{count, plural, one {Kurs} other {Kurs}}
Python’a Giriş
{hours} sa
7.1M
Verinin bir şirkette, ister yönetici ister direktör düzeyinde olsun, herkes için büyük bir varlık olduğunu bildiğinizi varsayıyorum; veri kilit bir rol oynar. Ancak büyük miktarda veriye sahip olmak, şirket değerli bilgiler elde etmedikçe başarı getirmez.
Bu bilgiler geliri doğrudan ya da dolaylı olarak etkileyecektir. Büyük veri yığınlarından bilgi çıkarmak için bir Analitik platformuna ihtiyaç vardır ve neyse ki piyasamızda betimleyici, tanılayıcı ve kestirimsel raporlama açısından bir kuruluşun sorunlarına çözüm sunan çok sayıda ürün mevcuttur.
Veri açısından bakıldığında, verinin olgunluğu gerçekten önemlidir ve olgunluk düzeyi aşağıdaki unsurların varlığıyla kategorize edilebilir:
- Mevcut mimariyle tutarlı veri
- Kurumsal bir araç
- Birden fazla, çakışan kaynak olmaması
- Bulut tabanlı mimari veya şirket içi veri ambarı
- Veri standartları ve uzmanları
- Kestirimsel analitik ve belirlenmiş kullanım senaryoları
- Verinin finansal bir varlık olarak ele alınması ve yapay zeka unsurlarıyla entegrasyonu
Bir organizasyonda yukarıdaki maddelerin yukarıdan aşağıya dâhil edilmesiyle veri olgunluğu artacaktır.
Veri olgunluğu; teknoloji, mimari, organizasyon ve veri stratejisiyle el ele ilerler.
-
Teknoloji derken, bir kuruluşun satın aldığı bir teknolojiyi nasıl kullanacağına değiniyorum.
-
Mimari, verinin bu teknolojiler arasında zahmetsizce dolaşabilmesi için onları birlikte çalışacak şekilde kurgulamaktır.
-
Organizasyon derken, verilerle etkileşimde bulunan insanlardan bahsedeceğim.
-
Veri stratejisindeki iyileştirmeler: Veri yönetiminin tesisat işleri, herhangi bir kuruluşun yüksek performansı için hayati öneme sahiptir. Benimsenen veri yönetimi uygulamaları, analistlere ihtiyaç duydukları ilgili ve yapılandırılmış verileri sağlayacak ve veri hazırlamaya harcanan zamanı azaltacaktır. Bu da üst yönetimin, görselleştirmeler ve kolay anlaşılır veri sunumlarıyla kârlılığı artırma ve daha yüksek ROI hedeflerine ulaşmasına yardımcı olacaktır. Aynı zamanda organizasyonun veri performansını iyileştirmesine ve depolamayı optimize etmesine katkı sağlar.
Şimdiye kadar veriden bahsettik, artık Analitik platformlarına geçelim. Bildiğimiz gibi piyasada çok sayıda analitik platformu var; hepsini kapsamak neredeyse imkânsız olurdu. Bu yüzden pazar lideri olan dört büyük isme odaklanacağım:
-
Tableau, görsel analitik söz konusu olduğunda altın standart sunar. Varyantları Tableau Desktop, Prep, Online ve Server’dır. Her biri farklı düzeylerde self-servis BI sağlar. Tableau Desktop, self-servis içgörülerle görsel analitik ve İş Zekâsı için en iyi platformlardan birini sunar. Tableau Prep, verileri daha hızlı analiz etmek için daha fazla kişiyi bir araya getirir. Tableau Online, fiziksel bir sunucu olmadan paylaşım ve iş birliğini genişletir. Tableau Server ise verileri şirket içi ya da bulut sunucularıyla paylaşır. Tableau’da pano geliştirme ile ilgili ayrıntılar için burayı ziyaret edin.
-
SAP SAP, kurumsal araçlar pazarında tanınmış bir isimdir ve farklı profillere sahip şirketlere çözümler sunar. SAP, Analitik alanında çeşitli ürünler çıkarmıştır; kendi İş Ambarı sistemi, Kurumsal sistemlerle çok daha sorunsuz bir şekilde bütünleşir ve büyük miktarda veriyi karşılar. Yakın tarihli sürümleri SAP Analytics Cloud ve SAP Lumira’dır; daha önce Business Objects’i satın almış ve kendi analitik platformu olarak sunmuştur.
-
Tibco Spotfire Tibco Spotfire, ileri analitik ve kestirimsel analitiği oldukça profesyonel ve yetkin bir şekilde karşılayan ürünlerden biridir. Kestirimsel analitik söz konusu olduğunda diğer ürünlerle kıyaslandığında oldukça güçlüdür. Tibco, hizmetlerini şirket içinde ve bulutta sunar. Düşük BT bakım kaygılarıyla önceden yapılandırılmış, ölçeklenebilir mimari de sağlar.
-
Qlik, kullanıcının veri hiyerarşisinin en alt düzeyine kadar veri keşfini destekleyen yönlendirmeli analitik uygulamalarını hızla oluşturmasıyla bilinir. Kendi deposuna ve bellek içi işlem yeteneklerine sahiptir. QlikView ve Qlik Sense olmak üzere iki varyantı vardır. QlikView, kişisel ve kurumsal sürüm için BI uygulama geliştirme aracıdır. Qlik Sense, buluta entegre edilebilen uçtan uca BI uygulama hizmetidir.
Gördüğünüz gibi, yukarıdaki platformların hepsi farklıdır ve kendilerine özgü özellikleri vardır. Bu nedenle, dördü için de temel dört parametre üzerinden karşılaştırmalı bir analiz yapacağım:
- Veri Edinimi
- Veri Hazırlama
- Görselleştirmeler
- Kestirimsel Modellemeden
Veri edinimi parametresi; veri içe aktarma, veri çıkarma, veri bağlantısı ve veri erişimini kapsar. Basitçe söylemek gerekirse, SQL, Büyük Veri, Bulut Hizmetleri gibi farklı kaynaklardan veya anlamsal servislerden veri edinebilme yeteneğidir.
Şimdi araçları, sahip oldukları veri edinimi işlevselliği açısından karşılaştıralım:
Tableau
Bir güç BI aracı olan Tableau’dan bahsederken, anında ve hatta karmaşık veri keşifleriyle oluşturulmuş etkileyici görselleştirmelere göz atarsınız.
Tableau’nun veriler için kendi deposu yoktur; verileri farklı kaynaklardan alır ve bunları anlamlı ve anlaşılır görselleştirmelere dönüştürür.
Bunu yapabilmek için farklı kaynaklara bağlanan bağlayıcılara sahip olmalıdır ve neyse ki öyledir. Tableau, işlemsel verilere canlı bağlantı sunmanın yanı sıra 100’ün üzerinde farklı veri kaynağı bağlayıcısına sahiptir.
Veri edinimi parametresinde üstünlük sağlamaktadır.
SAP
SAP, nihai görselleştirmelere veri sağlamak üzere orta katman olarak iş görecek, veri edinimini destekleyen birden fazla ürüne sahiptir. Ancak Lumira ve Analytics Cloud açısından konuşursak, şu an için 60’tan fazla veri kaynağına bağlantıyı desteklemektedir ve bu sayı zamanla kesinlikle artacaktır.
SAP için kendi ekosisteminden veri edinmekte bir sorun yoktur; hatta kendi ekosisteminden veri almak en sorunsuz iştir. Farklı bir ekosistemden veri edinmeye geldiğinde, verileri taşımaya yardımcı olan araçlara sahiptir, ancak bu da ekstra iş ve beceri gerektirir.
Tibco Spotfire
Spotfire, en güçlü ve kimi zaman en karmaşık araçlardan biridir; veri edinmeye geldiğinde 40’tan fazla veri kaynağı bağlayıcısı bulunur ve JDBC ile ODBC bağlayıcılarıyla işler her zaman yolunda gider. Verimli veri sağlayan Büyük Veri ve bulut bağlayıcılarını da destekler.
Veri ediniminde sorunlar, veriyi almadan önce temizleme ihtiyacı olduğunda ortaya çıkar.
Qlik
Qlik, BI alanında büyüyen pazar liderlerinden biridir. Veri edinmeye geldiğinde, Qlik’in farklı gruplara ayrılmış çok sayıda veri kaynağı bağlayıcısı vardır. Qlik, veri edinimi ve ETL (Çıkarma, Dönüştürme ve Yükleme) gerçekleştirmek için kendi deposuna sahiptir. Bu, gerçek yaşam senaryolarında birçok sorunu çözer. Qlik’in veri işleme becerileri, verilerin sunumunu kolaylaştırır.
Veri ediniminden sonra hazırlama aşaması gelir. Kimsenin yapmak istemediği ama hiçbir şekilde atlanamayan kirli iştir. Verilerin birleştirilmesi, temizlenmesi ve betimleyici bir raporun basit bir select sorgusuyla oluşturulabileceği bir düzeye kadar modellenmesini içerir.
Tableau
Tableau, verileri sunulabilir bir rapora dönüştürmek için iyi düzeyde veri hazırlama tekniklerine sahiptir. Tüm ayrıntıları bu eğitimin 2. ve 3. bölümlerinde bulabilirsiniz.
SAP
SAP, verileri hazırlamak için yine farklı araçlara sahiptir. Olası ölçüde veri hazırlamayı kaldırabilecek kadar güçlü bir BW sistemine sahiptir. HANA’nın gelişiyle, bellek içi motorlarla büyük veriyi yönetmede muazzam güç kazanmıştır.
Ancak bu, ayrı beceri setleri gerektiren ayrı bir araçtır. SAP’nin BI yönüne göz atmak için burayı ziyaret edebilirsiniz.
Tibco Spotfire
Spotfire’ın veri harmanlama yetenekleri oldukça iyidir ve modellere otomasyon eklenmesi, IT müdahalesini azaltarak artımlı veri hazırlama sürecini kolaylaştırır.
Artımlı veri hazırlama derken, farklı kaynaklardaki veri değişikliklerini yakalamayı ve bu değişikliklere dayanarak veri hazırlamayı kastediyorum. Ayrıntılı bir görünüm için lütfen burayı ziyaret edin.
Qlik
Qlik, bellek içi motoruyla birlikte Tableau’ya benzer veri hazırlama yeteneklerine sahiptir. Gereksinime göre ayrı betikler yazılabilir ve farklı düzeylerde uygulanabilir. Veriyi dönüştürmeye yardımcı olan betik yazımına göz atmak isterseniz lütfen burayı ziyaret edin.
Şimdi en azından benim için eğlenceli kısma geldik. Veriyi edindik ve hazırladık; ancak bu kadar çok veriyi analiz etmek için, ciddi zaman tasarrufu sağlayacak ve sorunlara çok daha hızlı ulaşmamızı sağlayacak görselleştirmelere ihtiyacımız var. Veri keşfinin büyük kısmı görselleştirmelerde, kalanı ise istatistiksel yöntemlerle yapılır. Şimdi araçların bu parametrede nasıl performans gösterdiğine bakalım.
Tableau
Tableau, karşılaştırma temelli, dağılım temelli, bileşim temelli, haritalar vb. olmak üzere en çeşitli veri görselleştirme bileşenlerinden bazılarına sahiptir. Neredeyse tüm bileşenleri barındırır ve destekleyici topluluğuyla dünya çapında tanınır.
Ayrıca öğrenme sürecine yardımcı olacak bazı özgün fikirleri vardır. Geniş galerisinde ihtiyaç duyulan grafikleri, hatta özel fikirleri bulabilirsiniz. Bazı mükemmel grafiklere ve öykülere göz atmak için ziyaret edin.
Tableau, iş iletişimini iyileştirmek için veri görselleştirme en iyi uygulamalarını kullandığından IBCS (Uluslararası İş İletişimi Standartları) tarafından onaylanan araçlardan biridir.
SAP
SAP’in cephaneliğinde görselleştirme açısından en yaygın kullanılan araç SAP Lumira’dır. Tüm temel grafik gereksinimlerini karşılar ve gereksinime göre uyarlamaya yardımcı olan uzantılar sunar.
SAP Analytics Cloud yakın zamanda IBCS tarafından sertifikalandı ve umarız görselleştirme gereksinimlerinin tümünü karşılamaya devam eder.
Tibco Spotfire
Spotfire, görsel formatta veri analizine yönelik tüm grafik işlevselliklerini sağlayarak tüm grafik gruplarını kapsar. Gelişmiş analitik işlevselliği, bilimsel formatlarla birlikte istatistiksel analiz grafiklerinin eklenmesine imkân tanır.
Qlik
Qlik, grafik yetenekleri söz konusu olduğunda neredeyse tüm grafik gruplarını kapsayarak iyi performans gösterir. Gereksinimleri uyarlamak ve eklemek için uzantılar sağlar.
Her veri noktasına erişim için tek tık işlevselliği, onu diğer araçlardan ayırır.
Şimdi tüm analitik platformlarının içine daldığı, makine öğrenmesi işlevlerini araçlarına dâhil etmeye çalıştıkları kısma geçelim. Birkaçı bunda oldukça başarılı olurken, diğerleri başlangıç için iyi adımlar attı.
Bu parametrede nereye kadar geldiğimizi görelim.
Tableau
Kestirimsel analitikten bahsederken Tableau bu alanda çalışmaya başladı. Temel tahmin işlevleri Tableau’ya eklendi.
Temel işlevlerin yanı sıra, R ve Python ile entegre edilebilir; ayrıntıları bu eğitimin son bölümlerinde ele alınmıştır.
SAP
SAP yine cephaneliğinden ayrı bir araçla kestirimsel analitik için bir platform sunar. Bu araç, sağlam zaman serisi analizi işlevleriyle birlikte temel kestirimsel modellemeyi kapsar. Platformun geliştirdiği modele eklenmesi gereken özel betiklere geldiğinde, SAP öncelikle R ile gitmiştir.
Platformla ilgili ayrıntılar için lütfen burayı ziyaret edin.
Tibco Spotfire
Kestirimsel analitik açısından Spotfire önde olacaktır; veri bilimi mimarisini kendi yapısına uyarlama yaklaşımı oldukça belirgindir.
Teknolojiyi anlamak ve uygulamak için beceri ve bilgi gerektirir. Veri bilimi ve istatistik metodolojilerini bir araya getirerek, doğru yatırım getirisiyle kestirimsel analitik yapabilen bir araç sunar.
Daha fazlasını okumak için lütfen ziyaret edin.
Qlik
Qlik de makul bir düzeyde kestirimsel analitiği uygulamak için çalışıyor. Sisteme birkaç temel modelleme algoritması ekledi, ancak bunları kullanma beceri açığı hâlâ kendini gösteriyor. Yine de R ve Python ile entegrasyon çabaları takdire şayan. R ve Python gibi üçüncü taraf araçlarla veri değişimine izin verir ve veriyi hızlı ve verimli aktaran İlişkisel motorunun kullanımını da sunar.
R ve Python ile entegrasyon için GitHub’da açık kaynak analitik bağlantısı da bulunmaktadır.
Benden bu kadar; bir platform seçerken hangi parametrenin daha önemli olduğuna birey ya da kurum karar vermelidir.
Python, R veya SQL hakkında daha fazla bilgi edinmek isterseniz DataCamp’in giriş derslerini alın.
