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:

• Çok boyutlu inceleme özelliğine sahip olması,
• Şeffaflık,
• Erişilebilirlik,
• Her seviyede sorgulama için aynı performansı gösterebilme özelliği,
• İstemci-Sunucu yapısında olması,
• Sınırsız şekilde çarpraz raporlama olanağının olması,
• En alt seviyedeki verilerin otomatik olarak ayarlanması,
• Her şarta uygun boyutlandırılabilirlik,
• Çok kullanıcı desteğinin olması,
• Her seviyede verilerin değiştirilebilir olması,
• Esnek raporlama özelliği,
• Boyut ve gruplamalarda sınır olmaması.

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)

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

Click here to view the embedded video.

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.

Bu sene öne çıkan konular, Sosyal Medya, Big Data, Dijital Gelecek, Analitik Çözümlerdi.

Organizasyon Tanıtım Yazısından

• Sosyal Medya ne gibi fırsatlar sunuyor?
• Dijital gelecek sizi ve işinizi nasıl değiştirecek?
• Analitik çözümler rekabeti nasıl yönetiyor?
• İş kararlarını Büyük Veri nasıl etkileyecek?

Neden Katılmalı?

• Analitiğin , şirketinizi nasıl değiştirip, karar almanızı hızlandıracağını keşfedeceksiniz.
• Entegre pazarlama yönetimi, risk yönetimi, veri yönetimi ve İş analitik uygulamaları ve son trendleri dinleyeceksiniz.
• Bankacılık, sigorta, perakende, telekom, enerji gibi farklı sektörlerin SAS çözümlerinden yararlandığını göreceksiniz.
• En yeni SAS çözümlerimizle ilgili örnek uygulamaları ve demo sunumlarını izleyeceksiniz.

Öne Çıkan Konuşmacılar

• Mike Walsh, Futurist & authority on emerging markets
• Shekhar Iyer, General Manager,SAS EMEA ve Asya Pasifik Center of Excellence Genel Müdürü

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.

Son yazıları takip ettiyseniz, genelde “Analist” kavramı altında, iş analisti, sistem analisti, sistem geliştirme uzmanı vb. konuları kapsamaktadır. Bu tarz konular seçmemin iki sebebi bulunmakta. Birincisi, ben bu işleri yaptım ve şu anda da yapmaya devam ediyorum. Her ne kadar şu aralar analistlikten analitiğe geçmeye çalışsam da analistliğin hiç bir zaman bitmeyeceği bir şirkette ve direktörlüğün altındayım. İkinci sebep iste web sitesindeki ziyaret istatistikleri.

Biliyorum. Blogum çok fazla hit alan bir site değil. Zaten biraz sonra rakamları yazdığımda bunu siz de göreceksiniz. Ama detaylı bakıldığı zaman, kullanıcıların web sitesine geliş amaçları beni bu tarz yazılar yazmaya yöneltiyor. En azından gelen kullanıcılar aradıklarının karşılığında bilgi edinsinler istiyorum.
Lafı fazla uzatmadan istatistiklere göz atalım.

Analiz Çalışması içilen seçilen Tarih Aralığı: 1 Haziran 2011 – 30 Mart 2012

Genel İstatistikler

Anahtar Kelimeler

Siteye Ziyaretleri Hangi Sitelerden Geliyor

Verilerden de anlaşılacağı gibi, web-sitesine gelen ziyaretçiler ya benim kim olduğumu merak ediyorlar ya da yazımın en başında belirttiğim gibi “Sistem Analisti”, “İş Analisti”, “İş Zekası Uzmanı” gibi iş alanlarını araştırmak için geliyorlar. Günümüzde gelişen teknoloji ve artan rekabetten dolayı, geleceğe yatırım yapan şirketler bu tarz iş alanlarını çoktan keşfedip yatırımlarına başladılar bitirdiler ve geliştirmektedirler. Bundan 4 sene önce herhangi bir kariyer sitesinde “Analist” kelimesini arattığınızda aldığınız sonuç ile şimdikini karşılaştırabilseydiniz ne demek istediğimi daha iyi anlayabilirdiniz.

Ne zaman bir sorunuz olursa, iletişim bölümünden bana ulaşabilirsiniz. Yardımcı olursam ne mutlu bana

Not: Analiz için veri sağlayıcım Google Analytics ‘e de buradan teşekkürlerimi sunuyorum

Bazı anahtar kelimeler ve cümlelerle o kadar çok ziyaretçi geliyor ki Marka Sizsiniz’e! Bazı sorulara dilim döndüğünce cevap vermek boynumun borcu oldu. Başlıktaki departman ve ünvanları birlikte ele alarak ve kendi iş yaşamımdan örnekler vererek konuyu aktarmaya çalışacağım.

1999 yılında iş ararken insan kaynakları gazetelerinde, İngilizce verilen iki ilan dikkatimi çekerdi. Çok da anlayamadığım ve ilanlarda frima adı da bulunmadığı için bu pozisyonlar benim için daha da özenilir, gizemli bir hal almıştı. İngilizce ifadesi ile “business analyst” ve “system analyst”. “Vay be, bu pozisyonlarda çalışmak benim için hayal” diyordum. Üzerinden iki-üç ay geçmişti ki bir danışmanlık firması görüşmemizden hemen sonra “size İktisat Bankası’nda iş analistliği teklif ediyoruz” deyince ben çaktırmadan havalara zıplamıştım “Vay be, düşündüklerim dua yerine geçti her halde” diye. O günden sonra iş yaşamım harika bir şekilde ilerledi zaten. Neyse konuya dönelim.

Bu iki işin de bağlı bulunduğu departmanlar genelde Bilgi İşlem oluyor. Bildiğiniz gibi teknik geliştirme gereken tüm projeler de bu departmandan geçiyor. Fakat öyle bir süreci var ki, bir adımını atladığınız ya da önemsemediğiniz zaman büyük hatalara yol açabiliyor. Kısaca, bir proje ilgili tüm departmanlar tarafından takip edilir. Bu nedenle proje ekibinde bir çok kişi vardır aslında. Ve tabi ki proje bir kişinin liderliğinde başlar ve biter. Burada asıl önemli ve ilk yoğun analiz çalışmasını “iş analisti” ya da “ürün analisti” ve hatta “süreç analisti” diyebileceğimiz kişiler yapar. Tüm ihtiyaçların belirlenmesi ve analiz dokümanı olarak onaya sunulması için analist arkadaş-lar uzun toplantılar yapar ve gerekli tüm bilgileri toplar. Süreçteki en ufak ayrıntı ve yazılımın iş akışı bu dökümanda ortaya çıkmıştır aslında ama daha çok düz yazı ve diyagramlar şeklinde olur. Şimdilerde “Rational Rose” gibi “object oriented” mantıklı analiz uygulamaları kullanılıyor bildiğim. Bu da yazılımcıya bir çeşit teknik analizi de sunmuş oluyor. Bu dökümanda yazılanlar tüm proje ekibi tarafından onaylanmış olmalıdır. Yoksa “aaa ben böyle istememiştim” diyenler çıkabilir. Yeni istek geldiğinde çıkış tarihini ötelemek için referans dökümanı yerine geçer.

Teknik analistler ise bu dökümanda yazılanları, yazılımcılarla birlikte değerlendirerek en uygun sistem mimarisini ortaya çıkarır. Tüm “if-else” mantığı aslında bu aşamada ortaya çıkar.

Her iki analizi birlikte hazırlamaya çalışan analistler de vardır. İktisat Bankası internet bankacılığı projesinde öyle yaptık, çok da güzel idi. Yazılımcıya bir çeşit sadece kodu yazmak düşer. Yoğurda siyah derseniz, yazılımcı yoğurdu siyah yazar, bu çok normaldir. Biraz uç örnek oldu ama yazılımcılar da o süreci kadar çok öğrenirler ki iş analizindeki bir çok hatayı keşfederek analiste geri gönderebilirler.

Az buz bir işten bahsetmiyorum bir kullanıcı ekranının tasarımından, alanların özelliklerinden, hata mesajlarına ve performans-rapor kriterlerine kadar her şey bu dökümanlarda yazmalıdır. Bu dökümanlar sürekli arşivlenir, saklanır ve güncelleme gerektiğinde bu dökümanlar incelenir. Emin olun yazılımcılar da analistler de bir uygulamanın nasıl çalıştığını unutmuş olabilir.

İktisat Bankası’nda da, Turkcell’de de bilgi işlemde analist olarak çalıştım. Bankada internet ve mobil bankacılık uygulamalarını analiz ederken hem iş hem de teknik analist gibi çalıştım. Aslında belirli bir proje lideri yok ise projeyi “lead” eden kişi de analistler oluyor. Çünkü konuya en hakim kişiler onlar. Turkcell’de de bu şekilde devam ediyordu fakat Turkcell bir süre sonra “Servis ve Ürün Geliştirme” adında Genel Müdürlük binasında yer alan geniş bir departman oluşturdu. Aklınıza gelebilecek tüm projeler bu departmandan geçiyordu ve daha çok iş ve ürün analisti ünvanlı kişiler çalışıyordu. Teknik analistler ise yine yazılımcılara yakın noktada, yani bilgi işlem de devam ettiler. “Service&Product Development” departmanın en önemli amacı “business” departmanlarına yakın olmak ve ihtiyaçları daha yakından ve hızlı bir şekilde ele alabilmek idi. 2005 Temmuz başında ayrıldığımda bini aşkın proje talebi vardı ve bilgi işlem “hayır, olamaz” diyordu haklı olarak. Her şey müşteri memnuniyeti için doğru ama realiteyi de görmek gerek.

İki büyük kurumsal firmadan ve süreçleri yönetme konusunda çok hassas insanlardan bahsediyorum. Ama gelin görün ki iş geliştirme, iş analisti, ürün analisti, ar-ge departmanı ifadelerine hala bir çok şirket, özlelikle KOBİ’ler çok yabancı. Analiz yazmayı, proje yönetimi süreçlerine uymayı zaman ve para kaybı olarak görüyorlar. Yılların tembelliği ve boş vermişliğinden sonra “eyvah, tüm bunları nasıl düzelteceğiz” diyerek danışmanlık firmalarına çok daha fazla para ve zaman harcıyorlar. Doğru, pazarda hızlı olmak gerek ama bunun da bir dengesi olmalıdır, değil mi?

İş analisti, adı üzerinde analitik düşünmek zorunda. Her konuyu, her süreci, her detayı ayrı ayrı ele alarak ve bağlantılarını, etkilerini de düşünerek bu işi yapmak zorunda. En iyi analizde dahi hatalar olacaktır. Bir de yazılımda oluşabilecek hataları düşünün. Test ve production test aşamalarında da hatalar görülerek telafi edilmemişse o ürün, o uygulama pazarda patlar. Genel Müdür veya Yönetim Kurulu ile toplantıya hazır olun.

Küçük, büyük tüm şirket patronlarına sesleniyorum. Hemen her işinizi, probleminizi lütfen projelendirin. Ve bu süreci adım adım çalışanlarınıza öğretin. Ve ölçün, raporlayın. Ölçemediğiniz işe hakim olamazsınız.

Saygılarımla.
Kaynak: Markasizsiniz.com

Büyük şehirde yaşayan insanların, periyodik olarak check-up yapmalarının yanındayım. Kirli hava, cep telefonu, bilgisayarlar (kısaca radyasyon) ve diğer etmenler bireylerin teşhisi zor hastalıklara yakalanmalarına sebep olabilir.

İstanbul’da yaşayan ve tüm gün bilgisayar başında mesai tüketen biri olarak, check-up yaptırmaya karar verdim. Çeşitli hastanelerin sitelerini araştırdıktan sonra Acıbadem Hastanesi ve Medical Park’a yoğunlaşmaya karar verdim. Twitter üzerinden Acıbadem Hastanesine mesaj (mention) yaparak bilgi talebinde bulundum. Cevap gelmesini beklerken de Medical Park’ı telefonla aradım. Check-up konusunda uzman müşteri hizmetleri bana tüm detayları ve yapılan testleri anlattı. Tam istediğim testler, istediğim fiyatlara sunulmaktaydı. Telefon konuşması boyunca sadece ismim ve telefon numaram mevzu bahis oldu. Onun haricinde hiç bir kişisel bilgimi vermedim.

Telefon konuşması bittiğinde Twitter üzerinden Acıbadem Hastanesinin cevap verip vermediğini kontrol ederken, çok şaşırtan bir durum ile karşılaştım. Medical Park beni Twitter üzerinden takip ediyordu. İlk başta anlayamadım ve Google üzerinden Telefon numaramı ve ismimi kullanarak arama yaptım. Arama sonucunda hiç bir şey çıkmadı. Peki bu kişiler beni nasıl bulmuşlardı?

Biraz düşündükten sonra, bunun başarılı bir sosyal medya kullanımı olduğunu anladım. Benim Acıbadem Hastanesini takip etmem ya da twit atarken kullandığım “check up” kelimesinin süzgeçlerine takılmış olmasından dolayı beni takip etmiş olabilirler. Her iki ihtimalde de doğru bir iş yaptıkları için kendilerini tebrik ediyorum.

“Sosyal medyayı, pazarlama mesajları yaymak veya varolan/ potansiyel müşterilerle daha iyi bağlar kurmak için kullanmak” tanımını fazlasıyla hakeden bir hareket. Belki biraz rastlantısal ama başarılı.

Eğer bunların haricinde “Metin Madenciliği” (Text Mining) kullanarak “Bilgi Çıkarımı” (information extraction) yaptılarsa çok büyük bir iş başarmış demektir.

Yakın zamanda Check-up yaptırmayı düşünüyorum. Medical Park tercihim olacağından eminim. Hepinize sağlıklı günler dilerim.