KARAR DESTEK SİSTEMLERİNİN KULLANIMI İÇİN UYGUN BİR MODEL GELİŞTİRİLMESİ

Transkript

1 TP PT Karar Destek Sistemlerinin Kullanımı İçin Uygun Bir Model Geliştirilmesi HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2010 CİLT 4 SAYI 4 (75-82) KARAR DESTEK SİSTEMLERİNİN KULLANIMI İÇİN UYGUN BİR MODEL GELİŞTİRİLMESİ Hv.Trf.Ütğm.Volkan ARSLAN * Hava Harp Okulu HUTEN Md.lüğü Yeşilyurt / İSTANBUL v.arslan@hho.edu.tr Yrd.Doç.Dr.Hv.Müh.Yb.Güray YILMAZ Hava Harp Okulu Dekanlığı Yeşilyurt / İSTANBUL g.yilmaz@hho.edu.tr Geliş Tarihi 01 KASIM 2010, Kabul Tarihi 20 TEMMUZ 2010 ÖZET Bu çalışmada elde olan verilerin yeniden yapılandırılması ile karar destek amaçlı raporların üretilebilmesini sağlayacak kolay kullanımlı bir raporlama aracı tasarlanmıştır. Sistemde bulunan veriler kullanılan yazılım sayesinde yeniden bir araya getirilmiş, yıldız şema oluşturulmuş ve istatistiksel sorgulamaların yapılabilmesine imkân tanıyan bir alt yapı kurulmuştur. Oracle Business Intelligence Administration Tool kullanılarak son kullanıcıların rahatlıkla kullanabileceği karar alımına yardımcı olacak bir raporlama ortamı oluşturulmuştur. ANAHTAR KELİMELER : Karar Destek Sistemleri, KDS, İş Zekâsı, Veri Ambarı. TO DEVELOP A MODEL FOR THE USE OF DECISION SUPPORT SYSTEMS ABSTRACT In this study by reconstruction of the data sets that the decision maker has already has; a user friendly decision support system is designed by which the users can easily get first-rate reports that support their decision making. The data sets which are already in the system are gathered together and designed a star schema and built a infrastructure which allows to get flexible reports. With the help of Oracle Business Intelligence (BI) a practicable reporting environment is created. Key Words: Decision Support Sytem, DSS, Business Intelligence, BI, Data Warehouse. 1. GİRİŞ Geçmişten günümüze kadar baktığımızda insanoğlunun hayatının birçok safhasında karar verme durumunda kaldığı görülmektedir. Verilecek her bir karar istenen bir sonuç doğurabileceği gibi karar vericiyi istenmeyen durumlarla da karşı karşıya bırakabilir. Bu nedenle karar verme süreci doğru bir şekilde gerçekleştirilmelidir. Bugün alınmış başarılı kararları incelediğimizde temelde bilginin doğru bir biçimde kullanıldığını görüyoruz. Günümüz yöneticileri artık içinde bulundukları rekabet ortamında bilginin karar verme sürecinde doğru kullanımının organizasyonlara veya kurumlara neler kazandırdığının bilincindedirler. Bu nedenledir ki; çağımız yöneticileri bilgi teknolojilerine yatırımlar yaparak organizasyonların veya kurumların stratejik hedeflerine ulaşmalarını hızlandırmaktadırlar. Geçmiş dönem yöneticilerinin karar verme sürecinde karşılaştıkları en büyük problemlerden biri bilgi toplamak iken, günümüz yöneticilerinin karar verme sürecinde karşılaştıkları en büyük problem toplanan verilerden anlamlı sonuçlar çıkartılması olarak değişmiştir. Bu aşamada toplanan veri miktarı da önem arz etmektedir. Veri miktarı arttıkça karar vericilerin bu verileri anlamaları ve yorumlamaları da zorlaşmaktadır. Bu problemi çözmek için karar vericiler ellerindeki veri yığınlarından gerekli olan bilgileri çıkartacak, veriler arasındaki gizli desenleri, örüntüleri gösterecek sistemlere ihtiyaç duymaktadırlar. Son yıllarda karar vericilerin karar verme aşamasında karar destek sistemlerinin kullanımı oldukça yaygınlaşmıştır. Geliştirilen ve karar vericilerin kullanımına sunulan karar destek sistemleri organizasyonların veya kurumların içinde veya dışında bulunan verilere son kullanıcıların rahatlıkla ulaşabilmelerini sağlamaktadır. Bu sayede ihtiyaç duyulan bilgilere hızlı ve zamanında erişim, kurumlarda kararların zamanında alınmasına yardım ederek verimliliği ve alınan kararların kalitesini yükseltmektedir. * Sorumlu Yazar 75

2 Karar destek sistemleri (KDS) için tüm dünyada kabul edilmiş tek bir tanımlama henüz yapılmamıştır. Fakat genel bir tanımlama yapacak olursak karar destek sistemleri kendi başlarına karar vermeyen ve karar vericilere muhakeme yeteneklerini de kullandırarak karar verme esnasında yardımcı olan bilgisayar tabanlı bilgi sistemleridir [1]. 2. İŞ ZEKASI 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. [2] 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 [3]. 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. 76

3 hedefe ulaşma yönünde önemli bir motivasyon etkenidir [4] Veri Ambarı Veri Marketi Şekil 1. OLTP OLAP 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 (Şekil 2). Şekil 2. Veri Ambarı ve Veri Marketi Gösterge Ekranları ve Skor Kartları Gösterge ekranları sayesinde, temel özet verileri bir bakışta görme şansınız olur. Bir arabanın durumunu ve sorunlarını nasıl tek bir bakış alanı içinde görüyorsanız, gösterge ekranları da bir işin gidişatını bu şekilde görmenizi sağlar. Gösterge ekranı genelde bir web uygulamasıdır [4]. Skor kartları da gösterge panolarına benzer bir işlev görür. Ama skor kartları kişi ve grup bazlıdır. Böylelikle genel hedeflerin aşağıya doğru dağılımı takip edilmiş olur. Eğer tüm bireyler kendi hedeflerini gerçekleyebilirse, şirket de hedefine ulaşmış olur. Çalışma dönemleri boyunca, yöneticiler ve bireyler performansları izleyebilir durumda olduğu için, genel 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 [5]. 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 77

4 yaparken daha fazla veri kullanabilmelerine imkân tanır. 3. KARAR DESTEK SİSTEMİNİN GELİŞTİRİLMESİ İşletmelerde değişik yönetim düzeylerinde değişik kararlar alınmaktadır. Operasyonel düzeyde verilen kararlar yapılanmış kararlardır. Karar gerekli olduğu zaman izlenecek yöntem önceden belirtilebilirse buna yapılanmış karar denir. Taktik düzeyde verilen kararlar yarı yapılanmış kararlardır. Karar alınacağı zaman izlenecek yöntemin bir kısmı önceden belli ancak yeterli değilse, bu duruma yarı yapılanmış karar denir. Stratejik düzeyde verilen kararlar yapılanmamış kararlardır. Burada karar alınacağı zaman izlenecek yöntemin büyük bir kısmını önceden belirlemek olası değildir. Karar destek sistemleri karar verme sürecinde yöneticilere etkileşimli bilgi desteği sağlayan bilgisayar destekli bilgi sistemleridir. Bu sistemler, yarı yapılanmış ya da yapılanmamış işletme kararlarının alınmasına destek olmak için analitik modeller, özel veritabanları, karar vericinin kendi görüşleri ve hükümlerini ve etkileşimli bilgisayar tabanlı modelleme sürecini kullanmaktadır. Bu nedenle, bu sistemler işletmelerde karar vericiler tarafından başlatılan ve kontrol edilen belli bir amaç için tasarlanmış hızlı yanıt veren sistemlerdir. Karar destek sistemleri belli tipte kararları, kişisel karar verme stilini ve orta ve üst düzey yöneticilerin kişisel gereksinimlerini doğrudan destekler [6]. yaklaşık satır kayıt bulunmaktadır. Bu kayıtlar gerçeğe uygun olarak üretilmiştir. Çalışmada kullanılan veri tablolarının hepsinin bir araya getirildiği düşünülecek olursa ortada bir veri ambarının var olduğu kabul edilebilir Fiziksel Katmanın Geliştirilmesi Karar destek sistemini kurarken önce fiziksel katman oluşturulmuştur. Fiziksel katman iş zekâsı sunucusunun kullanıcı istek ve sorgularını yönlendirip cevaplarını bulacağı katman olarak adlandırılabilir. Başka bir deyişle son kullanıcıdan gelen sorguların adreslendiği katmandır. Bu katmanda birden fazla veritabanı da kullanılabilir. Veri tabanını fiziksel katmana tanıtılması esnasında birinci adım olarak Şekil 3`te görüldüğü gibi açık veritabanı bağlantısı (Open DataBase Connection - ODBC) gerçeklenmiştir. Bu sayede mevcut veri tabanı sisteme tanıtılmıştır. Mevcut veritabanın bilgisayar sistemine tanıtılması demek kullanıcıların istedikleri yazılımları kullanarak sisteme tanıtılan veritabanına ulaşabilmesi anlamına gelmektedir. Bir sonraki adımda da Oracle BI yazılımının veritabanına erişimi sağlanacaktır Kullanılan Yazılım Çalışmanın uygulama geliştirme bölümünde Oracle Business Intelligence Enterprise Edition kullanılmıştır. Oracle şirketinin iş zekâsı alanında kullanıcılara sunduğu bu yazılım sayesinde mevcut veri tabanından veriler çekilerek bu veriler ile bir iş modeli kurulabilir ve kurulan iş modeli ile son kullanıcılara uygun bir karar destek sistemi hazırlanabilir. Oracle iş zekâsı arayüzü kullanılarak tüm veri ihtiyaçlarını karşılayan tutarlı raporlar üretilebilir, operasyonel sistemlerden alınan verilere geleceğe dönük anlamlar kazandırılabilir, maliyet oranları azaltılmış rapor süreçleri sağlanabilir, raporlamada esneklik ve dinamizm oranı arttırılabilir, daha hızlı ve daha doğru raporlara ulaşılabilir Kullanılan Veri Tabanı Bu çalışmada kullanılan veriler Oracle 10g Database yazılımının kendi bünyesinde bulunan Sales History veritabanından alınmıştır. Kullanılan verilere bakıldığı zaman bir firmanın yılı ile yılları arasında gerçekleştirmiş olduğu dört yılı kapsayan satış verileri olduğu görülmektedir. Üzerinde çalışma yapılacak olan bu veritabanında Şekil 3. Veri Tabanının Tanıtılması ODBC gerçekleştirildikten sonra BI yazılımının Administrator editörü kullanılarak veri tabanı içinde bulunan tüm veriler fiziksel katmana ithal edilmiştir. Tabloların fiziksel katmana ithal edilmesi tabloların fiziksel olarak tutuldukları adresten mantıksal olarak alınıp kopyalanması anlamına gelmektedir. Bu sayede fiziksel olarak tabloların ve verilerin konumlarında ve kendilerinde herhangi bir değişiklik olmamaktadır. Mevcut veritabanı konumu ve yapısı korunmaktadır. Kullanılan yazılımda yapılan işlemlerin hiçbiri mevcut veritabanı üzerinde herhangi bir değişikliğe sebep olmamaktadır. 78

5 Fiziksel katmana tablolar ithal edildikten sonra tablolar arasındaki ilişkiler belirlenmiştir. Tablolar arası ilişkilerin belirlenmesi sayesinde tasarlanan yıldız şemasında boyut tablolarının fact tablosunu desteklemeleri sağlanmıştır. Yani tablolar arası ilişkiler belirlenmez ise tasarlanan yıldız şeması bir şekilden ibaret olur. Fact tablosu içinde anlamsız veriler taşıyan bir tablo haline gelir. Fact tablosunun anlam kazanması ve yıldız şemanın kullanılabilmesi için tablolar arası ilişkiler tanımlanmalıdır. Hazırlanan veri tabanı modeline ait fiziksel diyagram açıldığı zaman ekrana bir adım önce ithal edilen tüm tablolar gelecektir. Bu tabloları Şekil 4`te görüldüğü gibi düzenledikten sonra sırasıyla fiziksel ilişkiler kurulmuştur. bulunan ve aslında Customer tablosunda fiziksel olarak bulunmayan Country Iso Code, Country, Country Region ve Country Subregion gibi değerler iş modelinde Customers tablosuna ithal edilmiştir. Bu nedenle fiziksel katmanda bulunan tablolar ile iş modeli katmanında bulunan tabloların yapıları mantıksal olarak değişmiştir. Bunun sonucunda da iş modeli katmanında tablolar arası ilişkiler yeniden belirlenmelidir. Şekil 5. Kompleks İlişkilerin Belirlenmesi Şekil 4. Fiziksel İlişkilerin Kurulması 3.4. İş Modelinin ve Hiyerarşik Yapının Kurulması Fiziksel katmana veri tabanından tablolar aktarıldıktan sonra ve aralarındaki ilişkiler belirlendikten sonra iş modeli oluşturulmalıdır. İş modelinin kurulması esnasında önemli olan son kullanıcının veri tabanından ne tür sorgular üretebileceğini ve hangi konuda karar desteği sağlamak istediğinin doğru saptanmasıdır. Bu çalışmada karar vericinin elindeki 4 yılda yapılmış olan satışlar ile ilgili tabloları kullanarak geleceğe dönük olarak karlılığını artırmak için ne tür stratejik planlar yapması konusunda karar desteği sağlamak istediği varsayılmıştır. Geçmişte yapmış olduğu satışlar ile ilgili verilerin bir araya getirilip bu verilerden anlamlı istatiksel sonuçlar çıkarılması hedeflenmiştir. İş modelini oluşturmadan önce fiziksel katmana mantıksal olarak ithal edilen tablolardan hangi tabloların kurulacak olan iş modelinde kullanılacağına karar verilmiştir ve fiziksel katmandan ilgili tablolar seçilerek iş modeli katmanına aktarılmıştır. Tabloları iş modeline aktardıktan sonra iş modelinde tablolar arasındaki kompleks ilişkiler Şekil 5`te görüldüğü gibi belirlenmiştir. İş modeli katmanında tablolar arası bazı değerler ortak kullanılabileceği için tablolar arası ilişkiler yeniden düzenlenmelidir. Örneğin fiziksel seviyede Countries tablosunda Tablolar arası ilişkilerin belirlenmesinden sonra tabloların kendi içlerindeki hiyerarşik yapılar kurulmalıdır. Örneğin TIMES tablosundaki hiyerarşik yapı yıl, çeyrek, ay ve gün olarak kurulmuştur. Bu hiyerarşik yapı kurulduktan sonra son kullanıcı sorgu üretirken sorgusunu yıllık, üç aylık, aylık ve günlük olarak filtreleyebilir. Hiyerarşik yapının kurulmaması halinde karar verici her bir zaman kıstası için sorgusunu yinelemek durumunda kalır. Hiyerarşik yapılar son kullanıcıların daha esnek ve daha anlamlı raporlar alabilmesini sağlayan önemli basamaklardır. Doğru hiyerarşik yapının kurulması halinde karar verici herhangi bir ürünün hangi bölgeye, hangi alt bölgeye, hangi ülkeye, hangi şehire ne tutarda satışının yapıldığı bilgisine ulaşabilir. Bu tür raporlar sayesinde daha sağlıklı kararlar alabilir Sunum Katmanının Hazırlanması Fiziksel katman ve iş modeli katmanı hazırlandıktan sonra sunum katmanında oluşturulan iş modeli son kullanıcılar için basitleştirilmiştir. Verinin görünüşünü basitleştirmek kullanıcı istekleri doğrultusunda sorguların daha kolay gerçekleştirilmesini sağlar. İş modeli katmanında hazırlanan iş modeli sunum katmanına aktarılmıştır. Aktarma işleminden sonra sunum katmanında son kullanıcı için gereksiz tablo değerleri kaldırılmıştır. Örneğin CUSTOMERS tablosundaki CUST_ID değeri son kullanıcı için sorgular üretirken herhangi bir anlam ifade etmediği için sunum katmanından çıkartılmıştır. Bu sayede son kullanıcı sorgu üretirken 79

6 CUST_ID seçeneğini kullanamaz. Ya da CUST_ID değeri tek başına son kullanıcı için anlamsızdır. Hangi müşteri kodu ne kadar ürün satın almış? sorgusundan ziyade Hangi müşteri ne kadar ürün satın almış sorgusu karar verici için daha anlamlıdır. Son kullanıcı için iş modeli sunum katmanında basitleştirildikten sonra, hazırlanan karar destek sisteminin tutarlılığı kontrol edilmiştir. Şekil 6. Sorgu Üretme Ekranı Kullanıcı bu özelliklerden herhangi birini istediği sıra ile seçerek sorgularını üretebilir. Şekil 7`de takvim yılı bazında müşterilerin ülkelerine göre ne kadar satış yapıldığı sorgusu üretilmiş ve Şekil 8`te bu sorgunun cevabı alınmıştır. Tutarlılık kontrolünde hazırlanan karar destek sisteminin tabloları arasındaki tutarlılık kontrol edilmiştir. Kontrolden başarı ile geçilirse sistem otomatik olarak kendini kullanıcı sorgularına açık hale getirir. Bu aşamadan sonra artık kullanıcı hazırlanan karar destek sisteminden kendi sorgularını üretebilir ve sistemden karar desteği sağlayabilir. 4. KARAR DESTEK SİSTEMİNDEN İŞ ZEKASI ÜRETİLMESİ Genel anlamda önceki aşamalarda kullanılacak veritabanı sisteme tanıtıldı. Sisteme tanıtılan veritabanından tablolar ve veriler Oracle BI yazılımına ithal edildi. Fiziksel katmanda tablolar arası fiziksel ilişkiler tanımlandı. Fiziksel katmandan sonra iş modeli ve hiyerarşik yapılar oluşturuldu. Son katman olan sunum katmanında ise son kullanıcı için mevcut karar destek sistemini basitleştirildi. Bu aşamadan sonra geliştirilen karar destek sistemi üzerinde kullanıcılar artık iş zekâsı üretebilirler. Şekil 7. Örnek Bir Sorgu Hazırlanan karar destek sistemi üzerinde son kullanıcılar Oracle BI yazılımının web tabanlı arayüzü sayesinde sorgular üretebilir. Kullanıcı sisteme giriş yaptıktan sonra karar desteği sağlayabileceği konuları ekranda görebilmekte ve bu konulardan herhangi birini seçebilmektedir. Bu çalışmada satış geçmişi adlı karar destek sistemi kurulmuştur. Şekil 6`da görüldüğü gibi kullanıcının Sorgu üretirken kullanabileceği değerler programın en sol sütununda sıralanmaktadır. Şekil 8. Örnek Bir Sorgu Sonucu 4.1. Sonuçların Görsel Öğeler ile Desteklenmesi 80 Üretilen sorguların sonuçları Oracle BI yazılımı web arayüzü kullanılarak çok çeşitli şekillerde görsel olarak desteklenebilir. Grafikler, hız göstergeleri, özet tablolar, filtreler, kayan yazılar gibi kullanıcıdan gelen sorgu sonuçları destekleyen görsel öğeler kullanmak mümkündür. Bu görsel öğeler sorgu sonucunun alındığı ekrandan seçilebilir Gösterge Ekranı Hazırlama Gösterge ekranları (Dashboards), üst yönetime iş zekâsının yeteneklerini göstermek ve karar vermelerini kolaylaştırmak amacıyla sağlanan görsel

7 araçlardır. Karar destek sisteminden elde edilen raporların sistem dahilinde yönetim kademesinde farklı şekillerde sunulabilmesine imkân veren interaktif ekranlardır (Şekil 9). Şekil 9. Gösterge Ekranı (Dashboard) Yönetimsel göstergeleri, arabaların ön konsollarına benzetebiliriz. Onlar sayesinde teknik bilgilerden arınmış bir şekilde özet bilgilere görsel olarak ulaşılabilinir. Gösterge ekranları genelde; web tabanlı, grafiksel performans göstergeleri, yapısal yönetim bilgi sistemlerini içermektedir. Yönetimsel göstergeler aracılığıyla da yeteri kadar detaylı bilgiye ulaşılabilir. Oracle BI yazılımı da aynı paket yazılım içerisinde kullanıcılarına gösterge ekranları hazırlama imkânı sunmaktadır. Programı kullanarak rapor oluşturan kullanıcılar oluşturdukları raporları kolaylıkla gösterge ekranlarına dökebilmektedir. Gösterge ekranları Oracle BI yazılımında karar destek sistemi arayüzüne bağlanıldığı anda kullanıcının karşısına gelmektedir. Dolayısıyla kullanıcı henüz sistemden karar destek amaçlı sorgular üretmeden önce mevcut göstergeler arasında aradığı rapora veya daha farklı açıdan hazırlanmış başka bir rapora ulaşabilir ve bu raporu karar destek amaçlı kullanabilir. 5. SONUÇ VE ÖNERİLER Veri ambarları ve operasyonel veri depoları iş zekâsı yazılımlarının vazgeçilmez unsurlarıdır. Organizasyonlar veya kurumlar kendi yapılarında kullandıkları farklı uygulamalar tarafından saklanan verileri ortak bir çatı altında toplamak, kullanıcı sorgularına açık halde bir arada tutmak amacıyla veri ambarı teknolojilerinden faydalanabilirler. Bu sayede devamlı çalışan OLTP sistemlerden çeşitli raporlar alınarak sistemlerin performansı da kötü yönde etkilenmemiş olur. İş zekâsı araçları sayesinde elde bulunan çok sayıdaki veriler arasındaki gizli örüntüler bulunarak kullanıcılara karar vermede faydalar sağlayacak analizler ortaya çıkarılabilir. Karar vericiler iş zekâsı uygulamaları kullanarak kaliteli ve işe yarar verilere ulaşabilir, bunları paylaşabilir ve yönetebilirler. Kurumlarda ve şirketlerde iş zekâsı uygulamalarının entegrasyonu ile aşağıdaki faydalar sağlanabilir: Karar alma sürecinin hızlanması, Karar alma sonucu oluşan hataların insan odaklı olmaktan çıkarılması, Özelleşmiş bireysel denetleme sonucu kişisel verimlilik artışı, Kişisel verimlilik artışının sonucu olarak organizasyonel verim artışı, Ayrıntılı denetim sonucu organizasyonel kontrolün güçlenmesi, Karar alma konusunda kanıt ve destek sağladığından çalışanları sorumluluk almaya yani proaktif olmaya yönlendirmesi, Bu çalışmada yapılan uygulama neticesinde eldeki mevcut veriler kullanılarak bir iş modeli tasarlanmış, veriler arasındaki ilişkiler kullanılarak anlamlı veri toplulukları üretilmiş ve sonuçta satış alanında karar vericiye destek olan bir karar destek sistemi oluşturulmuştur. Oluşturulan karar destek sistemine benzer sistemler aynı yazılım kullanılarak Hava Kuvvetlerinin bünyesinde bulunan birimler için de kurulabilir ve karar verme faaliyetlerinde destek sağlanabilir. 6. KAYNAKLAR [1] HERSH, M.A. (1999). Sustainable Decision Making : The Role of Decision Support Systems. IEEE Transactions on systems, man, and cybernatics- Part C: Applications and Reviews, Vol. 29, No.3, August [2] BITTERER, Andreas, Business Intelligence Summit [3] Tvrdíková, Milena 2007, Support of Decision Making by Business Intelligence Tools, 6th International Conference on Computer Information Systems and Industrial Management Applications (CISIM'07) [4] Acungil, Mustafa 2007, İş zekâsına Zekice Yaklaşın, [5] LANE, Paul 2005, Oracle Database Data Warehousing Guide10g Release 2 (10.2). [6] HOŞCAN, Y., ŞAHİN M., Çağdaş Bilgi Sistemi ve Dijital İşletmeler, Anadolu Üniversitesi, Açıköğretim Fakültesi, ÖZGEÇMİŞLER Hv.Trf.Ütğm.Volkan ARSLAN Hava Harp Okulu Bilgisayar Mühendisliği Bölümünden 2002 yılında mezun oldu yılları arasında İzmir Gaziemir Hava Sınıf Okulları ve 81

8 Teknik Eğitim Merkez Komutanlığı`nda Hava Trafik Subay Temel eğitimini aldı yılları arasında Konya 3 ncü Ana Jet Üs Komutanlığı`nda hava trafik subayı olarak görev yaptı yılları arasında Hava Harp Okulu Havacılık ve Uzay Teknolojileri Enstitüsünde (HUTEN) yüksek lisans öğrenimini tamamladı. Yrd.Doç.Dr.Hv.Müh.Yb.Güray YILMAZ İstanbul Teknik Üniversitesi Bilgisayar Mühendisliği Bölümünden 1991 yılında lisans, aynı üniversiteden 1995 yılında yüksek lisans ve 2002 yılında doktora derecesi aldı. Halen Hava Harp Okulu Dekanlığı - Bilgisayar Mühendisliği Bölüm Başkanı olarak görev yapmaktadır 82