BÜTÜNLEŞİK VERİ KÜPÜ SİSTEMİ (BVKS): SATIŞ KÜPÜ UYGULAMASI

Öz

Günümüz veri tabanlarında büyük hacimli veriler yönetilebilmektedir. Bu kadar büyük boyuttaki verilerinpratikte bilgisayar desteği olmadan kavranabilmesi imkansızdır. Bu problemin üstesinden gelebilmek için detaylı veritabanlarında, özetleme, bütünleştirme ve analiz için; Online Analitik İşleme (OnLine Analytical Processing, OLAP) kullanılmaktadır. OLAP araçları Veri Küpü(VK) yapısını kullanarak, esnek raporlama ve hızlı sorgulama yapabilmektedir. Mevcut OLAP araçlarının yetenekleriyle basit ihtiyaçlar karşılanabilmekte ancak pratikteki büyük veri setlerinde OLAP araçlarıyla ihtiyaçların karşılanması neredeyse imkansız olmaktadır. Çetinyokuş ve ark. (2006), getirdikleri yeni OLAP mimarisi, VK lerinin bütünleşik kullanımına izin vermekte ve hali hazırda kullanılan OLAP araçlarının yeteneklerinin çok ötesine geçirebilmektedir. Bu çalışmada önerilen yeni mimarinin önemli bir ayağı gerçekleştirilmiştir. Ele alınan satış küpü uyarlamasında oluşturulan veri küplerindeki verilerin kullanılarak bir modele aktarılması, modelden elde edilen sonuçlarında yeniden bir VK ne kaydedilmesi başarılmıştır. Bu uygulama OLAP araçlarının etkinliğinin bir Karar Desteği sağlayarak artırılması bakımından anlamlıdır.

Anahtar Kelimeler

• Veri ambarı, OLAP, veri küpü, veri madenciliği.

Kaynakça

1. Çetinyokuş, T., Çerçioğlu, H., Gökçen, H., Veri
2. Küplerinin Bütünleşik Kullanımı, YA/EM
3. Yöneylem Araştırması / Endüstri
4. Mühendisliği XXVI. Ulusal Kongresi, 2006.
5. Gray ,J., Chaudhuri, S., Bosworth, A., Layman,
6. A., Reichart, D., Venkatrao, M., “ Data Cube: A
7. Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals”, Data
8. Mining and Knowledge Discovery, Cilt 1, 29-

9. , 1997.
10. Friedman, J., H., “A Recursive Partitioning
11. Decision Rule for Nonparametric Classifiers”,
12. IEEE Trans. on Comp., Cilt 26, 404-408, 1997.
13. Han, J., Kamber, M., “Data Mining Concept and
14. Techniques”, Morgan Kaufmann Publishers,
15. -
16. Geurts, K., Thomas, I., Wets, G., “Understanding
17. spatial concentrations of road accidents using
18. frequent item sets”, Accident Analysis &
19. Prevention, Cilt 37, 787-799, 2005.
20. Fong, A.,C.,M., Hui, S., C., Jha, G., “Data
21. Mining For Decision Support”, IT Professional,
22. Cilt 04, No 2, 9-17, Mar/Apr, 2002.
23. Riedewald, M., Agrawal, D., Abbadi, A., E.,
24. “Multidimensional Databases: Problems and
25. Solutions”, Idea Group Inc., USA, 2003.
26. Shi, H., Zhang, J., Zheng, L., “Mining
27. Association Rule Oriented Data Cube and Its
28. Application”, Proceedings of the First
29. International Conference on Machine
30. Learning and Cybernetics, Beijing, 4-5
31. November, 2002.
32. Chaudhuri, S., Dayal, U., “An Overview of Data
33. Warehousing and OLAP Technology”, ACM
34. Sigmod Record, Cilt 26, 65-74, 1997.
35. Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P.,
36. “From Data Mining to Knowledge Discovery in
37. Databases”, American Association for Artificial
38. Intelligence, 37-54, 1996.