Bulut Bilişim
Güvenebileceğiniz bir platforma ihtiyacınız var. Emniyetli, güvenli ve hızlı. Force.com’un arkasındaki bulut altyapısında son on yılda ince ayar yapıldı. Her gün 2 milyondan fazla kullanıcının güvenle kullandığı 135.000’den fazla uygulamayı çalıştıran yaklaşık 77.300 işletmeyi desteklemektedir. Çok kullanıcılı çekirdek Bu çok kullanıcılı platformda uygulama çalıştıran herhangi bir işletme kendi uygulama kopyasına sahip değildir. Bunun yerine, bütün işletmeler tek bir kopyayı paylaşırlar ve onu kendi özel ihtiyaçlarına adapte ederler. Daha fazla bilgi için Gerçek zamanlı sorgu iyileştirici Verinize hızla erişmelisiniz. Force.com sorgu iyileştirici büyük ölçeklerde 300ms altında yanıt sağlar. Daha fazla bilgi için Gerçek zamanlı şeffaf sistem statüsü “trust.salesforce.com” adresinde gerçek zamanlı sistem performansı, erişilebilirlik ve güvenlik bilgilerini her zaman görebilirsiniz. Daha fazla bilgi için Gerçek zamanlı yükseltme Geleneksel yazılım platformlarının aksine bizim yükseltmelerimiz hiçbir zaman sizin özgünleştirmelerinizi, kodlarınızı ya da entegrasyonlarınızı etkilemez. Her yıl sizin için platformumuzu 3 ya da 4 kez yükseltiriz. Böylece, siz her zaman en son özelliklere, performansa ve güvenlik zenginleştirmelerine sahip olan en son versiyonda çalışırsınız. Daha fazla bilgi için Kanıtlanmış gerçek zamanlı entegrasyon Force.com uygulamalarınızı Oracle, SAP, ve diğer arka ofis sistemleriyle entegre edebilirsiniz. Ayrıca güvenlik, eposta, masaüstü, ve aracı yazılım sistemlerinizle de entegre edebilirsiniz. Daha fazla bilgi için Gerçek zamanlı test havuzu ortamları Tek bir tıklamayla geliştirme, test etme ve eğitim amaçlı ortamlarda uygulamalarınızın, konfigürasyonunuzun ve verilerinizin ayrı ayrı kopyalarını oluşturabilirsiniz. Daha fazla bilgi için...
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