ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ
ġefik EĞRĠBOZ
507971028
MAYIS 2002
Tezin Enstitüye Verildiği Tarih: 13 Mayıs 2002
Tezin Savunulduğu Tarih: 31 Mayıs 2002
Tez DanıĢmanı : Öğr. Gör. Dr. HalefĢan SÜMEN
Jüri Üyeleri : Doç. Dr. Burç ÜLENGĠN
Y.Doç. Dr. Mehmet Mutlu YENĠSEY
VERĠ AMBARI OLUġUMUNDA KULLANILAN TEKNOLOJĠLERĠN ĠNCELENMESĠ
VE
ÖNSÖZ
―Veri Ambarı Oluşumunda Kullanılan Teknolojilerin İncelenmesi ve Veri Ambarlarının Kişiye Özel Üretimde Kullanımı‖ başlığı altında yaptığım tez çalışmasında öncelikle çok yoğun literatür taraması yaptım. Bunlara paralel olarak da uygulama çalışmamın incelemesini gerçekleştirdim.
Çalışmada söz konusu işletmede uygulanan ve daha yeni gelişmekte olan bir alan olarak görülen ―Veri Ambarları‖ üzerinde araştırma yapmak bana farklı bakış açıları kattı. THY bünyesinde yürütülen çalışmalara yaptığım teorik araştırmalar ışında öneriler sunmaktan ayrıca onur duydum.
Lisans eğitimim ile yüksek lisans programımın bir sentezi olarak gördüğüm ve şahsi olarak da oldukça ilgilendiğim bu konu üzerinde bana tez hazırlama fırsatı veren ve fikirleri ile bana ışık tutan Halefşan SÜMEN hocama çok teşekkür ederim. Bu tezi yazarken bana her türlü konuda destek olan nişanlım Ahu DEVECİ‘ye ve ayrıca deneyimlerini ve uygulamalarını benimle paylaşmaktan kaçınmayarak tezime büyük katkısı olan bu Serdar KARAMAN‘a minnettarım.
ĠÇĠNDEKĠLER
ÖNSÖZ ... ĠĠ ĠÇĠNDEKĠLER ... ĠĠĠ KISALTMALAR ... ĠX TABLO LĠSTESĠ ... X ġEKĠL LĠSTESĠ... XI ÖZET ... XĠĠĠ SUMMARY ...XVĠ 1. GĠRĠġ... 1 1.1 ÇalıĢmanın Amacı 22. ĠġLEM TABANLI ENFORMASYON SĠSTEMLERĠNE GENEL BĠR BAKIġ ... 4
2.1 Enformasyon Sistemi Nedir? 4
2.2 Veri 5
2.2.1 Operasyonel ve Analitik Veri 6
2.2.1.1 Operasyonel Veri 6 2.2.1.2 Analitik Veri 7 2.2.2 Veri Kaynakları 7 2.2.3 Meta Veri 9 2.2.3.1 İç ve Dış Meta Veri 9 2.3 Enformasyon 10 2.4 Bilgi 11 2.5 Akılcılık 12
2.6 Enformasyon Sistemlerine Modern YaklaĢımlar 13
2.6.1 Teknik Yaklaşım 14
2.6.2 Davranışsal Yaklaşım 14
2.7 Enformasyon Sistemlerinin ĠĢlevleri 14
2.8 Enformasyon Sistemlerinin Etkileri 16
2.8.1 Organizasyon Yapısı Üzerindeki Etkileri 16
2.8.3 Esneklik Üzerindeki Etkileri 16
2.9 Enformasyon Sistemi Ürün ve Hizmetleri 17
2.9.1 Hedef Pazar Odaklı Sistemler 17
2.10 Enformasyon Sisteminin Yapısı ve Yönetim Kademeleri 18
2.11 Enformasyon HiyerarĢisi Ġhtiyacı ve Veri Ambarları 18
3. ÇOK BOYUTLU MODELLEME ... 21
3.1 Çok Boyutlu Veri Analizi 21
3.2 Çok Boyutlu Model 22
3.2.1 Boyutsal Modelin Özellikleri 23
3.3 Varlık ĠliĢkileri Modeli Nedir? 24
3.3.1 Varlık İlişkileri Modellemesinin Özellikleri 25
3.4 Yıldız ġeması Tasarımı 26
3.5 Çok Boyutlu Veritabanı Arkasındaki DüĢünce 26
3.5.1 Olgular 27
3.5.2 Boyutlar 28
3.5.3 Olgu ve Boyut Tablolarının Bir Arada Kullanımı 30
3.5.4 Olgu Tabloları ve Ölçütler 31
3.6 Küpler 31
3.7 Toplamlar 32
3.8 Boyutsal Modelleme ile Varlık-ĠliĢki Modellemesi Arasındaki ĠliĢki 32 3.9 ĠliĢkisel Modelleme ve Çok Boyutlu Modelleme Arasındaki Farklar 32
3.10 Boyutsal Modellemenin Güçlü Yönleri 33
3.11 Toplamsal, Yarı-toplamsal ve Toplamsal-Olmayan Olgular 34
3.11.1 Tam Toplamsal Ölçüler 35
3.11.2 Yarı Toplamsal Ölçüler 35
3.11.3 Toplamsal Olmayan Ölçüler 35
4. VERĠ AMBARI TEKNOLOJĠLERĠ ... 36
4.1 Veri Ambarı Nedir? 36
4.1.1 Veri Ambarının Güncel Bir Tanımı 38
4.1.2 Veri Ambarları için Daha Geniş, İleriye Dönük Bir Tanım 38
4.2 Kurumsal Yapı ve Veri Ambarları 39
4.3 Veri Ambarının Etkileri 39
4.4 Veri Ambarlarının Yararları 40
4.5 Analitik Verilerin Tarihi: Tablolardan Veri Ambarlarına 40
4.5.1 Veri Ambarının Kısa Tarihçesi 41
4.5.1.1 1970‘li yıllar 41
4.5.1.2 1980‘li yıllar 41
4.5.1.3 1990‘lı yıllar 41
4.6 Veri Ambarının Önde Gelen Nitelikleri 42
4.6.1 Bir Çok Alt Projeden Oluşan ve Gelişen Veri Ambarı Projeleri 42
4.6.2 Sonlu Olmayan Veri Ambarı Süreçleri 42
4.6.3 Veri Ambarı ile Veri Tabanı Bağımsızlığı 43
4.6.4 Veri Ambarları ve Veri Hakkında Düşünme Yöntemleri Arasındaki İlişki 43 4.6.5 Veri Ambarları ve Fiziksel Yerleşimden Bağımsızlık 44 4.6.6 Geleneksel Veri İşlem Sürecinin Tamamlayıcısı Olarak Veri Ambarları 44
4.8 Veri Ambarlarının Karakteristikleri 45
4.8.1 Konulu Olmak 46
4.8.2 Entegre Olmak 46
4.8.3 Güncellemeleri Olmamak 46
4.8.4 Zaman İçinde Değişken 47
4.9 Veri Ambarı OluĢturma Sürecinin AĢamaları 48
4.9.1 Veri Düzenleme Aşaması 49
4.9.2 Gösterim Sunucusu 49
4.9.3 Veri Ambarının Biçimlendirilmesi 49
4.10 Veri Ambarı YaĢam Döngüsünün Evrimi 50
4.10.1 Yaşam Döngüsü Yaklaşımı 50
4.10.2 Boyutsal Yaşam Döngüsünün Kullanımına İlişkin Esaslar 50
4.10.2.1 Projenin Planlanması 51
4.10.2.2 İş Etkinliği Gereksinimlerinin Tanımı 51
4.10.2.3 Veri Anayolu: Boyutsal Biçimlendirme 52
4.10.2.4 Veri Yolu: Fiziki Tasarım 52
4.10.2.5 Veri Yolu: Veri Düzenlemesinin Tasarlanması ve Geliştirilmesi 52
4.10.2.6 Teknoloji Yolu: Teknik Yapı Tasarımı 52
4.10.2.7 Teknoloji Yolu: Ürün Seçimi ve Kurulumu 53
4.10.2.8 Uygulama Yolu: Son Kullanıcı Uygulamasının Özelleştirilmesi 53 4.10.2.9 Uygulama Yolu: Son Kullanıcı Uygulamasının Geliştirilmesi 53
4.10.2.10 Kurulum 53
4.10.2.11 Bakım ve Büyüme 53
4.10.2.12 Proje Yönetimi 54
4.11 Bilgi ĠĢlem Açısından Veri Ambarı Projelerinin Uygulama Adımları 54 4.12 Operasyonel Veri Stoğu ve Veri Ambarı Ġle Arasındaki ĠliĢki 57 4.13 ġirket Veri Ambarı için Bir Mimari Model OluĢturma Problemleri 58
4.13.1 Senaryo 1 - ‗Basit‘ Çözüm 58
4.13.2 Senaryo 2 - ‗Nokta‘ Çözümü 59
4.13.3 Senaryo 3 - ‗Mükemmel‘ Çözüm 59
4.14 Veri Ambarı için Altı Katlı Mimari Model 59
4.14.1 Operasyonel Veri 60
4.14.2 Veri Taşınması 60
4.14.3 Veri Ambarı İdaresi 61
4.14.4 Sistemler Arası Donanımlar 61
4.14.5 Karar Destek Uygulamaları 61
4.14.6 Sunum Arabirimi 62
4.15 Veri Ambarlarında Roller ve Sorumluluklar 62
4.16 Veri Ambarı Pazarı 63
5. DATAMART ÇÖZÜMLERĠ ... 66
5.1 Bir Veri Tabanı Tarafından Beslenen Datamartlar 67
5.2 Datamartlar ve Veri Ambarları 68
5.3 Datamart Mimarileri 69
5.3.1 Bağımsız Datamartlar 69
5.3.1.1 Mimari Yapısı Olmayan Yapı 70
5.3.2 Bağımlı Datamarlar 70
5.3.2.1 Bağımlı Datamart Yapısı 71
5.3.3 Birleşik Datamartlar 72
5.4 Datamart Veriyolu Yapısı 72
5.5 Veri Ambarı Veriyolu 75
5.7 ĠĢ Analizi için Kurum Veri Yapısı Seçme Yöntemleri 75 5.8 Veriyi NormalleĢtirilmiĢ, ĠliĢkisel Tasarim Kullanarak Analiz Etmede YaĢanacak
Zorluklar 76
5.9 Boyutsal Modelleri Bir Araya Getirme: Veri Ambarı Veriyolu Yapısı 78
5.9.1 Veriyolu Mimarisi ile Kurulan Datamartlar 78
5.9.2 Paylaşılan Boyutlar ve Standart Olgu Tanımları 78
5.9.3 Paylaşılan Boyutların Tasarımı 80
5.9.4 Uyumlu Olgu Tablolarının Tasarımı 80
5.10 Datamart Verisinin Tanecikliliğinin Önemi 80
5.11 Veri Ambarlarına Mimari Açısından Farklı YaklaĢımlar 81
6. OLAP ... 82
6.1 OLAP Nedir? 82
6.1.1 OLAP - Çevrimiçi Analitik Süreç Sistemleri 82
6.2 OLAP‟ın Amacı 83
6.3 OLAP Ana Esasları 84
6.4 OLAP Araçları: Datamart ve Veri Ambarları Yaratma 85
6.5 NormalleĢtirilmiĢ Veri ve OLAP Sistemleri 85
6.6 OLTP Sistemleri ve OLAP Sistemleri 86
6.7 OLAP Teknolojileri 88
6.7.1 ROLAP, MOLAP ve HOLAP 88
6.7.2 MOLAP ile ROLAP Karşılaştırması 90
6.8 OLAP için Veri Toplama 91
6.9 OLAP Verisini Kullanıcılara Dağıtmak 92
6.10 OLAP Analizinin Çok Kullanılan Özellikleri 93
6.10.1 Detay Arttırarak Sorgulama (Drill Down) 93
6.10.2 Aynı Detayda Farklı Bilgi Sorgulama (Drill Across) 94
6.10.3 Veri Arttırarak Sorgulama (Drill Through) 94
6.10.4 Eğilim Çıkartma (Trending) 94
6.11 Veri Ambarlarında OLAP Sistemlerinin Kullanıldığı Alanlara Örnekler 94
6.11.1 Promosyon Etkinliği 94
6.11.2 Müşteri Demografi Analizi 95
6.11.3 Müşteri Memnuniyeti Analizi 96
6.11.4 Yerleşim Birimi Analizi 96
6.11.5 Kapasite Yönetimi 96
6.11.6 Envanter ve Ambarlama 97
6.11.7 İmalat Sürecindeki Maliyet 97
6.11.8 Hanehalkı Analizi ve Müşteri Bağlılığı 98
6.11.9 Karlılık 99
7. VERĠ AMBARLARINDA KRĠTĠK BAġARI UNSURLARI ... 100
7.1 Yatırım 104
7.2 Geri Kazanım 104
7.3 Hızlı OLAP Sorgulamasının Önemi 106
7.4 Kaliteli Veri Temini 106
7.4.1 Aydınlatıcı Meta Veri Sağlama 106
7.5 Bütün Kuruma BakıĢ 107
7.7 Kurumun Bütün Gereksinimlerini Dikkate Alma 107
7.8 Kurumda Veri Kaynaklarının Doğru Tespiti 108
7.8.1 Kaynak Bulma ve Teknik Zorluklar 108
7.8.1.1 Veri Zorlukları 109
7.8.1.2 Kurumsal Zorluklar 109
7.9 Veri Ambarları Neden BaĢarısız Olur? 111
7.9.1 Veri Kalitesi 112
7.9.1.1 Düşük Kaliteli Verinin Yüksek Maliyeti 112
7.9.2 Veri Kalitesi Düşüklüğü 113
7.10 Veri Ambarı Projelerinin Dezavantajları 114
8. KĠġĠYE ÖZEL ÜRETĠM ĠÇĠN VERĠ AMBARLARI ... 115
8.1 KiĢiye Özel Toplu Üretim Nedir? 115
8.2 Bilgisayar Ağları ve Bilgi AlıĢveriĢi 116
8.3 DeğiĢen Küresel Ekonomi 116
8.4 Sürdürülebilir Rekabet Avantaji Olarak Bilgi Kullaniminin Gerekliliği 117 8.5 Ürün ve Hizmetlerin KiĢiye Özel Üretimi Için Veri Ambarlarının Önemi 118
8.6 KiĢiselleĢtirme ve Veriler 119
8.7 KiĢiselleĢtirmenin Yararları 119
8.8 Veri Ambarları Sayesinde MüĢteriye Odaklanma 120
8.9 Herkes Ġçin Özel Üretim (KiĢiselleĢtirme) ve Veri Ambari Projeleri 121
8.10 MüĢteri Bağlılığı 122
9. THY „DE VERĠ AMBARI UYGULAMASININ ĠNCELENMESĠ VE ÖRNEK ÇALIġMA ... 124
9.1. THY‟de Veri Ambarı Uygulamasının Amacı 124
9.2. THY‟de Veri Ambarı Platformu 124
9.3. Veri Ambarı Veri Ġhtiyacının KarĢılanması 125
9.3.1 Eda‘nın Kullanımı İçin Gerekli En Az Donanım, Yazılım ve Veritabanı Yönetim
Sistemi 126
9.3.2 Eda‘nın İletişim Kurabilmesi için Gerekli Protokoller 127 9.3.3 Eda ‗nın Gereksindiği Yüklü Hafıza Konfigürasyonları 127 9.4. Veri Ambarı için ETL ĠĢlemlerinin GerçekleĢtirilmesi 128
9.5 Copy Manager Ġstemci Arayüzü 129
9.6 Copy Manager Sunucu Arayüzü 130
9.7 Copy Manager „In Kullanımı 129
9.8 Yeni Bir ETL Ġstemi Yaratmak 136
9.8.1 Yeni ETL İstemi için Gerekli Adımlar 136
9.8.2 ETL İşlemi için Veri Kaynağı Seçimi İşlemi 142
9.8.3 ETL İşleminde Okunan Veri İçin Hedef Veri Tabanının Seçimi 147 9.8.4 ETL İsteminde Okunan Verinin Yüklenmeden Önce Dönüştürülmesi 149 9.8.5 ETL İstemlerinin Zaman Planlarının Hazırlanması 156 9.8.6 ETL İstemlerinin Bağımlılıklarının Belirlenmesi 160 9.8.7 ETL İsteminin Önce ve Sonrasında Çalışacak Programların Belirlenmesi 163
9.8.8 ETL İstemlerinin Raporlarının Oluşturulması 165
9.9 THY Veri Ambarı Sisteminin Küçük Bir Benzerinin OluĢturulması ÇalıĢması 168 9.9.1 Veri Ambarı Sistemi Benzerinin Oluşturulması Çalışmasının Amacı 168 9.9.2 Veri Ambarı Sisteminin Benzeri için Kullanılan Altyapı Sistemi 168
9.9.3 Veri Ambarı Sisteminin Kurulumu için Kullanılan Veriler 169 9.9.4 Veri Ambarı Sisteminin Oluşturulması için Kullanılan Tablolar ve Kolonlar 169 9.9.5 Copy Manager ETL İşlemi Tamamlandıktan Sonra İstatistik Raporu 177 9.10 Havayollarında Veri Ambarlarının Kullanıldığı Alanlar 179 9.11 THY Veri Ambarının Genel ve KiĢiye Özel Üretimde Kullanımı 180 10. SONUÇ ... 182 EKLER ... 185 EK – A Veri NormalleĢtirme Sürecinin Teknik Açıdan Ġncelenmesi 185
Temel Kavramlar 185
Fonksiyonel (İşlevsel) Bağlılıklar 185
Genel Bakış 186
Örnek Veri 186
Birinci Normal Form 186
İkinci Normal Form 187
Üçüncü Normal Form 188
Üçüncü Normal Formun Avantajları 190
KAYNAKLAR ... 191 ÖZGEÇMĠġ...188
KISALTMALAR
ACID Atomicity Consistency Isolation Durability DBMS Database Management System
DOLAP Desktop OLAP
DSS Decision Support Systems E/R Entity Relationship
ETL Extraction, Transformation, Loading
FASMI Fast Analysis of Shared Multidimensional Information HOLAP Hybrid OLAP
IMS Information Management Systems IS Information Systems
ISAM Indexed Sequential Access Method IT Information Technologies
KDS Karar destek sistemleri KPI Key Performance Indicator LAN Local Area Network MOLAP Multidimensional OLAP ODS Operational Data Store OLAP Online Analytical Processing OLTP Online Transaction Processing
RDBMS Relational Database Management System ROI Return on Investment
ROLAP Relational OLAP
SQL Structured Query Language WAN Wide Area Network
TABLO LĠSTESĠ
Tablo 2.1 Meta veri tipleri ... 9
Tablo 4.1 Kötü Senaryolar Matrisi ... 59
Tablo 4.2 Stratejik ve taktik veri ambarı ürünlerinin farklılıkları ... 63
Tablo 4.3 Veri ambarı maliyetlerinin açılımı. ... 65
Tablo 6.1 OLAP ve OLTP sistemlerinin karşılaştırılması ... 84
Tablo 7.1 Kritik başarı faktörlerinin listesi ... 102
Tablo 7.2 Anahtar İlkeler ... 105
Tablo 7.3 Veri Ambarlaması Zorlukları ... 110
Tablo 7.4 Veri ambarlamasında belirlenmiş yaygın riskler. ... 111
Tablo 9.1 EDA için gerekli altyapı ve yazılımlar ... 126
Tablo 9.2 EDA ‗nın kullandığı protokoller ... 127
Tablo 9.3 EDA ‗nın kullandığı hafıza miktarları ... 127
Tablo A.1 1NF‘deki tablo – Birinci tablo ... 186
Tablo A.2 2NF‘deki tablolar – İkinci tablo ... 188
ġEKĠL LĠSTESĠ
Şekil 2.1 Bir bilişim sisteminin fonksiyonları. ... 4
Şekil 2.2 Bilişim sistemlerinin çağdaşlaşması. ... 13
Şekil 2.3 Organizasyonlar ve bilişim sistemleri arasındaki karşılıklı dayanışma ... 15
Şekil 2.4 Bilgi ihtiyaçlarının hiyerarşisi ... 20
Şekil 3.1 Çok boyutlu veri modeli. ... 22
Şekil 3.2 Yıldız şeması şeklinde hazırlanmış bir boyutsal model. ... 24
Şekil 3.3 Varlık ilişkileri modeli ... 25
Şekil 3.4 Yıldız Şeması Gösterimi ... 26
Şekil 3.5 Olgu Tablosu ... 28
Şekil 3.6 Boyut tabloları ve 3 tür bileşenleri ... 30
Şekil 4.1 Veri ambarı genel yapısı ... 49
Şekil 4.2 Veri ambarı yaşam döngüsü diyagramı ... 50
Şekil 5.1 Veri ambarından beslenen datamartlar. ... 68
Şekil 5.2 Veri ambarı mimarileri ... 69
Şekil 5.3 Mimariden bağımsız datamartlar ... 70
Şekil 5.4 Mimariye bağımlı datamartlar ... 71
Şekil 5.5 Veri ambarı ile datamartların mimarisi arasındaki ilişkiler ... 73
Şekil 5.6 Veri ambarının ortak veri yolu mimarisi ile oluşturulduğu mimari yapı. ... 74
Şekil 5.7 Veri ambarı veri yolu üzerinden beslenen OLAP küpleri. ... 74
Şekil 6.1 Kayıt sayısı ve sorgulama karmaşıklığı ile OLTP ve OLAP gereksinimleri ... 85
Şekil 6.2 Rolap Çözümü ... 89
Şekil 6.3 Molap Çözümü ... 90
Şekil 6.4 Holap Çözümü ... 91
Şekil 6.5 Veri ambarları veri yollarını ve OLAP araçlarını kullanır. ... 93
Şekil 8.1 Şirketlerin gelişim süreçleri içinde enformasyon yapıları ... 117
Şekil 8.2 Toplu üretimden kişisel özelleşmiş pazarlara geçiş ... 118
Şekil 8.3 Kişisel özelleşmiş üretime geçiş eğilimi ... 121
Şekil 9.1 EDA mimarisi ... 125
Şekil 9.2 EDA ve Copy Manager ürünlerinin entegre yapısı ... 129
Şekil 9.3 Copy Manager sunucu arayüzü ... 131
Şekil 9.4 Verilerin ETL ( Çıkarım, Dönüştürüm ve Yükleme ) Şematik Gösterimi ...128
Şekil 9.5 Copy Manager açılış ekranı ... 129
Şekil 9.6 Copy Manager ana ekranı... 130
Şekil 9.8 Copy Manager sunucusunun özellikleri ... 131
Şekil 9.9 Copy Manager sunucusuna bağlantı sonrası görüntü ... 131
Şekil 9.10 Copy Manager araç kutusu ... 132
Şekil 9.11 Copy Manager sunucuları ve ETL istemlerinin yapısı... 133
Şekil 9.12 Copy Manager ETL istemlerinin yüklenmesi ... 134
Şekil 9.13 Copy Manager ETL istemleri ... 135
Şekil 9.14 Copy Manager ile ETL istemleri yaratmak için kullanılan araçlar ... 136
Şekil 9.15 Copy Manager ile copy manager sunucularına bağlantı... 137
Şekil 9.16 ETL isteminin detay penceresi ... 137
Şekil 9.17 ETL isteminin çalıştırılması ... 138
Şekil 9.18 ETL isteminin çalışması ... 139
Şekil 9.19 ETL istemi için kaynak seçimi ... 141
Şekil 9.20 ETL istemi için kaynak verilerinin gruplanması / sıralanması ...142
Şekil 9.21 ETL istemi için kaynak verilerin seçimi ... 145
Şekil 9.22 ETL istemi için kaynak verilerin kontrolü ... 146
Şekil 9.23 ETL istemi için hedef veri ambarı seçimi ... 147
Şekil 9.24 ETL istemi için hedef veri ambarı tablosunun seçimi ... 148
Şekil 9.25 ETL istemi için verilerin dönüşümü için kuralların belirlenmesi ... 153
Şekil 9.26 ETL isteminde verilerin dönüşümü için mantıksal ve matematiksel kurallar ... 154
Şekil 9.27 ETL isteminde verilerin dönüşümü için fonksiyonlar ... 155
Şekil 9.28 ETL isteminde verilerin dönüşümü sonrası test sonuçları ... 156
Şekil 9.29 ETL isteminde zamanlayıcı için takvim ... 157
Şekil 9.30 ETL isteminde zaman programlama penceresi ... 159
Şekil 9.31 ETL isteminde bağımlılıklar ... 162
Şekil 9.32 ETL isteminin öncesi ve sonrasında prosedür tanımları ... 164
Şekil 9.33 ETL istemlerine ait raporlama seçenekleri ... 165
Şekil 9.34 ETL istemlerine ait istatistikler ... 167
ÖZET
Her gün şirketler müşterileri, ürünleri veya satışları gibi pek çok farklı faaliyet konularında çok fazla miktarda veri ve kayıt üretir. Bu verilerin büyük bir kısmı bilgisayar sistemleri üzerinde farklı platformlarda depolandığından erişilmesi zor ve çoğu zaman da imkansızdır. Bilgisayar kullanıcısı olan firma çalışanları kendi departmanları dışında verilere ulaşmak ve bu verileri entegre edebilmek için çok değerli iş zamanını yeni bir katma değer yaratmak için kullanmak yerine sadece var olan verileri birleştirerek bir sentez oluşturmak için harcamaktadırlar. Bu yüzden firmaların stratejik kaynağı olan veriler pratik değerlerini yitirmektedir.
Son yıllarda bu sorunu çözmek amacıyla ―Veri Ambarı‖ adıyla yeni gelişen kavramlar grubu ve bu kavramlara ilişkin araçlar geliştirilmiştir. Bu kavramların ortaya çıkarttığı araçlar sayesinde orta ve üst düzey yönetim kademelerindeki yöneticilerin konsolide edilmiş verilere tek bir yerden ve kullanımı kolay bir araç kullanarak ve en önemlisi istenilen zamanda erişebilmesi sağlanmıştır.
Veri ambarları, yönetime karar verme sürecinde destek olabilen, konulu, entegre, değişken olmayan ve zaman varyantlı bir veri koleksiyonudur.
Veri ambarı sistemleri, firmalarda özellikle veriler ve enformasyon sistemleri ile çalışan bilgi çalışanlarının kolay erişebileceği ve karar vermede gerekli olan enformasyonu kritik
operasyonel sistemlerin performansını etkilemeden, hızlı bir şekilde elde edebilecekleri merkezi bir yapıda kurulur.
Veri ambarı projeleri üzerinde çalışan grupların veri ambarı oluşumunda farkına vardıkları en önemli sorun geleneksel veri tabanları üzerinde çalışan operasyonel sistemler (OLTP sistemleri) ile veri analizi için geliştirilmiş olan çok boyutlu veri tabanlarının (OLAP sistemleri) birbirinden ayrılması gerektiğidir.
OLAP ve OLTP sistemlerinin aynı veriyi saklamalarına rağmen birbirlerinden farklı amaçları olduğu için aynı ortamda tutulmaları sistem performansını olumsuz etkilemektedir. Bu yüzden OLAP ve OLTP sistemleri birbirinden ayrı sistemler üzerinde çalıştırılırlar.
Veri ambarlarının oluşumunda iki önemli temel ilke izlenebilmektedir. Bunlardan birincisi merkezi bir veri ambarının heterojen iç ve dış çevre veri kaynaklarından beslenebilecek şekilde oluşturulmasıdır. Bu merkezi yapı sayesinde daha sonra bölümler için ayrı ayrı oluşturulan datamartlar veri ile doldurulabilir. Veri ambarlarının oluşumundaki diğer bir yaklaşım ise birbirinden bağımsız departmanlar için farklı datamartlar oluşturularak bunların operasyonel sistemlerden beslenmesidir.
Veritabanları üzerine oturtulan operasyonel raporlama yazılımları kullanıcılara geçmişte oluşan operasyonel olayları sorgulama imkanı tanırlar. Bu raporlama ile birinci seviye veri ihtiyacı karşılanmış olur. Daha karmaşık ad-hoc sorgulama araçları ile de günlük operasyonda oluşan olaylar incelenir ve bu ikinci seviye veri sorgulama aşamasıdır. OLAP araçları ile gelecekte oluşabilecek olası durumları, geçmiş veriler üzerinde yapılan analizlerle önceden kurgulanarak tespit edilmeye çalışılır ve bu olgular üçüncü seviye sorgulama araçlarını oluştururlar. Dördüncü seviye olan veri madenciliği tüm bu teknolojilerden farklı olarak önemli olabilecek ancak standart sorgulama yöntemleri ile farkına varılamayan ve operasyonel veriler içinde gizlenmiş olarak bulunan ilişkileri bulmayı amaçlayan veri sorgulama seviyesidir. Bu farklı amaçlara hizmet eden tüm araçların ortak noktası katma iş değeri yaratmak amacı ile şirket verilerinin bu verilerin girişinin yapıldığı yüksek performanslı ancak tek düze ve dar bakış açısı yüzünden anlaşılmaz verilerin bir araya toplanarak çok daha geniş bir bakış açısı ile anlaşılır bir ortam yaratan veri ambarı teknolojilerine bir şekilde ya taban oluşturmaları ya da veri ambarlarını kullanan iş analistlerine kullanışlı araçlar sunmalarıdır.
Veri ambarları için birden çok farklı platform üzerinde durmakta olan veri kaynaklarından verileri seçerek bunları bir araya getirmeye çalışan ve bu veriler için tek bir merkez görevi görebilen sorgulanabilir analiz ortamı yaratmak için kullanılan mimariler bu mimarilerin kullandığı algoritmalar ve yazılımlar bütünü olarak bir tanım yapılabilir.
OLAP ve veri ambarı sistemleri birbirini tamamlarlar, veri ambarı sistemleri verileri operasyonel sistemlerden çıkartarak yönetimini sağlar. OLAP ise kullanıcıların sorgulamalar
sayesinde veri ambarındaki verileri analiz ederek stratejik enformasyon haline getirmesini sağlar.
Veri ambarı projeleri veriye ulaşan uygulamalar sayesinde, operasyonel seviye ile daha üst seviyeler arasındaki mesafeyi kısaltma etkisine sahip olduklarından kurumsal yapı içinde karar verme sürecinde hızlı bir düzleşmeye yol acarlar.
Standart bir işletmede bir mimari yapı içinde veri ambarının yerini belirlemek için bir mimari model verme amacıyla, altı katmanlı bir model sunulmaktadır. Bu altı katman şöyledir: (1) operasyonel veri.
(2) veri taşınması.
(3) veri ambarı idaresi.
(4) sistemler arası donanım.
(5) karar destek uygulamaları.
(6) sunum arabirimi.
Bazı özellikler, başarıyla kurulmuş veri ambarlarında ortaktır. Bir veri ambarının başarısı, en iyi, kullanıcı kabulü ve kullanımıyla tanımlanabilir. Ambardan toplanılan bilgi sayesinde doğru ve hızlı şekilde alınmış iş kararları için parasal bazda yatırım getirisini tahmin ederek, bir veri ambarının gelişimini haklı çıkarmak çok yaygındır. Bir çok veri ambarı, değerini, bireysel değerini ölçmenin zor olduğu yüzlerce küçük, ayrı kararlar içinden sağlar. Eğer kullanıcıları veri ambarını öznel olarak değerli buluyorlarsa ve iyileştirmeler ve genişletmeler istemeye devam ediyorlarsa o zaman veri ambarı başarılıdır.
Veri ambarları sayesinde müşteri hakkında tüm kararlar belirli sosyal kategorilerde insanların nasıl davranması beklenebileceği hakkında tahminlerden ziyade müşterinin fiili davranışından çıkartılır. Müşteri davranışını tayin etmek için veri örneklerini bütünleştirmek ve gözlemlemek gerekir. Bu yüzden veri ambarları herkes için özel üretimde gerekli bilgileri sağlayabilecek en uygun ortamlardır.
Müşteriler tanınmayı isterler ve gecikmeyle de olsa ticari kuruluşlar bu talebe karşılık olarak herkes için özel üretim, müşteriyle gerçek ve bilgili bir iletişim kurma ve organizasyonun bu müşteri davranışıyla ilgili bilgi sahibi olduğunu gösterme çabası içine girerler. Üretimlerini ve dağıtım süreçlerini herkes için özel üretimin yeni modeline dönüştürmeyi başaran şirketlerin, pazar yerinde önemli rekabet avantajları sağlayacaklarına dair ciddi kanıtlar vardır. Herkes için özel üretim kavramının merkezinde, ürün sunumlarını farklı bölümlere uydurmak için, pazarların, en ince detay düzeyine kadar mikro bölümlemesi yer almaktadır. Tabii ki bu tek bir adımda gerçekleşemez, bu yinelemeli bir süreçtir. Süreç, bölümlemeye yüksek bir
düzeyde başlayacak ve herkes için özel üretimin son amacının da gerçekleştirildiği bir tane müşterinin bir pazar bölümüne kadar genişleyecektir.
Veri ambarı uygulamaları, daha çok odaklanmış müşteri elde edilmesinden iyileştirilmiş değere, kurulmuş ilişkilerden o ilişkinin devamının sağlanmasına kadar, müşteri ilişkisinin bütün yönleriyle başa çıkabilmek için kullanılır. Veri ambarı mimarisi için zorluk, bir müşteri hakkındaki verinin, müşterinin geçmişini tam olarak modelleyebilmek ve müşterinin tüketim biçimindeki değişikliğini etkin bir biçimde belirleyebilmek için, ne kadar süre boyunca tutulmasına karar vermektir.
Toplu üretim modelinin yerine artık sanayi, herkes için özel üretim (kişiselleştirme) çağına girmektedir. Ve artık şu da çok açıktır ki; müşteri odaklı iş süreçleri için veri ambarı, bu geçişi sağlayacak olan teknolojik araçtır.
SUMMARY
Every day, large and small firms create millions of gigabytes of data on every aspect of their activity: clients, products, sales, etc. The majority of this data, however, is difficult to access because it is subdivided in a myriad of computer systems spread out over the organizational structure of the firm, and for this reason, it is practically unusable.
In recent years, a group of new concepts and tools has evolved into a new technology. This has made it possible to face the problem of supplying the management access, at any level of synthesis and detail, to any information necessary for the firm to survive and prosper in an always more competitive economic context. The term used to identify this new technology is "Data Warehousing".
Data warehousing puts usable decision-making tools in the hands of knowledge workers, without affecting the performance of critical operational systems.
The topic of data warehousing encompasses architectures, algorithms, and tools for bringing together selected data from multiple databases or other information sources into a single repository, called a data warehouse, suitable for direct querying or analysis.
A data warehouse is defined in terms of four characteristics: subject-oriented, integrated, nonvolatile, and time variant collection of data in support of management's decisions.
Fundamentally the basis of all information is in the foundation of data. At the first level of sophistication, operational reporting answers routine questions such as "What happened yesterday?" When these needs are met, members of the organization are able to consider questions at the next level of sophistication. These questions are generally of the form, "Why did that happen yesterday?" Users, armed with their standard operational reports, begin to investigate anomalies through ad hoc queries. At the third level of this hierarchy, selected users (analysts) begin to do more complex investigation of the data, asking questions such as "What is likely to happen tomorrow?" where OLAP tools are used. At the fourth level of sophistication organizations transcend their own knowledge begin to discover relationships and patterns that were hidden in the large volumes of organizational data. This type of investigation is provided through the use of data mining software that does not require that a user be able to formulate a query about some relationship in the data. The objective of data mining is to discover relationships that are not readily seen. At the intersection all these levels of sophistications there are data warehouses that in some way they either are the basis of the warehouse or supported by the data warehouse.
It is soon realized that that it was necessary to separate the systems into two worlds:
OLTP: On-Line Transaction Processing (traditional DBMS)
OLAP: On-Line Analytical Processing (Data analysis)
There are in fact many different aspects which make them incompatible even tough they retain the same data.
OLAP and data warehouses are complementary. A data warehouse stores and manages data. OLAP transforms data warehouse data into strategic information.
Two principal approaches are taken to the development of a data warehouse environment. The first is based on the creation of a central data warehouse using data from legacy systems and other sources. This central warehouse can then be used to load departmental data warehouses or local data marts. The second approach is based on the creation of independent subject area data marts, each loaded directly from the legacy systems and other data sources.
The data warehouse, and, more importantly, the applications which access the data in the data warehouse, will have the effect of shortening the distance between devising candidate strategies at a senior level in an organization and executing the selected strategy at an operational level. This will lead to an immediate 'flattening' of the decision making process
which will have fairly radical follow-on implications for the formal organizational structure and culture.
For the purposes of providing a broad architectural model in order to locate the data warehouse within the overall architectural framework of a standard enterprise, a six-layer model is offered. These six layers are as follows:
(1) The first layer - operational data.
(2) The second layer - data migration.
(3) The third layer - the data warehouse/database administration.
(4) The fourth layer - middleware.
(5) The fifth layer - decision support applications.
(6) The sixth layer - presentation interface.
Groups of customers may have identified a pattern of consumption, which allows a new product to be designed around their needs. All of these judgments about the customer are now derived from the actual behavior of the customer rather than assumptions about how people in particular social categories might be expected to behave. The source of determining customer behavior patterns lies in integrating and observing data patterns. Current information systems are not designed to perform this function. The data warehouse is designed to specifically provide the information required for mass customization.
Genuine mass customization is an attempt to establish a real and informed dialogue with the customer and to demonstrate that the organization has knowledge of the behavior of that customer over time. The present dynamic of a changing market along with technological drivers have combined to evolve the concept of mass customization. There is compelling evidence that companies which manage to transform their production and delivery processes to the new model of mass customization will enjoy significant competitive advantage in the marketplace. Central to the concept of mass customization is the micro-segmentation of markets down to fine levels of granularity in order to customize the product offerings to the multiple segments. Of course this will not occur in a single event. The process will commence with segmentation at a high level and will progressively expand until the final objective of mass customization has been achieved - a market segment of one customer.
The emerging basis for determining the classifications of customers will be a good deal more intangible and will focus on the behavior patterns of the customer. Therefore, a customer may be observed to be compulsive (or conservative) in his/her consumption habits; may have established consumption trends based on special interests (e.g. gardening, motoring); may have displayed a particular pattern of annual income and expenditure; may have
displayed a seasonal pattern of consumption; may have demonstrated a particular sequence of product consumption. Or groups of customers may have identified a pattern of consumption, which allows a new product to be designed around their needs. All of these judgments about the customer are now derived from the actual behavior of the customer rather than assumptions about how people in particular social categories might be expected to behave. The source of determining customer behavior patterns lies in integrating and observing data patterns. Current information systems are not designed to perform this function. The data warehouse is designed to specifically provide the information required for mass customization.
Instead of mass production, companies are nowadays turning their way of working into mass customization and data warehouses are the best tools to achieve a customer oriented approach for business process.
1. GĠRĠġ
Küçük veya büyük ölçekli olsun şirketlerin pek çoğu, kendilerini daha verimli kılmak ve rekabet üstünlüğü yaratmak için, faaliyetlerinin çoğunu elektronik ortamda yürütmek üzere enformasyon sistemlerini ve bilgisayar ağlarını kullanırlar. Günümüz küresel iş ortamında enformasyon (bilgi) sistemleri, Internet ve diğer küresel ağlar, kurumsal düzenlemeler ve yenilikler için yepyeni fırsatlar yaratmaktadır. Enformasyon sistemleri, şirketlerin, erişim olanaklarını daha uzak yerleşim bölgelerine doğru genişletmelerine, yeni ürünler ve hizmetler sunmalarına, iş ve görev akışlarını yeniden şekillendirmelerine ve belki de faaliyetlerini devam ettirme yöntemlerini tamamen değiştirmelerine yardımcı olur.
Son on yıldır teknoloji inanılamaz hızda gelişim kaydetmiştir. Şu andaki pazar ekonomisi, şirketleri daha dinamik ve akıcı olmaya zorlamaktadır. İşletmelerin pazar içinde rekabet edebilmeleri için aşağıda belirtilen noktaları gerçekleştiriyor olmaları gereklidir:
- İşletmelerin karşı karşıya olduğu tüm risklerin teşhis edilmesi.
- İş akışlarının optimum hale getirilmesi.
- Rekabetçi pazarda bilinçli tüketicilerle karın maksimize edilmesi.
- Pazarında şirketi etkileyebilecek tüm yenilik, değişiklik ve fırsatları teşhis ederek ve bunlara hemen tepki verilmesi.
- Hızla değişen pazardaki risklerin ve fırsatların yönetilmesi.
- Pazardaki ve teknolojideki yenilik ve değişikliklere, kurumu yeniden yapılandırmaksızın uyumun sağlanması.
Doğru bilgiye doğru zamanda sahip olabilen işletmelerin, bu bilgiyi kullanarak doğru kararları vermeleri ve uygun bir hareket tarzı içerisinde hayata geçirmeleri gerekmektedir.
Şirketler için, bilgi almanın, kullanmanın ve uygulamanın yolu, tüm şirket için bağlayıcı olan etraflı bir yatırım çözümü kullanımından geçmektedir. Yatırım çözümlerini uygulayan şirketlerin, modern ekonomi içersinde rekabetçi bir avantaj ve kalıcı karlılık sağlamaları daha mümkündür. Bir yatırım sistemini başarıyla uygulayamayan şirketlerin ise mevcut ekonomi içersinde güçlükle ilerleme ihtimalleri büyüktür.
Bir yatırım çözümü, birçok teknolojiyle, değişik tipteki hesaplama ve işletim sistemleriyle farklı tipteki verileri birleşir. Bunların hepsini benzer, birbirine bağlı, aynı sistem içine entegre
etmek için, dikkatlice planlanmış bir dizi uygulamaya ve şirketle ilgili yerine getirilmesi gereken görevin yeterli performansına izin veren bir altyapıya ihtiyaç vardır. Böyle bir sistemin merkezinde, çeşitli bilgi kaynaklarında depolanmış olan tüm bilgilere ulaşılabilirlik yatar. Bu bilgilerin tutarlı, doğru ve bir değerinin olabilmesi için dikkatlice tanımlanmış olması gerekmektedir. Bu ihtiyaca karşılık olarak bilişim teknolojilerinin bulduğu çözüm veri ambarlarıdır.
Etkilere, değişikliklere hızlı tepki verme, hatta bunları fırsata dönüştürme becerisi işletmelerin ihtiyaç duyduğu çeviklik becerisidir. İşletmeler çevik olurlarsa kendi içlerindeki ve dışlarındaki sınırları aşabilen, akıcı organizasyonlar oluşturabilir, değişen koşullara daha hızlı tepki verebilirler. Değişen müşteri ihtiyaçlarını rakiplerinden hızlı anlamak, öngörmek ve karşılamak için işletmelerin çevik olmaları gerekir. İşin gereklerine uygun şekilde büyüyebilmek için teknoloji çözümlerinin faydalarının farkına varmaları gerekir. Bir işletmedeki tüm çalışanlar yeni veya değişen fırsatlara hızla ayak uydurabildiğinde o işletme için çevik tanımlaması yapılabilir. Bu noktada çeviklik, iş dünyasında iletişim ve bilgi işlemin her zamankinden daha kolay ve basit olmasını sağlayacak bir devrim olarak görülen veri ambarı teknolojilerini gerekli kılmaktadır.
Firmalar veri ambarı projeleri sayesinde herkes için özel ürün ve hizmet üretimini mümkün olan en verimli şekilde, minimum marjinal maliyetlerle gerçekleştirebilirler. Bu sayede işletmeler önden gelen analizlerle çevresine en hızlı uyum sağlayarak çevik bir yapıya kavuşabilmiş olur. Darwin‗in ―Türlerin Kökeni‖ adlı kitabında ileri sürdüğü gibi değişen çevreye en hızlı ayak uydurabilen varlıklar yaşamlarını sürdürüp, gelişebilirler. İş yaşamının yaşayan varlıkları olan işletmeler de veri ambarı projelerinin başarısı ile aynı paralellikte rekabet güçlerini arttırabilirler.
1.1 ÇalıĢmanın Amacı
Bu tez çalışmasının amacı, işletmelerde veri ambarı oluşumunda kullanılan teknolojilerin incelenmesi ve veri ambarlarının herkese özel toplu üretim için kullanımı için gerekli teknolojilerin kullanımını bilgisayar bilimleri ve yönetim biliminin ortak ve güncel ürünü olan veri ambarı teknolojilerini açıklayarak incelemektir. Yapılan çalışma giriş, işlem tabanlı enformasyon sistemlerine genel bir bakış, çok boyutlu modelleme, veri ambarları, datamartlar, OLAP, veri ambarı projelerinde kritik başarı unsurları ve veri ambarlarının kişiye özel üretim için kullanımını ve son olarak da sonuçların tartışıldığı bölüm olmak üzere 10 bölümden oluşmaktadır.
İkinci bölümde veri ambarı teknolojilerinin temelinde yatan enformasyon sistemleri hakkında temel bilgiler verilerek, bilgi işlem departmanlarının işletmeler içindeki rolü, veri, enformasyon ve bilgi kavramları incelenmiştir.
Üçüncü bölümde çok boyutlu modelleme ele alınarak veri ambarı modellerinin ve veri ambarlarının tasarımı için geçerli olan çok boyutlu tasarımlarını nasıl ele alındığı açıklanmaya çalışılmıştır.
Dördüncü bölümde veri ambarı kavramları, tanımları ve tasarım unsurları, nitelik ve özellikleri, veri ambarı projelerinde yaşanan süreçler, veri ambarı projelerinin yaşam döngüsü ve veri ambarları ile datamartlar arasındaki yakın ilişkiler incelenmektedir.
Beşinci bölümde datamartlara farklı yaklaşımlar ele alınmaktadır. Bu bölümde datamartlar ile veri ambarları arasındaki içi içe geçmiş ilişkiler açıklanmaya çalışılmaktadır. Bu amaçla dağıtılmış datamart yapılarına karşı merkezi datamart yapıları ve bu kavramların tam ortasında yer alan veri yolu kavramları ele alınarak veri ambarları ile datamartların benzer ve farklı yönleri ele alınmıştır.
Altıncı bölümde veri ambarı projelerinin tamamlayıcısı olan OLAP kavramları ve veri ambarları ile OLAP‘ın ilişkileri açıklanmaktadır. Bu bölümde OLAP teknolojileri OLAP sistemlerinin kullanıldığı alanlar ve bir OLAP analizi örneği yer almaktadır.
Yedinci bölümde başarılı veri ambarları projelerinin ortak yanları araştırılarak, veri ambarı projelerinde kritik başarı unsurları açıklanmaya çalışılmaktır.
Sekizinci bölüm özellikle veri ambarları ile işletmelerin yakın ilişkisi, firmaların veri ambarlarından nasıl faydalanabileceği ve günümüzde firmaların rekabet avantajlarını veri ambarları sayesinde nasıl elde edebileceği tartışılmaktadır. Bunların arasında müşteriye odaklanma ve üretimin kişiselleşmesi gibi firmaların çevikliğini arttıracak ilkeler yer almaktadır.
Dokuzuncu bölümde ise veri ambarlarının THY‘de kurulmasında kullanılan teknolojilerin araştırıldığı uygulama yer almaktadır. Ayrıca bu bölümde havayolu şirketlerinin veri ambarlarını kullanım alanları ile THY‘da veri ambarlarının genel ve kişiye özel üretim için kullanımının araştırılması yer almaktadır.
Onuncu bölüm, veri ambarı teknolojilerinin oluşumunda kullanılan teknolojilerin incelendiği bu tez çalışmasının sonuçlarının ve veri ambarı teknolojilerinin kişiye özel toplu üretim için kullanımının işletmelere etkilerinin anlatıldığı sonuç bölümüdür.
2. ĠġLEM TABANLI ENFORMASYON SĠSTEMLERĠNE GENEL
BĠR BAKIġ
2.1 Enformasyon Sistemi Nedir?
Bir enformasyon sistemi teknik anlamda, organizasyon içerisinde karar verme ve kontrol sürecini desteklemek üzere, bilgi toplayan veya işleyen, depo eden ve sınıflandıran bir dizi birleşmiş parçalar bütünü olarak, tanımlanabilir. Karar vermenin, koordinasyonun ve kontrolün desteklemesine ek olarak, enformasyon sistemleri aynı zamanda yönetici ve çalışanlara, problemleri analiz etmede, karmaşık konuları tasvir etmelerinde ve yeni ürünler yaratmada yardımcı olur.
Enformasyon sistemleri, organizasyon içerisindeki veya organizasyonun bulunduğu çevre içindeki önemli insanlar, yerler ve nesneler hakkında bilgileri içerir. (Şekil 2.1)
ġekil 2.1 Bir bilişim sisteminin fonksiyonları. [1,2]
Müşteri Tedarikçi Rakipler Düzenleyici Etkiler Hissedarlar Programlar ve Yordamlar KONTROL İşleme Sınıflandırma Düzenleme Hesaplama Enform asyon Veri GĠRDĠ ÇIKTI Veri Tabanı BĠLĠġĠM SĠSTEMĠ Organizasyon ÇEVRE
Bir bilişim sistemi, bir organizasyon ve onu kapsayan çevresi hakkındaki bilgileri ihtiva eder. Organizasyon üç temel aktivite olan girdi, işleme ve çıktı-üretim bilgilerine ihtiyaç duyar. Geribildirim girişleri tavsiye ve değerlendirmek ve organizasyon içindeki insan veya aktivitelerin tahsis edilmesini sağlamak için çıkışın geri dönüşüdür.
Birçok firma bilişim sistemleri ile ilgili benzer güçlüklerle karşılaşır, ancak her firmanın özgül durumu farklıdır. Her yönetim ekibi kendi özgül şartlarına uyacak benzersiz ve sürdürülebilir bir çözüm geliştirmek için tercihlerde bulunmak zorundadır. Enformasyon teknolojisi altyapılarında farklı yaklaşımlar farklı yatırım düzeyleri ve farklı teknoloji kapasiteleri gerektirir. Farklı fayda beklentilerinin yön verdiği bu yaklaşımlar farklı performans sonuçları doğurur ve firmaların benimsediği açık stratejik tercihleri yansıtır. [3]
Bilgi ile yararlı ve anlamlı bir form içinde şekillendirilmiş veriler kastedilmektedir. Buna karşılık veri, ham gerçekler akışıdır, insanların anlayabileceği ve kullanabileceği bir formda örgütlenmesinden ve düzenlenmesinden önce, organizasyonlar içinde veya fiziksel çevrede meydana gelen olayları temsil eder.
2.2 Veri
Olaylar hakkındaki birbirinden ayrı, nesnel gerçekleri ifade eder. Firmalar açısından verinin tanımı yapılan işlemlerin belli biçimlerde tutulmuş kayıtlarıdır. Bir müşteri benzin istasyonuna gidip arabasını benzin deposunu doldurduğunda bu işlem kısmen verilerle ifade edilebilir: satın alma işi ne zaman yapılmıştır; kaç litre benzin alınmıştır; ne kadar para ödenmiştir gibi. Veriler bu müşterinin niçin bir başkasına değil de bu benzin istasyonuna geldiğini anlatmaz ve tekrar gelme olasılığı hakkında da bir tahmin yürütemez. Bu gerçekler kendi başlarına bu benzin istasyonunun iyi yönetilip yönetilmediğini, başarılı mı yoksa batmak üzere mi olduğunu göstermezler. [4]
Modern kuruluşlar genellikle verileri bir çeşit teknoloji sisteminde depolarlar. Finans, muhasebe, pazarlama gibi departmanlar verileri sisteme girerler. Girilen veriler merkezi enformasyon sistemleri departmanlarınca yönetiliyor ve yönetimden ya da şirketin diğer bölümlerinden verilerle ilgili bir istek geldiğinde bu departman yanıt verir. Şu andaki eğilim ise verilerin daha az merkezileştirilmesi ve çalışanların masalarındaki bilgisayarlarla istedikleri verilere erişebilmesi yönündedir; ancak verinin ne olduğu, nasıl depolandığı ve kullanıldığı konularında bir değişiklik yoktur.
Niceliksel açıdan şirketler veri yönetimi işini maliyet, hız ve kapasite cinsinden değerlendirirler, kriterler şöyledir: Bir veri parçasını yakalamak ya da arayıp bulmak ne kadar maliyet getirmektedir? Veriyi sisteme ne kadar sürede alabilir ya da sistemdeki veriye hangi sürede erişilebilir? Sistemin kapasitesi ne kadar veri saklamaya uygundur? Niteliksel
ölçümler ise zamanındalık, uygunluk ve anlamlılıktır, bu şu anlama gelir: gereksinim duyulduğunda verilere ulaşılabiliniyor mu?
Tüm kuruluşların verilere gereksinimi olmakla birlikte bankalar, sigorta şirketleri, kamu hizmeti veren kuruluşlar, sosyal güvenlik kurumları gibi bazı endüstriler verilere fazlasıyla bağımlı çalışırlar. Bu "veri kültürlerinin" temelinde kayıt tutma yer alır ve bu kuruluşların başarılı olabilmesi açısından etkili bir veri yönetimi zorunludur. Onların işi milyonlarca işlemin kaydını doğru ve işe yarar bir biçimde tutmaktır. Ama çoğu şirket için, daha fazla veri her zaman daha az veriden iyidir denemez. Bazen şirketlerin yalnızca gerçeklere ilişkin oldukları ve bu yüzden de bilimsel bir kesinlik görüntüsü verdikleri için yığınlarca veriyi biriktirdikleri görülür. Ne kadar fazla veri toplanırsa objektif olarak doğru kararların kendiliklerinden ortaya çıkacaklarını sanırlar. Oysa bu görüş iki noktada yanlıştır. Birincisi, gereğinden fazla veri toplamak aralarında işe yarayacak olanların belirlenmesini ve kullanılmasını zorlaştırabilir. İkincisi ve daha önemlisi, verilerin kendi başlarına bir anlam taşımaları söz konusu değildir. Veri sadece olup bitenlerin bir bölümünü açıklar; içinde değerlendirme, yorum yoktur ve karar vermek açısından güvenilecek bir temel oluşturmaz. Karar almaya temel oluşturacak olgular arasında veri de yer alabilir ama veri size ne yapmanız gerektiğini gösteremez. Veri, kendisinin önemi ya da işe yarayıp yaramayacağı hakkında bir fikir vermez. Ama veri kuruluşlar için önemlidir, bunun nedeni de enformasyon yaratmak açısından vazgeçilmez bir ham madde olmasıdır.
Veri, Latince datum sözcüğünün çoğul şeklidir ve ‗verilmiş şeyler‘ anlamına gelir. Geçişsiz mişli-geçmiş yapılı sıfat-fiil olan Latince dare ‗vermek‘ ten gelmiştir. Klasik bilgisayar bilimi içersinde veri terimi, bilgisayarın işlem görmesini sağlayacak biçimde ifade edilmiş nümerik ve diğer bilgiler anlamına gelir. Bununla beraber, veriyi bilgi teknolojisinden bağımsız olarak, iş dünyasının bakış açısından tanımlamak gerekir. [5]
Veri, bir kurumun stratejik aktifidir, belki de rakiplerce çoğaltılamayan, yaratılamayan tek aktiftir. Gerçek bir rakipsel farklılaştırma kaynağıdır ve çoğu durumlarda bilgisayar ortamında bulunur ve şirket veri merkezinde saklanır. [6]
2.2.1 Operasyonel ve Analitik Veri
Şirketlerin enformatik kararlar ve iyi uygulamalar için ihtiyaç duyduğu iki tip veri, operasyonel veri ve analitik veridir.
2.2.1.1 Operasyonel Veri
Operasyonel veri sürekli değişime uğrar ve gelişir, dinamiktir. Buna örnek olarak bir sipariş giriş veritabanı içindeki mevcut siparişler için olan veri verilebilir. Operasyonel veri, tam zamanında tek bir noktadaki mevcut bilgiyi ifade eder. Operasyonel veri bekleyen sipariş durumunu, kontrol edilen hesabın cari bakiyesini veya stokta bulunmayan mal sayısını
gösterebilir. Bu tip bir veri, bir şeylerin bir anlık mevcut durumunu ve bu durumun her an değişebileceğini söyler. [7]
Ticari faaliyeti devam ettirmek için kullanılan işlem süreç sistemi genel olarak mevcut durumu göstermeye odaklıdır, örnek sorgular şöyledir:
- 3 no‘lu ambardaki 7582 numaralı ürünün mevcut stok seviyesi nedir?
- Stok yokluğundan dolayı kaç sipariş karşılanmayı bekliyor?
- Enjeksiyon kalıplama makinesine tekrar şekil vermeden önce kaç adet mavi kaplama üretilmesi gerekiyor?
2.2.1.2 Analitik Veri
Analitik veri tarihsel veridir ve genellikle zaman içerisinde aynı kalır, durağandır. Analitik veri sadece orijinal bilgide bir hata meydana geldiği zaman değiştirilmelidir. Bir noktada veri son haline gelir ve değiştirilemez. İşte bu noktada bilgi durağan hale gelir ve dinamik veri kaynağından statik veri kaynağına taşınır. Analitik veri belirli bir zaman aralığında bilgiye bakmaya yarar. [8]
Örneğin ocak ayındaki toplam satışlara, herhangi bir tarihte kaç bayrağın satıldığına veya son 6 aydaki iş geliştirme personellerinin aylıklarındaki değişime bakılabilir.
Analitik veri genellikle operasyonel veriden oluşturulur ve belirli bir zaman aralığında bir şirketin gelişimine ait yorucu analizi yerine getirmek için kullanılır. Veri, doğru, yol gösterici ve kullanışlı bir şekilde sunulur olmalıdır.
Analitik veri şirket içerisinden gelmek zorunda değildir. Gelecekteki birkaç yıl içerisinde çok geniş harici veri pazarları (büyük bir ihtimalle bir ücret karşılığı Internet üzerinden sağlanabilecek) şirketler için mevcut olacaktır.
2.2.2 Veri Kaynakları
Bir kurumda iki seviyede veri kategorisi vardır, bunlar dahili ve harici veri şeklinde tanımlanırlar. Dahili veriler firmaya ait verilerdir ve operasyonel sistemler tarafından oluşturulurlar ve bu veri firma içinde olanları anlatır.
Harici veriler şirketler tarafından satın alınan ya da kendisine gelen şirket dışı faaliyetleri tanımlayan verilerdir. Veri ambarının anahtar hedeflerinden birisi ise veritabanı tasarımını anlamlı bir şekilde dahili ve harici verilerle entegre etmektir. [6]
1 - Finansal sistemler. 2 - Lojistik sistemler. 3 - Satış sistemleri. 4 - Üretim sistemleri. 5 - Personel sistemleri. 6 - Faturalama sistemleri. 7 - Bilişim Sistemleri. Dış Veriler:
Harici veriyi analiz etme amacı üç çeşittir:
• Fırsatları tanımak
• Tehditleri algılamak
• Sinerjileri tanımlamak
Üç çeşit dış kaynaklı veri aşağıdaki kategoriler etrafında kümeleşirler:
(1) Rakip verileri. (2) Ekonomik veriler. (3) Sınai veriler. (4) Kredi verileri. (5) Mal verileri. (6) Ekonometrik veriler. (7) Psikometrik veriler. (8) Meteorolojik veriler. (9) Demografik veriler.
En değerli dahili veri kaynağı, ferdi müşterilerce üretilen gelirle ilgili esas bilgilerle birlikte müşteri hakkında bilgi tanımlayabilen, şirket faturalama sistemleridir.
2.2.3 Meta Veri
Meta veri, gerçek veri olmadığı halde veri tabanı ortamındaki tüm verileri ifade eder. Meta verilerin katalog haline getirilmesi, versiyon olarak yüklenmesi, dosyalanması ve yedeklenmesi gerekir.[9] Ama meta verinin tek bir merkez veritabanı içine yüklenmesi gerekmez. Meta veri miktarı oldukça fazladır, yapıları ve kullanımları çok çeşitlidir. Bu yüzden meta veri yönetimi veri ambarları için çok önemle ele alınması gereken bir unsurdur, akis durumlarda veri ambarından istenilen iş değeri elde edilemez. [10]
Veri ambarının önemli bir parçası meta veridir. Meta verinin önemi özellikle gerçek verilerin operasyonel sistemlerden veri ambarı ortamına aktarılması sırasında ortaya çıkar.[11] Meta veri basitçe ―veri hakkında veri‖ dir.
2.2.3.1 Ġç ve DıĢ Meta Veri
Meta veri, hem veri idarecisinin hem de son kullanıcının etkinliklerini desteklemek amacıyla kullanıldığından, bu iki kullanım arasındaki bir farkı belirtmek gerekir. [12] Meta verinin bu iki bakış açısını ayrıştırabilmek amacıyla meta verinin bilgi işlem bakış açısına ―içsel meta veri‖, son kullanıcının bakış açısına da ―dışsal meta veri‖ denilebilir. Açıkça görülüyor ki, dışsal ve içsel görüşler iç içe geçebilirler ve birbirleriyle tutarlı olmak zorundadırlar.[13] Bu farklı görüşler Tablo 2.1‘de tanımlanmıştır:
Tablo 2.1 Meta veri tipleri [13]
İç meta veri
İç meta veri, özellikle, veriyle ilgili kaynakları, dönüşümleri, iş kurallarını, programları güncelleme ve yenilemeyi, sunmayı, fiziksel yerleri, mantıksal ve fiziksel eşlemeleri, yaşlandırmayı, düzenlemeyi, arşivlemeyi, eşzamanlılığı, veri tabanı sunumlarını, tablo adlarını, erişim yollarını, hareket ve güvenlik kısıtlamalarını tanımlamakla ilgilidir.
Dış meta veri
Dış meta veri, özellikle, veriyle ilgili tanımları, adları, sahipliği, kaliteyi, ölçü birimini, özetleri, toplamları, erişim ölçütlerini, para birimini, kapsamayı, hacimleri, çevirimleri ve ilişkileri tanımlamakla ilgilidir.
Son kullanıcılar, veriyi anlamalarına yardımcı olacak kullanışlı bir mekanizmaya nadiren sahiptirler ama bazı araçların, bu görevde yardımcı olacak bilgi katologları vardır. Veri ambarı kullanıcısının, ambarın değerini tam olarak optimize etmek ve kullanıcıların yaptıkları
analizden yanlış sonuçlar çıkarmalarını önleyecek, daha incelikli (karmaşık) desteğe gereksinimi vardır. Kullanıcıların, sadece verinin anlamını bilmenin ötesinde birşeyleri bilmeye gereksinimleri vardır: Verinin en son ne zaman yenilendiğini, verinin geçmişinin ne olduğunu (yani verinin kalitesi, doğruluğu ve kaynağı nedir?), veriyi tanımlayan iş terimlerini ve ayrıca, hazır olan önceden tanımlanmış rapor bilgisini bilmeleri gerekmektedir.
2.3 Enformasyon
Eğer veri bir hammadde ise enformasyon bilgi işlem açısından nihai üründür. Enformasyon şartlar içindeki veridir. Enformasyon kullanılabilir veridir. Enformasyon verinin anlamıdır dolayısı ile gerçekler anlaşılır hale gelir. Enformasyon kalitesi 3 unsurun kalitesine ihtiyaç duyar: verinin açık tanımlanması veya anlamı, doğru değer(ler) ve anlaşılabilir sunum. Bu 3 unsurdan herhangi birinin kalitesizliği iş akışının bozulmasına veya yanlış bir kararın verilmesine sebep olur. Enformasyon uygulanmış bir veridir ve aşağıdaki formülle ifade edilebilir: [5]
Enformasyon = f ( veri + tanımlama + sunum )
Ticari bakış açısından enformasyon belki iyi bir şekilde tanımlanmış olabilir, değerler doğru olabilir ve anlamlı bir şekilde sunulmuş olabilir. Ama hala değerli bir yatırım kaynağı olmaktan uzak olabilir. Enformasyon kalitesi kendi içinde tek başına yararsızdır. Ancak insanlar tarafından anlaşılmış enformasyon kalitesi bir değer taşır.
Enformasyon genellikle belge şeklinde ya da görsel veya işitsel bir mesaj olarak tanımlanır. Her mesajda olduğu gibi burada da bir gönderici, bir de alıcı vardır. Enformasyonun amacı alıcının bir konudaki düşüncelerini değiştirmek, değerlendirmesi ya da davranışı üzerinde bir etki yaratmaktır. Enformasyon alıcısını biçimlendirmek zorundadır; bakış açısında ya da anlayışında da bir fark yaratmalıdır; yani enformasyon, fark yaratan veridir.
Aldığı mesajın gerçek bir enformasyon niteliği taşıyıp taşımadığına, yani kendisini yeniden biçimlendirip biçimlendirmeyeceğine karar verecek olan alıcıdır, gönderici değil. Birbiriyle ilgisiz dağınık ifadelerden oluşan bir not onu kaleme alan tarafından "enformasyon" gibi görülebilir ama alıcı için bir değeri yoktur.
Enformasyon kuruluş içinde sert ve yumuşak iletişim ağları aracılığıyla dolaşır. Sert iletişim ağı gözle görülür, başı sonu belli kablolar, taşıma araçları, uydu alıcıları, posta kutuları, adresler, elektronik posta kutuları gibi bir altyapıya sahiptir. Bu ağlarla iletilen mesajlar arasında elektronik posta mesajların, geleneksel posta mesajlarını, paketleri ve Internet mesajlarını sayabiliriz. Yumuşak iletişim ağı ise daha az resmi ve daha az gözle görülür bir nitelik taşır, kendiliğinden yürür. Birisinin size bir not ya da üzerinde "bilginize" yazılı bir makale fotokopisi vermesi yumuşak iletişim ağı ile haberleşmeye birer örnektir.
Verilerden farklı olarak enformasyonun anlamı vardır, yani ilişkilere ve amaca sahiptir. Yalnızca alıcıyı biçimlendirme potansiyeline sahip olmakla kalmayıp kendisinin de bir biçimi vardır: bir amaca yönelik olarak organize edilmiştir. Yaratıcısı ona anlam kattığında veri, enformasyona dönüşür.
Bilgisayarların verilere bu gibi değerleri eklemeye ve veriyi enformasyona dönüştürmeye yardım edebilecekleri bilinir, ama amaca yönelme söz konusu olduğunda fazla bir yardımları olamaz; kategorize etme, hesaplama ve özetleme genelde insanlar tarafından yapılacaktır.
2.4 Bilgi
Enformasyon, kalitesi insanlar tarafından özümsenebilir güçlü bir kaynak haline gelir. Bilgi işçileri, enformasyon kalitesine ek olarak enformasyonun bir değere sahip olması için destek sağlarlar. Bir veritabanı, onu kullanan bilgi işçileri olmaksızın müşterisi olmayan bir ürün deposu kadar değer üretir. Bilgi sadece bilinen enformasyon anlamına gelmez, bilgi aynı zamanda şartlar içindeki enformasyondur. Bilgi enformasyonun önemini kavrama anlamına gelir. Bilgi uygulanmış enformasyon anlamına gelir ve şöyle formüle edilebilir: [5]
Bilgi = f ( insan + Enformasyon + Anlam )
Bilgi, sahip olduğu gerçek potansiyeli anlamak için deneyime ve kavrayış çabukluğuna sahip insanlarca, enformasyona eklenmiş bir değerdir. Enformasyon teknolojisinin sürekli gelişimiyle, organizasyonlar artık bilgiye elektronik olarak ulaşabilmekte, depolanmasını koordine edebilmekte ve yatırımcılar tarafından paylaşılabilir hale getirebilmektedirler. Internet, intranet, World Wide Web ve veri madenciliğindeki ilerlemeler, veri ambarlarındaki ve operasyonel veritabanlarındaki paylaşılabilir verilerin ufuklarını genişletmektedir.
Buna rağmen bir yatırım bilgisi zenginliğine sahip olup yine de yatırımın başarısızlığını görmek mümkündür. Bilgi ancak, bu bilgiye dayalı hareket etme yetkisi verilmiş insanlar oldukça bir değer taşır. Diğer bir deyişle bilgi işlendiği zaman değerlidir.
Çoğu insan sezgisel olarak bilginin veriden ya da enformasyondan daha geniş, daha derin, daha zengin olduğuna inanır. "Bilgili bir insan" dan söz edildiğinde kastedilen o insanın bir konuya kapsamlı, işe yarar, güvenilir bir biçimde hakim olması, hem akıllı hem de eğitim görmüş olmasıdır.
Bilgi belli bir düzen içindeki deneyimlerin, değerlerin, amaca yönelik enformasyonun ve uzmanlık görüşünün yeni deneyimlerin ve enformasyonun bir araya getirilip değerlendirilmesi için bir çerçeve oluşturan esnek bir bileşimdir. Bilgi, bilenlerin beyinlerinde ortaya çıkar ve orada uygulamaya geçirilir. Kuruluşlarda genellikle yalnızca belgelerde ya da dolaplarda değil rutin çalışmalarda, süreçlerde, uygulamalarda ve normlarda kendisini gösterir.[14]
Bu tanımın hemen ortaya çıkardığı bir şey var: bilgi yalın ya da basit olamaz. Çeşitli unsurların birbirleriyle karışmasından oluşur; belli bir biçime sahip olmakla birlikte esnektir, sezgiler işin içine girdiğinden bilgiye sözcüklerle sahip olmak ya da mantık terimleri kullanarak tümüyle anlamak zordur. Bilgi insanların içindedir, insanın karmaşık ve önceden bilinemez doğasının bir parçasıdır. Geleneksel olarak varlıkların tanımlanabilir ve "somut" olduklarını düşünürüz ama bilgi varlıklarını bu şekilde düşünüp aramak çok daha zordur. Atom boyutlarına bir partikül, bilim adamlarının onu nasıl izlediğine bağlı olarak bir dalga ya da bir partikül olarak görünebilir, bilgi de hem bir süreç hem de bir birikim olarak düşünülebilir.
Bilgi yaratmaya yönelik faaliyetlerin insanların içinde ve insanlar arasında yürüdüğü açıktır. Veri kayıtlarda ve işlemlerde, enformasyon mesajlarda bulunduğu halde bilgiyi bireylerden ya da bilenler grubundan, veya bazı zamanlarda kuruluşun rutin çalışmalarından elde edilir. Bilgi kitaplar ve belgeler gibi belli biçimlere sahip araçlarla ve sohbetlerden ustalık-çıraklık ilişkilerine kadar uzanan kişisel ilişkilerle aktarılır. [5]
Bilgiyi başlı başına şirketin kaynaklarından biri olarak görme düşüncesi yenidir; bilginin de daha somut diğer varlıkların yönetiminde ve bunlara yapılan yatırımlarda gösterilen özenle yönetilmesi ve bilgiye yatırım yapılması gerektiği düşüncesi günümüzde önem kazanmaktadır. Şimdi kurumsal bilgiden olabildiğince yararlanma, ondan alınabilecek en yüksek değeri elde etme gereksinimi eskisinden daha fazladır.
Bilgiye dönüşen verilerin daha gelişmiş kontrol raporları ile, hedef pazarlama kampanyaları ile artan ya da azalan değerler şeklinde bir yararı olabilir; ya da bilginin kendisinin pazarlanabilir bir ürün olarak bir değeri olabilir. Veri ambarı kişiselleştirilmiş hizmetler ve katma değerli mallar için müşterilerin talebi ve yoğun rekabete, doymuş pazarlara bir iş tepkisidir. [5]
Bilgi, küreselleşme sonucu tek bir pazar haline gelmiş olan dünya üzerindeki rekabetçi çevrede, işletmeler için, rakipleri pasifize etme ve onlara göre bir adım ileride olma amaçlarını gerçekleştirebilmek için stratejik bir girdidir. Gerek rakipleri ve onların stratejileri hakkında, gerek pazarın karakteristikleri ve değişen müşteri tercihleri hakkında en güncel bilgiye sahip olan ve bilgiyi etkin ve zamanında kullanan işletmeler, rakiplerine göre avantajlı konuma gelebileceklerdir. [15]
2.5 Akılcılık
Her organizasyonun sondan bir önceki hedefi, misyonunu başarıyla tamamlamak için kaynaklarının değerini maksimum seviyeye getirmektir. Enformasyon kaynağı, kaliteye sahip olacak şekilde yönetildiği ve ihtiyaç sahiplerinin kolayca ulaşabildiği bir niteliğe sahip olduğu
zaman maksimum seviyeye ulaşır. İnsan kaynakları, enformasyon dahil kendilerine sağlanmış kaynaklarla ilgili eğitildiklerinde ve işlem yapabilmeleri, kuruluşun işlerini yürütebilmeleri ve müşteri tatmini sağlayabilmeleri için gerekli yetkilerle donatıldıklarında maksimum seviyeye ulaşır. Akıl uygulanmış bilgi anlamına gelir ve şöyle formüle edilebilir: [5]
Akıl = f ( İnsan + Bilgi + Aksiyon )
Enformasyon kalitesinin hedefi öğrenen organizasyonunu mümkün kılmak için, bilgi işçilerini stratejik bir kaynakla donatmaktır. Bu, kurumu öğrenme ve öğrendiklerini paylaşma aracılığıyla geleceğini yaratmak için kapasitesini sürekli arttıran bir organizasyon haline getirir.
Öğrenen organizasyon, öğrenme sürecinde hem deneyimini hem de bilgi kaynaklarını maksimum seviyede artıran bir organizasyondur. Entelektüel öğrenme, tüm organizasyonu maksimum seviyeye getirecek bir şekilde bilgiyi karşılıklı olarak çalışanlarla paylaşılacak hale getirir.
2.6 Enformasyon Sistemlerine Modern YaklaĢımlar
Enformasyon sistemleri üzerine varolan bakış açıları şunu göstermektedir ki enformasyon sistemleri ile ilgili çalışmalar çok çeşitlidir ve tek bir teori veya bakış açısı yeterli olmaz. Şekil 2.2, enformasyon sistemleri ile ilgili çalışmalarda karşılaşılan problem, olaylar ve çözümlere en çok yardımcı olan bilim dallarını göstermektedir. Genel olarak, enformasyon sistemleri teknik ve davranışsal olarak iki kısımda incelenebilir. Enformasyon sistemleri sosyo-teknik sistemlerdir. Çeşitli makinelerden, aksamlardan ve ağır fiziki teknolojilerin birleşiminden oluşsa da, tam ve doğru olarak çalışmalarını sağlamak için sosyal, kurumsal ve entelektüel yatırımlar gerektirirler. [16]
ġekil 2.2 Bilişim sistemlerinin çağdaşlaşması. [16] YBS Bilgisayar Bilimi Yöneylem AraĢtırması Yönetim Bilimi Psikoloji Ekonomi Sosyoloji DavranıĢsal YaklaĢımlar Teknik YaklaĢımlar
