İş Zekâsı (Business Intelligence-BI) bir organizasyonun ham verilerini analiz etmek için kullandığı çeşitli yazılım uygulamalarının tümünü kapsayan bir ifade olarak tanımlanabilir. Veri madenciliği, çevrim içi analitik işleme, sorgulama ve raporlama dahil olmak üzere birbiriyle ilgili çeşitli aktivitelerden oluşan geniş kapsamlı bir disiplindir.
İş zekası alanında uluslar arası çözümler üreten Gartner şirketi araştırma bölümü başkan yardımcısı olan Andreas Bitterer iş zekâsını aşağıdaki şekilde tanımlamaktadır :
“İş zekâsı, kuruluşların etkinlik ve finansal fayda elde etmek amacıyla performansla ilgili gerekli kararları en iyi şekilde verebilmeleri ve ölçümleri yapabilmeleri, performansı en iyi şekilde yönetebilmeleri ve optimize edebilmeleri için bilginin kullanılmasıdır.” İş zekâsını daha iyi anlamak için iş zekâsı alanında kullanılan temel teknolojilere bakmakta fayda vardır.
İş Zekası Teknolojileri
OLTP ve OLAP
İş zekâsı alanında kullanılan uygulamaları temel olarak OLTP ve OLAP uygulamaları olarak ikiye ayırabiliriz. OLAP kelime anlamı olarak OLTP ile karşılaştırıldığında temel olarak şu ayrımı ifade eder: çok basitçe OLTP uygulamalarının genel amacı iş dünyasındaki süreçler içerisinde verileri toplamaktır. Temel olarak bütün şirketler için en önemli bilgi karlılıktır. Müşteriyle ilgili bilgilerin, üretimle ilgili bilgilerin, bu üretim için harcamalarla ilgili bilgilerin tutulduğu temel amacı veri toplamak olan uygulamalara temel olarak OLTP uygulamaları denilebilir. Örneğin ERP (Enterprise Resource Planning – Kurumsal Kaynak Planlaması) sistemleri ayrı ayrı vendorlardan alınmak yerine consolide edilmiş ve şirketin yukarıdaki süreçlerinin çoğunu sağlamayı hedefleyen en geniş kapsamlı OLTP uygulamalarıdır. Muhasebe uygulamaları, CRM (Customer Relationship Management – Müşteri İlişkileri Yönetimi) uygulamaları gibi farklı farklı birçok OLTP uygulaması şirketin bünyesinde bulunabilir. Aslında günümüz yazılım sektörüne bakıldığında bu alanda faaliyet gösteren firmaların çoğunun OLTP’ ye odaklandığını görebiliriz.
Yukarıdaki bilgiler ışığında OLAP kavramı ele alınacak olurrsa, OLAP en basit anlatımıyla OLTP uygulamaları tarafından toplanan verilerin biriktirilip bunlar üzerinde analizler yapılmasını sağlayan uygulamalar olarak tanımlanabilir. OLAP uygulamalarının OLTP uygulamalarından farkı elimizde olan büyük boyutlardaki bilgiyi analiz etmeye odaklanmış olmasıdır. OLAP uygulamalarının analiz sonuçları karar destek sistemleri ya da son güncel adıyla iş zekâsı sistemleri tarafından kullanılarak organizasyonların seçilen boyutlardaki (Tarih, Ürün, Müşteri, Coğrafi Bölge, Organizasyonel Hiyerarşi, vb.) gelirler, giderler, karlılık gibi çeşitli metrikleri analiz edilir.
Bahsedilen bu farklılıklardan dolayı OLAP sistemlerinin veri modellerinin de yukarıda anlatılan ve hedeflenen farklı ihtiyaçlara yönelik olarak OLTP sistemlerinden farklı olması gerekmektedir. OLTP sistemlerin veri modelleri birim zamanda maksimum işlemin kayıt altına alınmasını sağlamak için optimize edilmiş tasarımlar iken, OLAP sistemlerinin veri modellerinin şirket için en yararlı boyutlarda şirkette mevcut olan bütün verilerin en hızlı şekilde analiz edilmesi ve raporlanmasına olanak verecek şekilde tasarlanması gereklidir. OLAP teknolojileri mevcut veritabanındaki değişiklikleri kullanıcı sorgularına çoğu zaman anında yansıtacak şekilde çalışırlar.
OLAP veri modelinin OLTP’ den farklı olmasının bize getireceği en önemli artı kesinlikle yalnızca performans değildir. OLTP veri modeli her OLTP uygulaması için ona uygun olarak tasarlanırken, OLAP veri modeli bütün OLTP uygulamalarının çapraz sorgulanmasına olanak sağlayacak bir yapıda tasarlanmalıdır. Veri ambarı içerisinde birden fazla OLTP veri kaynağından üretilen veriler bir araya getirilerek bir arada analiz edilebilir. Bunun dışında farklı OLTP sistemlerindeki farklı boyutların şirket çapında ortak boyutlarda birleştirilerek, bunlar kullanılarak analizlerin yapılabilmesine olanak sağlar. Örneğin iki farklı sistemde olan satışlar ve müşteriler, ortak bir müşteri boyutunda ve ortak bir satış gerçekleri tablosunda toplanır. Bu sayede ortak müşteri boyutu sayesinde aynı müşteri için toplam satış rakamı bulunabilir.
OLTP sunucular firmanın bütün hareketlerini kaydeder. Amacı bütün işlemlerin bu sunucu üzerinden yapılması, dolayısıyla hareketlerin kontrolünü sağlamaktır. OLTP sunucusundan alınan bilgiler analiz için ayrı bir sunucuya aktarılıyorsa, hedef sunucu OLAP sunucusudur (Şekil 1). Bu kavram, analiz için hedef alınan tüm sunucuları kapsar. OLAP verilerin analiz için hazır tutulduğu sunucudur.
Veri Marketi
Bir veri marketinin temel özelliği, konu odaklı ve departman bazlı bir depolama birimi olmasıdır. Temel olarak veri ambarının boyut olarak küçüğü veri marketi ismini alır. Organizasyonlar analiz birimi olarak bazen doğrudan veri marketlerini kullanırlar. Ancak veri marketleri tek bir kaynaktan beslenebilir. Yani tek bir OLAP sunucusu veri marketi olabilir. Ayrıca veri ambarını belli bir amaç için özelleştirirsek buna veri marketi olarak isimlendirebiliriz. Bir OLAP çözümünde tek bir nesneye odaklanılır. Bu nedenle tek başına veri ambarı denilmez, buna DATA MART denir. Birden fazla datamart veya OLAP bir araya geldiğinde ise buna veri ambarı denir.
Farklı veri tabanlarında bulunan bilgiler arasında ilişki kurularak veri ambarında depolanıyor. Oluşturulan veri ambarı bir OLAP uygulamasıdır. Veri ambarından sağlık sigortaları ile araba sigortalarını ayırarak başka bir yapıya aktarıyoruz. Veri ambarına oranla daha küçük boyutta olan bu yapı ise veri marketleri adını alır.
Veri Ambarı
Bir veri ambarı verilerin bir yerden başka bir yere transferinden ziyade veriler üzerinde sorgulama ve analizler yapılmasına imkân tanıyan bir ilişkisel veri tabanıdır. Farklı yerlerden transfer edilmiş verileri kendi yapısında bulundurduğu gibi farklı veri kaynaklarını da içerebilir. Veri ambarları verinin analiz edilmesi ile transfer edilmesi arasındaki iş yükünü birbirinden ayırdığı için, kullanıcılar farklı veri kaynaklarındaki verileri kullanabilirler.
Veri ambarları ilişkisel veri tabanı olmalarının yanında kullanıcılarına beraberinde OLAP (On-Line Analytic Process), ETL (Extraction Transfer and Loading) çözümleri sunan, veri madenciliği imkânları tanıyan ve verilerin toplanması ve kullanıcılara istedikleri şekilde sunulabilmesi için bir takım kullanıcı analiz araçları ve uygulamaları hizmeti verebilen bir ortamdır.
Veri ambarlama konusunda uzman, alanında 36 adet kitap ve 350 den fazle makalesi bulunan Bill Inmon tarafından veri ambarlama aşağıdaki 4 adımda karakterize edilmiştir.
Veri ambarları nesne merkezlidir. Veri ambarları verilerin analiz edilebilmesi için kurulurlar. Örneğin bir şirketin satış verileri ile ilgili bilgilere ulaşmak istiyorsanız, şirketin satışlarına konsantre olan, odaklanan bir veri ambarı tasarlayabilirsiniz. Böylece bir önceki sene şirketin satışa sunduğu ürünlerden herhangi birini en çok hangi müşterinin satın aldığı sorusuna cevap verebilirsiniz. Bu şekilde nesne üzerine odaklanan veri ambarları nesne odaklı veri tabanı adını alır.
Veri ambarları entegre bir sistemdir. Bütünleme aslında nesneye odaklanma ile oldukça ilişkilidir. Veri ambarları farklı kaynaklarda bulunan verileri ortak bir yerde toplayıp tutarlı hale getirmek durumundadırlar. Aynı zamanda adlandırma problemlerini de çözebilmelidirler. Bunu gerçekledikleri zaman entegrasyon problemi de çözümlenmiş olur.
Veri ambarları değişken değildirler. Bunun anlamı veri ambarına bir defa giren bir veri, veri ambarı içinde iken bir daha değişmemelidir. Bu da oldukça mantıklıdır. Çünkü veri ambarını kullananlar verilerin analizi ile ilgilenirler. Veri ambarı içinde bulunan verilerin devamlı değişikliklere uğraması istenen bir durum değildir.
Veri ambarları zamanla büyür. Zaman ilerledikçe veri ambarına giren veri miktarı artmış olacağından veri ambarı zamanla büyür. Bu da analistlerin analiz yaparken daha fazla veri kullanabilmelerine imkân tanır.
3,950 total views, 1 views today
