Data Warehousing

 Veri Deposu Nedir?

  

En temel anlamıyla veri deposu, fiziksel ürünler yerine verilerle dolu oldukça büyük bir depodur. Bu depo içerisinde anlamlandırılmamış, birbirleriyle ilişkilendirilmemiş ve yorumlanmamış veriler bulundurur.

Veri Deposu Ne İçin Kullanılır ve Faydaları Nelerdir?

Veri deposu, çok sayıda kaynaktan gelen büyük miktardaki verileri birleştirir. İş zekası faaliyetlerinde sorgulama ve analiz amacıyla kullanılır.

Faydaları:
  • Kullanıcıların birden çok sisteme ayrı ayrı bağlanmasına gerek kalmadan tüm verilere tek bir sistemden erişmemizi sağlar.
  • İş performansının anlık görüntülerini oluşturmak için ilişkisel tutarlı bilgileri sağlar.
  • Gelecekteki performansı tahmin etmemizi sağlar.
  • Pratik kararlar alabilmemiz için, varsayım senaryoları sunar.
  • Yıllarca kaydedilen verileri depolar.
Veri Deposu Özellikleri


Veri Deposu (Date Warehouse) ve Veri Tabanı (Data Base) Arasındaki Farklar



En Popüler Veri Depolama Araçları
Hem şirket içi hem de bulut için çok çeşitli veri ambarı çözümleri sunar. Operasyonel verimliliği artırarak müşteri deneyimlerini optimize etmeye yardımcı olur.
Veri entegrasyonunu daha kolay ve daha hızlı hale getiren kullanışlı bir veri ambarı çözümüdür.
Standart SQL ve mevcut BI araçlarını kullanarak tüm veri türlerini analiz etmek için kullanılan bir araçtır.

SAP iş deposu, depodaki stokların yönetilmesinde otomatik destek sağlar. Esnek bir sistemdir ve veri ambarı içinde programlı lojistik işlemeyi destekler. 

Google’ın kullanıcılarına sunduğu çevrimiçi dosya depolama ve paylaşım hizmetidir. Google Dokümanlara entegredir ve uygulama içi işbirliği mükemmeldir.
Veri bütünleştirme etkinliklerini yürütmek için grafiksel gösterimler kullanan bir veri depolama ve analiz etme aracıdır. Güvenilir bilgilerin son kullanıcılara ulaştırılmasını sağlar.


Veri Deposundan Elde Edilebilecek Çıktılar


Lojistik Sektöründe Uygulama

Proje Tanımlaması ve Amaç

Bu çalışma, bir kozmetik firması ürünlerinin depolandığı, e-ticaret lojistik deposunda toplama işlemi süresini kısaltma ve etkin bir depo düzeni oluşturmak için yapılmıştır.

3 aylık satış verileri kullanılarak,  müşteri sepetlerinde birlikte satılan ürünleri tespit ederek ürün toplama süresini azaltacak bir düzen kurulmuştur.
  • Mevcut durumdaki adreslemedeki rastgeleliği ortadan kaldırmak,
  • Farklı ürün kategorileri arasındaki birliktelik kurallarını ortaya koymak,
  • Birlikte satılan farklı ürün kategorilerini depolama alanında birbirine yakın yerleştirerek depodan çıkan sipariş çıkış hızını yükseltmek, 
  • Bir günde depodan çıkan sipariş sayısını arttırmaktır.
Projenin Uygulanması

Projede belirli bir sonucu bir dizi kural ile ilişkilendiren, olayların birlikte olma kurallarını belirli olasılıklarla ortaya koyan veri madenciliği sepet analizi yöntemlerinden Apriori Algoritması kullanılmıştır. 

Apriori Algoritması, bir müşterinin tek seferde yaptığı alışverişteki farklı kategorideki ürünlerden bir kaçını aynı anda satın alması kurallarını ortaya çıkararak, bir veya daha fazla değişkene ilişkin değerlerin birlikte ortaya çıkmasını açıklamaktadır. 
Apriori algoritması IBM SPSS Clementine programında uygulanmıştır. 
sepet analizi ile ilgili görsel sonucu

Verilerin Anlaşılması ve Hazırlanması

Verilerin toplanması aşamasında, kozmetik firmasına ait 3 aylık satış verilerine ulaşılmıştır.
C:\Users\teknosa\Desktop\Ekran Alıntısı11111111.PNG

Verilerin temizlenmesi aşamasında izlenen adımlar aşağıda verilmiştir.
  • Ürünler kategorilere ayrılmıştır. Bu kategoriler; makyaj, cilt bakım, saç bakım, kişisel bakım, parfüm ve deodorant, anne ve bebek ve erkek ürünleri olmak üzere 7 kategoriye ayrılmıştır.
  • Sepet içerisinde tek kategoride ürün bulunan sepetler veri deposundan temizlenmiştir.
Apriori algoritmasını işleyebilmesi için veri setinin mantıksal değerden oluşması gerekmektedir.
Bu sebeple, veriler mantıksal değerlere dönüştürülmüştür. Her sepet tek satır olarak ifade edilerek, sepette hangi ürün kategorisinden ürün alınmışsa 1, alınmamışsa 0 olarak atanmıştır. Dönüştürülen veri seti aşağıda verilmiştir.

C:\Users\teknosa\Desktop\Ekran Alıntısı8888.PNG


Modelin Kurulması

IBM SPSS Clementine programında Apriori algoritması kullanılarak kurulan model aşağıdaki gibidir.

C:\Users\teknosa\Desktop\model.PNG


Sonuçlar

Kurulan model sonuçları aşağıda verilmiştir.

C:\Users\teknosa\Desktop\aprıorı2.PNGC:\Users\teknosa\Desktop\web2.PNG


Model sonucunda ürün kategorileri arasında güçlü olasılıklar aşağıdaki tabloda verilmiştir. Model sonucunda en baskın birlikteliğe sahip ürün kategorileri kişisel bakım-makyaj, saç-makyaj, kişisel bakım-saç, cilt-saç, makyaj-cilt ve kişisel bakım-cilt kategorileri arasında olduğu gözlemlenmiştir.



Kurulan model sonuçlarına dayanılarak iyileştirilmiş depo yerleşim düzeni aşağıda verilmiştir.

C:\Users\teknosa\Desktop\mezaninyerlesim2.PNG




Çalışma sunumuna aşağıdaki linkten ulaşabilirsiniz.
https://docs.google.com/presentation/d/1I8TldhlV2U4Yx_qsKvaLr3_lhSupixWHb8VvFJpzGvs/edit#slide=id.g17a896d012a_0_418

Yorumlar

Bu blogdaki popüler yayınlar

Operasyonel Mükemmellik (OPEX) Araçları

Kullanıcıların Senaryoları Use Case'ler

Değer Akışı Haritalama / Value Stream Mapping