Çok boyutlu birliktelik kuralları analizi ve işletme uygulaması

Abstract

Günümüzde, karışık ve yüksek boyuttaki veri setlerinde saklanan verilerden faydalı ve anlamlı bilgilerin ortaya çıkarılması amacıyla veri madenciliği ve modellerine sık sık başvurulmaktadır. Bu tez çalışmasında veritabanlarında bilgi keşfi süreci, veri madenciliği ve veri madenciliğinde yer alan modeller açıklanmıştır. Tanımlayıcı veri madenciliği modellerinden biri olan Birliktelik Kuralları ve algoritmaları ayrıntılı olarak incelenmiştir. Tezin uygulama bölümünde, Türkiye'de perakende sektöründe yer alan bir işletmeye ait bir aylık satış verileri kullanılmıştır. Satış verilerinde yer alan ürünler arasındaki ilişkiler, `Birliktelik Kuralları` ile `Apriori algoritması` ve `Market Sepet Analizi` çalışması ile tespit edilmiştir. Ürünler arasındaki mevcut birliktelikler ürün satış miktarlarının arttırılması, dolayısı ile gelirde artış sağlamak için kullanılması amaçlanmıştır.Anahtar Kelimeler: Veritabanlarında Bilgi Keşfi Süreci, Veri Madenciliği, Birliktelik Kuralları, Apriori, Market Sepet Analizi.

Nowadays, data mining and models are frequently used in order to reveal useful and meaningful information from the data stored in mixed and high data sets. In this thesis, knowledge discovery process in databases, data mining and data mining models are explained. One of the descriptive data mining models Association Rules and algorithms are examined in detail. In the application part of the thesis, a monthly sales data belonging to a company located in the retail sector in Turkey were used. The relations between the products included in the sales data were determined by `Association Rules` and `Apriori algorithm` and `Market Basket Analysis` study. The existing partnerships between the products are intended to increase the amount of product sales and thus to increase the revenue.Keywords: Knowledge Discovery Process in Databases, Data Mining, Association Rules, Apriori, Market Basket Analysis.