Veri Madenciliği (Data Mining)

Veri madenciliği, devasa veri kümelerini keşfetmek için kullanılan bilgisayar yollu bir teknik ve stratejidir.

Veri Madenciliği (Data Mining)

“Data Mining” olarak da bilinen veri madenciliği, devasa veri kümelerini keşfetmek için kullanılan bir tekniktir. Bilgisayar destekli olarak veri madenciliği tekniği, ham verileri pratik verilere dönüştürebilir. Özellikle büyük ölçekli veriye sahip kurum ve kuruluşlar, milyonlarca veriden ihtiyaca karşılık verenleri bu sayede elde edebilir. Devasa ölçekte mevcut olan verilerin toplanması, depolanması, analiz edilmesinin ardından gelen veri madenciliği, verilerdeki gizli veya önceden bilinmeyen ilişkileri keşfetmek için de önem kazanır. Müşteri güvenini artırmak, yeni gelir kaynakları yaratmak ya da rekabetin yüksek olduğu sektörlerde geride kalmamak için veri madenciliği yapılabilmektedir. Örnek vermek gerekirse; telekomünikasyon sektörü rekabetin çok yoğun olduğu sektörlerden biridir. Bu sektörde, müşteri davranışlarındaki çeşitli kalıpları ve ilişkileri keşfetmek önem kazanır. Finans, bankacılık ve sigorta sektöründe de örneğin ürünün en uygun şekilde fiyatlandırılması için veri madenciliğine girilebilmekte. İmalat tarafında ise örneğin makine ve ekipmanların olası arızalarının, bakım süreçlerinin ne zaman olması gerektiğini tahmin etmek için veri madenciliğinden yararlanılabilir. Son olarak pazarlama sektöründen örnek vermek gerekirse; müşterilerin yaş, eğitim, cinsiyet ve lokasyon gibi temel özelliklerinin incelenmesiyle ortaya çıkan satış tahminleri de firmaların kârlılığına katkı sağlamaktadır.

Data mining, yani veri madenciliğinin 3 temel türü vardır: Süreç madenciliği, metin madenciliği ve tahmine dayalı madencilik. Süreç madenciliğine e – ticaret sektöründen örnek verilebilir: E – ticaret sepete ekleme, satın alma, ödeme, sevkiyat gibi pek çok süreçten oluşur. Satın alma sonrası sevkiyat verilerini inceleyerek tedarikçi firmaların belirli bir kısmının erken teslimat yaptığını, belli bir kısmının zamanında ya da geç teslimat yaptığını görebilirsiniz. Metin madenciliği ise daha çok medya şirketlerine hitap eder. Örneğin, popüler bir YouTube kanalı kullanıcı yorumlarını okuyup analiz ederek sınıflandırabilir. Son olarak tahmine dayalı madencilik ise sektörel eğilimleri bulmaya yöneliktir. Örneğin, bir şirket geçmiş yıllardaki ürün iade verilerini inceleyip yeni yıldaki tahmini iade taleplerini bulmaya çalışabilir. Tüm bunlar; şirketlerin kâr, müşteri memnuniyeti, hedeflere ulaşma, sektörel olarak doğru tahminde bulunma gibi avantajlar sağlayabildiği için veri madenciliği büyük önem taşır.

Sözlükte Keşfet

Kirli Veri (Dirty Data)

Kirli veri, işletmeler için hatalı, eksik, tutarsız veya yanlış olan verileri ifade etmektedir....

Yeniliklerden Haberdar Olun!

Dijital pazarlama dünyasını takip etmek için hemen haber bültenimize abone olun!

Arama Sonuçları