Bilgi Sistemleri Organizasyonlar Ynetim ve Strateji Bir organizasyon

Bilgi Sistemleri, Organizasyonlar, Yönetim ve Strateji Bir organizasyon içerisinde yönetici olarak göreviniz: Hangi sistemleri kurulacak? Bu sistemler ne yapacak? Bu sistemler nasıl gerçekleştirilecek? Sorularına doğru yanıtlar vermektir. 1

Organizasyon Nedir? Bir organizasyon içinde bulunduğu çevreden girdileri alıp bunları çıktılara dönüştüren resmi (formal) bir sosyal yapıdır. 2

Organizasyonlarda Bilgi Sistemleri Bilgi sistemleri çevresel etkilerin organizasyonun yapısına uygun bir biçime dönüştürülmelerini sağlar. 3

Organizasyonlarda Bilgi Sistemlerinin Ekonomik Etkileri Geleneksel organizasyonlar birim maliyetlerini düşürmek için boyut olarak (çalışan sayısı) büyümek zorundadır (T 1). Bilgi sistemleri kullanarak birim maliyet/çalışan sayısı arasındaki eğriyi orjine yaklaştırmak mümkündür (T 2). 4

Organizasyonlarda Bilgi Sistemlerinin Ekonomik Etkileri Geleneksel organizasyonlarda çalışan sayısı arttıkça yönetimsel maliyetler de artar (A 1). Bilgi sistemleri kullanarak çalışan başına birim yönetimsel maliyeti düşürmek mümkündür (A 2). 5

Bilgi Sistemlerinin Organizasyon Hiyerarşisine Etkileri Geleneksel organizasyonlarda çalışan sayısı arttıkça organizasyondaki yönetimsel seviyeler de çoğalır. Yani, ara kademe yöneticileri sayısı fazla tutulmak zorundadır. 6

Bilgi Sistemlerinin Organizasyon Hiyerarşisine Etkileri Organizasyonda kullanılan bilgi sistemleri sayesinde, yöneticilerin daha fazla sayıda çalışanı daha rahat bir biçimde kontrol edebilmesi sağlanır. Bu sayede organizasyon içerisindeki ara kademe yönetici sayısının azaltılması mümkündür. 7

Organizasyonlardaki Bilgi Sistemleri • Kayıt veri işleme sistemleri (Transaction/Data Processing Systems) • Yönetim Bilgi Sistemleri (Management Information Systems) • Karar Destek Sistemleri (Decision Support Systems) • Ofis Otomasyon Bilgi Sistemleri (Office Automated Information Systems) • Üst Yönetim Bilgi Sistemleri (Executive Support Systems) • Yapay Zeka ve Uzman Sistemler (Artificial Intelligence and Expert Systems) 8

Kayıt veri işleme sistemleri (Transaction/Data Processing Systems) • İşin yapılması için gerekli günlük rutin işlemleri gerçekleştiren ve kaydeden bilgisayara dayalı sistemler. • İlk kullanımı 1950’lerde bordro uygulamaları üzerine, • Operasyonel seviyede hizmet verir ve günlük operasyonlarla ilgilenir, • Yapılanlar işlem yükü ve hacmi çok yüksek olan tekrarlı işlemlerdir, • Bilgisayarın bu sistemlerdeki rolü verinin işlenmesi, saklanması ve çağrılması şeklindedir, 9

Kayıt veri işleme sistemleri (Transaction/Data Processing Systems) Özellikleri • Kayıtların işlenmesi, saklanması ve tekrar erişilmesine yöneliktir, • Dosya kökenlidir, • Çıktıları genellikle peryodiktir, • Öncelikle operasyonel seviye yönetimi için bilgi üretir, • Yöneticilerin özel bilgi istekleri için sınırlı esnekliğe sahiptir, • Bu sistemler tipik olarak fonksiyoneldir. Yani, uygulamalar birbirinden bağımsız olarak çalışır. 10

Yönetim Bilgi Sistemleri • Veri işleme sistemlerinin eksiklikleri nedeni ile geliştirilmiştir, • Amaç sadece verinin bilgi haline getirilmesi değil aynı zamanda bilgi talebinde bulunanların sorularının yanıtlanmasıdır, • Veri işleme sistemlerindeki kullanıcıların yerine Yönetim Bilgi Sistemlerinde yöneticiler alır, 11

Yönetim Bilgi Sistemleri Özellikleri • YBS veri/kayıt işleme fonksiyonlarını destekler, • Bütünleşik bir veritabanı kullanır ve fonksiyonel alanların çeşitliliğini destekler, • Operasyonel, taktik ve stratejik seviye yöneticilerin bilgiye kolay ve zamanında erişimini sağlar, • Yoğun olarak taktik seviye yöneticilere bilgi sağlar, • Veri/kayıt işleme sistemlerine göre daha esnektir, • Organizasyonun bilgi ihtiyacına adapte edilebilir, • Sadece yetkili kişilerin kullanımına izin veren bir yetkilendirme mekanizmasına sahiptir, • Günlük operasyonlarla ilgilenmez, • Çevresel ve dış olaylardan çok firma içi olaylara odaklanır. 12

Yönetim Bilgi Sistemleri Tarafından Sunulan Raporlar • Planlı ya da peryodik raporlar: Planlamaya göre günlük, haftalık, aylık ya da yıllık olarak hazırlanan düzenli raporlar. – Üretim performansını izlemek için hazırlanan günlük raporlar gibi • Özel istek (talep) raporları: Bu raporlar talep geldiğinde hazırlanırlar, düzenli olarak çıkarılması söz konusu değildir. – Belli birimin stok seviyesi – Belli bir işçinin üretim performansı – Belli bir müşteriye gönderilen ürünlerin listesi • Uyarı raporları: Organizasyonda yöneticilerin bilmesi gereken bir durum ortaya çıktığında otomatik olarak üretilen uyarıcı nitelikteki raporlardır. – Üretim bölümü için stok seviyesindeki kritik noktanın aşılması – Haftada 40 saaten fazla çalışan işçiler – İade edilen ürünler 13

Yönetim Bilgi Sistemlerinin Organizasyona Olumlu Etkileri • • İşin büyümesine kolaylaştırır, Ofiste çalışan personel sayısını azaltır, Bilgi işlem maliyetini azaltır, Bazı kararlar için otomatik yöntemler sağlar ve karar vermeyi kolaylaştırır, • Daha fazla ve daha ayrıntılı bilgi sağlar 14

Yönetim Bilgi Sistemlerinde Sorunlar • • • Sistemi kurmanın maliyeti, Yüksek maliyetin yöneticilerin gözünü korkutması, Fayda / Maliyet hesabının zor yapılması, Yönetim ile bilgi işlem personeli arasındaki iletişimin azalması, YBS’yi kullanabilmek için gerekli teknolojik bilginin çalışanları zorlaması, Sistemde izlenecek olan bilginin yönetici yerine tasarımcılar/geliştiriciler tarafından belirlenmesi, Esneklik problemi Kurumsallaşmamış organizasyonların YBS’nin gelişimini / etkin kullanımını engellemesi, Veri / kayıt işleme sistemlerinin entegrasyon problemi, Değişime karşı olan direnç, Plansız büyüyen organizasyonlarda orta kademe yöneticilerin sayısının / YBS’den isteklerinin artması 15

Karar Destek Sistemleri • Yönetici konumundaki karar vericilerin doğru zamanda doğru kararları verebilmelerine yardımcı olan sistemlerdir. • Diğer bir ifadeyle, verilmesi gereken kararlarla ilgili veriyi daha iyi anlayarak, daha etkin karar seçenekleri oluşturma, alternatifleri belirleme ve değerlendirme işlevlerinde destek sağlayan ve doğru karar verme olasılığını artıran sistemlerdir. 16

Karar Destek Sistemleri Özellikler • Geleceği planlamaya yöneliktir, • Yarı-yapısal ya da yapısal olmayan kararlarda kullanılır, • Karar vericinin yerine geçmekten çok ona karar verme aşamasında yardımcı olacak bilgiyi sunar, • Karar verme işleminin tüm aşamalarını destekler / kapsar, • Kullanıcının kontrolü altındadır, gerektiğinde müdahale edilebilir, • Veri ve model tabanlıdır, • Veri inceleme ve çözüm üretmede analitik modeller kullanır, • Kullanıcı etkileşimlidir • Yoğun olarak stratejik ve taktik düzeyde kararlar alınırken kullanılır, • Değişen şartlara uyum sağlayabilecek esnekliktedir, • Düzensiz ve planlı olmayan zamanlarda kullanılabilir. 17

Belirsizlik ve Karar Verme Ortam Kriter Karar A B Mevcut Durum C Kişisel Karar D E F 18

Belirsizlik ve Karar Verme • Kriterler az olunca karar vermek muhtemelen daha kolay. • Bir banka çalışan müşterilerine maaşlarının 10 katına kadar kredi vermek istiyor. Müşterinin kredi alabilmesi için bir devlet kurumunda çalışıyor olması ve maaşında haciz olmaması gerekiyor. • Bir müşterinin kredi alıp alamayacağını belirlemek için karar süreci şöyle işletilir: • Girdiler: Bir devlet kurumunda çalışıyor musunuz (e/h)? Maaşınızda haciz var mı (e/h)? Maaşınız ne kadar? • İşlem: Eğer (Devlet kurumunda çalışıyorsa VE Maaşında Haciz Yoksa) Kredi Miktarı = Maaş X 10 • Çıktı: Koşul sağlanıyorsa kredi miktarı, sağlanmıyorsa “Bankamızdan kredi alamazsınız!” 19

Belirsizlik ve Karar Verme • Devlet_Memuru= “EVET” Maaş_Haciz=“YOK” Maaş=1. 250 TL • if (Devlet_Memuru==“EVET”) if (Maaş_Haciz==“YOK”) { Kredi_Miktarı= Maaş X 10 Ekrana_Yaz (“Alabileceğiniz kredi miktarı: ”, Kredi_Miktar); } else Ekrana_Yaz (“Maaşında haciz olanlar bu krediyi alamaz”); else Ekrana_Yaz (“Devlet memuru olmayanlar bu krediyi alamaz”); 20

Karar Destek Sistemlerinin Yapısı • Eğer karar verirken kullanılacak kriter sayısı çok fazlaysa ne olacak? • Yüzlerce if-else yapısı içinden çıkılamaz bir durum yaratabilir mi? 21

Karar Destek Sistemlerinin Yapısı: Dava Örneği 22

Karar Destek Sistemleri Çıkarsama Yöntemi Çıkarsama yöntemi olarak farklı modeller kullanılabilmektedir • Karar ağaçları • Yapay sinir ağları • Bayes ağları • Kural tabanlı yöntemler 23

KDS Çıkarsama Yöntemi: İleri Zincirleme (Forward Chaining) 24

İleri Zincirleme Algoritması Örneği KURAL TABANI K 1. EĞER ( A’nın TSH’ı normal değil ) VE ( A’nın T 3’ü yüksek ) İSE EKLE ( A hipertiroit ) K 2. EĞER ( A’nın TSH’ı < 0, 2 ) VEYA ( A’nın TSH’ı > 6 ) İSE EKLE (A’nın TSH’ı normal değil) K 3. EĞER ( A’nın T 3’ı > 2, 8 ) İSE EKLE ( A’nın T 3’ü yüksek ) K 4. EĞER ( A hipertiroit ) İSE EKLE ( A hasta ) K 5. EĞER ( A hipertiroit ) İSE SİL ( A çok tuzlu yemek yer ) K 6. EĞER ( A hasta ) İSE SİL ( A mutlu ) GERÇEKLER (YA DA AKTİF HAFIZA) G 1 erdem’in TSH’ı 7 G 2 erdem’in T 3’ü 3 G 3 erdem mutlu G 4 erdem çok tuzlu yemek yer Sistem öncelikle aktif hafızadaki gerçeklerle hangi kuralların tetiklendiğini bulur, yeni gerçekler üretir ve döngü tetiklenecek kural kalmayana kadar devam eder. 1 K 2 ve K 3 tetiklenir ( erdem’in TSH’ı normal değil ) ( erdem’in T 3’ü yüksek ) ( erdem mutlu ) ( erdem çok tuzlu yemek yer ) 2 K 1, K 4 ve K 5 tetiklenir (erdem hasta) ( erdem hipertiroit ) ( erdem’in TSH’ı normal değil ) ( erdem’in T 3’ü yüksek ) ( erdem mutlu ) 3 K 6 tetiklenir ve Sonuç ( erdem hasta ) ( erdem hipertiroit ) ( erdem’in TSH’ı normal değil ) ( erdem’in TSH’ı 7 ) ( erdem’in T 3’ü 3 ) 25

İleri Zincirleme Algoritması Çelişki Çözme Stratejileri • Bir kural aynı veri üzerinde birden fazla çalıştırmamalıdır. Bir kural aynı veri üzerinde birden fazla çalıştırılırsa, kuralın ürettiği sonuç aktif hafıza içerisinde birden fazla bulunur. • Kurallar güncel aktif hafızadaki bilgilere göre çalıştırılmalıdır. Kuralların çalıştırılmasında güncel hafızanın kullanılması, eski bilgiler kullanımı sonucu oluşabilecek hata sonuç üretme ve sonuç üretme için bazı adımların tekrarlanması gibi problemleri engelleyecektir. • Çalıştırılacak kural seçilirken, koşulları en özel olanın seçilmesine dikkat edilmelidir. Özelleşmiş koşulları olan kuraların seçilmesi genel olmayan durumların da değerlendirilmesine imkân verecektir. Örnek olarak aşağıdaki iki kuralı düşünelim; EĞER ( A kuş ) İSE EKLE ( A uçar ) EĞER ( A kuş ) VE ( A penguen ) İSE EKLE ( A yüzer ) Bu kurallardan ikincisi kullanılarak bir penguen için “yüzer” bilgisi elde edilebilir ve daha özelleşmiş çıkarsamalar yapılabilir. 26

Geri Zincirleme (Backward Chaining) Algoritması • İleri Zincirleme Algoritması elimizdeki gerçeklerden bir sonuca ulaşmak istediğimizde kullanışlıdır. • Sonucun ne olduğu tahmin edildiği ve bu tahminin test edilmesi gerektiği durumlarda verimsiz olan ileri zincirleme yöntemi yerine, hedef güdümlü bir yöntem olan geri zincirleme yöntemi kullanılmalıdır. • İleri Zincirleme Algoritmasının tersine sonuçları tetikleyen nedenler çıkarılır ve tetiklenecek kural kalmayana kadar bu döngü sürdürülür. 27

Geri Zincirleme (Backward Chaining) Algoritması Kural Tabanı Hedef(ler) bilgi tabanında doğrulanıyor mu ? Aktif Hafıza Hedef Tetiklenen kuralın herbir koşulunu Bir alt hedef olarak belirle Koşullar hafıza ile uyumlu mu? Evet Doğru Hayır (Döngüye yanlış döndür) Tetiklenebilecek kuralları belirle Yanlış Her bir kural için, koşulları alt hedef seç Kural Kümesi Kuralı Tetikle Tüm döngüler doğru mu ? Kural bulundu Tetiklenecek Kuralı Seç Çelişki Çözme Stratejisi Kural bulunamadı Bir veya daha fazla koşul doğrulanamadı. Sonraki Kurala geç Bitiş Evet alt hedefler doğru sonuç verdi, sonuç doğru Doğru 28

Geri Zincirleme Algoritması Örneği KURAL TABANI K 1. EĞER ( A’nın TSH’ı normal değil ) VE ( A’nın T 3’ü yüksek ) İSE EKLE ( A hipertiroit ) K 2. EĞER ( A’nın TSH’ı < 0, 2 ) VEYA ( A’nın TSH’ı > 6 ) İSE EKLE (A’nın TSH’ı normal değil) K 3. EĞER ( A’nın T 3’ı > 2, 8 ) İSE EKLE ( A’nın T 3’ü yüksek ) K 4. EĞER ( A hipertiroit ) İSE EKLE ( A hasta ) K 5. EĞER ( A hipertiroit ) İSE SİL ( A çok tuzlu yemek yer ) K 6. EĞER ( A hasta ) İSE SİL ( A mutlu ) GERÇEKLER (YA DA AKTİF HAFIZA) G 1 erdem’in TSH’ı 7 G 2 erdem’in T 3’ü 3 ISPATLANMAYA ÇALIŞILAN HEDEF H 1 erdem hasta Aktif hafızada bulunan gerçekler ile hedef gerçek uyumsuz olduğu için kural tabanında hedef gerçeğin sonuç olduğu kurallar araştırılacaktır. 2 3 1 K 1 tetiklenir K 2 ve K 3 tetiklenir K 4 hedef ile uyumlu ( erdem hipertiroit ) ( erdem’in TSH’ı > 6 ) ( erdem’in TSH’ı 7 ) ( erdem’in T 3’ü yüksek ) ( erdem’in T 3’ü > 2. 8 ) ( erdem’in T 3’ü 3 ) ( erdem’in TSH’ı normal değil ) Her iki durumda kural tarafından ( erdem hipertiroit ) ( erdem’in TSH’ı 7 ) doğrulandı o halde hedef doğru. ( erdem’in T 3’ü 3 ) 29

Karar Ağaçları İle Karar Destek Sistemleri • • • Karar Ağaçları, tam olarak belirlenebilen seçeneklerden en iyi olanının eldeki verilere dayanılarak seçilmesini sağlayan bir problem çözme yöntemidir Karar destek sistemi ile ilgili kurallar gerçek dünya verilerinden yararlanılarak oluşturulur. Bu modelde değişkenlerin hedef değerleri kullanılarak sonuçlara ulaşılan yollar haritalandırılmaktadır. Ağaç içerisindeki her bir düğüm bir değişkene, her düğümden bir sonraki düğüme giden dallar ile de bir önceki düğümün/değişkenin alabileceği bir değer ifade edilmektedir. Ağaç üzerinde kullanılan yol sonucu ulaşılan son düğüm/yaprak ise; kökten son düğüme kadar olan yol üzerindeki değişkenlere atanan değerler sonucu ulaşılan sonuç olacaktır. KÖK Kök Değer 1 KD 2 Karar Düğümü Yaprak Karar D. Değer 1 Yaprak Karar D. Değer 2 Yaprak 30

Karar Ağaçları 31

Bayesian Ağları İle Karar Destek Sistemleri • • Bayes teoremi üzerine kurulu ve olasılık tabanlı çıkarsama yapan bir yöntemdir. Bayes Teoremi: Bağımsız iki olayın birlikte gerçekleşme olasılığı: Bağımlılık durumunda iki olayın birlikte gerçekleşme olasılığı: H ve B’nin birlikte olma olasılığı B ve H’nin birlikte olma olasılığına eşit olduğu için aşağıdaki yazılabilir: (B durumu bilindiğinde H’nin olma olasılığı / Koşullu olasılık) P(B) olasılığı H olduğu ve olmadığı durumlardaki olasılıkların toplamına eşit olduğundan P(B) aşağıdaki gibi yazılabilir: Buna göre düzenlenmiş Bayes teoremi aşağıdaki gibi olur: http: //tr. wikipedia. org/wiki/Bayes_teoremi 32

Bayesian Ağları • Bayes teoremi az sayıda değişken üzerinde olasılıksal hesaplamalar yapmaktadır, oysa gerçek dünyada karar verilecek durumlarda değişken sayısı oldukça fazladır. Bu durumda hem değişkenler arasındaki neden-sonuç ilişkileri kurulmalı hem de her bir neden-sonuç için koşullu olasılıklar belirlenmelidir. Neden-sonuç ilişkisi kural tabanlı yöntemler ve karar ağaçlarında olduğu gibi uzman görüşü ile hazırlanır. Koşullu olasılıklar gerçek dünyadaki örnekler incelenerek belirlenir. • • • A B Örnek Bayes Ağı C D • • E Ağ ebeveyn (parent) ve çocuk (child) düğümlerden oluşur. Ebeveyn düğümler NEDEN’leri, çocuk düğümler SONUÇları ifade eder. 33

Bayesian Ağları Örnek • Çimenlerin ıslak olma durumu nedir? 34