Forbes tarafından yayınlanan bir makalede her gün dünyada 2500 katrilyon byte veri üretilmektedir. Bu akıl almaz de˘ger yıllar içerisinde süregelen bili¸sim alanındaki hızlı geli¸simin bir sonucudur. Özellikle nesnelerin interneti teknolojisinin ve açık veri inisiyatiflerinin etkisiyle bu veri üretim hızını çok daha fazla arttıraca˘gı da muhakkaktır. Bu verilerin bütünle¸stirilmesi, özetlenmesi ve kavramsalla¸stırılması için klasik tabular teknikler yerine veri görselle¸stirme bilimin tercih edilmesi, özellikle kullanıcıların teknik ve istatistiksel bilgi seviyelerine ba˘glı olarak son yıllarda yükselen bir e˘gilim olarak kar¸sımıza çıkmaktadır.
Sayıları yorumlamak için harcanan çaba ve zaman dü¸sünüldü˘günde ço˘gu zaman uzun özetlenmi¸s tablolar yerine basit bir görsel çok daha iyi sonuçlar verebilir (Yuk and Diamond, 2014). A¸sa˘gıdaki Tablo 1 de üç farklı de˘gi¸sken arasındaki ili¸skiyi göstermektedir (Wexler, Shaffer & Cotgreave, 2017). Bu ili¸skinin sadece tablolara bakılarak kolayca anla¸sılamayaca˘gı açıktır.
¸Sekil 3.1: Ba˘gımlı-Ba˘gımsız De˘gi¸sken Arasındaki ˙Ili¸skinin Anla¸sılması
ve parabolik trendler görseller yardımıyla çok açık bir ¸sekilde ortaya konmu¸stur (Kirk, 2012). Tablo 3.1: Ba˘gımlı-Ba˘gımsız De˘gi¸sken Arasındaki ˙Ili¸skinin Anla¸sılması
A B C x y x y x y 21.00 17.08 21.00 19.28 21.00 15.92 17.00 14.90 17.00 17.28 17.00 14.54 27.00 16.16 27.00 18.48 27.00 16.48 19.00 18.62 19.00 18.54 19.00 15.22 23.00 17.66 23.00 19.52 23.00 16.62 29.00 20.92 29.00 17.20 29.00 18.68 13.00 15.48 13.00 13.26 13.00 13.16 9.00 9.52 9.00 7.20 9.00 11.78 25.00 22.68 25.00 19.26 25.00 17.30 15.00 10.64 15.00 15.52 15.00 13.84 11.00 12.36 11.00 10.48 11.00 12.46
Veri görselle¸stirmenin önemi ortada iken hazırlanan bu çalı¸smada veri görselle¸stirme ve görsel analitik kavramlarının tanıtılması ve i¸s zekâsı – yapay zekâ eksenindeki konumun belirlenmesi amacıyla hazırlanan bu bölümde, Tableau i¸s zekâsı yazılımı ile bir gösterge paneli uygulaması konuyu desteklemek adına gerçekle¸stirilecektir.
3.2 Veri Görselle¸stirme
Veri görselle¸stirmenin en temel tanımı yaratıcı ve sanatsal bir bakı¸s açısı ile büyük miktardaki verinin kolaylıkla anla¸sılabilir görsellere çevrilmesi bilimidir (Yuk and Diamond, 2014). Tanımdan hareketle, veri görselle¸stirme biliminin öncelikli görevi yı˘gın halindeki verilen kullanıcılara en uygun ¸sekilde özetlenmesidir. Fakat son yıllarda özellikle i¸s zekâsı alanındaki geli¸smeler ve büyük veri çalı¸smaları, toplanan yüksek boyuttaki verinin analitik amaçlar için ön i¸slenmesi süreçlerinin önemini arttırmaktadır. Veriyi anlamakla ba¸slayan bu ön i¸sleme süreçlerinde veri görselle¸stirme bilimi kar¸sıla¸stırma, yorumlama ve analiz gibi bili¸ssel süreçlerde önemli rol oynamaktadır.
Veri görselle¸stirme kullanmanın arkasında a¸sa˘gıdaki motivasyonların oldu˘gu söylenebilir (Miller, 2017; Simon, 2014).
• Analiz sonuçlarını daha hızlı ve kolay bir ¸sekilde okuyup yorumlanabilmesi,
• Vurgulamalar ve yönlendirmelere ile kullanıcılara sonuçların daha iyi anlatılabilmesi, • Belirli bir problem alanına uygun çözüm üretebilme,
• Klasik yöntemler ile gözden kaçabilecek görünmez (aykırı) de˘gerlere vurgu yapılabilmesi, • Görsel analitik yakla¸sımı ile verini sonraki zaman dilimlerindeki halinin tahmin edilebilmesi • Tabular tekniklerle ortaya konamayacak farklı bakı¸s açıları kazandırabilmesi
Verileri görselle¸stirirken her zaman için sofistike ve teknik grafikler en uygun çözüm olmayabilir. Görselleri sadece yazılım çıktısı olarak dü¸sünmeyip, sürecin gereksinim analizi, amaç belirleme,
3.2 Veri Görselle¸stirme 47 kullanıcı gruplarının tanımlanması, tasarım ve geri besleme adımlarını da içerdi˘gi göz önüne alın-malıdır. Bazı durumlarda basit bir statik grafik ilgilenilen problem alanı ile ilgili yeterli ölçekteki bilgiyi efektif bir ¸sekilde sunarken, karma¸sık ve dinamik grafikler odak noktadan uzakla¸stırarak amaca hizmet etmeyebilir (Kirk, 2012; Yuk and Diamond, 2014). ¸Sekil 3.2 de hatalı tasarlanmı¸s bir görsel ile bu görselin do˘gru tasarımı birlikte sunulmu¸stur (Knaflic, 2015). ˙Ilk tasarımda veri setindeki de˘gi¸sim net olarak anla¸sılmaz iken, ikinci tasarımda nisan ayından itibaren ya¸sanan sorun gözler önüne serilmi¸stir.
¸Sekil 3.2: Hatalı-do˘gru grafik
¸Sekil 3.2 den de anla¸sılaca˘gı üzere veri setini anlamadan hazırlanan her bir grafik amaca hizmet etmedi˘gi gibi ço˘gu zaman çeli¸skili sonuçlar ortaya koyarak kullanıcıları yanlı¸s yönlendirebilir. Bu açıdan bakıldı˘gında veri görselle¸stirme çalı¸smalarının veriyi anlama konusunda bir ön gereksinimi oldu˘gu da söylenebilir. Çünkü verinin türü, boyutu, çe¸sitlili˘gi grafik türünü tamamen de˘gi¸stirebilir. Veri görselle¸stirme bilimi, veri yönetimi ve i¸s analiti˘gi alanındaki geli¸smelere binaen yıllar içerisinde evrim göstermi¸stir. Son yıllarda statik grafikler yerine dinamik gösterge panelleri ve yönetim kokpiti uygulamaları ön plana çıkmaya ba¸slamı¸stır.
Her ne kadar son yıllarda görselle¸stirme alanına önemli bir e˘gilim olsa da, Veri görselle¸stirmeyi yeni bir kavram olarak algılamak do˘gru olmaz. Bu alandaki ilk çalı¸smalar insanlı˘gın ilk yıllarına kadar dayanmaktadır (Riche et. al., 2018). Bununla birlikte ˙Istatistiksel veriden elde edilen ilk grafik Astronot Michael Florent Van Langern tarafından çizilmi¸stir (Simon, 2014).
¸Sekil 3.3: ˙Istatistik Verilerden Elde Edilen Bilinen ˙Ilk Grafik (Datavis.ca sitesinden alınmı¸stır.) Veri görselle¸stirme tarihindeki önemli bir ba¸ska dönüm noktası da Jacques Bertin tarafından 1967 yazılan “Sémiologie Graphique” kitabıdır (Sharda, Delen & Turban, 2014). Bu kitapla birlikte bilginin görsellere dönü¸süm süreci için yol haritaları sunulmu¸stur. Son yıllarda ise büyük veri kavramının öneminin artması ile birlikte gösterge panelleri ve görsel analitik çalı¸smaları artmı¸s ve görselle¸stirme süreçleri dinamik ve çok boyutlu olarak evrimle¸smi¸stir. Her ne kadar son yıllarda çok boyutlu grafikler ön planda olsa da, bilinen en önemli çok boyutlu grafik ¸Sekil 3.4 te gösterilen
Charles Joseph Minard tarafından çizilen ve 1812 Rusya sava¸sı sırasındaki Napolyon ordusunun hareketlerini betimleyen grafiktir (Sharda, Delen & Turban, 2014).
¸Sekil 3.4: Charles Joseph Minard Tarafından Çizilen 1812 Rusya Sava¸sını Anlatan Grafik Grafikte açık kahverengi alanlar Rusya’ya giren asker sayısını (her milimetre ba¸sına 10.000 asker), siyah renkli kısımlar ise Rusya’dan ayrılan asker sayısını vermektedir. Renkli kısımlar hareket yönünü belirtirken, sıcaklık, enlem ve boylam bilgileri de grafik üzerinde sunulmu¸stur.
Son yıllarda çok boyutlu grafikler dinamik olarak i¸s zekâsı alanında gösterge panelleri ve yönetim kokpiti uygulamaları sıklıkla tercih edilirken, statik olarak ta infografikler ön plana çıkmı¸stır. ˙Infografiklerin kullanımı ile birlikte grafiklerin belli bir hikâye kapsamında sunulması da tercih edilen yöntemlerdendir (Yuk and Diamond, 2014). Görselle¸stirme alanındaki çalı¸smaların son ula¸stı˘gı nokta ise görsel analitik olarak adlandırılan içerisinde analitik bile¸senleri de barındıran grafiklerdir. Bu yakla¸sımda hikâyeler ile birlikte neden sorgulayan ve mevcut durum yerine gelecekteki bir anı betimleyen kestirimci yakla¸sımlar da veri görselle¸stirme süreci içerisine dâhil edilmi¸stir.
Daha önce veri görselle¸stirme çalı¸smalarının veriyi anlamakla ba¸sladı˘gını belirtmi¸stik. Bazı durumlarda ise veriyi anlayabilmek için direkt olarak grafiklerden faydalanabiliriz. Bu açıdan bakıldı˘gında Veri görselle¸stirme bilimi ile yapay zekâ ve veri madencili˘gi gibi komplike analitik alanlar arasında da yakın bir ili¸ski söz konusudur. Özellikle tecrübenin önemli bir unsur oldu˘gu yapay zekâ uygulamalarında verinin temizlenmesi, bütünle¸stirilmesi, indirgenmesi ve dönü¸stürülmesi sürecinde veri görselle¸stirme en ez istatistik bilimi kadar önemli bir rol oynamaktadır.
3.3 Görsel Analitik
Görsel analitik 2000 yılların ba¸sında ortaya çıkan yeni kavramdır. Thomas Cook (2005) “Illmuni-ating the Path: Research and Development Agenda of Visual Analytics” kitabında ilk defa görsel analitik kavramını tanımlamı¸stır. Yapılan tanıma göre görsel analitik “˙Interaktif görsel arayüzler ile gerçekle¸stirilen analitik çıkarsama bilimi” olarak ifade edilmi¸stir (Cook & Thomas, 2005). Yıllar içerisinde özellikle büyük veri ve i¸s zekâsı alanındaki geli¸smeler dikkate alındı˘gında bu tanımı biraz daha geni¸sletmekte fayda vardır. Bu ba˘glamda görsel analitik çok geni¸s ve karma¸sık veri setlerini efektif bir ¸sekilde anlayabilmek için otomatik analiz teknikleri ile görsel interaktif bile¸senlerinin bir kombinasyonudur. A¸sa˘gıda ¸sekil 6 da görsel analitik süreci betimlenmi¸stir (Keim, Kohlhammer & Ellis, 2010).
3.3 Görsel Analitik 49
¸Sekil 3.5: Görsel Analitik Süreci
Görsel analitik grafikleri klasik grafiklerin aksine sadece “ne oluyor” sorusuna cevap ver-mez. Ayrıca “Ne olacak” sorusuna cevap verirken “Nasıl? ve Neden?” soruları için de ipuçları sunar (Mathew, 2018, Sharda, Delen & Turban, 2014). A¸sa˘gıdaki görselde görsel analitik ile veri görselle¸stirmenin kar¸sıla¸stırılması gösterilmi¸stir (Sharda, Delen & Turban, 2014).
¸Sekil 3.6 dan da anla¸sılaca˘gı üzere görsel analitik, çıkarımsal istatistiksel yakla¸sımları kullanabil-di˘gi gibi veri madencili˘gi ve yapay zekâ/makine ö˘grenmesi tekniklerinden de yararlanabilir (Riche et. al., 2018). Bazı ba¸ska kaynaklarda ise bu grafikler kullanıcılar tarafından manipüle edilebilen, erken uyarı sistemleri sayesinde çevik, i¸sbirlikçi, basit, sezgisel ve analitik kalıpları vurgulayabilen yapıda olması gereklili˘gi ifade edilmi¸stir (Yuk and Diamond, 2014).
Yapay zekâ tekniklerinin görsel analitik sürecine analitik yetenekleri ile önemli katkı sa˘gladı˘gı muhakkaktır. Son yıllardaki bazı görsel analitik uygulamalarında ö˘grenme temelli yapay zekâ teknikleri bulut tabanlı kullanılan görsel analitik uygulamalarında kullanıcı geri bildirimlerinde ö˘grenerek görselleri zenginle¸stirme yolunda kullanılabilmektedir (Keim, et. al., 2008).
Görsel analitik sürecinin kullanıcılara sa˘gladı˘gı faydaların belki de en önemlisi, karar destek sistemi ile i¸s analiti˘gi arasında bir köprü vazifesi görmesidir. Di˘ger bazı faydalar ise a¸sa˘gıdaki ¸sekilde özetlenmi¸stir (Keim, et. al., 2008, Keim, Kohlhammer & Ellis, 2010).
• Bilgiyi sentezleyerek çok büyük boyutta, karma¸sık, mu˘glak ve ço˘gu zaman birbiri ile çeli¸sen yapıdaki veri kaynaklarının anla¸sılabilir olmasını sa˘glamak
• Beklenen durumları tespit etmek ve beklenmeyen durumları ke¸sfetmek • Zamanında ve anla¸sılabilir de˘gerlendirmeler sunmak
• Eylem için efektif de˘gerlendirme imkânı sunmak
Bu kadar önemli faydaları olmasına ra˘gmen, bu süreç önünde bazı engellerinde oldu˘gu muhakkak-tır. Bu ba˘glamda görsel analitik sürecinde kar¸sıla¸sılabilecek örnekler a¸sa˘gıda sıralanmı¸stır (Keim, et. al., 2008).
¸Sekil 3.6: Görsel Analitik Sürecinin Veri Görselle¸stirmeden Farkı
• Veri boyutları ve hacmi dikkate alındı˘gında olası ölçeklendirme problemleri • Görsellerin ve veri kayna˘gının kalitesi
• Detaylandırma gereksinimlerinin tam olarak kar¸sılanamaması • Kullanıcı ara yüzlerinin i¸slevsel olmaması
• Görüntüleme cihazları ile ilgili problemler ya¸sanması
• Bazı problem alanlarında de˘gerlendirme süreçlerinde yetersiz kalması • Bili¸sim sistemi altyapı olanaklarının yetersizli˘gi
Veri görselle¸stirme ve görsel analitik uygulamaları son yıllarda özellikle i¸s zekâsı alanında çok ön plana çıkmaktadır. Bu ba˘glamda i¸s zekâsı ile alanın ili¸skisinin açıklanmasında fayda vardır.
3.4 ˙I¸s Zekâsı ile Veri Görselle¸stirme ˙Ili¸skisi
1989 yılında Gartner danı¸smanlık ¸sirketinde çalı¸san analizci Howard Dresner ˙I¸s zekâsını a¸sa˘gıdaki ¸sekilde tanımlamı¸stır.
“˙I¸s zekâsı temelde mimarileri, araçları, veritabanlarını, analitik yöntemleri, uygulamaları ve metodolojileri birle¸stiren bir " ¸Semsiye" terimdir”
Bu tanım yıllar içerisinde i¸s zekâsı alanında en kabul gören tanım olmu¸stur. Bu tanımdaki ¸semsiye terim ifadesi detaylandırıldı˘gında herhangi bir i¸s zekâsı sisteminin 4 temel bile¸seni oldu˘gu söylenebilir: Veri Ambarları (Altyapı), ˙I¸s Analiti˘gi (Yöntem), ˙I¸sletme Performans Yönetimi ve Ara yüz (Sharda, Delen & Turban, 2014). Bu kapsamda, tanımı daha derinlemesine inceledi˘gimizde çok büyük boyuttaki veri setleri, modern analiz yöntemleri (Madencilik ve Yapay Zekâ yakla¸sımları) ile incelenirken, analiz sonuçları kullanıcılara sunulurken performans yönetimi içerisinde yer alana anahtar performans göstergelerine ba˘glanması gerekmektedir. Kullanıcılara sunulması a¸saması ise
3.4 ˙I¸s Zekâsı ile Veri Görselle¸stirme ˙Ili¸skisi 51 ço˘gu zaman i¸s zekâsının en ön planda oldu˘gu kısımdır ve bu a¸samada kullanılan temel araç ise performans gösterge panelleridir.
Gösterge panelleri i¸sletme performansını gerçek zamanlı (veya gerçek zaman yakın olarak) analiz edilmesini sa˘glayan, arka planda i¸sletme performans yönetimi ile yo˘gun bir ili¸skisi olan, kullanıcı etkile¸simine olanak sa˘glayan dinamik bir veri görselle¸stirme tekni˘gidir (Stirrup, 2016). Bu görsel paneller belli bir amaç do˘grultusunda hazırlanırken, bütün bilgiler kullanıcılara tek bir ekranda sunulur (Sharda, Delen & Turban, 2014). ¸Sekil 3.7 de örnek bir gösterge paneli uygulaması görülmektedir.
¸Sekil 3.7: Örnek Dashboard (WikiMedia Commons sitesinden alınmı¸stır)
Yukarıdaki görselin bir gösterge paneli olarak sayılabilmesi için görsel analitik bile¸senlerine de sahip olması beklenir. Yani panel üzerinden kullanıcılar gelecekteki bir an için tahminleri alabilirken, navigasyon yetenekleri ile olası aykırı durumlar için neden ara¸stırması yapabilecek ¸sekilde dinamik yapıda da olmalıdır (Goldmeier & Duggirala, 2015; Sharda, Delen & Turban, 2014). Bu açıdan bakıldı˘gında gösterge paneli tasarımının sadece renkli görseller analiz sonuçlarını süslemek olmadı˘gı da açıktır.
Gösterge paneli tasarımı sürecinde a¸sa˘gıda yer alan 3 soruya cevap aranır (Gemignani, 2009). • Gösterge panelini kullanacak ki¸siler kimlerdir?
• Bu panellerle hangi de˘gerler eklenecektir?
• Hangi tür grafikler kullanılmalıdır? (Yukarıdaki iki soruya ba˘glı olarak) yetersizli˘gi
Bütün bu anlatılanlar ı¸sı˘gından iyi bir gösterge paneli tasarımının a¸sa˘gıdaki yer alan özellikleri ta¸sıması beklenir (Sharda, Delen & Turban, 2014).
• Görseller yardımıyla, özellikle istisnalar odaklanarak, veriler vurgulanmalı
• Kullanıcı için minimal e˘gitim gereksinimi olmalı, yani sadece profesyoneller için de˘gil herkes için olmalı
• Detaylardan özetlere, özetlerden detaylara geçi¸s sa˘glayan interaktif yapıda olmalı • Gerçek zamanlı ve dinamik verileri sunmalı
• Uygulamak, yaymak veya sürdürmek için mümkün olan en az kodlamaya ihtiyaç duymalı ˙I¸s zekâsı kavramının her ne kadar çıkı¸s noktası üst yönetici destek sistemleri olsa da, herhangi bir i¸s zekâsı uygulamasının her a¸samaya destek sa˘glaması beklenir. ˙I¸s zekâsı ba¸ska bir tanımda her tip kullanıcıya destek verebilen bir karar destek sistemi uygulamasıdır (Sharda, Delen & Turban, 2014). Bu anlamda gösterge panelleri her seviye kullanıcı için kolayca anla¸sılabilir ve yönetilebilir ¸sekilde tasarlanırlar. Son yıllarda ise özellikle üst yöneticilere karar verme süreçlerinde destek olacak ¸sekilde daha geli¸smi¸s, ço˘gu zaman birçok gösterge panelinin birden fazla cihaz üzerinde sunuldu˘gu, SAP tarafında geli¸stirilen “Yönetim Kokpiti” kavramı ön plana çıkmı¸stır. Yönetim kokpitleri, yönetim kurulu toplantılarına ba¸sarı faktörleri, finansal göstergeler, pazar performansı, süreç ve çalı¸san performansı ve stratejik projelerin farklı duvarlarda, farklı gösterge panelleri ile sunuldu˘gu “Sava¸s Odaları” yakla¸sımı ile destek olurlar. A¸sa˘gıdaki resimde ( ¸Sekil 3.8) bir “Yönetim Kokpiti Sava¸s Odası” gösterilmi¸stir (Rainer, et. al., 2013).
¸Sekil 3.8: Yönetim Kokpiti Sava¸s Odası
3.5 Görselle¸stirme Yazılımları
Son yıllarda veri görselle¸stirme alanına olan talep direkt olarak bu alandaki yazılımların sayısını da arttırmı¸stır. Tableau, Spotfire ve QlikView gibi tamamen görselle¸stirme alanına odaklanan yazılımların yanı sıra, büyük yazılım paketleri içerisinde yeni modüller de (SAP-Visual Intelligence, SAS-Visual Analytics, Microsoft-PowerBI, Oracle-Endeca) çıkmaya ba¸slamı¸stır (Sharda, Delen & Turban, 2014). Di˘ger taraftan java tabanlı D3 ve açık kaynak kodlu R yazılımları da bu alanda özellikle esnek çalı¸smak isteyen yazılımcılar tarafında tercih edilmektedir (Kirk, 2012).
˙I¸s zekâsı alanında önemli çalı¸smaları olan Gartner danı¸smanlık ¸sirketi tarafından her yıl yayın-lanan piyasadaki öncü bili¸sim sistemlerini kullanım amaçlarına göre de˘gerlendiren “Magic Quadrant”
3.6 Tableau ile Örnek Gösterge Paneli Tasarımı 53 grafi˘gine göre 2018 yılı verilerine göre i¸s zekası alanındaki lider ¸sirketler Tableau ve Microsoft PowerBI olarak görülmektedir. ¸Sekil 3.9 de i¸s zekâsı alanındaki yazılımların de˘gerlendirildi˘gi grafi˘gi görebilirsiniz.
¸
Sekil 3.9: Gartner ˙I¸s Zekâsı Alanındaki Magic Quadrant Grafi˘gi ( ¸Subat 2018 tarihli rapordan alınmı¸stır)
Bizde çalı¸smamızın devamında lider ¸sirketlerden biri olan Tableau ile örnek uygulama hazır-lamaya çalı¸saca˘gız. Bu yazılımı di˘ger birçok görselle¸stirme yazılımından ayıran temel özellik ise kodlama gerektirmeyen oldukça kullanımı kolay bir ara yüze sahip olmasıdır. Ayrıca program kullanıcıları veri türleri ve içerikleri ba˘glamında yönlendirmeler ile destek sa˘glamaktadır.
3.6 Tableau ile Örnek Gösterge Paneli Tasarımı
Tableau yazılımı önceden de de˘gindi˘gimiz gibi i¸s zekâsı alanında özellikle kolay kullanımı ve geli¸smi¸s veri görselle¸stirme yetenekleri ile uzun yıllardır ön plandadır. Öncelikle tableau ekranları ile ilgili kısa bilgiler sunarak uygulamaya ba¸slanacaktır.
Yazılımın açılı¸s ekranın veri setleri eklemesi gerçekle¸stirilebilirken, daha önce çalı¸sılan çalı¸sma kitapları da açılabilir. Tableau yazılımın di˘ger i¸s zekâsı yazılımlarına göre güçlü yanlarından biri de dosyadan veya sunucudan veri çekme kabiliyetlerinin çok üst düzey olmasıdır. Sadece Connect panelinde ilgili dosya türü ve sunucu türü seçilerek basitçe i¸slemler gerçekle¸stirilebilir. Son sürümünde yazılım 20 ye yakın dosya türünü ve 50 civarı sunucu ba˘glantısını tanımaktadır.
Herhangi bir veri kayna˘gı eklendi˘ginde yazılım veri kayna˘gı sayfasını açar ( ¸Sekil 3.10). Bu alanda ba˘glantı panelinde dosya ve sunucu üzerindeki tablolar üzerinde i¸slemler gerçekle¸sti-rilirken, farklı tabloların “Join” kavramı ile ba˘glandı˘gı panele ise “Kanvas Paneli” adı verilir. Grid panelinde ise veri ile ilgili ön i¸sleme süreçleri gerçekle¸stirilir.
Tableau daki asıl çalı¸sma alanı “Sheet” (çalı¸sma sayfası) olarak adlandırılır ve Veri ve ˙I¸saretçiler (Marks) panellerini içerir ( ¸Sekil 3.11).
Yazılım ile ilgili bilinmesi gereken son konu ise bütün de˘gi¸skenleri Dimensions (boyut) ve Measures (ölçek) olarak adlandırılmasıdır. Boyutlar kesikli ve kategorik de˘gerleri içerirken, ölçekler
¸Sekil 3.10: Tableau Veri Kayna˘gı Sayfası
3.6 Tableau ile Örnek Gösterge Paneli Tasarımı 55 sürekli ve sayısal de˘gerlere kar¸sılık gelir. ˙I¸saretçiler alanında ise görseller ile ilgili filtreleme, renklendirme gibi biçimlendirme özellikleri tasarlanır. Üst kısımda yer alan ¸seritte ise sayfanın geneli ile ilgili biçimlendirme i¸slemleri gerçekle¸stirilir.
Yazılım bünyesinden üç farklı çalı¸sma sayfası tasarlanabilir. • Çalı¸sma Sayfası (Sheet): Tek bir grafik içerir.
• Gösterge Paneli (Dashboard): Daha önceden hazırlanmı¸s çalı¸sma sayfaları eklenerek hazırlanır. Tasarım alanındaki görsel ve nesne sayısı tamamen kullanıcı ihtiyaçlarına göre belirlenir. Bu anlamda bir gereksinim analizine gereksinim duyulabilir.
• Hikaye (Story): Belirli bir konuda bir grafik serisi hazırlamak için kullanılır. Tümdengelim yöntemi ile vurgulanmak istenen duruma do˘gru belirli bir çizelge takip edilerek daha önce hazırlanan grafikler ve gösterge panelleri hikayele¸stirilir.
Yukarıda sunulan bilgiler ı¸sı˘gında bir gösterge paneli uygulaması hazırlanılması dü¸sünülmektedir. Gösterge panelinde kullanılacak olan veri IBM sitesi tarafından (Stacker IV, 2018) payla¸sılan Satı¸s ve pazarlama alanındaki verileri içeren bir excel dosyasının Türkçe’ye adapte edilmi¸s halidir. Veri seti outdoor sporları alanında toptan satı¸s yapan bir ma˘gazaya ait satı¸s verilerini içermektedir. Veri seti içerisindeki de˘gerler sadece Avrupa ülkelerine satı¸sı içerecek ¸sekilde ön i¸sleme süreçlerinde filtrelenerek indirgenmi¸stir. Bu ba˘glamda veri setiyle a¸sa˘gıdaki alanları içeren bir gösterge paneli tasarlamaya çalı¸sılacaktır.
• Ortalama birim kara göre renklendirme yapılan bir Avrupa haritası • Satı¸s hacmine göre alt ürün grupları isimlerini içeren bir kelime bulutu
• Ortalama Maliyet, Ortalama Kar ve Karlılık Oranı de˘gerlerini vurgulayan ayrı ayrı bilgi kutuları
• Ortalama Karı en yüksek olan ilk 10 ürünün gösterildi˘gi çubuk grafi˘gi • Sipari¸s metoduna göre boyutları ayarlanmı¸s bir treemap grafi˘gi
Ayrıca bütün bu grafikler yıllara göre, ülkelere göre (harita üzerinden) ve ana ürün kategorilerine göre aynı anda filtrelenebilir ¸sekilde tasarlanmalıdır.
˙Ilk olarak Avrupa haritasının oldu˘gu grafi˘gi tasarlanacaktır. Bunun için Mü¸steri ülke boyutunu ve Birim ölçe˘gini seçerek, Tableau programının grafik öneri alanı olan “Show Me” dü˘gmesinde “Maps” grafi˘gi seçilir. Burada birim karı yazılımın otomatik olarak ˙I¸saretçiler kısmına attı˘gına dikkat ediniz. Do˘gru bir ölçeklendirme için i¸saretçilerde yer alan birim kar de˘gi¸skenin sa˘g tu¸s menüsünden toplamdan ortalama de˘gerine de˘gi¸stirilir. E˘ger fare imleci ile gezerken ek bilgiler göstermesi talep ediliyorsa, bu durumda istenilen bütün de˘gi¸skenler i¸saretçiler alanındaki “Detail” dü˘gmesine ta¸sınabilir. Birim kar grafi˘gi ¸Sekil 3.12 deki gibi görülecektir.
Sonradan gösterge paneli tasarımında kullanmak üzere yıl ve ana ürün kategorisi filtreleri mevcut grafik üzerine yerle¸stirilir. Bunun için her iki de˘gi¸sken de sürükle bırak yöntemi ile Filtreler alanına bırakılmalıdır.
Sıradaki grafik kelime bulutu grafi˘gidir. Burada yapılması gereken Alt ürün gruplarının i¸saretçiler kısmına “Text” dü˘gmesine ta¸sınmasıdır. Sonrasında Birim kar ölçe˘gi “Size” dü˘gmesine bırakılır. Son olarak i¸saretçiler alanındaki grafik türünü text olarak de˘gi¸stirirken ürün ana gruplarını da renklendirme için kullanılır. Kelime bulutu ¸Sekil 3.13 deki gibi görülecektir.
Bilgi kutularının 3 farklı ekranda tamamen aynı biçimde hazırlanması gerekmektedir. Bunun için ölçekler i¸saretçiler alanına ta¸sınıp sa˘g tu¸s menüsünden toplamdan ortalamaya döndürülmelidir. A¸sa˘gıdaki ¸sekil 14 teki gibi görüntüler elde edilmelidir. Bunun için i¸saretçiler alanındaki “Size” ayarı yükseltilmelidir.
¸
Simdi en yüksek karı getiren ürün gruplarını betimleyen çubuk grafi˘gi tasarımına geçilebilir.