Yrd. Doç. Dr. H. İbrahim CEBECİ İş Zekası Hafta 2 – Karar Verme
advertisement
İş Zekası Hafta 2 – Karar Verme Sürecinin Temelleri Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir Bölüm Amaçları Karar verme sürecinin temellerini anlayabilmek Simon’un 4 aşamalı karar verme sürecini anlayabilmek (zeka, tasarım, seçim, uygulama) Karar Destek Sistemi tanımının temellerini anlayabilmek Farklı tipteki Karar Destek Sistemlerini tanımlayabilmek KDS’lerin yönetsel kararları desteklerken yetenekleri ve sınırlarını öğrenmek Pratikte KDS’lerin gerçek dünya problemlerine nasıl destek sağladığını öğrenmek KDS bileşenlerini ve nasıl bütünleştirildiklerini anlayabilmek Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 2/40 Açılış Vakası HP’de Karar Modelleme Genel Bilgiler Problem Tanımı Önerilen Çözüm Sonuçlar Vaka sorularının cevapları ve genel tartışmalar HP için KDS yardımıyla karar verme süreci desteklenirken kritik noktalar nelerdir? Bir KDS sistemi geliştirilirken hangi anahtar noktalar (Guidelines) takip edilmelidir. Başarılı bir model uygulaması için kritik başarı faktörleri (öğrenilecek dersler) nelerdir? Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 3/40 Karar Verme Süreci Karakteristikleri Grup düşünme Eğer-ise senaryoları yardımıyla değerlendirme Gerçek sistemler ile deneyler Karar verme ortamlarının değişiminin sürekli olması Bir problemin analiz edilmesi genelde zaman alıcı ve maliyetlidir. Yetersiz, gereksiz veya çok fazla sayıda bilgi Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 4/40 Karar Verme Süreci Karakteristikleri Başarılı bir Karar Destek Sisteminin üç temel bileşeni vardır. Destek Karar Verme Sistem Modeller ve Veri Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 5/40 Karar Verme Bir veya daha fazla alternatif arasından hedeflere en uygun olanının seçilmesi işi «Karar Verme» süreci olarak adlandırılır. Yapılması gereken ne? Ne zaman yapılmalı? Nerde yapılmalı? Niye yapılmalı? Nasıl yapılmalı? Kim tarafından yapılmalı? Yukarıdaki sorular açısından bakıldığında; Karar verme sürecinin toplam yönetim (planlama) süreci ile paralel (senkron) olduğu söylenebilir. Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 6/40 Karar Verme Disiplinleri Daha iyi kararlar Daha isabetli karar mı – Yoksa daha hızlı karar alma mı? Hızlı karar verme süreci genelde zarar verici olabilir Bir çok alan hızlı karar verme sürecinden etkilenir Etkililik (Effectiveness) – Etkinlik (Efficiency) Etkililik (Effectiveness) «Uygunluk» - «İsabet» Etkinlik (Efficiency) «Hız» - «Kısıtlı Kaynaklar» Yrd. Doç. Dr. H. İbrahim CEBECİ Hız İsabet Etkinlik Etkililik Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 7/40 Karar Biçimleri Karar vericilerin problemleri değerlendirip karar verme süreci farklı durumlara bağlıdır. Problemin algısı Bilişsel tepki Değerler ve inanışlar İnsanlar karar verirken; Farklı adım ve sıralar izleyebilir Her bir adıma farklı önem veya öncelik verebilir ve farklı zamanlar harcayabilirler Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 8/40 Karar Biçimleri Kişisel mizaç testleri karar değerlendirmede kullanılabilir. verme Mayers / Briggs Kişilik Tipi Göstergesi Testi, Gerçek Renkler (True Colors-Birkman) Keirsey Mizaç Teorisi stillerini Farklı testler insan mizacını belli bir bakış açısı ile değerlendirebilir Bu testler eşit olarak değerlendirilemezler !!! Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 9/40 Karar Biçimleri Karar verme stilleri Sezgisel – Analitik Dikta – Demokrat Danışma (Kişi veya Gruplara) Başarılı bir bilgisayarlı destek sistemi farklı karar biçimlerine adapte olabilmelidir. Esnek Uyarlanabilir Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 10/40 Karar Vericiler Küçük Organizasyonlar Bireyler Çatışan amaçlar Orta ve büyük boyutta organizasyonlar Gruplar Farklı stiller, motivasyonlar ve beklentiler Çatışan amaçlar Ortak bir karara ulaşmak çoğunlukla mümkün değil YARDIM: Bilişim desteği, KDS, GDS (Grup Destek Sistemleri) vb… Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 11/40 Karar Verme Süreci Aşamaları İnsanlar bilinçli veya bilinçsiz bir şekilde sistematik bir karar verme sürecini takip ederler (Simon, 1977) 1. 2. 3. 4. 5. Zeka Tasarım Seçim Uygulama İzleme (??? 5 mi yoksa 1’in altında mı ???) Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 12/40 Karar Verme Süreci (Simon) Zeka Organizasyonel Amaçlar Arama Prosedürleri Veri Toplama Problem Tanımlama Problem Sahipliği Problem Sınıflandırma Problem İfadesi Sadeleştirme Varsayımlar Gerçeklik Problem İfadesi Tasarım Modelin Geçerliliği Model Formülasyonu Seçim kriterleri oluşturma Alternatiflerin araştırılması Çıktıların tahmini ve ölçümü Alternatifler Seçim Modelin doğrulanması Önerilen çözümün test edilmesi Başarı Yrd. Doç. Dr. H. İbrahim CEBECİ Sonucun Uygulanması Model çözümü Duyarlılık analizi En iyi alternatifin seçimi Uygulama planı Başarısızlık Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 13/40 Karar Verme Aşamaları: Zeka Çevrenin taranması (aralıklı veya sürekli) Problem durumları veya fırsatların belirlenmesi Problem: İstenilen (beklenen) sonuç ile fiili olarak ortaya çıkan sonuçların farklılık gösterdiği durumlar Semptom / Problem ayrımı Fırsatların zamanında sezilmesi problemlerin tanımlanması kadar önemlidir!!! Uygulama sonuçlarının izlenmesi (???) Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 14/40 Karar Verme Aşamaları: Zeka Veri toplama ve tahmin aşamalarında karşılaşılabilecek olası problemler Yetersiz veri Veri toplama maliyetlerinin yüksek olması Kesin olmayan ve hedeften sapan veriler Veri kestirimi süreci çoğu zaman özneldir Veri güvensizliği sorunları Önemli (Anahtar) veriler kalitatif olabilir Verinin zaman boyutu olabilir. (Veri zamanla değişebilir) Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 15/40 Karar Verme Aşamaları: Zeka Problem Sınıflandırma Yapısallık dereceline bağlı olarak problemlerin sınıflandırılması Problemin ayrıştırılması Çoğu zaman karmaşık problemlerin çözülmesi yerine, daha kolay çözülebilecek alt problemler oluşturulabilir Daha çok veri (veya bilgi) Daha yapısal problemler (Genelde) Problem sahipliği Bu aşamanın çıktısı «Problemin İfadesi» şeklindedir. Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 16/40 İnternet ve Karar Verme Süreci Aşama İnternetin Etkisi İnternet Üzerindeki Etki Zeka - Harici ve dahili kaynaklara ulaşım imkanı (Problem ve Fırsat tespiti) - Analitik metotlara ulaşma - Bilgi Yön. Sis ve Grup Dest. Sis sayesinde işbirliği sağlama - e-ticaret, web altyapısı, donanım ve yazılım araçları fırsatlarının tanımlanması - Zeki etmenler (bilgi aşırı yüklemesini önleyen) - Zeki arama motorları Tasarım - Veri, modeller ve yöntemlere erişim - OLAP, Veri ambarı ve Veri madenciliği kullanma - Bilgi Yön. Sis ve Grup Dest. Sis sayesinde işbirliği sağlama - Web altyapı tasarımı için beyin fırtınası tarzı yaklaşımlar - Web altyapı konuları ile ilgili modeller ve çözümler Seçim - Önerilen sonuçların etkilerini değerlendirebilecek yöntemlere erişim - KDS araçları (web altyapısı tasarımı için kullanılan modeller için kriter oluşturma) - Mesaj rotalama için KDS kullanımı Uygulama - Web tabanlı işbirliği uygulamaları - Kararların tarayıcı ve sunucu tasarımı ve erişimi için uyarlanması Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 17/40 Karar Verme Aşamaları: Tasarım Olası hareket tarzlarını bulmak, geliştirmek ve analiz etmek Karar verme problemi modeli oluşturma, test etme ve geçerliliğini sorgulamak Modelleme: Bir problemin doğru kalitatif ve/veya kantitatif ifadelerle kavramsallaştırılması (denklemler, semboller ve değişkenler yardımıyla) Seçim prensibinin seçilmesi Çözüm yönteminin kabul edilebilirliğinin açıklayan «kriter» Karar verme amaçlarının bir yansıması Seçme «kriteri» modeldeki sonuç değişkenidir (Kısıt değil) Yüksek risk vs. Düşük Risk En uygun vs. kabul edilebilir Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 18/40 Karar Verme Aşamaları: Tasarım Normatif modeller (= Optimizasyon) Seçilen alternatif diğerleri arasındaki en uygunudur Bu modeller aşağıdaki varsayımlar altında işler İnsanlar amaçlanın maksimumuna ulaşmaya çalışırlar Bir karar verme sürecinde olası bütün hareketler ve bunları beklenen sonuçları bilinir Bütün karar vericilerin her hangi bir sonucun kabul edilmesi durumu ile ilgili bir kabulü veya önyargısı vardır Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 19/40 Karar Verme Aşamaları: Tasarım Sezgisel Modeller (= Alt-Optimizasyon) Seçilen alternatif, olası alternatiflerin bir alt kümesi içerisindeki en iyi olandır Genellikle boyut ve karmaşıklıklarından dolayı gerçek dünya problemleri için optimum bir sonuç söz konusu olmayabilir Alt-Optimizasyon modelleri yardımıyla gerçek dışı varsayımlar bir miktar esnetilebilir Genelde «yeteri kadar iyi» bir sonuca «beklenenden çok daha kısa sürede» ulaşırlar Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 20/40 Karar Verme Aşamaları: Tasarım Açıklayıcı Modeller Durumları var olduğu gibi (veya olması gerektiği gibi) açıklayan çoğunlukla matematik tabanlı yaklaşımlardır Çözümü değil, çözüme giden yolda gerekli olan bilgileri oluşturur En çok tercih edilen yöntemi «benzetim» dir. (Benzetim sistemin bilgisayar ortamına aktarılmış matematiksel akışıdır.) Deneysel karar vermeye yardımcı olur. (Deneme yanılma) Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 21/40 Karar Verme Aşamaları: Tasarım Alternatifler Geliştirme (Üretme) Doğrusal programlama gibi optimizasyon yöntemlerinde otomatik olarak oluşturulurlar (Çoğu karar verme sürecinde manuel alternatif üretilmesi gereklidir) GDS kullanarak alternatifler üretilebilir Çıktıların değerlendirilmesi Seçme prensibi sayesinde gerçekleştirilir Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 22/40 Risk Karar Verme Aşamaları: Tasarım Genelde bilgi eksikliğinde ortaya çıkar (Belirsizlik durumunda) Risk ancak olasılık bilimi yardımıyla ölçülebilir Senaryolar (Eğer ise durumları) Belirli bir zaman içerisindeki farklı varsayımları altında sistemin tepkisinin incelenmesi Örneğin Berbat, Kötü, idare eder, iyi ve çok iyi durumların varsayımlar ile ifade edilmesi ve sonucun izlenmesi durumu Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 23/40 Karar Verme Aşamaları: Seçim Temel asıl karar verme ve bu süreçle birlikte hangi hareketlerin gerçekleştirilebileceği bu aşamada ortaya konur Genelde tasarım süreci ile seçim sürecinin net bir şekilde ayrılmadığı söylenebilir Bu aşama bir model için uygun çözümlerin «aranması» «değerlendirilmesi» ve «önerilmesi» işlemlerini içerir Modeli çözmek vs. Problemi çözmek !!! Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 24/40 Karar Verme Aşamaları: Seçim Arama (Araştırma) yaklaşımları Analitik teknikler (Bir formülle çözüm üretme) Algoritmalar (Adım – Adım) Sezgisel (Baş parmağı kuralı (3 aşağı 5 yukarı)) Kör arama (Rastgele arama) Ek aktiviteler Duyarlılık analizleri Eğer-ise analizleri Amaç arama Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 25/40 Karar Verme Aşamaları: Uygulama Sonucun (değerlendirilen alternatifin) uygulamaya geçirilmesi Problem çözümü Değişim Değişim yönetimi Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 26/40 Kararlar Nasıl Desteklenir? Aşama Zeka Tasarım Seçim Uygulama Yrd. Doç. Dr. H. İbrahim CEBECİ Yapay Sinir Ağları, YBS Veri Madenciliği, OLAP, ERP, Uzman Sistemler Üst Yönetici Destek Sist., Uzman Sistemler (US), Tedarik Zinciri Yönetimi (TZY), Bilgi Görselleştirme Sist., Yönetim Bilimi, Yapay Sinir Ağları, CRM, ERP, Üst Yönetici Destek Sist., Uzman Sistemler, ERP Bilgi Yönetimi Sistemi Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir KDS US CRM TZY 27/40 Kararlar Nasıl Desteklenir? Zeka aşaması için destek Harici ve dahili bilgi kaynaklarının sürekli taranmasına imkan vererek problem ve fırsatları tespitinin sağlaması Kullanılan kaynaklar ve teknolojiler: Web, Uzman Sistemler, OLAP, Veri Ambarları, Veri/metin/web madenciliği, Entegre bilişim sistemleri, gösterge panelleri, Bilgi yönetimi sistemleri, Grup destek sistemleri, Coğrafi bilgi sistemleri İşletme aktivite izleme İşletme süreçleri yönetimi Ürün yaşam çevrimi yönetimi Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 28/40 Kararlar Nasıl Desteklenir? Tasarım aşaması için destek Alternatif üretiminin sağlanması ve seçim kriterinin belirlenmesi Alternatif üretimi Yapısal / Basit problemler: Standart modeller Yapısal olmayan / Karmaşık problemler: Uzman Sistemler, Bilgi Yönetimi Sistemleri, Beyin fırtınası/Grup Destek Sistemleri, OLAP, Veri/metin madenciliği İyi bir seçim kriteri «anahtar» değerdedir !!! Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 29/40 Kararlar Nasıl Desteklenir? Seçim aşaması için destek Karmaşık kısıtlar altında en uygun alternatifin seçilmesi Kullanılan metotlar Duyarlılık analizleri Eğer-ise analizleri Amaç arama Kaynaklar Bilgi Yönetimi Sistemleri CRM, ERP ve TZY Benzetim ve diğer tanımlayıcı modeller Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 30/40 Kararlar Nasıl Desteklenir? Uygulama aşaması için destek Seçilen alternatifin (sonucun) sistem üzerinde uygulama yayılımı Kaynaklar Kurumsal portallar Web 2.0/Wiki’s Beyin fırtınası / GDS Bilgi Yönetimi Sistemleri Uzman Sistemler Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 31/40 KDS Yetkinlikleri KDS: yarı yapısal ve yapısal olmayan ortamlarda yöneticilerin karar verme süreçlerini desteklemek amacı ile geliştirilen sistemlerdir. KDS bütün karar vericiler için ancak «yardımcı» bir elemandır. Bilgisayar destekli, çoğunlukla çevrimiçi ve çıktıları görselleştirilebilen sistemlerdir. Günümüzde web tarayıcıları ve mobil cihazlar için sadeleştirilmiş versiyonları da mevcuttur. Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 32/40 KDS Yetkinlikleri 1 14 Entegre, bağımsız veya web/mobil olabilir Yapısal olmayan veya yarı yapısal problemler 2 13 Bütün seviyedeki yöneticileri destekler Veri erişimi 12 3 Bireyleri veya grupları destekleyebilir Modelleme ve analiz 11 4 Karar Destek Sistemi (KDS) Son kullanıcıya yayılımı kolaydır Bağımsız ve sıralı kararlar için kullanılır 10 5 Süreci insan kontrol eder 4 karar verme aşamasını da destekler 6 9 Farklı karar verme stillerini ve süreçlerini destekler Etkin ve etkilidir 8 7 Kullanımı kolay ve interaktiftir Yrd. Doç. Dr. H. İbrahim CEBECİ Uyarlanabilir ve esnektir Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 33/40 KDS Sınıflandırması İletişim güdümlü ve Grup KDS Veri güdümlü KDS Doküman güdümlü KDS Bilgi güdümlü KDS Model güdümlü KDS Çoğu durumda net bir ayrım olmaz ve KDS yukarıdaki sınıfların melez bir birleşimi olarak davranır Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 34/40 KDS Sınıflandırması Diğer sınıflandırmalar Kurumsal veya Özel amaçlı KDS Firma içi hazırlanan veya paket KDS Bireysel, grup ve organizasyonel destek sistemleri Bireysel Destek vs. Grup Destek Sistemleri Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 35/40 KDS Bileşenleri Diğer bilgisayar destekli sistemler Veri: İç/Dış ERP/POS Veri Yönetimi Eski Sistem Web İnternet, İntranet, Extranet Model Yönetimi Harici Modeller Bilgi temelli Alt sistemler Kullanıcı Arayüzü Kurumsal Bilgi tabanı Yrd. Doç. Dr. H. İbrahim CEBECİ Yönetici (Kullanıcı) Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 36/40 KDS Bileşenleri 1. Veri Yönetimi Alt Sistemi Veri tabanları Veri tabanı yönetim sistemi Veri ambarı bağlantısı olabilir 2. Model Yönetimi Alt Sistemi Model güdümlü yönetim sistemleri (MGYS) 3. Kullanıcı Arayüzü Alt Sistemi 4. Bilgi Yönetimi Alt Sistemi Kurumsal bilgi tabanı Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 37/40 KDS Bileşenleri – Veri Yönetimi Alt Sistemi Dahili veri kaynakları Finans Dış Veri Kaynakları Kurumsal Bilgi Tabanı Sorgu Tesisi Veri Dizini Yrd. Doç. Dr. H. İbrahim CEBECİ Pazarlama Üretim Veri Çıkarımı Karar Destek Veri Tabanı Veri Tabanı Yönetim Sistemi - Bilgi çıkarma - Sorgu - Güncelleme - Rapor üretimi - Silme Personel Diğer Özel Kişisel Veriler Kurumsal Veri Ambarı Arayüz Yönetimi Model Yönetimi Bilgi Tabanı Alt Sistemi Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 38/40 KDS Bileşenleri – Model Yönetimi Alt Sistemi Modeller (Model Tabanı) - Stratejik, taktik, operasyonel - İstatistiksel, finansal, pazarlama, yönetim bilimi, muhasebe, mühendislik vb. - Model inşa blokları Model Dizini Model Tabanı Yönetimi - Modelleme Komutları: oluşturma - Bakım: Güncelleme - Veri tabanı arayüzü - Modelleme dili Veri Yönetimi Yrd. Doç. Dr. H. İbrahim CEBECİ Arayüz Yönetimi Model uygulaması, entegrasyonu ve komut işlemcisi Bilgi Tabanı Alt Sistemi Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 39/40 KDS Bileşenleri – Kullanıcı Arayüzü Alt Sistemi Veri Yönetimi ve VTYS Bilgi Tabanı Alt Sistemi Model Yönetimi ve MTYS Kullanıcı Arayüzü Yönetim Sistemi Doğal Dil İşlemcisi Girdi Hareket Dilleri Çıktı Görüntü Dilleri PC Görüntüsü Yazıcı, çizici vb. Kullanıcılar Yrd. Doç. Dr. H. İbrahim CEBECİ Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir 40/40
