20’nci yüzyılın son çeyreği, işletmelerin tüm faaliyetlerinin olabildiğince kayıt altına alındığı, bilgi toplama ve saklama işlevlerinin, yaşanan teknolojik gelişmelerle ekonomik ve
güvenilir bir biçimde gerçekleştirildiği, bir yönüyle elektronikleşme, otomatikleşme ve haberleşme dönemi olarak insanlık tarihinde olduğu kadar endüstri sosyolojisindeki yerini
de almıştır.

Veri erişiminin işletme içi ve dışı iki önemli bileşeni vardır. İşletme içindeki bileşen, veri ambarı (data warehouse) ve marketi (data mart) altyapısının ve anlayışının
varlığıdır. İşletme dışındaki bileşen ise 1990’ların başında dönemin başkan yardımcısı
Al Gore’un bilgi süper-otobanı (information superhighway bazen infobahn) olarak adlandırdığı, bugün beklentilerin çok ötesinde gelişme göstermiş olan İnternet’tir. Veri
derleme, erişimi ve paylaşımının sunduğu olanaklardan yararlanmak, büyük işletmeler
için bir standart haline gelmiştir. Orta ve küçük ölçekli işletmelerin de bu veri-merkezli
gelişmelere kayıtsız kalmayacakları öngörülmektedir.

Analitik sistemler, sundukları işlevlere göre betimsel (descriptive), tanısal (diagnostic), buluşsal (discovery), kestirimci (predictive) analitik ve karar
(prescriptive) analitiği (bazen çözümsel analitik de denir) olarak beş ana başlıkta ele
alınabilir

Kullanım alanı ve amacına göre ise başlıca analitik sistemler şöyle
sıralanabilir; Sağlık (health) analitiği, spor (sport) analitiği, pazarlama (marketing) analitiği, müşteri (customer) analitiği, finansal (financial) analitik, web analitiği ve öneri
(recommender) sistemleri, metin (text) analitiği, görsel (visual) analitik, duygu veya
görüş (sentiment/opinion) analitiği, sosyal veya sosyal ağ (social/social network) analitiği, sosyal medya (social media) analitiği, satış (sales) analitiği, çizge (graph) analitiği,
dijital (digital) analitik, işlemler (operations) analitiği, veri (data) analitiği, akım (stream) analitiği, konum (location) analitiği ve insan (people) analitiği.

Analitik sistemler, işletmedeki bir karar verici, karar problemi veya bir operasyona
yönelik raporlama, analiz ve değerlendirme araçlarını, veri ambarı, veri marketi gibi kurumsal veri kaynaklarının olanakları ile birlikte ve/veya internet-merkezli veri kaynak ve
veri akımlarından yararlanmak üzere tasarlanmış ve kurumsal olarak benimsenmiş sistemlerdir.

Bankacılık sektöründen müşterilerin kredi başvurusunu derecelendiren bir finansal
analitik örneği şu servisleri sunmaktadır:
• Müşterinin kredi notunu hesaplamak,
• Kredi isteğini otomatik olarak kabul veya reddetmek,
• Müşteriye güvenle verilebilecek kredi üst limitini hesaplamak,
• Verilecek kredi için uygun faiz oranı ve ödeme koşullarını belirlemek.

Veri-yönelimli karar destek sistemlerini diğer karar destek sistemlerinden ayıran iki
temel özelliği vardır; veri kaynaklarına erişim ve verilerin uygun yöntemlerle işlenmesi.

Karar vericilerin güncel ve doğru bilgilere erişmesini sağlamak üzere hazırlanmış, elektronik (sesli, görüntülü veya metinsel) veya kâğıda basılmış, herhangi bir iletişim aracına
rapor denir.

Raporların en yaygın kullanım amaçları arasında şunlar sayılabilir:
• Tüm departmanların beklenen performansta çalıştığından emin olmak,
• Durumbilgisi gereksinimini gidermek,
• Analiz ve araştırmaların sonuçlarını sunmak,
• Yetkilileri bir konuda harekete geçmeye ikna etmek,
• Kurumsal bir bellek oluşturmak.

Performans Gösterge Raporları: Birçok işletme, performanslarını, çıktıların ölçümüne dayalı göstergelerle (metrics) yönetir. Anahtar performans göstergelerinin
(KPI-key performance indicators) doğru belirlenmesi, performans gösterge raporlarının önemini arttıracaktır.

Gösterge-Paneli (Dashboard) Raporları: İşletme analitiği ve karar destek sistemleri
için çok tercih edilen raporlama türüdür. Otomobillerin gösterge panellerine veya
uçakların kokpitlerine benzer bir görünümde bilgisayar ekranlarında performans
göstergelerinin gerçek zamanlı izlenebilmesini sağlar. Performansın düzeyine göre
kırmızı turuncu ve yeşil renklerle etkili ve hızlı bir performans takibi ve değerlendirmesi gerçekleştirilebilir

Kurumsal Karne Tarzı (Balanced Scorecard) Raporlar: Bir kurumun bütünsel başarısında katkılarına göre departman ve birimlerin notlanmasını içerir.

Kurumsal raporlama sistemlerinin bileşenleri, her işletme için farklılık göstermekle
beraber en yaygın olanları şunlardır:
• Çevrimiçi kayıt işleme (online transaction processing-OLTP): İşletme faaliyetlerine
ilişkin gerçek kayıtlarının anında kurumsal veritabanlarına aktarılması ve saklanmasıdır. Kurumsal kaynak planlama sistemleri, POS (Point-of-Sale) sistemler, web
sunucuları, RFID okuyucular OLTP örnekleridir.
• Veri sunumu: İşletme veritabanlarından bilgileri raporlama sistemine aktarmakla
yükümlü sistemdir.
• Veri göçerimi (extract, transform, load-ETL): Bu aşamada verilerin kalite ve formata uygunluğu denetlenir ve düzenlenir.
• Veri depolama (data storage): Veri ve metaverilerin (metadata) saklandığı yerdir.
Bir işlemtablosu ortamı olabilmekle beraber genellikle bir veri ambarı veya veri
marketi olarak kullanılan bir ilişkisel veritabanı yönetim sistemidir.
• İşletme Kuralları (business logic): İşletme kayıtlarından performans göstergelerinin,
kurumsal karnelerin ve gösterge panellerinin nasıl oluşturulacağına ilişkin işletme
kurallarının bütünüdür.
• Yayınlama (publication): Raporların çoğaltılması ve dağıtılmasını içeren sistemdir.
• Güvence: Raporlama sistemi doğru bilginin, doğru yerde ve doğru zamanda olacağını garantilemelidir.

Teknolojik gelişmeler ise iki alt başlıkta ele alınabilir:
(i) Bilgisayarların donanım ve yazılım olarak görselleştirme araçlarının geliştirilme ve
kullanılmasında geldiği düzey,
(ii) İnternet başta olmak üzere bilgisayar ağlarının bilgi kaynaklarıyla görselleri buluşturmada erişilen teknolojik ve yazılımsal başarı.

Karar destek sistemlerinin en önemli bileşeni diyalog yönetimi modülüdür. Söz konusu modül, karar vericinin karar kapasitesini arttırabilme özelliğine sahiptir. Bu bağlamda görselleştirmeden, diyalog yönetim modüllerinin geliştirilmesinde olabildiğince
yararlanılması gerekir. Veri madenciliği gibi yapılandırılmamış (unstructured) problemlere yönelik karar destek sistemlerinde çok-boyutlu görselleştirme özel bir öneme sahiptir.

Görsel analitik araçlarının sunduğu olanaklardan bazıları şunlardır:
(i) Her düzeydeki karar vericileri veri keşfetme yöntemlerinden ve analitik olanaklardan yararlandırmak üzere, kullanımı kolay ve web üzerinden karşılıklı etkileşimli olarak gerçek verilerle buluşturmak,
(ii) Karmaşık soruların yanıtları ile analitik çalışanların yeteneklerini buluşturmak,
(iii) Her türlü elektronik cihazdan (tabletler, akıllı telefonlar ve amaca yönelik tüm
sayısal ortamlar) erişilebilir ve gerçek verileri kullanan analitik araçlar üzerinden
işletme içi bilgi paylaşımı ve işbirliğini genişletmek,
(iv) Bilgi-işlem departmanlarından beklenen analizlerin çok daha kısa sürede gerçekleştirilmesini sağlayarak bilgi-işlem personelinin iş yükünü azaltmak.

Hedef yönetimleri ve ait oldukları sektörler farklı olsa da
performans gösterge panellerinin ortak özelliklerinden bazıları şunlardır:
• Görselleştirme araçlarından yararlanmaları,
• Kullanımının çok kolay olması ve olabildiğince bak-ve-hisset (look-and-feel) özelliği taşımaları,
• Farklı veri kaynaklarından gelen bilgilerden yararlanabilmeleri,
• Paneldeki bilgilerin ayrıntılarına inebilmeyi (drill-down) desteklemeleri.
Görselleştirme; betimsel ve tanısal analitikten buluşsal analitiğe, kestirimci analitikten
karar analitiğine ve bu bağlamda karar verici ile etkileşimin önemli olduğu tüm karar
destek sistemlerinde özel bir yere sahip olmaya devam edecektir.

Karar destek sistemleri üç farklı problem kategorisi için geliştirilebilirler; Yapılandırılmış,
yarı-yapılandırılmış ve yapılandırılmamış

Yapılandırılmış veri madenciliği: Yaygın olarak sorgular ve istatistiksel analizlerle
ele alınabilen veri madenciliği problemleridir. Hangi veri setlerinin hangi yöntemlerle işleneceği bellidir. Karar vericinin tasarım aşaması dışında sistemle ilişkisi
yoktur. Betimleyici istatistikler, SQL sorguları, çevrimiçi analitik işleme (OLAP),
korelasyon ve varyans analizi buna örnek olarak verilebilir. Süreç otomatikleştirilmeye uygun olarak tasarlanabilir. Ağırlıklı olarak nispeten basit hipotez yönelimli
veri madenciliği çalışmalarına yöneliktir

Yöntemler birbirleri ile karşılaştırılırken şu faktörlere dikkat edilir:
• Sınıflama doğruluğu: Kabaca örnek test veri setlerindeki doğru sınıflanmış veri yüzdesidir. Yapılan yanlış sınıflamaların sapma yüzdeleri de bu ölçüye yansıtılabilir.
• Hız: Sınıflandırma modeli veya algoritmasının çalışma süresidir.
• Gürbüzlük: Verilerin kirli ve eksik veriye sahip olması halinde doğru sınıflandırmanın yapılabilmesidir.
• Ölçeklenebilirlik: Farklı boyutlardaki veri setleri için benzer etkinlikle kullanılabilir
olmasıdır.
• Yorumlanabilirlik: Yöntemin önerdiği sınıflamanın veya sınıflama modelinin anlaşılır olmasıdır.

i. Bölümleyici (divisive) yöntemler: Başlangıçta tüm bileşenler tek bir kümeye aittir,
sonra alt kümelere (cluster) ayrılırlar.
ii. Bütünleştirici (aglomerative) yöntemler: Her bileşen başlangıçta kendi başına bir
küme gibi düşünülür, daha sonra bu kümeler (clusters) bir noktaya kadar birleştirilir.