Büyük Veri Analitiği
Büyük Veri Analitiği
Büyük veri analitiğinin geliştirilmesindeki başlangıç noktası, verilerin iş avantajına dönüştürülebilmesi için verilerin nasıl toplanacağını ve düzenleneceğini anlamaktır. Geleneksel araçlar ve teknoloji artık yeterli görünmüyor.
Mevcut büyük hacimli veriler, seyahat şirketleri için hem depolama hem de süreç faaliyetleri için bazı zorluklar anlamına gelir. Neyse ki, BT’deki gelişmeler bu ihtiyacı karşılıyor ve yarı veya yapılandırılmamış verileri analiz edebilen yeni teknolojik araçlar sayesinde şirketlerin Büyük verileri ölçmesine yardımcı oluyor.
Sanki tek bir cihazdaymış gibi birden çok ayrı bilgi işlem cihazında bulunan bilgilere erişim ve işlem sağlarlar. Bu ölçüme izin veren ana araçlar Semantic web ile birlikte NoSQL, Hadoop ve MapReduce’tur.
NoSQL “Yalnızca SQL Değil”, veritabanlarına erişim için en yaygın dil olan “yapılandırılmış sorgu dili” SQL’den bir geçişi temsil eder. Gerçek zamanlı paralel aramayı etkinleştirmek için büyük veritabanlarını birden çok bilgisayara bölerek çeşitli tür ve boyuttaki verilerin işlenmesine izin verir.
NoSQL sistemleri “büyük ölçekli veri depolama ve çok sayıda emtia sunucusunda büyük ölçüde paralel veri işleme için tasarlanmış, dağıtılmış, ilişkisel olmayan veritabanlarıdır”. Büyük miktarda yapılandırılmamış veriyi gerçek zamanlı olarak toplamak ve işlemek için Google, Amazon ve Facebook gibi ana İnternet şirketleri tarafından giderek daha fazla istihdam ediliyorlar.
Hadoop by Apache, yüksek hacimli verileri yöneten ve bilgi işlem biçiminde kullanıma olanak tanıyan açık kaynaklı bir çerçevedir. Hem firmalar hem de sosyal medya, bilgileri gerçek zamanlı olarak depolamak, analiz etmek ve işlemek için bu sistemi kullanır. MapReduce, yapılandırılmamış verileri analiz etmek ve anahtar değerlere eşlemek için Hadoop ile birlikte çalışan bir dizi programlama kitaplığıdır.
Web 2.0 ve semantik web’in birleşimi sözde “sosyal anlamsal web”i oluşturur. Bilgileri otomatik olarak bulmak ve birleştirmek, temel muhakeme yapmak ve çok çeşitli kullanıcı ihtiyaçlarını karşılamak için temsilleri döndürmek ve dönüştürmek için web’den erişilebilen belirli türdeki veriler arasında var olan anlamsal ilişkilerden yararlanabilen yeni bir uygulama sınıfıdır.
Büyük veri analitiği nedir
Kişi datası nasıl çıkarılır
Büyük Veri analizi Ders notları
Büyük veri platformları Nelerdir
Büyük veri analiz Yöntemleri
Büyük veri analizi nasıl Yapılır
Büyük veri analizi örnekleri
Büyük veri Nasıl işlenir
Ancak “depolanan verilerin hacminden çok, depolanan verileri anlamlı bir şekilde kullanma becerisiyle ilgilidir”. Büyük veri ölçümü, sunulan hizmeti iyileştirmek ve iç operasyonları geliştirmek için firmaların verilerden değer elde etmesine olanak tanır. Bundan sonra Büyük veri analizinin firmaları nasıl destekleyebileceğine ve değer yaratabileceğine dair bazı örnekler incelenecektir.
Gerçek zamanlı bilgi sağlayın. Büyük verinin gerçek zamanlı işlenmesi, şirketlerin tüketicilere daha ayrıntılı ve kişiselleştirilmiş bilgiler sağlamasına olanak tanır. Örneğin, nakliye şirketleri, trenlerin ve uçakların gerçek zamanlı konumunu ve olası gecikmelerini izleyebilir.
Bu, müşterilere kurumsal web sitelerinde veya Sosyal Medya Müşteri Hizmetlerini (SMCC) geliştiren belirli mobil uygulamalarda güncel bilgiler verilmesine izin verir. Online cihazlar sayesinde kullanıcılar her an trenin nerede olduğunu, olası rötarları doğrulayabiliyor, hava yolu tarifesi ve kapı değişiklikleri ile ilgili doğrudan havayollarından veya havalimanından bildirim ve SMS alabiliyor.
Ayrıca, tüm veriler kaydedilir ve daha sonra dahili operasyon organizasyonunu, pazar analizini, tahminleri iyileştirmek ve sonuç olarak gelecekteki kurumsal karar verme sürecini iyileştirmek için kullanılabilir.
Öneriler sağlayın. Çeşitli firmalar ve sosyal medya, tüketicilere ve potansiyel müşterilere öneriler sağlamak için Büyük verileri, özellikle kullanıcıların satın alma modellerini analiz eder. Linkedin’in Amazon, Booking, Expedia, TripAdvisor vb. işlevine benzer “tanıyabileceğiniz kişiler” işlevi buna bir örnektir: “Bu öğeyi görüntüleyen kişiler de görüntülemiştir.
Ayrıca, müşterilerin sosyal medya kişisel bilgilerine erişim, tavsiye sürecini daha da geliştirmek için fırsatlar sunmaktadır. Örneğin, bazı havayolları, halihazırda çevrimiçi check-in yapmış olan diğer yolcuların Facebook profillerine bakarak, müşterilere çevrimiçi check-in işlemi sırasında nerede oturacaklarını seçme imkanı verir.
Sosyal grafik analizi. Sosyal medya, yalnızca tek bir kullanıcı hakkında değil, aynı zamanda insanlar arasındaki mevcut bağlantılar ve birbirleri üzerindeki etkileri olan sosyal grafik hakkında da bilgi sağlar. Bu büyük miktardaki dijital veriyi analiz etme ve birleştirme fırsatı, bazı şirket türlerinin müşteri hizmetlerini iyileştirmesine olanak tanır.
Örneğin, Mart 2013’te Facebook, kullanıcılar için geliştirilmiş ve yeni bir arama yöntemi olan “Facebook Arama Grafiği”ni piyasaya sürdü, şimdilik ABD’de mevcut. Arama Sonuçları.
“Facebook Arama Grafiği”, önceki araştırma işlevi olarak, kullanıcılar arasındaki ilişkilere ve bağlantılara dayanmaktadır, ancak arama yöntemi odak noktasını değiştirmiştir: anahtar kelimelerden anlambilime. Uygulamada, anahtar sözcükleri değil, tümceleri eşleştirmek için tasarlanmıştır. Örneğin, bir kullanıcı “New York’taki arkadaşlarımın fotoğrafları” araması yapabilir ve Facebook, kullanıcının arkadaşlarının New York’ta çektiği ve onunla paylaşılan tüm fotoğrafları görüntüler.
Kullanıcılar, arkadaş ağının ötesine geçen araştırmalar da yapabilirler. Örneğin, “belirli bir şehirde yaşayan insanları” arayabilirler ve Facebook, arkadaşlar ve “arkadaşların arkadaşları” arasındaki bağlantılarda arama yapar.
Bu yeni işlevin kullanıma sunulmasından bu yana, gizlilik endişesi ortaya çıktı. Mekanizma her zamankinden aynı: Kullanıcılar, gizlilik seçeneklerini düzgün bir şekilde yöneterek, arkadaşlarının ve diğer kişilerin Facebook’ta arama yaparken neleri görebileceğini belirleyebilir.
Duygu analizi. Sosyal medyadan ve çevrimiçi konuşmalardan gelen yapılandırılmamış verilerin analizi, seyahat şirketlerinin bir ürüne, hizmete, destinasyona, şirkete vb. yönelik “duyarlılığı” belirlemesine yardımcı olabilir. Duyarlılık analizinin sonuçları, firmaların olası şikayetleri yönetmesine yardımcı olabilecek zengin bilgiler olabilir. hizmeti iyileştirin ve markanın çevrimiçi itibarını izleyin. Firmaların piyasaya uyum sağlamaları için bir yol temsil ederler.
Pazarlama içgörüleri. Bu tür analizler, firmaların belirli pazarlama eylemlerinin sonuçlarını izlemelerine olanak tanır. Örneğin, bir reklam kampanyası etkinliğini anlamak için kontrol edilebilir. Sunulan Facebook reklam izleme (Facebook Insights tarafından sağlanan) bir örneği temsil eder.
Diğer olası analizler kayıp yönetimi ile ilgili olabilir. Veri madenciliği, firmaların kayıp oranını hesaplamasına ve kayıp tahminleri geliştirmesine yardımcı olabilir. Ayrıca, Big data rakipler için de mevcuttur ve bu, şirketlerin önceden belirlenmiş bir rekabet setindeki şirketleri izlemesine olanak tanır.
Büyük veri analitiği nedir Büyük veri analiz Yöntemleri Büyük Veri analizi Ders notları Büyük veri analizi nasıl Yapılır Büyük veri analizi örnekleri Büyük veri Nasıl işlenir Büyük veri platformları Nelerdir Kişi datası nasıl çıkarılır