tarihinde yayınlandı 1 Yorum

Perakende ve Analitik

Perakende satış, ürünlerin bir işletme aracılığıyla tek tek ya da küçük miktarlarda tüketiciye satılmasına dayanan satış biçimidir. Perakendecilik, üretici ve tüketici arasında malların naklini sağlayan aracılık hizmetleridir. Başka bir deyişle mal ve hizmetlerin, doğrudan doğruya son tüketiciye pazarlanmasıyla ilgili faaliyetler bütünüdür. Çeşitli perakendecilik aktiviteleri bulunmaktadır.

Günümüzde perakendecilik sektörü dünyada oldukça deneyim kazanılmış ve olgunlaşma dönemine girmiş bir sektör olarak tanımlanabilir. İkinci Dünya Savaşı’nın ardından yeniden yapılanma sürecine girilmiş ve yeni yönetim modelleri uygulama çalışmaları yapılmıştır. Temelde; ihtiyaç sahibi tüketicilere, üretim veya tedarikçilerden satınalma süreçleri sonucu elde edilen ürünlerin sunulması olarak özetlenebilecek perakendecilik; talepler arttıkça farklı formatlar ve uzmanlık alanlarına ayrılarak faaliyet göstermeye devam etmiştir. Dünyada sektör içinde büyük rekabet yaşanması, şirketlerin fark yaratmak ve tüketicinin tercihini kazanmak için arayışlar içine girmesine yol açmıştır. Teknoloji ve bilgisayar sistemleri yoğun olarak kullanılmaya başlanmış; böylece hem operasyonel işlemler daha hızlı ve düşük maliyetlerle gerçekleştirilmiş, hem de müşteriler veri ambarlarında izlenerek oluşabilecek talep ve ihtiyaçları tahmin edilmeye çalışılmıştır. Gelecekte globalleşen dünya içinde perakendecilerin sundukları ürünler ve fiyatlar arasında büyük farklar olma olasılığı düşük gözükmektedir; mağazaların yerleşimi, verilen hizmet seçenekleri ve doğru zamanda doğru ürünü müşteriye sunma gibi konularda yapılan çalışmalar avantajlı konuma gelmelerini sağlayacaktır. Önümüzdeki yüzyılda özellikle konfeksiyon mağazaları ve çok bölümlü mağazalarda ürün dışında gerçekleştirilen faaliyetler, teknolojinin de etkin kullanımı ile büyük önem kazanacaktır. Türkiye’de perakendeciliğin hemen hemen tüm formları için gelişme potansiyeli olduğu yapılan araştırmalar sonucu ortaya çıkmaktadır. Yabancı perakendecilerin de pazara girmesi ile gelişme evresine giren sektörde çeşitli firmalar faaliyet göstermektedir.

Bağımsız mağazalar, Hipermarketler, Outlet mağazalar, Zincir Mağazalar, Cash and Carry, vs. bunlardan bazılarıdır. Aşağıda perakende sektöründe uygulanan analitik çözümleri bulabilirsiniz.

Tedarik Zinciri Optimizasyonu: Doğru ürünü, doğru zamanda,  doğru mağazada ve doğru adette bulundurmak için Stok Yönetiminin doğru yapılması, bunu yaparken fiyatlandırma, promosyon ve indirim yönetimini analitik yöntemlerle yapılarak doğru fiyatı elde ederek satışı ve brüt karı maksimize etmek.

Rota Optimizasyonu: Ürünler merkezden mağazalara sevkiyatı yapılırken kullanılan araçların (kamyon, kamyonet, tır, vs.) doluluklarının maksimize edilmesi ve rota planlamasının yapılması.

Mesai Çizelgeleme: Çalışan memnuniyetinin arttırılması ve çalışan sirkülasyonun azaltılması için Mağazalardaki, marketlerdeki çalışanlarınızın mesai planlarının daha adaletli ve daha doğru yapılmasının sağlanması.

Kasa Kuyruk Simülasyonu: Kasa kuyruklarında bekleyen müşterilerin azaltılması ve doğru sayıda kasa açarak maliyetlerin azaltılması.

Tahmin: Fazla ya da az stok tutmamak için, doğru plan yapmak için, gelecekteki durumları analiz etmek için, en önemli yöntem olan tahminin doğru yapılması.

Network Dizayn: Mağazaların yerlerine göre, Nereye dağıtım merkezinin açılması gerektiğine karar verilmesi

tarihinde yayınlandı 6 Yorum

Kullanıcı, Yazılım Uzmanı, İş Analisti, İş Zekası Uzmanı ve İş Analitiği Uzmanı

Son zamanlarda popüler olan ve önümüzdeki 5 yıl daha bu popülerliğini devam ettirecek olan meslekler var. 2012’nin Gözde Meslekleri adlı yazımda popüler olan Veri Madenciliği Uzmanı ve İş analisti 2014 yılında popülerliğini devam ettiriyor. Bunlara ek olarak Türkiye’de son dönemde öne çıkan İş Zekası Uzmanlığı da ön sıralarda yerini almış durumda. Daha önceki birkaç yazımda bu mesleklerin ne iş yaptığını yazmaya çalışmıştım. (1, 2, 3) Bugünkü yazımda size bu mesleklerin ne iş yaptığını farklı bir bakış açısından anlatmaya çalışacağım.

son_kullanici

Bu arkadaşımızın adı Son Kullanıcı (End-User) Kendisi herhangi bir şirkette bir paket programı kullanarak işlerini halletmektedir. Bu bir yazılım programı (SAS, Oracle Retail, LOGO, Netsis, Link, vs.) olabileceği gibi şirketlerin kendi in-house yazdıkları yazılımlarda olabilir. (bknz. LC Waikiki) Muhasebe, İnsan Kaynakları, Planlama, Lojistik vb. süreçlerde çalışmaktadır. Çalıştığı süreçle ilgili olan program modülüne girmekte ve işlerini yapmaktadır.

yazilim_uzmani

Bu arkadaşımızın adı BT Yazılım Uzmanı (IT Software Developer) Bu örneğimizde, kendisi herhangi bir şirkette bir yazılım paketini geliştirmekten sorumludur. Özellikle açık kaynak kodlu yazılım kullanan ve kendi yazılımını kendi yapan şirketlerde bolca bulunur. Asosyal oldukları ve eğlenmeyi bilmediklerine dair söylentiler vardır. Bunların tam aksine hem çok eğlenceli hem de çok sosyal insanlardır.
Son Kullanıcı ve BT Yazılım Uzmanı iş dışında çok iyi arkadaş olmalarına rağmen, konu iş olduğunda hiç çekilmez olurlar. Birinin beyaz dediğine diğer siyah der. İkisi de birbirlerinin işinin çok kolay olduğunu söyler durur.
Son Kullanıcı: Yazılım Uzmanı ne yapıyor ki? Akşama kadar internete girip, yarım saatte bir düğme ekliyorlar. Word’de yazı yazmak ile yaptıkları iş arasında ne fark var ki allasen? Bir günlük işi Bir hafta demiyorlar mı? Full yatış!
BT Yazılım Uzmanı: Adamların hem ekranlarını yap, hem sistemlerini hem yaptıkları işi bil, sonra bıdı bıdı konuşsunlar. Bu kadar ekran, alt yapı olduktan sonra onların işini ben de yaparım. O ekranları paintte yapmıyoruz biz.

yazilimci_kullanici

Bu iki arkadaş yüz yıllardır bir birleri ile anlaşamamışlardır. Şirkette her iki departmanda farklı katlarda bulunmasının nedeni de birbirlerine ulaşamaması içindir. Hatta ve hatta çoğu BT departmanın kapısında kartlı giriş sistemi vardır. Her ne kadar karizmatik görünsün diye yapılmış olduğu düşünülse de asıl sebebi Son Kullanıcı adlı kişilerin içeri girmesinin engellenmesidir.

is_analisti

Bu savaşa bir dur demek, iki tarafın arasında elçi görevi görmek, dekoderlik yapmak için yeni bir pozisyon oluşturulmuştur. Bu savaşı bitiren beyaz atlı şövalyemiz, İş Analistidir. Kendisi, arada kalmışların kahramanı, hem fakirliği hem zenginliği görmüş, BT Yazılım Uzmanının çekilmez hareketlerini, Son Kullanıcın kaprislerini yaşamış sindirmiş ve benimsemiştir. Hem BT’deki hem Son Kullanıcıdaki düşünme yetisine sahiptir. Değişik bir karakterdir İş Analisti. Bu arkadaşımız iletişim gücü yüksek ve analitik yönü gelişmiştir. Yani resmin tamamını görebilen ve gelecekteki ihtiyaçları tahmin edebilen bir yapıdadır. Pratik zekası yüksek, matematik ile arası da iyidir hani. Yazmayı seven, öğrenmeyi seven, düşündüklerini rahat anlatabilen biridir kerata.

yazilimci_kullanici_is_analisti

Kullanıcılarla, yazılım uzmanlarının arasını düzelttik. Artık çok iyi bir şekilde anlaşabiliyorlar. Kullanıcı istiyor, yazılım uzmanı hallediyor. Fakat Kullanıcının dertleri bitmiyor. Ekranlara birçok bilginin gelmesini istiyor. Her şey ekranda olsun, bütün verileri ekrana basalım diyorlar. Yazılım Uzmanları da rahat durmuyor bu arada. İş analistinden gelen analizlerdeki verileri bulabilecekleri veri altyapının olmadığından dert yanıyorlar. İlişkisel veri tabanları iyi hoş da, datamartlar, warehouse sistemleri yok ki özetlenmiş veriden yapalım bazı sistemleri.

is_zekasi

İşte karşınızda ikinci beyaz atlı prensimiz. İş Zekası Uzmanı. Bu arkadaşımız Türkiye’ye yakın zamanda geldi. Yurtdışında doğdu. Gerçi doğum tarihine baktığımızda çok genç olduğunu görmekteyiz.
Daha önce yazdığım yazıda iş zekası hakkındaki şu satılar çok manidardır. “Rekabet dünyasında, çalışanların ve yöneticilerin daha verimli işlere zaman ayırabilmesini sağlayan sistemlerdir. Türkiye henüz olayın ehemmiyetini kavrayamamış olsa da personelin ve zamanın tasarruflu kullanılmaması sonucu elde edilen zararları azaltmaya yönelik raporlama, analizleme, görüntüleme, geliştirme konularında yardımcı olurlar.”
Görevleri ikiye ayrılmaktadır; BT’ye hizmet edenler, kullanıcıya hizmet edenler.
BT’ye hizmet edenler, Veriambarları ve OLAP alt yapılarını oluştururlar. Mimarlara benzerler. Eğer doğru yapıları kurmazlarsa verimsiz sistemler inşa ederler. Türk Müteahhit olarak da düşünebilirsiniz. Kullanıcıya hizmet edenler, veriyi süreçlerin daha verimli olması için geliştirme amaçlı kullananlardır. Yani kullanıcıların raporlama ihtiyaçlarını karşılarlar. Konu hakkında iş bilgisine sahiptirler ve bu bilgi ile teknik bilgiyi harmanlayıp, kullanıcılara sunarlar. Hem alt yapı hem, rapor hem de iş bilgisine sahip oldukları için zor bulunur hint kumaşları gibidirler. Bir iş zekası uzmanının yetişmesi seneler almaktadır.

yazilimci_kullanici_is_analisti_is_zekasi

Ve işte son kahramanımız geliyor. Biliyorsunuz, konserlerde en son sırada en iyi şarkıcılar çıkar. Bizim kahramanımızda en iyi olduğu iddiasındadır. Hem beyaz hem de unicorn bir ata binmektedir. (Unicorn zaten tek boynuzlu efsanevi at demektir. Bir daha at yazmana gerek yoktu)

is_analitigi

Analitik kelimesinin bir kaç anlamı bulunmaktadır. İlk anlamı, parça ile bütün arasındaki ilişkiyi çözmek ve özüne inmektir. Diğer anlamı ise verinin içindeki anlamlı deseni keşfetme sanatıdır.
Peki İş analitiği nedir?
Deloitte’ye göre; İş Analitiği, veri yönetimi ve ticari bilgi ve performans raporlaması (BI) gibi temel konuların yanı sıra tahminsel modelleme, optimizasyon ve simülasyon gibi sofistike konuları kapsamaktadır. Somut verilere ve bilgiye dayalı bir şekilde karar verilebilmesini sağlayan İş Analitiği, firmanızın performansını detaylı bir şekilde anlamanızı ve geleceğe yönelik neler yapılabileceğini belirlemenizi sağlayarak rekabet avantajı elde etmenize yardımcı olacaktır.
İş Analitiği, en uygun yöntem biliminden yola çıkarak son teknolojileri kullanan akıllı sistemler kurarak, iş süreçlerini en etkin ve en verimli hale getirmeyi amaçlamaktadır. Bunu yaparken, Optimizasyon, simülasyon gibi mühendislik çözümlerini kullanırken, veri analitiği ve veri madenciliği kullanarak verinin içindeki anlamlı deseni keşfetmektedir. Sektör hakkındaki bilgi ve tecrübesi sayesinde entegre ve iş hedeflerine uygun çözümler üretmektedirler.
Ve işte bulmacamızın son parçası da eklendiğine göre yazımızı da bitirebiliriz.

İş Tanımları

Tüm sorularınızı İletişim linkine tıklayarak tarafıma ulaştırabilirsiniz. Kalın sağlıcakla.

tarihinde yayınlandı Yorum yapın

OLAP Hakkında Özlü Bir Yazı

OLAP hakkında genel bir bilgi veren güzel bir yazı. Kaynak: http://www.danismend.com/kategori/altkategori/olap-1/

Her işin tek tuşa basılarak hazırlandığını sanan patronunuz, günlerce uğraşarak hazırladığınız raporunuzda, “Bir de rapora, 3 ay öncesiyle karşılaştırmalı bakalım” veya “Bir de tüm bu verileri, ürün tipi kırılımında inceleyelim” derse ne yaparsınız? İşleriniz devamlı bu şekilde güncellemeler, asla bitmeyen raporlarla mı geçiyor? O zaman OLAP nedir mutlaka öğrenmelisiniz.

OLAP nedir ?
İlişkisel veri tabanlarının yaygınlığı ve sonrasında ortaya çıkan Veri Ambarlarının gelişmesi ile beraber, verilere daha hızlı şekilde erişme ve çok boyutlu analiz ihtiyaçları, bilim adamlarını ve yazılım şirketlerini, daha farklı yapılar geliştirmeye itmiştir.

Bu amaçla geliştirilen bir teknoloji olan OLAP (On-line Analytical Processing), ilişkisel veri tabanları gibi, bilimsel temeller üzerine değil, OLAP ürünleri üreten firmaların desteğinde çıkan bir teknoloji olmuştur. Bu nedenle, veri tabanları, ilişkisel veri tabanları ve hatta veri ambarları üzerine birçok akademik yazı bulunmasına rağmen, OLAP üzerine genellikle, ürün dökumanları ve şirketlerin tanıtım yazıları bulunabilmektedir.

OLAP terimini ilk olarak ortaya çıkışı ise, 1993 yılında, Dr. E.F.Codd ’un ortaya koyduğu kurallar çerçevesinde olmuştur. Bu yazı, OLAP için bir temel oluştursa da, kimi çevrelere göre, o yıllarda Arbor Software (Şimdiki Hyperion Solutions) için bir white paper olmaktan öteye gidememiştir.

Bu yazıya göre, bir veri yapısının OLAP olarak nitelendirilebilmesi için 12 kural belirlenmiştir. Bu kurallar sırası ile:

  • Çok boyutlu inceleme özelliğine sahip olması,
  • Şeffaflık,
  • Erişilebilirlik,
  • Her seviyede sorgulama için aynı performansı gösterebilme özelliği,
  • İstemci-Sunucu yapısında olması,
  • Sınırsız şekilde çarpraz raporlama olanağının olması,
  • En alt seviyedeki verilerin otomatik olarak ayarlanması,
  • Her şarta uygun boyutlandırılabilirlik,
  • Çok kullanıcı desteğinin olması,
  • Her seviyede verilerin değiştirilebilir olması,
  • Esnek raporlama özelliği,
  • Boyut ve gruplamalarda sınır olmaması.

Kullanılan sektörler/alanlar nelerdir?
OLAP, yöneticiler ve analistlerin, verilere çok hızlı şekilde, farklı açılardan bakabilmelerini sağlayan bir yapıdır. “Kim?” ve “Ne Zaman?” sorularından başka, “Neden?” ve “Eğer şu olursa…” sorularının da yanıtını verir. (Ör : Eğer şeker fiyatları 5% lira ve taşıma maliyetleri 10% düşerse, yıllık ve çeyrekler bazında kârlılık ne olur gibi.)

Akıllı raporlama araçları sayesinde, neden sorularının cevapları da kolaylıkla alınabilmektedir. Genel eğilimden farklılık gösteren, uç değerler yaratan elemanları birçok analiz aracı, sayısal detaylara girmeden, sadece renklerle bile görüntüleyebilmektedir.

OLAP’ı sadece büyük özet tablolar gibi yorumlamak pek doğru değildir. Excel kullanıcıların yakından tanıyacakları Pivot tabloların, çok gelişmiş ve hızlı bir hali olarak gözönüne getirmek daha doğru olacaktır. Tasarlanan bir OLAP yapısının, hiyerarşilerini ve boyutlarını görmek mümkün olsa da, verileri nasıl tuttuğunu, 2 veya grafikler olarak göstermek mümkün değildir, ancak iç içe geçmiş küpler olarak yorumlanabilir. Bu nedenler OLAP yapılarına, “küp” adı verilmektedir.

Bir veri ambarınızın olması, OLAP’a ihtiyacınız olmadığı anlamına gelmez. Veri Ambarları ve OLAP birbirlerinin tamamlarlar. Veri Ambarı verileri uygun şekilde tutmaya ve kontrol etmeye yarar. OLAP ise, DW verilerini stratejik bilgilere dönüştürmeye yarar.

Bir şirket yapısı içerisinde, departmanlar bazında inceleyecek olursak;
Pazarlama departmanlarında OLAP’ın en yaygın kullanım alanları, pazar araştırmalarında, satış tahminleri, promosyon ve kampanya analizleri, müşteri analizleri ve Pazar/Müşteri segmentasyonlarıdır. Data Mining sonuçlarının değerlendirilmesi ve demografikler bazında incelenmesi seviyesinde de olmazsa-olmaz araçlardan biri olarak yer almaktadır.

Üretim ile ilgili uygulamaları ise en yoğun olarak üretim planlama ve hata analizleridir. Özellikle senaryogeliştirmekte ve farklı ürün tipleri ile çalışılan yapılarda, çok boyutlu düşünme imkanı sayesinde maliyetler ve fiyatlamalar, kolaylıkla çıkarılabilmektedir.

Finans Departmanları ise OLAP’ı bütçeleme, Activity-Based Costing, finansal performans analizleri ve finansal modelleme amaçları ile kullanabilir. Özellikle konsolidasyon konusunda yaratılacak modeller, çok büyük kolaylıklar sağlamaktadırlar. Strateji belirleme, Satış analizleri ve gelecek tahminleri ise, satış departmanlarındaki OLAP uygulamadır.

OLAP’ın özellikleri
Zaman kazancının dışında, OLAP 3 çok önemli özelliği de beraberinde getirmektedir.

Verilere çok boyutlu bakabilme özelliği :
Analizler sırasında kullanmış olduğumuz, her türlü kırılıma boyut adını verebiliriz. Örneğin demografik veriler (yaş, cinsiyet, eğitim durumu), sayısal veriler, adetler, işlem miktarları, gerçekleşen ve bütçelenen değerler, ürün tüpleri, ürün özellikleri ve zaman. Yöneticiler ve analistler, çalışmaları sırasında, tüm bu tanımlanan verileri yatay veya düşey eksenlerde çakıştırarak görmek isteyebilirler.

İlişkisel veri tabanları, bu şekilde raporlara izin vermezler, fakat raporlama araçlarının yetenekleri ile, belirli bir noktaya kadar tolere edilebilir. Fakat daha karmaşık analizler işin içine girdiğinde, bir olap yapısı kurmadan bu raporları almak imkansız hale gelebilir.

İlişkisel veri tabaları üzerinde karmaşık SQL kodları yazmak, ya da raporlama aracının sahip olduğu programlama dili üzerinde uğraşmak gerekebilir. Bu da, analizi yapan kişilerin, işin özünden çıkarak, analiz gerektirebilecek verilere değil, teknik olanaklara, daha kolay şekilde alabilecekleri verilere kanalize olmaları sonucunu doğurur. Bu nedenle, iş zekası programlarının pratik olmasının yanında, fazla teknik bilgi kullanmadan raporların alınabilir olması, farklı kaynakları bir arada kullanabilecek, konsolide edebilecek yapıda olmaları gerekir.

Boyutların başka bir özelliği de hiyerarşiler tanımlanabilmesidir. Hiyerarşiler sayesinde, hem toplamlara ulaşmak kolaylaşmakta, hem de farklı gruplar için, farklı senaryolar hazırlayabilme şansı doğmaktadır.

Karmaşık Hesaplamalar:
Bir OLAP sisteminin gerçek performansı, karmaşık hesaplamaları yapma gücü ile ölçülebilir. OLAP sistemleri, sadece toplama işleminden başka işlemler de yapabilecek güçte olmalıdırlar. Gerçek hayat, her zaman daha karışıktır. Analiz yapanlar için, asıl rakamlardan çok, yüzde sel dağılımlar çok daha önemlidir. Birkaç yıllık satış içerisinde, binlerce ürün türü için günlük bazda satışları yüzdesel olarak analiz edip, sıraya dizebilmek bir RDBMS ile saatler sürecek bir raporun çalışmasını gerektirebilir. Oysa uygun bir OLAP sistem ile, bir günlük satışlar ve birkaç yıllık satış rakamı arasında bir fark olmamalıdır. Satış tahminlerinde, genellikle “moving average” ve “yüzde artış” gibi trend analizleri kullanılır. Finansal analizlerde, envanter hesaplarında ve portföy performans hesaplarında, zamana göre ürünlerin toplanma sırası, sonucu tamamen değiştirebilir. (yukarıdan aşağıya, ya da aşağıdan yukarıya, LIFO-FIFO) Kullanılacak OLAP yapısında, bu şekilde hesaplamalara da izin verir bir yapısının olması gerekir.

Zaman kavramları:
Zaman boyutu, neredeyse her analizin temel bileşenidir. Zaman, diğer boyutlardan farklı olarak, kendine has bir sıralama içersinde gider. Alfabetik (Ocak her zaman Şubat’tan önce gelmelidir) veya nümerik sıralamalardan (12/31, 01/01’den önce gelmelidir) her zaman farklıdır. Gerçek OLAP sistemleri, zamanın bu şekilde sıralanmasını sağlarlar.

OLAP’ın yararları
Analiz yapan kişiler, daha kendine yeterli, IT’den bağımsız hale gelebilmektedirler.
Düşük kapasiteli sistemlerde yaşanan, zaman sıkıntısı problemleri ortadan kalkmaktadır. Üretim sistemini rapor için hızlandıracak büyük yatırımlar yerine, çok daha düşük maliyetli bir rapor sistemi kurmak bir çözüm olabilir. Yeni dönemde çıkan, tümleşik OLAP yapılarında, ilişkisel veri tabanı ve OLAP iç içe bir yapıda olduklarından, üretim sistemeleri ya da veri ambarları üzerinde, toplamlar gerektiğinde, ilgili sorgulama OLAP küplerine yönlendirilerek, çok yüksek ölçüde performans getirisi sağlanabilmektedir.

Ayrıca bu yapılar sayesinde, OLAP sistemi için, hem yazılım hem de güncelleme anlamında, ikinci kez masraf yapmak zorluğu da ortadan kalkmaktadır.

Bu şekilde bir yatırımla, var olan IT sistemi de rahatlamakta, üretim sistemi üzerinde yer alan raporlar ortadan kalkmaktadır.

Farklı kaynaklardan alınan kaynaklar konsolide edilmekte ve veri güvenliği sağlanmaktadır.
Veriler toplamları alınmış şekilde bulunduklarından, toplam verilerin bulunması için gerekli raw-data, analistin makinesine aktarılması gerekmediğinden, network üzerinde büyük ölçüde bir trafik kazancı sağlanmaktadır.

Zaman kazancı, aynı zamanda kaynakların etkin kullanımı ve para kazancı anlamına da gelmektedir.

Emir Türkmen
Emir.turkmen@advantage.com.tr

(Yazar hakkında: İTÜ Matematik Mühendisliği mezunu olan Türkmen, MBA eğitimini İstanbul Bilgi Üniversitesinde tamamlamıştır. 6 yıldır çeşitli tanınmış firmalarda programlama, Veri Tabanları, Data Warehousing ve OLAP üzerine çalışan Emir Türkmen, şu anda Benkar-Advantage’da Veritabanı Pazarlama Departmanında, Veri Madenciliği konusunda çalışmaktadır)

tarihinde yayınlandı Yorum yapın

Sending the Police Before There’s a Crime

SAS Business Analytics Series 2012’de Pelin Özbozkurt (PhD) Tahminsel modelleme ile geleceğe dönük fırsatları keşfedin sunumunda çok farklı örneklere yer vermişti. Tahmin deyince herkesin aklına sırasıyla Hava Tahmini, Satış Tahmini, Talep Tahmini, vs. gibi konular gelir. Fakat bu örnekler çok farklıydı.

Birincisinden başlayalım. Azınlık Raporu (Minority Report) (IMDB) (Wikipedia) adlı filmi çoğu kişi izlemiştir.

Filmin Özeti:
Washington yıl 2054, cinayet suçu artık tamamen durdurulmuştur. Gelecek artık görülebilmekte ve suç daha işlenmeden cezalandırılmaktadır. Adalet Bakanlığına bağlı olarak çalışan , “Pre-Cogs”lar tarafından tüm detayları ile görüntülerinin düzenlendiği ve önceden harekete geçildiği Suç-öncesi bölümünün görevi suçluları bulmak ve onları durdurarak ceza almalarını sağlamaktır. Psişik canlılar olan “Pre-Cogs”lar asla hata yapmazlar. Bu ulusal olarak kurulan en mükemmel suç önleyici organizasyon olmuştur. Ve bu sistem için en çok çalışan da organizasyonun başında bulunan Şef John Anderton (Tom Cruise)dan başkası değildir. Bundan yıllar önce trajik bir şekilde oğlunu kaybeden Anderton tüm gücünü ve arzusunu sisteme vermiş böylece kendisinin yaşadığına benzer bir olayı başkalarının da yaşamasına engel olmaya çalışmaktadır. Bu olayın üzerinden altı yıl geçmiştir ve onun tek arzusu yaratmış oldukları sistemin kusursuz işleyişini sağlamaktır.
Anderton’ın bu konuda asla şüphesi yoktur. Taa ki sistem onu bir numaralı şüpheli ilan edene kadar…

Filmde gelecekte kullanılacağı düşünülen bir çok teknolojiye verilmiştir. Çoklu Dokunmatik Ekranlar, Retina Tarayıcılar, Kişiye Özgü Reklamlar, E-Papers, Örümcek Robotlar, Jet-Packs ve Suçu Tahmin Eden Program. Yıl 2054 olmasa da Örümcek Robotlar haricindeki tüm teknolojiler icat edilmiş gibi 🙂 Tabi JetPack’i günlük hayatta kullanılmıyor daha 🙂 Peki Suçu Tahmin Eden Program? İcat edildi mi? Aramızda Pre-Cogs‘lar mı var?

“The New York Times” da yayınlanan haberin başlığı şu şekilde. “Sending the Police Before There’s a Crime” yani “Suç Gerçekleşmeden Önce Polisi Olay Mahaline Göndermek”

“The arrests were routine. Two women were taken into custody after they were discovered peering into cars in a downtown parking garage in Santa Cruz, Calif. One woman was found to have outstanding warrants; the other was carrying illegal drugs.

But the presence of the police officers in the garage that Friday afternoon in July was anything but ordinary: They were directed to the parking structure by a computer program that had predicted that car burglaries were especially likely there that day.

The program is part of an unusual experiment by the Santa Cruz Police Department in predictive policing — deploying officers in places where crimes are likely to occur in the future.

In July, Santa Cruz began testing the prediction method for property crimes like car and home burglaries and car thefts. So far, said Zach Friend, the police department’s crime analyst, the program has helped officers pre-empt several crimes and has led to five arrests.”

Haberin Tamamını buradan okuyabilirsiniz.
Kullanılan metot ile ilgili bilgiye de buradan ulaşabilirsiniz.

Buyrun bu da videosu Predictive Analytics – Police Use Analytics to Reduce Crime
http://www.youtube.com/watch?v=_ZyU6po_E74

Sonuç olarak bu çalışma Tahmin Metotlarının ne kadar farklı alanlarda kullanılabildiğine bir örnektir. Tahmin yapıldıktan sonra bu Tahmin Doğruluğunun (Forecasting Accuracy) ölçülmesi gerekir. Doğruluğunun ölüçülmesi için çeşitli metotlar vardır. Belli bir zaman aralığında Gerçekleşen ile Tahmin arasındaki fark baz alınarak hesaplanan (Hata) değer en çok kullanılan Doğruluk ölçütüdür. (MAD, MAPE, RMSE, vs.) Fakat bunun gibi ölçütleri burada kullanmanız mümkün değildir. Makalede de yazdığı gibi bunun gibi modellerin ölçülmesi için farklı bir metot izlenmiş.

“We’re facing a situation where we have 30 percent more calls for service but 20 percent less staff than in the year 2000, and that is going to continue to be our reality,” Mr. Friend said. “So we have to deploy our resources in a more effective way, and we thought this model would help.”

Dünyada Analitik açıdan güzel gelişmeler oluyor. Ve biz de bu gelişmeleri elimizden geldiğince takip etmeye çalışıyoruz. Tekrar görüşmek üzere.

tarihinde yayınlandı Yorum yapın

SAS Business Analytics Series 2012

21 Mart 2012 tarihinde Swissotel The Bosphorus’da, SAS Business Analytics Series 2012 gerçekleşti. Geçen sene olduğu gibi bu senede organizasyona ekip olarak katıldık. 2011 yılında yapılan organizasyonda Genel Müdür Yardımcımız tarafından “Bir Başarı Hikayesi” olarak yaptığımız çalışma sunulmuştu. Bu sene sadece dinlemeye gittik. Her ne kadar Perakende sektörü için çok doyurucu olmasa da güzel bir organizasyon oldu.
Ünlü futurist Mike Walsh‘ın da konuşmacı olarak katıldığı organizasyonda, farklı sektörlerden yüzlerce dinleyici vardı. Geçtiğimiz sene salonlarda büyük boşluklar var iken bu sene yüksek katılımcıdan dolayı bazı oturumlarda yer sıkıntısı çekildi. Bizim sektörden (Moda Perakendesi) ben bu sene çok fazla kişi göremedim. O yüzden çok fazla sosyalleşemediğimizi de eklemek isterim 🙂 Organizasyon boyunca Twitter üzerinden #SASBAS hashtag’i ile atılan tweetler bir ekran ile kullanıcılara gösterildi. Aynı zamanda @SasTurkey ile de organizasyon hakkında bilgilendirme Tweetleri atıldı. Habertürk de canlı yayında organizasyona bağlandı. Geçen sene ile bu sene kıyaslandığı zaman artık Türkiye’de Analitik konulara, Sosyal Medyaya önem verildiğini sadece bu organizasyona bakarak bile söyleyebiliriz.

Bu sene öne çıkan konular, Sosyal Medya, Big Data, Dijital Gelecek, Analitik Çözümlerdi.

Organizasyon Tanıtım Yazısından

  • Sosyal Medya ne gibi fırsatlar sunuyor?
  • Dijital gelecek sizi ve işinizi nasıl değiştirecek?
  • Analitik çözümler rekabeti nasıl yönetiyor?
  • İş kararlarını Büyük Veri nasıl etkileyecek?

Neden Katılmalı?

  • Analitiğin , şirketinizi nasıl değiştirip, karar almanızı hızlandıracağını keşfedeceksiniz.
  • Entegre pazarlama yönetimi, risk yönetimi, veri yönetimi ve İş analitik uygulamaları ve son trendleri dinleyeceksiniz.
  • Bankacılık, sigorta, perakende, telekom, enerji gibi farklı sektörlerin SAS çözümlerinden yararlandığını göreceksiniz.
  • En yeni SAS çözümlerimizle ilgili örnek uygulamaları ve demo sunumlarını izleyeceksiniz.

Öne Çıkan Konuşmacılar

  • Mike Walsh, Futurist & authority on emerging markets
  • Shekhar Iyer, General Manager,SAS EMEA ve Asya Pasifik Center of Excellence Genel Müdürü

Öğleden önceki programa iş dolayısıyla katılamadık. Öğleden sonra gerçekleştirilen oturumlara katılabildik. İlk olarak EreTeam tarafından sunulan Başarılı Talep Tahminleme Modelleri sunumunu dinledik. Tahmin ile içli dışlı olduğumuz için bu sunum bizi çok tatmin etmedi. Sanki üniversitede Üretim Planlama dersinde Tahmin konusunu işliyormuşuz gibi hissettim. Bu oturumdan sonra Tahminsel modelleme ile geleceğe dönük fırsatları keşfedin konulu sunuma katıldık. Sunumun ilk kısmını SAS’dan Pelin Özbozkurt PhD. yaptı. Ardından Yapı Kredi Bankası örnek bir uygulama sunumu yaptı. Pelin Hanım’ın sunumu hem çok faydalı hem de eğlenceliydi. Hangi sektörden olursanız olun bir şeyler öğrenebileceğiniz bir sunumdu. Özellikle aşağıda yer alan bazı sunum notları, yol haritası niteliğindedir.

Bu sunumun ardından Social Media Analytics başlıklı sunuma girip ING Bank‘ın Sosyal Medya’da kullandığı Analitik yöntemler konusunda bilgi sahibi olduk. Son olarak Akbank tarafından sunulan Marketing Optimization başlıklısunuma katılıp günü noktaladık. Şirkete geri dönmemiz gerektiği için son oturumlara katılamadık.

Sonuç olarak, SAS Türkiye‘ye böyle bir organizasyon düzenlediği için teşekkür ediyorum. Swissotel The Bosphorus’a ve çalışanlarına da güleryüzlü hizmetleri ve güzel yemekleri için teşekkür etmek istiyorum. Güzel bir gün geçirdik. Seneye tekrar bu organizasyonda görüşmek üzere. Belki konuşmacı olarak katılırım kim bilir 🙂

Şirketime bu organizasyona katılma konusunda gösterdiği hassasiyet ve ulaşım konusunda gerekli kolaylığı sağladığı için de teşekkür ederim.