Strix Kütüphanesi
Şu anda Strigus’ta yer alan sosyal medya Strix’leri ve sorgu çeşitleri aşağıdaki gibidir. Facebook Arama (Search): Aradığınız anahtar kelime veya kavram hakkında Facebook’ta son zamanlarda yapılan paylaşımları tek bir çatı altında toplayabilirsiniz. Kişi veya Kurum (Profile): İstediğiniz bir kişi veya kurum ismini arayarak Facebook’ta o isimli üyeleri veya kurumları listeleyebilirsiniz. Twitter Arama (Search): Aradığınız terimle ilgili son ve popüler tweet’leri toplayabilirsiniz. Kişi veya Kurum (Profile): Aradığınız kişi veya kurumların Twitter hesaplarını listeleyebilirsiniz. Linkedin Kişi veya Kurum (Profile): Aradığınız isimdeki kişileri listeleyebileceğiniz gibi aradığınız bir kurumun çalışanlarını da bu sorgu ile elde edebilirsiniz. RSS Tüm Yayınlar (All Posts): Belirlediğiniz RSS kaynağında yayınlanan son gönderilerin tümünü getirebilirsiniz. Arama (Search): RSS kaynağındaki gönderilerde istediğiniz terimle ilgili veri olup olmadığını görebilir, varsa bu gönderiyi veya gönderileri elde edebilirsiniz. Siz de Strigus’ta kendi Strix’lerinizi görmek istiyorsanız süreci burdan öğrenebilir ve form...
devamSalesforce.com CRM ve Strigus
Kanıtlanmış CRM başarısı Bugüne dek 82.400 şirketin keşfettiği çözümle artık siz de tanışın: Salesforce CRM sonuca ulaştırır. Çok sayıda şirketin salesforce.com’a müşteri bilgilerini emanet ettiğini bilmenin beraberinde getireceği gönül rahatlığı da artısı. Düşük maliyet, düşük risk Karmaşıklığa veda edin. Kurulacak hiçbir yazılım ya da donanımıolmadığından, başlamak için haftalarca ya da aylarca beklemeniz gerekmez. Çok kısa sürede düzgün ve sorunsuz çalışmaya başlar ve işiniz üzerindeki olumlu etkiyi hemen hissedersiniz. Salesforce Deneme Sürümü Açın Komple CRM Salesforce.com 3 ayda bir yenilenen ve şu ana kadar çıkmış 28 sürümüyle sektörde en fazla ihtiyacı karşılayan komple CRM çözümüdür. Satış BulutuSatış Temsilcilerinin, yöneticilerin ve müdürlerin önemli olan şeye, yani daha çok satışa ve daha az yönetime odaklanabilmelerini sağlayacak araçları verir. Daha fazla bilgi Chatterİş yerinde insanlarla işbirliği yapmanın yepyeni bir yolu olan Salesforce Chatter ile işin içinde kalın.Daha fazla bilgi Servis BulutuÇağrı merkezinden sosyal ağlara kadar her kanalda daha hızlı, daha duyarlı müşteri desteği sağlayın.Daha fazla bilgi Force.comGeliştiricilere zengin ve işbirliğine dayalı özel uygulamaları donanım satın almadan ve yazılım kurmadan hızla geliştirmeleri için bir platform verin. Daha fazla bilgi...
devamStrigus Web Robotu – Uygulama Örnekleri
Veri madenciliği uygulamalarına örnekler Veri madenciliği ile insan davranışlarını önceden tahmin edebilmek, maliyetli ve zahmetli bir süreç olan veri toplama yatırımlarından en yüksek faydayı sağlamak mümkündür. Veri madenciliği iş zekâsı uygulamaları, astronomi, biyoloji, finans, pazarlama, sigorta, tıp ve birçok başka dalda uygulanmaktadır. Son 20 yıldır Amerika Birleşik Devletleri’nde çeşitli veri madenciliği algoritmalarının gizli dinlemeden, vergi kaçakçılıklarının ortaya çıkartılmasına kadar çeşitli uygulamalarda kullanıldığı bilinmektedir. Bununla birlikte günümüzde veri madenciliği teknikleri özellikle işletmelerde çeşitli alanlarda başarı ile kullanılmaktadır. Bu uygulamaların başlıcaları ilgili alanlara göre aşağıda özetlenmiştir. Pazarlama Müşterilerin satın alma örüntülerinin belirlenmesi, Müşterilerin demografik özellikleri arasındaki bağlantıların bulunması, Posta kampanyalarında cevap verme oranının artırılması, Mevcut müşterilerin elde tutulması, yeni müşterilerin kazanılması, Pazar sepeti analizi (Market Basket Analysis) Müşteri ilişkileri yönetimi (Customer Relationship Management) Müşteri değerlendirme (Customer Value Analysis) Satış tahmini (Sales Forecasting). Bankacılık Farklı finansal göstergeler arasında gizli korelasyonların bulunması, Kredi kartı dolandırıcılıklarının tespiti, Kredi kartı harcamalarına göre müşteri gruplarının belirlenmesi, Kredi taleplerinin değerlendirilmesi. Sigortacılık Yeni poliçe talep edecek müşterilerin tahmin edilmesi, Sigorta dolandırıcılıklarının tespiti, Riskli müşteri örüntülerinin belirlenmesi....
devamStrigus Web Analiz Motoru
Web kullanım madenciliği süreci iki yaklaşıma göre hareket etmektedir. Birinci yaklaşım, bir veri madenciliği tekniği uygulamadan, öncelikle ilişkisel tabloların içerisine web sunucunun kullanım verisinin planını yapmaktır. İkinci yaklaşım ise, özel veri temizleme teknikleri kullanarak doğrudan günlük veri kayıtlarını kullanmaktır. Tipik veri madenciliği tekniklerini uygulamadan önce veri temizleme işlemleri, veri kalitesini arttırmak için çok önemli bir rol oynamaktadır. Web kullanım madenciliğinin üst seviyedeki işlemlerin uygulama adımları ön işlem, örüntü keşfi ve örüntü analizi olmak üzere 3 kısımda incelenmektedir. Ön işlem: Web sunucu üzerinde kayıtları tutulan kullanıcı erişim kütükleri, karmaşık, düzensiz ve herhangi bir anlam ifade etmeyen metinler şeklinde bulunmaktadır. Bu erişim kütük dosyalarındaki veriler içerisinden, analiz değeri olmayan ilişkisiz alanların arındırılması, ayıklanması ve belirli bir düzene getirilerek veri tabanına aktarılması gibi işlemler karmaşık ve çok zor olan bir ön işlem sürecidir. Bu süreçte önemli olan veri kaynağından alınan verilerin işlenirken değerlerin ve bilgilerin orijinalliğini koruması, anlamlı ve doğru sonuçların üretilebilmesi için başarılı veri tablolarının oluşturulmasıdır. Web kullanım madenciliğinin karmaşık ve zor olan bu ilk aşamasında, verilerin düzenlenmesi kaydı tutulan erişim kütüklerinin içeriğine göre farklılık göstermektedir. Örüntü keşfi: Örüntü keşfi aşamasında, düzenli ama anlamsız olan verilerden, veri madenciliği yöntemlerini kullanarak istenilen faydalı ve gerekli bilgilerin ortaya çıkarılmasını gerçekleştirilmektedir. Şekil 2’de görüldüğü gibi web kullanım madenciliği örüntü keşfi aşaması için kullanılan birçok yöntem bulunmaktadır. Bu yöntemlerden, istatistiksel analiz, birliktelik kuralları, kümeleme, sınıflandırma, sıralı örüntüler ve bağımlı modelleme gibi yöntemler yaygın olarak kullanılmaktadır. Literatürde, bu yöntemlerin anlatıldığı ve yapılan çalışmalarda kullanıldığı birçok akademik çalışma bulunmaktadır. Örüntü Analizi: Son aşama olan örüntü analizi sürecinde, örüntü keşfi aşamasında elde edilmiş ilginç olmayan kuralların, istatistikî bilgilerin ya da örüntülerin filtrelenmesidir. Yaygın olarak kullanılan bilgi sorgulama mekanizmaları SQL, MySQL gibi veritabanı uygulamaları ile On-Line Analytical Processing (OLAP) uygulamaları bu aşamada gerçekleştirilmektedir....
devam