Karar Destek Sistemleri Trendleri

Özellikle büyük firmalarda, kurumsal bazda bir veri ambarı projesinin maliyeti ve süresi sebebiyle, departmanlar kendi bütçelerini kullanarak ihtiyaçlarını karşılayacak veri adacıkları (data mart) oluşturma eğiliminde olmuşlardır. [28] Kurumsal veri ambarı konseptinin, başlangıçtaki ilkelerine ters gözüken bu parçalı uygulama, iş hayatının şartlarında oluşmuş bir durumdur. Bu aşamada, her departmanın kendi kontrolündeki farklı veri kaynaklarından beslenen veri adacıklara ulaşıyor ve bunları tek bir Karar Destek platformunda toplayabiliyor olması, kurumlara çeviklik kazandırabilecek bir özellik olarak ön plana çıkmaktadır. İş zekası çözümü üreten firmalar, şirketlerin bünyelerinde bulunan farklı ürünleri ve hatta belki farklı altyapıları, tek ve standardize edilmiş bir karar destek sistemi çözümü altında toplamayı kendilerine hedef olarak görmektedirler. Bu standardizasyon fiziksel olarak yeni bir veri ambarı kurularak yapılabileceği gibi, ilgili veri adacıklarının sanal olarak bir görüntüsünün oluşturulması ve son kullanıcılara, konsolide edilmiş bu görüntüye erişim hakkı verilmesi şeklinde de tasarlanabilir.

Oracle ise, farklı çözümler kullanan firmalara yönelik “tek bir karar destek sistemi” konseptini daha ileriye götürerek “tek sistem” konseptini piyasaya sunmuştur. Oracle‟ın 11i.10 mimarisi tek bir veritabanı ve tek bir veri modeli ile, operasyonel sistem ile analitik sistemi entegre eden bir çözüm önermektedir. Bu ürün ile, operasyonel sistem hayata geçtiğinde, karar destek sistemi çözümü de hayata geçmiş olacağından ayrı bir proje için harcanacak zamandan ve maliyetten tasarruf edilmiş olacaktır. Ayrıca veri ambarı, operasyonel sistemle aynı ortamda bulunduğu için veri detayı konusunda fedakarlık yapılması gerekmeyecek, yani son kullanıcı özet tablodan istediği detaya kadar analiz yapma şansına sahip olacaktır. [30]

Oracle bu çözümünde gündelik karar ihtiyaçların karşılanmasını sağlayacak, daha az komplike karar destek çözümlerini, Günlük İş Zekası (Daily Business Intelligence) kavramı ile lanse etmektedir. Bunun yanı sıra üründe karar destek çözümü kapsamında, Günlük İş Zekası ve özelleştirilebilir Temel Performans göstergeleri fonksiyonalitelerinin kullanıldığı Kurumsal Karne ile OLAP fonksiyonalitelerinin kullanıldığı Kurumsal Planlama ve Bütçeleme modülleri de sunulmaktadır. [30]

47

Gartner‟ın verilerine göre bir veri ambarı implementasyonu projesinin maliyetinin % 80 kadarı, verinin çekilmesi, temizlenmesi ve entegre edilmesi süreçlerine harcanmaktadır. [28] Ayrıca veri kaynaklarının farklılaşması ve XML gibi yeni veri formatlarının gün geçtikçe çeşitlenmesi sebebiyle, veri ambarını besleyecek veriye erişim ve bu verinin belli bir kaliteye getirilmesi için yapılan temizleme çalışmalarının önemi artmaktadır. Zira karar destek sistemlerinden verim elde edilebilmesi için en önemli konulardan biri veri kalitesidir. Bu sebeple gelecekte bu yöne yapılacak yatırımların devam edeceğini ve bu konuyu ele alacak uygulamaların da gelişeceğini söyleyebiliriz.

Piyasadan gelen taleplere istinaden üzerine yeni işlevsellikler eklenen İş Zekası kavramı yerini gün geçtikçe Kurumsal Performans Yönetimi (Corporate Performance Management) kavramına bırakmaktadır. [29] Kurumsal Performans Yönetimi (CPM), İş Zekası konseptinin kapsamındaki uygulamaların yanı sıra, kârlılık analizi, aktivite bazlı maliyet, planlama ve bütçeleme gibi yeni uygulamalar ile iş süreci yönetimi (workflow management) ve veri girişi gibi fonksiyonaliteleri de bünyesinde barındırmaktadır. 2000 yılından sonra yaygınlaşmaya başlayan, enformasyonun şeffaflaşması ve verilere şirket intranet‟lerinden erişimin sağlanması konseptine “Enformasyon Demokrasisi” (Information Democracy) denmektedir. Bu konsept paralelinde, karar destek sistemlerinin web arayüzü kullanılarak, enformasyonun ve bu enformasyon üzerinde analiz yapılmasını sağlayan araçların son kullanıcıya ulaştırılması sağlanmıştır. Ancak bu uygulamanın farklı profillerdeki kullanıcılara ulaştığı durumlarda, arayüzlerin hem tüm kullanıcıların anlayabileceği kadar basit, hem de analiz yapmak isteyen kullanıcılara fonksiyonalite sunacak kadar sofistike olması gerekmektedir. 2000‟de başlayan web arayüzlerinin bu konuda başarılı olduğunu söylemek pek mümkün değildir. Bu sebeple önümüzdeki yıllarda, özellikle web arayüzünü kullanarak uygulamaya erişecek son kullanıcılar için kullanım kolaylığını ön plana çıkaracak gelişmeler beklenmektedir. Buna ek olarak, kullanıcı bazında kişiselleştirme özelliklerinin gelişmesi ve ileri seviye kullanıcılar için Microsoft Excel ile daha fazla entegrasyon da üzerinde durulması beklenen fonksiyonaliteler olarak görülmektedir. [31]

Son kullanıcıların analizlerine yardımcı olması için üzerinde çalışılan “Rehberli Analiz” (Guided Analysis) konsepti de önümüzdeki yıllarda görebileceğimiz gelişmelerden biri olacaktır. Bu konsept ile, karar destek sistemleri ve veri analizi konusunda daha düşük yetkinliklere sahip kullanıcıların, analizleri sırasında daha önceden tanımlanmış analitik

yöntemler ile üretilen varsayımlara istinaden yönlendirilmesi gibi fonksiyonalitelerin, ürünlerin bir parçası olması beklenmektedir. Ayrıca bu çözümlerin şirket intranet‟leri aracılığıyla büyük sayılarda son kullanıcılara yaygınlaşması ile birlikte, beraber iş yapma (collaboration) konseptinin Kurumsal Performans Yönetimi yeteneklerini de kullanarak son kullanıcıların hayatına daha fazla gireceğini söyleyebiliriz. Mesela yapılan bir analiz sonucunda ulaşılan raporun üzerine kişisel notlar ekleyerek bir iş akışı başlatmayı, artık bir karar destek sisteminde görüyor olacağız.

Biraz daha ileri baktığımızda ise “Enformasyon Çekimi” (Information Magnetism) diye adlandırılan gelişmiş bir konseptin geliştirildiği ve yakın gelecekte kullanılmaya başlanacağı görülmektedir. Bu konseptte, belli algoritmalar ile verileri yorumlayıp çeşitli sonuçlara ulaşacak olan yeni nesil İş Zekası çözümleri, bu sonuçları son kullanıcılara, rol, sorumluluk veya taleplerine istinaden ulaştırılmasını sağlayacaklardır. [31]

Veri madenciliği uygulamalarını kullanan yöneticiler ve analistler, bu analiz çalışması sonrasında genelde cevap aradıkları sorulardan daha fazla soru işaretine sahip olurlar. Zira veri madenciliği uygulamasında çıkan sonuçlar bir kısım soruya cevap vermekteyken, sorgulanması ve analiz edilmesi gereken bir kısım yeni sonuçlar da üretirler. Bu yeni sorular, OLAP uygulamaları ile özetten detaya analiz edilmesi gereken yeni birer başlangıç noktası olarak görülebilir. Örneğin veri madenciliği uygulamasından çıkan modele göre türetilen tahmini verilerin, bir OLAP kübüne kolayca yüklenerek son kullanıcıların analizine sunulabilmesi şirketlerin bir süre sonra talep edeceği bir özellik olacağı tahmin edilmektedir. Bu sebeple piyasadaki çeşitli şirketler, OLAP ve veri madenciliği uygulamalarının entegrasyonunu gündemlerinde tutmaktadırlar. [2]

49