\u015eirketler, webdeki her t\u0131klamay\u0131, hatta kimi zaman farenizin her hareketini kaydederek devasa veri da\u011flar\u0131 olu\u015fturdular. Verilerin birikimi kendili\u011finden bir s\u00fcre\u00e7 de\u011fildi.. Facebook \u00f6rne\u011finde oldu\u011fu gibi kullan\u0131c\u0131 t\u0131klar\u0131n\u0131n yeterli olmad\u0131\u011f\u0131 fark edildi\u011finde kullan\u0131c\u0131lara ki\u015fisel verilerini g\u00f6n\u00fcl rahatl\u0131\u011f\u0131yla sa\u00e7abilecekleri sosyal a\u011flar haz\u0131rland\u0131. G\u00fcn\u00fcm\u00fczde \u015firketler ve h\u00fck\u00fcmetler, olu\u015fturduklar\u0131 veri da\u011flar\u0131n\u0131 kazarak alt\u0131n de\u011ferinde bilgiler elde etmeye \u00e7al\u0131\u015f\u0131yorlar.<\/p>\n
\u015eirketlerin veri toplamaya y\u00f6nelik bu ilgisi yeni de\u011fil. Daha 20. yy ba\u015flar\u0131nda piyasa ara\u015ft\u0131rmas\u0131n\u0131n babas\u0131 olarak kabul edilen Charles Coolidge Parlin, reklam i\u00e7in m\u00fc\u015fteriler ve piyasalar hakk\u0131nda bilgi toplaman\u0131n \u00f6neminin fark\u0131ndayd\u0131. 1923 y\u0131l\u0131nda Arthur C. Nielsen taraf\u0131ndan kurulan ACNielsen \u015firketi pazarlamac\u0131lara, pazarlama ve sat\u0131\u015f konusunda g\u00fcvenilir ve nesnel bilgi sunmaktayd\u0131. Hem Parlin hem de Nielsen, piyasadaki e\u011filimleri tespit edebilmek ve bu e\u011filimler do\u011frultusunda kararlar olu\u015fturabilmek i\u00e7in kaliteli veriye sahip olman\u0131n \u00f6nemini ke\u015ffetmi\u015flerdi (Hammergren ve Simon, 2009).<\/p>\n
1970li y\u0131llarda ana bilgisayarlar (mainframe), i\u015f d\u00fcnyas\u0131na yeni f\u0131rsatlar sunmas\u0131na ra\u011fmen esnek ve h\u0131zl\u0131 analizler i\u00e7in yeterli de\u011fildi. Bu sistemler, rutin sorgularda ve raporlamalarda faydal\u0131 olurken m\u00fc\u015fterilerin harcamalar\u0131, tercihleri, sat\u0131n ald\u0131klar\u0131 \u00fcr\u00fcnler vb hakk\u0131nda yan\u0131t almak istenildi\u011finde yetersiz kal\u0131yordu. Talebin veri i\u015flem birimine iletilmesi, onun bu talebi s\u0131raya koymas\u0131 gerekiyordu. Birka\u00e7 ay sonra istedi\u011finiz bilgiyi (belki!) alabiliyordunuz. Bu gecikme sorunlar\u0131 nedeniyle, zaman zaman ihtiya\u00e7 duyulabilecek bir miktar veri teyplerle mini bilgisayarlara kopyalan\u0131p onun \u00fczerinde analizler yap\u0131l\u0131yordu. B\u00f6ylece veri i\u015fleme merkezlerinin y\u00fck\u00fc biraz hafiflemi\u015f oluyordu. Fakat bir \u015firketin farkl\u0131 fiziksel alanlarda birden fazla ana bilgisayar\u0131n\u0131n oldu\u011fu durumlarda \u015firket kararlar\u0131na yard\u0131mc\u0131 olabilecek genel analizler yapma konusunda zorluklar \u00e7\u0131k\u0131yordu (age).<\/p>\n
1980lerde veritaban\u0131 teknolojilerindeki ilerlemelere paralel olarak analistler, veritabanlar\u0131na ve dosyalara do\u011frudan eri\u015fimi tercih etmeye ba\u015flad\u0131lar. Fakat 1980lerin sonlar\u0131na do\u011fru IBM ara\u015ft\u0131rmac\u0131lar\u0131 Barry Devlin ve Paul Murphy’nin geli\u015ftirdi\u011fi \u201ci\u015f veri ambar\u0131\u201d kavram\u0131 ile 1970lere geri d\u00f6n\u00fcld\u00fc. Veri ambarlar\u0131, 1970lerde denenen, i\u015flem ve analiz birimlerini ay\u0131rmay\u0131 hedefleyen stratejinin daha geli\u015ftirilmi\u015f ve do\u011fru zamanda uygulanan bir haliydi. Veri ambarlar\u0131yla, farkl\u0131 yerlerdeki veriler uygun bir bi\u00e7imde saklanarak ve bir araya getirilerek veri i\u015fleyen birimleri yormadan analiz edilebiliyordu (age). Veri ambarlar\u0131,<\/p>\n
- \n
- \u015firketlerin i\u015fleriyle ilgili stratejik kararlarda,<\/li>\n
- \u015firket i\u00e7inde birimler aras\u0131 i\u015fbirli\u011finin geli\u015ftirilmesine,<\/li>\n
- piyasadaki genel e\u011filimlerin tespit edilmesinde,<\/li>\n
- m\u00fc\u015fterilerin davran\u0131\u015f ve e\u011filimlerinin belirlenmesinde<\/li>\n<\/ul>\n
etkili oldu. \u015eirketler veriyi bilgiye, bilgiyi de kara d\u00f6n\u00fc\u015ft\u00fcrebileceklerini g\u00f6rd\u00fcler. Kar h\u0131rs\u0131 veri a\u00e7l\u0131\u011f\u0131n\u0131 tetikledi ve akla gelebilecek her konuda veri ambarlar\u0131 olu\u015fturmaya giri\u015ftiler..<\/p>\n
- \n
- 2000li y\u0131llara gelindi\u011finde,<\/li>\n
- Bilgisayarlar\u0131n i\u015flem g\u00fcc\u00fc ve depolama kapasiteleri muazzam boyutlara ula\u015fm\u0131\u015ft\u0131<\/li>\n
- Hem internetten hem de kurumsal a\u011flardan s\u00fcrekli veri ak\u0131\u015f\u0131 vard\u0131<\/li>\n
- Veri analiz teknikleri ilerlemi\u015fti.<\/li>\n
- Bir\u00e7ok \u015firketin kurumsal veri ambarlar\u0131 vard\u0131,<\/li>\n<\/ul>\n
\u015eirketler, verilerden elde ettikleri bilgileri m\u00fc\u015fteri ili\u015fkileri y\u00f6netiminde kullanarak rekabet g\u00fc\u00e7lerini artt\u0131rmaya \u00e7al\u0131\u015f\u0131yorlard\u0131,<\/p>\n
\u0130\u015fte veri madencili\u011fi bu tarihsel ko\u015fullarda giderek daha \u00f6nemli hale gelmekteydi. MIT Technology Review, Ocak 2001 say\u0131s\u0131nda veri madencili\u011fini d\u00fcnyay\u0131 de\u011fi\u015ftirecek on yeni teknolojiden biri olarak g\u00f6r\u00fcyordu (http:\/\/www2.technologyreview.com\/featured-story\/400868\/emerging-technologies-that-will-change-the-world\/<\/a>).<\/p>\n
11 Eyl\u00fcl 2001 ise veri analizi konusunda \u00f6nemli bir d\u00f6n\u00fcm noktas\u0131 oldu. Westphal’a(2008) g\u00f6re 11 Eyl\u00fcl’\u00fcn sinyalleri \u00f6nceden verilmi\u015f, verilerin d\u00fcnyas\u0131nda s\u0131rad\u0131\u015f\u0131 geli\u015fmeler ya\u015fanm\u0131\u015f ama fark edilememi\u015fti. ABD’ye \u00f6\u011frenci vizesiyle girmi\u015f birinin ticari havac\u0131l\u0131k kursu almas\u0131 ola\u011fan bir durum de\u011fildi. Hele bu ki\u015finin baz\u0131 bilinen ter\u00f6ristlerle dolayl\u0131 ba\u011flant\u0131lar\u0131n\u0131n olmas\u0131 yeterince ku\u015fku uyand\u0131r\u0131c\u0131yd\u0131. Bill Clinton, 6 Kas\u0131m 2002’de yapt\u0131\u011f\u0131 konu\u015fmada 11 Eyl\u00fcl sald\u0131rganlar\u0131n\u0131n be\u015finin daha \u00f6nceden FBI veritabanlar\u0131nda bulundu\u011funu s\u00f6yl\u00fcyordu. \u00d6rne\u011fin bu sald\u0131rganlardan biri sadece iki y\u0131ld\u0131r ABD’de olmas\u0131na ra\u011fmen 30 kredi kart\u0131na sahipti. Sald\u0131rganlar\u0131n eleba\u015f\u0131 olarak g\u00f6r\u00fclen Muhammed Atta’n\u0131n 12 evi vard\u0131. Clinton’a g\u00f6re t\u00fcm bunlar ku\u015fkulan\u0131lmas\u0131 gereken verilerdi (Larose, 2005).<\/p>\n
11 Eyl\u00fcl sonras\u0131 d\u00f6nemde b\u00fcy\u00fck resmi g\u00f6rebilmek i\u00e7in kurumlar aras\u0131 veri payla\u015f\u0131m\u0131n\u0131n gerekli oldu\u011fu fark edildi. \u0130lk ba\u015fta t\u00fcm veri kaynaklar\u0131ndan gelen verilerin merkezi bir yere kopyalanmas\u0131 d\u00fc\u015f\u00fcn\u00fcld\u00fc:
![\"Veri_bilgi_eylem1\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2014\/04\/Veri_bilgi_eylem1.png\")
<\/a>Fakat b\u00f6yle mimari \u00e7ok kar\u0131\u015f\u0131k ve pahal\u0131 olaca\u011f\u0131 gibi \u00f6l\u00e7eklenebilirlik konusunda da sorunlar ya\u015fanabilirdi. A\u015fa\u011f\u0131daki gibi da\u011f\u0131t\u0131k bir mimari daha uygun olacakt\u0131 (Westphal, 2008):<\/p>\n![\"Veri_bilgi_eylem2\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2014\/04\/Veri_bilgi_eylem2-300x238.png\")
<\/a><\/p>\nHer iki mimarinin kendine \u00f6zg\u00fc avantajlar\u0131 ve dezavantajlar\u0131 var. Gereksinimlere ve di\u011fer \u015fartlara g\u00f6re farkl\u0131 mimariler tercih edilebilir. Bir \u015firket, m\u00fc\u015fteri ili\u015fkileri y\u00f6netimi i\u00e7in merkezi bir veri ambar\u0131 mimarisini tercih edebilir. Bir istihbarat servisi ise ger\u00e7ek zamanl\u0131 ve \u00e7ok fazla kaynaktan beslenen analizler yapmak isteyecektir. Muhtemelen de PRISM skandal\u0131 sonras\u0131nda g\u00fcndeme gelen NSA’n\u0131n b\u00fcy\u00fck bili\u015fim tekelleriyle olan ili\u015fkisi de bu mimariye sahipti.<\/p>\n
Veri madencili\u011finin tan\u0131m\u0131na ve uygulamalar\u0131n ge\u00e7meden \u00f6nce veri madencili\u011finin ne olmad\u0131\u011f\u0131n\u0131 belirtmekte fayda var. Veri madencili\u011fi, sizin verileri ve sorgular\u0131n\u0131z\u0131 girdi\u011finiz, ard\u0131ndan da i\u015finize yarayacak sonu\u00e7lar\u0131 ald\u0131\u011f\u0131n\u0131z bir uygulama de\u011fil. Westphal (2009) veri madencili\u011fini \u00e7ocuklar\u0131n noktalar\u0131 birle\u015ftirdi\u011fi etkinliklere benzetiyor. \u00d6rne\u011fin a\u015fa\u011f\u0131daki gibi noktalar\u0131m\u0131z olsun:<\/p>\n
![\"Veri_bilgi_eylem3\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2014\/04\/Veri_bilgi_eylem3-221x300.png\")
<\/a><\/p>\nYukar\u0131daki say\u0131lar\u0131 birle\u015ftirdi\u011fimizde anlaml\u0131 bir resim elde edece\u011fiz. Bu tarz etkinliklerde \u00e7o\u011fu zaman ard\u0131\u015f\u0131k say\u0131lar ya da harfler kullan\u0131l\u0131yor. Ama farkl\u0131 say\u0131 (ya da harf) dizileri de kullanabiliriz. Noktalar\u0131 birle\u015ftirdik\u00e7e resim yava\u015f yava\u015f ortaya \u00e7\u0131kacak. \u00c7o\u011fu zaman t\u00fcm noktalar\u0131 birle\u015ftirmeye gerek kalmadan ne oldu\u011funu anlayabilece\u011fiz. Clinton da e\u011fer 11 Eyl\u00fcl 2001 \u00f6ncesinde noktalar\u0131 birle\u015ftirmi\u015f olsayd\u0131k, \u015f\u00fcphelileri yakalayabilirdik diyor. Noktalar\u0131 birle\u015ftirdi\u011fimizde ortaya \u00e7\u0131kan ya da \u00e7\u0131kmaya ba\u015flayan \u015feklin ter\u00f6rist oldu\u011funu nereden bilece\u011fiz? Ter\u00f6rist imgesine sahip olmadan ter\u00f6risti nas\u0131l tespit edece\u011fiz? \u00dcstelik hayat de\u011fi\u015fkendir. Birinin havac\u0131l\u0131k kurslar\u0131na kat\u0131l\u0131yor olmas\u0131 \u015f\u00fcpheli olabilir, dikkatinizi u\u00e7ak kursuna kat\u0131lanlara y\u00f6neltebilirsiniz. Ya sald\u0131r\u0131 farkl\u0131 bir bi\u00e7imde ve tamamen farkl\u0131 ara\u00e7larla planlan\u0131yorsa? Ya noktalar\u0131n baz\u0131lar\u0131n\u0131n \u00fczerinde herhangi bir say\u0131 olmasayd\u0131? Ger\u00e7ek hayatta noktalar\u0131n \u00fczerinde say\u0131lar da yok… \u00dcstelik kurumlar sahip olduklar\u0131 verinin ne oldu\u011funun tam olarak bilincinde olmayabilirler. \u015eekil ancak ba\u015fka yerlerde bulunan noktalar\u0131n (verilerin) kat\u0131l\u0131m\u0131yla anlam kazanabilir.<\/p>\n
Bu ba\u011flamda veri madencili\u011fi, \u201cgeni\u015f veri ambarlar\u0131nda, istatistiksel ve matematiksel teknikler kadar \u00f6r\u00fcnt\u00fc tan\u0131ma teknolojilerini de kullanarak anlaml\u0131 ili\u015fkiler, \u00f6r\u00fcnt\u00fcler ve e\u011filimler ke\u015ffetme s\u00fcrecidir.\u201d (Gartner’dan aktaran Larose(2005)).<\/p>\n
A\u015fa\u011f\u0131daki \u015fekil, veriden bilgi elde etme s\u00fcrecini \u00f6zetlemektedir (Bramer, 2013):<\/p>\n
![\"Veri_bilgi_eylem4\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2014\/04\/Veri_bilgi_eylem4-300x113.png\")
<\/a><\/p>\nHemen ilk ba\u015fta kolayca elde edilebilecek bir bilgiye de\u011fil (\u00f6rne\u011fin bir kullan\u0131c\u0131n\u0131n sat\u0131n ald\u0131\u011f\u0131 kitaplar) verilerden do\u011frudan anla\u015f\u0131lamayacak bir bilgiye (\u00f6rne\u011fin kullan\u0131c\u0131ya hangi kitaplar\u0131n \u00f6nerilebilece\u011fi) ula\u015f\u0131lmaktad\u0131r. \u0130lk olarak farkl\u0131 veri kaynaklar\u0131ndan veriler al\u0131n\u0131p entegre edilmekte ve analize haz\u0131r hale getirilmektedir. Veri depolar\u0131nda saklanan bu veriler, bir se\u00e7me ve ay\u0131klama i\u015flemine tabi tutulduktan sonra veri madencili\u011fi teknikleri ile anlaml\u0131 \u00f6r\u00fcnt\u00fcler ve ili\u015fkiler elde edilir. Elde edilen \u00f6r\u00fcnt\u00fclerin ve ili\u015fkilerin yorumlanmas\u0131 kritiktir. Sadece matematik ve istatistik konular\u0131nda bilgili olan biri \u00f6r\u00fcnt\u00fcleri ve ili\u015fkileri ortaya \u00e7\u0131karsa bile alan\u0131n bilgisine sahip olmad\u0131\u011f\u0131 i\u00e7in bunlar\u0131 yorumlamakta yetersiz kalacaklard\u0131r. Alan\u0131n bilgisine sahip olmadan \u00f6r\u00fcnt\u00fcleri fark etmek bile zordur.<\/p>\n
Ancak yaz\u0131l\u0131m projelerinden de \u00f6\u011frendi\u011fimiz gibi bilinmeyene do\u011fru yol al\u0131rken do\u011frusal s\u00fcre\u00e7ler yetersiz kalmaktad\u0131r. CRISP\u2013DM (Cross-Industry Standard Process for Data Mining \u2013 Veri Madencili\u011fi \u0130\u00e7in End\u00fcstriler Aras\u0131 Standart ), veri madencili\u011fi s\u00fcrecini iyile\u015ftirmek i\u00e7in alt\u0131 evreden olu\u015fan, sonu\u00e7lar ve gereksinimler do\u011frultusunda \u00f6nceki evrelere d\u00f6n\u00fclebilen bir s\u00fcre\u00e7 \u00f6nermektedir.<\/p>\n
<\/a> ![\"Veri_bilgi_eylem5\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2014\/04\/Veri_bilgi_eylem5-300x271.png\")
<\/a><\/p>\nBirinci evre,<\/strong> i\u015fin anla\u015f\u0131lmas\u0131 ve hedeflerin tan\u0131mlanmas\u0131d\u0131r. Ara\u015ft\u0131r\u0131lacak ili\u015fkiler ve e\u011filimler belirlenir. Ara\u015ft\u0131rmac\u0131lar s\u00fcrecin ba\u015f\u0131nda ne arad\u0131klar\u0131na karar vermelidirler.<\/p>\n
\u0130kinci evrede,<\/strong> ara\u015ft\u0131rmac\u0131lar\u0131n \u00f6ncelikle ellerindeki veriyi de\u011ferlendirmeleri gerekir. Bu de\u011ferlendirme sonras\u0131 birinci evredeki sonu\u00e7lar ve hedefler yeniden g\u00f6zden ge\u00e7irilebilir. Ayr\u0131ca verinin niteli\u011fi de \u00f6nemlidir. Veri kayna\u011f\u0131n\u0131n bilgileri ne kadar g\u00fcvenilirdir? Her m\u00fc\u015fterinin TC kimlik numaras\u0131 var m\u0131d\u0131r ve do\u011fru mudur? Veri alanlar\u0131nda, veri toplan\u0131rken ge\u00e7ersiz verilerin girilmesine izin verilmi\u015f midir?<\/p>\n
\u00dc\u00e7\u00fcnc\u00fc evre,<\/strong> verilerin daha sonraki evrelerde kullan\u0131lmak \u00fczere haz\u0131rlanmas\u0131d\u0131r. Emek yo\u011fun bir s\u00fcre\u00e7tir. Veriler modelleme ara\u00e7lar\u0131 i\u00e7in uygun bi\u00e7imlere getirilir.<\/p>\n
D\u00f6rd\u00fcnc\u00fc evrede,<\/strong> se\u00e7ilen modelleme teknikleri uygulan\u0131r. Sonu\u00e7lar\u0131 en uygun hale getirmek i\u00e7in parametreler de\u011fi\u015ftirilir. \u00d6nceki evrelerde oldu\u011fu gibi, se\u00e7ilen modelleme tekni\u011finin gereksinimlerine g\u00f6re bir \u00f6nceki evreye d\u00f6n\u00fcp veriler tekrar haz\u0131rlanabilir.<\/p>\n
Be\u015finci evrede,<\/strong> modeli uygulama alan\u0131na yerle\u015ftirmeden \u00f6nce modelin kalitesi ve verimli olup olmad\u0131\u011f\u0131 de\u011ferlendirilir. Model, birinci evredeki hedeflerle ne kadar \u00f6rt\u00fc\u015fmektedir? Burada olu\u015fturulan modelin ihtiyaca yan\u0131t verip veremedi\u011fine karar verilir. Yan\u0131t olumluysa, sonraki evreye ge\u00e7ilir.<\/p>\n
Alt\u0131nc\u0131 evrede,<\/strong> olu\u015fturulan model uygulamaya konulur.<\/p>\n
Alt\u0131n madencilerinin her zaman alt\u0131n bulamayaca\u011f\u0131 gibi, veri madencileri de de\u011ferli bilgiye eri\u015femeyebilirler. De\u011ferli bir bilgi elde edene kadar \u00e7ok \u00e7aba harcamalar\u0131 gerekebilir. \u00c7\u00fcnk\u00fc varl\u0131\u011f\u0131 belirsiz bir bilgi ara\u015ft\u0131r\u0131lmaktad\u0131r. Ama veri madencili\u011finden elde edilen bilgilere bak\u0131ld\u0131\u011f\u0131nda bu \u00e7abaya de\u011fer sonu\u00e7lara ula\u015f\u0131labildi\u011fi g\u00f6r\u00fcl\u00fcr. Larose (2005) ba\u015far\u0131l\u0131 bir veri madencili\u011fi \u00e7al\u0131\u015fmas\u0131ndan elde edilebilecekleri alt\u0131 ba\u015fl\u0131k alt\u0131nda de\u011ferlendirmektedir:<\/p>\n
Tan\u0131mlama<\/h2>\n
Veri madencili\u011fi, verinin i\u00e7erdi\u011fi e\u011filimleri ve \u00f6r\u00fcnt\u00fcleri tan\u0131mlay\u0131c\u0131 bilgi verir. \u00d6rne\u011fin bir anket bir b\u00f6lgede h\u00fck\u00fcmet partisinin oylar\u0131n\u0131n \u00f6nceki se\u00e7ime g\u00f6re sadece d\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc g\u00f6sterebilir. Veri madencili\u011fi ise bu b\u00f6lgede ya\u015fayanlar\u0131n b\u00fcy\u00fck bir k\u0131sm\u0131n\u0131n esnaf aileleri oldu\u011funu, yeni kredi kart\u0131 d\u00fczenlemesi nedeniyle sat\u0131\u015flar\u0131n\u0131n d\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc, bundan da h\u00fck\u00fcmeti sorumlu tuttuklar\u0131n\u0131 a\u00e7\u0131klayabilir.<\/p>\n
Tahmin<\/h2>\n
Tam kay\u0131tlarla yap\u0131l\u0131r. \u0130statistiksel analiz y\u00f6ntemleriyle belirli durumlara ait verilere dayanarak tahminlerde bulunulur. \u00d6rne\u011fin, \u00f6\u011frencilerin deneme s\u0131navlar\u0131nda ald\u0131\u011f\u0131 puanlara ve ders notlar\u0131na bakarak, ge\u00e7mi\u015f y\u0131llar\u0131n da analiziyle ger\u00e7ek s\u0131navda nas\u0131l bir performans g\u00f6sterebilece\u011fi tahmin edilebilir.<\/p>\n
\u00d6ng\u00f6r\u00fc<\/h2>\n
Tahmine benzer ama sonu\u00e7lar\u0131 belirsiz bir gelecektedir. H\u0131z s\u0131n\u0131r\u0131n\u0131n 70 km’den 90 km’ye \u00e7\u0131kmas\u0131 trafik kazalar\u0131n\u0131 nas\u0131l etkileyecektir? Belirli bir hisse senedinin \u00fc\u00e7 ay sonraki de\u011feri ne olabilir?<\/p>\n
S\u0131n\u0131fland\u0131rma<\/h2>\n
Veri madencili\u011finin en s\u0131k ba\u015fvurulan uygulamalar\u0131ndan biridir. A\u015fa\u011f\u0131daki gibi kullan\u0131m alanlar\u0131 vard\u0131r:<\/p>\n
- \n
- Doland\u0131r\u0131c\u0131l\u0131k \u015f\u00fcphesi ta\u015f\u0131yan kredi kart\u0131 i\u015flemlerinin tespiti<\/li>\n
- Verilecek bir kredinin banka a\u00e7\u0131s\u0131ndan risk ta\u015f\u0131y\u0131p ta\u015f\u0131mad\u0131\u011f\u0131<\/li>\n
- Bir salg\u0131n durumunun olup olmad\u0131\u011f\u0131<\/li>\n
- Bir vasiyetnamenin iddia edilen ki\u015fi taraf\u0131ndan yaz\u0131l\u0131p yaz\u0131lmad\u0131\u011f\u0131<\/li>\n
- Belirli mali hareketlerin ya da ki\u015fisel davran\u0131\u015flar\u0131n bir ter\u00f6r tehdidi i\u00e7erip i\u00e7ermedi\u011fi<\/li>\n<\/ul>\n
Yukar\u0131daki s\u0131n\u0131fland\u0131rmalar yap\u0131ld\u0131\u011f\u0131nda b\u00fct\u00fcn\u00fcn i\u00e7inden belirli bir s\u0131n\u0131fland\u0131rma i\u00e7inde yer alan ki\u015fi ya da durumlar\u0131 tespit etmek daha h\u0131zl\u0131 olacakt\u0131r. \u00d6rne\u011fin bir kredi kart\u0131 i\u015flemi, \u015f\u00fcpheli i\u015flemler s\u0131n\u0131f\u0131na giriyorsa alarma ge\u00e7ilebilir.<\/p>\n
K\u00fcmeleme<\/h2>\n
Birbirine benzeyen kay\u0131tlar\u0131n, g\u00f6zlemlerin ya da nesnelerin gruplanmas\u0131d\u0131r. K\u00fcmeleme, tahmin, \u00f6ng\u00f6r\u00fc ya da s\u0131n\u0131fland\u0131rma gibi bir amaca sahip de\u011fildir. Daha \u00f6nce tan\u0131mlanm\u0131\u015f s\u0131n\u0131flar\u0131 kullanmaz. K\u00fcmelemenin temel amac\u0131 benzerleri bir araya getirip ve elemanlar\u0131n\u0131n farkl\u0131 k\u00fcmelerde yer alanlarla olan benzerli\u011fini en aza indirmektir. B\u00f6ylece ara\u015ft\u0131rmac\u0131 veri da\u011f\u0131l\u0131m\u0131 hakk\u0131nda bilgi sahibi olur ve sonraki veri madencili\u011fi s\u00fcre\u00e7leri i\u00e7in haz\u0131rl\u0131k yapar.<\/p>\n
\u0130li\u015fkilendirme<\/h2>\n
Birbiriyle ba\u011flant\u0131l\u0131 niteliklerin tespit edilmesidir. En bilineni, al\u0131\u015f veri\u015f sitelerinde rastlad\u0131\u011f\u0131m\u0131z, \u201cbu \u00fcr\u00fcn\u00fc alan \u015funlar\u0131 da ald\u0131.\u201d ba\u015fl\u0131\u011f\u0131 alt\u0131nda yap\u0131lan \u00f6nerilerdir. Market verilerinde, \u201cCumartesi g\u00fcn\u00fc 100 m\u00fc\u015fteri beyaz peynir ald\u0131 ve bunlardan 10 tanesi \u00e7ikolata da ald\u0131.\u201d verisi iki al\u0131\u015fveri\u015fi ili\u015fkilendirir. Ama bunun nedeni hakk\u0131nda bilgi vermez.<\/p>\n
Veri madencili\u011fi, m\u00fc\u015fteri ili\u015fkilerinden istihbarata, sa\u011fl\u0131k sekt\u00f6r\u00fcnden spora kadar bir\u00e7ok alanda kullan\u0131lmaktad\u0131r. Kullan\u0131m alanlar\u0131 da g\u00fcn ge\u00e7tik\u00e7e artmaktad\u0131r:<\/p>\n