Çevrimiçi analitik işleme sistemlerinde performans analizi ve bir öneri sistemi

Abstract

Veri kayıtları için dijital ortamın kolaylığı ve güvenliği sebebi ile kullanım oranı her geçen gündaha da artmaktadır. Özellikle ticari kuruluşlarda ürünler, müşteriler, konum, satış zamanı gibiverilerin saklanması organizasyonların ileriye yönelik kararları için çok önemlidir. Ürünçeşitliliği ve müşteri bilgilerinin çeşitliliği verilerin işlenmesini güç hale getirmektedir. Buyüzden bir organizasyonun büyük miktarlardaki verileri yönetebilmek, analiz edebilmek vekarar verme süreçlerinde hazır hale getirebilmek için bir sisteme ihtiyaç duyarlar. Bu durumdaveri ambarları, hem analitik veritabanları ile hem de Çevrim-içi Analitik İşleme (OnLineAnalytical Processing, OLAP) araçları ile organizasyonlara karar destek sürecinde büyükkolaylık sağlarlar. Bu yüzden veriye dayalı sistemlerde OLAP birçok firmanın kullandığı vedesteklediği bir karar mekanizmasıdır. Her gün daha da hızlı artan veri miktarı ve çeşitlilik analizyapma konusunda OLAP sistemleri kullanımına daha çok ihtiyaç duyulmasına sebep olmuştur.Bu çalışma kapsamında OLAP sistemleri üzerinde iki farklı çalışma yapılmıştır: OLAPyaklaşımlarının performans analizi ve OLAP sistemlerinde bir öneri sistemi tasarımı. FarklıOLAP motorlarının performansı, sorgu süresi bakımından ve hangi durumlarda daha verimliolacakları hakkında örnek bir veri ambarı üzerinde analizleri yapılmıştır. Bu karşılaştırmalarsonucunda karışık hesaplamalarda en iyi performansı MOLAP, büyük miktardaki verileriişlemede özellikle büyük veride ROLAP öne çıkmıştır. İkinci çalışma birçok alanda farklımetotlar ile film, müzik, haber, kitap, arama sonuçları, e-ticaret gibi ögeler üzerindekikullanıcıların önceden yapmış olduğu eylemleri üzerinden öneriler hazırlayan öneri sistemleriniOLAP üzerine uygulamak. Organizasyonların geçmiş verilerinden beslenen ve veri bilimialanında yaygın kullanılan veri ambarı sistemlerinde kullanılacak öneri sistemlerine yönetici veanalistler tarafından ihtiyaç duyulmaktadır. Bu çalışma ile tasarlanan sistem ikili birliktelik,işbirlikçi filtreleme ve kategorik öge algoritmalarıyla kullanıcılara öneri listesi sunmaktadır.Sistem Microsoft tarafından herkesin kullanımına açık olarak sunulan AdventureWorksDW veriambarı üzerinde test edilmiştir.

Due to the ease and safety of digital media for data recordings, the usage rate is increasing dayby day. The storage of data such as products, customers, location, sales time is especiallyimportant for the future decisions of the organizations. Variety of products and customerinformation make it difficult to process data. Therefore, an organization needs a system tomanage, analyze and make large amounts of data available in decision-making processes. In thiscase, data warehouses can be used with analytical databases and on-line analytical processing(OnLine Analytical Processing, OLAP) tools to facilitate organizations in decision makingprocess. Therefore, OLAP is a decision mechanism that many companies use and support indata-based systems. The increasing amount of data and the diversity of data every day have ledto the need for more OLAP systems.Within the scope of this study, two different studies were conducted on OLAP systems:Performance analysis of OLAP approaches and design of a recommendation system in OLAPsystems. Analyzes were made on a sample data warehouse about the performance of differentOLAP engines, the duration of the query and in what situations they would be more efficient.As a result of these comparisons, MOLAP has the best performance in complex calculations,ROLAP is especially important in processing large amounts of data. The second study is to applythe recommendation systems on the OLAP, which prepare suggestions through various methodsin many areas, such as films, music, news, books, search results, e-commerce, and the actions ofthe users on previous actions. Recommendation systems to be used in data warehousing systems,which are fed from historical data of organizations and are widely used in data science, areneeded by managers and analysts. Designed with this study, the system offers a list ofsuggestions to the users through the combination of binary, collaborative filtering andcategorical element algorithms. The system has been tested on the AdventureWorksDW datawarehouse, which is available to everyone by Microsoft.