Ana içeriğe atla

İş zekası süreçlerinin dönüşümü

İş zekası süreçlerinin dönüşümü
Geçmiş bir yazımda analitik (analytics) kelimesinin BT dünyasında kullanımını ele almıştım. Bu yazımda iş zekasını (business intelligence) ele alacağım. Önce iş zekasına kitap tanımı olarak bakacağım  sonrasında ise kendi yorumumu ekleyeceğim.

Kitapta yazan

Wikipedia tanımına bakarsak; "İş Zekası veya kısaca: BI, iş amaçları için ham veriyi anlamlı ve kullanışlı bilgiye dönüştüren teoriler, metodolojiler, süreçlerin, mimarilarin ve teknolojilerin bir kümesidir. " Bu genel tanıma bakıldığında excelde verilerin iş amaçlarına uygun hale getirilmesi, uygun formatta tablo, grafik, pivot tablo ile yönetime karar vermede destek olan her türlü raporlama iş zekası çalışması örneğidir. Tanım o kadar geniştirki veri madenciliği, tahminleme çalışmaları gibi hayli karmaşık teknik çalışmalar da tanıma uygun düşmektedir.

Gerçekte anlamı

Gerçekte ise iş zekası, şirket veya kurum yönetiminin istediği rapor (geçmiş, şimdi) ve tahminlemelerin (gelecek) mümkün olduğunca şirket verilerine dayandırılarak yönetime sunulması sürecini ifade eder. Burada yönetimin istediği kelimesi özel önem taşımaktadır, çünkü yönetimin istemediği bir iş zekası raporunun muhatabını bulmak kadar, bu raporu ortaya çıkarmak da kolay bir süreç değildir. Durum böyle olunca, yönetimin istemediği bir iş zekası üretimi üretenler açısından sıkıntı kaynağı olma potansiyeli taşımaktadır.

Benim tanımım

Bu nedenle iş zekası, yönetimin beklediği raporlama ve/veya tahminlemelerin elde edilmesi için gereken altyapı ve arayüzlerin, aletlerin ve tekniklerin bütününü ifade etmektedir. Bu raporlara erişimin sıkıntılarını aşmak için veri tabanı kullanımı, bu veritabanının Online Transaction Processing (OLTP) veya Online Analytical Processing (OLAP) olması tamamen yönetime yansıyan veya yansıması muhtemel problemlerin çözümüne yöneliktir. Bunlar; erişim güvenliği, erişim hızı, güncellik, canlıya etki etme(me) vb. konuları içerir. Hatta son zamanlarda çokça popüler olan akan veri (streaming data) nin işlenmesi bile bu kapsamda ele alınabilir.

Diğer faaliyetler?

Bu durumda diğer faaliyetler, yani yönetimin veriyi işleyen birimlerden beklemediği faaliyetler nedir? Bu faaliyetler yukarıdaki tanım gereği şirket veya kurumlar arasında ciddi farklılıklar göstermektedir. Artan rekabet şartları nedeni ile müşterilerini kaybetmek istemeyen bir şirket yönetimi, ilgili birime bu konuda birşeyler yapılmasını isteyebilir. Örneğin telekom sektöründe churn projesi yapmak çok olağandır. Ama bunu talep etmeyen bir yönetime var olan müşterilerimizi kaybetmemek için bir proje yapmak istiyoruz dendiğinde, proje yapma süresinden daha uzun bir süre karar almada geçebilir. Bu nedir? nasıl yapılır? kaça malolur? kimle yapılır? yaparsak ne olur, yapmazsak ne olur? konulu uzun toplantılar yapılması gerekebilir. Bu noktada Return on Investment (ROI) hesapları devreye girer. Dikkat edilirse yönetimin istediği churn ü önleyici bir clustering veri madenciliği analitik projesi değildir. Yönetim, böyle bir çalışma istediğine göre önceki aylarla karşılaştırıldığında şirketlerinin ürününü kullanmaktan vazgeçen müşteri sayıları raporunda trendde kendi açılarından olumlu bir değişim görmeyi amaçlamaktadır. Yani yönetim için yapılan iş, sonuçta şirket pozisyonunun daha iyi olması için takip ettikleri parametrelerden birisinin iyileştirilmesinden ibarettir.

İş zekası alanının genişletilmesi

Bu diğer faaliyetlerin içeriği o kadar geniş ve zengindirki, birçok BT çalışanı dahi resmin bütününü göremediği için yönetime gerekli önerilerde bulunamaz. Bazı durumlarda da şirket politikleri değişime izin vermez. Bu nedenle bu alanda şirket alışkanlıklarının değişimi iki türlü olabilir.
  1. Büyük resmi gören bir uzmanın şirkete katılması ve üst yönetim tarafından desteklenmesi
  2. Doğrudan üst yönetime dönüşümü anlatacak, kabulü halinde değişimi yönetecek bir danışmanlığın şirket dışından alınması

Devir hesap devri

Son zamanlarda, iş zekası alanının genişletilmesi faaliyetlerinin maliyetlerinin önemli oranda azalmasına katkıda bulunan; buluttan iş yapmak, otomasyon, sanallaştırma, satın alma yerine kiralama vb. teknolojiler popüler hale gelmiştir. Burada bulut ile ilgili düşünülmesi gereken önemli bir konu, şirket verilerinin şirket dışına çıkarılması ile ilgili hukuki ve psikolojik sınırlamaların aşılıp aşılamayacağıdır.

Hepsi bu mu?

Tabii ki hayır. Buraya kadar bahsettiklerimiz ana faaliyetleri veri işleme olmayan şirketler için geçerli olan tanım ve süreçleri içermekteydi. Günümüzde sahip oldukları veriyi işleyerek hizmet üretip bu yolla kazanç sağlayan şirketler için iş zekası tanımı içine girmeyen, bu akışın dışında bir süreç işlemektedir. İş zekası aynen diğer işlerde olduğu gibi bu faaliyetler için de benzer fonksiyonlar icra edebilir. Ama hepsi o kadar.

Bu nedenle "günümüzde her şirket bir veri/teknoloji şirketi olacak" ("Why Every Company Is Now A Data Company", “Every company is a technology company”) ile özetlenen dönüşüm, bu klasik olarak niteleyeceğimiz iş zekası süreçlerinin dışına çıkan ama BT aletlerini de kullanmaya dayanan süreçlere sahip olmayı kastediyor.

Bu nedenle büyük verinin de getirdiği imkanları ve aletleri kullanarak yeni fırsatlar yaratmak, bir bakıma "eski köye yeni adetler getirmek" iş zekası süreçlerinin içine bir uzman daha ekleyerek yapılacak bir iş değildir. Bu nedenle iş zekası dışında veri bilimi (data science) gibi yeni süreçler, veri bilimci (data scientist) gibi yeni pozisyonlar çıkmıştır. Türkiye de bu farklılık genel olarak henüz anlaşılmadığı için, eski süreçlere eski roller ile yeni pozisyonlar koyarak değişimin geleceği beklenmektedir. Bunun verimli bir bekleyiş olmayacağını söyleyebiliriz.

Son söz

Değişim öncelikle var olanı anlamakla başlar. Değişimin olması için var olanın eksik, kötü, arızalı olması gerekmez. Sadece doğal gelişimin bir parçası olarak şirket ve kurumlar yeni kaabiliyetler kazanma konusunda bir fırsat elde etmişlerdir. Kimlerin daha gelişmiş, kimlerin fırsatı kaçırmış olacağını, değişimi doğru anlayıp hızlı uyum sağlamadaki becerileri ile herkes kendisi belirleyecektir.

Yorumlar

Bu blogdaki popüler yayınlar

SAS Nedir?

Anthony Barr, James Goodnight, John Sall ve Jane Helwig isimli dört kişi tarafından 1976 yılında Statistical Analysis System i smi ile kurulan fakat yazılım alanında ürettiği ürünlerle bu sınırları aşan SAS (SAS Institute) günümüzde borsaya açık olmayan dünyanın en büyük yazılım şirketlerinin başında geliyor. Hiç kuşkusuz bu dörtlüden en önemlisi, Harvard Business School tarafından* 20 inci yüzyılın en önemli iş liderleri listesinde gösterilen ve aynı zamanda şirketin CEO su olan James "Jim" Goodnight dır. İstatistik alanında doktorası olan Goodnight ayrı bir yazı konusu olmayı hakeden renkli bir kişilik. SAS denince ilk akla gelen öncelikle istatistik ve iş zekası alanlarında marketin önemli oyuncularının başında gelen ve "Bilmenin gücü (Power to know)" nü uzun yıllardır müşterilerinin hizmetine sunan Amerika Kuzey Karolayna merkezli dev bir yazılım şirketi olduğudur. Detaylarda ise genetik, tarım, finans, telekom, uzay, ilaç, kimya, bankacılık gibi birçok farkl

Veri kalitesi işlemlerinde bulanık mantığın (Fuzzy logic) kullanılması

Bulanık mantık (Fuzzy Logic) üzerine 1995 yılında bitirdiğim yüksek lisans tezinde, bulanık mantık ile çalışan bir uzman sistem yapmıştım. O zamanlar bulanık mantık, bilişim teknolojileri alanında yeni yeni emekleme dönemindeydi. Özellikle veritabanlarında bilgi keşfi çalışmaları için kullanılması yönünde oldukça çok akademik çalışma yapılmaktaydı. Günümüzde Bilgi Teknolojileri (BT) sektöründe bulanık mantık dahil diğer bilgi belirsizliği modellerini, BT profesyonelleri "kullanıyor" dememiz zor. Fakat en zor alanlardan biri olan ve gün geçtikçe önemi artan veri kalitesinin arttırılması konusunda yapılan çalışmalarda, bulanık mantık terimi oldukça sık ismi geçen bir terim haline geldi. Bu nedenle yazımızın konusu bu terimin genel anlamından çok veri kalitesinde kullanımı konusunda olacak. Veri kalitesi çalışmalarında fuzzy logic kelimelerini ilk duyduğumda kelimelerin bulanık küme teorisinde kullanılması geldi. Örneğin; çok gürültülü kelimesinin bulanık kümesinin kurulmas

Veriden Bilgiye Dönüşüm Sürecinin Temelleri

Merhaba, Ağırlıklı olarak Telekom sektöründe uzun yıllardır çalışmakta olan birisi olarak, büyük şirketlerdeki verinin ilk çıkış noktalarından, raporlarda yer alması ve karar destek sistemlerinde görünmesine kadar giden süreçler hakkında önemli bir bilgi birikimim oldu. Bu bilgi birikimi farklı noktalardan bakışı gerektirir ve az sayıda profesyonel, bu bakışa sahip olma ayrıcalığını taşır. Sürekli değişen Bilgi Teknolojileri (BT)  araçları ve yüksek rekabet ortamı içinde bu bilgi ve tecrübeyi sürekli güncel tutmakta ayrı bir gayret gerektirir. Tabii ki bu tecrübede kullanılan araçların yeri yadsınamaz. Atalarımız alet işler el övünür derken haklı bir noktaya temas etmişler. Fakat bu bizde, aletin işin en önemli parçası olduğu şeklinde bir yanılsama yaratmasın. Peki, işin en önemli kısmı nedir öyleyse? Bu soruya yanıt vermeden önce sürece biraz yakından bakmakta fayda var. Gerçekte birbirine benzeyen büyük şirket yada kurumlarda (yazının devamında ikisi içinde büyük org