Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2014
Öğrenci: DUYGU SİNANÇ
Danışman: ŞEREF SAĞIROĞLU
Özet:Çevrim içi işlem trafiği, e-posta, metin, belge, video, ses, resim, tıklama akışları, sistem günlükleri, arama sorguları, sosyal ağ etkileşimleri, istatistiksel veriler, sağlık kayıtları, bilimsel veriler, devlet ve özel sektöre ait kayıtlar, sensörler ve cep telefonları tarafından oluşturulan veri devasa boyutlara ulaşmaktadır. Bu büyük hacimli, çeşidi bol ve hızla akan veri büyük veri olarak adlandırılmaktadır. Büyük verinin değere dönüştürülmesi, kurum ve kuruluşların geleceğe yönelik yeni stratejiler oluşturması, mevcut problemlerinin tespiti ve çözümüne yönelik yeni yollarının üretilmesine katkılar sağlamaktadır. Bu tez kapsamında, öncelikle büyük veri analizlerinin yapılmasına temel teşkil etmesi bakımından veri madenciliği süreçleri ve büyük veri olgusu ayrıntılı olarak incelenmiştir. Kullanıcıların, mobil uygulama platformuna yaptıkları isteklere ait bilgilerin bulunduğu gerçek bir veri seti daha doğru sonuçlar elde etmek için ön işlemden geçirilmiştir. Daha sonra, görsel ve kural tabanlı analiz teknikleri bu veri seti üzerinde uygulanmıştır. Sonuç olarak, isteklerin indirme veya ödeme işlemi ile sonuçlanma yüzdesinin tespit edildiği karar ağacı tabanlı birliktelik kuralları oluşturulmuştur. Bu sayede platforma erişim sağlayan her kullanıcının, büyük ihtimalle satın alacağı veya hiç ilgilenmeyeceği uygulamalar, kullanıcı henüz bu davranışı gerçekleştirmeden tahmin edilir hale getirilmiştir. Son olarak da elde edilen tecrübeler doğrultusunda, ideal bir mobil kullanıcı davranış modeli önerilmiştir. Bu tez çalışması sayesinde, akademik literatürün ve mobil sektörün geliştirilmesinin sağlanmasının yanı sıra, telekomünikasyon firmalarının gerek kurumsal üretim ve pazarlama stratejileri belirlemesine, gerekse kullanıcı odaklı öneri veya kampanya geliştirilmesi sürecine katkılar sağlanacak ve önerilen yeni modelin yapısı ile gelecekte verilerin daha sağlıklı olarak değerlendirilmesi mümkün olacaktır.