Sonuç bulunamadı

Aramanız hiçbir sonuçla eşleşmedi.

Aradığınızı bulmanıza yardımcı olmak üzere aşağıdakileri denemenizi öneririz:

  • Anahtar kelime aramanızın yazımını kontrol edin.
  • Yazdığınız anahtar kelimenin eş anlamlılarını kullanın. Örneğin, “yazılım” yerine “uygulama yazılımı” yazın.
  • Yeni bir arama başlatın.
Bize Ulaşın Oracle Cloud'da Oturum Aç

Oracle Cloud Free Tier

Doğal dil işleme uygulayarak ücret ödemeden uygulama yazılımları oluşturun, bunları test edin ve dağıtın.

Büyük Veri nedir?

Büyük veri tanımlandı

Tam olarak büyük veri nedir?

Büyük veri daha fazla çeşitlilik içeren ve hızla artan büyük hacimli veridir. Bu aynı zamanda üç V olarak da bilinir.

Basitçe söylemek gerekirse, büyük veri özellikle yeni veri kaynaklarından gelen daha büyük, daha karmaşık veri kümeleridir. Bu veri kümeleri o kadar hacimlidir ki, geleneksel veri işleme yazılımı onları yönetemez. Ancak bu büyük hacimli veriler, daha önce üstesinden gelemeyeceğiniz iş sorunlarını çözmek için kullanılabilir.

Büyük verinin üç V'si

Volume (Hacim) Veri miktarı önemlidir. Büyük veri ile, yüksek hacimli düşük yoğunluklu, yapılandırılmamış verileri işlemeniz gerekir. Bu, Twitter veri beslemeleri, bir web sayfasındaki veya bir mobil uygulamadaki tıklama akışları ya da sensör özellikli ekipman gibi bilinmeyen değerli veriler olabilir. Bazı kurumlar için bu onlarca terabayt veri olabilir. Diğerleri için yüzlerce petabayt olabilir.
Velocity (Hız) Hız, verilerin alındığı ve (belki de) işlem yapıldığı hız oranıdır. Normalde, en yüksek veri akışları hızı diske yazılmak yerine doğrudan belleğe aktarılır. İnternet özellikli bazı akıllı ürünler gerçek zamanlı veya neredeyse gerçek zamanlı olarak çalışır ve gerçek zamanlı değerlendirme ve eylem gerektirir.
Variety (Çeşitlilik) Çeşitlilik, mevcut olan birçok veri türünü ifade eder. Geleneksel veri türleri bir ilişkisel veritabanında yapılandırılır ve buraya yerleştirilir. Büyük verinin yükselişiyle, veriler yeni yapılandırılmamış veri türleri biçiminde gelir. Metin, ses ve video gibi yapılandırılmamış ve yarı yapılandırılmış veri türleri, anlam türetmek ve meta verileri desteklemek için ek ön işleme süreci gerektirir.

Büyük verinin değeri ve gerçeği

Son birkaç yılda iki V daha ortaya çıktı: value (değer) ve veracity (doğruluk). Verinin kendine özgü değeri vardır. Ancak o değer keşfedilene kadar bunun hiçbir faydası yoktur. Eşit derecede önemli: Verileriniz ne kadar doğru ve buna ne kadar güvenebilirsiniz?

Bugün büyük veri sermaye oldu. Dünyanın en büyük teknoloji şirketlerinden bazılarını düşünün. Sundukları değerin büyük bir kısmı daha fazla verimlilik üretmek ve yeni ürünler geliştirmek için sürekli analiz ettikleri verilerinden gelmektedir.

Son teknolojik gelişmeler, veri depolama ve hesaplama maliyetlerini giderek azalttı ve veriyi depolamayı hiç olmadığı kadar daha kolay ve daha ucuz hale getirdi. Artan büyük veri hacmi ile artık daha ucuz ve daha erişilebilir, daha doğru ve kesin iş kararları verebilirsiniz.

Büyük veride değer bulmak yalnızca onu analiz etmekle ilgili değildir (bu tamamen başka bir avantajdır). Bu, doğru soruları soran, kalıpları tanıyan, bilgiye dayalı varsayımlarda bulunan ve davranışı tahmin eden bilgili analistler, işletme kullanıcıları ve yöneticiler gerektiren tam bir keşif sürecidir.

Ama buraya nasıl geldik?

Büyük verinin geçmişi

Büyük veri kavramının kendisi nispeten yeni olsa da, büyük veri kümelerinin kökenleri veri dünyasının ilk veri merkezleri ve ilişkisel veritabanının geliştirilmesiyle yeni başladığı 1960'lar ve 70'lere kadar uzanmaktadır.

2005 yılı civarında insanlar, kullanıcıların Facebook, YouTube ve diğer çevrimiçi hizmetler aracılığıyla ne kadar veri ürettiğini anlamaya başladı. Hadoop (büyük veri kümelerini depolamak ve analiz etmek için özel olarak oluşturulmuş açık kaynaklı bir çerçeve) aynı yıl geliştirildi. NoSQL de bu süre zarfında popülerlik kazanmaya başladı.

Hadoop (ve daha yakın zamanda Spark) gibi açık kaynaklı çerçevelerin geliştirilmesi, büyük verinin büyümesi için çok önemliydi; çünkü bunlar büyü veri ile çalışmayı daha kolay ve depolamayı daha ucuz hale getirmektedir. O zamandan bu yana büyük veri hacmi hızla arttı. Kullanıcılar hala büyük miktarda veri üretiyor ancak bunu yapan sadece insanlar değil.

Internet of Things'in (IoT) ortaya çıkmasıyla birlikte, daha fazla nesne ve cihaz internete bağlanarak müşteri kullanım modelleri ve ürün performansı hakkında veri toplamaktadır. Makine öğreniminin ortaya çıkmasıyla daha fazla veri üretildi.

Büyük veri ilerleme kaydetmiş olsa da, faydası daha yeni ortaya çıkıyor. Bulut bilgi işlem büyük veri olanaklarını daha da genişletti. Bulut, geliştiricilerin bir veri alt kümesini test etmek için basitçe geçici kümeler oluşturabildikleri gerçekten esnek bir ölçeklenebilirlik sunar. Grafik veritabanları analitiği hızlı ve kapsamlı hale getirecek şekilde muazzam miktarda veriyi görüntüleme becerileriyle giderek daha önemli hale geliyor.


Büyük veri avantajları:

  • Büyük veri daha fazla bilgiye sahip olmanız nedeniyle daha eksiksiz yanıtlar almanızı mümkün kılar.
  • Daha eksiksiz yanıtlar verilere daha fazla güven anlamına gelir; bu, sorunların üstesinden gelmek için tamamen farklı bir yaklaşım demektir.

Büyük veri kullanım örnekleri

Büyük veri müşteri deneyiminden analitiğe kadar çeşitli iş faaliyetlerini ele almanıza yardımcı olabilir. İşte bunlardan sadece birkaçı.

Ürün geliştirme Netflix ve Procter & Gamble gibi şirketler müşteri talebini tahmin etmek için büyük veri kullanır. Geçmiş ve mevcut ürün veya hizmetlerin temel özelliklerini sınıflandırarak ve bu özellikler ile tekliflerin ticari başarısı arasındaki ilişkiyi modelleyerek yeni ürün ve hizmetler için tahmine dayalı modeller oluştururlar. Ek olarak, P&G yeni ürünleri planlamak, üretmek ve piyasaya sürmek için odak gruplarından, sosyal medyadan, test pazarlarından ve erken mağaza sunumlarından gelen verileri ve analitiği kullanır.
Tahmine dayalı bakım Mekanik arızaları tahmin edebilen faktörler ekipmanın yılı, markası ve modeli gibi yapılandırılmış verilerin yanı sıra milyonlarca günlük girişi, sensör verileri, hata mesajları ve motor sıcaklığını kapsayan yapılandırılmamış verilerin içinde derinde gömülü olabilir. Kuruluşlar, sorunlar ortaya çıkmadan önce olası sorunların bu göstergelerini analiz ederek bakımı daha uygun maliyetli bir şekilde uygulayabilir ve parça ve ekipman çalışma süresini en üst düzeye çıkarabilir.
Müşteri deneyimi Müşteriler için yarış başladı. Müşteri deneyiminin daha net bir şekilde görülebilmesi artık her zamankinden daha mümkün. Büyük veri etkileşim deneyimini iyileştirmek ve sunulan değeri en üst düzeye çıkarmak için sosyal medyadan, web ziyaretlerinden, arama günlüklerinden ve diğer kaynaklardan veri toplamanıza olanak tanır. Kişiselleştirilmiş teklifler sunmaya başlayın, müşteri kaybını azaltın ve sorunları proaktif bir şekilde ele alın.
Dolandırıcılık ve uyum Güvenlik söz konusu olduğunda, sizlerin ve uzman ekiplerin karşısında yalnızca birkaç düzenbaz bilgisayar korsanı yok. Güvenlik ortamları ve uyumluluk gereksinimleri sürekli olarak gelişmektedir. Büyük veri, düzenleyici raporlamayı çok daha hızlı hale getirmek için dolandırıcılığı gösteren verilerdeki kalıpları belirlemenize ve büyük hacimli bilgileri bir araya getirmenize yardımcı olur.
Makine öğrenimi Makine öğrenimi şu anda sıcak bir konu. Ve veriler (özellikle büyük veri) nedenlerden biridir. Artık makineleri programlamak yerine onlara öğretebiliyoruz. Makine öğrenimi modellerini eğitmek için büyük verinin kullanılabilir olması bunu mümkün kılmaktadır.
Operasyonel verimlilik Operasyonel verimlilik her zaman ilgi görmeyebilir, ancak büyük verinin en fazla etkilediği alandır. Büyük veriyle kesintileri azaltmak ve gelecekteki talepleri tahmin etmek için üretimi, müşteri geri bildirimleri ile iadeleri ve diğer faktörleri analiz edebilir ve değerlendirebilirsiniz. Büyük veri mevcut piyasa talebi doğrultusunda karar vermeyi iyileştirmek için de kullanılabilir.
İnovasyonu teşvik edin Büyük veri insanlar, kurumlar, varlıklar ve süreçler arasındaki karşılıklı bağımlılıkları inceleyerek ve ardından bu içgörüleri kullanmanın yeni yollarını belirleyerek yenilik yapmanıza yardımcı olabilir. Finans ve planlama hususlarıyla ilgili kararları iyileştirmek için veri içgörülerini kullanın. Trendleri ve müşterilerin yeni ürün ve hizmetlerle birlikte sunmak istedikleri şeyleri inceleyin. Dinamik fiyatlandırma uygulayın. Sonsuz olasılıklar mevcuttur.

Büyük verinin zorlukları

Büyük veri çok şey vaat ederken zorlukları da yok değil.

İlk olarak, büyük veri… büyüktür. Veri depolama için yeni teknolojiler geliştirilmiş olsa da, veri hacimleri yaklaşık iki yılda bir iki katına çıkıyor. Kurumlar, verilerine ayak uydurmak ve verileri etkili bir şekilde depolamanın yollarını bulmak için hala mücadele ediyor.

Ancak verileri yalnızca saklamak yeterli değildir. Verilerin değerli olması için verilerin kullanılması gerekir ve bu düzenlemeye bağlıdır. Temiz veriler veya müşteriyle ilgili olan ve anlamlı bir analiz sağlayacak şekilde düzenlenen veriler çok fazla çalışma gerektirir. Veri bilimciler, zamanlarının yüzde 50'si ila 80'ini veriler fiilen kullanılmadan önce bunları düzenlemek ve hazırlamak için harcıyor.

Son olarak, büyük veri teknolojisi hızlı bir şekilde değişiyor. Birkaç yıl önce, Apache Hadoop, büyük veriyi işlemek için kullanılan popüler teknolojiydi. Ardından 2014 yılında Apache Spark piyasaya sürüldü. Bugün, iki çerçeveden oluşan kombinasyon en iyi yaklaşım gibi görünüyor. Büyük veri teknolojisine ayak uydurmak süregelen bir zorluktur.

Daha fazla büyük veri kaynağı keşfedin:

Büyük veri nasıl çalışır?

Büyük veri size yeni fırsatlar yaratıp iş modelleri oluşturan yeni içgörüler sağlar. Başlarken üç temel eylem vardır:

1.  Birleştirin
Büyük veri birçok farklı kaynaktan ve uygulama yazılımından gelen verileri bir araya getirir. Ayıklama, dönüştürme ve yükleme (ETL) gibi geleneksel veri entegrasyonu mekanizmaları genellikle göreve bağlı değildir. Büyük veri kümelerini terabayt, hatta petabayt ölçeğinde analiz etmek için yeni stratejiler ve teknolojiler gerekir.

Entegrasyon sırasında, verileri getirmeniz, işlemeniz ve iş analistinizin başlayabileceği bir biçimde biçimlendirilip kullanılabilir olduğundan emin olmanız gerekir.

2.  Yönetin
Büyük veri depolama alanı gerektirir. Depolama çözümünüz bulutta, şirket içinde veya her ikisinde birden olabilir. Verilerinizi istediğiniz şekilde depolayabilir ve istediğiniz işleme gereksinimlerini ve gerekli işlem motorlarını isteğe bağlı olarak bu veri setlerine getirebilirsiniz. Birçok kişi, depolama çözümlerini verilerinin şu anda bulunduğu yere göre seçer. Bulut, mevcut bilgi işlem gereksinimlerinizi desteklediği ve kaynakları gerektiği gibi artırmanıza olanak tanıdığı için giderek popülerlik kazanıyor.

3.  Analiz et
Büyük veriye yaptığınız yatırımınız, verilerinizi analiz edip bunlara göre hareket ettiğinizde karşılığını verir. Çeşitli veri kümelerinizin görsel analiziyle yeni bir netlik elde edin. Yeni keşiflerde bulunmak için verileri daha fazla araştırın. Bulgularınızı başkalarıyla paylaşın. Makine öğrenimi ve yapay zeka ile veri modelleri oluşturun. Verilerinizi işe yöneltin.

Büyük veri ideal uygulamaları

Büyük veri yolculuğunuzda size yardımcı olmak için aklınızda bulundurmanız gereken bazı önemli en iyi uygulamaları bir araya getirdik. Başarılı bir büyük veri temeli oluşturmaya yönelik yönergelerimiz bunlardır.

Büyük veriyi belirli işletme hedefleriyle uyumlu hale getirin Daha kapsamlı veri kümeleri yeni keşiflerde bulunmanızı sağlar. Bu amaçla, devam eden proje yatırımlarını ve finansmanını garanti altına almak için güçlü bir iş odaklı bağlamla yeni yatırımları becerilere, organizasyona veya altyapıya dayandırmak önemlidir. Doğru yolda olup olmadığınızı belirlemek için büyük verinin en önemli iş ve BT önceliklerinizi nasıl desteklediğini ve olanaklı kıldığını sorun. Örnekler arasında, e-ticaret davranışını anlamak için web günlüklerinin nasıl filtreleneceğini anlamak, sosyal medya ve müşteri desteği etkileşimlerinden duyarlılık çıkarmak ve istatistiksel korelasyon yöntemlerini ve bunların müşteri, ürün, üretim ve mühendislik verileri ile ilgisini anlamak yer alır.
Standartlar ve denetim ile beceri eksikliğini giderin Büyük veriye yaptığınız yatırımdan yararlanmanın önündeki en büyük engellerden biri beceri eksikliğidir. Büyük veri teknolojilerinin, değerlendirmelerin ve kararların BT denetim programınıza eklenmesini sağlayarak bu riski azaltabilirsiniz. Yaklaşımınızı standart hale getirmek maliyetleri yönetmenize ve kaynaklardan yararlanmanıza olanak tanır. Büyük veri çözümlerini ve stratejilerini uygulayan kurumlar, beceri gereksinimlerini erkenden ve sıklıkla değerlendirmeli ve olası beceri boşluklarını proaktif olarak belirlemelidir. Bunlar, mevcut kaynakları eğiterek/çapraz eğiterek, yeni kaynakları işe alarak ve danışmanlık firmalarından yararlanarak ele alınabilir.
Bir mükemmellik merkezi ile bilgi aktarımını optimize edin Bilgiyi paylaşmak, gözetimi kontrol etmek ve proje iletişimlerini yönetmek için bir mükemmeliyet merkezi yaklaşımını kullanın. Büyük veri ister yeni ister genişleyen bir yatırım olsun, yumuşak ve zor maliyetler kuruluş genelinde paylaşılabilir. Bu yaklaşımdan yararlanmak, büyük veri yeteneklerinin ve genel bilgi mimarisi olgunluğunun daha yapılandırılmış ve sistematik bir şekilde artırılmasına yardımcı olabilir.
En büyük kazanç, yapılandırılmamış verileri yapılandırılmış verilerle uyumlu hale getirmektir

Büyük veriyi kendi başına analiz etmek kesinlikle değerlidir. Ancak, düşük yoğunluklu büyük veriyi bugün kullanmakta olduğunuz yapılandırılmış verilere bağlayıp entegre ederek daha da büyük iş içgörüleri sağlayabilirsiniz.

Müşteri, ürün, ekipman veya çevresel büyük veriyi yakalarken amaç, daha iyi sonuçlara yol açacak şekilde ana ve analitik özetlerinizle daha alakalı veri noktaları eklemektir. Örneğin, tüm müşteri duyarlılığını yalnızca en iyi müşterilerinizden ayırmada bir fark vardır. Bu nedenle çoğu kişi büyük veriyi mevcut iş zekası yeteneklerinin, veri ambarlama platformunun ve bilgi mimarisinin ayrılmaz bir uzantısı olarak görüyor.

Büyük veri analitik süreçlerinin ve modellerinin hem insan hem de makine tabanlı olabileceğini unutmayın. Büyük veri analitik yetenekleri arasında istatistikler, uzamsal analiz, anlambilim, etkileşimli keşif ve görselleştirme bulunur. Analitik modelleri kullanarak, ilişkilendirmeler ve anlamlı keşifler yapmak için farklı veri türlerini ve kaynaklarını ilişkilendirebilirsiniz.

Keşif laboratuvarınızı performans için planlayın

Verilerinizdeki anlamı keşfetmek her zaman kolay değildir. Bazen ne aradığımızı bile bilmiyoruz. Bu beklenen bir şeydir. Yönetim ve BT'nin bu "yön eksikliğini" veya "açık gereksinim eksikliğini" desteklemesi gerekir.

Aynı zamanda, analistlerin ve veri bilimcilerin, temel iş bilgisi boşluklarını ve gereksinimlerini anlamak için işletmeyle yakın bir şekilde çalışması önemlidir. Verilerin etkileşimli keşfine ve istatistiksel algoritmaların denenmesine uyum sağlamak için, yüksek performanslı çalışma alanlarına ihtiyaç duyarsınız. Korumalı alan ortamlarının ihtiyaç duydukları desteğe sahip olduğundan ve uygun şekilde yönetildiğinden emin olun.

Bulut işletim modeline uyum sağlayın Büyük veri süreçleri ve kullanıcıları, hem yinelemeli deneyler hem de üretim işlerini yürütmek için geniş bir kaynak dizisine erişim gerektirir. Bir büyük veri çözümü işlemler, ana veriler, referans veriler ve özetlenmiş veriler dahil olmak üzere tüm veri alanlarını içerir. Analitik sanal alanlar talep üzerine oluşturulmalıdır. Kaynak yönetimi ön ve son işleme, entegrasyon, veritabanı içi özetleme ve analitik modelleme dahil olmak üzere tüm veri akışının kontrolünü sağlamak için kritik öneme sahiptir. İyi planlanmış özel ve genel bulut sağlama ve güvenlik stratejisi, bu değişen gereksinimleri desteklemede önemli bir rol oynar.