SAKARYA NVERSTES

ZEKASI UYGULAMALARI
Hafta 1-2
Yrd. Do. Dr. Kadir HIZIROLU

Bu ders ieriinin basm, yaym ve sat haklar Sakarya niversitesine aittir. "Uzaktan retim" tekniine uygun olarak hazrlanan bu ders ieriinin btn haklar sakldr. lgili kurulutan izin almadan ders ieriinin tm ya da blmleri mekanik, elektronik, fotokopi, manyetik kayt veya baka ekillerde oaltlamaz, baslamaz ve datlamaz. Her hakk sakldr 2010 Sakarya niversitesi

 ZEKASI ERK letmelerin Zekas (Z) Sistemlerini Uygulama Nedenleri Z Tanm Z Tarihsel Geliimi Z Mimarisi ve Bileenleri Z evrimi Z Projelerine Olanak Salayan Faktrler Bir Z Sistemi Gelitirme Aamalar Z Uygulamalar Z Fonksiyonel Kullanm Alanlar ve Problemleri

LETMELERN ZEKASI SSTEMLERN UYGULAMA NEDENLER letmelerin evresindeki faktrler iletmelere bask yapmaktadr. Bu faktrler: Pazarn durumu Rekabet Kreselleme Dnya ticaretinde artk e-ticaretin byk yer edinmesi Teknoloji ile gelien yeniliki pazarlama metodlar ( Telefonlara mesaj atma, mail, facebook,..) D kaynaklardan yararlanma (Outsource) : letmeler lojistik, IT gibi ileri kendi bnyesinde deil darya yaptrarak kendi iine odaklanyor. Bu tr iler genellikle ucuz i gc ve malzeme avantajndan dolay BRIC lkeleri (Brezilya, Rusya, Hindistan, in) olarak adlandrlan lkelere yaptrlyor. rnein ngilterede kurulmu ve faaliyet gsteren bir irketin ar merkezi faaliyetlerini Hindistana yaptrmas gibi. - Gerek-zamanl ihtiyalar: rnein, bir toplant srasnda, bir blgedeki cironun yzdesine ait bir bilgi istenmesi ve daha nce bu bilgiye ait bir raporun tutulmam olmas sz konusu olsun. Bu bilgiye bir tula hemen ulaabilme ihtiyac. Mteri talepleri - Mteri ihtiyalarnn farkllamas, mterilerin kendilerine zel ihtiyalar talep etmesi. rnein bir telekomnikasyon firmasnn tm mterilerine 500 sms hediye etmesi her zaman anlam tamyor, nk ok az mesaj atan fakat daha fazla konuan mteriler var. Dolaysyla, sms kullanan mterilere bedava mesaj, dier mterilere bedava konuma sresi hediye etmek daha anlaml bir zmdr. - rn eitlilii, kalitesi, sresi ve hzndan kaynaklanan ihtiyalar. rnein mteri hizmetlerinde harcanan srenin en az olmas. - Gnmzde rn-eksenli pazarlama stratejisi deil, mteri-eksenli strateji uygulanmakta, nk mteri sadakati ok dktr. rnein numara tama kampanyasyla kullanclar ok hzl bir ekilde firma deitirirken, baka bir kampanyayla baka bir firmaya abone olabilmektedir. -

 Teknoloji - rnlerin yaam mrlerinin ksa olmas, modasnn abuk gemesi - ok fazla veri kaynann, ok fazla bilgi yknn olmas ve bu bilgilerin etkin hale getirilmesi ihtiyac. rnein Googleda arama yaparken aradn bilginin kmas, gereksiz bilgilerin kmamas. Mevcut Web1, Web2 sitelerin yerine Web3e geilmesi sz konusu. Sosyal - Hkmetlerin, devletlerin basklar: rnein devlet tarafndan bankalarn basel-2 standartlarna gemelerinin istenmesi, Facebook gibi firmalarn barndrdklar bilgileri koruma zorunluluu. - gcnde yaanan deiim: Kadnlarn igcne daha fazla katlmas, Avrupada nfusun yalanmas ve retilen ara yzlerin bu kesimin kullanmna uygun olmas gerei. - Firmalarn sosyal sorumluluk projeleri - Srdrlebilir kalknma planlar Dier Operasyonlarn daha etkin ve verimli hale getirilmek istenmesi Karar vermenin iletmenin btn seviyelerinde ortaya kmas effaflk ve demokratikleme ihtiyac Verilerin ounun eski (legacy) sistemlerde bulunmas ve bu tarz sistemlerin kullansz arayzleri. Kullanc-dostu sistemlere olan ihtiya. ERP gibi sistemlerde veriler, basit raporlarn alnmas amacyla tutulmaktadr, fakat bu sistemler ani durumlarda ortaya kan sorgulama ve analizlere cevap verememektedir. Kayt yerine, veriyi bilgiye dntrebilecek sistemlere olan ihtiya. Bilgiyi ksa srede elde etme ihtiyac. Geleneksel sistemlerde uzun ura isteyen abalar sz konusudur, bir raporun karlmas, 1-2 hafta srebilmektedir. Ama artk o anda, bilgiye hzl eriim gerekmektedir. Verinin farkl zaman dilimlerinde veya lokasyonlarda farkll dolaysyla ortak bir veri ambar zerine dayanan bir sistem daha ok anlam ifade ediyor. rnein 24 saatlik sat rakam ile 2 saatlik sat rakam farkll karar ok deitirebilir, veri ambarlar, tarihsel, kronolojik olarak bilgiyi tutabilmektedir.

Bu basklara iletmeler u organizasyonel tepkilerle cevap verir: Stratejik ibirlii Otomasyon sistemleri E-ticaret Yeni i modelleri irket evlilikleri

Bu tepkiler de Zeks, Karar Destek Sistemleri, Ynetim Bilgi Sistemleri (MIS) uygulamalaryla destekleniyor. Bu Bask-Tepki-Destek modeli ekil1de gsterilmitir.

ekil1. Bask-Tepki-Destek Modeli

ZEKASININ TANIMI Zekas, matematiksel modeller ve analiz metodolojilerinin btndr. letmelerin kendi bnyelerindeki veya dardaki verilerden kendi isletme amalarna ilikin faydal, anlaml, stratejik avantaj salayacak bilgi karlmasna Zekas denir. Bu bilginin zellikleri: 1) Sonu odakl: bilgi sonuca gtrebilmelidir. 2) Geree dayal: bilgi gereklere dayal ve probleme ilikin olmaldr. 3) Harekete geiren: bilgi harekete geirebilir, uygulanabilir olmaldr. Doru bilgiyi, doru zamanda, doru insanlara aktarmak gerekir. Bu erevede veri ve bilgi eriilebilir olmal, toplanabilmeli, entegre edilebilmeli, tutulabilmeli ve ilgili birimlere (rnein finans blmn, K blm ile ilgili bilgi ilgilendirmez, kendi alanyla ilgili bilgiler gereklidir) datlabilmelidir. Bu bilgiler sayesinde iletmeler renebilmeli, paydalarna tepki verebilmeli, mterilerine ve hissedarlarna arzu ettikleri bilgiyi hzl bir ekilde verebilmelidir. Yeni ve zel durumlara kar tepki verebilmeli, karm yapabilmelidir. rnein bu bilgilerle irket faaliyette bulunduu evreyi yle etkiler, yle bir hamlede bulunur ki, hissedarlarn pay artar, mteri toplar. Bu yzden karar verme iletmenin btn seviyelerinde gereklidir. Farkl kullanclar iin farkl seviyelerde Z gereklidir. Temel raporlardan, sofistike analitik uygulamalara Z karar verme piramidi ekil2de gsterilmitir.

ekil2. Farkl Z kullanclar iin Karar verme piramidi

Z TARHSEL GELM Znin tarihsel geliiminin zetlenmesi iin nce veri, bilgi, biliim ve bilgelik kavramlarnn aklanmas gerekmektedir. Bu kavramlar da hiyerarsik olarak gelimektedir. Veri (Data) > Bilgi (Information) > Biliim bilgi (Knowledge) > Bilgelik (Wisdom) Veri: Tek bana bir anlam olmayan ham bilgidir, gerekler setidir. Bilgi: lenmi ve anlam olan veridir. rnein; 1 hafta iinde 100 TL den fazla alveri yapan mteriler, son 3 ayda aylk alverii %50 den ve mteri kart olan mteriler Biliim bilgi: Bilgiye, tecrbe ve sezgilerin de katlarak karar verilmesi, karm yaplmasdr. - Ak bilgi: Kurum alanlarnn aklndaki bilgidir. - Kapal bilgi: Ak bilginin kiilere, topluma aikar hale getirilmesidir. Bilgelik: karsamann ne kadar aktif ya da pasif olduuyla ilgilidir. Bilgi, yapsallk asndan da 3e ayrlr: Yapsal bilgi: Cinsiyet=E/B, sat rakam=100 TL Yar yapsal bilgi: Anket sorular. Bu sorular anketlerde szeldir fakat SPSS gibi programlara rakamlarla kodlanr. Yapsal olmayan bilgi: Dilsel ifadeler, metinler Bilgi Ynetimi Sistemleri (BYS) yapsal-yapsal olmayan bilgi trlerinin toplanmas, kodlanmas ve ynetimi ile ilgilidir. BYS konular Z iinde kullanlan aralardr. Z`ye yapsal diyemiyoruz, nk metin madencilii gibi yapsal olmayan bilgi trlerinin ilenmesi de sz konusudur. Z, temeli veriye dayanan bir karar destek sistemidir. 1960`lardan 2000`lere kadar teknolojinin gelimesine paralel olarak ortaya kmtr: 1960`lar --- Veri toplama, oluturma, yaratma, veri taban bilgi sistemleri 1970`ler --- likisel veri modelleri, ilikisel veri taban ynetim sistemleri

1980`ler --- Uygulama temelli ilikisel veri taban ynetim sistemleri 1990`lar --- Veri ambar, multimedya veri taban ynetim sistemleri, web teknolojileri, veri madencilii 2000`ler --- zekas zekas genel olarak Karar Destek Sistemlerinin gelimesiyle ortaya kmtr. Bilgisayarl karar destek sistemleri, Tablo1de gsterilmitir. Tablo1. Bilgisayarl Karar Destek Aralar Kategori Veri Ynetimi Aralar Veritabanlar ve Veritaban Ynetim Sistemi karm, dnm ve ykleme sistemleri Veri ambarlar, Gerek-zamanl Veri Ambar ve zel veritabanlar evrimii analitik ileme (OLAP) Ynetici bilgi sistemleri Corafi bilgi sistemleri Gstergeler ok boyutlu sunular performans ynetimi/birliki performans ynetimi Gstergeler ve puan kartlar Veri madencilii Web madencilii ve metin madencilii Web analitii Web 2.0 Realite madencilii

Durum takibi raporlama Grntleme

Strateji ve performans ynetimi

Analitii

Sosyal a Byk apta veri madencilii iin yeni aralar

Disiplin olarak Znin tarihsel geliimi ise; Yonetim Bilisim Sistemleri (Management Information Systems) Yonetim Bilgi Sistemleri (Executive Information Systems) Karar Destek Sistemleri (Decision Support Systems) Is Zekasi Sistemleri (Business Intelligence Systems) eklinde olmutur. Znin evrimi ekil3te gsterildii gibidir.

ekil3. Zekasnn Evrimi

ZEKASI MMARS ve BLEENLER Zekasnn 4 temel bileeni vardr. Bunlar, Veri ambar, Analitii, letme Performans ve Strateji Ynetimi ve Kullanc Arayz bileenidir. 1. Veri ambar: Orta ve byk lekli bir Z sisteminde temel bileendir. evredeki Belirsizlikler yznden isletmeler her trl verinin tek bir havuzda toplanmasna ihtiya duyuyor. Veri ambarlar bu yzden yle tasarlanmaldr ki, yneticiler ileride karlaabilecekleri her trl veriye sahip olsun, nk bugn tutulan fakat kullanlmayan bir bilgi, 2 yl sonra ie yarayabilir. Veri ambar = veri kt bu yzden ok nemlidir. Gemie dayal bilgiler zetlenir. Gerek zamanl KDS tutulur. 2. analitii: En temel anlamda 2 kategoriye ayrlr. Veriden bilginin kefi bizzat bu aralarla olur. Bunlar bir iletmenin kulland veriler olduu iin Znin analitik anlamda, temelinde bunlar vardr:

Statik/dinamik sorgulama Bilgi kefi Szme Raporlama Yapabilen teknolojiler

Veri, Metin, Web madencilii yapabilen teknolojiler Sofistike aralar

ekil4. Analitii aralar

3. letme performans ve strateji ynetimi: Bu bileen, firmann kurumsal olarak Zyi bnyesine katmas ve vizyonu ile ilgilidir. Performans anlamnda Zye st ynetim ihtiya duyar ve tepeden aaya doru baskcdr. Rutin ilerinde kullanclarn kullanmas ve onlarn performansn izleme asndan nemlidir. letmenin performans da llr. 4. Kullanc arayz bileeni: Operasyonel anlamda bilgi grntleme aralar, iletmenin anahtar performans gstergelerini (KPI) o anda kullancya gsteren aralardr. Web portallar, gsterge panelleri, grafikler, vb. Bu bileenler ekil5 ve ekil6da gsterilmitir.

ekil5. Z bileenleri

ekil6. Yksek-seviyeli Zekas Mimarisi

Veri ambarlar i ve d veri kaynaklarndan aldklar verileri, karsama, dntrme, ykleme (ETL) aralaryla merkezi bir veri ambarna veya zel veri tabanlarna (Data Mart) tanyor. zel veri tabanlar, spesifik veri tabanlardr, rnein mteri kayb analizi yapmak iin gerekli tm verilerin tutulduu veri tabanlardr. Tm bu veriler veri ambarnda ilenir. ve d veri kaynaklar ise unlardr: veri kaynaklar: ERP verileri Tedarik zinciri verileri Eski (Legacy) sistem verileri Mteri ynetimi programlar verileri Excel-access verileri, vb. D veri kaynaklar: Web ortamlar Trkiye istatistik kurumu MKB verileri Meteoroloji verileri Gazete, magazine verileri, vb. Analitii, veri kefi, raporlama ve sorgulamay ierir, temel istatistik analizler ve sorgulama aralaryla yaplr. Optimizasyon ksmnda en ok lazm olacak bilgi aranr. analitii aralar arasnda veri madencilii de nemli bir yer tutmaktadr. Dorulama ve keif amal olmak zere 2ye ayrlr:

Veri madencilii 1. Dorulama amal (Verification-driven) veri madencilii: Bu tr veri madenciliinde analistin bir hipotezi vardr ve bu hipotezini dorulamak iin arama yapar; rnein A ile B blgesinin satlar arasnda farklar var mdr? 2. Keif amal (Discovery-driven) veri madencilii: Bu tr veri madenciliinde ise analistin bir hipotezi yoktur; rnein bir snflandrma yaplr fakat ka grup kaca bilinmiyordur, hi grup kmayadabilir. Tahminsel (predictive): Birliktelik kurallar, zaman serileri analizi,.. Tanmlama (discriptive): Gruplama, kmeleme,..

ZEKASI EVRM Z evrimi ekil7de gsterildii gibi 4 aamadan oluur: 1. Analiz: letme iin bir Z sistemi kurulmasnn amalarnn aka tanmlanmasdr. rnein; Mterilerin %70i vodafonedan ayrlyor.

2. Kavrama: Problemi daha iyi, daha derin, sebep-sonu ilikisi ierisinde incelemek, i analitii yapmak. Bu mterilerin profil ve karakteristikleri nelerdir? Bu mterilerin ar merkezindeki 1520 dklk grmelere dayanamadklar bulunuyor. 3. Karar: Aksiyona dntrme. ar merkezi iini darya yaptrma (outsource). Bu sebepten terk eden mteri orann %70den %5e drme. 4. Deerlendirme: Performans lm ve deerlendirme. 1 yl sonra bu oran %1e dtm?

Kavrama Aamas

Analiz Aamas

Karar Aamas

Deerlendirme Aamas ekil7. Z evrimi

Z PROJELERNE OLANAK SALAYAN FAKTRLER Z projelerine olanak salayan faktrler unlardr: Teknoloji: Z sistemlerinin kurumlarda ve kompleks organizasyonlarda geliiminin kolaylamas asndan donanm ve yazlm teknolojilerindeki gelimeler ok nemlidir. Son 20 ylda mikroilemcilerin hesaplama kapasiteleri %100 artmaktayken fiyatlar dmektedir. Bu trend sayesinde endktif renme metotlar ve optimizasyon modelleri gibi ileri seviyedeki algoritmalar, ilem sresini mantkl bir aralkta tutarak uygulamaya izin vermitir. Ayrca, gerek zamanl animasyonlar gibi grntleme teknikleri uygulanabilmektedir. Depolama aralarnn ok hzl bir ekilde artan kapasiteleri de terabaytlar seviyesinde bilginin tutulmasna olanak salamaktadr. a (Intranet) ve d a (Extranet) a badatrclar da Z sistemlerinden elde edilen bilginin datlmasnda nemli bir rol oynamaktadr. Analitik aralar: analitii aralar, bilgi karm ve arttrlmas asndan ok nemlidir. Fakat hala pasif destektirler, karar vermeye aktif olarak yardmc olabilmek iin endktif renmenin ve optimizasyonun daha ileri modelleri uygulanmaldr. nsan kayna: Organizasyonlarn insan sermayelerinin sahip olduu ve paylat bilgi, organizasyonel kltr oluturur. Bilgi iilerinin bilgi kazanm ve sonra bu bilgiyi pratie dntrebilmesi, organizasyonun en nemli varlklarndan biridir ve karar verme srecinin kalitesi zerinde nemli bir etkisi vardr. Kurum ileri seviyede bir Z sistemi kursa da, alanlarn bu bilgiyi analiz etme, sonular yorumlama, yaratc zmler retme, etkili aksiyon planlar

oluturmas iin yetenekli olmas gerekir. Karar verme sitilindeki deiimi kabul eden, kvrak zekaya sahip alanlara sahip firmalar, rakiplerine gre rekabet avantaj elde eder.

BR Z SSTEM NASIL GELTRLR, AAMALARI NELERDR? Bir Z sistemi, proje olarak grlrse ekil8de gsterilen aamalarla gerekletirilir.

ekil8. Bir Z sistemi gelitirme aamalar Z UYGULAMALARI Z uygulamalarn Tablo2de gsterildii gibi sektrel uygulamalar ve Tablo3te gsterildii gibi fonksiyonel uygulamalar olmak zere 2ye ayrabiliriz. iyonel

Tablo2. Sektrel Z uygulamalar DEVLET FNANSAL SERVSLER Uyum raporlama PERAKENDE TELEKOMNKASYON

Vatandalk servisi

Depo operasyonlar analizi

Sahtecilik analizi

Gvenlik

Portfy Analizi

Mteri sadakati programlar birliki planlama ve tahmin Zarar nleme Tedarik zinciri optimizasyonu

Abone analizi

E-devlet

Mteri bildirimleri

Cevap srelerinin iyiletirilmesi lem analizi rn benzerlii/gruplama

Uygulama&yasa nsan Sermayesi Ynetimi

Mteri karll Havale uyarlar ubelerin puan kartlar

Bilgi yaylm

Mteri kazanc, kar

Tablo3. Fonksiyonel Z uygulamalar Analitik uygulamalar Mteri segmentasyonu sorular Mterilerim hangi pazar segmentine giriyor ve karakteristikleri neler? Reklamlara en ok cevap veren mteriler hangileri? deeri Daha fazla mteri memnuniyeti ve karll iin mteri ilikilerini bireyselletir Sadakatleri artmaya meyilli hedef mteriler En ok satnalnan rnlerin kampanya karlln arttr Bireysel i etkileim kararlar al Sahtecilii hemen belirle ve maliyei azaltmak iin nlem al Deerli mterilerin gitmesini nle, daha az deerlilerin gitmesine izin ver Mterilerle ncelikleri ve maliyet ynetimi iin gr

Satnalma eilimi

Mteri karll Sahtecilik tespiti

Mteri kayb

Mterilerin yaam sresi karll nedir? Hangi ilemlerin dolandrclk olduu nasl sylenir? Hangi mterilerin terketme riski var? Her segmentteki mteriye ulamak iin en iyi kanal

Kanal optimizasyonu

nedir? Z FONKSIYONEL KULLANIM ALANLARI VE PROBLEMLER Tedarik Zinciri ve Lojistik Kanal optimizasyonu Tedarik zinciri ynetimi optimizasyonu Lojistik planlama Gelir maksimizasyonu Sipari ve retim very analizi Sre performans ynetimi

Maliyet-Finans Baaba noktas analizi Duyarllk analizi Balancedscorecard Maliyet control Finansal portfy optimizasyonu

Pazarlama - Pazar sepeti analizi - Sat geliri optimizasyonu - Mteri yaam deeri analizi

Kaynaklar: 1. Business Intelligence: A Managerial Approach, 2011, Turban et al. 2. Business Intelligence: Data Mining and Optimization for Decision Making, 2010, Vercellis 3. Business Intelligence for Telecommunications, 2007, Pareek,