İşletme Analitiği Dersi 1. Ünite Özet

Yönetim Ve Bilgi: Analizden Analitiğe

İşletme bağlamında, analitik ifadesi “birçok disiplinden alınıp, analiz amaçlı bir araya getirilmiş yöntem ve teknolojiler topluluğu” olarak ifade edilebilir.

“Bilgi Çağı” olarak adlandırılan döneme geçiş, özellikle iki noktadaki sıçramadan önemli ölçüde etkilenmiştir. Bunlar:

1. Bilginin erişilebilirliği,
2. Bilginin hesaplanabilirliği.

İnsan ve ait olduğu evrene ilişkin hemen her şeyin elektronik veritabanlarında tutulmaya başlandığı döneme “Büyük Veri-Big Data” dönemi denir. İnternet ve diğer ağlarla ortaya çıkan Bilgi Toplumu, bir yandan veri ve bilgilere erişim olanağından yararlanır, diğer taraftan da kendi toplumsal, ekonomik ve sosyal yapısı hakkında yeni veri ve bilgilerin keşfedilmesine olanak sağlar. İşletmelerin her düzeydeki operasyon ve kararlarını, kapsamlı ve güvenilir veri, sorgu ve analizlerle desteklemeleri mümkün görünmekle beraber, başlıca üç güçlüğün aşılması gerekmektedir:

1. Bilgi teknolojilerindeki hızlı değişim ve gelişmelerin körüklediği, yöneticilerin yeni yazılımlar ve teknolojilere ayak uydurma, anlama ve kullanma için gerekli bilgi ve becerilerinin eksikliğine ve güncellenmesine yönelik güçlükler,
2. Bilgi işlem merkezleri ve veri analistlerinin, yönetimlerin bilgi tüketimlerini öngörüp desteklemelerindeki güçlükler,
3. Bilgisayar okuryazarlığı yüksek ve yönetsel analiz araçlarını çok iyi anlayan ve kullanan yöneticilerin, bu yöntemleri şirket veritabanları ve veri kaynakları ile buluşturmasında karşılaşılan güçlükler.

Veri: Gözlem, sayım, ölçüm ve benzeri şekilde biriktirilen, işletmenin faaliyetlerini tespit etme amacına hizmet eden bilgilerdir. Veriler, faaliyetlerin içeriğine uygun veri performansı ilkeleri gözetilerek tasarlanmış ve genellikle ilişkisel veritabanlarında tutulan kayıtlardır. Bir kaydı veri yapan şey, bir işlem, bir formül, bir hesaplama içermemesidir.

Durumbilgisi: Anlamlandırılabilen, verilerden bir sorgu, bir formül, bir hesaplama veya bir işlem sonucu elde edilen bilgiler için kullanılır. Bir karar vericinin kararını etkileme, belirleme ve değiştirme yeteneği olan bilgi türüdür.

Durumbilgisi= f (Veri; Tanımı; Sunumu) şeklinde formülleştirilir.

Yöntembilgisi: Problem çözme ve karar vermede durum bilgilerinin nasıl kullanılacağı konusundaki bilgileri de içeren türde bilgilerdir. Deneyim ve eğitimle geliştirilebildiğinden kişiye göre değişir. Yöntembilgisinin iki türü şunlardır:

1. Açık yöntembilgisi: Ansiklopedik bilgi olup araştıran herkesin kolayca bulabileceği bilgidir.
2. Örtük yöntembilgisi: Belgelendirilmesi kolay olmayan, kişilerin de bazen ifade etmekte zorlandığı bilgilerdir.

Yöntembilgisi = f (Karar verici; Durum bilgisi; Anlamı) şeklinde formülleştirilir. Profesyonel işletme kuralları, yöntembilgisinin en yaygın biçimleri arasındadır.

Uzmanlık veya uzman bilgisi, belirli bir amaca yönelik, dar bir alanda deneyim ve eğitimle oluşturulmuş, geçerliliği uygulamalarla kanıtlanmış yöntem bilgileridir. Uzman bilgisi açık ve örtük yöntem bilgilerinden oluşur. İçindeki örtük bilgilerden dolayı her zaman belgelere dökülemeyebilir.

İşletme Analitiği Ve Zekası

İşletme analitiği (İA), en genel anlamıyla yöneticilerin yönetsel iç görülerini geliştirmek ve bilgisayarlı bilgi sistemlerinden etkin bir şekilde yararlanabilmelerini sağlamak için sunulan teknolojik ve yöntemsel olanakların bütünüdür. Çok benzer şekilde tanımlanan iki ayrı kavram daha vardır:

• Karar Destek Sistemleri
• İşletme Zekâsı’dır.

Bu üç kavram birbirine oldukça yakın kavramlardır.

Karar Destek Sistemleri (KDS), bilginin ve bilgi sistemlerinin yönetsel karar verme için öneminin fark edildiği andan itibaren geliştirilmekte olan, karara yönelik bilgi sistemlerini ifade etmek için kullanılmaya başlanmıştır. Veri ambarlarının geliştirilmesi, KDS’nin gereksinim duyduğu bilgilere kavuşması ile operasyonel düzeyden üst yönetim destek sistemlerine kadar birçok türünü de ortaya çıkarmıştır. Bunların en yaygın ikisi:

• Model-yönelimli KDS
• Veri merkezli KDS

Büyük veri, Bilgisayar desteği, Karar ve analiz araçları üçlüsü Bilgisayar okuryazarı karar vericilerle birleşerek, işletmelere sunduğu rekabet gücüne Analitik Rekabet denir.

işletme zekâsı, işletmelerin faaliyetlerinde Büyük Veri, İşletme Analitiği ve Karar Destek Sistemleri’nin kullanımına ve yaygınlaştırılmasına yönelik kurumsal çabaların bütünüdür. Karar destek sistemleri, probleme ve karar vericiye göre şekillenirken, işletme zekâsı işletmenin tüm karar noktalarının yararlanabileceği kurumsal ölçekteki veri çözümlerini ön plana çıkarır.

İşletme zekâsının dört temel bileşeni vardır:

1. Veri tüketiminin içerik ve örüntü beklentilerine uygun olarak sunulduğu bir veri ambarı,
2. Veri ambarındaki verileri görselleştirme, analiz etme, keşfetmeye yönelik araçlardan oluşan işletme analitiği araçları, 
3. Başarımı izleme ve analiz etmek için benimsenmiş bir işletme performans yönetim sistemi,
4. Gösterge paneli gibi karar vericinin işini kolaylaştırıcı olanaklardan oluşan kullanıcı ara yüzü,

İşletme zekâsı yaklaşımını benimsemiş bir kurumda kurumun analitik rekabet gücünü, şu bileşenlerin gelişmişlik düzeyi belirler: İşlem tabloları, Karar destek sistemleri, Sorgulama ve raporlama, Metaveri politikaları,

Veri göçerimi, veri ambarı ve veri marketleri, Üst yönetim Bilgi Sistemleri, Finansal raporlama, Çevrimiçi Analitik İşleme “OLAP, Gösterge panelleri, Sayısal kokpitler, Performans karneleri, Uyarı ve bilgi notları, Kurumsal analitik, Veri ve metin madenciliği, Yöntembilgisi yönetimi, Yönetim portalları.

İşletme zekâsı, ham verinin satış noktalarından, web mağazalarından ve çağrı merkezlerinden derlenerek veritabanlarında biriktirilmesi, veri ambarında verilerin analitik amaçlara uygun hale getirilmesi ve analitik araçlarla kararlara ve eylemlere dönüştürülmesi sürecinin tamamını kapsar. İşletme analitiği ise analitik araçlar ve kurumsal analiz sistemlerini veri ambarı ile birlikte içerir. Veri ambarı, hem işletme analitiğinin hem işletme zekâsının ortak hareket alanıdır. İşletme zekâsı veri ambarının tasarım ve işletimine ağırlık verir, işletme analitiği ise veri ambarındaki bilgilerin kullanımı ve analizine ağırlık verir. Bir anlamda veri ambarı, operasyonel veritabanlarından alınan verilerin sentezlenerek yeniden sunumu işlevini yerine getirmektedir.

INFORMS kuruluşu, işletme analitiğini gerçek problemleri çözmek için bilgisayar teknolojileri, yönetim bilimi teknikleri ve istatistiğin bir birleşimi olarak tanımlar. Yöneticilerin analize başvurma gerekçeleri üzerinden gidilirse, analitiğin aşağıdaki üç sorunun yanıtı üzerinde yoğunlaştığı görülebilir:

1. İşletmedeki mevcut durum nedir?
2. Gelecekte işletmede neler olması beklenir?
3. Mevcut olanaklarımızla işletme için yapabileceğimizin en iyisi nedir?

Bu üç soruyu yanıtlamaya yönelik analizlere sırasıyla betimsel analitik, kestirimci analitik ve karar analitiği denir.

Betimsel analitik: Raporlama analitiği de denir. İşletmenin gidişatını ortaya koyma ve bu gidişatın nedenlerini anlamaya yöneliktir. Betimsel analitik amacıyla veriler farklı veri kaynaklarından derlenerek konsolide edilir. Böylece raporlama ve analize uygun formata getirilir. Periyodik ve isteğe bağlı raporlama, sorgulama, uyarılar ve eğilim analizleri ve özellikle görselleştirme önemli betimsel analitik araçlarıdır. Betimsel analitiğin temel işlevi, işletmenin faaliyetlerine ilişkin raporlar oluşturma olup, işletme raporları işletmeye ve faaliyetlerine ilişkin bilgi içeren yazılı belgelerdir. Her işletme raporlama sisteminin kendine özgü yönleri olmasına karşın, bu sistemlerin ortak bileşenleri şunlardır:

1. Çevrimiçi kayıt işleme sistemleri: Kurumsal veritabanları, POS’lar, Web sunucuları, el bilgisayarları ve benzeri tüm elektronik verilerin tutulduğu sistemlerdir.
2. Veri tedarik: Veritabanlarındaki kayıtların raporlama sistemine aktarılmasından sorumludur.
3. Veri göçerimi: Verilerin veritabanlarından çıkarılması, raporlamaya uygun hale getirilip raporlama sistemine yüklenmesini sağlar.
4. Veri deposu: Verilerin tutulduğu depodur. Bu bir işlem tablosu, bir veritabanı yönetim sistemi, bir veri ambarı veya veri marketi olabilir.
5. İşletme performans yönetim sistemi: Raporların ve betimsel istatistiklerin anahtar performans göstergelerine dönüştürülmesini sağlar.
6. Yayınlama: Raporları erişime açma ve dağıtma işlevlerini içerir.
7. Güvence: İyi bir işletme raporlama sistemi; doğru bilgileri, doğru kişilere doğru biçim ve içerikte sağlayabilmelidir.

Betimsel analitiğin en önemli işlevlerinden biri işletmelerin performanslarını ölçme ve değerlendirmeye olanak sağlamasıdır. İşletme performans yönetim sistemleri, işletmenin performansını ölçmek, izlemek ve yönetmek için kullandığı işletme süreçleri, yöntemleri, performans göstergeleri ve teknolojilerinden oluşur. İşletmelerin stratejik olarak benimsedikleri nesnel performans göstergelerine anahtar performans göstergeleri denir.

Kestirimci analitik, gelecekte olabilecekleri belirlemeyi amaçlamaktadır. Kestirimci analitik için kullanılabilecek yaklaşımların başında veri madenciliği teknikleri önemli bir yer tutmaktadır. Veri madenciliği, büyük veri kümelerinden faydalı durum bilgileri ve yönetim bilgilerini keşfetmek ve çıkarmak için istatistik, matematik ve yapay zekâ tekniklerinden yararlanan bir süreçtir.

Sınıflama, veri madenciliğinin en çok kullanıldığı kestirim analitiği uygulamalarından biridir. Amacı, yeni verilerin önceden belirlenmiş veri sınıflarından hangisine ait olduğunun belirlenmesidir. Birliktelik analizi, aralarında görünür bir mantıksal bağ olmasa dahi birlikte ortaya çıkan olayların veya belirli bir sıra içinde gerçekleşen olayların keşfedilmesini içerir

Kümeleme, sınıfların önceden bilinmemesi halinde, aynı veya benzer özellikteki bileşenlerin bir arada olacak şekilde bölümlenmesidir. Kümelemede amaç, aynı gruptaki bireylerin benzerliklerinin enbüyüklenmesi iken farklı gruplardaki bireylerin benzerliklerinin enküçüklenmesidir.

Karar analitiği, bir karar problemi için uygun veya en iyi karar seçeneğinin belirlenmesine yönelik öneri içeren yöntem ve yaklaşımlardan oluşmaktadır. Karar analitiği, bir karar vericinin karara varmasına yardımcı olacak bilgileri sunan sistemler (Karar Destek Sistemleri) ile karar vericinin tercihi olan yöntemleri kullanarak otomatik olarak karar veren bilgi sistemleri (Otomatik Karar Sistemleri) aracılığıyla yaşama geçirilir.

İşletme analitiğinde, her analitik uygulamanın tek bir amacı vardır: Kurumsal değer yaratmak. Uygulama alanlarına bağlı olarak birçok analitik türü vardır. Bunların bazıları: Metin Analitiği: Metin analitiği, metinler halinde tutulan bilgilerin derlenmesi ve metin madenciliği ile eyleme dönüştürülebilecek bilgilerin keşfedilmesi sürecini içerir.

Web Analitiği: Web kullanımı madenciliği de denir. Web sayfaları ziyaret ve işlemleri üzerinden faydalı bilgilerin çıkarılmasıdır. Analiz edilecek veriler web sunucuları yardımıyla toplanır. Bu yüzden tıklama akışı analizi de denir.

Bir işletmenin işletme analitiğini bir rekabet aracı olarak kullanabilmesi için sahip olduğu bilgi sistemi altyapısının taşıması gereken özellikler vardır. Bu özelliklerin başında işletme içinde biriktirilen verilerin, işletmenin yönetim noktalarına etkin erişimini sağlayacak bir entegrasyonun varlığı gelir. OLTP kurumsal kaynak planlaması, müşteri ilişkileri yönetimi, tedarik zinciri yönetimi ve satış noktası gibi günlük işletme faaliyetlerine ilişkin kayıtların tutulup saklanmasına verilen isimdir. Kayıtların gerçek zamanlı ve güvenli bir şekilde tutulmasına yönelik olup, anlık ve standart dışı sorgu ve raporlamalara uygun değildir. OLTP’nin bu eksiğini gidermek üzere OLAP (Çevrim İçi Analiz İşleme) önerilmiştir. OLAP’in temelinde küp kavramı vardır. Küp, verilerin etkin analizine olanak veren çok boyutlu bir veri yapısıdır. İlişkisel veritabanlarının büyük hacimli verilerin analizinde gözlenen performans yetersizliğini gidererek, kullanıcılara veritabanı üzerinde gezinme ve alt veri gruplarını görüntüleme olanağı sunmaktadır. Yaygın OLAP operasyonları şunlardır:

Dilim: Çok boyutlu bir veri dizeyinin genellikle iki boyutlu bir alt kümesidir.

Zar: Bir veri küpünün ikiden fazla boyut kullanılarak elde edilen bir dilimidir.

Ayrıntılara Girip Çıkma: Tipik bir OLAP tekniğidir. Verilerin en fazla özetlenmiş halinden en ayrıntılı haline kadar kullanıcının veriler üzerinde gezinmesine olanak sunar.

Konsolidasyon: Bir veya birkaç boyut üzerinde verilerin özetlenmesidir. Bu, o boyut üzerinden bir toplam ortalama veya bir formül olabilir.

Pivot: İlgilenilen veri küpünün farklı boyutlar üzerinden görüntülenmesini sağlar

Kurumsal Veri Ambarına (KVA) aktarılması düşünülen verilerin seçilmesi, operasyonel veritabanlarından alınıp, karar vericilerin kullanabileceği içerikte sentezlenip kurumsal veritabanlarına ve oradan da veri marketlerine aktarılması sürecinin tümüne kısaca veri göçerimi denir. İngilizce çıkarma, dönüştürme ve yükleme sözcüklerinin baş harflerinden oluşan ETL sürecinin tam karşılığı olarak kullanılırsa ÇDY (Çıkarma, Dönüştürme, Yükleme) süreci de denebilir. Bir veri ambarı, karar vermeyi desteklemek üzere üretilen verilerin tutulduğu bir havuzdur. Ayrıca kurum yöneticilerinin ilgisini çekme potansiyeli olan güncel ve geçmiş verilerin tutulduğu yerdir.

Bir veri ambarı konu-odaklı, bütünleşik, zaman-damgalı, kalıcı ve metaveri içeren bir bilgi koleksiyonudur.

Zaman-damgalılık: Bir veri ambarı eski veriyi korur. Veriler genel olarak şu an ki durumu yansıtmaktan çok kararları etkileyebilecek trendleri ve sapmaları sergileyerek, tahmin ve kıyaslamalar için uzun süreli ilişkileri de yansıtmaya yöneliktir. Zaman damgası, bir elektronik verinin üretildiği, değiştirildiği, gönderildiği, alındığı, kaydedildiği zamanın tespit edilmesini sağlayan elektronik bir veridir. Zaman damgası kullanımı, bütün veri ambarlarının desteklemesi gereken önemli bir özelliktir.

Kalıcılık: Veriler bir veri ambarına girildikten sonra, kullanıcılar veriyi değiştiremez ya da güncelleyemez. Değişiklikler yeni veri olarak kaydedilir.

Metaveri İçerme: Bir veri ambarı verilerin nasıl organize edildiği ve etkili bir şekilde nasıl kullanılacağı hakkında metaveri içermelidir. Metaveri, veri hakkındaki verilerdir. Metaveriye sahip raporlar, yönetsel açıdan daha değerlidir. Metaverinin amacı, verinin yapısal, anlamsal ve yönetimsel okunurluğunu, anlaşılırlığını ve dolayısı ile kullanılabilirliğini arttırmaktır.

Veri ambarlama, karar destek yeteneğini sağlayan uygulamalarla sonuçlanan, işletme bilgisine erişim sağlamaya hazır ve yönetsel içgörü yaratan bir disiplindir. Veri ambarı bir bilgi dolabı iken, veri ambarlama sürecin tamamıdır.

Veri marketi: Veri ambarının bir alt kümesi olup tek bir konu veya alandaki bilgileri içerir. Bağımlı veri marketi, veri ambarındaki bilgilerden doğrudan yaratılan bir altkümedir. Diğer kullanıcılarla aynı bilgiyi görür. Veri ambarının üzerine inşa edildiğinden maliyetlidir ve büyük firmalara önerilir. Bağımsız veri marketi, düşük-maliyetli ve küçük ölçekli bir veri ambarıdır. Karar destek sistemleri ve analitik araçlarının veri ambarına erişimini destekleyen yazılımlara aracı yazılım denir.

Veri ambarları genellikle iki veya üç katmanlı mimarilere sahiptirler. Üç katmanlı veri ambarının bileşenleri şunlardır:

• Uygulama Sunucusu: Veri ve ilgili yazılımlar içeren veri ambarının kendisi
• Veri Derleme: Veri ambarına mevcut sistemler ve dış kaynaklardan veri alıp, konsolide eden ve özetleyen, ve bunları veri ambarına besleyen bir veri derleme yazılımı
• İstemci İş İstasyonu: Kullanıcıların veri ambarındaki verilere erişimini ve analiz yapmalarını sağlayan bir istemci yazılımıdır.

Buna karar destek sistemi, işletme zekâsı ve işletme analitiğinin motoru da denilebilir.

Üç katmanlı mimarinin avantajı, veri ambarının işlevlerinin ayrıştırılması olup bu sayede kaynak kısıtları ortadan kaldırılmakta ve veri marketlerinin yaratılması kolaylaşmaktadır. İki katmanlı mimari, KDS motoru veri ambarıyla aynı sunucuyu kullandığından üç-katmanlıya göre ekonomiktir.

Davenport gibi bazı yönetim bilişim uzmanları, işletme analitiğini üç ayrı dönemde ele almaktadır. Bunlar:

1. İşletme Zekâsı Çağı: Analitik 1.0’da denir. Yöneticilerin kendi sezgi ve yargılarını bulgularla desteklemek için verilerin analizini gerçekleştirmeye olanak veren veri yönetim yazılım ve donanımlarının beslediği gelişmeleri içeriyordu. Veri analistleri, bu dönemde analizlere uygun verileri hazırlamakla meşgul olmaktaydılar. Büyük oranda raporlamaya dayalı faaliyetlerden oluşuyordu. Verilerin analizinin öneminin anlaşıldığı ve operasyonel birimlerde birbirinden kopuk olarak uygulanmaya başlandığı bir dönemdi.
2. Büyük Veri Çağı: Analitik 2.0’da denir. Özellikle internet tabanlı işletmeler ile sosyal ağ işletmeleri, yeni veri ve bilgi türlerini biriktirmeye, hesaplamaya ve analiz etmeye başlamışlardır. Büyük veri, küçük veriden ayrışmış, işletmeler büyük verinden yararlanarak öncü olmanın sağlayacağı avantajların farkına varmışlardır. Ancak büyük verinin tek bir sunucudan analizi pratik fayda sağlamaktan uzaktır. Bildik veritabanlarının ön koşulu olan verinin tam yapılandırılması koşulunu sağlamayan veriler için NoSQL denen yeni bir veritabanı sınıfı ortaya çıkmıştır. Çoklu veri kaynaklarındaki verileri yönetebilmek için Hadoop gibi büyük veriye yönelik yazılımlara gereksinim duyulmuştur. Büyük verilerden bir şeyler öğrenmek üzere otomatik öğrenme yöntemlerinden yararlanılma yoluna gidildiği bir dönem olmuştur.
3. Veriyle Zenginleştirilmiş Ürün Çağı: Analitik 3.0’da denmektedir. İşletme Zekası çağının analitik araçlardan beklentileri ile Büyük Veri Çağının adeta sınırsız veri olanaklarının birlikte kullanımının yaratacağı fırsatlar ve yenilikçi ürün fikirlerinin yaşama geçirilme dönemidir. Verimerkezli ürün ve hizmet tasarımı süreçlerinin yalnızca İnternet ve elektronik ticaret yapan işletmelere özgü olmadığı, her boyut ve sektörden firmaların artan bilgilerinden yararlanarak daha başarılı ürün ve hizmetler ortaya koyma fırsatına sahip olduğu farklı bir işletmecilik anlayışının benimsendiği görülmektedir. Bu dönemde, yenilikçiliğe dayalı stratejilerin öne çıkması ve işletme analitiğinin yeniliklere yön çizmede anlamlı bir yerinin olması beklenir.

Büyük Veri Analitiği

Büyük veri, tek bir depolama ünitesinde saklanamayan, geleneksel veritabanı sistemlerinin işleme kapasitesini aşan ve farklı kaynaklardan gelen veridir. Büyük veri yalnızca miktarca çok değil aynı zamanda hızla değişen ve katı bir şekilde yapılandırılmış veritabanlarına uygun olmayan verilerdir. En önemli kaynağı İnternet üzerinde yapılan tıklama akışları veya tıklanma yollarıdır. Google ve Yandex gibi bir İnternet arama motoru aramaya ilişkin sonuçları milisaniyeler içinde verebilmek için milyarlarca web sayfasını araştırmak ve indekslemek zorundadır. Web sayfalarının bu şekilde indekslenmesi kolay değildir. Bu ölçekteki verileri yönetmek; bu verilerin saklanması ve işlenmesini gerektirir. Google, bu veriyi parçalayıp bir ağ mimarisi ile birbirine bağlı farklı sunucularda tutarak buna Google Dosya Sistemi adını vermiştir. Daha sonra bu sistem geliştirilerek Hadoop Dağıtık Dosya Sistemi olarak ortaya çıkmıştır

Bu büyüklükteki verilerin saklanması kadar verilerin işletmeler için bir değere dönüştürülmesi de gerekir. Bu durumda ortaya çıkan yeni yaklaşım: MapReduce programlama yaklaşımıdır. Bu yaklaşım, verileri alıp algoritma ile işlemek yerine işlemeyi veya algoritmayı verilerin olduğu yere götürmektir. “Büyük veri” dendiğinde öncelikle hacim, hız ve çeşitlilik (İngilizcede 3V olarak anılır: volume, velocity, variety) anlaşılmalı sonra da veri yönetiminde bir şekilde HDFS ve MapReduce kullanımının veya mantığının olduğu düşünülmelidir. Hacim, büyük veri analitiğinin en çok ilgilenilen yönü olup, büyük verinin gizlediği işletmecilik fırsatlarını içerir. Hız, işletme veritabanı sistemlerine artan hızda veri akışı anlamına gelip, büyük verinin hacimsel yapısındaki hızlı değişiminin göstergesidir. Çeşitlilik, bilgi işleme yeteneğinin farklı biçim ve içerikteki verileri içerebilmesi ve çözümlerin bu gerçeği gözeterek geliştirilmesidir.

İşletme Tabloları Ve KiĢisel Analitik

Kurumsal zekâ, yöneticilerin veya işletmelerin sahip oldukları yönetsel yöntem bilgilerini karar verme süreçleri içinde kullanma ve eyleme dönüştürme düzeyinin bir ifadesidir. İşletmede kurumsal zekâ, her bir yöneticinin tek tek karar verme kapasitelerinin bir toplamı olduğu kadar, bireysel karar süreçlerinin değerlendirilerek, gereğinde işletmenin süreçleri için benimsenmesine ve nihayet kurumsallaştırılmasına giden yolun genişliğiyle ve kullanım çevikliğiyle orantılıdır. İşletme analitiği araçları ile her düzeydeki karar vericinin bu araçlardan yararlanabilmeleri kurumsal çapta sağlanan faydayı arttırmak için önemlidir. Yönetici ile analitik sistem arasındaki mesafe kısaldıkça analitik çeviklik artacaktır. Mesafenin kısaltılmasında kullanılabilecek yaklaşımlardan biri de analitiğin işletme çapında yaygın kullanıma sahip işlem tabloları üzerinden yapılabilirliğini arttırmaktır. Microsoft Excel gibi işlem tablosu araçları veri tabloları, veri yönetimi, veri görselleştirme, veri analizi ile başlayıp pivot tablolama ve veri madenciliğine giden önemli bir dizi analitik işlevi destekleyen bileşenlere sahiptirler. İşlem tablolarının varlığı, karar vericilerin analitik araçlar ile yakınlıklarını sağlayarak, doğrudan ve aracısız analitiğin çeviklik yeteneğinden yararlanmalarını sağlayabilecektir.