<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Self Service Analytics &#8211; CALIGO</title>
	<atom:link href="https://www.caligo.com.tr/tag/self-service-analytics/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.caligo.com.tr</link>
	<description></description>
	<lastBuildDate>Sun, 20 Dec 2020 14:55:06 +0000</lastBuildDate>
	<language>en-US</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.1.10</generator>

<image>
	<url>https://www.caligo.com.tr/wp-content/uploads/2020/09/ico-32x35-1.png</url>
	<title>Self Service Analytics &#8211; CALIGO</title>
	<link>https://www.caligo.com.tr</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>KNIME Fall Summit Ardından</title>
		<link>https://www.caligo.com.tr/knime-fall-summit-ardindan/</link>
		
		<dc:creator><![CDATA[Deniz Konak]]></dc:creator>
		<pubDate>Wed, 02 Dec 2020 13:01:32 +0000</pubDate>
				<category><![CDATA[Advanced Analytics]]></category>
		<category><![CDATA[Knime]]></category>
		<category><![CDATA[Knime Fall Summit]]></category>
		<category><![CDATA[Self Service Analytics]]></category>
		<guid isPermaLink="false">https://caligo.caligo.com.tr/?p=2734</guid>

					<description><![CDATA[16 &#8211; 20 Kasım tarihlerinde gerçekleşen KNIME Fall Summit ardından organizasyona ve içeriklere dair düşüncelerimi sizlerle paylaşmak istedim. İlk 3 günün farklı seviye eğitimler ve sınavlarla, 3. günden itibaren de farklı coğrafya ve sektörlerden KNIME kullanıcılarının başarı hikayelerini anlattıkları oturumlarla dolu 5 günlük bir organizasyon deneyimledik. Bunların yanı sıra, KNIME Time başlıklı, Analitik Platform ve Server ürünlerindeki en yeni gelişmelerin ve kullanım senaryolarının anlatıldığı [&#8230;]]]></description>
										<content:encoded><![CDATA[<p><strong>16 &#8211; 20 Kasım</strong> tarihlerinde gerçekleşen <strong>KNIME Fall Summi</strong>t ardından organizasyona ve içeriklere dair düşüncelerimi sizlerle paylaşmak istedim.</p>
<p>İlk 3 günün farklı seviye eğitimler ve sınavlarla, 3. günden itibaren de farklı coğrafya ve sektörlerden <strong>KNIME kullanıcılarının başarı hikayelerini</strong> anlattıkları oturumlarla dolu 5 günlük bir organizasyon deneyimledik. Bunların yanı sıra, <strong>KNIME Time</strong> başlıklı, <strong>Analitik Platform ve Server</strong> ürünlerindeki en yeni gelişmelerin ve kullanım senaryolarının anlatıldığı oturumlar da oldukça ilgi çekici ve faydalı idi.</p>
<p>Daha kolay anlatabilmek için Summit değerlendirmemi 3 başlık altında ilerleteceğim;</p>
<p><em>1-     KNIME Trainings &amp; Certification</em></p>
<p><em>2-     Use Case &amp; Success Stories</em></p>
<p><em>3-     KNIME Time</em></p>
<p>Tüm başlıklar için keyifli okumalar dilerim!</p>
<p>&nbsp;</p>
<h3><strong>1-     KNIME Trainings &amp; Certification</strong></h3>
<p>Öncelikle bu bizim <strong>CALIGO</strong> olarak <strong>KNIME partner</strong>i olmamız sonrasında katıldığımız ilk KNIME Summit idi. Bu nedenle de eğitimleri ve sertifika sınav oturumlarını ayrı bir heyecanla bekledik.</p>
<p>Summit kapsamında KNIME tarafından planlanan <strong>L1, L2, L3 ve L4</strong> olmak üzere her seviyede ve <strong>Data Science</strong> döngüsünün farklı aşamalarına odaklanmış 20’ye yakın eğitim gerçekleştirildi. Biz <strong>CALIGO</strong> <strong>ekibi</strong> olarak öncesinde de uzun süredir üzerinde çalıştığımız bu eğitimlerin pek çoğuna katılarak sonunda yapılan sınavda sertifikalarımızı aldık!</p>
<p>Eğitime katılan her birimizin istisnasız ilk yaptığı yorum, eğitim süresince sorulan her soruya, takılınan her noktaya çok çok kısa sürede ve detaylı bir yanıt aldığımız oldu. Tüm bu süreçte eğitmen de dahil tüm KNIME ekibinin eğitimi eksiksiz aktarmak ve anlaşılmayan nokta bırakmamak konusundaki eforu inanılmazdı. Buna dayanarak şunu söyleyebilirim ki, <strong>daha önce KNIME kullanıcısı olmasanız dahi eğitimler size tüm kapsamı özümsetmek konusunda amacına tam olarak hizmet ediyordu.</strong></p>
<h3><strong>2-     Use Cases &amp; Success Stories</strong></h3>
<p>KNIME kendisini Data Science disiplininde iki temel faz olan geliştirme ve üretim aşamaları arasındaki geçişi sağlayan bir köprü platform olarak konumlandırıyor. Diğer bir ifade ile modellerin öğrenmesi ve üretim ortamına alınması aşamaları arasında bir kopukluk yaşamadan, Data Science uygulamalarınızı uygulamaya geçirebilir ve sonrasında izleme, yeniden geliştirme gibi süreçleri yine KNIME üzerinde yapabilirsiniz. Summit süresince üzerinde konuşulan başarı hikayeleri KNIME’ın sağladığı bu özellikler bütününün tümünün ya da belirli aşamalarının benimsenmesi ve projelerde hayata geçirilmesi hakkındaydı. Benim en çok ilgilimi çeken 2 başlığı paylaşmak istiyorum. Bu başlıklar dışındaki tüm oturumların videolarına yazının en altına eklediğim linkten ulaşabilirsiniz.</p>
<p><strong><em>Customer Data Scoring &amp; Data Privacy Using KNIME WebPortal, Speaker: James Grimes (Truata), Moderator: Cynthia Padilla (KNIME)</em></strong></p>
<p>Sıfırdan kod yazmalarına gerek olmayacak bir platform arayışı ile KNIME ile çalışmaya başlayan Dublin merkezli Truata, müşterilerine sunduğu gizlilik temelli skorlama hizmeti için tüm süreçlerinde KNIME Server kullanımlarını ve karşılaşmayı bekledikleri zorlukları nasıl çözdüklerini bu oturumda anlatıyor. Birden çok müşteriye de hizmet verilen bu çözüm benim kişisel ve profesyonel olarak da ekstra ilgimi çekti. Skorlama süreçlerini yeniden değerlendirmek ve daha efektif hala getirmek isteyen ekipler için bu oturumu dinlemelerini muhakkak öneririm.</p>
<p><strong><em>Integrated Deployment, Speaker: Zehra Hussein (Kasasa), Moderator: Phil Winters (KNIME)</em></strong></p>
<p>KNIME ile nasıl tanıştıklarından başlayarak; ML flowlarının geliştirilmesi, üretime alınması ve düzenli iyileştirilebilmesi amacı ile KNIME kullanım deneyimlerini anlatan Kasasa, bu sayede küçük bir organizasyon olarak megabankalar ile nasıl rekabet edebildiklerine değiniyor. Daha küçük bütçelerle uçtan uca teknoloji çözümlerine dair fikir arayanlar bu videoyu izlemeli.</p>
<p>&nbsp;</p>
<h3><strong>3-     KNIME Time</strong></h3>
<p>KNIME, Server ürünü ücretli ama bir desktop uygulaması olan Analtik Platform kullanımı ücretsiz olan bir yazılım. Ve bu ücretsiz platformda kısıtlanmış herhangi bir özelliği bulunmuyor. Bunun yanında, çok çok gelişmiş ve aradığınız her soruya cevap bulabildiğiniz bir KNIME ekosistemi var. Bu ekosistem, KNIME Hub, Forum, Extensions ve ücretsiz eğitimler gibi pek çok bileşene sahip bir web platformu üzerinden sunuluyor.</p>
<p>Summit kapsamında yapılan KNIME Time oturumları da tüm bu ekosistem dahilinde var olan bileşenlerdeki son gelişmeleri bizim gibi kullanıcılara anlatmak ve KNIME’ın daha etkin kullanılmasına fayda sağlamak amacına hizmet ediyordu. Bu kapsamda hem analitik platform hem de server için nelerin yeni olduğu, neler üzerinde çalışıldığı ve tüm bu yeniliklere nasıl ulaşabileceğimiz konusunda yol gösterici oldu. Size de yol gösterebileceğini düşündüğünüz tüm KNIME Time oturumlarına hemen alttaki linkten ulaşabilirsiniz. (KNIME Time kayıtları biraz sayfanın aşağılarına doğru, vazgeçmeden sayfada ilerleyin)</p>
<p>Sevgiler,</p>
<p><strong><em>Deniz</em></strong></p>
<p><strong><u>KNIME Fall Summit:</u></strong></p>
<p><a href="https://www.knime.com/knime-fall-summit-2020?utm_source=pardot&amp;utm_medium=email&amp;utm_term=&amp;utm_content=&amp;utm_campaign=Summit-Fall-2020" target="_blank" rel="nofollow noopener">https://www.knime.com/knime-fall-summit-2020?utm_source=pardot&amp;utm_medium=email&amp;utm_term=&amp;utm_content=&amp;utm_campaign=Summit-Fall-2020</a></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>KNIME ile ilk buluşma</title>
		<link>https://www.caligo.com.tr/knime-ile-ilk-bulusma/</link>
		
		<dc:creator><![CDATA[Volkan Çamaş]]></dc:creator>
		<pubDate>Fri, 25 Jan 2019 12:41:22 +0000</pubDate>
				<category><![CDATA[Genel]]></category>
		<category><![CDATA[Advanced Analytics]]></category>
		<category><![CDATA[Knime]]></category>
		<category><![CDATA[Knime Server]]></category>
		<category><![CDATA[Machine Learning]]></category>
		<category><![CDATA[Self Service Analytics]]></category>
		<guid isPermaLink="false">https://caligo.caligo.com.tr/?p=2722</guid>

					<description><![CDATA[Bir süredir incelediğim KNIME ürünü ile ilgili bir yazı kaleme alarak ürün ile ilgili edindiğim tecrübeleri sizlerle de paylaşmak istedim. Ürün adım adım iş parçacıkları oluşturup, sonra bunları bir iş akışı içinde tasarlayabileceğiniz bir ortam sunuyor. Aşağıdaki görselde bu işler neler olabilir kategorize edilmiş. Veriye Erişim (farklı platformlar: file system, db, bigdata) &#62;&#62; Veri üzerindeki değişiklikler &#62;&#62; [&#8230;]]]></description>
										<content:encoded><![CDATA[<p>Bir süredir incelediğim <a href="https://tr.0wikipedia.org/wiki/KNIME" target="_blank" rel="nofollow noopener">KNIME </a>ürünü ile ilgili bir yazı kaleme alarak ürün ile ilgili edindiğim tecrübeleri sizlerle de paylaşmak istedim.</p>
<p>Ürün adım adım iş parçacıkları oluşturup, sonra bunları bir iş akışı içinde tasarlayabileceğiniz bir ortam sunuyor. Aşağıdaki görselde bu işler neler olabilir kategorize edilmiş.</p>
<p>Veriye Erişim (farklı platformlar: file system, db, bigdata) &gt;&gt; Veri üzerindeki değişiklikler &gt;&gt; Veri analizi &gt;&gt; Görselleştirme &gt;&gt; Çıktılarımızın paylaşımı olarak sıralayabiliriz.</p>
<div class="slate-resizable-image-embed slate-image-embed__resize-full-width"><img decoding="async" src="https://media-exp1.licdn.com/dms/image/C4D12AQFKE6C7q6Wimg/article-inline_image-shrink_1000_1488/0/1545201209257?e=1614211200&amp;v=beta&amp;t=pCU06WNlFUdmuTbYWMA6wssovOkAuUxAK7J_Bvdpw_M" data-media-urn="" data-li-src="https://media-exp1.licdn.com/dms/image/C4D12AQFKE6C7q6Wimg/article-inline_image-shrink_1000_1488/0/1545201209257?e=1614211200&amp;v=beta&amp;t=pCU06WNlFUdmuTbYWMA6wssovOkAuUxAK7J_Bvdpw_M" /></div>
<p>İlk olarak ürünün açık kaynak kodlu(<a href="https://github.com/knime/knime-core" target="_blank" rel="nofollow noopener">github</a>) ve ücretsiz olarak <a href="https://www.knime.com/downloads" target="_blank" rel="nofollow noopener">indirilip </a>kurulum dahi gerekmeden kullanılmaya başlayabileceğinizden bahsetsem yanlış olmaz sanırım. Open-source zihniyetinin benimsenmiş olduğunu, ürünü ilk açtığınızda hemen karşınıza çok geniş olarak hazırlanmış örneklerle deneyimlemeye başlayabilirsiniz. Ee ben bunu ürünü indirdim ama kullanmayı nasıl öğreneceğim dediğinizde de farklı kaynaklar sunularak ürünü öğrenmek tamamen size bırakmışlar diyebilirim.</p>
<ol>
<li><a href="https://www.knime.com/resources" target="_blank" rel="nofollow noopener">KNIME Learning Hub</a></li>
<li><a href="https://www.youtube.com/user/KNIMETV/" target="_blank" rel="noopener">YouTube KNIME TV</a></li>
<li><a href="https://www.knime.com/knime-introductory-course" target="_blank" rel="nofollow noopener">E-learning Courses(Free)</a></li>
<li><a href="https://www.knime.com/blog" target="_blank" rel="nofollow noopener">Blog </a>, <a href="https://forum.knime.com/" target="_blank" rel="nofollow noopener">Community Forum</a></li>
<li><a href="https://www.knime.com/courses" target="_blank" rel="nofollow noopener">Eğitimler</a></li>
</ol>
<p>Bu yukarıdaki saydığım zihniyetten ötürü de firmaya ve ürüne ısınmanız çok vaktinizi almıyor haliyle. Kendim için örnek verecek olursam, yaklaşık 3-4 günlük bir sürede ürünün mantığını anlayıp farklı ihtiyaçlar için kullanmaya başladım diyebilirim.</p>
<p>Çalıştığımız bir müşterimiz her hafta düzenli olarak BDDK sitesine girip sektör verilerini içeren bir excel aldığını iletti. Sonrasında bu excel üzerinde filtreleme/gruplama benzeri süreçlerden geçirdikten sonra raporlarında bu veriyi kullanıyorlar. Bu dönemde KNIME incelemesi yaptığımdan bu süreci tasarlayabilir miyiz merak ettim. Yaklaşık yarım günlük bir sürede <a href="https://github.com/volkancamas/knime/blob/master/bddk_haftal%C4%B1k.knwf" target="_blank" rel="nofollow noopener">KNIME Workflow BDDK</a> işini tasarladım. (Siz de bu akışı indirip çalıştırabilirsiniz!)</p>
<p>Aslında bu işi bir iş akışına dökmek hem işi görselleştirme konusunda yardımcı oluyor, hem de operasyon risklerden süreci arındırmış oluyor.</p>
<div class="slate-resizable-image-embed slate-image-embed__resize-middle"><img decoding="async" src="https://media-exp1.licdn.com/dms/image/C4D12AQHS2JMpw-7k1g/article-inline_image-shrink_1000_1488/0/1548416692290?e=1614211200&amp;v=beta&amp;t=Bd3QQBItXNAa0ZuPsjCqnU0JpbPTTXV0zGSrk3bmz7I" data-media-urn="" data-li-src="https://media-exp1.licdn.com/dms/image/C4D12AQHS2JMpw-7k1g/article-inline_image-shrink_1000_1488/0/1548416692290?e=1614211200&amp;v=beta&amp;t=Bd3QQBItXNAa0ZuPsjCqnU0JpbPTTXV0zGSrk3bmz7I" /></div>
<p><strong>Kimler kullanabilir ?</strong></p>
<p>Özellikle günlük iş akışında sıklıkla veri ile uğraşan herkesin bu ürünü incelemesinde fayda var. O yüzden bu sorunun cevabı için günümüz koşullarında bir çok farklı iş kolu sayılabilir. Finans bölümleri , iş zekası bölümleri , IT bölümleri vs.</p>
<p>Bu bir yazılım ürünü öğrenmek çok vakit alır diye düşünmeyin, indirin ve mevcutta yaptığınız bir süreci deneyin derim.</p>
<p><strong>Hangi ihtiyaçlar için konumlandırabiliriz ?</strong></p>
<p>Bana kalırsa hem çok teknik hem de çok basit ihtiyaçlar için konumlandırılabilir. Örneğin , bir ses dosyasını text bir dosyaya çevirip analiz de edebilirsiniz ya da bir excel dosyasını alıp filtreleme yaparak başka bir dosya da oluşturabilirsiniz.</p>
<ul>
<li>Öncelikle benim de şu an üzerinde çalıştığım konu olan &#8220;Self-Service BI&#8221; projelerinde iş birimlerinin farklı veri ihtiyaçlarını karşılaması için konumlandırmak mantıklı görünüyor.</li>
<li>Rutin yapılan mutabakat, karşılaştırma, sorgulama işleri için biçilmiş kaftan denilebilir. Süreci bir kere tasarlamanız yeterli olacaktır, sonrasında sadece çalıştır demeniz yeterli.</li>
<li>Machine learning, data mining, data discovery gibi çok geniş olan başlıklar için de sunulan farklı çözüm noktaları mevcut.</li>
</ul>
<p><strong>Farklı ürünler ile entegre edebilir miyim ?</strong></p>
<p>Entegrasyon sağlayabileceğiniz ürün sayısı da oldukça tatminkar görünüyor. Benim ilk olarak rastladığım ve ilginizi çekebileceğini düşündüğüm ürünleri aşağıda listeledim.</p>
<ul>
<li>Big data platforms (Hive , Impala , HDFS , Apache Spark)</li>
<li>R , Python ve Java</li>
<li>Tensorflow , Keras</li>
</ul>
<p><strong>Süreçleri otomatize/schedule edebilir miyiz ?</strong></p>
<p>Oluşturduğunuz workflowları schedule etmenin iki yöntemi var.</p>
<ol>
<li>KNIME Server satın almak</li>
</ol>
<p>KNIME server satın alarak süreçlerini schedule ederek bir web portal aracılığıyla çalıştırabilirsiniz.</p>
<p>2. Script oluşturarak windows scheduler</p>
<p>Bu süreç enterprise kullanım açısından biraz yönetmesi zor olsa da ikinci bir opsiyon olarak sayılabilir. (<a href="https://www.knime.com/faq#q12" target="_blank" rel="nofollow noopener">bknz</a>)</p>
<p><strong>Ön plana çıkan özellikleri nelerdir ?</strong></p>
<p>Ürünü kullanmaya başlamak için sayabileceğim sebepler aslında bunlar.</p>
<ul>
<li>Database push-down desteği</li>
<li>Forum ortamının olgunluk seviyesi</li>
<li>Örneklere erişim kolaylığı ve doküman zenginliği</li>
</ul>
<p><strong>Ürünün performansını nasıl değerlendirebiliriz ?</strong></p>
<p>Bir desktop ürünü olduğunu düşünürsek aslında öncelikle sizin kullandığınız bilgisayarın donanım özelliklerine bağımlı diyebilirim. Yani kullandığınız bilgisayar ne kadar iyiyse o kadar iyi bir performans alabilirsiniz.</p>
<p>Daha hızlı performansa ihtiyaç duyan kritik ihtiyaçlarınız için ise server lisansı satın alarak bir sunucu üzerinde bu işlemleri yaptırmak mümkün. İhtiyacınıza göre bir konumlandırma yapmak en doğrusu olacaktır diyebilirim.</p>
<p>İlk yazım, okuyanlar için böyle bir ürünün var olduğunu ve başlangıçta sorulabilecek sorulara yanıt bulmanız içindi. Umarım faydalı olur.</p>
<p>Saygılar.</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
