İşletme Analitiği Dersi 2. Ünite Sorularla Öğrenelim

İşletme analitiği araçları kavramı nedir ve hangi amaçla kullanılır?

İşletme analitiği araçları en basit şekilde karar vericilerin, verileri anlamlandırarak durumbilgilerine ve yöntembilgilerine dönüştürmesinde kullanılan teknolojilerin bütünü olarak tanımlanabilir.

İşletme analitiği araçlarının işletmelerin problemlerine çözüm üretme ve geleceğe dönük kestirimler yapma konusunda sağladığı katkılar nelerdir?

İAA’ların, işletmelerin problemlerine çözüm üretme ve geleceğe dönük kestirimler yapma konusunda sağladığı bazı katkılar aşağıda verilmiştir:
• Analiz çıktılarının kalitesini arttırmak ve bu çıktıların izlenebilirliklerine olanak tanımak,
• Kullanıcıların ek iş yükünü minimize ederek daha önceden yapılandırılmış sistemin maksimum fayda ile yeniden kullanılmasına imkân tanımak,
• Farklı düzeydeki karar vericiler için farklı amaçlara uygun çıktılar üretmek,
• Çevrimiçi olarak işbirliği ve onay desteği sunarak işlemlerin paralel olarak yapılabilmesine imkân tanımak ve böylece verimlilik ve kar artışını sağlamaktır.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından işlemtablolarını açıklayınız.

İşlemtabloları, kolay kullanımları ve anlaşılır olmalarından dolayı yaygın olarak kullanılan işletme analitiği araçlarının başında gelmektedir. Üstyönetimdekiler ve analistler, karar verme süreci için oldukça somut sunumlar üretebildiği ve kapsamlı veri analiz yöntemlerinin kullanılmasını sağladığı için işlemtablolarını analitiğin son ayağı olarak tanımlamaktadırlar. En yaygın kullanılan işlemtablosu örneği Microsoft Excel olup, günümüzde birçok işletme Excel ile çeşitli düzeydeki analitik işlemleri gerçekleştirebilmektedir.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından çevrimiçi analiz işlemeyi açıklayınız.

Çevrimiçi Analiz İşleme (OLAP: Online Analytical Processing), verilerin analiz edilmesi için kullanılan veritabanlarıdır. OLAP araçları özellikle çok boyutlu ve dizi tabanlı problemler için tasarlanmıştır. OLAP’lar, verileri ilişkisel veritabanlarından farklı olarak iki boyutlu tablolar yerine çok boyutlu küplerde tutmakta ve böylece yapılması planlanan analiz işlemlerinin daha hızlı bir şekilde yapılmasını sağlamaktadır. OLAP’ın küp yapısını çok boyutlu bir işlemtablosu gibi düşünmek yanlış olmaz, fakat Excel gibi işlemtabloları üç boyutlu (dikey, yatay ve çalışma sayfaları) iken, OLAP küpleri çok daha fazla boyut içerebilmektedir.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından istatistiksel ya da kantitatif algoritmaları açıklayınız.

İstatistiksel ya da kantitatif algoritmalar, karar vericilerin ve istatistikçilerin veri analizi yapmalarına olanak sağlamaktadır. Bu algoritmalar, nicel verilerden optimal hedeflere ulaşılması sürecinde kullanılmaktadır. Yanı sıra, istatistiksel algoritmalardan; kestirimci analitik, optimizasyon ve benzetim gibi birçok yöntem ve teknikten de fayda sağlanmaktadır.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından iş kural motorlarını açıklayınız.

İş Kural Motorları (Business Rule Engines-BRE), koşullu önermeleri kullanarak belirli iş kurallarını uygulayan yazılımlardır. Örneğin, 250 TL üzerinde alışveriş yapan müşterilere bir sonraki alışverişlerinde geçerli indirim kuponlarının verilmesi gibi. İş kural motorları otomatik bir sistemin parçası olabileceği gibi, müşterilerin karar vermesine yardımcı olan bir öneri sistemi de olabilir.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından veri madenciliği araçlarını açıklayınız.

Veri Madenciliği araçları, düz aritmetik hesaplamalardan yapay zekâ, istatistik, karar ağaçları, sinir ağları ve Bayes ağlarına kadar birçok teknikten yararlanmaktadır.

Veri madenciliğinin amacı, karmaşık ya da iyi tanımlanmamış veri setlerinin desenlerinin belirlenmeye çalışılması ve bu desenlerin günlük hayatta karşılaşılan ya da karşılaşılma potansiyeli olan durumlarda bir yol gösterici olarak kullanılması fikrine dayanmaktadır.

Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri gerekmektedir. Bu araçlardan en yaygın olanlarından benzetim araçlarını açıklayınız.

Benzetim araçları, bir dizi matematiksel, sembolik, bilimsel, finansal ve mühendislikte kullanılan fonksiyonlarla işletme süreçlerini modellemeye çalışan araçlardır.
İşletme süreçlerinin modellenebilmesi maliyet ve kaynak açısından tasarruf sağlanmasını ve böylece kârın artmasını sağlamaktadır.

Veri derlemesi kavramı nedir? Açıklayınız.

İşletmelerin, yapacak oldukları araştırmalarda analiz etmek istedikleri birimlerin özelliklerini uygun ölçek türü ile ölçmesine verinin derlenmesi adı verilmektedir. Örneğin, farklı türdeki birçok kablonun üretimini yapmakta olan bir fabrikanın; kablonun boyunu, rengini, kesitini, yapımında kullanılan malzemeyi, kablonun akım taşıma kapasitesini uygun ölçek kullanarak ölçmesi bir tür veri derleme işidir. Yapılacak olan analiz işlemlerinin tutarlı ve anlamlı sonuçlara ulaşabilmesi için derlenecek olan verinin doğru, tutarlı ve yeterli miktarda olması gerekmektedir. Eğer ki veri derleme süreci sağlıklı bir şekilde gerçekleşmezse, her ne kadar yetkin analistler ile çalışılsa da bulunacak sonuçlar sınırlı ya da gerçeği yansıtamayan sonuçlar haline gelecektir. Bu bağlamda, bir işletme için alınacak kritik kararların sağlıklı bir şekilde derlenmemiş verilerden yola çıkılarak verilmesi düşünülemez. Örneğin, çalışanların performansını ölçmek isteyen bir şirketin veri derleme işini, çalışanların en çok izin aldıkları yaz aylarında yapması sağlıksız sonuçların ortaya çıkmasına sebep olacaktır.

Veri derlemesi edinilen veri kaynağına göre gruplanmıştır. Bu gruplar nelerdir? Açıklayınız.

Veri derleme işlemi birinci elden veri derleme ve ikinci elden veri derleme olarak iki gruba ayrılabilmektedir. Birinci elden veri derleme işleminde veri derleme işini yapan kişi verileri uygun araçlar kullanarak kendisi derlemektedir. Gözlem, görüşme ve anket birinci elden veri derleme yöntemleridir.

Eğer ki çalışma için gerekli olan veriler, çalışmayı yapacak olan kişiden farklı bir kişi ya da kaynak tarafından derlenmişse, bu tür derleme işlemlerine de ikinci elden veri derleme adı verilir. İşletmelerin faaliyetleri sırasında tuttuğu müşteri siparişlerine ilişkin kayıtlar ya da satış elemanlarının verdikleri raporlar ikinci elden veri derleme işlemine örnek olarak gösterilebilir.

Frekans kavramı nedir? Açıklayınız.

Bir grup birime ait veriler, bir değişkenin düzeylerine göre ayrılıp aynı düzey veya düzeyler grubunda bulunan birimler kümelendiğinde, her kümede bulunan gözlem sayısı frekans olarak tanımlanmaktadır.

Histogram nedir? Nasıl oluşturulur?

Histogram, sayısal veriler için yaygın olarak kullanılan grafiksel sunum yöntemidir. Histogramlar herhangi bir frekans dağılımı ile özetlenmiş olan veri seti için oluşturulabilirler.
Histogram, çeşitli sınıf ya da aralıklarda yer alan frekansların sütunlar ile temsil edilmesi olup, oluşturulurken yatay eksene değişkenler, dikey eksene ise değişkenlerin frekansı yazılır.

Verilerin dağılımlarla gösterilmesini sağlayan grafiklerden frekans poligonu nasıl oluşturulur?

Frekans poligonu, bir frekans dağılımının grafiksel gösterimidir. Verilen gruplandırılmış frekans dağılımının frekans poligonu çizilirken öncelikle dağılımın histogramı çizilir.
Histogram içerisinde bulunan dörtgenlerin tepe orta noktalarının doğrusal olarak bir çizgi ile birleştirilmesiyle frekans poligonu oluşur.

Uç değer kavramı nedir? 

“Uç değer”, veri setindeki diğer verilerle karşılaştırıldığında veri setine uygun olmadığı düşünülen aşırı küçük veya büyük değerlerdir.

Merkezi eğilim ölçüleri ve çeşitleri nelerdir? Açıklayınız.

Merkezi eğilim ölçüleri, veri setlerine ilişkin özet bilgilerin elde edilmesinde kullanılmaktadır. Ortalama olarak da adlandırılan bu ölçüm değerleri; içinde bulundukları serinin en küçük değeri ile en büyük değeri arasında yer alır. Ortalamalar ölçüm değerlerinin merkezinde yer alırlar ve ortalamalardan yola çıkarak serileri anlamlandırmak mümkündür. Duyarlı ortalamalar ve duyarlı olmayan ortalamalar olmak üzere iki ana grupta incelenmektedir.

Duyarlı ortalamalar, veri setindeki tüm değerleri hesaplamaya katan ve set içerisindeki herhangi bir değişiklikten hemen etkilenen merkezi eğilim ölçüleridir. Aritmetik ortalama, geometrik ortalama, harmonik ortalama ve kareli ortalama duyarlı ortalamalara örnektir. Örneğin bir işçinin bir işi ortalama ne kadar sürede bitirebileceği daha önceden
aynı işi yapma sürelerinin bütününün aritmetik ortalaması alınarak tahminî olarak belirlenebilir. Buradaki ortalama hesabında bütün değerler hesaplamaya katılmak zorundadır.

Duyarlı olmayan ortalamalar, veri setindeki uç değerlerden etkilenmeyen ve hesaplamaya, veri setindeki tüm değerleri katmayan merkezî eğilim ölçüleridir. Mod, medyan ve kantil değerleri bu gruba giren merkezî eğilim ölçülerindendir. Örneğin bir ayakkabı üreticisi hangi numara ayakkabıdan aylık kaç adet üreteceği bilgisine daha önceki satışların mod değerlerine bakarak ulaşabilir. Böyle bir işlem için uç değerlerin önemi yoktur.

Kestirimci analitik kavramı ve amaçları nelerdir? Açıklayınız.

Kestirimci analitikler; tahmin teorisine dayalı ve işletmelerin gelecekte karşılaşabilecekleri durumları önceden öngörmeyi hedefleyen yöntemlerin bütünüdür. Genel amaçları; bağımsız değişkenlerin aldıkları değerlere dayanarak, bağımlı değişkenin değerini kestirmek için model geliştirerek gelecekteki bir durum için tahmin yapmaktır.

Üstyönetimdeki karar vericiler, işletmenin sürekliliğini sağlamak ve gelecekte de mevcut pozisyonlarını korumak ya da geliştirebilmek için karşılaşılabilecek problemleri sezgileriyle kestirmek ve bu problemler için uygulanabilir çözümler üretmek zorundadırlar. Bu amaçlarını gerçekleştirme konusunda kestirimci analitiklerden yararlanılması daha tutarlı geri dönüşler sağlamaktadır.

Kestirimci analitikte kullanılan tahmin kavramı nedir?

Tahmin, örneklemden elde edilen örneklem istatistiği yardımıyla evren parametresinin değerinin tahmin edilmesidir.

Karar ağaçları ve bileşenleri nelerdir? Nasıl oluşturulur?

Karar ağaçları, öngörü ve sınıflandırma için yaygın olarak kullanılan ve oldukça güvenilir olan bir veri madenciliği tekniğidir.

Sınıflandırma ağacı da olarak adlandırılan bu yapılar; bağımlı değişkenler arasındaki farklardan yola çıkarak değişken setini sıralı bir şekilde gruplamayı hedeflemektedir. Buradaki temel yöntem değişkenler arasındaki farkların en büyük olduğu durumların değerlendirilmesidir. Karar ağaçları; karar düğümleri, dal ve yapraklardan oluşmaktadır (Şekil 2.11). Bu yapısı, betimsel istatistik yöntemleri kullanılarak bulunan sonuçların anlamlandırılması noktasında çıkan zorlukları bir ölçüde aşarak karar verici için veriler arasında bir ilişki kurmakta ve kararı destekleyen bir yapıya dönüşmektedir. Uygulanmasında düğümlerden yapraklara doğru inilerek kurallar yazılır ve karar verici bu kurallara bakarak anlamlı sınıflandırmaların gerçekleşip gerçekleşmediği konusunda bir fikir sahibi olacaktır. Yaygın bir örneği bankacılıkta kullanılmakta olup, kredi başvurularının değerlendirmesinde kullanılan risk gruplarının belirlenmesinde karar ağaçlarından faydalanılmaktadır.

Kümeleme yöntemleri nelerdir? Hangi amaçla kullanılırlar?

Kümeleme yöntemleri, verinin belirli özelliklerden yararlanılarak olabildiğince homojen gruplara ayrılması ve farklı gruplar arasındaki ilişkinin de olabildiğince az olması görüşüne dayanan veri madenciliği tekniğidir. Bu yöntemler, veriyi bölümleyerek belirlenmiş olan kriterlere göre değerlendirmektedir.

Kümeleme yöntemlerinde, veriye ve istenilen kümeleme kriterlerine göre farklı algoritmalar kullanılmaktadır. Bu algoritmalardan yaygın olarak k-means ve k-medoids algoritmaları kullanılmaktadır. k-means algoritmasının temelinde her kümenin kendi merkezi ile k-medoids algoritmasının temelinde ise her kümenin küme içerisindeki bir değişken ile temsil edilmesi yatmaktadır.

Yapay sinir ağlarını açıklayınız.

Yapay sinir ağları, insan beyninden yola çıkarak nöronların arasındaki iletişimin matematiksel olarak modellenmesi ve veri madenciliği işlemlerinde bu modellerden faydalanılmasına dayanır.

Yapay sinir ağları istatistiksel yöntemlerden farklı olarak herhangi bir parametrik modeli öngörmemekle birlikte, insan beyninin öğrenme ve öğrenilenlerden yeni bilgiler türetebilme sürecinde izlediği yolu kendisine model alarak, bunun otomatik olarak gerçekleştirilmesi konusunda geliştirilen sistemlerdir.

İnsan beynindeki nöronların incelenerek modellenmesi veri işleme işlemlerinin yeni bir boyut kazanmasını sağlamıştır.

İşletme analitiği yazılımlarından betimsel analitik yazılımları hangi amaçla kullanılırlar?

Betimsel analitik yazılımları, veri görselleştirme araçları ve betimsel istatistik analiz araçlarını kapsamaktadır. Betimsel analitik yazılımları; işletmelerin sıkça başvurdukları, kaydı tutulan verilerden işletmenin mevcut durumunun gözlemlenebildiği yazılımlar olmakla birlikte,
üstyönetimdeki karar vericilere şirket politikalarının belirlenmesinde büyük katkılar sağlamaktadır.