Sürekli dilimizde olan gelişen teknoloji, bugünlerde veri toplama ve yığınlar halinde depolama konusunda sağladığı kolaylıklarla gündemde. Peki neden veriyi depolamaya çalışıyoruz? Kısaca “Büyük Veri (Big Data)” dersek tanıdık gelecektir eminim. Büyük Veri, geleneksel veritabanı araçlarıyla yönetilemeyecek büyüklükte olan veriye denir. Milyarlarca kaynaktan gelen, insan eliyle analiz edilemeyecek tüm bu bilgilerin işlenmesi amacıyla “Veri Bilimi” denen yeni bir alan doğdu.

İnternetin en küçük cihazlarda bile kullanılmaya başlandığı günümüzde, işlerin bu kadar hızlı ve hatasız ilerlemesini aslında Büyük Veri ve veri bilimine borçluyuz. Veri bilimi, karmaşık problemleri çözmek için hem yapılandırılmış hem de yapılandırılmamış veriyi, işe yarar/değerli bilgiye dönüştürmeye yarar. Bu süreçte, bilimsel problem çözme tekniklerini, matematiği, istatistiği ve yazılım geliştirme disiplinlerini birlikte kullanır.1

Veri biliminin birçok tanımı var, bu tanımlara göre veri biliminin üç temel amacı;

1) Çok fazla veriyi işleyip bilgi elde etmek,

2) Çok fazla veriyi veri tabanlarında depolamak,

3) Çok fazla veriden gelecek ile ilgili tahminler yapabilecek bağıntı ve kurallar çıkarmak.

Veriler ve kullanımını Efilli Ekip’ten Sami Aydoğan kısaca şöyle açıklıyor:

“Veri bilimi bana göre veriyle oynayarak istediğimiz çıktıyı almamıza yarar. Veri bilimi, büyük veya küçük her şirket için önemlidir. Çünkü yapılan işlerin, performansın, gelecek hedeflerin değerlendirilmesi için veri bilimini kullanmak kaçınılmazdır. Ben veri mühendisi olarak verileri fırıncının ekmek yapması için gerekli olan hamura benzetiyorum. Hamurun içeriğini değiştirip, hamura şekil vermek sizin ortaya çıkacak ekmeği değiştirmenizi sağlar. Veriler de böyledir, eğer verileri düzgün bir şekilde değerlendirirseniz çalıştığınız kurum için yararlı çıktılar elde edersiniz.”

Veri biliminin kullanım alanları saymakla bitmez…

Veri bilimi sadece e-ticarette değil; şirketlerin pazarlama departmanları, bankalar ve fabrikalarda da işlerimizi kolaylaştırıyor. Örneğin;

  • Müşteriler arası benzerliklerin saptanması, çapraz pazar incelemesi,
  • Kalite kontrol, rekabet analizi, öngörü,
  • Sahtekârlıkların, kredi kartı dolandırıcılıklarının saptanması,
  • Müşteri kredi risk araştırmaları,
  • Müşterilerin satın alma örüntülerinin belirlenmesi,
  • Müşterilerin demografik özellikleri arasındaki bağlantıların bulunması,
  • Pazar sepeti analizi (Market Basket Analysis),
  • Müşteri değerlendirme (Customer Value Analysis),
  • Satış tahmini (Sales Forecasting)

Ve daha birçok konu veri bilimi sayesinde mümkün kılınıyor.2

Veri bilimi yapmak ile yazılım geliştirmek aynı şey değil.

Efilli Board Member Doç. Dr. Deniz Kılınç, veri biliminin yazılım geliştirme ile farklarını şu şekilde açıklıyor:

“Ortak yönleri çok olsa da her ikisinin de kendine ait farklı iş akışları ve uzmanlıkları bulunuyor. En temel kesiştikleri noktanın “program yazmak” olduğunu rahatlıkla söyleyebilirim. Klasik yazılım geliştirme süreçlerinde bir işi yaparken hazır bir çatı üzerinde işin altyapısını çok da bilmeden piyasada “maalesef” iş yapabiliyorsunuz. Ancak veri bilimi ve yapay zeka projelerinde bir kaçış yok, sektörde bir “veri bilimci” olarak çalışıyorsanız, mutlaka kullandığınız altyapının/algoritmanın teorik detayını bilmeniz gerekiyor.“ 3

Yapay zeka ve veri biliminin e-ticaretteki kullanım alanıyla ilgili daha fazla bilgi için diğer yazılarımızı okumayı unutmayın! Efilli Bülten’e abone olun, yeni içeriklerimizi kaçırmayın! Bir sonraki yazımızda görüşmek üzere…

Kaynaklar:

  1. Medium: Python ile Veri Bilimine Dalış, Deniz Kılınç (link)
  2. Medium: Yapay zeka ile ilgili ortaya karışık notlar ve sorular, Deniz Kılınç (link)
  3. İstanbul Ticaret Üniversitesi Açık Erişim Kaynağı: Veri Madenciliği/E-Ticaret İçin Ürün Tavsiye Sistemi Geliştirilmesi, Elif Şafak Sivri (link)