2018’de dünya nüfusunun yaklaşık %47’sinin yani yaklaşık 3,8 milyar insanın, internet kullandığı ve günlük çıktı verisinin 2,5 kentilyon bayt olduğu tahmin ediliyor. İnterneti kullananların sayısının katlanarak artmasıyla, veriler de katlanarak büyüyor.

Big data yani büyük veri, verinin analiz edilip sınıflandırılmış, anlamlı ve işlenebilir hale dönüştürülmüş halidir. Hem yapılandırılmış hem de yapılandırılmamış veri türlerini içeren büyük veri, genellikle işletmelerin analiz yapmaları ve daha iyi iş stratejileri oluşturmalarına yardımcı olabilecek içgörüler elde etmelerine olanak tanır. Büyük veri (big data), işletmeler için günümüzün en önemli varlıklarından biridir.

Tüm iş alanları ve günlük yaşam, büyüyen büyük veri yığınına katkıda bulunur. Perakende, gayrimenkul, seyahat, turizm, finans, sosyal medya, teknoloji vb. örneklerden tutun da attığımız adımdan finansal geçmişimize kadar hayatınızın her yönü veridir.

Big Data’da ki (Büyük veri), veriler nereden geliyor ?

Sosyal Medya

Beğeniler, paylaşımlar, gönderiler, yorumlar, bir gönderiye bakmak için ne kadar zaman harcadığınız vb. tüm bu bilgiler, insanların davranışları, duyguları ve tercihleri ​​hakkında kapsamlı veriler olarak kabul edilir.

Akıllı (Nesnelerin İnterneti) Cihazları

İnternet bağlantısı, şirketlerin akıllı ev sistemleri, robotik elektrikli süpürgeler, akıllı TV’ler ve giyilebilir fitness izleyicileri gibi cihazlar aracılığıyla veri toplamasına olanak tanır.

Web Siteleri

Şirketler veya diğer web sitesi sahipleri, sayfa ziyaretlerini, ziyaretçilerin genel konumlarını izleyebilir, kitlelerin bir sayfada ne kadar zaman geçirdiğini, hangi bağlantıların en çok tıklandığını ve imleç hareketini görebilir.

Makine

İnternet bağlantısı olmasa bile yol kameraları, sensörler ve tıbbi ekipman gibi makineler bilgileri kaydedebilir.

Ticari İşlemler

Veriler, çevrimiçi olarak ve şahsen ürün satın alan müşterilerden gelebilir. Fiyat, satın alma zamanı, ödeme yöntemleri ve diğer ayrıntılar, bir işletmeye, ürünleri için müşteri talebi hakkında bilgi verebilir.

Hükümet

Hükümetler politik kararları vermek için birçok kaynaktan gelen verileri (otomobil trafik bilgileri, tarımsal verimler, hava durumu izleme sistemleri, sayımlardan gelen demografik bilgiler) kullanabilir.

Sağlık

Sağlık hizmetleri sistemi verilerle doludur. Veri analistleri, yeni içgörüler elde etmek ve hasta bakımını geliştirmek için sağlık hizmetleri kayıtları, sigorta ve hasta özetleri hakkındaki toplu bilgileri kullanabilir.

Big Data (Büyük Veri) Özellikleri

1. Velocity (Veri Hızı)

Velocity (Veri Hızı) terimi, verilerin üretildiği hızı ifade eder.

Büyük veri sadece veri hacmi ile ilgili değildir, aynı zamanda verinin ne kadar hızlı aktığı, yani hızı da önemlidir. Gerçek zamana yakın olan verilerden eyleme geçirilebilir ve değerli içgörüler elde etmek, rekabet avantajı açısından çok önemlidir.

Bir yemek dağıtım şirketinin, büyük bir spor etkinliğinin başlamasından 45 dakika önce satış verilerine dayanarak bir Google Ads kampanyası hazırlaması, buna bir örnektir. Aynı veriler birkaç saat içinde alaka düzeyini kaybedecektir.

Bu hızlı veri ihtiyacını yönlendiren teknolojiler arasında RFID etiketleri, akıllı ölçüm ve çeşitli sensör türleri bulunur.

2. Volume (Veri Hacmi)

Dünyanın dört bir yanındaki şirketlerin yönettiği veri hacmi, kuruluşların her gün üç milyondan fazla veri toplamaya başlamasıyla birlikte 2012 yılında hızla artmaya başlamıştır. Antonio de Nebrija Üniversitesi’nden bir MBA Profesörü’ne göre, o zamandan beri bu hacmin her 40 ayda bir ikiye katladığı tahmin ediliyor.

3. Variety (Veri Çeşitliliği)

Variety (Veri Çeşitliliği), bir şirketin veri elde edebileceği kaynak yelpazesini ve bunların içindeki anlamlandırılabilir verileri ifade eder. Akıllı telefonlar, şirket içi cihazlar, sosyal medya sohbetleri, hisse senedi verileri ve finansal işlemlerden elde edilen veriler gibi verileri içerir. Fakat kaynağın, özellikle verilerin toplandığı işin doğasıyla ilgili olması gerekir. Örneğin, bir tekstil şirketi, yakın zamanda piyasaya sürdüğü koleksiyonları hakkında, kullanıcıların sosyal medyada söylediklerini dinlemelidir. Bir üretim şirketinin ise, sosyal medyayı takip etmesi onlara daha az değer katacaktır.

4. Doğruluk (Veri Doğruluğu)

Veracity (Veri Doğruluğu), verilerin kalite ve doğruluğunu sorgular. Kuruluşlar, temiz veri elde etmek için verilerini sistemlere bağlamalı, temizlemeli ve dönüştürmelidir. Verilerini kontrol altında tutmak için hiyerarşilere ve çoklu veri bağlantılarına ihtiyaçları vardır.

5. Value (Veri Değeri)

Değer, web sitesine kaç yeni üyenin katılacağını, kaç müşterinin sigorta poliçelerini yenileyeceğini, ürünlerle ilgili kaç sipariş olacağının vb. tahmin edilmesi; işletmelerin en iyi müşterilerinin kim olduğunu ve kimin birkaç hafta veya ay içinde müşterisi olmaktan vazgeçeceğini bilmesidir.

Şirketler, büyük verinin sağladığı içgörülerden para kazanma becerileriyle değer kazanır. Müşterilerini daha iyi tanırlar ve daha alakalı teklifler sunmaya çalışırlar.

Big Data (Büyük Veri) Nasıl Kullanılır?

Sağlık sistemlerinde büyük veri, hastalıkların yaygın semptomlarını bulmak veya herhangi bir zamanda bir hastane katına ne kadar personel yerleştirileceğine karar vermek için kullanılabilir. Hükümetler, yeni yollar planlamak için trafik verilerini kullanabilir ya da bir işletme, müşteri tercihlerini daha iyi anlamak için topladıkları verileri analiz edebilir.

Tüm bu analizleri yapabilmek için büyük veriyle çalışan veri analistleri ve diğer profesyoneller bazı araçları ve yöntemleri kullanır

1. Veri Madenciliği

Veri madenciliği, kalıpları, eğilimleri ve korelasyonları bulmak için büyük miktarda veriyi tarayan bir süreci ifade eder. Veri noktaları arasındaki ilişkileri bulmak, kuruluşların karar vermesine yardımcı olmak için anahtardır.

2. Tahmine Dayalı Analitik

Analistler, tahmine dayalı modeller ve makine öğrenimi teknolojisini kullanarak gelecekteki olayların veya eğilimlerin olasılığını tahmin etmek için verileri kullanabilir.

3. Makine Öğrenimi

Sürekli öğrenen ve kendini geliştiren bir yapay zeka biçimi olan makine öğrenimi, büyük veri kümelerinde eğilimleri tahmin etmeye ve kalıpları bulmaya yardımcı olur. Makine öğrenimi, yeni veri akışlarına uyum sağlamada yararlı olabilir.

4. Derin Öğrenme

Derin öğrenme, yapay sinir ağlarına dayanan ve insan beyninin öğrenme sürecini taklit eden bir makine öğrenimi alt kümesidir. Derin öğrenme genellikle konuşma, metin tanıma ve bilgisayarla görme teknolojisinde kullanılır.

5. Veri ambarları

Veri ambarları büyük miktarda geçmiş veriyi depolar. Veriler tipik olarak temizlenir, düzenlenir ve daha sonraki bir tarihte analiz edilmek üzere erişilebilir olur.

6. Apache Spark

Apache Spark, veri analizini yapay zeka ile birleştiren bir yazılım framework’üdür. Birçok durumda Hadoop’tan daha büyük veri kümeleri üzerinde analizleri daha hızlı gerçekleştirebilir.

Büyük Verilerin İşlenmesinin Faydaları

• Müşteri profillerinin daha sezgisel anlaşılması
• Daha iyi varlık yönetimi
• Kaynak ve envanter planlamasını optimize etme
• İyileştirilmiş müşteri, satıcı ve tedarikçi ilişkileri
• Daha kısa sipariş-teslimat süreleri
• Tüm tedarik zincirlerinde daha iyi entegrasyon
• Daha etkili stratejik planlama
• İyileştirilmiş müşteri hizmetleri ve daha hızlı geri dönüş

Peki Big Data (Büyük Veri) Sektörlere Nasıl Katkı Sağlıyor ?

Devlet İçin Büyük Veri

Büyük verilerin özellikle dünya çapında hükümetler için etkili olduğu kanıtlanmıştır. Karmaşık sorunları ele alma, yönetimi sağlama ve büyük olayları sadece yerel değil, aynı zamanda ulusal ve küresel ölçekte ele almakta etkilidir.

Eğitim Sektörü İçin Büyük Veri

• Daha özelleştirilmiş, dinamik ve etkileşimli öğrenme ve geliştirme programları oluşturma
• Ders materyallerinin kapsamının yeniden tanımlanması
• Not verme sistemlerini değiştirme
• Kariyer tahmini ve danışmanlığı

Sigortacılık Sektörü İçin Büyük Veri

Bir müşteri belirli bir ülkede seyahat ederken araba sigortası satın almakla ilgileniyorsa, sigorta şirketi o ülkedeki sürüş koşulları ve yol güvenliği verilerini toplayıp çalıştırarak primi buna göre ayarlayabilir. Ayrıca, kişinin sürüş güvenliği kaydını toplayabilir ve ona bir satın alma politikası sunmadan önce bunu hesaba katabilir.

Bu tür bir risk değerlendirmesine ek olarak, sigorta şirketleri, tehdit haritalaması için büyük verileri kullanabilir. Bu, belirli bir müşteri veya şirkette işlerin ters gidebileceği ve bir hak talebinde bulunmalarına yol açabilecek farklı olasılıkları hesaba katabilecekleri anlamına gelir.