Veri madenciliği (Data mining) belirli bir amaca yönelik kullanılabilecek uygun bilgileri bulabilmek için büyük veri kümelerini derinlemesine inceleme işlemidir.
Bilgisayar biliminin bir alt disiplini olan veri madenciliği temel olarak modelleri kullanır.
Verilerin toplanıp saklanmasından sonraki en önemli adım, bu veri kümelerinden anlam çıkarmaktır. Aksi takdirde elde edilen veriler tamamen anlamsızdır.
Veri analizi, karmaşık uyarlanabilir algoritmaların verileri yapay olarak analiz etmek için kullanıldığı otomatik öğrenme ve benzeri konseptleri kullanması gibi birkaç farklı şekilde yapılır.
Daha geleneksel yöntemlerde, karmaşık bilgilerden anlam çıkarmak için özel eğitim almış olan veri bilimcileri, yönetimin değerlendirmesi için raporlar hazırlar.
Kimler Veri Madenciliği Yapar ?
Güvenli ve yasal olarak yapılan veri madenciliği yaygındır ve finans alanından, perakendeye çok sayıda sektörde kullanılır.
İnternette gezinirken ziyaret edilen web siteleri, yapılan aramalar, girilen kişisel bilgiler ve incelenen ürünlere dayanarak kullanıcı verileri kaydedilir.
Milyonlarca kullanıcı tarafından oluşturulan bu veriler daha sonra şirketler tarafından detaylı olarak incelenerek bilgiye dayalı faaliyet ve pazarlama kararları almak için kullanılır.
Veri Madenciliği Hangi Alanlarda Kullanılıyor ?
Veri madenciliği, şirkete ve ihtiyaçlarına bağlı olarak çok sayıda amaç için kullanılır. Olası kullanım örnekleri:
- Tahmin ve Risk: Bir ürünü inceledikten sonra satın almayan çevrimiçi ziyaretçilerin sayısı gibi geçmişte işlerin nerede iyi gitmediğini belirlemek için verileri analiz etmek, bir bayinin gelecekte satın alınacak envanter konusunda daha iyi kararlar almasına yardım edebilir. Benzer şekilde, bir sistemde geçmişte günün hangi saatinde aşırı web trafiği olduğunu görmek, bir işletmenin daha fazla kaynak atayarak veya sunucu yükseltmelerine yatırım yaparak hazırlık yapmasına yardım edebilir.
- Gruplandırma: Müşteriler tarafından sağlanan veriler, şirketlerin kullanıcıları cinsiyet, yaş, gelir, yaşadıkları yer ve harcama alışkanlıklarına dayanarak (örneğin demografik olarak) çeşitli yollarla gruplandırabilmesini sağlar. Bu sayede, belirli teklifler veya mesajlar için uygun kullanıcıları verimli bir şekilde hedefleyebilirler.
- Davranış Analizi: Verilerin incelenmesi sayesinde şirketler, müşterilerin ne tür uyarıcılara tepki verdiğini anlar. Örneğin bazı grupların belirli tekliflere veya e-postalara günün belirli bir saatinde veya haftanın belirli bir gününde daha fazla tepki verdiği anlaşılabilir. Bu bilgiler, kullanıcıların başka bir web sitesi yerine belirli bir web sitesini neden ziyaret ettiğine ya da satın alma işleminden neden son dakikada vazgeçtiklerine dair net bir fikir de verebilir. Analiz, şirketlerin kendilerine zarar veren negatif tüketici davranışlarını engellemek için neler yapabileceklerini belirlemelerine yardım eder.
İlk yorum yapan olun