Parçalara Böl (26.10.2016)
Günümüzde şirketler ayakta kalabilmek için etkin bir şekilde işleyişlerini kontrol ve takip etmeli ve çok hızlı değişen piyasa koşullarına ayak uydurabilmelidir. Şirketlerin kendi işleyişleri hakkında detaylı bilgi sahibi olmalarının yanı sıra piyasada rekabet ettikleri rakip firmalar hakkında da bilgi sahibi olmaları gerekmektedir. Rekabetçi ortamda piyasa şartlarını bilmek, rakipleri doğru bir şekilde analiz etmek, kendi şirketinizin performansını doğru bir şekilde ölçmek ve bunlara bağlı olarak şirketinizin geleceği hakkında doğru kararlar alabilmek, şirketlerin ayakta kalabilmesi için en önemli gerekliliklerdendir.
Şirketlerin böyle önemli kararları alabilmeleri ve uzun süre işleyişlerini başarılı bir şekilde yürütebilmeleri için alınacak kararlarda doğru girdilerin sağlanması gerekmektedir. Bu da, ancak şirketlerin hem kendileri hem de rekabet ettikleri ortamlarla ilgili verileri doğru bir şekilde saklaması ve gerektiğinde de bu verileri analiz edip doğru iş kararları alması ile mümkündür. Kısacası hem şirketin işleyişi için gerekli olan anlık verilerin doğru bir şekilde saklanması, hem de geçmişe yönelik analiz işlemleri yapılarak geleceğe yönelik doğru kararlar alınabilmesi gerekmektedir. Günümüz teknolojilerinde, yukarıda bahsedilen ihtiyaçların karşılanması için İş Zekâsı projeleri şirketler tarafından yürütülmekte ve bu sayede rekabet ortamında avantaj sahibi olmanın yolları aranmaktadır.
İş Zekâsı Projeleri genel olarak 3 başlık altında toplanabilir;
Başarılı bir İş Zekâsı projesinin temelinde temiz ve güvenilir verilerle çalışmak yatmaktadır. Ne kadar başarılı bir proje geliştirildiği düşünülürse düşünülsün, analiz edilecek olan veri güvenilir (gerçeği yansıtmayan) değilse, proje sonunda elde edilecek olan sonuç hatalı olacaktır. Yazılım dillerinde sıklıkla kullanılan FIFO (First-In, First-Out) ve LIFO (Last-In, First-Out) kavramları gibi İş Zekâsı Projelerine temiz ve güvenilir veri sağlanamaması durumunda da GIGO (Garbage-In, Garbage-Out) durumu ile karşılaşılacaktır.
1. Veri Ambarı (Data Warehouse)
Şirketlerde veri, her zaman Microsoft SQL Server, Oracle Database, IBM DB2 gibi veritabanı yönetim sistemlerinde tutulmamaktadır. Bunun başlıca sebebi şirketlerde operasyonel seviyelerde gerçekleştirilen işlemlere ait verilerin her bir birim tarafından kendi veritabanı sistemini kullanmasıdır. Her bir birimin sakladığı veya kullandığı veriler Microsoft SQL Server, Oracle Database, IBM DB2 gibi İlişkisel Veritabanı Yönetim Sistemi (RDBMS)’ni kullanabileceği gibi, MS Excel, MS Access, SharePoint Listesi, CSV dosyası, Text dosyası ve hatta bir uygulama tarafından sağlanan Web Servisi bile kullanılabilir. Farklı yerlerde ve farklı formatlarda tutulan verilerin tek bir merkezi veritabanında toplanması ile Veri Ambarı adı verilen veritabanları oluşturulmaktadır. Verilerin farklı sistemlerden alınıp, üzerinde gerekli dönüşümlerin gerçekleştirilmesi ile Veri Ambarı’ na aktarılması sürecine ETL (Extract – Transform – Load) adı verilmektedir. Bu süreçte veriler üzerinde gerekli değişiklikler yapılabilmekte ve veri kalitesini (Data Quality) artırma çalışmaları gerçekleştirilmektedir. Veri kalitesini artırma adımında tekrar eden verilerin tespit edilip gerekli eleminasyon işlemlerinin yapılması (Deduplication) ve veri temizliği işlemlerinin yapılması (Data Cleansing) bulunmaktadır.
Microsoft SQL Server Integration Services (SSIS) kullanılarak yukarıda belirtilen ETL süreçleri tasarlanabilir, Business ihtiyaçlarına uygun olacak şekilde veri kalitesini artırma çalışmaları Data Quality Services (DQS) ve Master Data Services (MDS) kullanılarak gerçekleştirilebilmektedir.
Bilge Adam Bilişim Grubu bünyesinde verilen kurumsal eğitimler içerisinde, Veri Ambarı tasarımı, ETL süreçlerinin oluşturulması ve veri kalitesini artırma operasyonlarının, SQL Server Integration Services (SSIS) servisi kullanılarak nasıl gerçekleştirilebileceği eğitimi de bulunmaktadır. 10777 kod numaralı, Implementing a Data Warehouse with Microsoft SQL Server 2012 eğitimi yukarıda bahsedilen Veri Ambarı oluşturulması süreçlerinin detaylı olarak aktarıldığı bir eğitimdir. Bu eğitimle ilgili daha detaylı bilgi sahibi olmak ve eğitime başvurmak için aşağıdaki linkten faydalanabilirsiniz. Ayrıca sahibi olduğunuz veri üzerinde kurumunuza özel (Custom) eğitimler ve İş Başında Eğitim (On The Job Training) gibi yaklaşımlarla size uygun olabilecek seçeneklerden faydalanabilirsiniz.
2. Veri Modelleme ve Raporlama (Data Modeling & Reporting)
OLTP (Online Transaction Processing) sistemler genel olarak şirketteki işleyişin organizasyonel seviyede yürütülmesini sağlayan ve veritabanlarına veri ekleme, güncelleme ve silme işlemlerinin yoğun olarak gerçekleştirildiği sistemlerdir. Tasarımları ve optimizasyonları bu çerçevede olduğu için OLTP sistemler üzerinde veri analizinin yapılması ve geçmişe yönelik tarihsel verinin (historical data) tutulması pek tercih edilmemektedir. Kritik sistemler üzerinde veri analizleri yürütememek OLTP sistemlerin zayıf yanlarındandır. Üzerinde analiz yapılacak olan veriler OLTP sistemlerden farklı olarak Veri Ambarı denilen, hacmen büyük verilerin rahatlıkla sorgulanabildiği yapılarda saklanır. Veri analizi ve raporlama gibi veri içerisinden anlamlı bilgiyi çıkartma işlemlerini, Veri Ambarı tasarımı yaparak OLTP sistemlerdeki normalize edilmiş verileri en uygun şekilde raporlayacak biçimde saklamak gerekmektedir. Böyle bir yapıda, verinin bütünü tek bir noktadan yönetilerek tutarlılığı sağlandığı gibi, hacmen büyük analitik yaklaşımlar canlı sistemlerde performans sorunları yaşanmadan kullanıcılara servis edilebilmektedir.
Her ne kadar Veri Ambarı yapısı denormalize edilerek oluşturulsa ve daha çok veri okumaya yönelik olarak optimize edilse bile her geçen zaman büyüyen veri miktarı nedeniyle analitik raporların Veri Ambarı üzerinden sorgulanması uzun sürebilmektedir. Bu sebeple analitik raporların daha hızlı işlenerek, son kullanıcıya zaman kaybettirmeden sunulması için OLAP (Online Analytical Processing) sistemler geliştirilmiştir. OLAP sistemler kullanılarak Veri Ambarı’ nda tutulan veriler kaynak olarak kullanılmakta ve çok boyutlu veri modelleri (multidimensional data modeling) oluşturularak analitik raporlar çok daha hızlı bir şekilde son kullanıcıya sunulabilmektedir.
Microsoft SQL Server Analysis Services (SSAS) kullanılarak çok boyutlu veri modelleri (Multidimensional Cube, Tabular Data Model) oluşturulabilmekte ve oluşturulan bu veri modelleri bir çok raporlama aracı tarafından veri kaynağı olarak kullanılabilmektedir. Oluşturulan bu model üzerine Multidimensional Expression (MDX) denilen sorgulama dili kullanılarak veri dağıtımı gerçekleştirilebilmektedir.
Microsoft SQL Server Reporting Services (SSRS) kullanılarak hem OLTP sistemler üzerinde, hem de Veri Ambarı ve OLAP sistemleri üzerinde çeşitli raporlar ve görseller oluşturulabilmekte ve bu raporların güvenlik yönetimi, dağıtımı ve performans yönetimi gerçekleştirilebilmektedir.
Microsoft SQL Server Analysis Services (SSAS) kullanılarak veri modellerinin nasıl oluşturulduğu ve SQL Server Reporting Services (SSRS) kullanılarak rapor ve grafiklerin nasıl oluşturulduğu, dağıtımının nasıl gerçekleştirildiği ve rapor güvenliğinin nasıl sağlandığı ile ilgili detaylı bilgiler, Bilge Adam Bilişim Grubu bünyesinde kurumsal müşterilere verilmekte olan 10778 kod numaralı Implementing Data Models and Reports with Microsoft SQL Server 2012 isimli eğitimde aktarılmaktadır. Bu eğitimle ilgili daha detaylı bilgi sahibi olmak ve eğitime başvurmak için aşağıdaki linkten faydalanabilirsiniz.
İş Zekâsı projelerinde ve kurumlardaki ilgili raporlama birimlerinde en çok kullanılan raporlama aracı Microsoft Excel’ dir. 1987 yılından beri veri analizinde kullanıldığını göz önüne alınırsa, Excel iş birimlerinin rahatlıkla veri analizlerini gerçekleştirebildiği ve bu sonuçları yorumlayabildiği araçlardan biridir. Günümüzde, Excel’ in veri kaynağı olarak kullanamadığı bir platform yok demek yanlış olmayacaktır. Raporlama birimlerinin, iş zekâsı geliştiricilerine ihtiyaç duymadan (Self Service BI) rahatlıkla rapor geliştirerek görseller oluşturabilecekleri özelliklerin anlatıldığı uygulama yöntemleri ile ilgili detaylı bilgiler, Bilge Adam Bilişim Grubu bünyesinde kurumsal müşterilere verilmekte olan Power BI isimli eğitimle aktarılmaktadır. Bu eğitimle ilgili daha detaylı bilgi sahibi olmak ve eğitime başvurmak için aşağıdaki linkten faydalanabilirsiniz.
3. Veri Madenciliği (Data Mining)
OLTP sistemler kullanılarak günlük sorulara cevaplar aranmaktadır. Benzer şekilde OLAP sistemler kullanılarak tarihsel veriler üzerinde sorgulamalar yapılmaktadır. Veri Madenciliği, şirketlerin yıllarca biriktirdikleri veri üzerinden geleceğe yönelik tahminler yapılabilmesini sağlar. Veri Madenciliği, milyonlarca satır büyüklüğündeki bir veri kümesinde, gözle ya da el yordamıyla yapılacak herhangi bir analizle belirlenemeyecek veri desenlerini ortaya çıkartır. Veri Madenciliği, veri üzerinde yapılan analizlerin sonucunda veriyi bilgiye dönüştürme sürecidir. Veri desenlerini belirleme sürecinde karmaşık algoritmalar kullanılır. Sonuç olarak bilgiye dönüşen veri sayesinde geleceğe yönelik tahminleme (forecasting), doğru müşteriye doğru ürünleri ulaştırma, real – time önerilerde bulunma veya müşteri risk puanı belirleme gibi birçok sorun için strateji belirlenebilmesine olanak sağlar.
Microsoft SQL Server Analysis Services (SSAS) kullanarak İş Zekâsı geliştiricileri veri madenciliği için veri modelleri oluşturabilmekte ve modelleri birbiriyle kıyaslayarak doğrulama işlemleri yapabilmektedirler. Benzer şekilde iş birimlerindeki ilgili kişiler seçtikleri veri kümesi üzerinden Microsoft Excel kullanarak model oluşturma, bu modelleri doğrulama işlemlerini ,daha önce Veri Madenciliği üzerine çalışma yapmamış olsalar bile, kendi başlarına (Self Service BI) yapabilirler. Bu uygulamaların detaylı anlatımları, Bilge Adam Bilişim Grubu bünyesinde kurumsal müşterilere verilmekte olan Data Mining eğitiminde aktarılmaktadır. Bu eğitimle ilgili daha detaylı bilgi sahibi olmak ve eğitime başvurmak için aşağıdaki linkten faydalanabilirsiniz.
Yürütülmekte olan İş Zekası Projeleri için en önemli adımlardan birisi de raporların dizaynı ve son kullanıcıya sunuş şeklidir. Hangi durumlarda dashboard kullanılması gerektiği, hangi durumlarda tablo veya matrix yapısının tercih edilmesi gerektiği, raporlarda ve grafiklerde tercih edilmesi gereken renk tercihleri gibi raporların efektif bir şekilde tasarlanması ile ilgili detaylı bilgilere, Bilge Adam Bilişim Grubu bünyesinde kurumsal müşterilere verilmekte olan Effective Report Design Method and Techniques eğitiminde bulabilirsiniz.
Alanında uzman danışmanlarımızla görüşerek kendi ihtiyaçlarınızı belirleyebilir, bu ihtiyaçlar doğrultusunda size uygun olan eğitim ya da danışmanlık modelini seçebilirsiniz. Ayrıca danışmanlarımızla görüşerek kurumunuzun ihtiyaç duyduğu eğitimler hakkında bilgi alabilir hatta kendi eğitim içeriğinizi oluşturabilirsiniz.
Şirketler tarafından yürütülmekte olan İş Zekâsı Projeleri’nin etkin bir şekilde devam edebilmesi için birçok konu üzerinde detaylı bilgi sahibi olunması ve karşılaşılabilecek olan sorunlara ve çoğu yerde uygulanması gereken best practice’lere hâkim olunması gerekmektedir. Bilge Adam Bilişim Grubu, şirketler tarafından yürütülmekte olan İş Zekası Projeleri için Danışmanlık Hizmeti vermekte ve aynı zamanda şirketlerin kendi verileri üzerinde çalışılabilecek bir eğitim modeli olan İş Üzerinde Eğitim (On The Job Training) hizmetini de sunmaktadır. İş Zekası alanında yukarıda bahsedilen ihtiyaçlar doğrultusunda olabilecek eğitim, danışmanlık ve proje taleplerinizi www.egitimtakvimi.com ve www.bilgeadam.com üzerinden iletişime geçerek iletebilirsiniz.