Veri Madenciliği

Veri madenciliği, veri analizi kadar kolay bir işlem değildir. Çünkü işin içine yapay zeka unsurları girebilir ve veri madenciliği için özel sistemler geliştirilmelidir. Basit sistemler için algoritmalar bulunabilir ancak maharet yeni ve performans olarak en iyi algoritmaları sıfırdan geliştirebilmektir. Veri madenciliğinde sistemler, veri analizinde olduğu gibi statik değil dinamiktir. İşin en can alıcı noktalarından bir tanesi ise, veri analizinde elde veriler vardır ancak veri madenciliğinde elde veriler yoktur. Dolayısıyla gelecekte oluşabilecek veriler için sistemler geliştirilmelidir. Tünelin ucunu göremeden sistem geliştirmek biraz zor bir iştir ve iyi bir planlama ile ileri görüşlülüğün yanı sıra ciddi bir teknik bilgi gerektirir. Ayrıca geliştireceğiniz sistemler, müşteri ya da kullanıcı alışkanlıklarına göre kendini eğitebilmelidir. Ben veri madenciliğini kendi kendine öğrenen robot sistemlerine benzetiyorum.

Veri analizinde verdiğimiz örneğin aynısını veri madenciliğinde kullanalım. Ancak bu sefer sorular değişecektir: Kırmızı topu seçen kişiler, aynı zamanda mavi top seçmişler midir? Örneğimizde sayılar ayan beyan verildiği için, bu sorunun cevabına “Evet, toplamda 6 tane de mavi top seçmişlerdir,” şeklinde verebiliriz. Peki ya bu veriler elimizde olmasaydı ne yapacaktık? Bunun için bilgisayarın ve Veritabanı Yönetim Sistemleri’nin nimetlerinden faydalanıyoruz. Eğer kullandığınız Veritabanı Yönetim Sistemi’nde iş zekasına dair özel araçlar bulunmuyorsa, veri madenciliği için bu tarz dinamik sistemler geliştirebilmenin yolu yoğun bir şekilde tetikleyici (trigger) ile metod (stored procedure) kullanımından geçer. Böylesi bir seçim senaryosunun en güzel örneğini alış-veriş sitelerinde görebilirsiniz. Bir ürün satın almak istediğimizde, “Bunu alan şunları da aldı” gibisinden seçenekler karşımıza çıkar.