Yeni Nesil İş Zekası
Tüm kurumlarda saklanan verilerin boyutu gün geçtikçe artıyor ve iş gereksinimleri daha fazla analizi ve dolayısıyla da verilerin daha detaylı depolanmasını gerektiriyor. Bu da çok büyük depolama alanlarına ihtiyaç olduğunu gösteriyor.
- Bu kadar büyük verinin olduğu bir ortamda insan kabiliyetleri ile analizler yapmak nasıl mümkün olabilir?
- Veri kalitesi ve temizliğini sağlamak zorlaşıyor. Tutarlı, tarafsız ve ön yargılardan uzak verilere olan ihtiyaç artıyor. Çözüm ne olmalı?
- İş zekası araçları ile çalışmak teknik kabiliyetler gerektiriyor. Bu durum iş zekası ile veri analizinin yaygınlaşmasını engelliyor. Bu konuda ne yapılabilir?
Yukarıdaki sorulara gelişen trendleri inceleyerek cevap bulmaya ve bunları bir kaç başlık altında açıklamaya çalışalım.
İş zekası araçları günümüzde makine öğrenimi, NLP gibi konularla yakın ilişki içerisinde, yapılan yatırımlarla geleceğe hazırlanıyor. İş zekası ile yapay zeka teknolojileri arasında güçlü bir entegrasyon kuruluyor.
Klasik iş zekası yaklaşımı, şirketlerin mevcut durumu ile ilgili fotoğrafı ortaya koyarak, kararı tamamen yönetime bırakıyor. Ancak, yeni nesil iş zekası yaklaşımı, mevcut veriyi inceleyip, gelecekle ilgili “iç görü” dediğimiz tahminler yaparak yönetimin daha sağlıklı karar vermesine destek olmayı hedefliyor. Aşağıdaki görselde klasik iş zekası yaklaşımları ile yeni nesil iş zekası yaklaşımlarının karşılaştırmasını görebilirsiniz:
Yeni nesil iş zekası yaklaşımlarının unsurlarını teker teker inceleyelim:
Bulut tabanlı iş zekası
Büyük verinin hayatımıza girmesi ile artık yalnızca bu veriyi depolamak yeterli olmuyor aynı zamanda veriyi hızlı bir şekilde analiz etmek ve çıktılar üretmek de çok önemli. Büyük veri ile kişisel bilgisayarlarda işlem yapmak çok mümkün olmuyor. Bunun yerine yüksek güçlü sunuculardan oluşan bulut sistemler tercih ediliyor. Bulut ortamlarda genellikle SaaS modelleri giderek yaygınlaşıyor ve bir çok iş zekası ürünü artık SaaS modeliyle hizmet veriyor. Bu sayede veriye internetin olduğu her ortamdan erişme imkanı oluyor. Bulut sistemleri, hem büyük verinin depolanabilmesi ve hızlı işlenebilmesi hem de bilgiye erişimin kolaylaşması açısından çok önemli bir adım olarak değerlendirebiliriz. Burada verinin güvenliği ve dış tehditlere karşı korunması konusunda çok sıkı tedbirler de var.
Veri kalitesi
TDWI(The Data Warehousing Institute)’un araştırmasına göre veri kalitesindeki problemlerin maliyeti yılda 600 milyar dolar’ı buluyor. Bu etki doğrudan maddi sonuçları ifade ediyor. Bir de buna kalitesiz veri ile yapılan raporlamalara göre alınan kararların yol açtığı hataları ve bozuk verinin düzeltilmesi için katlanılması gereken maliyetleri kattığımızda bu rakam çok daha büyük boyutlara ulaşıyor.
Bozuk veri ile oluşan raporlar ile alınan yanlış kararlar, kurumların ve yönetimlerin analitik yöntemlere olan güvenini de sarsıyor. Dolayısı ile veri kalitesi, hem bugün hem de gelecekte raporlamayı ve alınan kararları doğrudan etkileyen çok önemli bir faktör oluyor.
Veri kalitesini arttırmak için mümkün olduğu kadar insan emeğini azaltmak gerekir. Verilerin otomasyon sistemleri yardımıyla toplanması konusundaki çalışmalara hız verilmelidir.
Otomasyon ile oluşan veri hem sağlıklı bir şekilde depolanır, hem de herhangi bir manipülasyona uğramadan amacına hizmet edebilir. Yeni nesil iş zekası sistemlerinin, yapay zeka ile entegrasyonu sayesinde otomasyonla toplanan veriler makine öğrenimi algoritmaları ile veriyi öğrenir ve öğrendiği veriyi işleyerek sağlıklı “iç görüler” dediğimiz sonuçlar verebilir.
İnsan eli ile girilmesi gereken veriler de mutlaka olacaktır. Burada yöntem kurum içinde bir veri kalitesi ekibi oluşturup sorumluluk vermek olabilir.
Otomasyonla veri toplama
Amaç, veriyi mümkün olduğu kadar otomasyon ile toplamak ve İnsan faktörünü minimumda tutmak olmalıdır. Veri temizliği ve güvenilirliği açısından bu çok önemlidir. IoT, RPA gibi teknolojiler artık veriyi otomasyon süreçleri ile almaya imkan tanıyor. Bu durum verinin toplanması ve analize hazır hale getirilmesi için gerekli olan insan eylemlerini azaltarak hem ciddi bir verimlilik sağlıyor hem de veriye duyulan güveni artırıyor.
Self Servis iş zekası
Klasik iş zekası yaklaşımı, şirketlerin içerisinde merkezi bir veri ambarı kurmayı ve bu veri ambarı üzerinden ihtiyaç duyulan raporları IT birimlerinin hazırlayıp ilgili iş birimleri ile paylaşmasını esas alıyordu. Self servis kavramı, artık verinin otomasyon desteği ile analize hazır hale gelmesini ve iş zekası bilgisi olmayan kullanıcıların bile kendi analizlerini yapabileceği bir ortamı sağlamasını öngörüyor. Kullanıcıların kendi ihtiyaçlarını karşılayacak seviyede basit veri ile çalışacakları bir ortam sunuyor.
Arttırılmış Analitik
İş zekası , yapay zeka bileşenleri olan Doğal dil işleme (NLP) ve makine öğrenimi desteğiyle veri modellemesi süreçlerini otomatikleştirecek. Verilerin analizi, veri temizliği, farklı kaynaklardan gelen verilerin birleştirilmesi gibi insan emeği gerektiren konular büyük oranda otomatize edilecek. Bu sayede analistlerin çıktıları fiilen analiz etmeleri için çok daha fazla zamanı olacak.
Bu yöntemlerle, büyük miktarda verinin birbiri ile ilişkisi, bu ilişkilerin performanslı şekilde sunulması, sorgu performansının iyileştirilmesi, büyük veriler arasındaki ilişkilerin kullanıcıların talebi olmaksızın ya da akıllarına gelmeyecek şekilde analiz edilerek kullanıcılara iç görüler olarak sunulabilmesi sağlanacaktır.
Doğal Dil İşleme (NLP)
Doğal dil işleme teknolojilerinin iş zekası alanında kullanılmasıyla artık verilerin hikayesini oluşturmak çok daha kolay olacak. Bu gelişme ile veriler alındıktan sonra sorgulanıp anlaşılacak ve gelecek tahminlerini yapacak bir ortam sağlanmış olacak. Bu çıktılar, kullanıcılara herhangi bir görselleştirme yapmaksızın sesli ya da sohbet ara yüzleri aracılığıyla farklı dillerde sorular sormasına imkan tanıyacaktır. Sistem size tahmin edemeyeceğiniz farklı sonuçlar çıkartabilecek ve almanız gereken kararlarda önceden sizi yönlendirebilecektir.
Analitik senaryolara eğilim
Kullanıcılar verinin kaynaktan alınıp işlenip, önlerine gelene kadar tüm süreçleri otomasyona devrettikleri için tartışma becerileri ve analitik çıktıları değerlendirme istekleri daha da artacaktır. Bu durum dijital dönüşümün önemli bir parçası olan veri analitiğine olan ilgiyi de artıracaktır. Buna ek olarak artık büyük veriden daha nitelikli, derinlemesine incelemeler yapılmasıyla karar süreçlerinin kalitesi artacaktır.
‘Daha’ büyük veri
Büyük veri uzun bir süredir hayatımızda. Artık veri boyutları terabayt hatta petabyte’lar ile ifade ediliyor. Bu verilerin saklanmasının ve işlenmesinin klasik veri tabanı yaklaşımları ile yönetilmesi imkansız hale geliyor. Bilişsel motorlar vasıtası ile bu verilerin çok küçük boyutlara sıkıştırılarak saklanması ve işlenmesi zorunluluk haline geliyor. Toplanan verilerin makine öğrenmesi ve benzeri yöntemler aracılığı ile yorumlanması, neredeyse her kurumda zorunluluk haline gelmiş durumda.
Tutarlı ve ön yargısız bir yaklaşım
Klasik iş zekası yaklaşımında, raporların analiz edilmesi, işlenmesi ve sonrasında iş zekası araçları ile görselleştirilmesi süreçlerinde insan emeği önemli bir yer tutuyor. Proaktif iş zekası dediğimiz yeni nesil yaklaşımlarda bu süreçlerin tamamı makine tarafından yapılacağı için yöneticilerin önüne, kendi içinde sorgulamaya gerek kalmayacak kadar tutarlı veriler sunulacak, ön yargısız bir şekilde sorunların tespiti sağlanmış olacak ve yöneticilere bu çıktılara bakarak şirketin geleceği hakkında tarafsız kararlar alma imkanı sağlanacaktır. Bu durum şirketlerin şeffaf olarak sonuçlarını değerlendirmesi açısından hayati öneme sahip bir tablo ortaya koyacaktır.
Sonuç:
Teknoloji çok hızlı bir dönüşüm geçiriyor. iş zekası teknolojileri de bu yönde dijital dönüşüme ayak uydurmak zorundalar. Rapor ekranları üzerinde filtreler seçerek analizler yapmak yerine sohbet robotları ile konuşarak milyarlarca veriyi saniyeler içerisinde analiz etmek ve başarılı sonuçlar almak artık mümkün hale geliyor.
Örneğin bir sohbet robotuna satışlarınızın sezon bazlı dağılımını sorduğunuzda, size sadece bu bilgiyi değil; bununla birlikte hangi sezonda hangi ürünün satılması gerektiği, önümüzdeki 3 yıl içinde tahmini olarak hangi ürünlerin satışının artacağı, hangi ürünlerin satılmayacağı gibi “iç görü” dediğimiz bilgileri de vermesi etkileyici olmaz mı?
Bayram Özşenel
İş Zekası Danışmanı
