Google Glasses haberinin ardından yapılmış çok güzel bir Battlefield videosu. Tek kelimeyle harika olmuş 🙂 Adamlar yapmışlar bize tebrik etmek düşer.
[youtube]http://www.youtube.com/watch?v=-sSsRIhVYB4&[/youtube]
Bitmemiş Bir Cümle – Müdür
Google Glasses haberinin ardından yapılmış çok güzel bir Battlefield videosu. Tek kelimeyle harika olmuş 🙂 Adamlar yapmışlar bize tebrik etmek düşer.
[youtube]http://www.youtube.com/watch?v=-sSsRIhVYB4&[/youtube]
OLAP hakkında genel bir bilgi veren güzel bir yazı. Kaynak: http://www.danismend.com/kategori/altkategori/olap-1/
Her işin tek tuşa basılarak hazırlandığını sanan patronunuz, günlerce uğraşarak hazırladığınız raporunuzda, “Bir de rapora, 3 ay öncesiyle karşılaştırmalı bakalım” veya “Bir de tüm bu verileri, ürün tipi kırılımında inceleyelim” derse ne yaparsınız? İşleriniz devamlı bu şekilde güncellemeler, asla bitmeyen raporlarla mı geçiyor? O zaman OLAP nedir mutlaka öğrenmelisiniz.
OLAP nedir ?
İlişkisel veri tabanlarının yaygınlığı ve sonrasında ortaya çıkan Veri Ambarlarının gelişmesi ile beraber, verilere daha hızlı şekilde erişme ve çok boyutlu analiz ihtiyaçları, bilim adamlarını ve yazılım şirketlerini, daha farklı yapılar geliştirmeye itmiştir.
Bu amaçla geliştirilen bir teknoloji olan OLAP (On-line Analytical Processing), ilişkisel veri tabanları gibi, bilimsel temeller üzerine değil, OLAP ürünleri üreten firmaların desteğinde çıkan bir teknoloji olmuştur. Bu nedenle, veri tabanları, ilişkisel veri tabanları ve hatta veri ambarları üzerine birçok akademik yazı bulunmasına rağmen, OLAP üzerine genellikle, ürün dökumanları ve şirketlerin tanıtım yazıları bulunabilmektedir.
OLAP terimini ilk olarak ortaya çıkışı ise, 1993 yılında, Dr. E.F.Codd ’un ortaya koyduğu kurallar çerçevesinde olmuştur. Bu yazı, OLAP için bir temel oluştursa da, kimi çevrelere göre, o yıllarda Arbor Software (Şimdiki Hyperion Solutions) için bir white paper olmaktan öteye gidememiştir.
Bu yazıya göre, bir veri yapısının OLAP olarak nitelendirilebilmesi için 12 kural belirlenmiştir. Bu kurallar sırası ile:
Kullanılan sektörler/alanlar nelerdir?
OLAP, yöneticiler ve analistlerin, verilere çok hızlı şekilde, farklı açılardan bakabilmelerini sağlayan bir yapıdır. “Kim?” ve “Ne Zaman?” sorularından başka, “Neden?” ve “Eğer şu olursa…” sorularının da yanıtını verir. (Ör : Eğer şeker fiyatları 5% lira ve taşıma maliyetleri 10% düşerse, yıllık ve çeyrekler bazında kârlılık ne olur gibi.)
Akıllı raporlama araçları sayesinde, neden sorularının cevapları da kolaylıkla alınabilmektedir. Genel eğilimden farklılık gösteren, uç değerler yaratan elemanları birçok analiz aracı, sayısal detaylara girmeden, sadece renklerle bile görüntüleyebilmektedir.
OLAP’ı sadece büyük özet tablolar gibi yorumlamak pek doğru değildir. Excel kullanıcıların yakından tanıyacakları Pivot tabloların, çok gelişmiş ve hızlı bir hali olarak gözönüne getirmek daha doğru olacaktır. Tasarlanan bir OLAP yapısının, hiyerarşilerini ve boyutlarını görmek mümkün olsa da, verileri nasıl tuttuğunu, 2 veya grafikler olarak göstermek mümkün değildir, ancak iç içe geçmiş küpler olarak yorumlanabilir. Bu nedenler OLAP yapılarına, “küp” adı verilmektedir.
Bir veri ambarınızın olması, OLAP’a ihtiyacınız olmadığı anlamına gelmez. Veri Ambarları ve OLAP birbirlerinin tamamlarlar. Veri Ambarı verileri uygun şekilde tutmaya ve kontrol etmeye yarar. OLAP ise, DW verilerini stratejik bilgilere dönüştürmeye yarar.
Bir şirket yapısı içerisinde, departmanlar bazında inceleyecek olursak;
Pazarlama departmanlarında OLAP’ın en yaygın kullanım alanları, pazar araştırmalarında, satış tahminleri, promosyon ve kampanya analizleri, müşteri analizleri ve Pazar/Müşteri segmentasyonlarıdır. Data Mining sonuçlarının değerlendirilmesi ve demografikler bazında incelenmesi seviyesinde de olmazsa-olmaz araçlardan biri olarak yer almaktadır.
Üretim ile ilgili uygulamaları ise en yoğun olarak üretim planlama ve hata analizleridir. Özellikle senaryogeliştirmekte ve farklı ürün tipleri ile çalışılan yapılarda, çok boyutlu düşünme imkanı sayesinde maliyetler ve fiyatlamalar, kolaylıkla çıkarılabilmektedir.
Finans Departmanları ise OLAP’ı bütçeleme, Activity-Based Costing, finansal performans analizleri ve finansal modelleme amaçları ile kullanabilir. Özellikle konsolidasyon konusunda yaratılacak modeller, çok büyük kolaylıklar sağlamaktadırlar. Strateji belirleme, Satış analizleri ve gelecek tahminleri ise, satış departmanlarındaki OLAP uygulamadır.
OLAP’ın özellikleri
Zaman kazancının dışında, OLAP 3 çok önemli özelliği de beraberinde getirmektedir.
Verilere çok boyutlu bakabilme özelliği :
Analizler sırasında kullanmış olduğumuz, her türlü kırılıma boyut adını verebiliriz. Örneğin demografik veriler (yaş, cinsiyet, eğitim durumu), sayısal veriler, adetler, işlem miktarları, gerçekleşen ve bütçelenen değerler, ürün tüpleri, ürün özellikleri ve zaman. Yöneticiler ve analistler, çalışmaları sırasında, tüm bu tanımlanan verileri yatay veya düşey eksenlerde çakıştırarak görmek isteyebilirler.
İlişkisel veri tabanları, bu şekilde raporlara izin vermezler, fakat raporlama araçlarının yetenekleri ile, belirli bir noktaya kadar tolere edilebilir. Fakat daha karmaşık analizler işin içine girdiğinde, bir olap yapısı kurmadan bu raporları almak imkansız hale gelebilir.
İlişkisel veri tabaları üzerinde karmaşık SQL kodları yazmak, ya da raporlama aracının sahip olduğu programlama dili üzerinde uğraşmak gerekebilir. Bu da, analizi yapan kişilerin, işin özünden çıkarak, analiz gerektirebilecek verilere değil, teknik olanaklara, daha kolay şekilde alabilecekleri verilere kanalize olmaları sonucunu doğurur. Bu nedenle, iş zekası programlarının pratik olmasının yanında, fazla teknik bilgi kullanmadan raporların alınabilir olması, farklı kaynakları bir arada kullanabilecek, konsolide edebilecek yapıda olmaları gerekir.
Boyutların başka bir özelliği de hiyerarşiler tanımlanabilmesidir. Hiyerarşiler sayesinde, hem toplamlara ulaşmak kolaylaşmakta, hem de farklı gruplar için, farklı senaryolar hazırlayabilme şansı doğmaktadır.
Karmaşık Hesaplamalar:
Bir OLAP sisteminin gerçek performansı, karmaşık hesaplamaları yapma gücü ile ölçülebilir. OLAP sistemleri, sadece toplama işleminden başka işlemler de yapabilecek güçte olmalıdırlar. Gerçek hayat, her zaman daha karışıktır. Analiz yapanlar için, asıl rakamlardan çok, yüzde sel dağılımlar çok daha önemlidir. Birkaç yıllık satış içerisinde, binlerce ürün türü için günlük bazda satışları yüzdesel olarak analiz edip, sıraya dizebilmek bir RDBMS ile saatler sürecek bir raporun çalışmasını gerektirebilir. Oysa uygun bir OLAP sistem ile, bir günlük satışlar ve birkaç yıllık satış rakamı arasında bir fark olmamalıdır. Satış tahminlerinde, genellikle “moving average” ve “yüzde artış” gibi trend analizleri kullanılır. Finansal analizlerde, envanter hesaplarında ve portföy performans hesaplarında, zamana göre ürünlerin toplanma sırası, sonucu tamamen değiştirebilir. (yukarıdan aşağıya, ya da aşağıdan yukarıya, LIFO-FIFO) Kullanılacak OLAP yapısında, bu şekilde hesaplamalara da izin verir bir yapısının olması gerekir.
Zaman kavramları:
Zaman boyutu, neredeyse her analizin temel bileşenidir. Zaman, diğer boyutlardan farklı olarak, kendine has bir sıralama içersinde gider. Alfabetik (Ocak her zaman Şubat’tan önce gelmelidir) veya nümerik sıralamalardan (12/31, 01/01’den önce gelmelidir) her zaman farklıdır. Gerçek OLAP sistemleri, zamanın bu şekilde sıralanmasını sağlarlar.
OLAP’ın yararları
Analiz yapan kişiler, daha kendine yeterli, IT’den bağımsız hale gelebilmektedirler.
Düşük kapasiteli sistemlerde yaşanan, zaman sıkıntısı problemleri ortadan kalkmaktadır. Üretim sistemini rapor için hızlandıracak büyük yatırımlar yerine, çok daha düşük maliyetli bir rapor sistemi kurmak bir çözüm olabilir. Yeni dönemde çıkan, tümleşik OLAP yapılarında, ilişkisel veri tabanı ve OLAP iç içe bir yapıda olduklarından, üretim sistemeleri ya da veri ambarları üzerinde, toplamlar gerektiğinde, ilgili sorgulama OLAP küplerine yönlendirilerek, çok yüksek ölçüde performans getirisi sağlanabilmektedir.
Ayrıca bu yapılar sayesinde, OLAP sistemi için, hem yazılım hem de güncelleme anlamında, ikinci kez masraf yapmak zorluğu da ortadan kalkmaktadır.
Bu şekilde bir yatırımla, var olan IT sistemi de rahatlamakta, üretim sistemi üzerinde yer alan raporlar ortadan kalkmaktadır.
Farklı kaynaklardan alınan kaynaklar konsolide edilmekte ve veri güvenliği sağlanmaktadır.
Veriler toplamları alınmış şekilde bulunduklarından, toplam verilerin bulunması için gerekli raw-data, analistin makinesine aktarılması gerekmediğinden, network üzerinde büyük ölçüde bir trafik kazancı sağlanmaktadır.
Zaman kazancı, aynı zamanda kaynakların etkin kullanımı ve para kazancı anlamına da gelmektedir.
Emir Türkmen
Emir.turkmen@advantage.com.tr
(Yazar hakkında: İTÜ Matematik Mühendisliği mezunu olan Türkmen, MBA eğitimini İstanbul Bilgi Üniversitesinde tamamlamıştır. 6 yıldır çeşitli tanınmış firmalarda programlama, Veri Tabanları, Data Warehousing ve OLAP üzerine çalışan Emir Türkmen, şu anda Benkar-Advantage’da Veritabanı Pazarlama Departmanında, Veri Madenciliği konusunda çalışmaktadır)
SAS Business Analytics Series 2012’de Pelin Özbozkurt (PhD) Tahminsel modelleme ile geleceğe dönük fırsatları keşfedin sunumunda çok farklı örneklere yer vermişti. Tahmin deyince herkesin aklına sırasıyla Hava Tahmini, Satış Tahmini, Talep Tahmini, vs. gibi konular gelir. Fakat bu örnekler çok farklıydı.
Birincisinden başlayalım. Azınlık Raporu (Minority Report) (IMDB) (Wikipedia) adlı filmi çoğu kişi izlemiştir.
Filmin Özeti:
Washington yıl 2054, cinayet suçu artık tamamen durdurulmuştur. Gelecek artık görülebilmekte ve suç daha işlenmeden cezalandırılmaktadır. Adalet Bakanlığına bağlı olarak çalışan , “Pre-Cogs”lar tarafından tüm detayları ile görüntülerinin düzenlendiği ve önceden harekete geçildiği Suç-öncesi bölümünün görevi suçluları bulmak ve onları durdurarak ceza almalarını sağlamaktır. Psişik canlılar olan “Pre-Cogs”lar asla hata yapmazlar. Bu ulusal olarak kurulan en mükemmel suç önleyici organizasyon olmuştur. Ve bu sistem için en çok çalışan da organizasyonun başında bulunan Şef John Anderton (Tom Cruise)dan başkası değildir. Bundan yıllar önce trajik bir şekilde oğlunu kaybeden Anderton tüm gücünü ve arzusunu sisteme vermiş böylece kendisinin yaşadığına benzer bir olayı başkalarının da yaşamasına engel olmaya çalışmaktadır. Bu olayın üzerinden altı yıl geçmiştir ve onun tek arzusu yaratmış oldukları sistemin kusursuz işleyişini sağlamaktır.
Anderton’ın bu konuda asla şüphesi yoktur. Taa ki sistem onu bir numaralı şüpheli ilan edene kadar…
Filmde gelecekte kullanılacağı düşünülen bir çok teknolojiye verilmiştir. Çoklu Dokunmatik Ekranlar, Retina Tarayıcılar, Kişiye Özgü Reklamlar, E-Papers, Örümcek Robotlar, Jet-Packs ve Suçu Tahmin Eden Program. Yıl 2054 olmasa da Örümcek Robotlar haricindeki tüm teknolojiler icat edilmiş gibi 🙂 Tabi JetPack’i günlük hayatta kullanılmıyor daha 🙂 Peki Suçu Tahmin Eden Program? İcat edildi mi? Aramızda Pre-Cogs‘lar mı var?
“The New York Times” da yayınlanan haberin başlığı şu şekilde. “Sending the Police Before There’s a Crime” yani “Suç Gerçekleşmeden Önce Polisi Olay Mahaline Göndermek”
“The arrests were routine. Two women were taken into custody after they were discovered peering into cars in a downtown parking garage in Santa Cruz, Calif. One woman was found to have outstanding warrants; the other was carrying illegal drugs.
But the presence of the police officers in the garage that Friday afternoon in July was anything but ordinary: They were directed to the parking structure by a computer program that had predicted that car burglaries were especially likely there that day.
The program is part of an unusual experiment by the Santa Cruz Police Department in predictive policing — deploying officers in places where crimes are likely to occur in the future.
In July, Santa Cruz began testing the prediction method for property crimes like car and home burglaries and car thefts. So far, said Zach Friend, the police department’s crime analyst, the program has helped officers pre-empt several crimes and has led to five arrests.”
Haberin Tamamını buradan okuyabilirsiniz.
Kullanılan metot ile ilgili bilgiye de buradan ulaşabilirsiniz.
Buyrun bu da videosu Predictive Analytics – Police Use Analytics to Reduce Crime
[youtube]http://www.youtube.com/watch?v=_ZyU6po_E74[/youtube]
Sonuç olarak bu çalışma Tahmin Metotlarının ne kadar farklı alanlarda kullanılabildiğine bir örnektir. Tahmin yapıldıktan sonra bu Tahmin Doğruluğunun (Forecasting Accuracy) ölçülmesi gerekir. Doğruluğunun ölüçülmesi için çeşitli metotlar vardır. Belli bir zaman aralığında Gerçekleşen ile Tahmin arasındaki fark baz alınarak hesaplanan (Hata) değer en çok kullanılan Doğruluk ölçütüdür. (MAD, MAPE, RMSE, vs.) Fakat bunun gibi ölçütleri burada kullanmanız mümkün değildir. Makalede de yazdığı gibi bunun gibi modellerin ölçülmesi için farklı bir metot izlenmiş.
“We’re facing a situation where we have 30 percent more calls for service but 20 percent less staff than in the year 2000, and that is going to continue to be our reality,” Mr. Friend said. “So we have to deploy our resources in a more effective way, and we thought this model would help.”
Dünyada Analitik açıdan güzel gelişmeler oluyor. Ve biz de bu gelişmeleri elimizden geldiğince takip etmeye çalışıyoruz. Tekrar görüşmek üzere.
21 Mart 2012 tarihinde Swissotel The Bosphorus’da, SAS Business Analytics Series 2012 gerçekleşti. Geçen sene olduğu gibi bu senede organizasyona ekip olarak katıldık. 2011 yılında yapılan organizasyonda Genel Müdür Yardımcımız tarafından “Bir Başarı Hikayesi” olarak yaptığımız çalışma sunulmuştu. Bu sene sadece dinlemeye gittik. Her ne kadar Perakende sektörü için çok doyurucu olmasa da güzel bir organizasyon oldu.
Ünlü futurist Mike Walsh‘ın da konuşmacı olarak katıldığı organizasyonda, farklı sektörlerden yüzlerce dinleyici vardı. Geçtiğimiz sene salonlarda büyük boşluklar var iken bu sene yüksek katılımcıdan dolayı bazı oturumlarda yer sıkıntısı çekildi. Bizim sektörden (Moda Perakendesi) ben bu sene çok fazla kişi göremedim. O yüzden çok fazla sosyalleşemediğimizi de eklemek isterim 🙂 Organizasyon boyunca Twitter üzerinden #SASBAS hashtag’i ile atılan tweetler bir ekran ile kullanıcılara gösterildi. Aynı zamanda @SasTurkey ile de organizasyon hakkında bilgilendirme Tweetleri atıldı. Habertürk de canlı yayında organizasyona bağlandı. Geçen sene ile bu sene kıyaslandığı zaman artık Türkiye’de Analitik konulara, Sosyal Medyaya önem verildiğini sadece bu organizasyona bakarak bile söyleyebiliriz.
Bu sene öne çıkan konular, Sosyal Medya, Big Data, Dijital Gelecek, Analitik Çözümlerdi.
Organizasyon Tanıtım Yazısından
Neden Katılmalı?
Öne Çıkan Konuşmacılar
Öğleden önceki programa iş dolayısıyla katılamadık. Öğleden sonra gerçekleştirilen oturumlara katılabildik. İlk olarak EreTeam tarafından sunulan Başarılı Talep Tahminleme Modelleri sunumunu dinledik. Tahmin ile içli dışlı olduğumuz için bu sunum bizi çok tatmin etmedi. Sanki üniversitede Üretim Planlama dersinde Tahmin konusunu işliyormuşuz gibi hissettim. Bu oturumdan sonra Tahminsel modelleme ile geleceğe dönük fırsatları keşfedin konulu sunuma katıldık. Sunumun ilk kısmını SAS’dan Pelin Özbozkurt PhD. yaptı. Ardından Yapı Kredi Bankası örnek bir uygulama sunumu yaptı. Pelin Hanım’ın sunumu hem çok faydalı hem de eğlenceliydi. Hangi sektörden olursanız olun bir şeyler öğrenebileceğiniz bir sunumdu. Özellikle aşağıda yer alan bazı sunum notları, yol haritası niteliğindedir.
Bu sunumun ardından Social Media Analytics başlıklı sunuma girip ING Bank‘ın Sosyal Medya’da kullandığı Analitik yöntemler konusunda bilgi sahibi olduk. Son olarak Akbank tarafından sunulan Marketing Optimization başlıklısunuma katılıp günü noktaladık. Şirkete geri dönmemiz gerektiği için son oturumlara katılamadık.
Sonuç olarak, SAS Türkiye‘ye böyle bir organizasyon düzenlediği için teşekkür ediyorum. Swissotel The Bosphorus’a ve çalışanlarına da güleryüzlü hizmetleri ve güzel yemekleri için teşekkür etmek istiyorum. Güzel bir gün geçirdik. Seneye tekrar bu organizasyonda görüşmek üzere. Belki konuşmacı olarak katılırım kim bilir 🙂
Şirketime bu organizasyona katılma konusunda gösterdiği hassasiyet ve ulaşım konusunda gerekli kolaylığı sağladığı için de teşekkür ederim.
Her markanın bir e-ticaret sitesinin bulunduğu bir ortamda internetten yapılan alışverişi daha eğlenceli ve göze hoş gelen bir formata dönüştüren 3D sanal market, online alışverişe farklı bir kapı açtı. Türkiye’de bir ilki gerçekleştirdiklerini söyleyen Sağdıçlar İdeal Gıda Genel Müdürü Veysel Sağdıç, Sanal alışverişin gün geçtikçe monotonlaştığı bir ortamda 3D sanal market sayesinde müşteriye daha eğlenceli ve gerçekliğe daha yakın bir ortam sağlamaya çalıştık” diye konuştu
Bugün Türkiye’de 35 milyona yakın internet kullanıcısı var. Türkiye, bu sayı ile Avrupa’da 4’üncü sırada yer alıyor. Dijital pazarı ölçümleyen ComScore firmasının Avrupa’daki 270,6 milyon internet kullanıcısı arasında yaptığı araştırmaya göre ise 2011 yılında perakende sitelerinde en fazla zaman harcayan ilk üç ülke arasına Türkiye de bulunuyor. Tüm bu rakamsal veriler önemi gün geçtikçe artan e-ticaret pazarının şirketlerin karlılıklarında ayrı bir yeri olduğunu gösteriyor. Öte yandan sanal markete farklı bir pencere açan Sağdıçlar İdeal Gıda, sanal marketin bir adım önüne geçerek online alışverişi 3 boyutlu bir ortama taşıyor. Birçok marketin online alışveriş sitesinin olduğunu hatırlatan Sağdıçlar İdeal Gıda Genel Müdürü Veysel Sağdıç, “Artık neredeyse her işletmenin bir e-ticaret sitesinin bulunduğu günümüzde, bu çokluk sebebiyle müşterilerin isteklerini gerçeğe daha uygun bir platforma taşımak istedik. Bunu yaparken de müşterinin internet alışverişini daha eğlenceli hale getirmeyi hedefledik. Müşteriyi eğlenceli alışverişe yönlendirmenin yanı sıra ürün hakkında daha detaylı bilgi sahibi olmasını da amaçlıyoruz” şeklinde konuştu.
3D sanal marketin müşteriye daha eğlenceli ve gerçekliğe daha yakın bir ortamda alışveriş yapma deneyimi sunduğunu dile getiren Sağdıç, diğer online alışveriş yapılabilen marketlerden bu anlamda ayrıldıklarına dikkati çekti.
Hedefte 3 boyutlu AVM planı var
Projenin altyapısının tüm ürün gruplarını destekler nitelikte olduğunun altını çizen Sağdıç, “Şu an bir markette satılabilecek ürün gruplarıyla yola çıktık. Fakat giyim, kitap, kırtasiye hatta otomobil sektörü bile bu sistemi kullanabilir. Zamanla insanların beklentileri doğrultusunda farklı marka ve bol ürün çeşidi içeren çok katlı alışveriş merkezi oluşturacağız. Bu alışveriş merkezinde farklı markaların dükkânları olacak ve insanlar istedikleri ürünleri bu alışveriş merkezinde bulabilecekler. Günümüzün alışveriş trendini 3 boyutlu olarak internet ortamına aktarmış olacağız” dedi.
Projenin devamlı gelişen bir yapısının olacağını belirten Sağdıç, 3D sanal marketin 2 ay içinde tüm ürün gruplarıyla tam bir mağaza kimliğinde hizmet vereceğini de sözlerine ekledi.
Uğur TATLI / Perakende.org
Suyunu: 4 sene önce Recep arkadaşım Sanal AVM yapabilir miyiz diye sorduğunda, çok hoşuma gitmişti ama yapacak Yazılımcı bulamadığımız için sadece proje olarak kalmıştı. Şimdi yapıldığını gördüğümde içim acımadı değil. Hayırlısı olsun. Helal-i hoş olsun 🙂 Yazıyı Twitter’dan paylaşan Cemil Yıldız Bey’e de teşekkür ederim.
Burak Günbal’ın İMA’da (İstanbul Moda Akademisi) hazırladığı Moda Perakendesi Yönetimi sunumu.