneğin telefonlarınızdan yaptığınız bir ayakkabı araması sonrasında gireceğiniz sitelerdeki reklamların ayakkabı reklamları olmasına, hatta belirli ayakkabı şirketlerinden kısa mesajlar almanıza neden olabilmektedir.  Yapılan araştırmalar, teknolojiye hakim olma düzeyinin artık veriyi doğru kullanma ve işleme becerisiyle orantılı olacağını ortaya koymuştur.