Search

Web 2.0’ın hayatımıza girmesi ve makineleşmenin artmasıyla birlikte farklı türdeki verilerin bir arada üretilmesi, depolanması ve paylaşılması mümkün hale gelmiştir. Dijital dünyadaki giderek artan devasa miktardaki veriye ve bu verinin analiz sürecine büyük veri denilmektedir. Bu çalışmanın amacı büyük veri kavramına kavramsal bir çerçeve çizerek, akademik çalışmalarda büyük veri kullanımının durumunu, tarih içindeki gelişimini ve büyük veri yılı olarak adlandırılann 2012 yılı öncesindeki ve sonrasındaki farklılıkları incemektir. Ayrıca, büyük veri konusunundaki Türkiye’de ve dünyada yapılan çalışmaların paralellik gösterip göstermediğini ortaya koymaktır. Yöntem olarak tarama araştırması benimsenmiştir. Bu bağlamda EbscoHost ASC ve Yükseköğretim Kurulu (YÖK) tez veritabanlarında yapılan araştırmayla birlikte 2012 sonrasında büyük veriyle alakalı yapılan akademik çalışmaların 2012 öncesine oranla keskin bir biçimde arttığı görülmüştür. Bununla birlikte “veri madenciliği” ile ilgili akademik çalışmaların sayısındaki artışların nispi düşüşü ise veri madenciliği alt dallarının daha spesifikleşmesiyle açıklanabilmektedir. Ayrıca paralel işleme modellerinden Map Reduce ve doğal dil işleme uygulamalarından fikir madenciliği yöntemlerinin son yıllarda ivme kazandığı gözlemlenmiştir. Bu durum Web 2.0’dan Web 3.0’a yani Etkileşimli Web’den Semantik Web’e geçiş sürecinde olduğumuzu göstermektedir.

Süreç madenciliği veri madenciliği biliminde yeni bir alan olup iş zekasının bir alt koludur. Süreç madenciliği analizi her bir sürecin kim tarafından ve hangi zaman aralığında yapıldığını diğer süreçlerle kıyaslayarak genel sürecin işleyişi hakkında fikir edinmeye çalışır. Bu sebeple olay günlüklerine bakılır. Olay günlükleri ise büyük verilerden oluşur. Çünkü olay günlükleri kısa zaman aralıklarında meydana gelen tüm kayıtları saklar. Bu tür verilerin incelenmesi için özel programlara ihtiyaç vardır. Bu programlar olay kimliği, aktivite, zaman ve sorumlu kişiler gibi bilgileri kullanarak bir süreç haritası ortaya çıkartırlar. Bu analiz sayesinde süreçler keşfedilir, izlenir ve geliştirilir. Bu çalışmada süreç madenciliğinde kullanılan ProM, Disco, Celonis ve My-Invenio isimli araçlar incelenmiş ve kullanım özelliklerine göre performansları kıyaslanmıştır. Elde edilen sonuçlar sayesinde bir sürecin analizinde kullanılan yazılımların etkin kullanım, performans ve raporlama özellikleri ortaya konmuştur.

The Problem: Standardized processes are often followed to systematically conduct data mining projects. However while current models provide good descriptions, they are in need of updates given current Big Data challenges. Current data mining methods do not meet all requirements of businesses, in addition current methods are difficult to remember and do not cover all requisite steps. Given these limitations, usage of the traditional data mining process methods are fading in favor of independent data mining processes. What Was Done: BEMO Business Opportunity, Exploration, Modeling, and Operationalization is a standard parsimonious process developed for conducting data mining projects in a reusable and repeatable fashion in a Big Data environment. This model is vendor, technology, and industry agnostic. The process model is applied to a practical project example. Why this Work is Important: This manuscript allows a reusable and simplified model for data mining that can be applied to a variety of applications given a formalized and detailed process template. Given new technologies, Big Data and other developments a new data mining methodology is required to adequately meet these needs. The contribution of a parsimonious Big Data mining model also permits utilizing simpler models over complex models that can more efficiently generalize new problems.

Projelerin herhangi bir fazında yaşanan uyuşmazlıklar, taraflar arasında uzlaşma ile çözülemezse, çözüm mercii olarak tahkime, üst kurullara ya da yargı yoluna başvurulur. Sonuç olarak bir hükme bağlanan uyuşmazlıklar yazılı bir doküman olarak kurul arşivlerinde kayıt altında tutulur. Bu yazılı dokümanlar, gelecekte uygulanacak inşaat projelerinde karşılaşılabilecek muhtemel ihtilafların uyuşmazlıklara yani daha büyük sorunlara yol açmadan önlenebilmesi açısından oldukça değerlidirler. Karşılaşabileceği uyuşmazlıkları en az indirmek isteyen ya da karşılaştığı uyuşmazlık ile nasıl etkin bir şekilde mücadele edeceğini öğrenmek isteyen bir proje paydaşının bahsi geçen yazılı doküman arşivini tamamen taraması ve içlerinden kendisine yarayacak olanları seçebilmesi gerekir. Ancak bu; inşaat sektörünü tanımayan, teknik bilgi ve tecrübesi olmayan paydaşlar için son derece zor bir durumdur. Bundan dolayı, bu tarz dokümanların otomatik olarak sınıflandırılması oldukça kullanışlı ve faydalı olabilir. Bu çalışmada; inşaat projelerine ait dokümanların otomatik sınıflandırıldığı önceki çalışmalar ile bir kıyaslama çalışması gerçekleştirilmiştir. Bu çalışmalardan elde edilen en başarılı sonuçlarda kullanılan metin madenciliği teknikleri Yüksek Fen Kurulu’ndan alınan uyuşmazlık karar dokümanları üzerinde uygulanmış, test sonuçları tartışılmış ve yeni bir yaklaşım önerilmiştir.

Bilgiye sahip olmanın ve onu kullanmanın önemli olduğu günümüzde güçler dengesi bilgi üzerine yoğunlaşmaktadır. Çeşitli kaynaklardan ve yöntemlerle toplanan bilgilerin belirli bir disiplin ve sistem dâhilinde analiz edilmesi sonucunda ortaya çıkan sonuçlar, ekonomik, siyasi ve teknolojik alanlarda kullanılmaktadır. Bilgiyi zamanında ve doğru olarak kullananlar istedikleri sonuca kestirmeden ve süratli bir biçimde ulaşmaktadırlar. Veri madenciliği ile eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilgi çıkarılabilir. Veri madenciliği kendi başına bir çözüm değil çözüme ulaşmak için verilecek karar sürecini destekleyen, problemi çözmek için gerekli bilgileri sağlamaya yarayan bir araçtır. Bilgi kaynağının yanı sıra, bilginin doğruluğu da önemli bir sorundur. Bir bilginin veya daha somut ifadeyle mesela bir rakamın doğru olup olmadığı nasıl anlaşılmaktadır? Bilginin doğruluğu konusunda iki kriter vardır. Aynı sonucu işaret eden verilerin yoğun olması bilginin doğru olduğu yönündeki ilk kriterdir. Bir değer ne kadar yoğunsa o kadar inandırıcı olmaktadır. Ne kadar güçlü bir ilişki olduğu tespit edilirse, o kadar doğruluğuna hükmedilebilir. Hangi miktarda verinin toplanması gerektiği ayrı bir sorundur. Veri miktarı, kullanılan metoda bakılmaksızın çalışmanın amacına göre belirlenmektedir. Gün geçtikçe çoğalan veri yığınlarından anlamlı ve faydalı bilgiye ulaşabilmek için “veri madenciliği” başlığı altında yöntemler geliştirilmeye başlanmıştır. Tanımlanan problem için en uygun modelin bulunabilmesi, olabildiğince çok sayıda modelin kurularak denenmesi ile mümkündür. Bu nedenle veri hazırlama ve model kurma aşamaları, en iyi olduğu düşünülen modele varılıncaya kadar yinelenen bir süreçtir. Çalışmanın amacı Tıp alanında uygulanması düşünülen veri madenciliğe çalışmalarına örnek teşkil etmesi açısından bir plan çıkarmaktır. Bu hususta bakıldığında çalışmanın amacı geliştirilecek yöntembilim ile saklı olan ve bilinmeyen bilgilere ulaşmaktır. Bunun için farklı tipteki veriler sınıflandırılacak, eğitilecek yeni veriler test edilecek ve yordama yapılacaktır. Böylece kaynaktan hedefe giden süreçte hedef karar vermede etkilenecektir. Bu şekilde çıkarılmak istenen bilgiye ulaşılmış olacaktır.