İşletmelerde İş Analitiği ve Büyük Veri uygulamaları, veri bilimi, gerekli yetkinlikler, süreç ve organizasyon ihtiyaçları

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

3. 3
Kapsam

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

7. 7
Örnek Uygulama: Abonelik analizi
Telekom mü teri iptal e ilimi analiziş ğ
Karar a acı yöntemiğ

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

11. 11
Sorular?
➢ leti im: mehmet.gencer@ieu.edu.trİ ş