Skip to main content

Veri Analitiği Teknikleri

Günümüzde şirketlerin iş ve stratejik karar alma süreçlerinde en büyük gereksinimlerden biri de, sahip oldukları ham veriyi işleyerek yeni bilgi, fırsat ve aksiyonlar üretmek; ürettikleri bilgiyi piyasa ihtiyaçlarına yanıt verecek biçimde kullanmaktır.

Veri Madenciliği; finans, bankacılık, perakende, sigorta, telekomünikasyon başta olmak üzere pek çok sektörde, şirketlerin veritabanları ya da veri ambarlarında bulunan verilerden geleceğe yönelik tahminler, modeller elde etmeye olanak sağlamaktadır.

Veri Madenciliği yöntemleri ile şirketler, çok büyük veri yığınlarından önceden bilinmeyen, geçerli ve uygulanabilir değerli bilgiyi kısa sürede elde ederek önemli rekabet avantajları sağlayabilmektedir. Dünyanın önde gelen firmaları, veri madenciliği tekniklerini; müşteri ilişkileri yönetiminden, kredi derecelendirmeye; risk analizinden, satış tahminlerine kadar pek çok alanda başarıyla kullanmaktadırlar.

Eğitim Referansları

Eğitim Tanımı

Bu eğitimde, veri madenciliği kavram ve teknikleri uygulamalı olarak anlatılmaktadır.

Kimler Katılmalı?

Bu eğitim; iş analistleri, yöneticiler, bilgi işlem uzmanları, risk yöneticileri, müşteri ilişkileri yöneticileri, finansal analistler, proje yöneticileri, istatistikçiler ve veri madenciliği tekniklerine ilgi duyan bütün iş profesyonelleri içindir.

Ön Gereklilik

Katılım için herhangi bir veri madenciliği ya da istatistik bilgisi gerekmemektedir.

Eğitmen

Ali Alkan

Eğitim süresi

3 Gün

Eğitim içeriği
  • 1 | Veri Madenciliğine Giriş
  • 2 | Veri Madenciliğinin Temel Kavramları
  • 3 | Pazarlama ve Müşteri İlşkileri Yönetiminde Veri Madeciliği Teknikleri
  • 4 | Bir Veri Madenciliği Metodolojisi Olarak CRISP-DM
  • 5 | Veri Madenciliğinde Kullanılan Temel İstatistik Teknikleri
  • 6 | Doğrusal Regresyon & Uygulamalar
  • 7 | Karar Ağaçları & Uygulamalar
  • 8 | Model Değerleme
  • 9 | Naive Bayes & Uygulamalar
  • 10 | Yapay Sinir Ağları & Uygulamalar
  • 11 | Support Vector Machine (SVM) & Uygulamalar
  • 12 | Lojistik Regresyon & Uygulamalar13 | Sepet Analizleri ve İlşkisel Kurallar & Uygulamalar
  • 14 | Kümeleme ve Segmentasyon Analizleri & Uygulamalar
  • 15 | Anomali Tespiti & Uygulamalar
  • 16 | Başarılı Veri Madenciliği Modellerinin Uygulamaya Alınması
Uygulama Örnekleri
  • Müşteri ilişkileri yönetimi
  • Müşteri kümeleme ve segmentasyonu
  • Müşteri kayıp (churn) / elde tutma (retention) analizleri
  • Satış & pazarlama
  • Kampanya yönetimi
  • Kredi skorlama
  • Hilecilik (fraud) tespiti