Yazar : Hakan FİDAN
Tarihi 12/02/2016
Veri madenciliği teknolojide yaşanan gelişmelere paralel olarak işletmelerde depolanan veri sayısının artmasıyla birlikte her geçen gün değişik uygulamalarıyla literatürde yerini almaktadır. İşletme ve özellikle satış pazarlama alanında her geçen gün yeni bir uygulamayla karşılaşılmaktadır. Bu uygulamalardan bazıları, çapraz satış, müşteri ilişkileri yönetimi, Pazar ve kar-zarar analizi, satın alma örüntülerinin belirlenmesi, müşteri terk, müşteri risk analizi, gibi uygulamalardır.Veri madenciliği süreci kendi içinde bazı aşamalardan oluşmaktadır. Bu aşamalar şunlardır.
Birinci Aşama: İşletme probleminin belirlenmesi bazen kendi kendine ortaya çıkan bir sorun ya da işletme üst yönetimin stratejik planının bir parçası olabilir. İşletmeler, günlük faaliyetlerini yürütürken, ödemelerin gecikmesi, müşteri kaybı, herhangi bir ürünün satışının düşmesi ve buna bağlı depolama maliyetlerinin artışı gibi değişik sorunlarla karşılaşırlar. Doğal olarak ya da yönetim zafiyetinden dolayı ortaya çıkan bu tür sorunlar genellikle o ana yönelik çözümlerle halledilir ve yöneticilerin tecrübesi, yeteneği ve zekası çözüm üzerinde önemli rol oynar. Bu aşamada, işletme yönetimi gündelik çözümler yerine daha sistematik ve kalıcı çözümler uygulamak isterse ya da yöneticinin becerisini kullanmak yerine daha çok teknoloji ve günümüz bilgisayar uygulamalarını kullanmak isterse, veri madenciliği süreci kendiliğinden başlamış olacaktır. Bu tip başlangıçlar dışında tepe yönetiminin stratejik bir kararını desteklemek için de veri madenciliği süreci başlayabilir. Bu tür işletme problemlerine örnek olarak, işletme yönetiminin yeni bir ürün tasarlaması, yeni bir bölgede şube, tesis açma isteği veya marka değerini artırma arzusu örnek olarak verilebilir.
İkinci Aşama: Veri madenciliği sürecinde ikinci aşama verilere erişim aşamasıdır. Bu aşama dikkatli bir çalışmayla kolay geçilebilecek bir aşamadır. İşletmenin kendi veri tabanında tuttuğu veriler her zaman elinin altında olduğundan bu tip verilere ulaşmada sorun yaşanma olasılığı azdır. Ancak, işletme çözmek istediği soruna bağlı olarak başka kaynaklardan da verilere ulaşmak isteyebilir. Örneğin, mağazaya müşterilerin yaptığı ziyaret ve bu müşterilerin beden ölçüleri ve satılan beden sayısı işletmeye gerekebilir Satılan beden sayısı işletmenin veritabanından kolayca çekilebilecek ilk grup verilerdendir, ancak mağazayı ziyaret eden müşterilerin (alışveriş yapma şartı aranmadan) beden ölçüleri başka kaynaklarla toplanması gereken verilerdir. Bu verilerin toplanması, zeka kıvraklığı, deneyim ve ikili ilişkilere bağlıdır. Yukarıdaki örnekteki veriler kamera görüntüsü ve görüntü işleme algoritmalarıyla günümüzde kolayca toplanabilecek verilerdir. Üçüncü Aşama: Bu aşamada elde edilen verilerin temizlenmesi, yapılandırılması ve veri ambarının oluşturulması gerekir. Verilerin temizlenmesi aşamasında kayıp ve eksik verilerin bulunması ve uç verilerin uzaklaştırılması gibi işlemler yürütülür. Verilerin yapılandırılması için, sayısal verilerin kategorik hale, kategorik verilerin sayısal hale dönüştürülmesi veya verilerin düzgünleştirilmesi örnek olarak verilebilir. Karar destek sistemlerinin teknik alt yapısını oluşturan veri ambarı ise, veritabanındaki ya da herhangi bir yolla elde edilmiş verilerin veri madenciliği algoritmalarının koşturulabileceği bir yapıya dönüştürülmesi aşamasıdır. Yapısal olarak, yıldız, kartanesi ve ana tablolar birliği olmak üzere üç farklı veri ambarı mimarisi vardır.
Dördüncü Aşama: Bu aşamada, işletmenin problemini eldeki verilerle çözmek için uygun model ve algoritmanın seçimi yapılır Veri madenciliği modelleri sınıflandırma, kümeleme ve birliktelik kuralları analizidir. Sınıflandırma modeli, tahmin ve denetimli öğrenme uygulamaları için kullanılabilir. Örneğin satış tahmininin, müşteri terklerinin kestirimi gibi konularda tahminleyici bir model olan sınıflandırma kullanılır. Yapay sinir ağları, istatistiğe dayalı ve karar ağaçları en güvenilir algoritma gruplarıdır. Müşteri profili çıkarma, ürün yelpazesini ayrıştırma gibi konularda ise kümeleme analizinin kullanılması uygun bir seçim olacaktır. Genetik algoritmalar, yapay sinir ağları en yakın komşu ve K-Ortalama (K-Means) en tanınmış algoritmalardandır. Bağlantı analiz modeliyse, alış-veriş, ya da ziyaret örüntüsü belirlenmesi, pazar sepeti analizi gibi uygulamalar için kullanılan bir modeldir. APRİORİ ve GRİ bu modelin en önde gelen algoritmalarıdır. Bu model ve algoritmalar ayrı ayrı kullanılabileceği gibi, bir çalışmada birden fazla model ve algoritma kullanılabilir.
Beşinci Aşama: Uygulama aşaması olup, Netsis ERP ile toplanan ve hazırlanan veriler Yine Netsis Kurumsal İş Yazılımları kullanılarak analiz edilir. Bu aşamada kullanılacak olan yazılımın seçilmesi en önemli noktadır zira yazılımların arkasında bir teknik destek ve tecrübeli bir ekibin olması en büyük avantajıdır. NETSİS Her geçen gün yenilenmekte ve geliştirilmekte olan altyapısı ve ARES ERP Yazılım Dan. Hiz. tecrübeli danışmanları ile, son derece güvenli sonuçlar elde edersiniz.
Altıncı Aşama: Sonuçların değerlendirildiği ve sunumun analist tarafından yapıldığı aşamadır. Ancak bu aşamada işletme içinden iş analistlerinin ya da yönetici kadrosunun katılmasında fayda vardır Ayrıca diğer aşamalarda da işletme personelinin yer alması başarıyı artıracak bir husustur. Bu aşamada ise yazılımdan elde edilen sonuçların bir rapor haline dönüştürülmesi, uygun kural ve sonuçların daha ön plana çıkarılarak yönetime sunulması işlemleri yapılır.
Yedinci Aşama: Son aşama olup elde edilen sonuçlar yorumlanarak yönetici kararlarına dönüştürülür. Bu aşama işletme yönetimi tarafından yürütülür.
Yorum Ekle
Yorum yapabilmek için giriş yapmalısınız.