SlideShare a Scribd company logo
BÖLÜM 6 :İŞ ZEKASININ TEMELLERİ: VERİTABANLARI
VE ENFORMASYON YÖNETİMİ
ABDULLAH CİHAN
AKSARAY ÜNİVERSİTESİ –
YÖNETİM BİLİŞİM SİSTEMLERİ
162228001
GELENEKSEL DOSYA ORTAMINDA VERİLERİN
ORGANİZASYONU
 Etkin bir bilgi sistemi kullanıcılarına, doğru zamanlı ve amaca uygun bilgiler
sağlar. Bazı işletmelerin doğru ve zamanlı bilgi sağlayamamalarının nedeni eski
bilgi sistemine sahip olmaları veya bilgi sistemlerindeki verilerin iyi şekilde
organize edilememesindendir.
 Veri yönetiminin niçin bu kadar önemli olduğunu anlamak için geleneksel veri
yapısına bakmak gerekir.
DOSYA DÜZENLEME KABULLERİ
Bir bilgisayar sistemi verileri bit, bayt, alan, kayıt, dosya ve veri tabanı hiyerarşisinde
saklar.
Bit: En küçük bilgi parçacıcığını tanımlar. 8 bit bir byte oluşturur.
Bayt: Harf, sayı veya sembol gibi bir karakteri temsil eder.
Kayıt: Tablo içinde bulunan her bir satıra kayıt adı verilir.
Dosya: Aynı türden kayıtların bir araya gelmesidir.
Alan: Tabloyu oluşturan her bir sütuna ALAN denir
Veri Tabanı: Bir grup ilişkili dosyaların bir araya gelmesiyle oluşur.
Geleneksel Dosya Ortamında Problemler
Veri Gereksizliği: Aynı veriler birden fazla yerde veya alanda
saklandığı için birçok veri dosyasında, tekrarlanan verilerin olması
durumudur.
Veri Tutarsızlığı: Aynı öğe parçacığının farklı değerlere sahip olması
durumudur. Bir kayda ait bir alanın bir diğer dosyada farklı değer
taşıması)
Program-veri bağımlılığı: Programdaki değişikliklerin program tarafından
erişilen veride değişiklik gerektirmesi.
Esneklik eksikliği
Zayıf güvenlik
Veri paylaşımı ve kullanılırlık eksikliği
VERİ YÖNETİMİNE VERİ TABANI YAKLAŞIMI
 Veri tabanı teknolojisi geleneksel veri organizasyonunda çıkan problemlerin çoğunu
çözer. Veri tabanının çok dikkatlice hazırlanmış bir tanımı şudur; gereksiz verileri
kontrol ederek ve veriyi merkezileştirerek birçok uygulamaya etkili bir şekilde
hizmet etmek için organize edilmiş düzenli veri topluluğudur.
Veri Tabanının Avantajları
1. Çok büyük verilerin saklanabilmesi,
2. Güvenli bir ortam sunar,
3. Veri tabanları, programcılığa açık bir yapı getirmektedir,
4. Verileri kolay ulaşım
Veri Tabanı Yönetim Sistemleri
 Uygulama programları ile fiziksel veri dosyaları arasında bir ara yüz gibi
hareket eder
 Verinin fiziksel ve mantıksal görünümlerini ayırt eder
 Geleneksel dosya ortamının problemlerini çözer
Gereksiz verileri kontrol altına alır
Tutarsızlığı ortadan kaldırır
Programlar ile veriyi ayırır
Örgüte, veri ve veri güvenliğini merkezi olarak yönetme imkanı sağlar
Popüler Veri tabanları
1. MS Access,
2. MS SQL
3. Oracle
4. MySql
5. PostgreSQL
6. Progress
7. Sybase
8. Berkeley DB
9. DB2
10. Informix
İlişkisel Veri Tabanı
Her bir tablo bir öğe ve onun öznitelikleri hakkında veri içerir
Her bir tablo, bir Birincil Anahtar olarak adlandırılan bir alana
sahiptir.
Yabancı anahtar: Kayıtları orijinal tablodan tanımlamak üzere
yoklama alanı olarak kullanılan ikinci tablodaki birincil alan
İlişkisel veri tabanında 3 temel operasyon vardır.
1-Seçim: Belirtilen kriteri taşıyan, tablodaki tüm kayıtların
bir kümesinin oluşturulmasıdır.
2-Birleştirme: Kullanıcının istediği bilgilerin ilişkisel
tablolardan alınarak birleştirilmesi işlemidir.
3-Proje: Seçilen ve birleştirilen verilerin hangi alanlarının
alınacağının belirlenerek bir yeni tabloda sunulması
işlemidir.
• Seçme, birleştirme ve proje faaliyetleri verinin iki farklı tablodan
toplanmasına ve sadece seçilmiş özniteliklerin gösterilmesine
olanak verir.
Hiyerarşik ve Ağ Veri Tabanı Yönetim Sistemi
 Hiyerarşik veri tabanı yönetim sistemi modelleri bire çok ilişkiye sahip modellerdir.
 Network (ağ) veri tabanı yönetim sistemleri ise çok a çok ilişkiye sahip modellerdir.
 Bire Çok İlişki Tipi: İki tablo arasındaki ilişkiyi sağlayacak olan ortak alanlardan birisi
birincil anahtar diğeri yabancı anahtar ise bire çok ilişki olur.
 Çok a Çok İlişki Tipi: Çoktan çoğa ilişikler karmaşıklığı nedeniyle veri tabanında bir
çok soruna neden oldur. A ve B tablolarının Birincil anahtarları C tablosunda aynı anda
yabancı anahtar olarak bulunuyorsa Çoka-Çok İlişki oluşur.
 Ağ ve hiyerarşik veri tabanı yönetim sistemi, İlişkisel veri tabanı yönetim sisteminden
daha az esnek ve sorgulamada doğal dil yapısını kullanmadığı gibi anlık sorgulamaları
da desteklememektedir.
 İlişkisel veri tabanı yönetim sistemi anlık sorgulamalarda, farklı kaynaklardan gelen
bilgileri birleştirmede, mevcut programları ve uygulamaları değiştirmeden yeni veriler
ve kayıtlar eklemeye izin vermede çok esnektir. Bununla birlikte bu sistemler bir anda
birçok bağlantı yapılması ve sorgulama komutu gönderilmesi durumunda yavaş
çalışırlar.
Nesneye Yönelik Veri Tabanı Yönetim Sistemi
 Bugün çoğu uygulamalar sadece metin ve sayısal karakterlerin saklanmasını
gerektirmemekte aynı zamanda resim, ses, video, grafik gibi nesneleri de
gerektirmektedir. Veri tabanı yönetim sistemi, satır ve sütun yapısında
tasarlandığından grafik tabanlı multimedya uygulamalarının işlenmesi için çok iyi
değildir. Nesneye yönelik veri tabanı yönetim sistemi bu durum için iyi bir çözüm
olabilir.
 Nesneye yönelik veri tabanı yönetim sistemi giderek popüler olmaya başlamıştır Çünkü
web uygulamaları, Java nesnelerini kullanabilmektedir.
 Nesneye yönelik veri tabanı yönetim sistemi ilişkisel veri tabanından daha karmaşık
bilgiler saklayabilmesine rağmen çok sayıda işlemi veya kaydı işlemeleri ilişkisel veri
tabanı yönetim sistemlerine göre daha yavaştır.
 Hybrid nesne tabanlı veri tabanı yönetim sistemleri hem ilişkisel hem de Nesneye
yönelik veri tabanı yönetim sistemlerinin yeteneklerini ve imkanlarını
sağlayabilmektedir.
Veri tabanı Yönetim Sistemlerinin Yetenekleri
Veri tanımlama yeteneği: Veri tabanı tabloları oluşturur ve her tablodaki alanların
özelliklerini tanımlamak için kullanılır
Veri sözlüğü: Veri unsurlarının tanımlarını veya onların özelliklerini depolayan otomatik
veya kullanıcı tarafından girilen bir dosya.
Veri işleme dili: Veriyi eklemek, değiştirmek, silmek, veriyi veri tabanınından geri almak
için kullanılır
Bugün en önemli veri işleme dili Yapısal Sorgulama Dili olan SQL’dir.
Örnek bir SQL sorgusu :
select * from Ogr_adi where Adi='ali' or soyadi='orhan';
Veri Tabanlarının Tasarımı
 Veri tabanı hem kavramsal tasarım hem de fiziksel tasarım aşamalarını
gerektirir.
 Kavramsal veya mantıksal tasarım: İşletme bakış açısından verilere bir
soyut bakış açısını gösterir.
 Veri tabanını fiziksel tasarımı ise saklama aygıtlarında verinin gerçekten
nasıl saklanacağının tasarlanmasıdır
Normalizasyon ve Öğe İlişkiler Diyagramları
 Karmaşık veri gruplarından uyarlanabilir, esnek, düzenli veri yapıları ve
küçük tablolar oluşturma işine Normalizasyon denir.
Bir işletme veri tabanı modelini doğru oluşturamazsa, sistem işletmeye iyi
hizmet
etmeyecektir. Güncel olmayan tutarsız verilerle çalışmak işletmeye zarar
verecektir.
Dağıtılmış Veri Tabanları
 Dağıtılmış Veri Tabanı fiziksel olarak birden fazla yerde saklanan veri
tabanıdır. Dağıtılmış veri tabanlarında iki temel metot vardır. Bölümlere
ayrılmış veri tabanı: Bu modelde veri tabanının bir parçası fiziksel olarak
bir yerde diğer parçası ise bir diğer yerde saklanır ve kullanılır. Yerel veri
tabanlarındaki değişiklikler genellikle gece toplu işleme ile merkezi veri
tabanına eklenerek bütünlük sağlanır.
Çoğaltılmış Veri tabanı: Merkezi veri tabanı başka bir noktada ikinci kez
çoğaltılır.
İŞLETME PERFORMANSINI VE KARAR VERMEYİ
GELİŞTİRMEK İÇİN VERİ TABANI KULLANMAK
 İşletmeler, tedarikçilere ödemeler, siparişlerin alınması, müşterilerin
izlenmesi, çalışanlara yapılan ödemelere gibi temel işlemlerini izlemek
için kendi veri tabanlarını kullanırlar.
 Veri tabanları ayrıca yöneticilerin ve çalışanların daha iyi karar
verebilmeleri ve işletmenin daha etkili olabilmesi için de bilgi sağlar. Bir
işletme hangi ürünün daha çok popüler veya hangi müşterinin daha karlı
olduğunu bilmek isterse bu bilgileri veri tabanından bulabilir.
Veri Ambarları Nedir?
 Bir Veri Ambarı işletmenin tümünü ilgilendiren çapta, karar vericilerin
ilgi alanlarına yönelik güncel ve geçmiş verileri saklayan büyük veri
tabanlarıdır. Veriler satış ve pazarlama, müşteri hesapları, üretim gibi
temel işlemsel sistemlerden çıkmaktadır ve web sitesi işlemlerini de
içerebilir. Veri Ambarları, yönetimin analiz yapabilmesi ve karar
verebilmesi için bilgiyi farklı veri kaynaklarından sağlayarak birleştirir ve
standartlaştırır.
Bir veri ambarı, veriyi ihtiyaç duyan herkesin erişebilmesi için hazırlar, fakat veriler
değiştirilemez. Bir veri ambarı sistemi, anlık standartlaştırılmış sorgulama araçları,
analitik araçlar ve grafik raporlama için geliştirilmiş araçlar sağlar. Birçok işletme,
işletmenin tümünde verilerin erişilebilir olması için intranet portalları kullanır.
 Veri Martları(Veri Pazarları)
 Veri ambarının altkümesidir
 Özel bir kullanıcı kitlesi tarafından kullanılan özetlenmiş ve oldukça odaklanmış işletme
verisidir.
 Örneğin, bir işletme müşteri bilgileri ile ilgili olarak bir satış ve pazarlama veri pazarı
geliştirebilir. Bir veri pazarı tipik olarak belirli tek bir konuya veya bir iş alanına
yöneliktir. Bu yüzden genellikle çok hızlı oluşturulabilirler ve veri ambarlarından daha
ucuza mal olurlar.
İşletme Zekası, Çok Boyutlu Veri Analizleri ve
Veri Madenciliği
İş Zekası: Kullanıcıların daha iyi kararlar vermesine yardımcı olmak için
büyük miktardaki veriyi birleştiren, analiz eden ve erişime açan araçlardır.
 Temel araçlar:
Veri tabanı sorgulama ve raporlama yazılımı
Online analitik işleme (Online analytical processing, OLAP)
Veri madenciliği
İşletme Zekası Nasıl Elde Edilir ?
Online Analitik İşleme (OLAP)
 İşletmeler genellikle farklı ürünleri farklı pazarlarda satarlar. Hangi
ürünün geçmişte hangi pazarlarda ne kadar satıldığını öğrenmek için veri
tabanı kullanılır. Ancak hangi ürünün hangi bölgede ne kadar satıldığının,
satış hedefleri ile karşılaştırılması bilinmek istenirse?
 Bunun cevabını almak için Online Analitik İşleme (OLAP)’ye ihtiyaç
vardır.
 Online Analitik İşleme; farklı boyutlar kullanarak, aynı verilerin farklı
şekillerde kullanıcılara gösterilmesi sağlayan çok boyutlu veri analizlerini
destekler. Bilginin fiyat, bölge gibi her bir yönü farklı bir boyutu gösterir.
Şekil, ürün-bölge karşıtlığıdır.
Küpü 90 derece döndürürseniz
yüz, ürün karşısında güncel ve
tahmini satışları gösterecektir.
Eğer küpü tekrar 90 derece
döndürürseniz bölge karşısında
güncel ve tahmini satışları
göreceksiniz. Başka görüntüler
de elde etmek mümkündür.
Veri Madenciliği
 Veri Madenciliği daha çok keşif amaçlıdır.
 Veri madenciliği; büyük veri tabanlarında gizli örüntüler ve ilişkiler bulmakla ve
gelecekteki davranışları tahmin etmek için kurallar çıkarmakla OLAP ile elde
edilemeyen bilgileri sağlar.
 Bu kurallar ve örüntüler karar alma ve tahminde bulunmak için kullanılır.
 Veri madenciliğinden elde edilen bilgilerin türleri;
 Birleşme: Örneğin; bir süpermarket alış veriş örüntüsü çalışması, mısır cipsi alanların
yanında kolalı bir içecek de alması oranı %65, fakat promosyon varsa kolalı içecek
alınma oranı %85 olmasını ortaya koyabilir. Bu bilgi promosyonun karlılığı nasıl
arttırdığı konusunda yöneticilere bir fikir verebilir.
 Ardışıklık: Bir ürünü alanın bir süre sonra başka bir ürünü alması durumu.
Örneğin; bir ev satın alınırsa, iki hafta içinde %65 olasılıkla, bir ay içinde ise
%45 olasılıkla yeni bir buzdolabı alınacaktır.
 Sınıflandırma: mevcut verilerin incelenmesiyle belirli bir kurallar kümesi veya
sınıflandırma çıkarımı oluşturulmasını sağlar. Örneğin; kredi kart ve telefon
şirketleri gibi şirketler sürekli müşteri kaybetmekten endişelidirler. Bu
sınıflandırma, ayrılan müşterilerin profillerini bulmaya ve bu müşterileri tahmin
etmeye ve böyle müşterileri şirkette tutabilmek için özel promosyon planlamasına
yardım edebilir
 Kümeleme: davranış olarak birbirine benzeyen ancak ayrı özelliklere sahip
grupları ortaya çıkarmak için kullanılır.
 Tahmin: gelecekte olabilecekleri tahmin etmek için var olan değerler setini
kullanır. Geçmiş satış verilerinden gelecekteki satış tahminlerine ulaşmak
gibi.
VERİ KAYNAKLARINI YÖNETMEK
 Bir veri tabanı kurmak sadece bir başlangıçtır. İşletme, verilerinin güncel,
sürekli hazır, güvenilir ve bilgiye ihtiyaç duyanlar için her an hazır
olduğundan emin olmak için veri yönetiminde bazı özel politika ve
prosedürlerinin olması gerekir.
Bir Bilgi Politikası Oluşturmak
 Bilgi Politikası, işletmenin bilgi toplaması, sınıflandırılması,
standartlaştırılması, dağıtılması ve paylaşılması için kuralları belirler. Bir
bilgi politikası, bilgiyi kimlerin ve hangi organizasyonel birimlerin
paylaşacağını, bilginin nerelere dağıtılacağını, bilginin güncellenmesinden
ve sürdürülebilmesinden kimin sorumlu olduğunu belirleyen, belirli
prosedürleri düzenler.
 Küçük bir işletme de işletmenin sahibi veya yönetici tarafından bilgi politikası
oluşturulabilir.
 Büyük işletmelerde ise kurumsal bir kaynak olan bilginin planlanması ve yönetilmesi
için genellikle yapısal bir yönetim fonksiyonu gerekir.
 Doğru olmayan, eksik ve tutarsız veri, işletmeler için büyük işlemsel kayıplar ve finansal
zararlar doğurur. Bu tür bilgiler yanlış fiyatlandırma, müşteri hesaplarının karıştırılması,
işletmenin alması gereken kararlarda tutarsızlık ve yanlışlıklara neden olabilir. Bu
nedenle işletmeler, yüksek düzeyde veri kalitesi sağlamak için bazı özel adımlar
atmalıdır. Bu adımlar; kurumsal genişlikte veri standartları kullanmayı, veri temizleme
araçları kullanılarak ve veri kalitesi izlemesi yaparak veri tabanını tutarsız bilgi ve yanlış
bilgilerden ayıklamayı içerir.
İŞ ZEKASININ TEMELLERİ: VERİTABANLARI VE ENFORMASYON YÖNETİMİ

More Related Content

What's hot

Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
Eleni Kots
 
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
QlikPresalesJapan
 
Store front 1.2 構築&操作ガイド [basic]
Store front 1.2 構築&操作ガイド [basic]Store front 1.2 構築&操作ガイド [basic]
Store front 1.2 構築&操作ガイド [basic]
Citrix Systems Japan
 
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
teotsav
 
Η ΕΙΡΗΝΗ
Η ΕΙΡΗΝΗΗ ΕΙΡΗΝΗ
Μεσόγειος θάλασσα
Μεσόγειος θάλασσαΜεσόγειος θάλασσα
Μεσόγειος θάλασσα
5ο Γυμνάσιο Ξάνθης
 
κακόβουλο λογισμικό
κακόβουλο λογισμικόκακόβουλο λογισμικό
κακόβουλο λογισμικόvictoriakp
 
bicep 紹介
bicep 紹介bicep 紹介
bicep 紹介
Takekazu Omi
 
Afriki
AfrikiAfriki
MySQLからPostgreSQLへのマイグレーションのハマリ所
MySQLからPostgreSQLへのマイグレーションのハマリ所MySQLからPostgreSQLへのマイグレーションのハマリ所
MySQLからPostgreSQLへのマイグレーションのハマリ所
Makoto Kaga
 
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL PoolベストプラクティスAzure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Microsoft
 
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
Κατερίνα Προκοπίου
 
τα κόκκινα λουστρίνια
τα κόκκινα λουστρίνιατα κόκκινα λουστρίνια
τα κόκκινα λουστρίνια
5oGymnasioAlexpolis
 
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
Alan Tsai
 
Microsoft Azure Overview Class 1
Microsoft Azure Overview Class 1Microsoft Azure Overview Class 1
Microsoft Azure Overview Class 1
MH Muhammad Ali
 
第5回oss運用管理勉強会 zabbix徹底活用術の紹介
第5回oss運用管理勉強会 zabbix徹底活用術の紹介第5回oss運用管理勉強会 zabbix徹底活用術の紹介
第5回oss運用管理勉強会 zabbix徹底活用術の紹介
Daisuke Ikeda
 
Οδύσσεια, α 26 108
Οδύσσεια, α 26   108Οδύσσεια, α 26   108
Οδύσσεια, α 26 108
gina zaza
 
ερημοι
ερημοιερημοι
ερημοι
gdo
 
γλωσσα α ταξη ενοτητα 5
γλωσσα α ταξη  ενοτητα 5γλωσσα α ταξη  ενοτητα 5
γλωσσα α ταξη ενοτητα 5
Ria Papamanoli
 

What's hot (20)

Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
Για όσους "νέους" μαθητές το θέλουν, το υλικό που δουλεύτηκε μέχρι 13 Οκτωβρίου.
 
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
Qlik Application Automation ~ テンプレートで素早く自動化フローを作成
 
Το αμπέλι
Το αμπέλιΤο αμπέλι
Το αμπέλι
 
Store front 1.2 構築&操作ガイド [basic]
Store front 1.2 構築&操作ガイド [basic]Store front 1.2 構築&操作ガイド [basic]
Store front 1.2 構築&操作ガイド [basic]
 
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
ΘΕΟΦΙΛΟΣ ΧΑΤΖΗΜΙΧΑΗΛ - ΤΑ ΕΡΓΑ ΤΟΥ
 
Η ΕΙΡΗΝΗ
Η ΕΙΡΗΝΗΗ ΕΙΡΗΝΗ
Η ΕΙΡΗΝΗ
 
Μεσόγειος θάλασσα
Μεσόγειος θάλασσαΜεσόγειος θάλασσα
Μεσόγειος θάλασσα
 
κακόβουλο λογισμικό
κακόβουλο λογισμικόκακόβουλο λογισμικό
κακόβουλο λογισμικό
 
bicep 紹介
bicep 紹介bicep 紹介
bicep 紹介
 
Afriki
AfrikiAfriki
Afriki
 
MySQLからPostgreSQLへのマイグレーションのハマリ所
MySQLからPostgreSQLへのマイグレーションのハマリ所MySQLからPostgreSQLへのマイグレーションのハマリ所
MySQLからPostgreSQLへのマイグレーションのハマリ所
 
Azure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL PoolベストプラクティスAzure Synapse Analytics 専用SQL Poolベストプラクティス
Azure Synapse Analytics 専用SQL Poolベストプラクティス
 
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΗ ΓΛΩΣΣΑ Α΄ ΓΥΜΝΑΣΙΟΥ ΕΝΟΤΗΤΑ 11: Η αγάπη του Αλεξάνδρου για το...
 
τα κόκκινα λουστρίνια
τα κόκκινα λουστρίνιατα κόκκινα λουστρίνια
τα κόκκινα λουστρίνια
 
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
20200425 GlobalAzure-Azure API Management-協助邁向Open API及Micro Service架構的好用服務
 
Microsoft Azure Overview Class 1
Microsoft Azure Overview Class 1Microsoft Azure Overview Class 1
Microsoft Azure Overview Class 1
 
第5回oss運用管理勉強会 zabbix徹底活用術の紹介
第5回oss運用管理勉強会 zabbix徹底活用術の紹介第5回oss運用管理勉強会 zabbix徹底活用術の紹介
第5回oss運用管理勉強会 zabbix徹底活用術の紹介
 
Οδύσσεια, α 26 108
Οδύσσεια, α 26   108Οδύσσεια, α 26   108
Οδύσσεια, α 26 108
 
ερημοι
ερημοιερημοι
ερημοι
 
γλωσσα α ταξη ενοτητα 5
γλωσσα α ταξη  ενοτητα 5γλωσσα α ταξη  ενοτητα 5
γλωσσα α ταξη ενοτητα 5
 

Viewers also liked

OPC TWS – MODULO 06
OPC TWS – MODULO 06OPC TWS – MODULO 06
OPC TWS – MODULO 06
Professor Samuel Ribeiro
 
Guia del Premio
Guia del PremioGuia del Premio
Guia del Premio
InstitutoCalidad
 
éTica para amador
éTica para amadoréTica para amador
éTica para amador
joseleonardoosorio
 
Innovando en clase
Innovando en claseInnovando en clase
Innovando en clase
Franco Mana
 
Mobil pazarlama i̇letişimi
Mobil pazarlama i̇letişimiMobil pazarlama i̇letişimi
Mobil pazarlama i̇letişimiilker Şin
 
Contribución de la planeación al proceso de formación de investigadores en in...
Contribución de la planeación al proceso de formación de investigadores en in...Contribución de la planeación al proceso de formación de investigadores en in...
Contribución de la planeación al proceso de formación de investigadores en in...
Academia de Ingeniería de México
 
Hábeas corpus
Hábeas corpusHábeas corpus
Hábeas corpus
iei192lucy
 
2016 06 21_dafiti (1)
2016 06 21_dafiti (1)2016 06 21_dafiti (1)
2016 06 21_dafiti (1)
Camilo Gonzalez
 
Ley Federal de Transparencia
Ley Federal de TransparenciaLey Federal de Transparencia
Ley Federal de Transparencia
jaherrera56
 
Matemática básica
Matemática básicaMatemática básica
Matemática básica
Claudia Sá de Moura
 
Guia buenas prácticas uso racional de energia en el sector de la pyme
Guia buenas prácticas uso racional de energia en el sector de la pymeGuia buenas prácticas uso racional de energia en el sector de la pyme
Guia buenas prácticas uso racional de energia en el sector de la pyme
Enrique Posada
 
Estudio economico De Un Proyecto
Estudio economico De Un ProyectoEstudio economico De Un Proyecto
Estudio economico De Un Proyecto
Grupo 4 Señales y Sistema
 
Vr voor kerkbezoek onderzoeksrapport versie-2
Vr voor kerkbezoek   onderzoeksrapport versie-2Vr voor kerkbezoek   onderzoeksrapport versie-2
Vr voor kerkbezoek onderzoeksrapport versie-2
rloggen
 
Dinámica de la Población (PSU 2014)
Dinámica de la Población (PSU 2014)Dinámica de la Población (PSU 2014)
Dinámica de la Población (PSU 2014)
saladehistoria.net
 
Libro el pequeño vampiro
Libro   el pequeño vampiroLibro   el pequeño vampiro
Libro el pequeño vampiro
Giselle Fernandez
 
Manual bpm para la elaboracion de embutidos
Manual bpm para la elaboracion de embutidosManual bpm para la elaboracion de embutidos
Manual bpm para la elaboracion de embutidos
Claudio
 
Progama de formación tecnico en sistemas 865244
Progama de formación tecnico en sistemas 865244Progama de formación tecnico en sistemas 865244
Progama de formación tecnico en sistemas 865244
David Rojas
 
Proyecto Formativo
Proyecto FormativoProyecto Formativo
Proyecto Formativo
Sebastian Marin
 
PROYECTO PRIMERA INFANCIA
PROYECTO PRIMERA INFANCIAPROYECTO PRIMERA INFANCIA
PROYECTO PRIMERA INFANCIA
Elizabeth Meneses Torres
 
Magazine Het Ondernemersbelang de Baronie 0212
Magazine Het Ondernemersbelang de Baronie 0212Magazine Het Ondernemersbelang de Baronie 0212
Magazine Het Ondernemersbelang de Baronie 0212
HetOndernemersBelang
 

Viewers also liked (20)

OPC TWS – MODULO 06
OPC TWS – MODULO 06OPC TWS – MODULO 06
OPC TWS – MODULO 06
 
Guia del Premio
Guia del PremioGuia del Premio
Guia del Premio
 
éTica para amador
éTica para amadoréTica para amador
éTica para amador
 
Innovando en clase
Innovando en claseInnovando en clase
Innovando en clase
 
Mobil pazarlama i̇letişimi
Mobil pazarlama i̇letişimiMobil pazarlama i̇letişimi
Mobil pazarlama i̇letişimi
 
Contribución de la planeación al proceso de formación de investigadores en in...
Contribución de la planeación al proceso de formación de investigadores en in...Contribución de la planeación al proceso de formación de investigadores en in...
Contribución de la planeación al proceso de formación de investigadores en in...
 
Hábeas corpus
Hábeas corpusHábeas corpus
Hábeas corpus
 
2016 06 21_dafiti (1)
2016 06 21_dafiti (1)2016 06 21_dafiti (1)
2016 06 21_dafiti (1)
 
Ley Federal de Transparencia
Ley Federal de TransparenciaLey Federal de Transparencia
Ley Federal de Transparencia
 
Matemática básica
Matemática básicaMatemática básica
Matemática básica
 
Guia buenas prácticas uso racional de energia en el sector de la pyme
Guia buenas prácticas uso racional de energia en el sector de la pymeGuia buenas prácticas uso racional de energia en el sector de la pyme
Guia buenas prácticas uso racional de energia en el sector de la pyme
 
Estudio economico De Un Proyecto
Estudio economico De Un ProyectoEstudio economico De Un Proyecto
Estudio economico De Un Proyecto
 
Vr voor kerkbezoek onderzoeksrapport versie-2
Vr voor kerkbezoek   onderzoeksrapport versie-2Vr voor kerkbezoek   onderzoeksrapport versie-2
Vr voor kerkbezoek onderzoeksrapport versie-2
 
Dinámica de la Población (PSU 2014)
Dinámica de la Población (PSU 2014)Dinámica de la Población (PSU 2014)
Dinámica de la Población (PSU 2014)
 
Libro el pequeño vampiro
Libro   el pequeño vampiroLibro   el pequeño vampiro
Libro el pequeño vampiro
 
Manual bpm para la elaboracion de embutidos
Manual bpm para la elaboracion de embutidosManual bpm para la elaboracion de embutidos
Manual bpm para la elaboracion de embutidos
 
Progama de formación tecnico en sistemas 865244
Progama de formación tecnico en sistemas 865244Progama de formación tecnico en sistemas 865244
Progama de formación tecnico en sistemas 865244
 
Proyecto Formativo
Proyecto FormativoProyecto Formativo
Proyecto Formativo
 
PROYECTO PRIMERA INFANCIA
PROYECTO PRIMERA INFANCIAPROYECTO PRIMERA INFANCIA
PROYECTO PRIMERA INFANCIA
 
Magazine Het Ondernemersbelang de Baronie 0212
Magazine Het Ondernemersbelang de Baronie 0212Magazine Het Ondernemersbelang de Baronie 0212
Magazine Het Ondernemersbelang de Baronie 0212
 

Similar to İŞ ZEKASININ TEMELLERİ: VERİTABANLARI VE ENFORMASYON YÖNETİMİ

BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptxBÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
zealcoco2
 
Kod günleri veritabnı
Kod günleri veritabnıKod günleri veritabnı
Kod günleri veritabnıMustafa Tepe
 
Loglari nerede saklayalım?
Loglari nerede saklayalım?Loglari nerede saklayalım?
Loglari nerede saklayalım?
Ertugrul Akbas
 
İleri Seviye T-SQL Programlama - Chapter 01
İleri Seviye T-SQL Programlama - Chapter 01İleri Seviye T-SQL Programlama - Chapter 01
İleri Seviye T-SQL Programlama - Chapter 01
Cihan Özhan
 
İlişkisel Veritabanı Sistemleri ve NoSQL
İlişkisel Veritabanı Sistemleri ve NoSQLİlişkisel Veritabanı Sistemleri ve NoSQL
İlişkisel Veritabanı Sistemleri ve NoSQL
Murat Azimli
 
Veritabani.Modul1.Planlama.Ver.1.0
Veritabani.Modul1.Planlama.Ver.1.0Veritabani.Modul1.Planlama.Ver.1.0
Veritabani.Modul1.Planlama.Ver.1.0
deniz armutlu
 
İleri Seviye T-SQL Programlama - Chapter 08
İleri Seviye T-SQL Programlama - Chapter 08İleri Seviye T-SQL Programlama - Chapter 08
İleri Seviye T-SQL Programlama - Chapter 08
Cihan Özhan
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
Mudur Alkan
 
Oracle Mimarisi "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"
Oracle Mimarisi  "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"Oracle Mimarisi  "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"
Oracle Mimarisi "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"Anar Godjaev
 
Kurumsal Yazılım Geliştirme ve Visual Studio 2008
Kurumsal Yazılım Geliştirme ve Visual Studio 2008Kurumsal Yazılım Geliştirme ve Visual Studio 2008
Kurumsal Yazılım Geliştirme ve Visual Studio 2008mtcakmak
 
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
SECUBE Arge Bilişim Mühendislik
 
Dokuman Yonetim Sistemi CubeBox-SAYS
Dokuman Yonetim Sistemi CubeBox-SAYSDokuman Yonetim Sistemi CubeBox-SAYS
Dokuman Yonetim Sistemi CubeBox-SAYS
SECUBE Arge Bilişim Mühendislik
 
İleri Seviye T-SQL Programlama - Chapter 19
İleri Seviye T-SQL Programlama - Chapter 19İleri Seviye T-SQL Programlama - Chapter 19
İleri Seviye T-SQL Programlama - Chapter 19
Cihan Özhan
 
Windows Azure ile Cloud Computing Uygulamaları - 7
Windows Azure ile Cloud Computing Uygulamaları - 7Windows Azure ile Cloud Computing Uygulamaları - 7
Windows Azure ile Cloud Computing Uygulamaları - 7İbrahim ATAY
 
Yonetim bilişim sistemleri
Yonetim bilişim sistemleri Yonetim bilişim sistemleri
yazılımmuh10.pptx
yazılımmuh10.pptxyazılımmuh10.pptx
yazılımmuh10.pptx
UmurErenzdemir
 
Excel Power Pivot
Excel Power Pivot Excel Power Pivot
Excel Power Pivot
Kubilay Tastutar
 
MS Access 2013
MS Access 2013MS Access 2013
MS Access 2013
Sakarya Üniversitesi
 

Similar to İŞ ZEKASININ TEMELLERİ: VERİTABANLARI VE ENFORMASYON YÖNETİMİ (20)

BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptxBÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
BÖLÜM-1-Veri-Tabanı-Yönetim-Sistemleri.pptx
 
Kod günleri veritabnı
Kod günleri veritabnıKod günleri veritabnı
Kod günleri veritabnı
 
Kod günleri veritabnı
Kod günleri veritabnıKod günleri veritabnı
Kod günleri veritabnı
 
Loglari nerede saklayalım?
Loglari nerede saklayalım?Loglari nerede saklayalım?
Loglari nerede saklayalım?
 
Veritabanı
VeritabanıVeritabanı
Veritabanı
 
İleri Seviye T-SQL Programlama - Chapter 01
İleri Seviye T-SQL Programlama - Chapter 01İleri Seviye T-SQL Programlama - Chapter 01
İleri Seviye T-SQL Programlama - Chapter 01
 
İlişkisel Veritabanı Sistemleri ve NoSQL
İlişkisel Veritabanı Sistemleri ve NoSQLİlişkisel Veritabanı Sistemleri ve NoSQL
İlişkisel Veritabanı Sistemleri ve NoSQL
 
Veritabani.Modul1.Planlama.Ver.1.0
Veritabani.Modul1.Planlama.Ver.1.0Veritabani.Modul1.Planlama.Ver.1.0
Veritabani.Modul1.Planlama.Ver.1.0
 
İleri Seviye T-SQL Programlama - Chapter 08
İleri Seviye T-SQL Programlama - Chapter 08İleri Seviye T-SQL Programlama - Chapter 08
İleri Seviye T-SQL Programlama - Chapter 08
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
 
Oracle Mimarisi "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"
Oracle Mimarisi  "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"Oracle Mimarisi  "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"
Oracle Mimarisi "Orneklerle Oracle 11g R2 ve Genel kavramlar isimli KItabdan"
 
Kurumsal Yazılım Geliştirme ve Visual Studio 2008
Kurumsal Yazılım Geliştirme ve Visual Studio 2008Kurumsal Yazılım Geliştirme ve Visual Studio 2008
Kurumsal Yazılım Geliştirme ve Visual Studio 2008
 
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
Dokuman Yonetimi Sistemi CubeBox-SAYS (Sayisal Arsiv Yonetimi)
 
Dokuman Yonetim Sistemi CubeBox-SAYS
Dokuman Yonetim Sistemi CubeBox-SAYSDokuman Yonetim Sistemi CubeBox-SAYS
Dokuman Yonetim Sistemi CubeBox-SAYS
 
İleri Seviye T-SQL Programlama - Chapter 19
İleri Seviye T-SQL Programlama - Chapter 19İleri Seviye T-SQL Programlama - Chapter 19
İleri Seviye T-SQL Programlama - Chapter 19
 
Windows Azure ile Cloud Computing Uygulamaları - 7
Windows Azure ile Cloud Computing Uygulamaları - 7Windows Azure ile Cloud Computing Uygulamaları - 7
Windows Azure ile Cloud Computing Uygulamaları - 7
 
Yonetim bilişim sistemleri
Yonetim bilişim sistemleri Yonetim bilişim sistemleri
Yonetim bilişim sistemleri
 
yazılımmuh10.pptx
yazılımmuh10.pptxyazılımmuh10.pptx
yazılımmuh10.pptx
 
Excel Power Pivot
Excel Power Pivot Excel Power Pivot
Excel Power Pivot
 
MS Access 2013
MS Access 2013MS Access 2013
MS Access 2013
 

More from Abdullah Cihan

Yüksek Lisans Tez Sunumu
Yüksek Lisans Tez SunumuYüksek Lisans Tez Sunumu
Yüksek Lisans Tez Sunumu
Abdullah Cihan
 
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
Abdullah Cihan
 
Yenilik Deyince Ne Anlıyoruz
Yenilik Deyince Ne AnlıyoruzYenilik Deyince Ne Anlıyoruz
Yenilik Deyince Ne Anlıyoruz
Abdullah Cihan
 
Pazarlama İletişiminde Sihirli Dokunuşlar
Pazarlama İletişiminde Sihirli DokunuşlarPazarlama İletişiminde Sihirli Dokunuşlar
Pazarlama İletişiminde Sihirli Dokunuşlar
Abdullah Cihan
 
Kurumsal Kaynak Planlama - Muhasebe Modülü
Kurumsal Kaynak Planlama - Muhasebe ModülüKurumsal Kaynak Planlama - Muhasebe Modülü
Kurumsal Kaynak Planlama - Muhasebe Modülü
Abdullah Cihan
 
Makro iktisat - özet
Makro iktisat - özetMakro iktisat - özet
Makro iktisat - özet
Abdullah Cihan
 

More from Abdullah Cihan (6)

Yüksek Lisans Tez Sunumu
Yüksek Lisans Tez SunumuYüksek Lisans Tez Sunumu
Yüksek Lisans Tez Sunumu
 
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
Sanal Kaytarma ve Algılanan Mesleki Etik Arasındaki İlişkiye Yönelik Bir Araş...
 
Yenilik Deyince Ne Anlıyoruz
Yenilik Deyince Ne AnlıyoruzYenilik Deyince Ne Anlıyoruz
Yenilik Deyince Ne Anlıyoruz
 
Pazarlama İletişiminde Sihirli Dokunuşlar
Pazarlama İletişiminde Sihirli DokunuşlarPazarlama İletişiminde Sihirli Dokunuşlar
Pazarlama İletişiminde Sihirli Dokunuşlar
 
Kurumsal Kaynak Planlama - Muhasebe Modülü
Kurumsal Kaynak Planlama - Muhasebe ModülüKurumsal Kaynak Planlama - Muhasebe Modülü
Kurumsal Kaynak Planlama - Muhasebe Modülü
 
Makro iktisat - özet
Makro iktisat - özetMakro iktisat - özet
Makro iktisat - özet
 

İŞ ZEKASININ TEMELLERİ: VERİTABANLARI VE ENFORMASYON YÖNETİMİ

  • 1. BÖLÜM 6 :İŞ ZEKASININ TEMELLERİ: VERİTABANLARI VE ENFORMASYON YÖNETİMİ ABDULLAH CİHAN AKSARAY ÜNİVERSİTESİ – YÖNETİM BİLİŞİM SİSTEMLERİ 162228001
  • 2. GELENEKSEL DOSYA ORTAMINDA VERİLERİN ORGANİZASYONU  Etkin bir bilgi sistemi kullanıcılarına, doğru zamanlı ve amaca uygun bilgiler sağlar. Bazı işletmelerin doğru ve zamanlı bilgi sağlayamamalarının nedeni eski bilgi sistemine sahip olmaları veya bilgi sistemlerindeki verilerin iyi şekilde organize edilememesindendir.  Veri yönetiminin niçin bu kadar önemli olduğunu anlamak için geleneksel veri yapısına bakmak gerekir.
  • 3. DOSYA DÜZENLEME KABULLERİ Bir bilgisayar sistemi verileri bit, bayt, alan, kayıt, dosya ve veri tabanı hiyerarşisinde saklar. Bit: En küçük bilgi parçacıcığını tanımlar. 8 bit bir byte oluşturur. Bayt: Harf, sayı veya sembol gibi bir karakteri temsil eder. Kayıt: Tablo içinde bulunan her bir satıra kayıt adı verilir. Dosya: Aynı türden kayıtların bir araya gelmesidir.
  • 4. Alan: Tabloyu oluşturan her bir sütuna ALAN denir
  • 5. Veri Tabanı: Bir grup ilişkili dosyaların bir araya gelmesiyle oluşur.
  • 6. Geleneksel Dosya Ortamında Problemler Veri Gereksizliği: Aynı veriler birden fazla yerde veya alanda saklandığı için birçok veri dosyasında, tekrarlanan verilerin olması durumudur. Veri Tutarsızlığı: Aynı öğe parçacığının farklı değerlere sahip olması durumudur. Bir kayda ait bir alanın bir diğer dosyada farklı değer taşıması) Program-veri bağımlılığı: Programdaki değişikliklerin program tarafından erişilen veride değişiklik gerektirmesi. Esneklik eksikliği Zayıf güvenlik Veri paylaşımı ve kullanılırlık eksikliği
  • 7. VERİ YÖNETİMİNE VERİ TABANI YAKLAŞIMI  Veri tabanı teknolojisi geleneksel veri organizasyonunda çıkan problemlerin çoğunu çözer. Veri tabanının çok dikkatlice hazırlanmış bir tanımı şudur; gereksiz verileri kontrol ederek ve veriyi merkezileştirerek birçok uygulamaya etkili bir şekilde hizmet etmek için organize edilmiş düzenli veri topluluğudur.
  • 8. Veri Tabanının Avantajları 1. Çok büyük verilerin saklanabilmesi, 2. Güvenli bir ortam sunar, 3. Veri tabanları, programcılığa açık bir yapı getirmektedir, 4. Verileri kolay ulaşım
  • 9. Veri Tabanı Yönetim Sistemleri  Uygulama programları ile fiziksel veri dosyaları arasında bir ara yüz gibi hareket eder  Verinin fiziksel ve mantıksal görünümlerini ayırt eder  Geleneksel dosya ortamının problemlerini çözer Gereksiz verileri kontrol altına alır Tutarsızlığı ortadan kaldırır Programlar ile veriyi ayırır Örgüte, veri ve veri güvenliğini merkezi olarak yönetme imkanı sağlar
  • 10. Popüler Veri tabanları 1. MS Access, 2. MS SQL 3. Oracle 4. MySql 5. PostgreSQL 6. Progress 7. Sybase 8. Berkeley DB 9. DB2 10. Informix
  • 11. İlişkisel Veri Tabanı Her bir tablo bir öğe ve onun öznitelikleri hakkında veri içerir Her bir tablo, bir Birincil Anahtar olarak adlandırılan bir alana sahiptir. Yabancı anahtar: Kayıtları orijinal tablodan tanımlamak üzere yoklama alanı olarak kullanılan ikinci tablodaki birincil alan
  • 12. İlişkisel veri tabanında 3 temel operasyon vardır. 1-Seçim: Belirtilen kriteri taşıyan, tablodaki tüm kayıtların bir kümesinin oluşturulmasıdır. 2-Birleştirme: Kullanıcının istediği bilgilerin ilişkisel tablolardan alınarak birleştirilmesi işlemidir. 3-Proje: Seçilen ve birleştirilen verilerin hangi alanlarının alınacağının belirlenerek bir yeni tabloda sunulması işlemidir.
  • 13. • Seçme, birleştirme ve proje faaliyetleri verinin iki farklı tablodan toplanmasına ve sadece seçilmiş özniteliklerin gösterilmesine olanak verir.
  • 14. Hiyerarşik ve Ağ Veri Tabanı Yönetim Sistemi  Hiyerarşik veri tabanı yönetim sistemi modelleri bire çok ilişkiye sahip modellerdir.  Network (ağ) veri tabanı yönetim sistemleri ise çok a çok ilişkiye sahip modellerdir.  Bire Çok İlişki Tipi: İki tablo arasındaki ilişkiyi sağlayacak olan ortak alanlardan birisi birincil anahtar diğeri yabancı anahtar ise bire çok ilişki olur.
  • 15.  Çok a Çok İlişki Tipi: Çoktan çoğa ilişikler karmaşıklığı nedeniyle veri tabanında bir çok soruna neden oldur. A ve B tablolarının Birincil anahtarları C tablosunda aynı anda yabancı anahtar olarak bulunuyorsa Çoka-Çok İlişki oluşur.
  • 16.  Ağ ve hiyerarşik veri tabanı yönetim sistemi, İlişkisel veri tabanı yönetim sisteminden daha az esnek ve sorgulamada doğal dil yapısını kullanmadığı gibi anlık sorgulamaları da desteklememektedir.  İlişkisel veri tabanı yönetim sistemi anlık sorgulamalarda, farklı kaynaklardan gelen bilgileri birleştirmede, mevcut programları ve uygulamaları değiştirmeden yeni veriler ve kayıtlar eklemeye izin vermede çok esnektir. Bununla birlikte bu sistemler bir anda birçok bağlantı yapılması ve sorgulama komutu gönderilmesi durumunda yavaş çalışırlar.
  • 17. Nesneye Yönelik Veri Tabanı Yönetim Sistemi  Bugün çoğu uygulamalar sadece metin ve sayısal karakterlerin saklanmasını gerektirmemekte aynı zamanda resim, ses, video, grafik gibi nesneleri de gerektirmektedir. Veri tabanı yönetim sistemi, satır ve sütun yapısında tasarlandığından grafik tabanlı multimedya uygulamalarının işlenmesi için çok iyi değildir. Nesneye yönelik veri tabanı yönetim sistemi bu durum için iyi bir çözüm olabilir.
  • 18.  Nesneye yönelik veri tabanı yönetim sistemi giderek popüler olmaya başlamıştır Çünkü web uygulamaları, Java nesnelerini kullanabilmektedir.  Nesneye yönelik veri tabanı yönetim sistemi ilişkisel veri tabanından daha karmaşık bilgiler saklayabilmesine rağmen çok sayıda işlemi veya kaydı işlemeleri ilişkisel veri tabanı yönetim sistemlerine göre daha yavaştır.  Hybrid nesne tabanlı veri tabanı yönetim sistemleri hem ilişkisel hem de Nesneye yönelik veri tabanı yönetim sistemlerinin yeteneklerini ve imkanlarını sağlayabilmektedir.
  • 19. Veri tabanı Yönetim Sistemlerinin Yetenekleri Veri tanımlama yeteneği: Veri tabanı tabloları oluşturur ve her tablodaki alanların özelliklerini tanımlamak için kullanılır Veri sözlüğü: Veri unsurlarının tanımlarını veya onların özelliklerini depolayan otomatik veya kullanıcı tarafından girilen bir dosya. Veri işleme dili: Veriyi eklemek, değiştirmek, silmek, veriyi veri tabanınından geri almak için kullanılır Bugün en önemli veri işleme dili Yapısal Sorgulama Dili olan SQL’dir. Örnek bir SQL sorgusu : select * from Ogr_adi where Adi='ali' or soyadi='orhan';
  • 20. Veri Tabanlarının Tasarımı  Veri tabanı hem kavramsal tasarım hem de fiziksel tasarım aşamalarını gerektirir.  Kavramsal veya mantıksal tasarım: İşletme bakış açısından verilere bir soyut bakış açısını gösterir.  Veri tabanını fiziksel tasarımı ise saklama aygıtlarında verinin gerçekten nasıl saklanacağının tasarlanmasıdır
  • 21. Normalizasyon ve Öğe İlişkiler Diyagramları  Karmaşık veri gruplarından uyarlanabilir, esnek, düzenli veri yapıları ve küçük tablolar oluşturma işine Normalizasyon denir.
  • 22. Bir işletme veri tabanı modelini doğru oluşturamazsa, sistem işletmeye iyi hizmet etmeyecektir. Güncel olmayan tutarsız verilerle çalışmak işletmeye zarar verecektir.
  • 23. Dağıtılmış Veri Tabanları  Dağıtılmış Veri Tabanı fiziksel olarak birden fazla yerde saklanan veri tabanıdır. Dağıtılmış veri tabanlarında iki temel metot vardır. Bölümlere ayrılmış veri tabanı: Bu modelde veri tabanının bir parçası fiziksel olarak bir yerde diğer parçası ise bir diğer yerde saklanır ve kullanılır. Yerel veri tabanlarındaki değişiklikler genellikle gece toplu işleme ile merkezi veri tabanına eklenerek bütünlük sağlanır. Çoğaltılmış Veri tabanı: Merkezi veri tabanı başka bir noktada ikinci kez çoğaltılır.
  • 24. İŞLETME PERFORMANSINI VE KARAR VERMEYİ GELİŞTİRMEK İÇİN VERİ TABANI KULLANMAK  İşletmeler, tedarikçilere ödemeler, siparişlerin alınması, müşterilerin izlenmesi, çalışanlara yapılan ödemelere gibi temel işlemlerini izlemek için kendi veri tabanlarını kullanırlar.  Veri tabanları ayrıca yöneticilerin ve çalışanların daha iyi karar verebilmeleri ve işletmenin daha etkili olabilmesi için de bilgi sağlar. Bir işletme hangi ürünün daha çok popüler veya hangi müşterinin daha karlı olduğunu bilmek isterse bu bilgileri veri tabanından bulabilir.
  • 25. Veri Ambarları Nedir?  Bir Veri Ambarı işletmenin tümünü ilgilendiren çapta, karar vericilerin ilgi alanlarına yönelik güncel ve geçmiş verileri saklayan büyük veri tabanlarıdır. Veriler satış ve pazarlama, müşteri hesapları, üretim gibi temel işlemsel sistemlerden çıkmaktadır ve web sitesi işlemlerini de içerebilir. Veri Ambarları, yönetimin analiz yapabilmesi ve karar verebilmesi için bilgiyi farklı veri kaynaklarından sağlayarak birleştirir ve standartlaştırır.
  • 26. Bir veri ambarı, veriyi ihtiyaç duyan herkesin erişebilmesi için hazırlar, fakat veriler değiştirilemez. Bir veri ambarı sistemi, anlık standartlaştırılmış sorgulama araçları, analitik araçlar ve grafik raporlama için geliştirilmiş araçlar sağlar. Birçok işletme, işletmenin tümünde verilerin erişilebilir olması için intranet portalları kullanır.
  • 27.  Veri Martları(Veri Pazarları)  Veri ambarının altkümesidir  Özel bir kullanıcı kitlesi tarafından kullanılan özetlenmiş ve oldukça odaklanmış işletme verisidir.  Örneğin, bir işletme müşteri bilgileri ile ilgili olarak bir satış ve pazarlama veri pazarı geliştirebilir. Bir veri pazarı tipik olarak belirli tek bir konuya veya bir iş alanına yöneliktir. Bu yüzden genellikle çok hızlı oluşturulabilirler ve veri ambarlarından daha ucuza mal olurlar.
  • 28. İşletme Zekası, Çok Boyutlu Veri Analizleri ve Veri Madenciliği İş Zekası: Kullanıcıların daha iyi kararlar vermesine yardımcı olmak için büyük miktardaki veriyi birleştiren, analiz eden ve erişime açan araçlardır.  Temel araçlar: Veri tabanı sorgulama ve raporlama yazılımı Online analitik işleme (Online analytical processing, OLAP) Veri madenciliği
  • 29. İşletme Zekası Nasıl Elde Edilir ?
  • 30. Online Analitik İşleme (OLAP)  İşletmeler genellikle farklı ürünleri farklı pazarlarda satarlar. Hangi ürünün geçmişte hangi pazarlarda ne kadar satıldığını öğrenmek için veri tabanı kullanılır. Ancak hangi ürünün hangi bölgede ne kadar satıldığının, satış hedefleri ile karşılaştırılması bilinmek istenirse?  Bunun cevabını almak için Online Analitik İşleme (OLAP)’ye ihtiyaç vardır.  Online Analitik İşleme; farklı boyutlar kullanarak, aynı verilerin farklı şekillerde kullanıcılara gösterilmesi sağlayan çok boyutlu veri analizlerini destekler. Bilginin fiyat, bölge gibi her bir yönü farklı bir boyutu gösterir.
  • 31. Şekil, ürün-bölge karşıtlığıdır. Küpü 90 derece döndürürseniz yüz, ürün karşısında güncel ve tahmini satışları gösterecektir. Eğer küpü tekrar 90 derece döndürürseniz bölge karşısında güncel ve tahmini satışları göreceksiniz. Başka görüntüler de elde etmek mümkündür.
  • 32. Veri Madenciliği  Veri Madenciliği daha çok keşif amaçlıdır.  Veri madenciliği; büyük veri tabanlarında gizli örüntüler ve ilişkiler bulmakla ve gelecekteki davranışları tahmin etmek için kurallar çıkarmakla OLAP ile elde edilemeyen bilgileri sağlar.  Bu kurallar ve örüntüler karar alma ve tahminde bulunmak için kullanılır.  Veri madenciliğinden elde edilen bilgilerin türleri;  Birleşme: Örneğin; bir süpermarket alış veriş örüntüsü çalışması, mısır cipsi alanların yanında kolalı bir içecek de alması oranı %65, fakat promosyon varsa kolalı içecek alınma oranı %85 olmasını ortaya koyabilir. Bu bilgi promosyonun karlılığı nasıl arttırdığı konusunda yöneticilere bir fikir verebilir.
  • 33.  Ardışıklık: Bir ürünü alanın bir süre sonra başka bir ürünü alması durumu. Örneğin; bir ev satın alınırsa, iki hafta içinde %65 olasılıkla, bir ay içinde ise %45 olasılıkla yeni bir buzdolabı alınacaktır.  Sınıflandırma: mevcut verilerin incelenmesiyle belirli bir kurallar kümesi veya sınıflandırma çıkarımı oluşturulmasını sağlar. Örneğin; kredi kart ve telefon şirketleri gibi şirketler sürekli müşteri kaybetmekten endişelidirler. Bu sınıflandırma, ayrılan müşterilerin profillerini bulmaya ve bu müşterileri tahmin etmeye ve böyle müşterileri şirkette tutabilmek için özel promosyon planlamasına yardım edebilir
  • 34.  Kümeleme: davranış olarak birbirine benzeyen ancak ayrı özelliklere sahip grupları ortaya çıkarmak için kullanılır.  Tahmin: gelecekte olabilecekleri tahmin etmek için var olan değerler setini kullanır. Geçmiş satış verilerinden gelecekteki satış tahminlerine ulaşmak gibi.
  • 35. VERİ KAYNAKLARINI YÖNETMEK  Bir veri tabanı kurmak sadece bir başlangıçtır. İşletme, verilerinin güncel, sürekli hazır, güvenilir ve bilgiye ihtiyaç duyanlar için her an hazır olduğundan emin olmak için veri yönetiminde bazı özel politika ve prosedürlerinin olması gerekir.
  • 36. Bir Bilgi Politikası Oluşturmak  Bilgi Politikası, işletmenin bilgi toplaması, sınıflandırılması, standartlaştırılması, dağıtılması ve paylaşılması için kuralları belirler. Bir bilgi politikası, bilgiyi kimlerin ve hangi organizasyonel birimlerin paylaşacağını, bilginin nerelere dağıtılacağını, bilginin güncellenmesinden ve sürdürülebilmesinden kimin sorumlu olduğunu belirleyen, belirli prosedürleri düzenler.
  • 37.  Küçük bir işletme de işletmenin sahibi veya yönetici tarafından bilgi politikası oluşturulabilir.  Büyük işletmelerde ise kurumsal bir kaynak olan bilginin planlanması ve yönetilmesi için genellikle yapısal bir yönetim fonksiyonu gerekir.  Doğru olmayan, eksik ve tutarsız veri, işletmeler için büyük işlemsel kayıplar ve finansal zararlar doğurur. Bu tür bilgiler yanlış fiyatlandırma, müşteri hesaplarının karıştırılması, işletmenin alması gereken kararlarda tutarsızlık ve yanlışlıklara neden olabilir. Bu nedenle işletmeler, yüksek düzeyde veri kalitesi sağlamak için bazı özel adımlar atmalıdır. Bu adımlar; kurumsal genişlikte veri standartları kullanmayı, veri temizleme araçları kullanılarak ve veri kalitesi izlemesi yaparak veri tabanını tutarsız bilgi ve yanlış bilgilerden ayıklamayı içerir.

Editor's Notes

  1. Sınıflandırma: Grup sayısı ve karakteristiği bellidir. Yeni gelen üyenin hangi sınıfa ait olduğuna karar verilerek, o sınıfa eklenir. Elimizde N tane üye ve M tane sınıf olduğunu düşünürsek, bu N tane üyeyi, M tane sabit sınıftan en çok benziyenin içersine yerleştirmeye çalışırız. Kümeleme: Grup sayısı ve karakteristiği belli değildir. Üyeler özelliklerine bakılarak yeni sınıflar oluşturulur. Ayrıca sınıf sayısını sabit olarak belirleyebiliriz, ya da sınıf sayısı değişkenlik de gösterebilir.