Bilgi keşfi ve veri madenciliği

Abstract

ÖZET Anahtar Kelimeler : Bilgisayar, Veritabanı, Veri Madenciliği, Bilgi Keşfi, Veri Ambarı, Karar Destek Sistemleri Günümüzün hızla değişen ve gelişen teknolojik ortamında verinin ve veriye yönelik işlemlerin önemi de günden güne artmaktadır. Geçmişte amacı veriyi işlemek ve organizasyonların günlük işlemlerinde kullanmak olan sistemlerin yapısı, veriyi toplamak, değerlendirmek ve bunlara yönelik kararlar almak olarak kullanılan sistemlere dönüşmüştür. Operasyonel Sistemler organizasyonların günlük işlemlerini yürütmek için kullanılan sistemlerdir. Bu sistemlerde veri veritabanında gerçek zamanlı olarak işlenir. Karar Destek Sistemleri ise organizasyonların tarihsel verilerini çözümleyip geleceğe yönelik çıkarımlar yapmak için kullanılan sistemlerdir. Bu sistemlerde yer alan bilgiler çeşitli incelemelerden ve araştırmalardan geçirilerek yöneticilerin ileride organizasyonun kârını ya da verimliliğini arttırması, gelecekte izlenecek politikalarının belirlenmesi ve benzeri yönetimsel kararların alınmasını kolaylaştırırlar. Veri Ambarı organizasyonların Operasyonel Sistemlerden gelen verilerinin, konsolide edilmiş, zaman uyumlu, gerekli olanlarını ayıklayanmış bir şekilde geleceğe yönelik planlama ve değerlendirme için bulunduğu bir veri deposudur. Veri Ambarı Karar Destek Sistemlerinin veritabanı olarak gösterilebilir. Çeşitli sistemlerden gelen veriler ortak bir yapıya dönüştürülerek ve zamana uyumlu olarak Veri Ambarına yerleştirilirler. Doğal olarak Veri Ambarlarının boyutları Operasyonel Sistemlerin boyutlarından çok daha fazladır. Bu çalışmanın ana konusu olan Veri Madenciliği Veri Ambarı üzerinde uygulanan analiz ve çıkarım işlemlerinden bir tanesi olarak görülebilir. Genel olarak Veri Madenciliği belirli algoritmalar ve teknikler yardımıyla veri kümelerindeki (Veritabanı, Veri Ambarı v.b) örüntüleri ortaya çıkarmaya yarayan uygulamalardır. Veri Madenciliği aynı zamanda bilgi keşfi süreci adımlarının en önemli aşamalarından biridir. Bu tez çalışmasında Veri Madenciliği veritabanı ve bilgi keşfi bakış açısı ile incelenmiş, Veri Ambarı ve Veritabanlarında Bilgi Keşfi araştırma alanları ile ilişkisi ve Veri Madenciliğinin kullanım yerleri, işlemleri ve teknikleri açıkça ortaya konmuştur. Son olarak da incelenen kavramları ve teknikleri pekiştirmesi açısından Microsoft Analysis Services araçları kullanarak bir sınıflandırma probleminin çözümü geçeklenmiştir. ıx

KNOWLEDGE DISCOVERY and DATA MINING SUMMARY Keywords : Computer, Database, Data Mining, Knowledge Discovery, Data Warehouse, Decision Support Systems Today, importance of information and information technologies are increasing rapidly. In Past, The systems that used data to prosess daily transactions in organizations has replaced decision support systems that analysis data to predict their future needs. Operational Systems is systems that process daily transactions in organizations. This systems process data online in databases. Decision Support System is systems that analysis historical data to make decisions for future needs. Informations of this systems provides decisions for incrasing productivity of organizations and to make decisions future organiszations policy. Data Warehouse is data store that holds consolidated data from Operational Systems to analysis for handling requirements. Data Warehouse can be called Decision Support System's database. Data Warehouse holds data that flows from other systems historically. Data Warehouse has huge volume according to Operational Systems. Data Mining that main concepts of this research is applications to find out prediction and relations in datasets. In general, Data Mining used to specific algoritms and techniques to find out patterns in huge dataset and it also is most important step in knowledge discovery process. In this study, Data Mining was researched activities and relations other disciplines from Data Warehousing and KDD perspective. Finally, Data Mining applications for a classification problem was developed by using Microsoft Analysis Services tools and techniques.