Stajımın ilk gününden beri gerek
bana verilen BI dokümanını okuyarak gerekse internette araştırma yaparak iş
zekası hakkında birçok bilgi sahibi oldum. Öncesinde de iş zekasının bir alt
çalışma dalı olarak değerlendirilebilecek veri madenciliği konusunda bir ders
almıştım. Bu anlamda stajımı yaptığım deaprtman benim için bir şans olmuş oldu.
Veri madenciliği, iş zekasının bir parçası olup; ilerleyen yazılarda veri
madenciliği üzerinde duracağım.
Öncelikle iş zekasının tanımını
yapmak gerek. İş zekası ya da İngilizce terminolojisiyle business Intelligence,
bir şirketin geçmiş verileri kullanarak bunlardan sonuçlar çıkarmasıdır. Bu
sonuçları çıkarmaktaki amaçlar verimi artırmak, geleceğe dair tahminlerde bulunmak
olarak belirtilebilir. İş zekası son zamanlarda bilişim şirketleri arasında pek
revaçta. Bu konuda çalışan birçok bilişim şirketi var; zira geleceğe dair tahminlerde
bulunmak ve bu tahminleri kâra dönüştürmek, ilerlemek ve rakipleri geride bırakmak için bulunmaz bir
nimet. İş zekası üzerine çalışmak, şirketlere yeni kapılar açtığı gibi
yazılımcılar için de iki farklı çalışma alanı yaratmış durumda. Şöyle ki iş
zekası alanında çalışan kişiler yani iş zekası yöntemlerini kullanarak
şirketlere çeşitli sonuçlar sunan kişiler yazılımcılardır. Bu yazılımcılar, bu
sonuçları iş zekası araçlarını (tools) kullanarak elde ederler. Peki bu iş
zekası araçlarını kim yapacak? Tabii ki yazılımcılar! Ancak ben hem stajımı ilk
kategoride yaptığım hem de araçları yapan kişilerin seviyesine “henüz” ulaşmadığım
için yazıma “çeşitli araçlar ile sonuç elde etmek”ten bahsederek devam
edeceğim. J
İş zekası üzerine çalışmak demek
öncelikle bir “bilgi” havuzuna ihtiyaç duymak demektir. Bu havuzda iş zekasını
kullanacak şirketin çalışma alanına göre, müşteri bilgisi, proje bilgisi,
çalışan bilgisi vb. bulunabilir. Bilgi havuzu gündelik bir tabir tabii. Bunun
yazılımca’daki karşılığı ise veri tabanı. İş zekası, veri tabanından bilgi çekmeyi ve bu
bilgileri yorumlamayı gerektirir. Bilgileri çekmek ve yorumlamak için
kullanılabilecek ortamların bazıları: WebFocus, SAS Enterprise BI Server, SAP NetWeaver BI, Oracle Enterprise BI Server, Microsoft BI tools, IBM Cognos Series 10, Business Objects Enterprise XI olarak sıralanabilir. Bu tarz araçların bayağı çok olduğunu da belirteyim.. :)
Benim staj yaptığım Yapı Kredi
Bankası’nda bu araçlardan SAP BI kullanılıyordu. Ben de Yapı Kredi’deki proje
mühendislerinin değerli katkılarıyla bu aracı kullanmayı öğrendim. Ancak iş
zekası için bu araç tek başına yeterli değil. Kendi staj alanıma göre anlatmak
gerekirse; öncelikle SAP Business Object Universe Tool’u ile bir nevi ER
diyagramı tasarlanıyor. ER diyagramlarının bu araçtaki adı “universe”. Ayrıca bu
diyagramların aralarındaki ilişkilere göre rapor oluşturmak için Toad for
Oracle adlı araç kullanılıyor. Bu araç ile Oracle SQL kullanılarak veri tabanı
kodlaması oluşturuluyor. Daha sonraki aşamada bu kodlamalar kullanılarak rapor
görsel olarak oluşturuluyor. Bu görselleştirme işlemi için kullanılan araç ise
SAP Launch Pad denen web üzerinden erişilen bir platform. Tüm bu zahmetlerin sonunda
oluşturulan rapor, işte tam da iş zekasının tanımını veriyor. Şirketlerin
ilgili departmanları, yazılımcıların/IT'cilerin tasarladıkları sistemi kullanıp; belirli kriterlere göre
oluşturdukları raporlara bakarak geçmişteki işlerden sonuç
çıkarıp; bu sonuçları gelecekteki işlerde kullanıyorlar. Örneğin; rapordan
çıkarılan sonuçlara göre müşterilere hitap edecek şartların ne olduğunu
bildikleri için buna uygun bir kampanya tasarlıyorlar. Bu tahminleri de şirketlere
kâr olarak geri dönüyor. Aslında iş zekası bu noktada, geçmişteki hatalardan ders çıkarmak olarak da nitelenebilir. :)
Bugünkü yazıda iş zekası hakkında
genel bilgi verdim. İş zekası ile ilgili kavramlara daha sonraki yazıda
değinmeyi planlıyorum. Kim bilir belki ileride, kullandığım aracı anlatacak seviyeye bile gelirim.. J
Hiç yorum yok:
Yorum Gönder