Büyük veri görselleştirme ve Türkiye'de konut sektörüne ilişkin infografikler

Abstract

Günümüzde, sosyal medya kullanımının da etkisiyle veri miktarındaki artış ve gelişen teknoloji, büyük veri döneminin başlamasına sebep olmuştur. Bu yeni dönem, kaotik bir yapıya sahip olan, yapılandırılmamış ve hacimli veri yığınlarından bilgi elde etme güçlüğünü de beraberinde getirmiştir. Bununla birlikte, üretilen bilginin ilgili olduğu kitleye doğru ve etkin bir şekilde sunulabilmesi de alan uzmanlarını meşgul eden önemli bir konudur. Nitekim, büyük veriden süzülen bilgilerin kapsamlı ve anlaşılır biçimde sunulamaması, yapılan analiz ve çalışmaların değerine gölge düşürmektedir. Bu sebeple, istatistikçiler ve yazılımcılar için büyük veri görselleştirme önemli bir araştırma alanı haline gelmiştir. Bu tezde, konut sektörü üzerine büyük veri görselleştirme çalışması yapılmıştır. Araştırma kapsamında, İstanbul ve en çok göç verdiği 10 ile ilişkin büyük veri yapısındaki satılık ve kiralık konut ilan verileri ile çalışılmıştır. R programlama dili kullanılarak üretilen animasyon grafikleri ile; konut tercihi yapacak olan bireylerin binlerce alternatif arasından hızlı ve zahmetsiz olarak tercih yapmalarına imkan veren, kullanımı kolay, fonksiyonel ve dinamik yapıda infografikler elde edilmiştir. Böylece konut satın almayı veya kiralamayı planlayan kişilerin, geniş hacimli veri dosyasına tekrar tekrar dönmeden, konutun yaşı, net alanı, fiyatı, oda sayısı gibi belirli seçim kriterleri bazında konut tercihinde bulunabilecekleri, kullanıcı dostu infografikler üretilmiştir. Ayrıca Tableau Reader oluşturulan harita grafik biçimindeki görsellerle de kullanıcıların, üzerinde gezinebilecekleri ve il/ ilçe bazında konut ilan istatistiklerini karşılaştırarak seçim yapabilecekleri araçlar sunulmuştur. Üzerinde çalışılan veri setinde, değişkenlerin farklı tiplerde eksik veriler içermesi nedeniyle, eksik veri giderme süreci bu çalışmanın önemli bir kısmını oluşturmuştur. Eksik veri giderme işlemleri tamamlandıktan sonra, tanımlayıcı istatistikler elde edilmiş; değişkenler arasındaki ilişki yapısı parametrik olmayan ilişki testleri ve Uygunluk Analizi ile incelenmiştir.

The age of big data has started with the technological advancements and the explosion in the volume of data due to wide-spread use of multimedia social platforms. This new era brought the challenge of extracting valuable information from massive data chunks which are mainly unstructured and have chaotic characteristics. Another challenge is delivering the extracted information to the concerning audience by subject matter experts in an effective and accurate way. In fact, lack of presenting the information value extracted from big data in a well-rounded and well-defined way would overshadow the merits of the study and analysis results. Therefore, big data visualization has become a highly significant study field.This dissertation presents a case study of big data visualization on real estate sector. The study covers rental and for sale housing classifieds in the form of big data within the scope of Istanbul city and 10 other main cities where people migrate to. Animation graphics were created with R statistical programming language; thus, user-friendly, functional and dynamic infographics were obtained in order to help users make their housing choices fast and effortless among thousands of other alternatives. User friendly infographics enable users to make their decisions based on the selection criteria; i.e. the age of the property, area of the property, price and number of the rooms etc., without the requirement of returning to large volume data files over and over again.In addition; the visuals –which are designed as map graphics by using Tableau Reader program- provide users with navigation tools and the functionality of comparing housing advertisement statistics among the cities/ districts; thus, enabling them to make informed decisions. The dataset we worked on contains different types of missing data. Therefore missing data analysis was a major part of this study. After dealing with missing data we obtained descriptive statistics and analyzed the relationship between variables with nonparametric tests and Homogeneity Analysis.