Association Rules Mining on Retail Data

Year 2022, , 199 - 211, 29.12.2022

Hatice Dağaslanı , Özlem Deniz Başar

https://doi.org/10.26650/ekoist.2022.37.1145052

Abstract

The development in information technologies, artificial intelligence, and data mining benefits people in many areas. With this development, data stacks are formed through the storage of ever-increasing data. Accessing useful information from the data heaps is a very difficult process. This has led to the emergence and development of the concept of data mining. In this study, the relationship between the categories of the products sold by a company in the retail sector operating in Turkey was analyzed using the Apriori algorithm, which is an algorithm used in data mining. In the application, one-day sales data of the company was used. The data obtained was provided to extract the association rules with the help of Python. In this way, the purchasing habits of customers were determined by finding meaningful relationships between products using association rules.

Keywords

Apriori Algorithm, Association Rules Analysis, Data Mining

References

• Aksoy, A. (2019). Pazarlama ve müşteri ilişkileri yönetiminde veri madenciliği uygulamaları: pazar sepet analizinde apriori algoritmasının uygulanması (Yüksek lisans tezi), İstanbul Aydın Üniversitesi, Sosyal Bilimleri Enstitüsü.
• Alan, B. (2016). Veri madenciliği ve market veri tabanında birliktelik kurallarının belirlenmesi (Yüksek lisans tezi), Recep Tayyip Üniversitesi Sosyal Bilimler Enstitüsü.
• Alpaydın E. (2000). Ham veriden altın bilgiye ulaşma yöntemleri. Boğaziçi Üniversitesi, Bilgisayar Mühendisliği Bölümü, 25-42.
• Aras, Ü. (2008). Finansal veri madenciliği (Yüksek lisans tezi), Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
• Bhasin, R. (2020). ApacheSpark kullanarak keşifçi ve pazar sepeti analizi (Çevrimiçi). https:// medium.com/analytics-vidhya/shopper-behavior-exploration-and-market-basket-analysis- using-spark-650656d6a0e1
• Brossette, Stephen E., Sprague, Alan P., Hardin, J. Mıchael, Waites, Ken B., Jones, Warren T., Moser, Stephen A., (1998). Data mining in hospital infection control and public health surveillance, journal of the American Medical Informatics Association, 5, 373-381.
• Chapman, P., Clinton, J., Kerber, R., Khabaz, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). Adım adım veri madenciliği kılavuzu.
• Çalışkan, D., Yıldız, K., Doğan, B., ve Aktaş, A. (2020). Crime data analysis with association rule mining. Int. Per. of Recent Tech. in App. Eng., 2(2), 42-50. DOI: 10.292228/porta.1,
• De Oña, J., López, G., Mujalli, R., and Calvo, F. J. (2013). Analysis of traffic accidents on rural highways using latent class clustering and bayesian networks. Accident Analysis and Prevention, 51, 1-10.
• Dolgun, M. Ö. (2006). Büyük alışveriş merkezleri için veri madenciliği uygulamaları (Yüksek lisans tezi), Hacettepe Üniversitesi İstatistik Anabilim Dalı, Ankara.
• Döşlü, A. (2008). Veri madenciliğinde market sepet analizi ve birliktelik kurallarının belirlenmesi (Yüksek lisans tezi), Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
• Esen, F. (2009). Veri tabalarından bilgi keşfi: veri madenciliği ve bir sağlık uygulaması (Yüksek lisans tezi), İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
• Han, J. ve Kamber, M. (2006). Data mining concepts and techniques, Morgan Kauffmann Publishers Inc., 1-35.
• Kalıkov, A. (2006). Veri madenciliği ve bir e-ticaret uygulaması (Yüksek lisans tezi), Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
• Karagöz, N. E. (2007). Market veri tabanında veri madenciliği uygulaması (Yüksek lisans tezi), İstanbul Ticaret Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
• Küçüksille E. (2009). Veri madenciliği süreci kullanılarak portföy performansının değerlendirilmesi ve İMKB Hisse Senetleri Piyasasında bir uygulama (Yüksek lisans tezi), Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü, Isparta.
• Nahar J., Imam T., Tickle KS., Chen YP (2013). Association rule mining to detect factors which contribute to heart disease in males and females. Expert systems with applications, (40), 1086–1093.
• Sağın., A.N. ve Ayvaz., B., 2018. Determination of association rules with market basket analysis: an application in the retail sector. Southeast European journal of soft computing, 7(1), 10-19.
• Savaş, S., Topaloğul, N. ve Yılmaz., M. (2012). Veri madenciliği ve Türkiye’deki uygulama örnekleri. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, (7-8).
• Shearer, C. (2000). The crisp-dm model: the new blueprint for data mining. Journal of data warehousing, 5(4), 13-23.
• Sivri, E.Ş. (2015). Veri madenciliği/e-ticaret için ürün tavsiye sistemi geliştirilmesi (Yüksek lisans tezi), İstanbul Ticaret Üniversitesi Fen Bilimleri Enstitüsü.
• Şekeroğlu, S., (2010). Hizmet sektöründe bir veri madenciliği uygulaması (Yüksek lisans tezi), İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 135, İstanbul.
• Söylemez, İ., Doğan, A. ve Özcan, U. (2016). Trafik kazalarında birliktelik kuralı analizi: Ankara ili örneği. Ege Akademik Bakış Dergisi, 16, 11-20. DOI: 10.21121/eab.2016OZEL24423.
• Şimşek, U. T. (2006). Veri madenciliği ve müşteri ilişkileri yönetiminde bir uygulama (Doktora tezi), İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
• Timor, M., Ezerçe, A., Gürsoy., U.T., 2011. Müşteri profili ve alışveriş davranışlarını belirlemede kümeleme ve birliktelik kuralları analizi: perakende sektöründe bir uygulama. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitü Yönetim Dergisi, 128-147.
• Waterson, P., Jenkins, D. P., Salmon, P. M., & Underwood, P. (2016) Remixing rasmussen: the volution of accimaps within systemic accident analysis applied ergonomics, 59(B), 483- 503.5393 sayılı Belediye Kanunu (2005). Resmî̂ Gazete Sayı: 25874.