Merhaba Arkadaslar,
Daha önce buradaki konuda is zekasindan genel anlamda bahsetmistik. Is Zekasina dair konumuzu genisletmek ve canli uygulamalarla daha yararli olmak adina is zekasi uygulamalari yazi dizisini hazirlamaya karar verdim. Bu yazi dizisiyle is zekasi uygulamalarinin ne ise yarardigi, nasil uygulandigi türünden sorulara yanit vermeyi saglamak ve örnek uygulamalarla çalisma mantigini kavramak amaçlanmistir. Konular basit olmadigi gibi anlatim ve açiklamalar oldukça basite indirilerek ifade edilmeye çalisilmistir.
Konu uzun oldugu kadar karmasik gelebilir. Sikici kavram ve tanimlar nedeni ile çabuk usanmaniza neden olabilir. Fakat her programlama dilinde ve gelistirme asamasinda oldugu gibi bu isin de mantigini kavramak isin püf noktasini olusturuyor. Çok tabii sabir her zaman ilk ölçüt kabul edilmistir. Sabir olmazsa is olmaz as da olmaz. Tavsiyem yapacaginiz isi severek yapin ya da en basindan hiç baslamayin. :)
Simdi madem isin mantigi dedik, uzunca bir giris olacak ama hayatiniz için önemli bir kaç ayrintiyi hatirlatarak baslayalim ki her yönden isinize yarayacak seyler okumus olmanizi saglayalim. Isin mantigini kavramak sart ama kavrayabilmek için anlamakta lazim ya da anlayabilmek için istemek lazim diyelim.
Bir ise baslaminin iki nedeni vardir;
Birincisi "Mecburiyet" , ikincisi "Sevmek". Yani bir isi ya mecbur oldugunuz için yapiyorsunuzdur ya da sevdiginiz için. Her ikisi içinde tek sey amaçlanmistir; geçiminizi saglayacak kazanci elde etmek yani "para kazanmak"...
Sonuç itibariyle her ikiside amaca ulastiriyor ama biri zevk verirken digeri iskence oluyor maalesef. Günde yaklasik 8-10 saat çalistiginizi göz önüne aldigimizda sevdiginiz isi yapmaniz gerçekten çok önemli. Tabi burda bahsetmek istedigim isinizi severek yaptiginizda alacagimiz "verim" ama emin olun mutlulugunuzda bizim önemli. Ne de olsa insan hayatinin bir degeri var. Tabi böyle oldugunu umuyoruz. :)
Gününüzün 24 saatini programlamanizi tavsiye ederim. Söyle durup bir düsünün, bu 24 saat içerisinde neler yapiyor ve neler yasiyorsunuz? Misal günde 7-8 saat uyuyor, toplam 3 saat yemek yiyiyor, 8-10 saat çalisiyor, 3-4 saat bir takim seylerle oyalaniyorsunuz. Her bir saati gözden geçirin, zarariniza olanlari çikarip yarariniza olacak islerle mesgul olmaya gayret gösterin. Bu kendi mutlulugunuz için gerekli.
Iste yukarda tüm bahsettigimiz bu seylerin tek bir nedeni var; is dünyasinin hangi asamasinda yer aliyor olursaniz olun, iyi bir is çikarmaniz için beden sagliginiz kadar ruh sagliginizda çok önemli. Bu yüzden siz siz olun sevdiginiz isi yapmaya çalisin ya da öyle bir imkaniniz yoksa yaptiginiz isi sevmek için gayret gösterin. Her ne yaparsaniz yapin, elinizden gelenin en iyisini yaptiginiza kendinizi ve baskalarini ikna edin.
Yanlis anlasilma olmasin, tüm bunlar birer nasihat degildir. Kendiminde uymaya çalistigi sizinde uyarsaniz is hayatinizda mutlu ve basarili olmanizi saglayacak birkaç tavsiyedir.
Bu bölümde yalnizca is zekasina dair bilmemiz gereken genel terimlerden bahsedecegiz.
Önceki konumuzda az çok is zekasinin (BI) ne anlama geldigini açiklamaya çalismistik ama yeniden genel bir tanimla tekrar etmis olalim isterseniz. Böylece ilk kez duyan ve yaziyi ilk okuyanlar içinde kafalarda bir anlam kazanmis olsun.
Business Intelligence ya da is zekasi tam olarak nedir?
Is zekasi, kurumlarin gelecege yönelik stratejilerinin basarisini artirmak için verinin toplanmasini, depolanmasini, analizini ve bu veriler ile planlama yapilmasini saglayacak uygulama ve teknolojiler bütünüdür demistik. Is zekasinin amaci, daha iyi is için dogru kararlar almaktir. Yani BI, ayni zamanda bir karar destek sistemi (DSS) olarakta tarif edilir.
Is zekasi bilesenlerine ait bilmemiz gereken belli basli bazi terimlerin kisa tanimlarini yaparak konumuzu tamamlamayi düsünüyorum. Bir sonra ki konularda detay islemler yer alacagi için ayrintiya girmiyorum.
Data Warehousing - Veri Ambari,
Veri ambari, verilerin depolanmasi, yönetimi ve karar alma süreçlerini desteklemek için tasarlanmis bir veri toplama sistemidir. Karar destek sistemi için önemli bir faktör, veri analistlerinin veri madenciligiyle bilgi entegrasyonu, karmasik sorgularin analizinde yararlandiklari veri deposudur.
Data Mining - Veri Madenciligi,
Veriyi bilgiye dönüstürmek amaciyla eldeki verilerin analiz edilmesi ve data marts dedigimiz veri gruplari içerisinde yer alan modellere ait veri detaylarin yorumlanarak ileriye yönelik tahminler üretilmesini saglar.
OLTP nedir?
Bir isletmeye ait tüm islemlerin kayit altina alindigi ve bu bilgilerin bir bilgisayarda saklanarak islenmesi ve yönetilmesi islemine Online Transaction Processing(OLTP) adi verilir. Bu sistem, veri alan, degistiren çok sayida ve eszamanli kullaniciya sahip bir uygulamadir.
Data Marts - Veri Gruplari,
OLTP sisteminde yer alan verilerin, OLTP sistemi disinda ayri bir alana aktarilarak yapilacak hesaplamalar için veri kaynagini olarak kullanilmasini saglayan veri gruplarina data mart denir. OLTP sistemlerden farkli bir yapiya sahiptirler. Belirli araliklarla güncellenirler. Veri OLTP sistemlerden belirli araliklarla bu gruplara aktarilir. Bu islemede data load denir.
Data Cleansing - Veri Temizligi,
Data mart içerisinde birden fazla eslesmeyen veri türleri olabilir, bu tür sorunlari gidermek amaciyla cleansing islemi gerçeklestirilir. OLTP sisteminden alinan veriler data mart a aktarilirken belli ETL süreçlerinden geçerek cleansing islemini gerçeklestiriler. ETL, “extract, transform and load” kelimelerinin bas harflerinden olusur ve "veriyi aktar, dönüstür ve yükle" anlamlarini tasir.
Data mart’in yapisinda deger tablolari ve boyutlardan yararlanilir.
Fact table - deger tablolari,
Deger tablolari, tarihsel olan ham verinin özetlenerek tutulacagi standart bir yapidir. Bu yapi içinde, özet verilerin yani sira, bu verilere ait çesitli hesaplanmis (aggregation) degerler de bulunur. Deger tablosundaki özetlenmis veriler, boyutlar (dimension) araciligiyla tanimlanir.
Dimension table - boyut tablolari,
Boyutlar, özet verinin kaynagini, deger tablosuna doldurulacak veriyi, bu verinin doldurulma zamanini ve yöntemini tanimlayan bir yapidir.
Boyut tablolarina yükleme yapmak için conventional ve direct olmak üzere iki farkli yöntem kullanilir.
Conventional(Slow) - Konvansiyonel, yavas bir islemdir. Önce tüm kisitlar ve anahtarlar yüklenir, veri dogrulanir. Bu yöntem veri bütünlügü saglar.
Direct(Fast) - Dogrudan gerçeklestirilen, hizli bir islemdir. Önce tüm kisit ve anahtarlar devre disi birakilarak veri yükleme islemi gerçeklestirilir.
OLAP nedir?
Çok boyutlu verilerin analiz edilmesi, islenmesi, yönetilmesi amaciyla kullanilan bir uygulamadir. OLAP yapisi ile verilere daha hizli ve kolay bir sekilde erisilmesi amaçlanmistir.
OLTP ve OLAP yapisini karsilastiracak olursak;
Veri kaynagi,
OLTP: Orijinal veri kaynagindan alimis operasyonel verilerdir.
OLAP: Çesitli kaynaklardan elde edilmis konsolidasyon verileridir.
Süreçler,
OLTP: Anlik is süreçlerine ait temel görevleri içerir.
OLAP: Çok boyutlu görünümlere ait is faaliyetlerini, planlama ve karar alma sürecini içerir.
Sorgular ve islem scriptleri,
OLTP: Kullanicilar tarafindan çalistirilan basit ve hizli çalisan sorgulardir.
OLAP: Karmasik, oldukça uzun ve toplanmis verileri güncellemek için sistem tarafindan çalistirilan sorgulardir.
Veritabani tasarimi,
OLTP: Normalize edilmis, küçük bir veritabanidir. ER modeli bir uygulama odakli bir veritabani tasarimina sahiptir.
OLAP: De-normalize, büyük veritabanidir. Snowflake veritabani tasarimina sahiptir.
Yedekleme,
OLTP: Düzenli Veritabani yedeklemesi yapilir.
OLAP: Reloading yedekleme gerçeklestirilir.
Dökümani google docs üzerinden buradaki baglantiyi kullanarak istediginiz formatta indirebilirsiniz.
Bir sonra ki konumuzda görüsmek üzere herkese iyi çalismalar dilerim.
