Data-veksel

Veksel (alm. Wechsel‎) — müəyyən müddət keçəndən sonra veksel verənin müəyyən məbləği vaxtı çatdıqda veksel sahibinə ödəməsini təsdiq edən pul öhdəliyidir. Veksel-qiymətli kağızların, pul öhdəliklərinin növü; qanunla nəzərdə tutulmuş şəkildə tərtib olunmuş və onun sahibinə müəyyən olunmuş vaxt keçəndən sonra öhdəlik vermiş şəxsdən sənəddə göstərilmiş pul məbləğini qəti tələb etmək hüququ verən borc iltizamının xüsusi formasıdır. Bunun 2 növü mövcuddur: a) Tratta vekseli — bir şəxsin digər şəxsə onun üçüncü şəxsə müəyyən müddətdə müəyyən məbləğdə pul verilməsi haqqında yazılı əmridir. Vaxtı göstərilməmiş barat vekseli təqdim olunarkən onun haqqı ödənilməlidir. b) sadə veksel — bir və ya bir neçə şəxsin müəyyən məbləğ pulu müəyyən edilmiş vaxtda ödəyəcəkləri barədə şərtsiz yazılı öhdəlik və ya iltizamdır. Sadə veksel eyni dərəcədə məsuliyyət daşıyan bir neçə şəxs tərəfindən verilə bilər. Depozit pullar sistemində xüsusi yeri veksellər tutur, hansılar ki, kredit pullarına aid edilir. Həqiqətən də, veksel kredit-hesablaşmavasitəsi kimi banknotun, bir qədər sonra kağız pulun hansısa bir nümunəsi kimi çıxış edir. Lakin müasir iqtisadi nəzəriyyədə veksellərə pul sifətində yox, əhəmiyyətli dərəcədə qiymətli kağızlar kimi baxırlar.

Verilənlər (ing. Data) – texniki vəsaitlərlə saxlanması, emal edilməsi və ötürülməsi üçün formal şəkildə təsvir olunan (kodlaşdırılan) məlumatdır. Verilənlər faktları, mətn, qrafik, müxtəlif şəkilləri, səsləri, analoq və ya rəqəm video-seqmentləri təsvir edirlər. Verilənlər sistemin informasiya istifadəçiləri tərəfindən istifadə olunan işlənməmiş materiallarıdır. Verilənlər termini latınca "datum" fakt sözündən yaranmışdır. Verilənlər ümumi halda ad, qiymət, tip və s. kimi struktur xarakteristikaları ilə təyin olunurlar. Verilənlər – mətn, rəqəm, zaman, pul, memo, OLE, məntiqi və s. tiplərə malik olurlar. == Terminologiya == “Verilənlər” anlayışı “informasiya” anlayışı ilə sıx bağlıdır.

Veksel uçotu — vekselin ödəniş tarixindən əvvəl alınması üçün veksel sahibi tərəfindən banka köçürülməsi. Bir vekselin uçotu üçün bank, veksel məbləğinin yüzdə bir hissəsi kimi bir haqq alır. Bu faizə endirim dərəcəsi və ya endirim faizi və ya endirim deyilir. Başqa sözlə, bir vekselin mühasibat uçotu, bank tərəfindən vekselin altındakı bir qiymətə diskontla bir faktura almasıdır. Diskont dərəcəsinin ölçüsü fakturanın keyfiyyətinə və ödəmə müddətinə bağlıdır və bank sahibi ilə bank arasındakı müqavilədə müəyyən edilir. Endirim dərəcəsinin ölçüsünə bankın verdiyi kredit faiz dərəcəsi təsir göstərir. Sabit borc məbləği göstərildiyi veksellər üçün faiz hesablanmadan endirim dəyəri düsturla müəyyən edilir: D = B ⋅ T ⋅ I 100 ⋅ 360 {\displaystyle D={\frac {B\cdot T\cdot I}{100\cdot 360}}} , burada D {\displaystyle D} - diskont məbləği; B {\displaystyle B} - veksel; T {\displaystyle T} - vekselin ödəmə tarixindən əvvəlki günlərin sayı; I {\displaystyle I} - bank endirim dərəcəsi. Banklar, ödəmə qabiliyyəti şübhə doğurmayan nüfuzlu firmaların öhdəliklərini ehtiva edən vekselləri, birinci dərəcəli vekselləri nəzərə alır. Bir banknota böyük bank zəmanət verirsə, o zaman bank zəmanəti olmayan (bank avalı) ticarət və ya sənaye firmalarından daha aşağı faizlə uçota alınır. Kiçik və maliyyə baxımından zəif firmaların öhdəlikləri olan dövriyyə vərəqələri banklar tərəfindən mühasibat uçotu üçün qəbul edilmir və ya adi, çox şişirdilmiş faiz dərəcələrindən fərqli olaraq uçota alınır.

Data SoCool — Data sahələrində ixtisaslaşmış peşəkar tədris müəssisəsi. Bu sahələrdə Azərbaycanda iş dünyası ilə təhsil arasında mövcud olan mütəxəssis boşluğunu doldurmaq və qurumların əməkdaşlarının yeni bacarıqlar əldə etmələri üçün müxtəlif dərslər tədris etməkdədir. Hazırda peşəkar ekspertlər, Avropa standartlı təlim mərkəzinə sahib olmaqla, Microsoft, IBM kimi vendorlarla rəsmi əməkdaşlıq etməklə, sıfırdan pilləli şəkildə tədris edilən və sonda uğurlu məzunlarımızın qurumlara yönləndirilməsi ilə məşğul olan Karyera Mərkəzinə sahib olmaqla ölkənin data təhsili sektoruna liderlik etməkdəyik. Hazırda yüzlərlə Data SoCool məzunu aparıcı özəl qurumlarda və dövlət orqanlarında çalışmaqdadırlar. == Tarixi == Data SoCoolun datanın faydalarını Azərbaycanda təbliğ etmək fəaliyyəti ilk olaraq 2018-ci ilinin avqust ayından bu sahəni öyrənmək istəyən şəxslərə istiqamət vermək ideyası ilə başlamışdır. 2018-ci ilin sentyabr ayında Azərbaycan Gənclər Fondunun XI Qrant müsabiqəsinə müraciət etmiş və 2019-cu ilin fevral ayından etibarən 500-dən çox müraciətçi arasından 3 mərhələ ilə seçilən 30 gənclə Excel, Power BI, SPSS və Tableau proqramlarına giriş mövzuları və bir neçə müxtəlif şirkətlərə infoturla ümumilikdə 12 günlük təlimlə başladı. Data SoCoolun ilk məzunları sayılan bu 30 gəncin bir qismi hazırda ölkənin aparıcı maliyyə, IT şirkətlərində və banklarında çalışırlar, bəziləri isə Avropanın aparıcı universitetlərində təhsillərini davam etdirirlər. == Layihə əsaslı tədris == Data SoCool Təhsil modeli data sahələrində karyera qurmaq istəyən şəxslər üçün sıfırdan — Peşəkar İnkişaf Planının hazırlanmasından sonda iş və ya təcrübə ilə təmin etmək mərhələsinə qədər pilləli şəkildə dizayn edilmişdir. Öncə Karyera Məsləhətçisi tərəfindən tələbənin mövcud bazasına və öyrənmə imkanlarına uyğun olaraq Peşəkar İnkişaf Planı hazırlanır və Plan üzərindən dərslər tədris olunur. Yerli və Beynəlxalq Əmək bazarının tələblərinin araşdırılaraq formalaşdırılmış dərs sillabusları iş dünyasından real praktiki tapşırıqlarla təkmilləşdirilmişdir.

Data jurnalistikası — rəqəmlərə əsaslanan, faktlarla hazırlanan xəbərləmə forması deməkdir. Lakin bu, data jurnalistikanın tam tərifi deyil. Bəziləri düşünür ki, data jurnalistika cədvəllərdə verilən rəqəmlərin kolleksiyasıdır.20 il əvvəl jurnalistlər cədvəldə verilən informasiya əsasında izahedici yazılar yazırdılar. Lakin rəqəmsal dünyada rəqəmlə ifadə edilən hər şey data jurnalistika üçün mənbə ola bilər. == Növləri == Kibercinayətkarlığa dair hesabat. Jurnalistlər üçün məlumat bazaları.jurnalistlər hekayələr hazırlamaq üçün bu böyük məlumat bazalarından istifadə edirlər. İnfoqrafiya Məlumatların vizuallaşdırılması. İnteraktiv vizual Data Oyunlar == Bir anlayış olaraq yaranması == Jurnalistikada datadan istifadə edilməsinin ən erkən nümunələrindən biri CBS tərəfindən prezident seçkilərinin nəticələrini proqnozlaşdırmaq üçün əsas çərçivə kompüterindən istifadə etmək cəhdinin 1952-ci ilə təsadüf edir, ancaq 1967-ci ilə qədər məlumatların təhlili üçün kompüterlərdən istifadə edilməsinə başlanıldı. O vaxt Azad Detroit Mətbuatında işləyən Philip Meyer, şəhər boyu yayılan iğtişaşlar barədə məlumatları yaxşılaşdırmaq üçün əsas çərçivədən istifadə etdi. Jurnalistikada məlumatların təhlili üçün yeni bir presedent dəsti ilə Meyer, Donald Barlett və James Steele ilə 1970-ci illərdə Filadelfiyada hökm oxunuşlarına dair nümunələrə baxmaq üçün əməkdaşlıq etdi.

Data jurnalistikası — rəqəmlərə əsaslanan, faktlarla hazırlanan xəbərləmə forması deməkdir. Lakin bu, data jurnalistikanın tam tərifi deyil. Bəziləri düşünür ki, data jurnalistika cədvəllərdə verilən rəqəmlərin kolleksiyasıdır.20 il əvvəl jurnalistlər cədvəldə verilən informasiya əsasında izahedici yazılar yazırdılar. Lakin rəqəmsal dünyada rəqəmlə ifadə edilən hər şey data jurnalistika üçün mənbə ola bilər. == Növləri == Kibercinayətkarlığa dair hesabat. Jurnalistlər üçün məlumat bazaları.jurnalistlər hekayələr hazırlamaq üçün bu böyük məlumat bazalarından istifadə edirlər. İnfoqrafiya Məlumatların vizuallaşdırılması. İnteraktiv vizual Data Oyunlar == Bir anlayış olaraq yaranması == Jurnalistikada datadan istifadə edilməsinin ən erkən nümunələrindən biri CBS tərəfindən prezident seçkilərinin nəticələrini proqnozlaşdırmaq üçün əsas çərçivə kompüterindən istifadə etmək cəhdinin 1952-ci ilə təsadüf edir, ancaq 1967-ci ilə qədər məlumatların təhlili üçün kompüterlərdən istifadə edilməsinə başlanıldı. O vaxt Azad Detroit Mətbuatında işləyən Philip Meyer, şəhər boyu yayılan iğtişaşlar barədə məlumatları yaxşılaşdırmaq üçün əsas çərçivədən istifadə etdi. Jurnalistikada məlumatların təhlili üçün yeni bir presedent dəsti ilə Meyer, Donald Barlett və James Steele ilə 1970-ci illərdə Filadelfiyada hökm oxunuşlarına dair nümunələrə baxmaq üçün əməkdaşlıq etdi.

Verilənlərin hasilatı, data mədənçiliyi və ya verilənlərin mədənçiliyi — maşın öyrənməsi, statistika və verilənlər bazası sistemlərinin kəsişməsindəki metodları əhatə edən böyük məlumat dəstlərində nümunələrin çıxarılması və aşkarlanması prosesi. Verilənlərin hasilatı, məlumat toplusundan məlumatı (ağıllı üsullarla) çıxarmaq və məlumatları daha sonra istifadə üçün başa düşülən struktura çevirmək məqsədi daşıyan kompüter elmləri və statistikanın fənlərarası alt sahəsidir. Verilənlərin hasilatı "verilənlər bazasında bilik kəşfi" (KDD) prosesinin təhlil mərhələsidir. Xam təhlil mərhələsindən başqa, o, həmçinin verilənlər bazası və məlumatların idarə edilməsi aspektlərini, verilənlərin əvvəlcədən işlənməsini, model və nəticə çıxarma mülahizələrini, maraqlılıq ölçülərini, mürəkkəblik mülahizələrini, aşkar edilmiş strukturların sonrakı emalını, vizuallaşdırmanı və onlayn yeniləməni əhatə edir. "Data mining" səhv addır, çünki məqsəd məlumatların özünün çıxarılması (hasilatı) deyil, böyük həcmdə məlumatlardan nümunələrin və biliklərin çıxarılmasıdır. O, həm də məşhur sözdür və genişmiqyaslı məlumatların və ya informasiya emalının istənilən formasına, eləcə də süni intellekt və biznes intellekti daxil olmaqla, qərar qəbuledici dəstək sisteminin hər hansı tətbiqinə tez-tez tətbiq olunur. Adətən daha ümumi terminlər, verilənlərin təhlili və analitikası və ya faktiki metodlara istinad etmək ya da süni intellekt və maşın öyrənməsi daha uyğundur. Faktiki verilənlərin hasilatı tapşırığı, məlumat qeydləri qrupları, qeyri-adi qeydlər və asılılıqlar kimi əvvəllər naməlum, maraqlı nümunələri çıxartmaq üçün böyük miqdarda məlumatın yarı avtomatik və ya avtomatik təhlilidir. Bu, adətən fəza indeksləri kimi verilənlər bazası üsullarından istifadəni nəzərdə tutur. Bu nümunələr daha sonra daxil edilən məlumatların bir növ xülasəsi kimi görünə bilər və sonrakı təhlillərdə və ya maşın öyrənməsində və proqnozlaşdırıcı analitikada istifadə edilə bilər.

Data mərkəzi — kompüter sistemləri və telekommunikasiya və saxlama sistemləri kimi əlaqəli komponentləri yerləşdirmək üçün istifadə edilən bina daxilində xüsusi yer və ya binalar qrupu. İT əməliyyatları biznesin davamlılığında mühüm əhəmiyyət kəsb etdiyi üçün o enerji təchizatı, data kommunikasiyası əlaqələri, ətraf mühitə nəzarət (məsələn kondisioner, yanğının söndürülməsi) və müxtəlif təhlükəsizlik cihazları üçün ehtiyat komponentləri və infrastrukturu ehtiva edir. Böyük data mərkəzi kiçik bir qəsəbə qədər elektrik istifadə edən sənaye böyüklüyündəki əməliyyatdır. 2022-ci ildə təxmini qlobal data mərkəzi elektrik enerjisi istehlakı 240-340 terra-vatt və ya qlobal elektrik enerjisi tələbatının təxminən 1-1,3%-ni təşkil edib. Bu 2022-ci ildə təxminən 110 terra-vatt və ya qlobal elektrik tələbatının 0,4%-i olduğu təxmin edilən kriptovalyuta mədənçiliyi üçün istifadə olunan enerjidən ayrıdır. Data mərkəzləri ölçü, güc tələbləri, ehtiyatlılıq və ümumi struktur baxımından geniş şəkildə fərqlənə bilər. Data mərkəzlərinin növlərini seqmentləşdirmək üçün istifadə olunan dörd ümumi kateqoriya - yerli data mərkəzləri, yerləşdirmə vasitələri, hipermiqyaslı data mərkəzləri və kənar data mərkəzləridir. == Həmçinin bax == == İstinadlar == == Əlavə ədəbiyyat == Schaeffer, Howard. Data center operations: a guide to effective planning, processing, and performance. Englewood Cliffs, NJ: Prentice-Hall.

Böyük verilənlər (ing. big data) — ənənəvi məlumat emalı proqramı ilə idarə oluna bilməyəcək qədər böyük və ya mürəkkəb verilənlər dəstləri. Çoxlu daxiletməsi (sətir) olan məlumatlar daha böyük statistik güc təklif edir, halbuki daha yüksək mürəkkəbliyə malik məlumatlar (daha çox atribut və ya sütun) daha yüksək yanlış aşkaretmə dərəcəsinə səbəb ola bilər. Rəsmi tərifin olmaması səbəbindən bəzən sərbəst şəkildə istifadə olunsa da, ən yaxşı şərh odur ki, o, yalnız kiçik miqdarda istifadə edildikdə dərk edilə bilməyən böyük bir məlumat toplusudur. Böyük verilənlərin təhlili ilə bağlı problemlərə məlumatların toplanması, saxlanması, təhlili, axtarış, paylaşma, ötürmə, vizuallaşdırma, sorğulama, yeniləmə, məlumat məxfiliyi və məlumat mənbələri daxildir. Böyük verilənlər əvvəlcə üç əsas anlayışla əlaqələndirildi: həcm, müxtəliflik və sürət. Böyük məlumatların təhlili seçmə zamanı çətinliklər yaradır və bu səbəbdən, əvvəlcə yalnız müşahidələrə və seçmələrə imkan verir. Beləliklə, dördüncü anlayış, doğruluq, məlumatların keyfiyyətinə və ya dərinliyinə aiddir. Böyük verilənlərin doğruluğu üçün ekspertizaya kifayət qədər sərmayə qoyulmadan, məlumatların həcmi və müxtəlifliyi təşkilatın böyük verilənlərdən dəyər yaratmaq və əldə etmək imkanlarını aşan xərclər və risklər yarada bilər. Böyük verilənlər termininin cari istifadəsi proqnozlaşdırıcı analitika, istifadəçi davranışının analitikası və ya böyük verilənlərdən dəyər çıxaran digər müəyyən qabaqcıl məlumat analitikası metodlarının istifadəsinə, nadir hallarda isə məlumat dəstinin müəyyən ölçüsünə aiddir.

Böyük verilənlər (ing. big data) — ənənəvi məlumat emalı proqramı ilə idarə oluna bilməyəcək qədər böyük və ya mürəkkəb verilənlər dəstləri. Çoxlu daxiletməsi (sətir) olan məlumatlar daha böyük statistik güc təklif edir, halbuki daha yüksək mürəkkəbliyə malik məlumatlar (daha çox atribut və ya sütun) daha yüksək yanlış aşkaretmə dərəcəsinə səbəb ola bilər. Rəsmi tərifin olmaması səbəbindən bəzən sərbəst şəkildə istifadə olunsa da, ən yaxşı şərh odur ki, o, yalnız kiçik miqdarda istifadə edildikdə dərk edilə bilməyən böyük bir məlumat toplusudur. Böyük verilənlərin təhlili ilə bağlı problemlərə məlumatların toplanması, saxlanması, təhlili, axtarış, paylaşma, ötürmə, vizuallaşdırma, sorğulama, yeniləmə, məlumat məxfiliyi və məlumat mənbələri daxildir. Böyük verilənlər əvvəlcə üç əsas anlayışla əlaqələndirildi: həcm, müxtəliflik və sürət. Böyük məlumatların təhlili seçmə zamanı çətinliklər yaradır və bu səbəbdən, əvvəlcə yalnız müşahidələrə və seçmələrə imkan verir. Beləliklə, dördüncü anlayış, doğruluq, məlumatların keyfiyyətinə və ya dərinliyinə aiddir. Böyük verilənlərin doğruluğu üçün ekspertizaya kifayət qədər sərmayə qoyulmadan, məlumatların həcmi və müxtəlifliyi təşkilatın böyük verilənlərdən dəyər yaratmaq və əldə etmək imkanlarını aşan xərclər və risklər yarada bilər. Böyük verilənlər termininin cari istifadəsi proqnozlaşdırıcı analitika, istifadəçi davranışının analitikası və ya böyük verilənlərdən dəyər çıxaran digər müəyyən qabaqcıl məlumat analitikası metodlarının istifadəsinə, nadir hallarda isə məlumat dəstinin müəyyən ölçüsünə aiddir.

Verilənlərin hasilatı, data mədənçiliyi və ya verilənlərin mədənçiliyi — maşın öyrənməsi, statistika və verilənlər bazası sistemlərinin kəsişməsindəki metodları əhatə edən böyük məlumat dəstlərində nümunələrin çıxarılması və aşkarlanması prosesi. Verilənlərin hasilatı, məlumat toplusundan məlumatı (ağıllı üsullarla) çıxarmaq və məlumatları daha sonra istifadə üçün başa düşülən struktura çevirmək məqsədi daşıyan kompüter elmləri və statistikanın fənlərarası alt sahəsidir. Verilənlərin hasilatı "verilənlər bazasında bilik kəşfi" (KDD) prosesinin təhlil mərhələsidir. Xam təhlil mərhələsindən başqa, o, həmçinin verilənlər bazası və məlumatların idarə edilməsi aspektlərini, verilənlərin əvvəlcədən işlənməsini, model və nəticə çıxarma mülahizələrini, maraqlılıq ölçülərini, mürəkkəblik mülahizələrini, aşkar edilmiş strukturların sonrakı emalını, vizuallaşdırmanı və onlayn yeniləməni əhatə edir. "Data mining" səhv addır, çünki məqsəd məlumatların özünün çıxarılması (hasilatı) deyil, böyük həcmdə məlumatlardan nümunələrin və biliklərin çıxarılmasıdır. O, həm də məşhur sözdür və genişmiqyaslı məlumatların və ya informasiya emalının istənilən formasına, eləcə də süni intellekt və biznes intellekti daxil olmaqla, qərar qəbuledici dəstək sisteminin hər hansı tətbiqinə tez-tez tətbiq olunur. Adətən daha ümumi terminlər, verilənlərin təhlili və analitikası və ya faktiki metodlara istinad etmək ya da süni intellekt və maşın öyrənməsi daha uyğundur. Faktiki verilənlərin hasilatı tapşırığı, məlumat qeydləri qrupları, qeyri-adi qeydlər və asılılıqlar kimi əvvəllər naməlum, maraqlı nümunələri çıxartmaq üçün böyük miqdarda məlumatın yarı avtomatik və ya avtomatik təhlilidir. Bu, adətən fəza indeksləri kimi verilənlər bazası üsullarından istifadəni nəzərdə tutur. Bu nümunələr daha sonra daxil edilən məlumatların bir növ xülasəsi kimi görünə bilər və sonrakı təhlillərdə və ya maşın öyrənməsində və proqnozlaşdırıcı analitikada istifadə edilə bilər.

== FDDI == FDDI (Fiber Distributed Data Interface) — verilənlərin optik lifli xətlərlə yüksəksürətli ötürülməsi şəbəkəsinin arxitekturasıdır. Verilənləri ötürmə sürəti 100 Mbit/san-dir. Topologiyası ikiqat halqa və ya qarışıqdır (ulduzvarı və ya ağacvari istisna olmaqla). Stansiyaların maksimum sayı 1000-dir.

Verilənlər elmi (Data Science) informasiyanın alınması üsullarına sahib olmaqdır. “Data science” termin kimi ilk dəfə 1960-cı illərdə kompüter elmlərinin pionerlərindən sayılan Peter Naur tərəfindən “Datalogy, the science of data and of data processes and its place in education” adlı məruzəsində səsləndirilmiş , fənn kimi isə keçən əsrin 60-cı illərindən formalaşmağa başlamışdır. Bu 1966-cı ildə Elm və Texnika üçün Məlumat Komitəsinin (CODATA – International Council for science: Committee on Data for Science and Technology) təsis edilməsinə təsadüf edir . 1974-cü ildə Peter Naur “Concise Survey of Computer Methods in Sweden and the United States” kitabında verilənlərin müasir emal metodlarının icmalını vermiş və verilənlər haqqında elmi rəqəmsal verilənlərin həyat dövrünü (yarandığı andan başqa bilik sahələrinə təqdim olunmaq üçün edilən dəyişikliklərə qədər) öyrənən bir fənn kimi təyin etmişdir. Ancaq, termin 1990-cı illərdə geniş istifadə olunmağa başlamış və 2000-ci illərin əvvəllərindən hamı tərəfindən qəbul edilmişdir. 2001-ci ildə Purdue Universitetinin professoru, statistika, verilənlərin vizuallaşdırılması, maşın təlimi sahəsində tanınmış mütəxəssis Uilyam Klivlend (William S. Cleveland) statistik tədqiqatların texniki aspektlərinin inkişaf planı (Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics) adlı tədqiqatında diqqəti “data science” fənninin tədrisi məsələsinə yönəltmişdir . O, planda “data science”-i ayrıca akademik fənn kimi irəli sürmüşdür. Bu da “data scientist” adlanan kadrların hazırlanmasına marağı stimullaşdırmışdır. Təsadüfi deyildir ki, təxminən əmin vaxtdan da CODATA-nın “Data Science Journal”-ı (2002-ci ildən) nəşr olunmağa başlanmışdır. Verilənlər elmi ənənəvi informatikadan başlayaraq riyaziyyata qədər müxtəlif sahələr üzrə bacarıq və vərdiş tələb edir.

Barcode of Life Data System — xüsusi olaraq DNT ştrix kodlamasına həsr olunmuş veb platformadır. Bu, Kanadadakı Biomüxtəlifliyin Genomikası Mərkəzində hazırlanmış bulud əsaslı məlumatların saxlanması və təhlili platformasıdır. O, dörd əsas moduldan, məlumat portalından, təhsil portalından, BIN-lərin reyestrindən (ehtimal olunan növlər) və DNT ardıcıllığını təhlil etmək üçün onlayn platforma təmin edən məlumatların toplanması və təhlili iş masasından ibarətdir.