Gelişkin 360 Müşteri Görüntüsü ve Büyük Veri Keşfi. Gökhan Mataracı, Çözüm Direktörü ERETEAM

Transkript

1 Gelişkin 360 Müşteri Görüntüsü ve Büyük Veri Keşfi Gökhan Mataracı, Çözüm Direktörü ERETEAM

2

3

4

5 Kapsamlı Varlık Tespi/ ve Entegrasyonu İsim: Jane Doe Id: jaydee Adres: Florida Hobiler: koşu, yoga, futbol İsim: J Doe Blog Konusu: yemek İsim: Jane Doe Name: Jane Doe, Cava Adres: Tampa, FL Address: Tampa, Fl Twitter: jaydee Blog Konusu: food Blog Topic: politics Hobiler: koşu, yoga, Hobbies: running, yoga, İlişkili Kişiler: Tony C (erkek Relationships: Tony C (brother) kardeş) Varlık Entegrasyonu Tüm bilgiler hayal ürünüdür İsim: jane Adres: Tampa, FL İlişkili Kişiler: Tony C (erkek kardeş)., Güçlükler Ölçü: 100lerce site, milyonlarca kullanıcı Karmaşık Eşleştirme Kararları: Parçalı, kirli ve tamamlanmamış profil özellikleri Sadece kullanıcıların %3 ü profillerinde yeterli bilgilere sahip

6 Büyük Veri Pla;ormu Olmaksızın Kodlama Gereklidir Olay Takibi Özel SQL Ve Scriptler Çoklu Kullanım BI / Raporlama IBM Big Data Pla;ormu Analitik Uygulamalar Analiz/ Görselleştirme Fonksiyonel Endüstri Uyg. Uyg. Veri Madenciliği IBM Big Data Platformu Görselleştirme ve Keşif Uygulama Geliştirme Sistem Yönetimi İçerik BI / Rep Analitiği Uygulama Denetim Yönetimi Sürekli Erişilebilirlik Hata Bağlayıcılar Performans Ayıklama İyileştirmeleri Hızlandırıcılar Ve Araçlar Hadoop Sistemi Hızlandırıcılar Akışkan veri işleme Veri Ambarı Güvenlik Veri Entegrasyonu ve Sahipliği 6

7 BI / Raporlama IBM Big Data Pla;ormu Analitik Uygulamalar Analiz/ Görselleştirme Fonksiyonel Endüstri Uyg. Uyg. Veri Madenciliği IBM Big Data Platformu Görselleştirme ve Keşif Hadoop Sistemi Uygulama Geliştirme Hızlandırıcılar Akışkan veri işleme Sistem Yönetimi Veri Ambarı Veri Entegrasyonu ve Sahipliği İçerik BI / Rep Analitiği Büyük Veri plagormu üzerinde olan, özel çözüm ya da kullanım örneklerinin gelişmrilme ya da implementasyonu hızlandıran yazılım bileşenleri Verilen duruma özel işsel manok, veri işleme ve arayüz/görsellik öğelerinin sağlanması InfoSphere BigInsights ve InfoSphere Streams Büyük Veri bileşenleri ile sarılmış Temel Faydalar: Zamana değer katmak Bilinen kullanım durumları için güçlendirilmiş deneyimler

8 Sosyal Veri Anali/ği Mimarisi Sosyal Medya Çevrimiçi Akış: Akan Veri Analizi Akış Hesaplamaları ve Analitiği Veri Toplama Ve Hazırlık FısılO, Niyet, Duyarlılık Özetlemeleri Oluşum AnaliMği: Profil Çözümlemesi Gerçek Zamanlı Analitik Önceden tanımlı görüntü ve grafikler Gösterge Paneli Sosyal Medya Verisi BigInsights Sistem ve Analitiği FısılO, Niyet, Duyarlılık Özetlemeleri Ve Kullanıcı Profilleri Oluşum AnaliMği Ve Entegrasyonu Kapsamlı Sosyal Medya Müşteri Profilleri Önceden Tanımlı Çalışma Alanları ve Gösterge Panelleri Çevrimdışı akış: Gömülü Veri Analizi Data Explorer API ile Indexleme Anlık Erişim Opsiyonel :Indeksli Arama

9 SDA Uygulamaları Uygulamaların İçe Aktarımı Marka Yöne/mi Perakende Finans Medya ve Eğlence Potansiyel Müşteri Yaratma Perakende Finans Genel Kullanım Tüm diğerleri için başlangıç noktası Veri Keşifleme İndeksleme Uygulamaları

10 Örnekleme: SDA ile Perakende Marka Yöne/m Adımları Verinin uygun anahtar sözcüklerle içeri aktarılması (Decahose + Powertrack + Boardreader blogs+ forums) Uygun Uygulamaların Seçimi Ör. Marka Yönetimi Uygun Perakende şeması kullanılarak SDA için girdilerin sağlanması Yerel-Toplu Analizlerin Çalıştırılması Gösterge Panelleri kullanılarak görselliğin sağlanması

11 Gelişkin 360 Müşteri Görüntüsü ve Büyük Veri Keşfi Ayhan Önder, IBM BigData Technical Specialist,

12 BI / Raporlama Analitik Uygulamalar Analiz/ Görselleştirme Fonksiyonel Endüstri Uyg. Uyg. Veri Madenciliği İçerik BI / Rep Analitiği IBM Big Data Platformu Görselleştirme ve Keşif Uygulama Geliştirme Sistem Yönetimi Hızlandırıcılar Hadoop Sistemi Akışkan veri işleme Veri Ambarı Veri Entegrasyonu ve Sahipliği

13 BigSheets - Tablosal Analiz aracı Web bazlı analiz ve görselleştirme aracı Tablosal arayüz Uzun süreli çalışan veri toplama işlerinin tanımlanması ve yönetimi Toplanan verilerin içeriğinin analizi

14 BigSheets - Tablosal Analiz aracı Nedir? İş birimlerinin biçimsel ve biçimsel olmayan veriler üzerinde analiz yapabilmesini sağlar Tablo görünümlü web bazlı kullanıcı arayüzü vardır Nasıl çalışır? İçeriği toplarsınız (örneğin crawl) veya dinamik olarak collector ler vasıtasıyla edinirsiniz Verileri çıkarop, keşfedip, analiz edip, anlamlandırarak, filtrelerden geçirerek yeni sonuçlar ve görsel raporlar oluşturabilirsiniz İteraMf bir şekilde analizini sürdürürsünüz

15 BigSheets Görselleştirme, Örnek Ekranlar

16 Herkes için kolay kullanım ve analiz The Film Forecaster sounds like a big undertaking for USC, but it really came down to one communica<ons masters student who learned Big Sheets in a day, then pulled in the tweets and analyzed them - Ryan Kim

17 Text Analitiği Çalışmaları Yapısal olmayan veya yarı yapısal bilgiler içerisinden yapısal bilgilerin tespiti ve çıkarımı Analitik faliyetlere olanak sağlar tablo, rapor, birleştirme, parçalama, bölme, sınıflandırma, modelleme, veri madenciliği

18 Text Analitiği Uygulama Alanları Bir çok endüstride zengin uygulama alanları CRM Analitiği Müşterinin sesi Müşteri kaybı Sosyal Medya Analitiği Satın Alma Eğilimi Müşteri kaybı tahmini İtibara dayalı Riskler Dijital Korsanlık Yasa dışı yayımlanan içeriklerin tespiti Log Analitiği Arıza analizi, ve neden-sonuç ilişkisi Güvenlik, İstihbarat

19 AQL Annotation Query Language Annotation Query Language SQL benzeri dizilim Benzer semantik ve konseptler sayesinde hızlı öğrenme Declarative GelişMrici ne çıkarmak istediğini belirmr Sistem nasıl çıkarılması gerekmğine karar verir Compile edilip, çalıştırma için optimize edilir Annotation Operator Graph (AOG) küme içerisinde hızlıca çalıştırılacak halde oluşturulur Anlaşılabilir Kolay anlaşılabilir ve debug edilebilir Hazır extractor ler ( İsim, Lokasyon, Meslek vb. )

20 Text Analitiği Araçları AQL Editor Result Viewer RunMme Explain

21 Streams veya BigInsights üzerinde koşturabilirsiniz Extractor AQL Language OpMmizer Compiled Operator Graph Compiled Plan Streams BigInsights Extracted InformaMon Input Documents Cluster Downstream IntegraMon And processing

22 BI / Raporlama Analitik Uygulamalar Analiz/ Görselleştirme Fonksiyonel Endüstri Uyg. Uyg. Veri Madenciliği İçerik BI / Rep Analitiği IBM Big Data Platformu Görselleştirme ve Keşif Uygulama Geliştirme Sistem Yönetimi Hızlandırıcılar Hadoop Sistemi Akışkan veri işleme Veri Ambarı Veri Entegrasyonu ve Sahipliği

23 Big Data Keşif ve Navigasyon Relational Data File Systems Application/ Users Commenting Tagging Rating Shared Folders Social Tools InfoSphere Data Explorer Content Management CRM Supply Chain ERP RSS Feeds Cloud Custom Sources External Sources

24 SOURCE SYSTEMS Gelişkin 360º Müşteri Görüntüsü CRM Name: J Robertson Address: 35 West 15 th Address: Pi]sburgh, PA ERP Name: Janet Robertson Address: 35 West 15 th St. Address: Pi]sburgh, PA Legacy Name: Jan Robertson Address: 36 West 15 th St. Address: Pi]sburgh, PA Master Data Management 360 View of Party IdenMty First: Last: Address: City: State/Zip: Gender: Age: DOB: Janet Robertson 35 West 15 th St Pi]sburgh PA / F 48 1/4/64 Unified View of Party s Informa/on BigInsights Streams Warehouse Bütünleştirilmiş 24 Görüntü

25 Arama Mimarisi

26 Sanal Dokümanlar Yaratımı

27 ibm.com/bigdata" #ibmbigdata"