Farklı sektörlere ait büyük verinin birliktelik kuralları yaklaşımıyla incelenmesi
Yükleniyor...
Dosyalar
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Teknolojinin hızla geliştiği, perakendeci firmaların rekabet ortamının hızla arttığı bu dönemlerde bilgisayar kullanımı da hızla artmaktadır. Perakendeci firmaların teknoloji ve bilgisayar kullanımlarının artması sebebiyle çok boyutlu veri tabanlarında işlem yapmaları gerekmektedir. Mevcut kapasitelerinde bulunan veri tabanlarında çok yoğun veriler karmaşık bilgileri bulundurmaktadır. Perakendeci firmalar için artık mevcut müşteri ve satış miktarları arasındaki veri karmaşasına çözüm bulma ihtiyacı doğmaktadır. Bu tez çalışmasında perakendeci firmalara ait farklı sektörlerin veri tabanları göz önüne alınarak veri madenciliği yöntemlerinden pazar sepeti analizi kullanılarak anlamlı bilgiye ulaşılması ve perakendeci firmaların gelecek bazlı pazar stok satış tahminlerini, satış stratejilerini oluşturabilmeleri amaçlanmaktadır. Bu çalışma sayesinde veri madenciliği uygulamaları ile perakendeci firmaların taleplerinin belirlenmesi, geleceğe yönelik satış stratejilerinin oluşturulması, bünyelerindeki verilerin anlamlı bilgiye dönüştürülerek saklanması vb. gibi çeşitli çözümler üretilebilecektir. Bu çalışmada veri madenciliğinin ilgili alandaki en yaygın yöntemi olan birliktelik kuralları analizi kullanılmıştadır. Veri kümeleri arasındaki bağıntıyı gün yüzüne çıkarmak için veri tabanlarının analizi Apriori ve Fp-Growth algoritmaları kullanılarak yapılmıştır. Veri madenciliği teknolojilerinde çoğunlukla kullanılan ücretsiz yazılım platformu olan WEKA yazılım platformu kullanılarak Apriori ve Fp-Growth algoritması uygulanmıştır. Uygulama sonuçları tartışılıp, yorumlanarak alana katkı sağlamak amaçlanmıştır. Bu çalışma sayesinde farklı perakendeci firmaların bünyesinde bulunan farklı veri tabanlarının stok ürün miktarlarına, stok raf dizilimlerine ve satış stratejilerine katkıda bulunması sağlanacaktır.
In these periods when technology is developing rapidly and the competitive environment of retailers is increasing rapidly, computer use is increasing rapidly. Retail companies need to operate in multi-dimensional databases due to the increase in technology and computer usage. There is a need to find solutions to the data confusion between sales. In this thesis study, it is aimed to reach meaningful data analysis by using the market basket analysis method of data mining by considering the databases of different sectors of the retailer companies and to enable the retailer companies to create future based market stock sales forecasts and sales strategies. Thanks to this study, data mining applications, determining the demands of the retailer companies, forming future sales strategies, storing the data in their structure by converting them into meaningful data, etc. It produces various solutions such as. This study uses the association rules analysis, which is the most common method of data mining in the relevant field. Analysis of databases is carried out using Apriori and Fp-Growth algorithms to uncover the correlation between datasets. Using the Weka software platform, which is the software platform mostly used in data mining technologies, Apriori and Fp Growth algorithm is applied. Application results are discussed and interpreted. In the association rules method, the market results in a basket analysis approach. With this study, it is aimed to ensure that different databases within different retail firms contribute to stock product quantities, stock shelf sequences and sales strategies.
In these periods when technology is developing rapidly and the competitive environment of retailers is increasing rapidly, computer use is increasing rapidly. Retail companies need to operate in multi-dimensional databases due to the increase in technology and computer usage. There is a need to find solutions to the data confusion between sales. In this thesis study, it is aimed to reach meaningful data analysis by using the market basket analysis method of data mining by considering the databases of different sectors of the retailer companies and to enable the retailer companies to create future based market stock sales forecasts and sales strategies. Thanks to this study, data mining applications, determining the demands of the retailer companies, forming future sales strategies, storing the data in their structure by converting them into meaningful data, etc. It produces various solutions such as. This study uses the association rules analysis, which is the most common method of data mining in the relevant field. Analysis of databases is carried out using Apriori and Fp-Growth algorithms to uncover the correlation between datasets. Using the Weka software platform, which is the software platform mostly used in data mining technologies, Apriori and Fp Growth algorithm is applied. Application results are discussed and interpreted. In the association rules method, the market results in a basket analysis approach. With this study, it is aimed to ensure that different databases within different retail firms contribute to stock product quantities, stock shelf sequences and sales strategies.
Açıklama
YÖK Tez No: 657942
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control, Büyük veri, Big data, Veri madenciliği, Data mining
