Ders Başlığı: Lojistikte Büyük Veriye Giriş
Modül 1: Büyük Veriye Giriş
Büyük Verinin Tanımı
Büyük verinin tanımı ve lojistik sektöründeki önemi.
Büyük Verinin Özellikleri (4V)
-
Hacim (Volume): Lojistikte üretilen büyük miktarda verinin (ör. gönderi verileri, sensör verileri) tartışılması.
-
Hız (Velocity): Gönderilerin ve stokların izlenmesinde gerçek zamanlı veri işlemenin önemi.
-
Çeşitlilik (Variety): Lojistikteki farklı veri kaynakları türleri (yapılandırılmış, yapılandırılmamış).
-
Doğruluk (Veracity): Lojistik operasyonlarında veri doğruluğu ve güvenilirliğinin sağlanması.
Modül 2: Lojistikte Büyük Verinin Önemi
Geliştirilmiş Karar Alma Süreçleri
Stok yönetimi ve tedarik zinciri optimizasyonunda veri odaklı karar verme süreçleri.
Gerçek Zamanlı Görünürlük ve Takip
Gönderi ve varlıkların gerçek zamanlı takibi için büyük verinin kullanımı.
Talep Tahmini için Öngörüsel Analitik
Tarihsel verilerden yararlanarak gelecekteki talebi tahmin etme ve stok devir hızını artırma.
Modül 3: Lojistikte Veri Kaynakları
Dahili Veri Kaynakları
ERP sistemleri, WMS (Depo Yönetim Sistemleri) ve TMS (Taşımacılık Yönetim Sistemleri).
Harici Veri Kaynakları
Pazar eğilimleri, hava durumu verileri, trafik verileri ve sosyal medya analizleri.
IoT ve Sensör Verileri
Tedarik zinciri boyunca veri toplayan IoT cihazlarının rolü.
Modül 4: Veri İşleme Teknikleri
Toplu İşleme ve Akış İşleme
Farkları ve lojistikteki uygulama alanları.
Veri Yönetim Çerçeveleri
Lojistik verilerini işlemek için kullanılan popüler çerçevelerin (Hadoop, Spark) genel bakışı.
Modül 5: Lojistikte Büyük Veri Analitiği
Analitik Türleri
Tanımlayıcı, teşhis edici, öngörüsel ve yönlendirici analitik.
Lojistikte Kullanım Senaryoları
Güzergâh optimizasyonu, stok yönetimi ve maliyet azaltımı için analitik kullanımına dair vaka çalışmaları.
Modül 6: Büyük Veri Yönetiminde Zorluklar
Veri Kalitesi Sorunları
Eksik veya hatalı verilerin ele alınması.
Entegrasyon Zorlukları
Lojistikteki farklı veri kaynakları ve sistemlerinin entegrasyonu.
Ölçeklenebilirlik Sorunları
Veri sistemlerinin artan veri setlerini yönetme yeteneğinin sağlanması.
Modül 7: Büyük Veri ve Lojistikte Gelecek Trendler
Yeni Teknolojiler
Lojistikte yapay zekâ ve makine öğrenimi uygulamaları.
Bulut Bilişimin Rolü
Büyük veriyi yönetmek için bulut tabanlı çözümlerin avantajları.
Modül 8: Uygulamalı Vaka Çalışmaları
Gerçek Dünya Örnekleri
Lojistik şirketlerinde başarılı büyük veri stratejilerinin uygulanmasının analizi.
Grup Tartışmaları
Katılımcıların organizasyonlarında uygulanabilecek büyük veri projeleri üzerine yönlendirilmiş tartışmalar.
Modül 9: Araçlar ve Teknolojiler
Büyük Veri Araçlarına Genel Bakış
Hadoop, Spark, Kafka gibi popüler araçlara ve veri görselleştirme araçlarına (Tableau, Power BI) giriş.
Lojistik için Doğru Araçların Seçilmesi
Kurumsal ihtiyaçlara göre uygun araçların seçilmesi için kriterler.
Modül 10: Proje Çalışması
Uygulamalı Proje
Katılımcılar, kursta edindikleri bilgileri kullanarak lojistiğe dair bir soruna yönelik temel bir büyük veri çözümü tasarlayacaktır.
Teslim Formatı:
-
Dersler: Teorik konular için slaytlar, videolar ve gösterimler kullanılacaktır.
-
Uygulamalı Laboratuvarlar: Araçlar ve teknolojilerin kullanımı için pratik oturumlar.
-
Vaka Çalışmaları: Tartışmayı ve öğrenmeyi destekleyen gerçek dünya örnekleri.
-
Sınavlar / Değerlendirmeler: Her modül sonunda kısa sınavlarla öğrenme düzeyinin ölçülmesi.
Ek Kaynaklar:
-
Önerilen okumalar, makaleler ve araştırma yazıları.
-
Katılımcılar arası etkileşimi teşvik eden çevrim içi forumlara veya tartışma panolarına erişim.
