Veri Mağdenciliği, GTech, Oracle, Hyperion, Business Intelligence, Kurumsal Performans Yönetimi, İş Zekası, MIS, Raporlama, Oracle BI, Siebel, Data warehouse, Veri Ambarı, Veri Madeni, Data Warehouse, Yasal Raporlama, BDDK raporları, TCMB raporları, Maliye Bakanligi raporları, TMSF raporları,TÜIK raporları, Kredi raporları, Hazine raporları, Muhasebe raporları, Mali Kontrol raporları, Kredi kartlari raporları, Menkul Operasyon raporları, Finansal Raporlama, Planning, Bütçe, Küp, teknoloji tasarım küp, essbase, iş zekası

Veri Mağdenciliği

Veri mağdenciligi, büyük ölçekli veriler arasindan bilgiye ulaşma, bilgiyi madenleme işidir. Ya da bir anlamda büyük veri yıgınları içerisinden gelecek ile ilgili tahminde bulunabilmemizi saglayabilecek bagıntıların bilgisayar programı kullanarak aranmasıdır. Veri madenciligi deyimi yanlis kullanilan bir deyim olabileceginden buna es deger baska kullanimlar da literatüre geçmistir. Veritabanlarinda bilgi madenciligi (knowledge mining from databases), Bilgi çikarimi(knowledge extraction), data/pattern anaysis (veri ve örüntü analizi), veri arkeolojisi gibi. Bunlarin arasindaki en popüler kullanim Veritabanlarinda Bilgi Kesfi (VBK - Knowledge Discovery From Databases - KDD) ‘dir. Alternatif olarak veri madenciligi aslinda bilgi kesfi sürecinin bir parçasi seklinde kabul görmektedir.

Bu adımlar:

  1. Veri Temizleme (gürültülü ve tutarsiz verileri çikarmak)
  2. Veri Bütünlestirme (birçok veri kaynagini birlestirebilmek)
  3. Veri Seçme (Yapilacak olan analiz ile ilgili olan verileri belirlemek )
  4. Veri Dönüsümü (Verinin veri madenciligi teknginden kullanilabilecek hale dönüsümünü gerçeklestirmek)
  5. Veri Madenciligi (Veri örüntülerini yakalayabilmek için akilli metotlari uygulamak)
  6. Örüntü Degerlendirme (Bazi ölçümlere göre elde edilmis bilgiyi temsil eden ilginç örüntüleri tanimlamak)
  7. Bilgi Sunumu (Madenciligi yapilmais olan elde edilmis bilginin kullaniciya sunumunu gerçeklestirmek),

Veri madenciligi adimi, kullanici ve bilgi tabani ile etkilesim halindedir. Ilginç örüntüler kullaniciya gösterilir, ve bunun ötesinde istenir ise bilgi tabnina da kaydedilebilir. Buna göre, veri madenciligi islemi, gizli kalmis örüntüler bulunana kadar devam eder.

Bir veri madenciligi sistemi, asagidaki temel bilesenlere sahiptir: · Veritabani, veri ambari ve diger depolama teknikleri · Veritabani ya da veri ambari Sunucusu · Bilgi Tabani · Veri Madenciligi Motoru · Örüntü Degerlendirme · Kullanici Arayüzü

Veri madenciligi, eldeki verilerden üstü kapali, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanisli bilginin çikarilmasidir. Bu da; kümeleme, veri özetleme, degisikliklerin analizi, sapmalarin tespiti gibi belirli sayida teknik yaklasimlari içerir.

Baska bir deyisle, veri madenciligi, verilerin içerisindeki desenlerin, iliskilerin, degisimlerin, düzensizliklerin, kurallarin ve istatistiksel olarak önemli olan yapilarin yari otomatik olarak kesfedilmesidir.

Temel olarak veri madenciligi, veri setleri arasindaki desenlerin ya da düzenin, verinin analizi ve yazilim tekniklerinin kullanilmasi ile ilgilidir. Veriler arasindaki iliskiyi, kurallari ve özellikleri belirlemekten bilgisayar sorumludur. Amaç, daha önceden fark edilmemis veri desenlerini tespit edebilmektir.

Veri madenciligini istatistiksel bir yöntemler serisi olarak görmek mümkün olabilir. Ancak veri madenciligi, geleneksel istatistikten birkaç yönde farklilik gösterir. Veri madenciliginde amaç, kolaylikla mantiksal kurallara ya da görsel sunumlara çevrilebilecek nitel modellerin çikarilmasidir. Bu baglamda, veri madenciligi insan merkezlidir ve bazen insan – bilgisayar arayüzü birlestirilir.

Veri madenciligi sahasi, istatistik, makine bilgisi, veritabanlari ve yüksek performansli islem gibi temelleri de içerir.

Veri madenciligi konusunda bahsi geçen genis verideki genis kelimesi, tek bir is istasyonunun bellegine sigamayacak kadar büyük veri kümelerini ifade etmektedir. Yüksek hacimli veri ise, tek bir is istasyonundaki ya da bir grup is istasyonundaki disklere sigamayacak kadar fazla veri anlamindadir. Dagitik veri ise, farkli cografi konumlarda bulunan verileri anlatir.