Kategoriler
Graph Veri Tabanı Sistemi İlişki Odaklı Veri Analizi

Graph Teknolojisi Beklediğinizden Çok Daha Fazlasını Vadediyor

Önceki yazımızda geleceğin veri analiz teknolojisi graph analitiğinden bahsetmiştik. Bu yazımızda ise bu yöntemin kullanım alanlarından daha detaylı bahsedeceğiz.

Graph analitiğiyle çözülebilecek sorunlara geçmeden önce yine bir önceki yazımızdan graph analitiğinin tanımına ve ilgili terimlere göz atmanızı öneririz.

Merkezilik Analizi (Centrality Analysis): Ağa bağlanabilirlik için bir varlığın (node) ne kadar önemli olduğunun tahmin edilmesini sağlıyor. Örneğin bir sosyal ağdaki en etkili kişileri bulmak veya en çok erişilen web sayfalarının tespiti bu yolla belirlenebiliyor.   

Topluluk Algılama (Community Detection): İlişkilerin yakınlığı ve yoğunluğu üzerinden bir sosyal ağda birbirleri ile sıklıkla etkileşime giren insan gruplarının tespit edilmesini sağlıyor. Ayrıca bireylerin geçici olup olmadığının belirlenmesi ve ağın büyüyüp büyümeyeceği de bu yöntemle tespit edilebiliyor. Topluluk analizi aynı zamanda toplulukların davranış kalıplarının tespitiyle de ilgileniyor.  

Bağlantı Analizi (Connectivity Analysis): İki node arasındaki bağın ne kadar güçlü veya zayıf olduğunun belirlenmesinde kullanılıyor.

Yol Analizi (Path Analysis): Bir graph’da node’lar arasındaki ilişki bu yaklaşımla inceleniyor. Başka bir deyişle, iki node arasındaki en kısa mesafenin (shortest path) belirlenmesinde kullanılan bir yöntem.

Peki tüm bu yöntemlerden hangi sektörlerde hangi amaçlar için faydalanılıyor;

Suç ve Dolandırıcılık Tespiti

Graph analitiği, suç, dolandırıcılık veya kara para aklama gibi yasa dışı eylemlerin tespitinde kullanılıyor. Suçluları tespit etmek için analistler, ellerindeki veriler ve bunların suçlular ile bağlantılarını bu yöntemle ortaya çıkarıyor. Kamu güvenliği birimleri ve istihbarat kurumlarının yanı sıra finansal birimler de bu yöntemden aktif olarak faydalanıyor. Örneğin şüpheli para transferleri ve müşteri işlemleri gibi olaylar, ilgili kişilerin verileri arasındaki ilişkiler analiz edilerek hızlıca tespit edilebiliyor.

Sağlık Hizmetleri

İçinde bulunduğumuz koşulları dikkate alırsak belki de şu an bizim için en öncelikli kullanımı sağlık sektörü. Graph veri tabanları bu noktada virüsün yayılımının izlenmesinde oldukça etkili. Örneğin test sonucu pozitif çıkan bir kişinin hareketlerinden ve bu kişinin temasta olacağı veya olma ihtimali olan kişilerden oluşturulan bir ağ analizi üzerinden virüsün yayılma hızı tespit edilebiliyor. Hatta Gartner, koronavirüs testi pozitif çıkan kişilerle, sonrasında kimlerin temasta olabileceğini tespit etmek için, kişilerin telefonlarındaki jeo-uzamsal (geospatial) verilerden fotoğrafları analiz edebilen yüz tanıma sistemlerine kadar her şeydeki varlıkların ilişkilendirilebileceğine dair örneklerin mevcut olduğundan bahsediyor.  Ayrıca bu teknolojinin, sağlıkçıların yeni olası tedavileri veya bazı hastalar için daha olumsuz sonuçlara neden olan faktörleri hızla keşfetmesine yardımcı olabilecek binlerce veri kaynağı ve belgeyi taramak için kullanılabileceğinin de altı çiziliyor.

Sosyal Ağ Analizi

Instagram, Spotify ve LinkedIn gibi ilişki ve bağlantı odaklı sosyal medya ağları üzerinden graph analizi ile, bu ağlardaki influencerlar ve toplulukları merkezilik (centrality) analizi ile belirlemenin mümkün olduğundan bahsetmiştik. Buradan elde edilen sonuçlar üzerinden çeşitli pazarlama aktiviteleri yürütülebiliyor, iletişim stratejileri geliştirilebiliyor.

Öneri Motorları (Recommendation Engine)

“Tanıyor olabileceğiniz kişiler” veya “Hoşunuza gidebilecek şarkılar” öneren sosyal ağlar da tam olarak bunu graph analitiği sayesinde yapıyor.  Burada, öneri motorları tarafından yaygın olarak kullanılan bir yöntem olan iş birliğine dayalı filtreleme (collaboration filtering) kullanılıyor. İşbirliğine dayalı filtreleme, benzer kullanıcıları belirlemek için graph analitiğinden faydalanıyor ve bizlere kişiselleştirilmiş öneriler sunabiliyor. Bu kullanım sadece sosyal ağlar için geçerli değil. Örneğin sosyal ağ olmayan e-ticaret siteleri de satın alma geçmişimize göre bizlere en alakalı arama sonuçları sağlamak için graph analitiğinden faydalanıyor.

Tedarik Zinciri Optimizasyonu

En kısa yol (shortest path) ve bölümleme (partitioning) gibi graph analizi algoritmaları, havayolları, ulaşım ağları ve tedarik zinciri ağlarındaki rotaları optimize etmek amacıyla kullanılabiliyor.

Fayda (Utility) Optimizasyonu

Su, kanalizasyon hizmetleri, elektrik, barajlar ve doğal gaz gibi hizmetleri sağlayan şirketler, en uygun dağıtım ağını oluşturmak için graph analizinden yararlanıyor.

Graph teknolojisinin daha birçok sektörde farklı kullanımları mevcut. Eminiz ki elinizde yüksek hacimli veri varsa, bu yöntem bir noktada kurumunuza çok yönlü fayda sağlayacaktır. İhtiyacınıza uygun veri analitiği teknolojisinden faydalanmak için bizimle iletişime geçebilirsiniz.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir