Büyük verinin ne olduğunu bilmek ve uygulandığı alanlar hakkında bilgi sahibi olmak gelişen dünya için önemlidir. Bu yazıda büyük verinin teknoloji ile sektörlerdeki etkin büyük veri uygulama örnekleri konusundan bahsedeceğim.
Büyük Veri Uygulama Örnekleri
Günümüzde büyük verinin en çok kullanıldığı alanlardan bazıları aşağıda kısaca özetlenmiştir. Aşağıda özetlenen alanlar, büyük verinin en sık kullanıldığı alanlar olmakla birlikte büyük veri için daha pek çok kullanım alanı mevcuttur. Ayrıca yeni kullanım alanları da her geçen gün oluşmaktadır.
Bankacılıkta Büyük Veri Uygulama Örnekleri
Büyük veri kullanımıyla bankalar, para hareketlerinin detaylarını görebilmekte, felaketleri ve hırsızlık olaylarını önceden fark edebilmekte ve tüketici davranışlarını daha iyi anlayabilmektedir. Bankalar, müşteri davranışlarının analizi, çapraz ürün satışı, risk yönetimi ve finansal suçlarla başa çıkma gibi birçok alanda büyük veriden yararlanmaya başlamışlardır.
Bu sektörde büyük veri kullanan bir şirketin ilginç bir örneği Western Union’dır. Kuruluş, saniyede 29’dan fazla işlemi işleyerek ve tüm verileri istatistiksel modelleme ve tahmine dayalı analiz için ortak bir platformda derleyerek tüketici deneyimlerini özelleştiren uygulamalar sergilemektedir.
Büyük bir banka olan JPMorgan Chase and Co, büyük miktarda veri üretir ve bu verilerle başa çıkmak için büyük veri teknolojilerini uygulamaktadır. Büyük veri analitiği, bankanın müşteri eğilimleri için iç görüler oluşturmasına ve bu raporları müşterilerine sunmasına, ayrıca bireysel incelemeler yapmasına ve hızlı raporlar oluşturmasına olanak tanımaktadır.
SAS AML gibi çeşitli kara para aklama önleme yazılımları, şüpheli işlemleri tespit etmek ve müşteri verilerini analiz etmek için büyük veri kullanmaktadır. Bank of America, 25 yılı aşkın bir süredir SAS AML yazılımını kullanmaktadır.
Eğitimde Büyük Veri Uygulama Örnekleri
Eğitim söz konusu olduğunda, öğrencilerden, öğretim üyelerinden, derslerden ve kurumlardan toplanan veriler muazzamdır ve bu veriler eğitim kurumlarının operasyonlarını ve işleyişini geliştirmek için etkili olarak kullanılmaktadır.
Burada mükemmel bir örnek Florida Üniversitesi’ninki olabilir. Üniversite, birden çok kaynak aracılığıyla verileri ayıklamak, yüklemek ve aktarmak için IBM InfoSphere’i, tahmine dayalı analitik ve veri modelleme durumunda IBM SPSS Modeler’ı ve öğrenci performanslarını analiz etmek ve tahmin etmek için IBM Cognos Analytics’i kullanmaktadır.
Alabama Üniversitesi’nin 38.000’den fazla öğrencisi ile bir veri okyanusu vardır. Geçmişte, bu kadar çok büyük ve çeşitli veriyi analiz edecek gerçek çözümler olmadığından, bazı veriler işe yaramaz görülmekteydi. Artık yöneticiler, üniversitenin operasyonlarında, işe alımlarında ve öğrenciyi elde tutma çalışmalarında öğrenci profilini çıkarmak için bu verileri kullanmaktadır.
İzmir Bakırçay Üniversitesi’nin veri analitiği odaklı sürdürülebilir kampüs projesi vardır. Bu proje, siber-fiziksel sistemi düşük maliyetle kurma senaryosu kapsamında yeni kurulmuş olan İzmir Bakırçay Üniversitesi’ndeki akıllı kampüs girişimi üzerinde yoğunlaşmaktadır. Bunun için birçok alanda veriler toplanmış olup, bu veriler kamu kaynaklarının kullanım analizini yapmak için gerçek zamanlı veri analitiği, izleme, raporlama ve performans ölçümü gibi uygulamalarda kullanılmaktadır.
Medyada Büyük Veri Uygulama Örnekleri
Medya kuruluşları, küreselleşen medya pazarında rekabet avantajı oluşturmak ve sunulan içeriği izleyiciler için daha iyi bir şekilde uyarlamak için büyük veriyi kullanmaktadır. Büyük veri, izleyicilerin ne istediklerini tahmin ederek ona göre içerik sunma olanağını sağlamaktadır.
Büyük verinin devrim yaratan medya platformlarında nasıl bir rol oynadığının mükemmel bir örneği Netflix’dir. Teknoloji sadece platformun yatırım yaptığı dizileri değil, dizinin abonelerine nasıl sunulacağını da etkiliyor. Kullanıcının izleme geçmişi, belirli bir program için videoyu duraklattıkları noktalar da dahil olmak üzere, özelleştirilmiş küçük resimlerden, “Netflix’te Popüler” bölümünde gözlemlediğimiz içeriklere kadar her şeyi büyük veri kullanarak yapmaktadırlar.
Yine bir başka etkili örnek Viacom18 olacaktır. Şirketin büyük veri platformu, Microsoft Azure üzerine inşa edilmiştir ve burada çok sayıda gelecek teknolojiyle deneyler yapmaktadır. Şirket, reklam araları için uygun zamanları belirleyerek program segmentleri arasındaki reklam aralıklarında izleyicinin elde tutulmasını sağlamak için büyük veriyi kullanmaktadır ve bu sayede platformun reklam aralarında bile izleyiciyi korumada başarılı olması, kendileri için önemli gelir elde etmesini sağlamaktadır.
İsteğe bağlı müzik sağlama platformu Spotify da büyük veriyi kullanır, dünya çapındaki tüm kullanıcılarından veri toplar ve ardından analiz edilen verileri her bir kullanıcıya bilinçli müzik önerileri ve önerileri vermek için kullanmaktadırlar.
Tek noktadan bir mağazada videolar, müzik ve Kindle kitapları sunan Amazon Prime, büyük veriyi kullanarak müşterilerine öneri sunmaktadır.
Sağlıkta Büyük Veri Uygulama Örnekleri
Büyük Veri, modern sağlık operasyonlarını geliştirmede ayrılmaz bir rol oynamaktadır. Tedavi maliyetlerini düşürmek, salgınları tahmin etmek, önlenebilir hastalıklardan kaçınmak, genel yaşam kalitesini artırmak, personel alımını ayarlamak için günlük hastalardan elde ettiği geliri tahmin etmek, Elektronik Sağlık Kayıtlarını (EHR’ler) kullanmak, anlık bakımı kolaylaştırmak için gerçek zamanlı uyarıları oluşturmak, dolandırıcılık ve hataları azaltmak için sağlık sektöründe veri devrim yaratmıştır.
Sağlık alanında Büyük Verinin güvenilir bir örneği Mayo Clinic’tir. Platform, birden fazla durumdaki hastaları tespit etmeye ve yaşam kalitelerini iyileştirmeye yardımcı olmak için büyük veriyi kullanır. Bu veriler ayrıca risk altındaki hastaları tespit edebilmek ve onlara daha fazla sağlık kontrolü ve temel tıbbi müdahale sunabilmek için kullanılmaktadır.
Yine bir başka örnek MedAware’dir. Bu, hataları önceden tespit etmeye yönelik rahatsız edici eğilimle savaşmaya çalışan İsrailli bir girişimdir ve bu da paradan, iyi niyetten ve tabii ki hastaların hayatlarından tasarruf edilmesine yardımcı olacaktır.
Şikago’da bulunan Tempus’un tablet tabanlı aracı, tıbbi kayıtların dosya dolaplarını gerçek zamanlı olarak taşınabilir ve erişilebilir hale getirmiştir. Randevular sırasında doktorların kararlarını bildirmek için tasarlanan Tempus, veriye dayalı tedavi önerilerini ortaya çıkarmak için klinik notlar, genomik veriler, radyoloji taramaları ve daha fazlasını içeren devasa boyuttaki verileri taramaktadır. Bununla birlikte, hastaların benzer demografik özelliklere, genetik profillere ve kanser türlerine sahip olduğu geçmiş vakalardan elde edilen verilere dayanarak kişiselleştirilmiş öneriler sunmaktadır.
Londra’da bulunan Moorfields Göz Hastanesi, görme kaybına neden iki önemli hastalığın teşhisi üzerinde çalışmak için Google DeepMind ile gerçekleştirdiği ortak çalışmada: Diyabetik retinopati ve yaşa bağlı makula dejeneresansı (AMD) çalışması yaptığında kullandığı verilerle, yapay zekâ kısa sürede daha fazla ve daha doğru taramalar yapmayı başarmıştır.
Kaliforniya merkezli MindStrong, kısa bir süre önce, yapay zeka teknolojilerinin insanların akıllı telefonlarını nasıl kullandığını analiz ederek, depresyon ve diğer ruhsal bozuklukların belirtilerini alabileceğini gösteren bir makale yayınladı.
2020 yılında Ege Üniversitesi’nde yapılan Sağlıkta Yapay Zeka Uluslararası Sempozyumunda sunulan bir çok araştırmada büyük verilerle çalışmalar yapılmıştır. Örneğin mamografi görüntülerinden elde edilen verilerle radyologlara yardımcı olacak bir yapay zeka çalışması yapılmıştır. Yine yapılan başka bir çalışmada ilaç-ilaç etkileşim tahmini ilaçlardan elde edilen verilerle yapılmıştır. Olası ilaç-ilaç etkileşim tahmini, beklenmedik ilaç etkileşimlerinin önlenmesi ve ilaç geliştirme maliyetlerinin azaltılmasına yardımcı olmaktadır. Sunulan başka bir çalışmada ise kalp atış hızı verileri kullanılarak kalp atışları sınıflandırılmış ve acil durumlar için erken teşhisin önü açılmıştır.
Vanderbilt Üniversitesi Tıp Merkezi de kanser teşhis ve tedavisinde yine büyük verilerden yararlanmaktadır. Demografik verileri, genom verilerini ve görüntüleme sistemleri verilerini analiz ederek mevcut olan ya da gelecekteki hastalara yönelik en uygun tedavi yöntemini ortaya koyuyor.
Harvard Sensor Network Lab yakın zamanda hastaları izlemeyi amaçlayan CodeBlue projesini geliştirdi CodeBlue projesinde, hastaların sağlık durumlarını algılamak için hastanın vücuduna çeşitli tıbbi sensörler sabitlenmiştir. Ek olarak, bu tıbbi sensörler, hastanın vücudunu sürekli olarak algılar ve sağlık koşullarını kablosuz teknolojileri kullanarak son kullanıcı cihazlarına (dizüstü bilgisayarlar, PDA’lar ve kişisel bilgisayarlar) iletir. Bu veriler genellikle hastaları acil durumlardan korumak için faydalı kalıpları bulmak için kullanılır.
İmalatta Büyük Veri Uygulama Örnekleri
İmalat artık bir zamanlar olduğu gibi yorucu manuel süreç değil, veri analitiği ve teknolojisi, üretim prosedüründe tamamen devrim yaratmayı başardı. Büyük Veri, üretimi geliştirmede, ürün tasarımını özelleştirmede, uygun kalite bakımını sağlamada, tedarik zincirini yönetmede ve ayrıca potansiyel riskleri takip etmek için değerlendirmede rol oynamayı başarmıştır.
Bu sektördeki büyük veri uygulamasının ilgi çekici bir örneği Rolls Royce’dur. Rolls Royce, tasarım sürecini geliştirmek, ürün geliştirme süresini kısaltmak ve ürünlerinin performansını ve kalitesini artırırken aynı zamanda maliyetleri düşürmek için Büyük veri analitiğini benimser. Platform, tasarım sürecinde oluşan hataları da ortadan kaldırarak üretim süreçlerini basitleştirmiştir.
İmalat sektöründe benimsenen Büyük Verinin bir başka örneği de BMW’de. BMW, otonom otomobiller oluşturmaya yönelik çalışarak tahmine dayalı analitik için büyük verileri benimsiyor. Bunu başarmak için platform, Intel ile işbirliğine girerek yapay zekayı da benimsedi. Intel’in Mobileye’yi satın alması, BMW’nin bilgisayarlı görme teknolojisine erişmesine olanak tanımıştır.
Perakende ve Pazarlamada Büyük veri Uygulama Örnekleri
Perakende söz konusu olduğunda, büyük veri ortaya çıkan trendleri tahmin etmede, uygun müşterileri uygun zamanda hedeflemede, pazarlama giderlerini azaltmada ve müşteri hizmet kalitesini artırmada rol oynar. Her bir tüketicinin kapsamlı bir görünümünü korumak ve kişisel katılımı kolaylaştırmak, yaklaşan trendlerden maksimum değer elde etmek için fiyatlandırmayı optimize etmek, arka ofis operasyonlarını kolaylaştırmak ve müşteri hizmetlerini geliştirmek, Büyük Veri, Perakende söz konusu olduğunda çok çeşitli uygulamalar sunmaktadır.
Kanada’nın en büyük perakendecilerinden biri olan ayakkabı ve aksesuar şirketi Aldo, Kara Cuma gibi durumlarda hayatta kalmak için büyük verilerden yararlanıyor. Platform, hizmet odaklı bir büyük veri mimarisi üzerinde çalışır ve ödeme, faturalandırma, dolandırıcılık tespitinde yer alan birden fazla veri kaynağını entegre ederek kusursuz bir e-ticaret deneyimini kolaylaştırmasına olanak tanımaktadır.
Müşteriler hakkında daha fazla bilgi edinmek, müşteri isteklerini keşfetmenin ve onları daha iyi karşılayabilmenin harika bir yoludur. Los Angeles’ta bulunan Centerfield, müşterilere önerdiği pazarlama ve satış tekniklerini etkileyen müşteri davranışına ilişkin yeni içgörüler ortaya çıkarmak için müşteri verilerini analiz eder. Şirket, mevcut müşterilerle aynı kalıplara uyan yeni müşteriler keşfetmek için bu bilgileri kullanabilir.
Amazon, tavsiye motorlarını geliştirmek için müşteriler aracılığıyla elde edilen Büyük Verileri kullanır. Platform kullanıcıları hakkında ne kadar çok şey bilirse ne satın almak istediklerini o kadar iyi tahmin edebilirler, hangilerinin süreci basitleştirmelerine ve kullanıcıyı satın almaya ikna etmelerine olanak tanıdığını bilirler, örneğin kullanıcıyı test etmek yerine belirli ürünleri önermek gibi işlem yaparlar. Platformun öneri teknolojisi, işbirliğine dayalı filtrelemeye dayanır; bu, kullanıcının kim olduğuna dair bir görüntü oluşturarak ve benzer profillere sahip kişilerin getirdiği ürünler sunarak, kullanıcının ne istediğini varsaydığını belirlediği anlamına gelir.
Marketing Evolution pazarlama ajansı, inançları, konumu ve satın alma alışkanlıklarının yanı sıra mevcut yerel hava koşulları gibi çevresel verileri kapsayan ayrıntılı tüketici profilleri oluşturmak için yüzlerce çevrimiçi ve çevrimdışı kaynaktan veri çeker. Analistler daha sonra, mesajın kendisinden ulaştığı kanala kadar her öğenin bireysel kullanıcıların tercihlerini yansıttığı hedefli kampanyalar oluşturmak için “ROI Brain” adlı bir yazılım yığını kullanırlar.
Türkiye’de de telekominikasyon şirketleri müşterilerinin ilgi alanlarına göre paketler öneriyor. Müşterilerinin hangi uygulamada ne kadar süre zaman geçirmiş, hangi uygulamada ne kadar internet harcamış bilgilerine bakarak o kişinin kullandığı uygulamalar için ekstra paket öneriyor. Şirketlerin başka bir uygulaması ise, müşterilerin gün içerisinde teknik sıkıntılardan kaynaklı arızalarını belirleyip analiz ederek müşteri kaybını engellemesidir.
Bir başka örnek de Starbucks’tan. Starbucks, mobil ödeme uygulaması kullanıcıları aracılığıyla elde ettiği verileri, müşteri verilerini izlemek için kullanır ve bu da, belirli bir zamandan beri ziyaret etmemiş bir müşteriyi cezbetmek için tasarlanmış bir teklif olarak ilgili pazarlama mesajlarını geliştirmek için kullanılır.
Ulaştırma Endüstrilerinde Büyük Veri Uygulama Örnekleri
Büyük verinin yükselişiyle birlikte ulaşımı daha verimli ve kolay hale getirmek için çeşitli şekillerde kullanılmaya başlandı. Aşağıda, büyük verinin ulaşıma katkıda bulunduğu alanlardan bazıları verilmiştir.
Rota planlama: Büyük veriler, kullanıcıların farklı rotalardaki ve çoklu ulaşım modlarındaki ihtiyaçlarını anlamak ve tahmin etmek için kullanılabilir ve ardından bekleme sürelerini azaltmak için rota planlamasını kullanabilir.
Tıkanıklık yönetimi ve trafik kontrolü: Büyük verileri kullanarak tıkanıklık ve trafik kalıplarının gerçek zamanlı tahmini artık mümkün. Örneğin, insanlar trafiğe en az eğilimli rotaları bulmak için Google Haritalar’ı kullanıyor.
Trafik düzeyi: Kazaya açık alanları belirlemek için büyük verilerin gerçek zamanlı işlenmesini ve tahmine dayalı analizleri kullanmak, kazaları azaltmaya ve trafiğin güvenlik düzeyini artırmaya yardımcı olabilir.
Burada örnek olarak Uber’i verebiliriz. Uber, sürücüler, araçları, konumları, her araçtan yapılan her yolculuk vb. ile ilgili büyük miktarda veri üretir ve kullanır. Tüm bu veriler analiz edilir ve ardından arz, talep, sürücülerin konumu ve belirlenecek ücretleri tahmin etmek için kullanılır. Şirket veri analizi ile aynı zamanda müşteri memnuniyetini sağlama yolunda uzun bir yol kat eden tahmini varış süreleri tahminlerinin temelini oluşturur.
FourKites’ın platformu ister okyanusları geçiyor ister demiryolu ile seyahat ediyor olsun, paketleri gerçek zamanlı olarak izlemek için GPS ve bir dizi başka konum veri kaynağını kullanır. Tahmini bir algoritma daha sonra paketlerin tahmini varış zamanlarını hesaplamak için trafik, hava durumu ve diğer dış faktörlerle ilgili verileri hesaba katar, böylece FourKites müşterilere gecikmeler ve erken teslimatlar hakkında önceden uyarı verebilmektedir ve aynı zamanda ekstra ücretlerden kaçınabilmektedir.
Diğer Alanlarda Büyük Veri Uygulama Örnekleri
Tarım gibi bir alanda, büyük veri analitiği, akıllı tarım ve hassas tarım operasyonlarını teşvik eder ve bu da maliyetlerden tasarruf sağlar ve yeni iş fırsatlarını ortaya çıkarır. Büyük verinin işe yaradığı bazı hayati alanlar arasında, çiftçilere yağış, hava durumu ve mahsul verimini etkileyen faktörlerle ilgili herhangi bir değişiklikle ilgili güncellemeler sağlayarak gıda talebini karşılamak, çiftçilere doğru tarımda yardımcı olmak için akıllı ve doğru pestisit kullanımını teşvik etmede rol oynamak yer alıyor. Pestisitlerle ilgili karar verme, çiftlik ekipmanlarının yönetimi, tedarik zinciri verimliliğinin sağlanması, tohumların ne zaman, nerede ve nasıl ekileceğini ve kimyasalların uygulanacağını planlamada ve ayrıca büyümeyi incelemek için nem, sıcaklık ve kimyasallar hakkında veri toplayarak gıda güvenliğini sağlamada bitkinin sağlığıyla ilgili çıkarımlar yapılmaktadır.
Bir Bayer Group birimi olan Bayer Digital Farming, yabancı ot tanımlaması için makine öğrenimini ve yapay zekayı benimseyen bir uygulama kurdu. Çiftçiler, uygulamada yabani ot yakalamalarını paylaşıyor ve ardından resmi türleri tespit etmek için kapsamlı bir Bayer veri tabanıyla (yaklaşık 100.000 fotoğrafa sahip) eşleştiriyor. Bu uygulama, uygun zamanda araya girerek ekinleri korumada ve verimi artırmada yardımcı olmaktadır.
Bir Schneider Electric bölümü olan Dijital İletim Ağı (DTN), müşterilerine tarımsal bilgi çözümlerini ve pazar istihbaratını kolaylaştırır. DTN aracılığıyla çiftçiler işlerini daha iyi idare etmek için güncel hava durumunu ve fiyatlandırma verilerini takip edebilirler.
Dünyanın her yerinde konuşlandırılmış hava sensörleri ve uydular var. Onlardan büyük miktarda veri toplanır ve daha sonra bu veriler hava ve çevre koşullarını izlemek için kullanılır. IBM’in bir araştırma projesi olan IBM Deep Thunder, büyük verilerin yüksek performanslı hesaplanması yoluyla hava durumu tahmini sağlar. IBM ayrıca Tokyo’ya doğal afetler için iyileştirilmiş hava tahmini veya hasarlı elektrik hatlarının olasılığını tahmin etme konusunda yardımcı olmaktadır.
Awake’in güvenlik sistemi biraz insan beyni gibi çalışmaktadır. Sensörler ister bulutta ister bir IoT cihazında gömülü olsun, verileri depolandığı yerde taramaktadır. Sinirlerimiz beynimize bilgiyi geri ilettiği gibi, Awake’in sensörleri de önemli bulguları, tehditleri algılayabilen ve olağandışı verilerin arkasındaki amacı ayrıştırabilen merkezi bir derin öğrenme merkezi olan Awake Hub’a geri taşır. Bir beyin gibi, Hub da en iyi yaklaşımı belirlemek için ara sıra dışarıdan girdiye ihtiyaç duyar. Bazı durumlarda, en son siber saldırı teknikleri ve sektöre özel protokoller konusunda güncel bilgilere sahip insan siber güvenlik uzmanlarından oluşan bir ağ ile işbirliği içinde kullanılmaktadır.
Son yıllarda spor alanında da büyük veriden yararlanılmaya başlanmıştır. Yeni minyatür sensor teknolojileri aracılığıyla toplanan fizyolojik eğitim verilerine ek olarak, yeni nesil izleme teknolojileriyle de elde edilen ayrıntılı oyun günlükleri giderek daha fazla araştırma için kullanılabilir hale gelmektedir. Takım sporlarında taktiksel karar verme için teorik bir model geliştirmeye yardımcı olmaktadır. Amerikan Futbolu Ligi NFL’de de takımlara karar verme aşamalarında destek sağlayan uygulamalar kullanılmaktadır.