KARAR DESTEK SİSTEMLERİ - Deneme Sınavı - 9

Benzetim modelinde parametrelerin değişkenliği kullanılabildiğinden yararlı olabilir. Bir süreçte, birçok değer kesin olarak bilinmiyor olabilir. Değerlerin hangi aralık içerisinde olduğu biliniyor, fakat tam olarak sayı bilinmiyor olabilir. Örneğin, ürünlerini gemi ile taşıyan bir firma olduğunu kabul edelim. Firma çalışanları, hangi tedarikçiden birkaç gün içerisinde nakliyesi yapılacak ürünlerin geleceğini bilmesine karşın, her nakliyenin kendilerine tam olarak ne zaman ve hangi günde ulaştırılacağını bilmemektedir. İşletme müşterilerin taleplerini tedarikçiden ürünleri alıncaya kadar karşılayamadığında, bu değişkenlik işletmeyi etkilemektedir. Bu durumu modele yansıtmak için tedarikçilerden ürünlerin geliş miktarına sabit bir oran atanamayacaktır. Bu yüzden, zamana bağlı geliş oranları incelenecek ve tedarikçilerin ürün teslim etme zamanı ile yakından ilişkilendirilen geliş oranının dağılımı eşleştirilecektir. Belirli parametrelerin dağılımı bilindiğinde, müşteri taleplerini etkileyen davranışları gözlemlemek için bu dağılımlar içerisinde rassal sayılar üretilebilir. Bu yüzden, dağılım ve rassal sayılar kavramı detaylı bir şekilde incelenecektir. Yanıt B seçeneğidir.

S_SAYI_ÜRET fonksiyonu, rassal örneklerde herhangi bir veri veya test verisi oluşturmak için kullanışlıdır. Eğer, 0 ve 1 aralığı dışındaki aralıkta da veriler oluşturmak istiyorsanız S_SAYI_ÜRET değerini kullanabilirsiniz. 1 ve n arasında sayıları üretmek istiyorsanız, aşağıdaki gibi S_SAYI_ÜRET değerini (n–1) ile çarpın ve 1 ilave ediniz.

= S_SAYI_ÜRET ()*(n–1) + 1

Yanıt A seçeneğidir.

S_SAYI_ÜRET fonksiyonunu kullanmanın en kolay yolu, RASTGELEARADA olarak adlandırılan diğer fonksiyon ile kullanmaktır. Bu fonksiyon, aralığın alt ve üst sınır değerlerini iki parametre olarak aşağıdaki gibi almaktadır.

= RASTGELEARADA(alt_sınır; üst_sınır)
Eğer 1 ve 10 arasında rassal sayılar üretmek isteniyorsa, aşağıdaki formül yazılabilir. = RASTGELEARADA(1;10)

Yanıt C seçeneğidir.

İlgili işletme için kurulan bir benzetim modelinin unsurları

Maliyet bilgileri - Karar değişkeni - Talep Dağılımı - Beklenen Kâr olarak sunulabilir. 

Yanıt D seçeneğidir.

Zaman zaman hazırladığınız veri tablolarında değerler, çalışma içerisinde sabit olabilir. Bu bir şeyleri yanlış yaptığınız anlamına gelir. Buna karşın büyük bir olasılıkla problem hesaplama ayarlarından kaynaklanmaktadır. Bunun kontrol etmek amacıyla, Formüller sekmesinde, Hesaplama Seçenekleri aşağıya açılır oku tıklayınız. Eğer varsayılan ayarlama, Otomatik değilse, Hesaplama bölümünde yer alan Şimdi Hesapla butonunu veya veri tablosu hesaplamasını doğru bir şekilde yapmak için F9 tuşunu tıklayınız (Şimdi Hesapla ve F9 tuşu çalışma sayfasındaki her şeyi yeniden hesaplayacaktır. Hesaplama Tablosu seçeneği yalnızca aktif sayfada yeniden hesaplama yapar). Yanıt E seçeneğidir.

S_SAYI_ÜRET ya da RASTGELEARADA fonksiyonu kullanıldığında, çalışma sayfasında her işlem gerçekleştirildiğinde üretilen sayılar değişecektir. Tablo oluşturulduktan sonra, aynı çalışma sayfasında daha sonra yeni metin veya veri diğer hücrelere yazılırsa, gösterilen başlangıç rassal sayılar ilgili aralıkta yeni rassal sayıları otomatik olarak he- saplayacaktır. Otomatik yeniden hesaplamayı önlemek amacıyla, Dosya → Seçenekler → Formüller → Çalışma Kitabı Hesaplaması adımında El ile seçeneğini tercih ediniz. Eğer gerekliyse rassal sayıları hesaplamak için F9 tuşunu kullanınız.

Farklı rassal talepler için çıktıları takip ederek ve F9 tuşuna art arda tıklayarak, rassal talebin korunmasıyla benzer kontrol yapılabilir. Deterministik kontrolün avantajı, diğer kullanıcıların sonuçlarıyla, ortak karar verilen test değerleri olan rassal değerlerle karşılaştırma yapılabilmesidir. Aynı değerler için aynı çıktıların elde edilmesi gerekir. Yanıt A seçeneğidir.

Veri tablolarının kullanılabilmesi için ilk olarak işlemtablosunun hazırlanması gerekir. Bu amaçla, girdilerin ve çıktı değerlerin yer alacağı hücreler belirlenir. Bu hücreler, değerleri veya formülleri içerebilir. Bu hücreleri, kolay kullanılabilecek referans bir ad ile tanımlayabilirsiniz. Daha sonra analiz etmek istediğiniz farklı girdi değerlerinin listesini hazırlayarak, denemeler yapabilirsiniz. Eğer tek–yönlü tablo oluşturmak istiyorsanız, ilgili değerleri tek bir sütuna ilave edebilirsiniz. Eğer iki–yönlü veri tablosu hazırlıyorsanız, ilgili iki girdi için bir satır ve bir sütun girdi değeri oluşturmanız gerekir. Daha sonra gözlem için hesaplamak istediğiniz Veri Tablosuna çıktı formüllerini giriniz. Tek–yönlü veri tablosu için bu çıktı hücreleri, (tek–yönlü veri tablosu kullanarak birden fazla çıktı gözlemlenebilir) girdi sütununa komşu sütunda olmalıdır. İki–yönlü veri tabloları için bu çıktı hücreleri (yalnızca bir çıktı değeri, iki–yönlü veri tablosu ile gözlenebilir) veri tablosunun üst köşesinde yer almalıdır (girdi değerinin yer aldığını sütunun üzerindeki hücre ve girdi değerinin yer aldığı satırdan sonra).

Yanıt A seçeneğidir.

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. bu nedenle doğru cevap A seçeneğidir.

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. bu nedenle doğru cevap B seçeneğidir.

Kurumsal raporlama sistemlerinin bileşenleri, her işletme için farklılık göstermekle beraber en yaygın olanları şunlardır:

- Veri göçerimi (extract, transform, load-ETL): Bu aşamada verilerin kalite ve formata uygunluğu denetlenir ve düzenlenir. bu nedenle doğru cevap C seçeneğidir.

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. bu nedenle doğru cevap D seçeneğidir.

Gösterge panelleri; kurumların yönetim ve denetim niteliği taşıyan önemli bilgilerini, öncelikle anahtar performans göstergelerini, tek bir ekran üzerinde görüntüleyen, bir bakışta anlaşılabilirliği olan, gerektiğinde ayrıntıların da görüntülenmesini destekleyen ve göze hitap eden ekran sunumlarıdır.

Veri madenciliği; istatistiksel, matematiksel, yapay zekâ ve otomatik öğrenme (machine learning) tekniklerinden yararlanarak durum bilgilerini çıkarmak ve/veya yöntembilgilerini keşfetmek ve varsa örüntüleri (pattern) tespit etmektir. bu nedenle doğru cevap A seçeneğidir.

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. bu nedenle doğru cevap B seçeneğidir.

Sınıflandırma  veri madenciliği çalışmalarının en yaygın olanlarından biridir. Pek çok sınıflandırma algoritması ve yaklaşımı mevcuttur. Sınıflandırmada kullanılacak 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. bu nedenle doğru cevap C seçeneğidir.

Kümelemede kullanılabilecek yöntemler aşağıdaki temel yöntemlerden bir veya birkaçının üzerine inşa edilmiş olabilir.

• Sezgisel ve meta-sezgisel yöntemler,

• İstatistiksel yöntemler (k-ortalamalar, k-medoids, k-mod vb)

• Optimal yöntemler,

• Yapay sinir ağları,

• Bulanık mantık,

• Genetik algoritmalar. bu nedenle doğru cevap D seçeneğidir.

Karar ağaçları oluşturmada yararlanılan diğer bir kavram entropidir. Entropi, bir veri setindeki rassallığı ve belirsizliği ölçer. bu nedenle doğru cevap E seçeneğidir.

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.

Karar analitiği en yüksek beceri düzeyini gerektirir.