Gelişmiş
Arama
  1. Anasayfa
  2. Strateji
  3. İş Zekası Modeli Nedir?

İş Zekası Modeli Nedir?

  • 13 February 2021
  • 22 Görüntülenme
  • 0 Yorum

Bu yazı, İş Zekası Modeli’nin (BIM) pratik bir açıklamasını sağlar. Okuduktan sonra bu güçlü strateji aracının temellerini anlayacaksınız.

İş Zekası Modeli (BIM) nedir

İş Zekası Modeli (BIM), etkin bir stratejik plan oluşturmak ve belirli bir zaman dilimi içinde karar verme için taktik ve operasyonel içgörüler oluşturmak için işletmelere ham verileri anlamlı ve yararlı bilgilere dönüştürme fırsatları sunan bir modeldir. Sonuçta, bu bilginin doğru kişilere, doğru zamanda ve doğru kanaldan ulaşması gerekiyor. Kuruluşlar büyük miktarlarda bilgi toplar. Bunlar genellikle gerçekler ve büyük veri zincirleri gibi ham verilerdir. Bu bilgi, veri, işlenmesi ve yorumlanması gerekir çünkü organizasyon içinde yeni fırsatlar yaratır ve bu da rekabet avantajı sağlayabilir. İş Zekası’nın (BI) amacı, organizasyonun stratejisine bağlıdır. Bu genellikle iş hedefinden veya misyon beyanından türetilir.

Richard Millar Devens, 1865’te Cyclopaedia of Commercial and Business Anecdotes’e Business Intelligence (BI) terimini sundu. Daha sonra 1958’de IBM bilgisayar bilimcisi Hans Peter Luhn, teknoloji kullanımı yoluyla BI’nin potansiyeli hakkında bir makale yayınladı.

İş Zekası Uygulamaları ve Araçları

İş Zekası (BI), kendi başına bir ürün veya sistem değildir. Daha sık olarak, İş Zekası Modeli (BIM), operasyonları ve karar verme sürecini destekleyen entegre uygulamalar ve veritabanları koleksiyonunu içeren bir mimari olarak adlandırılır. Bunlar, iş dünyasına iş ve pazar verilerine kolay erişim sağlar. Bu tür İş Zekası (BI) uygulamaları, etkinlik ve karar destek sistemlerini (DSS), sistemleri, raporları, online analitik işleme (OLAP), statik veri analizlerini, prognozu ve veri madenciliğini destekler.

DSS

Karar Destek Sistemi (KDS), yöneticiler ve planlamacılar tarafından karar verme için kullanılan bir bilgisayar destek sistemidir. DSS, iyi bilgilendirilmiş ve üzerinde düşünülmüş kararlar almak için insan düşünce ve modelleme sistemlerini birleştirir.

Örneğin, DSS lojistik çözümlerde kullanılır. Envanter listesi büyük olan bir işletme, tedarik zincirinde hareket oluşturmak için DSS’yi kullanabilir.

OLAP

Online Analitik İşleme (OLAP), iş dünyasının karar verme sürecinde çok kullanılan bir başka etkili BT çözümüdür. Bu sistem ile karar verme sürecinde iki önemli faktör olan analiz ve raporlama için hızlı bir şekilde hesaplamalar yapmak mümkündür. Sistem, hızla analiz ettiği merkezi iş verilerine erişime sahiptir. Burada oluşturulan içgörüler karar verme sürecinde kullanılır. DSS ve OLAP gibi uygulamalar da İş Zekası Modeli’nde (BIM) görünür.

OLTP ile karıştırılmaması gereken OLAP, genellikle büyük miktarda veri, Büyük Veri ile birlikte gelir. Müşterilerinin online bankacılık davranışlarının neye benzediğini analiz eden banka çalışanlarını düşünün. OLAP önce tüm müşterilerin banka hesaplarından veri ister, kullanıcı aktivitesini analiz eder ve ardından içgörüleri karmaşık olmayan bir şekilde sunar.

Veri depoları

Yazılımın yukarıda açıklanan kullanım için çok sayıda veriye, merkezi veya merkezi olmayan şekilde erişmesi gerekir. Veriler farklı şekil ve boyutlarda gelir. Bazı veriler sistemlerden gelir, diğerleri ise belirli bir departman tarafından yönetilen bir veritabanından gelir. Genellikle otomatik olarak oluşturulan raporlarla veya Excel’de manuel olarak tutulan listelerle ilgilidir.

İş Zekası Modeli (BIM) Yol Haritası

İş Zekası (BI) genellikle gerçekte olduğundan daha zor olarak kabul edilir. Doğal olarak, iş veya pazar açısından hassas bilgilerin toplanması ve işlenmesi hassas bir süreçtir ama İş Zekası Modeli’nden (BIM) altı adımlı yol haritasıyla daha kolay hale gelir.

1. Toplama ve Girdi

İlk adım, verileri toplamak ve bunları İş Zekası (BI) sistemine bağlamaktır. Hangi sistemin kullanıldığına bağlı olarak, sistem, merkezi bir veri tabanından olabildiğince çok ilgili veriyi almak üzere sipariş edilebilir ama Excel belgeleri de eklenebilir. Kaynak ve veri türlerinde yüksek bir çeşitlilik vardır ve bunların hepsinin kendi istek ve girdi yolları vardır.

2. Hazırlık

Girişin ardından, tüm veriler doğru formatta mevcut değildir. Bu özellikle, örneğin nitel ve nicel bilgiler gibi birden fazla veri türünün birlikte kullanılması gerektiğinde geçerlidir. Bu, verilerin genellikle analiz için hazırlanması gerektiği anlamına gelir. Bu hazırlık aşamasında olur. Burada ham veriler, net bir veri koleksiyonuna dönüştürülür.

Bu aşama genellikle çok zaman alır ama güvenilir ve verimli analiz için çok önemlidir. Ham veriler, IBM’in SPSS’si gibi istatistiksel yazılımda günlüğe kaydedilebilir, bu da onu temizler ve kategorilere ayırır. Veri kümeleri, Büyük Veri’de olduğu gibi büyükse, başka, gelişmiş teknolojilere ihtiyaç vardır.

3. Filtreleme

Artık tüm veriler toplanmış, temizlenmiş ve girilmiş olduğuna göre, ilgili verilerle bir seçim yapılmalıdır. Geçtiğimiz beş yılın müşteri davranışı verilerinin mevcut olması söz konusu olabilir ama yönetici yalnızca son iki yılın verilerini kullanmak istiyor.

4. Analiz

Veriler çalışabilir bir formatta olduğunda, gerçek analiz başlayabilir. İş Zekası Modeli’nde (BIM) konu budur. Verilerin hangi kesitinin yapılması gerektiğine burada karar verilir. Aylık ve yıllık ortalamalar, segment başına, iki değişken arasındaki korelasyonlar, kuruluşun o anda istediği her şey. Verilerle ilgili olasılıklar sonsuzdur ve hesaplamalar eklenerek ek içgörüler yapılabilir.

5. Uygulama/Raporlama

Analiz, bir analiz modelinde özetlenir. Etkili bir analiz modeli, raporlara ve gösterge tablolarına dayalı olarak kolayca ve net bir şekilde içgörü elde etmeyi mümkün kılar. Buna uygulama adı verilir ve örneğin stratejik bir seçimin temelini oluşturur. Uygulama farklı şekillerde gerçekleştirilebilir: profesyonel raporlar, basit sayı listeleri, etkileşimli grafik sonuç tabloları, infografikler vb.

6. Paylaşım

İş Zekası Modeli’nin (BIM) son aşamasında, önceki aşamada şekillendirilen sonuçların doğru zamanda doğru kişilere nasıl ulaşacağı değerlendiriliyor. Bu genellikle, ekli bir Excel belgesi ile hızlı bir e-posta oluşturarak yapılır. Ancak, aynı dosyanın farklı sürümlerinin karışması tehlikesi vardır. Daha karmaşık bilgi çözümleri genellikle dahili bir bilgi portalına sahiptir. Raporlara ve kontrol panellerine erişim verilen herkes burada mevcuttur.

Gizlilik ve Veriler

Kuruluşlar, örneğin tüketiciler hakkında o kadar çok veri toplar ve analiz eder ki, dünyanın her yerindeki hükümetler, tüketicilere verilerinin toplanma ve kullanılma şekli üzerinde denetim sağlamayı amaçlayan katı hükümler oluşturmuştur. Avrupa Birliği GDPR’ye sahiptir, örneğin: Genel Veri Koruma Yönetmeliği 2018’de yürürlüğe girdi. Amerika Birleşik Devletleri, karşılaştırılabilir Kaliforniya Tüketici Gizliliği Yasasını (CCPA) kullanmaktadır.

Bu genel düzenlemeler, verileri toplarken, saklarken, kullanırken ve paylaşırken işletmeler için hükümler uygular. Kuruluşlar kurallara uymazlarsa ağır cezalar bekleyebilirler.

Ne düşünüyorsunuz?

İş Zekası Modeli’nin (BIM) açıklamasına aşina mısınız? Kuruluşunuzda veya faaliyetlerinizde İş Zekasını (BI) nasıl kullanıyorsunuz? Ham verilerin toplanması, analiz edilmesi ve işlenmesinin önemli yönleri sizce nelerdir? Herhangi bir ipucunuz veya ek yorumunuz var mı?

Düşüncelerinizi ve bilginizi aşağıdaki yorum kutusunda paylaşabilirsiniz.

Bu makaleyi beğendiyseniz, modeller ve yöntemler hakkındaki en son gönderiler için bültenimize kaydolabilirsiniz.

Kaynakça

  • Anandarajan, M., Anandarajan, A. ve Srinivasan, CA (Eds.). (2012). İş zekası teknikleri: muhasebe ve finanstan bir bakış açısı. Springer Science & Business Media.
  • Lahrmann, G., Marx, F., Winter, R. ve Wortmann, F. (2011, Ocak). İş zekası olgunluğu: Teorik bir modelin geliştirilmesi ve değerlendirilmesi. 2011’de 44. Hawaii Uluslararası Sistem Bilimleri Konferansı (sayfa 1-10). IEEE.
  • Barone, D., Yu, E., Won, J., Jiang, L. ve Mylopoulos, J. (2010, Kasım). İş zekası için kurumsal modelleme. Kurumsal Modelleme Uygulaması üzerine IFIP Çalışma Konferansında (s. 31-45). Springer, Berlin, Heidelberg.
    • Paylaş:

    Yorumunuzu bırakın