1. İş Analitiği ve Büyük Veri
Ege Serbest Bölge A.Ş. Sunumu
18 Aralık 2017
Doç.Dr. Mehmet Gençer
İzmir Ekonomi Üniversitesi
İşletme Bölümü
mehmetgencer@yahoo.com
Mehmet.gencer@ieu.edu.tr
http://mgencer.com
2. 2
Odak
➢“Verilerde bo uluyoruz ama bilgiye açız” Rutherford D.ğ
Roger
➢ E itim oda ı: Bilgi destekli karar vermeyi destekleyecekğ ğ
kurumsal ve profesyonel becerileri edindirmek.
➢Mehmet.Gencer@ieu.edu.tr
Bilkent Elektronik/Fizik, Türkiye-ABD endüstriyel
otomasyon/ERP/Yapay Zeka, Yönetim-Organizasyon:
novasyon yönetimi, sosyal a lar, simülasyon ... Hesaplamalıİ ğ
Sosyal Bilimler
4. 4
Uygulama Örnekleri
➢ Ana tema: Veri güdümlü karar verme
➢ Stok ve üretim planlaması (Zaman serisi analizi)
➢ Kampanya tasarımı ve ki isel pazarlama ( li ki kuralı madencili i,ş İ ş ğ
kümeleme)
➢ Mü teri ili kileri yönetimi (Karar A acı vb. Tasnif yöntemleri/Churn-ş ş ğ
abone iptali- analizi)
➢ Operasyon-ArGe (Regresyon- etki/verimlilik modellemesi)
➢ nsan Kaynakları Yönetimi (Karar A acı vb. tasnif yöntemleri)İ ğ
➢ Satı -Finans (Kredi risk de erlendirmesi, sigorta risk de erlendirmesi)ş ğ ğ
➢ Büyük veri: PR yönetimi, filo yönetimi, sosyal sensörler, E-ticaret
tavsiye sistemleri
5. 5
Örnek çalı ma: Üretim/Operasyon Planlamasış
➢ R platformu, ARIMA tahminleme modeli, ggplot2
görselle tirme modülüş
6. 6
Örnek çalı ma: Mü teri segmentasyonuş ş
Elektrik tüketicilerinin tüketim miktarı ve kompozisyonuna
göre kümelemesi.
Hiyerar ik kümelemeş
8. 8
EĞİTİM HEDEF BECERİ ALANI
Kapsam ve Yetkinlikler
Analiti i Yönetimi Analiti i Uygulamaİş ğ İş ğ
Problem tanımlama Çözüm tasarımı
ve uygulaması
Çözüm kalitesi
değerlendirme
İş zekası entegrasyonu
Büyük Veri ihtiyac
Tespiti ve tedariği
Strateji
Operasyon
IT
9. 9
Örnek E itim çeri iğ İ ğ
Analitik problemlerinin çözümüne yönelik istatistik
yöntemleri: do rusal modelleme, zaman serisi analizi,ğ
sınıflandırma, karar a acı tasnifi, vb.ğ
R istatistik platformu kullanımı ve kurumsal veri
kaynaklarıyla entegrasyonu.
analiti i sürecinin yönetimi, payda ihtiyaçlarının süreceİş ğ ş
entegrasyonu, veri maliyetleri, güvenlik riskleri.
Teknolojiler: R istatistik platformu, Rstudio ve Rattle
uygulama programları
10. 10
Konu akı ış
➢ analiti i süreci. Temel R kullanımı ve veri seti yükleme.İş ğ
➢ Veri kaynakları ve veri kalitesi. ‘Ya ayan’ veri ve veri yönetimi yetkinlikleri.ş
➢ Veri temizli i. Ke ifsel analiz. Görselle tirme ve raporlama araçları.ğ ş ş
➢ Mü teri veya çalı an davranı modelleri, sayısal ve kategorik çıktılara kar ılık gelenş ş ş ş
istatistiksel modeller.
➢ Regresyon modellemesi. Model kalite de erlendirmesi. Alternatif modellerinğ
kar ıla tırılması. Model kalitesini iyile tirebilecek veri dönü türmesi türleri.ş ş ş ş
➢ Zaman serisi verileri. planlamasında do rusal tahminleme kullanımı. Zaman serisiİş ğ
tahminlemesi. Mevsimsel ve uzun dönemli trendlerin ayrı tırılması. Tahmin marjları.ş
➢ Parametrik/hipoteze-dayalı modeller ile non-parametrik modellerin prensipleri ve yarattıkları
katma de erlerin farklılıkları. Rattle ile karar a acı analizi ve analiz kalitesi ölçümü.ğ ğ
➢ Bir aradalık kuralları analizi: perakende/e-ticaret sepet analizi.
➢ Büyük veri: Hadoop prensipleri, MapReduce süreci. Büyük veri altyapı alternatifleri ve
uygulamaları.
➢ OPS YONEL: Sosyal A Analizi, Metin analiziİ ğ
Eğitimin amacı: bilgi destekli karar vermeyi destekleyecek kurumsal ve profesyonel becerileri edindirmek
Stratejik ihtiyaç: Stratejik ihtiyaç, paydaşlarla ihtiyaç değerlendirmesi, veri maliyetlerinin tespiti
Analiz yönetimi: stratejik ihtiyaca uygun analizin tedariki, döngüsel ilerleyen analiz sürecin kalite değerlendirmesi, planlama (çevik olmak zorunda)
Büyük veri ve veri bilimi şemsiye kavramlar haline geldiler, burada daha odaklıyız.
Hata payı %28
Grubun durumuna göre sosyal ağ analizi ve metin analizi de kapsanabilecektir.