AZƏRBAYCAN RESPUBLİKASININ PREZİDENTİ YANINDA

DÖVLƏT İDARƏÇİLİK AKADEMİYASI

Fakültə: İnzibati idarəetmə

Kafedra: Dövlət idarəçiliyində informasiya texnologiyaları
İxtisas: Kompüter elmləri
Qrup: K 211
Şöbə: Əyani

Verilənlərin analitik emalı üçün proqram vasitələrinin mahiyyəti

MÖVZUSUNDA

KURS İŞİ

Tələbə: Aydəmirov Cəmşid Safik

Oğlu
(imza) soyad, ad, ata adı

Elmi rəhbər: Əliyev Atiq Əsban

Oğlu
(imza) elmi dərəcəsi, soyad, ad, ata adı

Kafedra müdiri: i.ü.f.d., dos. Abasov E.A.

(imza) elmi dərəcəsi, soyad, ad, ata adı
BAKI – 2024

2
 MÜNDƏRİCAT

GİRİŞ............................................................................................................................3

1. Verilənlərin təhlili....................................................................................................4

2. Vizual təhlil..............................................................................................................7

3. Müşahidə,nəzarət paneli və maşın öyrənilməsi....................................................9

4. Verilənlərin təmizlənməsi və birləşdirilməsi.......................................................11

5. Proqramlaşdırma və inteqrasiya.........................................................................14

Nəticə..........................................................................................................................16

Ədəbiyyat Sİyahısı.....................................................................................................17
 GİRİŞ

Verilənlərin analitik emalı mövzusu, günümüzdə məlumatların və onların

doğru təşkilatının əhəmiyyətini vurğulayan müasir bir məsələdir. Hər gün,
milyonlarla məlumat hissələri, fayllar, sensor məlumatları, internet məlumatları və
daha bir çoxu yaranır. Bu məlumatlar, iş təşkilatlarının, elmi tədqiqatların, səhiyyə
sektorunun, marketinq şirkətlərinin və digər sahələrdə fəaliyyət göstərən təşkilatların
iş qərarlarını dəstəkləmək üçün əhəmiyyətli bir resursdur.
Ancaq, məlumatların sadəcə toplanması yalnız başlangıcıdır. Əsıl önəmli
məsələ, bu məlumatları anlamaq, onları analiz etmək və mənbələrinə uyğun olaraq
həyatı tənzimləməkdir. İşte burada verilənlərin analitik emalı proqramları daxil
olur.Bu proqramlar, məlumatları faydalı formaya çevirmək üçün bir neçə əsas
funksiyadan ibarətdir. Birincisi, məlumatların quruluşu və uyğunlaşdırılması. Bu,
müxtəlif mənbələrdən gələn məlumatların birləşdirilməsi, təmizlənməsi,
standartlaşdırılması və saxlanılması prosesini ehtiva edir.
İkinci olaraq, analitik emal proqramları məlumatları təhlil etmək üçün müxtəlif
statistik metodlar, maşın öyrənmə alqoritmləri və digər analitik texnikalardan istifadə
edir. Bu, məlumatların trendlərini, münasibətlərini, şablonlarını və məntiqi əlaqələrini
aşkar etməyə kömək edir.
Üçüncü olaraq, bu proqramlar məlumatları fərdiləşdirmə və təşkil etmək üçün
görsəlləşdirmə alətləri təklif edirlər. Grafiklər, qrafiklər, çərçivələr və digər görsəl
elementlər vasitəsilə məlumatlar daha asan anlaşılabilir və nəzərdən keçirilir.
Nəhayət, məlumatların doğruluğunu yoxlamaq, təhlükəsizliyini təmin etmək və
hətta proqnozlaşdırmaq üçün bu proqramlar təhlükəsizlik prosedurları və maşın
öyrənmə modelləri təqdim edir.

4
 1. VERILƏNLƏRIN TƏHLILI

Verilənlərin təhlili, statistik və riyaziyyat texnikalarının məlumatları təhlil

etmək üçün istifadə olunmasıdır. Bu proses, verilənlərin müəyyən dəyişənlər arasında
münasibətlərini və ehtimallarını dəqiqləşdirmək üçün aparılır. Bu, əsasən ortaq
statistik təhlil əməliyyatlarını, məsələn, ədədi dəyərlərin ortalaması, standart çəkisi,
korrelyasiya, dağılım və s. kimi əməliyyatları əhatə edir. Statistik proqramlar və dillər
(məsələn, R, Python ilə pandas, MATLAB, SPSS, və s.) bu məqsədlər üçün istifadə
olunur.
Məlumatların toplanması və hazırlanması: İlk mərhələ məlumatların
toplanmasıdır. Bu, məlumatların cəmlənməsi, gözəlemələr, anketlər və ya digər
mənbələrdən əldə edilə bilər. Məlumatlar daha sonra analiz üçün hazırlanmalıdır:
təmizlənməli, düzgün formatda qeyd edilməli və lazımi dəyişikliklər etilməlidir.
Statistik təhlil: Bu mərhələdə, məlumatlar üzərində statistik təhlil əməliyyatları
aparılır. Bu əməliyyatlar arasında ortalama, standart çəki, korrelyasiya, dağılım və
digər statistik dəyərlərin hesablanması yer alır. Bu əməliyyatlar, məlumatların
cəmiyyətdəki yeri və dəyəri barədə ətraflı bir anlayış verir.
Vizual təhlil: Məlumatların vizual təhlili, məlumatların göstərilməsinə və təhlil
edilməsinə kömək edir. Histogramlar, çizgi qrafiklər, paylanma qrafikləri və s. kimi
görsəl alətlər istifadə edilir. Bu alətlər, məlumatlar arasında mövcud münasibətləri
daha yaxşı göstərə bilər və narahatlıq hissi yaradan trendləri görsəlləşdirə bilər.
Proqnozlaşdırma və modelin yaradılması: Bu mərhələ, gələcəkdəki
məlumatların təhlilinə istiqamətləndirilmişdir. Bu mərhələdə, maşın öyrənməsi
alqoritmləri və statistik modelləşdirmə üsulları, verilənləri təhlil etmək və
gələcəkdəki nəticələri proqnozlaşdırmaq üçün istifadə edilir.[1]
Nəticələrin təşkili və təhlili: Analiz prosesinin nəticələri qərar almaq və strateji
formalaşdırmaq üçün istifadə edilir. Bu nəticələr, müştəri davranışları, məhsul
performansı, marketinq strategiyaları, iş prosesləri və s. kimi sahələrdə məlumatlar
təmin edir.

5
 Nəticələrin təşkili və təhlili: Analiz prosesinin nəticələri qərar almaq və strateji
formalaşdırmaq üçün istifadə edilir. Bu nəticələr, müştəri davranışları, məhsul
performansı, marketinq strategiyaları, iş prosesləri və s. kimi sahələrdə məlumatlar
təmin edir.
Verilənlərin təhlili biznes və peşəkarların məlumatlı qərarlar və proqnozlar
verə bilməsi üçün öz məlumatlarından əsas anlayışlar tapmaq üçün mühüm prosesdir.
Bugünkü dataya əsaslanan dünyada peşəkarlar rəqabətli qərarlar qəbul etmək, hədəf
auditoriyası ilə effektiv əlaqə qurmaq və layihələri uğurla idarə etmək üçün getdikcə
daha çox məlumat təhlilinə etibar edirlər. Bu hədəflərə çatmağın bir yolu
məlumatların təhlili alətlərindən istifadə etməkdir.
Məqsədiniz üçün hansı alətin uyğun olduğunu başa düşərək, ümumi
məhsuldarlığınızı və səmərəliliyinizi artırarkən layihənizin ehtiyaclarını qarşılaya
bilərsiniz. Məlumatların təhlili vasitələri hansılardır?
Məlumatların təhlili alətləri, peşəkarların məlumatların böyük mənzərəsini
xarakterizə edən və mənalı anlayışlar, proqnozlar və qərar qəbulu məqsədləri üçün
lazımlı məlumatları təmin edən şəkildə məlumat dəstlərini təhlil etmək üçün istifadə
etdikləri proqram proqramları, tətbiqlər və digər yardımlardır.
Siz onları müxtəlif tətbiqlərdə məlumat toplamaq, şərh etmək və
vizuallaşdırmaq üçün hazırlanmış xəritələr, diaqramlar və diaqramlar toplusu kimi
təsvir edə bilərsiniz. Səylərinizi maksimum dərəcədə artırmaq və peşəkar
məqsədlərinizə çatmağı asanlaşdırmaq üçün düzgün məlumat təhlili alətinin seçilməsi
vacibdir.[2]
Böyük həcmli məlumatlarla məlumatların nəyi göstərdiyini başa düşmək və
faydalı fikirlər əldə etmək çətinləşə bilər. Düzgün məlumat təhlili alətləri ilə siz
məlumatlarınızın böyük şəklini deşifrə edə və sonra onu geniş fonları olan maraqlı
tərəflər və peşəkar şəbəkənizdəki insanlar üçün uyğun formatda təqdim edə bilərsiniz.
Analitiklər məlumatların təhlili prosesinin aşağıdakı mərhələlərində adətən
alətlərdən istifadə edirlər:
Data mining : Data mining istifadəçilərə məlumatlarının əsas xüsusiyyətlərini
tapmağa kömək edir ki, onlar bu bilikləri real dünya problemlərinə tətbiq edə bilsinlər
6
və data mining proqramı verilənlər daxilində nümunələr və tendensiyalar axtararaq
bu prosesi avtomatlaşdırmağa kömək edir. Faydalana biləcəyiniz üç ümumi məlumat
mədən proqramına aşağıdakılar daxildir.
Məlumatın vizuallaşdırılması : Məlumatın vizuallaşdırılması xam məlumatları
mənalı və hərtərəfli vizual təsvirlərə çevirmək üçün güclü bir yoldur. O, bizə
insanların mətnə əsaslanan məlumatlarda əldən verə biləcəyi mürəkkəb məlumat
nümunələrini, tendensiyaları və fikirləri anlamaq üçün bir yol təqdim edir.
Məlumatların vizuallaşdırılması vasitələri mütəxəssislərə məlumatların
vizuallaşdırılması prosesini asanlaşdırmağa kömək edir. Siz bu vasitələrdən
verilənləri vizual manipulyasiya etmək və əsasdan qabaqcıl qrafik təsvirlər yaratmaq
üçün istifadə edə bilərsiniz.
Biznes kəşfiyyatı : Məlumatların təhlili hekayə məlumatlarını başa düşmək və
məlumatlı qərarlar qəbul etmək üçün istifadə etmək üçün güclü bir vasitədir.
Müəssisələr öz performanslarını artırmaq, müştəri məmnuniyyətini artırmaq, rəqabət
üstünlüyü əldə etmək və şirkətlərinin ümumi sağlamlığından faydalanmaq üçün bu
anlayışlardan istifadə edə bilərlər. İstər kiçik, istərsə də böyük bir təşkilatın bir hissəsi
olmağınızdan asılı olmayaraq, məlumat analitikasından necə səmərəli istifadə etməyi
öyrənmək sizə geniş çeşidli məlumatlara əsaslanan üstünlüklərdən yararlanmağa
kömək edə bilər.[5]
Verilənlərin təhlili üçün istifadə olunan alətlər və dillər çoxdur. Bunlar
arasında R, Python, MATLAB, SPSS, SAS, Excel, Tableau, Power BI, SQL və s.
kimi alətlər mövcuddur. Hər biri özünəməxsus gücləri və məhdudiyyətləri ilə gəlir və
hansı alətin istifadə olunacağı məqsədin və tələblərin əsasında seçilməlidir. [3]

7
 2. VIZUAL TƏHLIL

Vizual təhlil, verilənlərin məzmununu və mövcud təhlillərini anlamaq üçün

məlumatların görsəl formatda təqdim edilməsini təmin edir. Bu, məlumatların daha
anlaşıqlı və effektiv bir şəkildə izah edilməsini və nəzərdən keçirilməsini təmin edir.
İnsan beyni, görsəl məlumatları işləmək üçün mətn məlumatlardan daha effektivdir,
beləliklə görsəl təhlil məlumatların daha çox anlaşılmasına və məlumatdan anlayış
əldə etməyə kömək edir.
Vizual təhlil üçün müxtəlif alətlər və proqramlar mövcuddur. Ən yayılmış
olanlarından biri matplotlibdir. Bu Python kitabxanası, əsasən 2D qrafiklər üçün
istifadə olunur və histogramlar, çizgi qrafiklər, sütun qrafikləri, paylanma qrafikləri
və s. kimi müxtəlif qrafik növlərini yaratmağı təmin edir. Matplotlib, geniş
konfiqurasiya imkanlarına və fərqli stildə və dizaynlarda qrafiklərin yaradılmasına
imkan verir.
Seaborn, Python üçün bir başqa qrafiklər kitabxanasıdır və matplotlib-ə əlavə
olaraq daha yüksək səviyyədə abstraksiya təklif edir. Bu, daha estetik və gözəl
görsəllər yaratmağı və tətbiq etməyi daha asandır. Seaborn, statistik təhlil
əməliyyatlarını dəstəkləyir və görsəl təhlil üçün yaygın olan çoxsaylı görsəl
nümunələr təklif edir.
Ggplot, R proqramlaşdırma dilində qrafiklər yaratmaq üçün güclü bir paketdir.
ggplot, dəqiq və estetik görsələr yaratmağı təmin edir və verilənlərinizə rahatlıqla
görünür formda gətirilərək məlumatları daha yaxşı nəzərdən keçirməyə kömək edir.
Tableau və Power BI kimi bəzi platformalar, iş və layihə baza vizual təhlil
üçün inkişaf etdirilmişdir. Bu platformalar, istifadəçilərə məlumatlarını vizual olaraq
izah etmək və interaktiv nəzarəti təmin etmək üçün geniş imkanlar təklif edir. Bu
alətlər, müxtəlif verilənlər mənbələrindən məlumatları birləşdirmək və görsəl təhlil
etmək üçün istifadə oluna bilər.[3]

8
 Əsasən elektron cədvəl proqramı olan Microsoft Excel , həmçinin diqqətəlayiq
məlumat analitikası imkanlarına malikdir. Microsoft məhsullarının geniş korporativ
səviyyədə mənimsənilməsi səbəbindən bir çox müəssisələr artıq ona çıxış əldə
etdiklərini görürlər.Siz elektron cədvəl məlumatlarından istifadə edərək ən azı 20
fərqli diaqram növü yaratmaq üçün Excel-dən istifadə edə bilərsiniz. Bunlar bar
diaqramları və səpələnmə qrafikləri kimi standart seçimlərdən tutmuş radar
diaqramları və ağac xəritələri kimi daha mürəkkəb variantlara qədərdir. Excel,
həmçinin bizneslərin öz məlumatlarına dair anlayışlar tapmaq və müasir biznes
analitika düsturlarından istifadə etmək üçün bir çox sadələşdirilmiş seçimlərə
malikdir.Bununla belə, Excel-in öz sərhədləri var. Biznesinizin Microsoft
ekosistemində daha möhkəm məlumat vizuallaşdırma alətlərinə ehtiyacı varsa, Power
BI əla seçimdir. Xüsusi olaraq verilənlərin analitikası və vizuallaşdırılması üçün
nəzərdə tutulmuş Power BI bir sıra mənbələrdən məlumatları idxal edə və müxtəlif
formatlarda vizuallaşdırmalar yarada bilər.
Ümumiyyətlə, vizual təhlil, məlumatların daha anlaşıqlı şəkildə izah edilməsini
və nəzərdən keçirilməsini təmin edir. Bu alətlər və platformalar, müəyyən təhlillər və
nəticələr əsasında verilənlərinizi görsəl formatda təşkil etməyə və görsəl nəzarətə
imkan verir, bu da verilənlərdən daha dərin bir anlayış əldə etməyə və qərarlarınızı
dəstəkləməyə kömək edir.

9
 3. MÜŞAHIDƏ,NƏZARƏT PANELI VƏ MAŞIN ÖYRƏNILMƏSI

Müxtəlif görünüşlər və layihələr: İstifadəçilər, müxtəlif görünüş və layihələri

seçə bilər və məlumatları istədikləri formada görmək üçün vizual quruluşlar təyin edə
bilərlər. Məlumatların paylaşılması və kollaborasiya: Müşahidə və nəzarət paneli,
fərqli istifadəçilər arasında məlumatların paylaşılması və kollaborasiya imkanlarını
təmin edir. Bu, ekiplərin birgə işləməsini və məlumatları paylaşmaq və müzakirə
etmək üçün ideal bir mühit təmin edir. Mobil və ekspress tənzimləmə: Bir çox
platforma, mobil cihazlar və ekspress tənzimləmə imkanları ilə istifadəçilərə
məlumatları nəzarət etməyə və izləməyə imkan verir.
Müşahidə və nəzarət paneli, istifadəçilərin məlumatlardan anlayış əldə
etməsini, məlumatları yönləndirməsini və strateji qərarlar qəbul etməsini təmin edir.
Bu alətlər, iş təşkilatlarının sürətli və effektiv bir şəkildə məlumatları idarə etmələrinə
kömək edir və müvafiq məlumat qarşısında yaxşı qərarlar qəbul etmələrinə imkan
verir.
Maşın öyrənməsi (Machine Learning), verilənlərdən nəticələr çıxarmaq və
məlumatları təhlil etmək üçün istifadə olunan texnikalardan biridir. Bu texnika,
alqoritmlərin verilənlərdən öyrənib model yaratmağını, sonra da bu modelləri yeni
məlumatlar üzərində tətbiq etməyini əhatə edir. Maşın öyrənməsi, istatistik,
riyaziyyat və alqoritmlər üzərində əsaslanır və müxtəlif növ məlumatlarla işləyərək
proqnozlar, kateqoriyalaşdırmalar, təhlillər və digər nəticələr çıxarmağa imkan verir.
[1]
Maşın öyrənməsi alətləri, geniş bir spektrumdakı problemlər üçün istifadə
olunur və müxtəlif məlumat tipləri ilə çalışa bilərlər, məsələn, şəkil və ya səs kimi
non-standart məlumatlar da daxil olmaqla. Bu alətlər, ənənəvi proqramlaşdırma
modellərindən fərqli olaraq, məlumatlardan öz-öyrənən alqoritmlər istifadə edir və bu
alqoritmləri məlumatlara uyğunlaşdırmaq üçün iterativ proseslər təklif edir.

10
 Nəzarətli (supervised) öyrənmə: Bu növ öyrənmədə, alqoritmlərə təlim
məlumatları ilə birlikdə məlumatların cavab dəyərləri də təqdim edilir. Məqsəd,
alqoritmlərin məlumatları öyrənməklə və nəzərdən keçirməklə cavab dəyərlərini
proqnozlaşdırmaq üçün model yaratmaqdır. Bu, regresiya və sınıflandırma
problemləri üçün istifadə olunan bir metodikadır.
Nəzarətsiz (unsupervised) öyrənmə: Bu növ öyrənmədə, alqoritmlərə təlim
məlumatları vermək yerinə, alqoritmlər məlumatları öyrənməklə öz-organizasiya,
klastərləmə və digər nəticələr çıxarmaq üçün tətbiq edilir. Bu, məlumatların strukturu
və özəllikləri haqqında anlayış əldə etmək üçün istifadə olunur.
Üstünlük öyrənmə (reinforcement learning): Bu növ öyrənmədə,
alqoritmlər bir mühitdən dənə-dənə feedback alaraq bir fəallaşdırma məqsədilə
davranışı öyrənir. Bu texnika, robototexnika, oyunlar və avtomatlaşdırılmış
navigasiya sistemləri kimi sahələrdə geniş istifadə olunur.
Sərbəst (Semi-supervised) öyrənmə: Bu, nəzarətli və nəzarətsiz öyrənmənin
bir qarışığıdır, yəni təlim məlumatlarının bir hissəsi yalnız məlumatları öyrənən
alqoritmlərə təqdim edilir, cavab dəyərləri olmadan.
Tədqiqat (Deep Learning): Bu,süni ya neyron şəbəkələrinin istifadə edildiyi
daha kompleks və dərin maşın öyrənməsi tətbiqləri üçün istifadə olunur. Bu, şəkil və
səs tanıma, mətn təhlili, avtomatlaşdırılmış tərcümə və digər məqsədlər üçün istifadə
olunur.
Maşın öyrənməsi alətləri arasında Python üçün TensorFlow, Keras, scikit-
learn, PyTorch, R üçün caret, MATLAB üçün Neural Network Toolbox, Java üçün
Weka kimi bir çox proqram kitabxanaları və platformalar yer alır. Bu alətlər,
verilənləri analiz etmək və səmərəli qərarlar vermək üçün istifadə edilə bilər və bir
çox fərqli sahədə, məsələn, sağlamlıq, finans, texnologiya və s. kimi, geniş şəkildə
tətbiq olunur. Maşın öyrənməsi, məlumatların anlamasını və səmərəliliyini artırmaq
üçün güclü bir alətdir. [4]

11
 4. VERILƏNLƏRIN TƏMIZLƏNMƏSI VƏ BIRLƏŞDIRILMƏSI

Verilənlərin təmizlənməsi və birləşdirilməsi, məlumat analitikası üçün ən əsas

addımlardan biridir. Bu addımlar, məlumatların yoxlanılması, düzgün formada
qurulması və məlumatlardan anlayış əldə etmək üçün məlumatların hazırlanmasını
əhatə edir. İstifadəçilər, bu addımlar vasitəsilə məlumatların təmizlənməsi, təhlili və
görsəl təhlil üçün məlumatlardan yararlanmağı daha asanlaşdırır.
Məlumatların tədqiqi: İlk mərhələ, məlumatların tədqiq edilməsidir. Bu,
məlumatların səhvlərinin və anomaliyalarının aşkarlanması və düzəltməsi üçün lazım
olan bütün sütun və sətrlərin yoxlanılmasını əhatə edir.
Dublikat məlumatların aradan qaldırılması: Məlumat bazasında dublikat
məlumatların olması yaygın bir problemdir. Bu məlumatlar, təhlil prosesini sərfəli
olmayan şəkildə təhrif edə bilər. Bu səbəbdən, dublikat məlumatların aşkarlanması və
aradan qaldırılması əməliyyatı vacibdir.
Əksik məlumatların doldurulması: Məlumat bazasında eksik məlumatların
olması da yaygın bir problemdir. Bu, boş xanalar, NaN dəyərlər və s. kimi
məlumatları əhatə edir. Əksik məlumatların müəyyən edilməsi və lazımi doldurma
strategiyalarının təyin edilməsi məlumatın səmərəliliyini artırır.
Sütun və sətirlərin birləşdirilməsi: Məlumatları daha müxtəlif analizlər üçün
hazırlamaq üçün, fərqli məlumatlar birləşdirilə bilər. Bu əməliyyatlar, sətr və
sütunların bir-birilə əlaqələndirilməsini, yeni sütunlar və məlumatlardan türetilmiş
dəyərlərin əldə edilməsini əhatə edir.
Məlumatların standartlaşdırılması: Məlumatların standart formaya gətirilməsi,
müxtəlif mənbələrdən gələn məlumatların birləşdirilməsini və müqayisə olunmasını
asanlaşdırır. Bu, məsələn, məzmunun kodlaşdırılması, vaxt və tarix formatlarının
standartlaşdırılması və s. kimi işləri əhatə edir.
12
 Verilənlərin təmizlənməsi və birləşdirilməsi üçün istifadə olunan alətlər
çoxdur. Buna Excel, Python üçün pandas və NumPy, OpenRefine, SQL və digər
mənbələr daxildir. Hər biri fərqli gücləri və məhdudiyyətləri ilə gəlir və məlumatların
müəyyən təmizləmə və birləşdirmə tələblərinə əsasən seçilməlidir.[3]
Məlumatların təmizlənməsi və birləşdirilməsi prosesləri səpələnmiş
məlumatların idarə edilməsinin artan mürəkkəbliyinə cavab olaraq ortaya çıxdı. Bu,
müxtəlif mənbələrdən alınan məlumatları vahid təyinatda birləşdirməyi nəzərdə tutur.
Böyük həcmli məlumatları sürətlə və səmərəli şəkildə bir araya gətirmək üçün
məlumatların təmizlənməsi və birləşdirilməsi alətlərindən istifadə etməlisiniz.
Məlumat təmizlənməsi və birləşdirilməsi alətləri nədir?
Hər bir müəssisə müxtəlif sistemlərdən məlumat toplayır. Minlərlə potensial və
mövcud müştərilər haqqında məlumat saxlayan insan resursları məlumat bazaları,
məhsul kataloqları və CRM proqramı mövcuddur. Hər bir məlumat fərdi domenlər
daxilində daxili dəyərə malik olsa da, onların hamısı təşkilatınızda birləşdirildikdə
məlumat dəstlərinin həqiqi potensialı açılır.
Məlumatların təmizlənməsi və birləşdirilməsi bir çox yerlərdə müxtəlif
məlumat mənbələrinə sahib olan bizneslər tərəfindən həyata keçirilən faydalı
təcrübədir. Xüsusi alətlərdən istifadə etməklə siz məlumatları toplaya, təkmilləşdirə
və bulud məlumat anbarı kimi vahid repozitoriyada birləşdirə bilərsiniz .
Mərkəzləşdirilmiş verilənlər bazası yerinin olması sizə məlumat fraqmentlərindən
kənara baxmağa imkan verir və təhlil prosesini asanlaşdırır.[6]
Məlumatların təmizlənməsi və birləşdirilməsi alətlərinin əsas faydaları:
Məlumatların təmizlənməsi və birləşdirilməsi bəzən verilənlərin inteqrasiyası ilə əvəz
olunur. Bununla belə, verilənlərin Təmizlənməsi və birləşdirilməsi inteqrasiyadan
əvvəlki addım kimi başa düşülə bilər. Müxtəlif yerlərdən məlumatları tək bir anbara
toplayaraq, təşkilatınızdakı bütün əməliyyatlara quşbakışı baxırsınız. Güclü məlumat
təmizlənməsi və birləşdirilməsi aləti həmçinin məlumatlarınızdan düzgün istifadə
etməyə kömək edir və təşkilat daxilində daha mənalı qərarlar qəbul edir. Yaxşı bir
məlumat təmizlənməsi və birləşdirilməsi alətinin təmin edə biləcəyi bəzi əsas
üstünlükləri anlayaq:
13
 Daha yaxşı Analitika: Konsolidə edilmiş məlumatların deposuna malik olmaq
sizə böyük verilənlər toplularını hərtərəfli təhlil etməyə imkan verir. Bu dərin təhlil
dəqiq fikirlər əldə etməyə və daha yaxşı qərarlar qəbul etməyə səbəb olur. ‍
Güclü planlaşdırma: Məlumatlarınızı birləşdirmək və mərkəzləşdirmək
strateji biznes planlamasını asanlaşdırır. O, məlumatların keyfiyyətini və tutum
tələblərini müəyyən etməyə, eləcə də təhlükəsizlik tələblərinə riayət etməyə nəzarət
etməyə kömək edir. ‍[6]
Təkmilləşdirilmiş məlumat keyfiyyəti: Məlumatların Təmizlənməsi və
birləşdirilməsi sizə müxtəlif verilənlər toplularını məqbul və ardıcıl formata
çevirməyə imkan verir. Bu yolla siz bütün təşkilatınızda məlumatların bütövlüyünü
təmin edə bilərsiniz. ‍
Vaxta qənaət edin: Mərkəzləşdirilmiş yerdə kritik məlumatların asanlıqla əldə
edilməsi ilə siz məlumatların axtarışına vaxta qənaət edir və əməliyyat
səmərəliliyinizi artırırsınız. Siz heç vaxt daha yaxşı vizuallaşdırmalar və hesabatlar
yaratmaq üçün biznes kəşfiyyatı alətlərindən istifadə edə bilərsiniz.

14
 5. PROQRAMLAŞDIRMA VƏ INTEQRASIYA

Proqramlaşdırma və inteqrasiya, fərqli informasiya sistemləri, verilənlər

bazaları və ya alətlərin bir-birilərini birləşdirmək və onların birgə işləməsini təmin
etmək üçün lazım olan proseslər və texnikalardan ibarətdir. Bu proses, məlumatların
avtomatik köçürülməsini, təhlili üçün lazımi interfeyslərin yaratılmasını və müxtəlif
sistemlərlə əlaqələrin idarə edilməsini təmin edir. Proqramlaşdırma və inteqrasiya,
informasiya texnologiyalarının sahələrini bir-biriləri ilə birləşdirmək və bu sahələrdə
optimal fəaliyyət göstərmək üçün əhəmiyyətli bir rola malikdir.
Proqramlaşdırma dilləri: Proqramlaşdırma dilləri, fərqli sistemlər arasında
məlumatların köçürülməsini və işlənməsini təmin edir. Python, Java, C#, PHP kimi
ən populyar proqramlaşdırma dilləri, bu məqsədlər üçün geniş şəkildə istifadə olunur.
REST və SOAP: REST (Representational State Transfer) və SOAP (Simple
Object Access Protocol), məlumatların şəbəkədə köçürülməsini və kommunikasiya
edilməsini təmin edən protokolları ifadə edir. Bu protokollar, fərqli sistemlər arasında
məlumatların qarşılıqlı mübadiləsini təmin edir. [4]
ETL Alətləri: ETL (Extract, Transform, Load) alətləri, məlumatların müxtəlif
mənbələrdən çıxarılmasını, təhlil edilməsini, formata çevrilməsini və məlumat
bazalarına yüklənməsini təmin edir. Bu alətlər arasında Talend, Informatica,
Microsoft SQL Server Integration Services (SSIS) kimi alətlər sayılabilir.[4]
ORM (Object-Relational Mapping) Alətləri: ORM alətləri, obyekt-əlaqəli
proqramlaşdırma dilləri ilə məlumat bazaları arasında əlaqə qurulmasını və
məlumatın avtomatik olaraq dəyişdirilməsini təmin edir. SQLAlchemy Python üçün
bir ORM alətidir.
API-lər: İnteqrasiya üçün API-lər (Application Programming Interface), fərqli
proqramlar və sistemlər arasında məlumatların təhlili üçün birbaşa əlaqə təmin edir.
Bu, müxtəlif proqramlar arasında məlumatların mübadiələsini asanlaşdırır.
15
 Proqramlaşdırma və inteqrasiya, informasiya sistemlərinin bir-biriləri ilə
əlaqələndirilməsini və məlumatların effektiv şəkildə idarə edilməsini təmin edir. Bu,
iş təşkilatlarının və digər informasiya sistemlərinin effektivliyini və fəaliyyət sürətini
artırmaqda kritik bir rol oynayır.
Analitika üçün verilənlərin inteqrasiyası istifadəçilərə və sistemlərə
korrelyasiyaları daha asan müəyyən etməyə və biznes və ya əməliyyat performansına
daha dolğun baxış əldə etməyə imkan vermək üçün müxtəlif proqramlardan, müxtəlif
məlumat formatlarında, bir çox yerdən verilənlərin birləşdirilməsi prosesidir.
İnteqrasiya məlumatların qəbulu prosesi ilə başlayır və təmizləmə, hazırlıq, ETL
xəritələşdirilməsi və transformasiya kimi ardıcıl addımları əhatə edir.Məsələn,
müştəri məlumatlarının inteqrasiyası satış, mühasibat uçotu və marketinq kimi ayrı-
ayrı biznes sistemlərindən hər bir fərdi müştəri haqqında məlumatın çıxarılmasını
nəzərdə tutur ki, bu da daha sonra müştəri xidməti, loyallıq proqramları və qarşılıqlı
əlaqə üçün istifadə olunacaq müştərinin vahid görünüşündə birləşdirilir.[7]
Strategiya olaraq, məlumatların inteqrasiyası xam məlumatları mənalı və
dəyərli məlumatlara çevirmək üçün ilk addımdır. Verilənlərin inteqrasiyası
müəssisələrə biznes və ya əməliyyat performansına daha yaxşı baxış əldə etmək üçün
analitiklərə və məlumat alimlərinə korrelyasiya və anlayışları daha asan müəyyən
etmək imkanı vermək üçün müxtəlif proqramlardan, müxtəlif formatlarda, müxtəlif
yerlərdən məlumatları birləşdirməyə imkan verir.
Məlumat inteqrasiya platforması əsasən İT mütəxəssisləri tərəfindən istifadə
edilən və idarə olunan proqram təminatından ibarətdir. Bu, müxtəlif proqramlardan,
müxtəlif formatlarda və bir çox yerlərdən məlumatların müxtəlif biznes nəticələrinə
tətbiq oluna bilməsi üçün toplanmasına, çeşidlənməsinə və dəyişdirilməsinə imkan
verir. Nəticələr xüsusi istifadəçilərə, biznes bölmələrinə, partnyorlara, proqramlara və
ya perspektiv həllərə yönləndirilə və analitik panellərdə və ya hesabatlarda baxıla
bilər.

16
 NƏTICƏ

Bəhs etdiyimiz proqram vasitələri ilə verilənlərin analitik emalı

əməliyyatlarını effektiv şəkildə həyata keçirmək mümkündür. Məlumatların
yığılması, təmizlənməsi, təhlili və görsəl təqdimatı kimi əməliyyatlar vasitəsilə
məlumatlar müxtəlif perspektivlərdə qiymətləndirilə və anlaşıqlı şəkildə təşkil edilə
bilər. Statistik təhlil və maşın öyrənməsi alətləri, məlumatlardan anlayış əldə etmək
üçün güclü vasitələr təşkil edir, həmçinin görsəl təqdimat vasitələri ilə məlumatların
vizuallaşdırılması məlumatın daha aydın olmasını təmin edir.
Verilənlərin tənzimlənməsi və inteqrasiyası, fərqli mənbələrdən gələn
məlumatların birləşdirilməsini, standartlaşdırılmasını və fərqli platformalar arasında
köçürülməsini təmin edir. Bu, məlumatların müxtəlif əsas məqsədlər üçün təhlil
edilməsinə imkan verir və strateji qərarların qəbul edilməsinə kömək edir.
Ümumi olaraq, verilənlərin analitik emalı üçün müxtəlif məqsədlər üçün
uyğun proqram vasitələri mövcuddur. İstifadəçilər, məlumatları təhlil etmək və
strateji qərarlarını dəstəkləmək üçün lazımi alətləri seçərək məlumatların effektiv
şəkildə idarə olunmasını təmin edə bilərlər.

17
 ƏDƏBİYYAT SİYAHISI

1. İnformasiya sistemləri menecmenti(dərslik)-Müşfiq Ramazanov

2. İnformasiya sistemləri-S.Q.Kərimov
3. https://www.datapine.com/articles/data-analyst-tools-software
4. https://ictacademy.com.ng/12-software-tools-for-data-analysis/
5. https://www.coursera.org/articles/data-analysis-tools
6. https://airbyte.com/top-etl-tools-for-sources
7. https://www.hitachivantara.com

18