Page 53 - bilgem-teknoloji-dergisi-9
P. 53
Yapay Zekâ
Dr. F. Canan Pembe Muhtaroğlu- Başuzman Araştırmacı, Tuğçe Döngel Kurt- Uzman Araştırmacı,
Özlem Gemici Güneş - Başuzman Araştırmacı / BİLGEM BTE
SAFİR Büyük Veri ve
İleri Analitik Uygulamaları
Verinin klasik yöntem, araç ve altyapılar ile
analiz edilemediği durumlarda büyük veri
kavramı ortaya çıkar.
eşitli kaynaklardan elde edilen verinin rak anlam çıkarmaya çalışmaktadır. Kullanıla-
analiz edilebilmesi, işlenmesi, aktarıl- Verinin bilecek analitik çözümler dört farklı başlıkta
Çması için klasik yöntem, araç ve altyapı- doğruluğu, değerlendirilebilir.
ların kullanılamaması durumunda Büyük Veri analiz sonucunu
kavramından bahsedilebilir. Verinin büyük ola- Tanımlayıcı (Descriptive) Analitik: “Ne oldu?”
bilmesi için 5V (Volume, Velocity, Variety, Va- etkileyen önemli sorusuna cevap aranır. Ham veri kullanılarak
lue, Veracity) olarak adlandırılan bileşenlerden bir bileşendir. geçmişe dönük fikir verir ancak sebepler ko-
bir veya daha fazlasına sahip olması gerekir. nusunda bilgi vermez. İş zekâsı uygulamaları
ve gösterge panoları gibi araçlar ile bu tip bir
Hacim (Volume): Hacim, veri boyutu ile doğru- analiz gerçekleştirilmektedir.
dan ilgilidir. Hacim olarak kast edilen sadece
verinin bayt cinsinden büyüklüğü değildir. Eldeki veri isteni- Tanısal (Diagnostic) Analitik: “Neden oldu?” sorusuna ce-
len zamanda analiz edilemiyorsa büyük veri bileşeni olarak vap aranır. Geçmiş veriler kullanılarak sonuçların kök nede-
hacimden bahsedilebilir. ni hakkında fikir sağlar.
Hız (Velocity): Sosyal medya, telefon, sensörler vb. tarafın- Öngörücü (Predictive) Analitik: Gelecekteki bir sonucun
dan çok hızlı bir şekilde veri üretilmektedir. Üretilen verinin öngörülmesi ve olasılığının tahmin edilmesi için “Ne ola-
gerçek zamanlı işlenmesi ve analiz edilmesi gerektiğinde cak?” sorusuna cevap aranır.
büyük veri bileşeni olarak hız karşımıza çıkmaktadır.
Reçeteli (Prescriptive) Analitik: “Olmasını nasıl sağlarım?”
Çeşitlilik (Variety): Çok farklı türde verinin bir arada kulla- sorusuna cevap aranır. Aksiyonlar alınmadan önce etkileri-
nılmasını gerektiren veri analizi işlemlerinde çeşitlilik bü- ni tahmin ederek istenen sonucun nasıl elde edilebileceği
yük veri bileşeni olarak yer almaktadır. konusunda bilgi verir.
Doğruluk (Veracity): Verinin doğruluğu, analiz sonucunu Büyük Veri ve İleri Analitik Kullanım
etkileyen önemli bir bileşendir. Gürültü içeren veriler üze- Senaryosu Örnekleri
rinde analiz çalışması gerçekleştirildiğinde verinin doğru 360° Müşteri Görünümü: Büyük veri çözümleri kullanılarak,
olduğundan emin olmak gerekmektedir. geçmiş çevrimiçi ve çevrimdışı etkileşimler, sosyal medya
verisi ve satın alma geçmişi gibi veriler birleştirilerek 360
Değer (Value): Verinin değere dönüşmesi analiz işleminin derecelik bir müşteri görünümü elde edilebilmektedir.
temel amacıdır. Büyük veriyi tanımlayan özellikler arasında
en önemli olanıdır. Kişiselleştirilmiş Kullanıcı Deneyimi Sunulması: Gelenek-
sel e-ticaret deneyiminden farklı olarak müşterilerin ilgilen-
Veri Biliminde Analitik Türleri dikleri ürünlerin takip edilmesi ve kullanıcıya bu ürünleri
Büyük miktarda veri akışını kullanarak karar vermek iste- içeren kişiselleştirilmiş öneriler sunulması mümkün hale
yen kurumlar, bu veri üzerinde analitik çözümler oluştura- gelmektedir.
52
50 51