geleceğe dönüş – 4. umut kafadar

Geleceğe Dönüş – 4 Umut Kafadar

Metric Technology

SAP Analitik & İnovasyon Forum İstanbul Oyun Devam Ediyor

© 2011 Metric Technology. 2

Ajanda

Metric

SAP Predictive Analysis

SAP HANA

Demo

2013 SAP AG or an SAP affiliate company. All rights reserved.


Metric Technology

Some facts about Metric Technology;

SAP BusinessObjects çözümlerinde Türkiye’deki ilk Gold Partner.

SAP Türkiye Resmi Eğitim Partneri

Dünyadaki ilk bellek içi tahminleme ve bütçeleme uygulaması ( UNO )

Türkiyedeki ilk bellekiçi veriambarı ( UNO)

Dünyadaki ilk SAP HANA sertifikasyonu

Metric Technology, 2007 yılında kuruldu ve tüm faaliyetlerini iş zekası alanında sürdüren SAP

Gold Partneridir.



Endüstrilere Göre Müşterilerimiz : Bankacılık

* According to Asset Size, 8 of Top 10 banks use SAP BusinessObjects, 6 of them prefers to work with Metric Technology

Referans Müşteriler

Akbank

Bank Asya

TCMB

Kuzey Kıbrıs Merkez Bankası

Garanti Leasing

HSBC

T.C. Ziraat Bankası

TEB ( PNB Paribas )

TEB Cetelem

Türkiye İş Bankası

Yapı Kredi

VDF

Banka

SAP BusinessObjects

kullanıyor. 9/10*

Banka

Metric’i tercih

ediyor 7/9



Endüstrilere Göre Müşterilerimiz : Sigorta

Referans Müşteri

Ak Emeklilik

Anadolu Sigorta

AvivaSA

Garanti Emeklilik

Zurich Sigorta



Endüstrilere Göre Müşterilerimiz : Telekom

Referans Müşteri

Azercell

Geocell

Kcell

Turkcell Global Bilgi

Turkcell Superonline

Vodafone

Digiturk

TTNET

Turk.net


http://kurumsal.turk.net/index.html


Endüstrilere Göre Müşterilerimiz : Hızlı Tüketim

Referans Müşteri

3M

British American Tobacco

Coca-Cola Icecek A.S.

Efes Pilsen

Fritolay

Johnson & Johnson

L’OREAL

Philip Morris

UNO



Endüstrilere Göre Müşterilerimiz : Otomotiv

Referans Müşteri

HONDA

Mercedes Benz

MAN

Brisa

Çiftkurtlar

Doğuş Otomotiv

Temsa Global



Endüstrilere Göre Müşterilerimiz : Diğer

Referans Müşteri

Arçelik

Vestel

BDH

Bilkent Holding

Borusan

Çevko

Demisaş

Gitti Gidiyor

İstanbul Bilgi Universitesi

KlimaPlus

Koç Sistem

Lease Plan

Referans Müşteri

Ministry of Finance

Polinas

Philsa

Roche

Sanko

Sarkuysan

Servier

Standart Profil

TAV

Tepe İnşaat

Turkish Airlines

Viko

Referans Müşteri

YAYSAT

Vestel


Predictive Analysis


Analitik Kabiliyetler

Hisset ve Tepki Ver Tahmin Et

Ham

Data

Temiz

Data

Standart

Rapor

OLAP

Sebep

Sonuç analizleri

Tahmin

Modelleme

optimizasyon

Ne oldu?

Ne Zaman oldu?

Ne olacak?

Olası sonuçların en optimumu

ne?

Rekabet A

vanta

jı

Analitik Olgunluk



… anlamlı desen ve kuralları keşfetmek için büyük verilerin otomatik veya yarıotomatik

yöntemlerle araştırılması ve analiz edilmesi.

Gordon Linoff and Michael Berry

Authors of “Data Mining Techniques”

“

… desen tanıma teknolojilerinin yanı sıra istatistiksel ve matematiksel teknikler kullanılarak

veritabanlarında saklanan büyük miktardaki verilerin, anlamlı yeni korelasyon, desen ve

eğilimleri keşfetme süreci.”

Gartner Group

“

Predictive Analysis nedir?



Challenges

Forecasting

Anahtar

Etkenler

Trendler

Anormallikler

İlişkiler

Geçmiş dönemde gerçekleşen satış, maliyet ve

anahtar performans göstergeleri geleceği nasıl

etkiliyor?

Müşteri memnuniyetini

sadakatini, müşterinin

terketmesini, çalışan devir

oranını etkileyen başlıca

etkenler nelerdir?

İş sonuçlarını etkileyen geçmiş ,

gelişen , aniden ortaya çıkan trendler

nelerdir?

Verilerin arasındaki ilişkiler nasıl

şekilleniyor? Yeni iş fırsatları

oluşturabilir mi?

Veride ortaya çıkan

anormallikler, gruplamalar

nelerdir?

Örnekler


SAP Predictive Analysis


SAP HANA’nın tüm tahminleme kabiliyetlerini kullanabiliyor.

İçgüdüsel kullanım özellikleri sayesinde kullanıcı dostu

SAP BusinessObjects Predictive Analysis



Bellekiçi analiz

HANA’s in-database predictive algoritmalarını kullanıyor.

SAP HANA’nın HANA R entegrasyonu sayesinde 3,500+ açık kaynak kodlu predictive algoritmalarını destekliyor.




Kolay kullanım

Farklı veri kaynaklarından verileri okuyup yazabiliyor. ( HANA, Universes, IQ, ve diğer veri kaynakları)

Sürükle bırak özellikleri sayesinde kolay kullanım




Yüksek görsellik

Modelleme aracında zengin görselleme kabiliyetleri

Sonuçları PMML ile diğer BI Araçları ile paylaşabilme




Step1

Veri Yükleme

Step 2

Veri Hazırlama

Step 3

Veri İşleme

Step 4

Veri Görselleme ve Paylaşım

Veri Yükleme

1. İş ihtiyacını anlama

2. SAP ve non-SAP kaynaklardan veriyi

SAP HANA’ya veya diğer veri

kaynaklarına yükleme

Veri Hazırlama

1. Veriyi görselleyip , hazırlama

2. Örnekle, filtrele, temizle, formüller

uygula

Veri İşleme

1. Veri modelinin belirlenmesi ( Time Series,

Nueral Network ).

2. Modelin çalıştırılması

Veri Görselleme ve Paylaşım

1. Sonuçların görsellenmesi

2. Sonuçların saklanması




Önce Okuyucuyu sürüklüyoruz.





Daha sonra algoritmayı sürüklüyoruz, özellikleri belirliyoruz ve modeli çalıştırıyoruz.



Sonuçları görüntülüyoruz.





Sonuçları görselliyoruz.




Sonuçları saklıyoruz.




Bazı görsellemeler


Teşekkürler Umut Kafadar

İş Zekası Danışmanı Metric Technology

[email protected]

mailto:[email protected]

geleceğe dönüş – 4. umut kafadar

Documents