Professional Documents
Culture Documents
Kitap
Kitap
İŞLETME ANALİTİĞİ
Yazarlar
Prof.Dr. Muzaffer KAPANOĞLU (Ünite 1, 3, 4, 8)
Dr.Öğr.Üyesi Sevgi ABDALLA (Ünite 2)
Öğr.Gör. Özgür GÜLTEKİN (Ünite 2, 3, 4, 8)
Prof.Dr. Fikret ER (Ünite 5)
Prof.Dr. Harun SÖNMEZ (Ünite 6, 7)
Editörler
Prof.Dr. Muzaffer KAPANOĞLU
Prof.Dr. Fikret ER
Bu kitabın basım, yayım ve satış hakları Anadolu Üniversitesine aittir.
“Uzaktan Öğretim” tekniğine uygun olarak hazırlanan bu kitabın bütün hakları saklıdır.
İlgili kuruluştan izin almadan kitabın tümü ya da bölümleri mekanik, elektronik, fotokopi, manyetik kayıt
veya başka şekillerde çoğaltılamaz, basılamaz ve dağıtılamaz.
Öğretim Tasarımcıları
Prof.Dr. Tevfik Volkan Yüzer
Dr.Öğr.Üyesi Halil Cem Sayın
Kapak Düzeni
Prof.Dr. Halit Turgay Ünalan
Grafikerler
Ayşegül Dibek
Burcu Güler
Gülşah Karabulut
Hilal Özcan
Kenan Çetinkaya
Ufuk Önce
İşletme Analitiği
E-ISBN
978-975-06-3367-6
İçindekiler
Önsöz .................................................................................................................. ix
Önsöz
Bu kitap, ilk bakışta bir istatistik kitabı gibi görünse de, bir istatistik kitabı değildir. Eli-
nizdeki bu kitap, istatistiksel düşünceyi farklı bir bakış açısı ile ele almaktadır. Sözkonusu
bakış açısı; istatistiksel yöntemlerin ve bilgi teknolojilerinin, bilgi kaynakları ile birlikte
etkin kullanımına dayalı anlayış, düşünce ve içgörünün yönetimlere kazandırılmasıdır. Bu
kitap, işletmelere verilere-dayalı yönetim yeteneğinin kazandırılması üzerinedir.
İşletme analitiği, disiplinlerarası bir yaklaşım olup, akademik arkaplanında istatistik,
veri madenciliği, yapay zekâ, optimizasyon, simülasyon, algoritmalar ve bilgisayar prog-
ramlama yer almaktadır. İşletme analitiğine hayat veren bu disiplinler üzerine yüzlerce
kitap bulunmaktadır. Ancak bu dersin kitabının iki temel amacı vardır: geleceğin yönetici
ve karar vericilerini; (i) erişilebilir tüm verilerin potansiyel değeri konusunda bilinçlen-
dirmek ve (ii) işletme analitiğinin temel kavram ve yaklaşımlarını kullanarak, analitiği
işletmenin ortak anlayışına dönüştürme konusunda yetiştirmek. Elinizdeki kitap, işletme
analitiğine ilişkin giriş düzeyinde bilgileri sunmaktadır.
Yirmibirinci yüzyılın ilk çeyreğinin büyük veri çağı olmasının yönetimlere sunduğu
fırsatlar ve güçlükler, bilgi türleri, analitik türleri ve veri madenciliği ile ilişkilerine kitabın
birinci ünitesinde yer verilmiştir. İşletme analitiğinin temel kavramları ve işlemtabloları
yazılımlarının önemi kısaca ele alınmıştır.
İşletme analitiğinin yöntemlerine genel bir bakış ile bu yöntemleri destekleyen bazı
güncel yazılımlara kitabın ikinci ünitesinde yer verilmiştir. Bu ünitede yer verilen ticari
ve özgür yazılımların, yenileriyle güncellenmesi için geçecek sürenin çok uzun olmayaca-
ğı düşünülebilir. Sözkonusu düşünce, işletme analitiğine gösterilen ilginin yerindeliği ve
büyüklüğü ile orantılı olup; mevcut yazılımların geçerliliklerini hızla yitirmesi, konunun
öneminin de bir göstergesi olacaktır.
Eğer işletme analitiği, işletme kültürünün bir parçası haline gelecek ise, bu öncelikle
bunun bir grup bilgisayar profesyonelinin işi olmaktan çıkarılıp, herkesin paylaştığı bir
anlayışa dönüştürülmesine ve yaygın düzeyde benimsenmesine bağlı olacaktır. Bu nokta-
da, analitik yöntemleri destekleyecek teknolojik çözümlerin bir ucunda işlemtablolarının
yer alması önemli katkılar sağlayacaktır. Bu yüzden, ders kitabının önemli bir bölümü,
işlemtabloları ile işletme analitiğine ayrılmıştır. Kitabın üçüncü ünitesinde işlemtabloları
ile veri düzenleme ve denetlemeye, kitabın dördüncü ünitesinde ise işlemtabloları ile veri
yönetimi ve analizine yönelik önemli konular ele alınmıştır.
İşletme analitiğinde verinin okunabilirliği ve anlamlandırılmasının özel bir yeri vardır.
Veri görselleştirmede işlemtablosunun sunduğu olanaklara beşinci ünitede yer verilmiştir.
İşletme analitiği, kullanılan yöntemlere ve bu yöntemlerin işlevlerine bağlı olarak üç
temel başlıkta ele alınmaktadır. Bunlar; betimsel analitik, kestirimci analitik ve karar ana-
litiğidir. Analitik türleri, birbirinin aynı zamanda öncülüdür. Yani betimsel analitik olma-
dan kestirimci analitik, kestirimci analitik olmadan ise karar analitiği gerçekçi değildir.
Kitabın altıncı ünitesinde, işlemtabloları ile betimsel analitiğin temel konularına, yedinci
ünitesinde ise işlemtabloları ile kestirimci analitik konularına yer verilmiştir. Bu üç baş-
lıktan karar analitiği; yöneylem araştırması, karar modelleri ve karar destek sistemleri ile
yakın ilişkisi sebebiyle bu kitapta ele alınmamıştır.
Veri madenciliği, işletme analitiğinin en az yapılandırılmış çalışma alanlarından bi-
ridir. Buna rağmen önemi sebebi ile Excel gibi işlemtablolarının eklentileri arasında yer
bulmuştur. Kitabın sekizinci ünitesi veri madenciliği hakkında genel bir anlayış kazandır-
mayı ve fikir vermeyi hedeflemektedir.
Günümüz işletme dünyasında rol üstlenecek ve geleceğin işletme dünyasını yaratacak
olan sizlerin, işletme analiğini çok daha ileri düzeye taşırken, bu kitabın sınırlarına sığma-
yacak kadar büyümenizi dileriz.
Editörler
Prof.Dr. Muzaffer KAPANOĞLU
Prof.Dr. Fikret ER
1
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Bilgi türlerini birbirinden ayırt edebilecek,
İşletme analitiğinin temel kavramlarını tanımlayabilecek,
Büyük veri ile işletme analitiğini ilişkilendirebilecek,
İşletme analitiğinde kişisel analitiğin önemini açıklayabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Durumbilgisi • Büyük Veri
• Yöntembilgisi • Betimsel Analitik
• Yönetsel Bilgi • Kestirimci Analitik
• İşletme Zekâsı • Karar Analitiği
• Veri Ambarı • Karar Destek Sistemleri
• Veri Marketi • Veri Madenciliği
İçindekiler
• GİRİŞ
• YÖNETİM VE BİLGİ: ANALİZDEN
ANALİTİĞE
İşletme Analitiği İşletme Analitiği: Temel Kavramlar • İŞLETME ANALİTİĞİ VE ZEKÂSI
• BÜYÜK VERİ ANALİTİĞİ
• İŞLEMTABLOLARI VE KIŞİSEL ANALİTİK
İşletme Analitiği: Temel
Kavramlar
GİRİŞ
Bir perakende zincirini düşünelim. 300 civarında mağazası olduğunu ve her gün şirket
veritabanlarında toplanan terabayt düzeyinde verileri bulunduğunu varsayalım. Sabah
8.00’den 22.00’ye kadar toplanan verilerden işletmenin performans bilgilerinin türetilip,
ertesi gün yöneticilerin değerlendirebileceği raporlara dönüştürülememesi halinde etkin
bir yönetim gerçekleştirilebilir mi? Trend analizi, performans analizi, envanter analizi iş-
levleri olması gerektiği şekilde yapılabilir mi? Karar vericilerin verilere göz gezdirmesi
(data surfing), sadece gereğinde ayrıntılara inebilmesi (drill-down), anormal sapmalar
hakkında uyarılması (alerts), geleceğe ilişkin güvenilir tahminlerin yapılabilmesi (forecas-
ting) ve senaryo analizleri uygulanabilmesi (olsa-ne olur analizleri) olanakları olmadan
hangi yönetici ne kadar başarılı bir yönetim ortaya koyabilir?
Bir dizi uydu, bulundukları yörüngelerden saniyede 1010 bit debiyle yeryüzünün hava
koşulları, kirlenme, tarım ve doğal kaynaklar konusunda veri gönderiyorlar. Verilerin kul-
lanılabilmesi için saniyede en az 1013 işlem yapan bir bilgisayar gereklidir. Bu kapasitede
bir bilgisayar olmadığını varsayarsak, söz konusu verilerin bilgiye dönüştürülmesinde
nasıl bir yol izlenmelidir? Çevreden sorumlu birimlerin ilgili uzmanlarının nasıl bir yol
izlemeleri gerekir? Acaba verilerin bir kısmının kullanılması bütünü görmek için yeterli
olabilir mi? Bu veriler, kimler için ne tür bilgilerin kaynağını oluştururlar?
Bir cerrahi operasyonun gerçekleştirilmeden önce benzetiminin yapılması özellikle
mikro cerrahi için önemli faydalar sağlamaktadır. Bu durumda ameliyat edilecek bölgenin
üç boyutlu resminin incelenmesi, görüntünün cerrahın istediği doğrultuda hareket ettiril-
mesi, organın değişik kesilerinin elde edilmesi, kesinin ayrıntılarının görülmesi ve hastaya
hiç dokunmadan cerrahi müdahalenin etkilerinin gözlenmesi gerekir. Böyle bir cerrahi
operasyonun gerçekleştirilmesi için gerekli işlem sayısının saniyede 1015 olduğu ve bu
kapasitede bir bilgisayarın olmadığı kabul edilirse, belirli bir güven yüzdesi ile bu ameliya-
tın başarılması için ne tür bir yaklaşım, nasıl bir yöntem benimsenmelidir? Görüntünün
gerçek olması ile işlenmiş bir görüntü olması operasyonun başarısını nasıl etkileyebilir?
Bu örneklerin ortak paydası, bazı problemlerin çözümünde kişisel zekâ, yetenek, bilgi,
beceri, deneyim ve eğitimin yanında veri ve bilgilere, yanı sıra da bu veri ve bilgilerin bil-
gisayarlar üzerinde uygun yöntem ve algoritmalarla işlenmesine gereksinim vardır. Örne-
ğin, bir mikro cerrahi operatörünün başarısı, ameliyat bölgesini görüntüleyen cihazların
kalitesiyle sınırlıdır. Problemin sahibi olan kişinin problemi ve bulguları analiz yeteneği,
bazı durumlarda veri ve bilgi sistemlerinin ve bilgisayar-destekli analitik yaklaşımların
yardımı olmadan anlamını yitirebilir. Teknolojik bilgi işleme olanakları ile veri ve bil-
4 İşletme Analitiği
liyetinin 250 TL olması, aylık talebinin ortalama 2000 adet olması, o ürün için harcanan
işçilik saatleri toplamının 75 dakika olması, firmanın o ürün özelinde pazardaki payının
%12 olması ve benzeri bilgilerdir. Bir verinin durumbilgisi olması için onun ne olduğunun
biliniyor yani tanımının olması, yanı sıra anlamlı bir şekilde sunulabilir olması gerekir.
Bunu aşağıdaki gibi formülleştirmek mümkündür.
Bir lojistik yöneticisi, tedarikçi seçiminde kendine özgü bir algoritmadan yararlanıyor ola- ÖRNEK 1
bilir. Bu problem, tedarikçi seçimine yönelik bir karar destek sistemi içinde çözüme kavuş-
turulabilir. Tedarikçilere ilişkin veriler, birçok kanaldan elde edilebilir. (Bunlar tedarikçinin
pazar payı gibi niceliksel bilgiler, pazardaki itibarı gibi niteliksel bilgileri de içerebilir.) Top-
lanan bilgiler, çok-amaçlı bir karar modeli içinde çözüme kavuşturularak karar vericiye çok
güçlü bir karar destek sistemi sunulabilir. Bu karar destek sistemi, işletme zekâsının doğal
bir parçasıdır.
8 İşletme Analitiği
Şekil 1.1
İşletme Analitiğinin Ortamı,
Bileşenleri ve İşleyişi
İşletme Analitiği
Ham veri ve
Araçları
Veritabanları Veri Ambarı
Satış
Satışlar
Noktası Grafik
İçgörü
Rapor ve
Mağazası
Uyarılar
Envanter
İnternet
Tedarik
Zinciri
Q*= 2DK
h Karar Destek
Sistemleri
Müşteriler
Çağrı
Merkezi
Öngörü
Betimsel Analitik
Raporlama analitiği olarak da adlandırılan betimsel analitik (Descriptive Analytics) işlet-
menin gidişatını ortaya koyma ve bu gidişatın nedenlerini anlamaya yöneliktir. İşletme-
ler, kurumlar, belediyeler ve devletler, makro ve mikro düzeyde birçok betimsel istatistik
ve göstergeden yararlanırlar. Bir işletmenin cirosu, pazardaki payı işletmelerin önemli
betimsel göstergelerindendir. Betimsel analitik amacıyla veriler farklı veri kaynakların-
dan derlenerek konsolide edilir ve böylece raporlama ve analize uygun formata getirilir.
Betimsel analitikten işletmenin beklentileri, veri ambarının tasarım ve geliştirilmesinde
göz önüne alınmalıdır. Periyodik ve isteğe bağlı raporlama, sorgulama, uyarılar ve eğilim
analizleri ve özellikle görselleştirme (visualization) önemli betimsel analitik araçlarıdır.
Bir işletmenin yıllar itibarıyla cirosunun ve pazardaki payının değişimi ise veri görselleş-
tirmeye iyi bir örnektir.
Betimsel analitiğin temel işlevi, işletmenin faaliyetlerine ilişkin raporlar oluşturma
olup, işletme raporları (business report) işletmeye ve faaliyetlerine ilişkin bilgi içeren ya-
zılı belgelerdir. İşletme raporları kurumsal karar verme ve yöntembilgisi yönetimi için
kritik öneme sahiptirler. Başarılı bir işletme raporunun temel özellikleri, açıklık, kısalık,
tamlık ve doğruluktur. Her işletme raporlama sisteminin kendine özgü yönleri olmasına
karşın, bu sistemlerin ortak bileşenleri şunlardır:
1. Çevrimiçi kayıt işleme sistemleri: Kurumsal veritabanları, POS’lar (satış noktaları),
Web sunucuları, el bilgisayarları ve benzeri tüm elektronik verilerin tutulduğu sis-
temlerdir.
2. Veri tedarik: Veritabanlarındaki kayıtların raporlama sistemine aktarılmasından
sorumludur.
3. Veri göçerimi: Verilerin veritabanlarından çıkarılması, raporlamaya uygun hale ge-
tirilip raporlama sistemine yüklenmesini sağlar.
4. Veri deposu: Verilerin tutulduğu depodur. Bu bir işlemtablosu, bir veritabanı yöne-
tim sistemi, bir veri ambarı veya veri marketi olabilir.
5. İşletme performans yönetim sistemi: Raporların ve betimsel istatistiklerin anahtar
performans göstergelerine (Key Performance Indicators-KPI) dönüştürülmesini
sağlar. Bu göstergeler, işletmenin departman, alt birim ve işlevlerinin performans-
larının değerlendirilmesinde kullanılır.
6. Yayınlama: Raporları erişime açma ve dağıtma işlevlerini içerir.
7. Güvence: İyi bir işletme raporlama sistemi; doğru bilgileri, doğru kişilere doğru
biçim ve içerikte sağlayabilmelidir.
Günümüzde işletme raporlarında görselliğe özel bir önem verilmektedir. Veri veya
bilgi görselleştirme, bilginin okunurluğunu, anlaşılırlığını ve keşfini kolaylaştırmaktadır.
Görselleştirmenin bilgiye kattığı değerden dolayı görsel analitik (visual analytics) denen ve
betimsel ve kestirimci analitik tarafından kullanılan özel bir çalışma alanı ortaya çıkmıştır.
Gösterge paneli ve kokpit denen görselleştirme araçlarının mobil teknolojilerin sunduğu
olanaklarla buluşması ile yöneticiler önemli bir denetim ve izleme yeteneği kazanmışlardır.
1. Ünite - İşletme Analitiği: Temel Kavramlar 11
Betimsel analitiğin en önemli işlevlerinden biri işletmelerin performanslarını ölçme
ve değerlendirmeye olanak sağlamasıdır. İşletme performans yönetim sistemleri (Busi-
ness Performance Management Systems), işletmenin performansını ölçmek, izlemek ve
yönetmek için kullandığı işletme süreçleri, yöntemleri, performans göstergeleri ve tekno-
lojilerinden oluşur. İşletmelerin stratejik olarak benimsedikleri nesnel performans gös-
tergelerine anahtar performans göstergeleri denir. Bu sistemlerin başarısında benimsenen
anahtar performans göstergeleri önemli bir yer tutar. “Satış temsilcilerinin gerçekleştirdiği
bağlantıların aylık ekonomik değeri”, satış departmanı tarafından, personel performansla-
rını değerlendirmede bir anahtar performans göstergesi olarak kullanılabilir. Satış depart-
manının başarısının doğrudan yapılan satışlarla ölçülmesi halinde, örnek olarak verilen
gösterge stratejik bir yönlendirme gücüne sahiptir.
Kestirimci Analitik
Kestirimci analitik, gelecekte olabilecekleri belirlemeyi amaçlamaktadır. Geleceği daha iyi
gören firmalar rakipleri karşısında önemli bir üstünlük kazanırlar. Cep telefonlarının yeni
yeni kullanıma başlandığı yıllarda çok önemli holdinglerin uzak durduğu cep telefonu
operatörlüğü pazarındaki potansiyeli gören şirket, daha sonra New York borsasında işlem
gören ilk Türk şirketi olarak ülkemizin ekonomik tarihinde bir kilometre taşı olmuştur.
Özellikle istatistiksel yöntemler ve son zamanlarda önem kazanan veri madenciliği uygu-
lamaları kestirimci analitik başlığı altında ele alınan konulardır. Bir firmanın iflas etme
olasılığının hisse senedi hareketlerinden hesaplanması, bir müşterinin bizden kopup ra-
kip firmaya gitme olasılığını, bir müşterinin bir sonraki alışverişini ne zaman yapacağını
ve ne kadar para harcayacağını, müşterilerin hangi özendirme (promosyon) kampanya-
sına hangi oranda ilgi göstereceklerini, bir müşterinin borçlanma riskinin ne olduğunun
hesaplanması gibi pek çok kestirimci analitik örneği olarak verilebilir. Kestirimci analitik
için kullanılabilecek yaklaşımların başında veri madenciliği teknikleri önemli bir yer tut-
maktadır. Veri madenciliği, büyük veri kümelerinden faydalı durumbilgileri ve yönetim-
bilgilerini keşfetmek ve çıkarmak için istatistik, matematik ve yapay zekâ tekniklerinden
yararlanan bir süreçtir. Keşfedilen bilgiler, kurallar, yakınlıklar, ilişkiler, trendler ve hatta
kestirim modellerinin kendisi veya bir algoritma dahi olabilir. Çok kıymetli bilgilerin ya-
kalanabilme olasılığının olması işletmelerin veri madenciliğine olan ilgisini arttırmıştır.
Veri madenciliğinin kestirim analitiğinde yaygın uygulama alanları Şekil 1.3’te verilmiştir.
Sınıflama, veri madenciliğinin en çok kullanıldığı kestirim analitiği uygulamalarından bi-
ridir. Sınıflamanın amacı, yeni verilerin önceden belirlenmiş veri sınıflarından hangisine
ait olduğunun belirlenmesidir. Bu amaçla kullanılan yöntemler arasında yapay sinir ağları,
karar ağaçları, lojistik regresyon, diskriminant analizi, kaba küme kuramı, destek vektör
makinaları ve genetik algoritmalar sayılabilir. Örneğin bir işletmenin müşterilerini aylık
harcama potansiyellerine göre üç sınıfa ayırdığını varsayalım. 1.000 TL ve daha az harca-
ma yapanlar C sınıfı, 1.001-10.000 TL arasında harcama yapanların B sınıfı ve 10.001 TL
ve üzeri alışveriş yapanlar ise A sınıfı olsun. Müşteri portföyümüze yeni katılan bir müş-
terinin, hangi harcama potansiyeline sahip olduğunun belirlemesi bir sınıflama problemi-
dir. Sınıfı güvenli bir şekilde belirlenen müşteri, o andan itibaren o sınıfa ait promosyon ve
indirimlerden yararlandırılabilir, özel kartlar ve avantajları kendisine sunulabilir.
Kestirim analitiğinde regresyon çok yaygın kullanılan istatiksel bir tekniktir. Geçmiş
verilerden hareketle, geleceğe ilişkin tahminlerin yapılmasındaki hataları enküçükleyen
bir model üzerinden parametrelerin değerleri belirlenebilir. Birliktelik analizi, araların-
da görünür bir mantıksal bağ olmasa dahi birlikte ortaya çıkan olayların veya belirli bir
sıra içinde gerçekleşen olayların keşfedilmesini içerir. Pazar-sepeti analizinde başvurulan
yöntemlerden olup, birlikte satılan ürünlerin raflarda birbirlerine yakın yerleştirilmesiy-
12 İşletme Analitiği
le müşteriye uygun bir ortam yaratılır. Kestirim analitiğinin tipik pazar-sepeti örnekle-
rinden biri çocuk bezi alan müşterilerin aynı zamanda alkollü içecek de tükettiklerinin
belirlenmesidir. Öte yandan ünlü bir Amerikan süpermarket zincirinin kestirimci ana-
litik sistemi, 16 yaşında ve lise öğrencisi olan bir müşterisinin hamile olduğunu alışveriş
seçimlerinden doğru tahmin ederek kendisine bebek bezi reklamlarının gönderilmesini
sağlamıştır.
Kümeleme, sınıfların önceden bilinmemesi halinde, aynı veya benzer özellikteki bile-
şenlerin bir arada olacak şekilde bölümlenmesidir. Bir işletmenin gerçekte müşterileri-
ni kaç farklı sınıfa ayırması gerektiği problemi bir kümeleme problemidir. Kümelemede
amaç, aynı gruptaki bireylerin benzerliklerinin enbüyüklenmesi iken farklı gruplardaki
bireylerin benzerliklerinin enküçüklenmesidir.
Şekil 1.3
Kestirim Analitiğinde
Veri Madenciliğinin Veri
Başlıca Kullanım Madenciliği
Alanları
Karar Analitiği
Karar analitiği (presciptive analytics), bir karar problemi için uygun veya eniyi karar seçe-
neğinin belirlenmesine yönelik öneri içeren yöntem ve yaklaşımlardan oluşmaktadır. Bu
1. Ünite - İşletme Analitiği: Temel Kavramlar 13
kategorideki yöntem ve yaklaşımlar optimizasyon (eniyileme) içeren karar modelleri, yö-
neylem araştırması ve yönetim bilimi adı altında geliştirilmiş teknikleri içerir. Öneriler, bir
“temin et veya üret” gibi bir probleme evet/hayır yanıtının verilmesi, bir ürünün optimum
sipariş miktarının hesaplanması, hangi siparişin üretim planında hangi zaman aralığına
çizelgelenmesi, bir havayolu işletmesinin uçak koltuklarının ne kadarını özel hizmet bek-
leyen müşteriler için ve ne kadarını ekonomik uçuş müşterileri için ayırması gerektiğinin
belirlenmesi gibi karar vericiler için çok kıymetli yanıtları içerebilir. Karar analitiği, bir ka-
rar vericinin karara varmasına yardımcı olacak bilgileri sunan sistemler (Karar Destek Sis-
temleri) ile karar vericinin tercihi olan yöntemleri kullanarak otomatik olarak karar veren
bilgi sistemleri (Otomatik Karar Sistemleri) aracılığıyla yaşama geçirilir. Karar analitiğine
yönelik bilgi sistemleri karar destek sistemleri başlığında ele alınmakta olup, karar oto-
masyonu, karar vericinin yargısına ihtiyaç duymayan özel bir karar destek sistemi türüdür.
Şekil 1.4 bu üç analitik türünü yaygın analitik araçları ile karşılaştırmalı olarak gös-
termektedir. İşletme faaliyetlerinin takibi ve denetimi betimsel analitiğin temel noktasını
oluştururken, işletmenin ve içinde bulunduğu ortamın gelecekteki davranışlarını öngö-
rebilme çabaları kestirimci analitiğin ağırlık noktasını teşkil etmektedir. Karar vericiye
seçenekler türeten ve mevcut seçenekler içinden hangisinin hangi durumda ne düzeyde
bir performans ortaya koyacağını gösteren ve genellikle sistemin bir modeli üzerinden
optimizasyon gerçekleştiren analitik araçlar ise karar analitiği başlığında ele alınmaktadır.
Bu kitapta, işletme analitiğinin ilk iki basamağını oluşturan ve veri-merkezli KDS’ler ola-
rak da bilinen betimsel ve kestirimci analitiğe yer verilecektir.
Şekil 1.4
Analitik Türlerinin
Belirsizliğin etkilerini gözeterek en Yaygın Araçları ve
Bulanık Optimizasyon Rekabet Avantajına
iyi sonuca nasıl ulaşabiliriz?
Değişkenliğin etkilerini gözeterek Karar Katkıları (Davenport
Stokastik Optimizasyon Analitiği ve Harris, 2007’den
en iyi sonuca nasıl ulaşabiliriz?
Yararlanılmıştır.)
Optimizasyon En iyi sonuca nasıl ulaşabiliriz?
Rekabet Avantajı
Simülasyon Kestirimci
Eğer bu eğilimler devam ederse?
Analitik
Tahminleme .... olsa ne olur?
Uyarılar Hangi eylemler gerekli?
Karmaşıklık Derecesi
Uygulama alanlarına bağlı olarak birçok analitik türü vardır. Bunların bazıları aşağıda
özetlenmiştir.
Metin Analitiği (Text analytics): Metin analitiği, metinler halinde tutulan bilgilerin
derlenmesi ve metin madenciliği ile eyleme dönüştürülebilecek bilgilerin keşfedilmesi
sürecini içerir. Metin madenciliğinin popüler uygulamaları arasında bilginin çıkarılması,
konu izleme, özet çıkarma, kategorileştirme, kümeleme, kavramsal bağıntılar soru yanıt-
lama sayılabilir. Araştırmalar, tüm şirket verilerinin %85’inin veritabanlarına uygun ol-
mayan ve genellikle metin belgeleri halinde tutulduğunu göstermektedir. Öte yandan bu
bilginin her 18 ayda bir iki katına çıktığını gösteren çalışmalar mevcuttur.
Web Analitiği (Web analytics): Web kullanımı madenciliği (web usage mining) ola-
rak da anılır. Web sayfaları ziyaret ve işlemleri üzerinden faydalı bilgilerin çıkarılmasıdır.
Analiz edilecek veriler web sunucuları yardımıyla toplanır. Bu yüzden tıklama akışı ana-
lizi de denir. Örneğin Antalya’da otel arayan müşterilerin %80’inin daha önce Antalya’ya
uçak aradıkları web analitiği ile tespit edilerek, web sitesi buna uygun olarak tasarlanabilir.
Amazon.com ve Expedia.com tıklama akış analizi uygulamalarının başarılı örneklerini
sergilemektedirler.
Tüm analitik türler, ayrıca kullanıldıkları sektöre yönelik isimlerle de anılabilmektedir.
Bunlar arasında sağlık analitiği (health informatics), spor analitiği (sports analytics), ye-
tenek analitiği (talent analytics), davranış analitiği (behavioral analytics), pazarlama ana-
litiği (marketing analytics), perakende analitiği (retail analytics), dolandırıcılık analitiği
(fraud analytics), ulaştırma analitiği (transportation analytics), finansal analitik (financial
analtyics), tedarik zinciri analitiği (supply chain analytics) sayılabilir.
Erişim
Kopyalama Üretim
raporlama G
ve Sentez ö
SEÇ Veri A araçları
Eski marketi r r
Veritabanı GÖÇER a s
İlişkisel sorgu
Metaveri Pazarlama e
c araçları
DÖNÜŞTÜR Raporları ı l
OLTP y l
Veri a e
BÜTÜNLEŞTİR OLAP / hOLAP
marketi z ş
KURUMSAL
ı t
BAKIM VERİ AMBARI Risk
Harici l i
Yönetimi
ı r
HAZIRLAMA Hedef WEB Web m
m
Operasyonel veritabanı Veri tarayıcılar e
sistemler / (HDB,MDDB) marketi
veriler
Mühendislik
Veri madenciliği
16 İşletme Analitiği
Şekil 1.6
İstemci İş istasyonu
(KDS, İZ, İA)
Uygulama Sunucusu
(Veri Ambarı)
İki katmanlı mimaride, KDS motoru veri ambarıyla aynı sunucuyu kullanır (Şekil
1.7). Bu yönüyle üç-katmanlıya göre ekonomiktir. Veri yoğun KDS uygulamalarında
performans sorunu olabilir. Kurumsal beklentiler ve gereksinimlere göre uygun mimari
seçilmelidir.
18 İşletme Analitiği
Şekil 1.7
İki Katmanlı Veri Uygulama ve Veritabanı Sunucusu
Ambarı Mimarisi İstemci İş İstasyonu
Veritabanı
MapReduce olarak bilinen programlama yaklaşımının veri işleme konusunda sağladığı fay-
dayı kısaca açıklayınız. 3
20 İşletme Analitiği
Özet
Bilgi türlerini birbirinden ayırt etmek. Büyük veri ile işletme analitiğini ilişkilendirmek.
1 3
Bilgi sistemleri kapsamında bilginin; veri, durum- Büyük veri; farklı kaynaklardan gelen, geleneksel ve-
bilgisi ve yöntembilgisi olmak üzere üç farklı türü ritabanlarında tutulamayan ve yapısal olmayan veri
bulunmaktadır. Veri; gözlem, sayım ve ölçüm gibi yığınlarıdır. İşletmeler için bu büyüklükteki verilerin
yöntemlerle biriktirilen bilginin ham halidir. Durum- saklanılabilirliğinden ve erişilebilirliğinden ziyade an-
bilgisi; verilerin bir sorgu ya da hesaplama işlemi ile lamlandırılması büyük bir önem taşımaktadır. Büyük
anlamlandırılması sonucu oluşan bilgilerdir. Yöntem- veri yığınlarının doğru işletme analitiği araçlarıyla ana-
bilgisi ise karar vericinin durumbilgisini anlamlan- lizlerinin yapılması, işletmelerin doğru kararlar almala-
dırma şeklidir. Yöntembilgisinin açık ve örtük olmak rını sağlamaktadır. Alınan bu kararlar ışığında işletme-
üzere iki türü bulunmaktadır. Açık bilgi, herkesin ler geleceğe yönelik politikalarını belirleme ve risklerini
kolayca erişebileceği bilgi olup; örtük bilgi, belgelen- daha iyi yönetme imkânlarını bulmaktadırlar.
dirilmesi kolay olmayan bilgidir. Yöntembilgisinin
özelleştirilmiş bir hâli olan uzmanbilgisi, belirli bir İşletme analitiğinde kişisel analitiğin önemini açıklamak.
4
amaca yönelik, dar bir alanda eğitim ve deneyimle İşletme analitiği, bir kurumda profesyonel veri bi-
oluşturulan bilgidir. limcileri (data scientist) ve yönetim bilişim uzman-
ları tarafından başlatılabilir. Bir süreç içinde, analitik
İşletme analitiğinin temel kavramlarını tanımlamak. araçları kullanabilen yöneticilerin karşılıklı etkileşim-
2
İşletme analitiği; yöneticilerin, kurumun mevcut du- li olarak işletme analitiğinin bir parçası olmaları ha-
rumunu bilgisayarlı bilgi sistemlerinden etkin bir linde “analitikle rekabet” gücü daha yüksek düzeylere
şekilde yararlanarak araştırması ve incelemesi so- çıkabilir. Yönetim becerilerini kurumsal bilgi sistem-
nucu yönetsel içgörülerini geliştirmeyi hedefleyen leri ve analitik araçlarla buluşturabilen yöneticilerin
teknolojik ve yöntemsel olanakların bütünü olarak işletme başarısına katkıları yadsınamaz. Yöneticilerin
tanımlanabilir. Karar destek sistemleri; bilginin ve kurumsal karar süreçlerinde veri ve bilgiyi kullanma-
bilgi sistemlerinin yönetsel karar verme konusunda larını destekleyecek bilgi altyapısı ve analitik araçları
öneminin farkedilmesiyle birlikte gelişmekte olan, kullanabilmelerine de bağlıdır. Bu bağlamda, yöne-
karara yönelik bilgi sistemleridir. İşletme zekâsı ise ticileri işletme analitiği ile yönetmelerini sağlayacak
işletmelerin faaliyetlerinde bilgi sistemlerinin kulla- araçların başında işlemtabloları gelmektedir. Karar
nılmasına ve yaygınlaştırılmasına yönelik çabaların vericilerin işletme analitiği araçlarından bireysel ola-
bütünü olarak tanımlanabilir. rak sağladıkları faydalar işletme süreçlerine olumlu
İşletme analitiğinin betimsel analitik, kestirimci yönde katkı sağlamaktadır. İşletmelerde, söz konu-
analitik ve karar analitiği olmak üzere üç farklı türü su araçları etkin bir şekilde kullanan karar vericiler,
bulunmaktadır. Betimsel analitik, işletmenin mev- kendi kararlarını analiz etme fırsatı yakalamakta ve
cut durumunu anlamaya ve raporlamaya yöneliktir. elde ettikleri sonuçların değerini arttırabilmektedir-
Kestirimci analitik, işletmenin mevcut durumunu ler. Bilgisayar okuryazarı olan karar vericiler, analitik
gözeterek gelecekte olabilecekleri kestirmeyi amaç- çeviklik düzeyi ile doğru orantılı olarak işletme sü-
lamaktadır. Karar analitiği ise eniyi kararın verilebil- reçlerinin daha verimli bir hale gelmesinde etkin rol
mesine yönelik, öneri içeren yöntem ve yaklaşımların oynamaktadırlar.
bütünüdür. Karar vermeyi desteklemek üzere üretilen
ya da toplanan verilerin tutulduğu veri yapılarına veri
ambarı adı verilir.
Bazı bilişim uzmanları işletme analitiğini evrimsel ve
kronolojik açıları da gözeterek üç ayrı dönemde ele al-
maktadır. Bu dönemler işletme zekâsı çağı (analitik 1.0),
büyük veri çağı (analitik 2.0) ve veriyle zenginleştirilmiş
ürün çağı (analitik 3.0) olarak adlandırılmaktadır.
22 İşletme Analitiği
Kendimizi Sınayalım
1. “Bilgi Çağı”na geçişin önemli ölçüde etkilendiği iki 6. Aşağıdakilerden hangisi işletme zekâsının temel bileşen-
önemli sıçrama noktası aşağıdakilerden hangisinde birlikte leri arasında yer almaz?
ve doğru olarak verilmiştir? a. Karar Otomasyon Sistemleri
a. Bilgisayarın İcadı – Sanayi Devrimi b. İşletme Analitiği Araçları
b. Yönetsel analiz araçlarının gelişmesi – İşletme anali- c. İşletme Performans Yönetim Sistemi
tiğinin uygulama alanlarının artması d. Kullanıcı Arayüzü
c. Bilgi işlem merkezlerinin kurulması – İşlemtabloları- e. Veri Ambarı
nın kullanımı
d. Bilginin erişilebilirliği – Bilginin hesaplanabilirliği 7. Aşağıdakilerden hangisi veri madenciliğinin kestirim
e. İnternetin keşfi – İşletme zekâsının yaygınlaşması analitiğindeki yaygın uygulama alanlarından biri değildir?
a. Birliktelik Analizi
2. Aşağıdakilerden hangisi bilginin türlerinden biri değildir? b. Kümeleme
a. Veri c. Sınıflama
b. Durumbilgisi d. Veri Görselleştirme
c. Enformatik e. Regresyon
d. Yöntembilgisi
e. Uzmanbilgisi 8. Aşağıdakilerden hangisi veri ambarının özelliklerinden bi-
ridir?
3. Durumbilgisi ile ilgili aşağıdaki ifadelerden hangisi a. Kullanıcı-Odaklılık
doğrudur? b. Tüketilebilirlik
a. Ham bilgi olarak da tanımlanır. c. Sınırlı Kapasite
b. Bir işlem, bir formül ya da bir hesaplama içermez. d. Güncellik
c. Deneyim ve eğitimle geliştirilebilir. e. Zaman-Damgalılık
d. Açık ve örtük olmak üzere iki türü bulunmaktadır.
e. Karar vericinin kararını etkileme, belirleme ve değiş- 9. Farklı kaynaklardan gelen, tek bir depolama ünitesinde
tirme yeteneği vardır. saklanamayan ve geleneksel veritabanı sistemlerinin işleme
kapasitesini aşan veri topluluğuna ne ad verilir?
4. Aşağıdakilerden hangisi açık (explicit) bilgiye örnek ola- a. Büyük veri
rak gösterilebilir? b. İlişkisel veritabanı
a. İnsan yüzlerinin tanınması c. Veri madeni
b. Araba kullanılması d. Veri deposu
c. Bir günün 24 saat olması e. MapReduce
d. Herhangi bir dilin konuşulması
e. Liderlik yeteneğinin kullanılması 10. Google Dosya Sistemi’nden geliştirilmiş olan ve büyük
veriyi parçalayıp bir ağ mimarisiyle birbirine bağlı farklı su-
5. Bilginin ve bilgi sistemlerinin yönetsel karar verme ko- nucularda tutan dosya sistemine ne ad verilir?
nusunda öneminin farkedilmesiyle birlikte gelişmekte olan, a. İşlemtablosu
spesifik bir karara ve karar vericiye yönelik bilgi sistemlerine b. Veri Dosyalama Sistemi
ne ad verilir? c. Hadoop Dağıtık Dosya Sistemi
a. Anahtar Performans Gösterge Sistemleri d. Büyük Veri İşleme Sistemi
b. İşletme Performans Yönetim Sistemleri e. Veri Ambarlama ve Dosyalama Sistemi
c. Karar Analiz Sistemleri
d. Karar Destek Sistemleri
e. Karar Verici Sistemleri
1. Ünite - İşletme Analitiği: Temel Kavramlar 23
Yararlanılan ve Başvurulabilecek
Kaynaklar
Bartlett, R. (2013). A Practitioner’s Guide To Business
Analytics: Using Data Analysis Tools To Improve
Your Organization’s Decision Making And Strategy.
McGraw Hill Professional.
Baesens, B. (2014). Analytics in a big data world: The
essential guide to data science and its applications.
John Wiley & Sons.
Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business
Intelligence and Analytics: From Big Data to Big
Impact. MIS quarterly, 36(4), 1165-1188.
Davenport, T. H., Harris, J. G., & Morison, R. (2010).
Analytics at work: Smarter decisions, better results.
Harvard Business Press.
Davenport, T. H., & Harris, J. G. (2007). Competing on
analytics: The new science of winning. Harvard
Business Press.
http://m.kapanoglu.com/aof/ybs202u
Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A
revolution that will transform how we live, work, and
think. Houghton Mifflin Harcourt.
Power, D. J., Sharda, R., & Burstein, F. (2015). Decision
support systems. John Wiley & Sons, Ltd.
Sharda, R., Delen, D., Turban, E., Aronson, J., & Liang, T. P.
(2014). Business Intelligence and Analytics: Systems
for Decision Support (10th ed.), Prentice Hall.
Turban, E., Aronson, J., Liang, T., & Sharda, R. (2007).
Decision support and business intelligence systems,
8th Edition Prentice Hall. Upper Saddle River NJ.
2
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Betimsel analitik yöntemleri ile ilgili temel kavramları tanımlayabilecek,
Kestirimci analitik yöntemlerinin faydalandığı teknikleri açıklayabilecek,
Güncel işletme analitiği yazılımlarını ve özelliklerini listeleyebilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• İşletme Analitiği Araçları • Anahtar Performans Göstergesi
• Değişken • Kurumsal Karne
• Nitel Veri • Veri Madenciliği
• Nicel Veri • Regresyon Analizi
• Dağılımlar • Lojistik Regresyon Analizi
• Veri Görselleştirme • Karar Ağaçları
• Tablolar • Yapay Sinir Ağları
• Gösterge Panosu
İçindekiler
• GİRİŞ
İşletme Analitiği: Yöntemler ve • BETİMSEL ANALİTİK: YÖNTEMLER
İşletme Analitiği
Yazılımları • KESTİRİMCİ ANALİTİK: YÖNTEMLER
• İŞLETME ANALİTİĞİ YAZILIMLARI
İşletme Analitiği: Yöntemler ve
Yazılımları
GİRİŞ
Son yıllarda, bilişim teknolojilerindeki gelişmeler sonucu ortaya çıkan yazılım ürünleri ve
ortamları, logaritmik olarak artan kullanıcı ve tüketici kitlesi yaratmıştır. İnternet’in, mo-
bil cihazların ve çipli kartların kullanımının yaygınlaşması ile birlikte boyutunda büyük
bir ivmeyle artış görülen veriler, günümüzde yaygın olarak kullanılan sosyal ağların ve
elektronik ticaretin gelişmesi ile devasa boyutlara ulaşmıştır. Veri miktarlarında gözlenen
bu artış hayatın her alanını olduğu gibi iş hayatını da büyük ölçüde etkilemiştir. İşlet-
meler, ürettikleri verileri sadece kayıtların tutulması ve belgelenmesi için değil; mevcut
verilerden anlamlı sonuçların ve kestirimlerin üretilmesi için de kullanarak problemleri
çözme ve karar verme süreçlerinde de verilerden beslenmeye başlamışlardır. İşletmele-
rin verilerden faydalanma sürecinden maksimum yararın sağlanması ancak veri analizi
işlemlerinde uygun yöntem ve araçların kullanılmasıyla düşünülebilir. Rekabet gücünü
arttırmak isteyen işletmelerin günlük operasyon yönetimi, hızlı karar alma ve tahmine da-
yalı gelecek analizi gibi süreçleri destekleyecek teknolojik araçları kullanması günümüzde
kaçınılmaz bir hâle gelmiştir.
Teknolojik gelişmelerden birçok alanda olumlu yönde fayda sağlayan işletmeler; işlet-
me analitiği araçlarının (İAA) gelişmesi ve gelişen bu araçların işletme zekâsına kattıkla-
rıyla, bu teknolojileri kullanmayan işletmeleri kendileriyle rekabet edemeyecek duruma
sokmuşlardır. İşletme analitiği araçları en basit şekilde karar vericilerin, verileri anlamlan-
dırarak durumbilgilerine ve yöntembilgilerine dönüştürmesinde kullanılan teknolojilerin
bütünü olarak tanımlanabilir. İAA’lardan maksimum fayda sağlamak isteyen işletmelerin
her ne kadar güçlü birer bilgi işlem (IT) departmanına ihtiyaç duyduğu fikri oluşsa da, böy-
le bir departmanın varlığı tek başına yeterli değildir. Karar vericilerin de bu teknolojilere
aşina olması, verilerin daha doğru bir şekilde anlamlandırılmasını sağlayacak ve verilen
kararların kalitesini arttıracaktır. İAA’ların, işletmelerin problemlerine çözüm üretme ve
geleceğe dönük kestirimler yapma konusunda sağladığı bazı katkılar aşağıda verilmiştir:
• Analiz çıktılarının kalitesini arttırmak ve bu çıktıların izlenebilirliklerine olanak
tanımak,
• Kullanıcıların ek iş yükünü minimize ederek daha önceden yapılandırılmış siste-
min maksimum fayda ile yeniden kullanılmasına imkân tanımak,
• Farklı düzeydeki karar vericiler için farklı amaçlara uygun çıktılar üretmek,
• Çevrimiçi olarak işbirliği ve onay desteği sunarak işlemlerin paralel olarak yapıla-
bilmesine imkân tanımak ve böylece verimlilik ve kar artışını sağlamak.
Verilen kararlara katkı sağlamaya yönelik İAA’ların seçilebilmesi süreci, birçok fak-
töre bağlıdır. Bunların başında karar vericilerin iş sürecinde ne derece aktif olduklarının
28 İşletme Analitiği
belirlenmesi gelmektedir. Süreçte verilecek kararların tamamen bir karar verici tarafın-
dan verilmesi durumunda kullanılması gereken teknolojik araçlar ile kararların büyük
bir kısmının otomatik olarak verildiği iş süreçlerinde kullanılacak olan teknolojik araçlar
arasında çeşitli farklılıklar bulunacaktır.
Diğer bir faktör ise kullanılacak olan yöntemin üçüncü parti bir yazılım mı yoksa ki-
şisel analitik çözümleri mi olduğunun belirlenmesidir. Sektörel bazlı (Matbaa depo takip
sistemleri) ya da işlev bazlı (proje yönetim yazılımları) uygulamaların sayısı gün geçtikçe
katlanarak artmaktadır. “Yap ya da satın al” kararının verilmesi, problem için gerekli çözü-
mü sunan bir paketin olması ya da işletmenin sorunu çözme konusunda yetkin olması ile
belirlenebilecektir. Yanı sıra, işletmelerin kendi çözümlerini oluşturmasına olanak sağlayan
pek çok güçlü İAA da bulunmaktadır. Bazı araçlar dilim ve zar (slice and dice) ya da ayrın-
tılara girip çıkma (drill down/up) için tasarlanmışken bazıları ise istatistik ağırlıklıdır. Bu-
nunla birlikte, bazı araçlar geçmişteki verilerden geleceği tahmin ederken, bazıları ise yeni
trend ya da ilişkileri bulup çıkarmaya çalışmaktadır. Kullanılacak yazılım hazır bir paket de
olsa kişisel analitik çözümü de olsa işletmelerin teknolojik yenilikleri takip etmesi ve sağ-
lanabilecek maksimum verimin sağlanabilmesi için çeşitli önlemler alması gerekmektedir.
Veri analizinde kullanılan yöntemlerin ya da geliştirilen yazılımların temelinde yatan
yaklaşım geleceğin, geçmişin bir yansıması olduğudur. Bu yaklaşıma göre geçmişe ilişkin
veri dizinlerinin etkin bir şekilde analiz edilmesi ve analiz sonuçlarının anlamlandırılarak
gelecek planlarına dönüşmesi işletmeler için vazgeçilmez bir anlayış olmalıdır. Bununla
birlikte, geçmişin ya da mevcut durumun verisini toplamak ve analiz etmek mümkün olsa
da geleceği bilmek için herhangi bir yöntem mevcut değildir. Bu konudaki çarpıcı örnek-
lerden birisi 2007 yılının Ekim ayında 39,72 ABD Doları kapanış fiyatı ile zirvede olan
Nokia hisse senedi fiyatlarının, Haziran 2007’de pazara giren iPhone’dan etkilenerek hızlı
bir şekilde değer kaybetmesi ve Haziran 2012’de 2,07 ABD Doları kapanış fiyatına sahip
olarak piyasadaki üstünlüğünü büyük ölçüde kaybetmiş olmasıdır.
Rekabet gücünü arttırmak isteyen üstyönetimdeki karar vericilerin işletme analitiği
araçlarından haberdar olması ve bu araçları iş anlayışlarının bir parçası haline getirmeleri
gerekmektedir. Bu araçlardan en yaygın olanları aşağıda kısaca ifade edilmiştir.
İşlemtabloları, kolay kullanımları ve anlaşılır olmalarından dolayı yaygın olarak kulla-
nılan işletme analitiği araçlarının başında gelmektedir. Üstyönetimdekiler ve analistler,
karar verme süreci için oldukça somut sunumlar üretebildiği ve kapsamlı veri analiz
yöntemlerinin kullanılmasını sağladığı için işlemtablolarını analitiğin son ayağı olarak
tanımlamaktadırlar. En yaygın kullanılan işlemtablosu örneği Microsoft Excel olup,
günümüzde birçok işletme Excel ile çeşitli düzeydeki analitik işlemleri gerçekleştire-
bilmektedir.
Çevrimiçi Analiz İşleme (OLAP: Online Analytical Processing), verilerin analiz edil-
mesi için kullanılan veritabanlarıdır. OLAP araçları özellikle çok boyutlu ve dizi ta-
banlı problemler için tasarlanmıştır. OLAP’lar, verileri ilişkisel veritabanlarından
farklı olarak iki boyutlu tablolar yerine çok boyutlu küplerde tutmakta ve böylece
yapılması planlanan analiz işlemlerinin daha hızlı bir şekilde yapılmasını sağla-
maktadır. OLAP’ın küp yapısını çok boyutlu bir işlemtablosu gibi düşünmek yanlış
olmaz, fakat Excel gibi işlemtabloları üç boyutlu (dikey, yatay ve çalışma sayfaları)
iken, OLAP küpleri çok daha fazla boyut içerebilmektedir.
İstatistiksel ya da kantitatif algoritmalar, karar vericilerin ve istatistikçilerin veri
analizi yapmalarına olanak sağlamaktadır. Bu algoritmalar, nicel verilerden optimal
hedeflere ulaşılması sürecinde kullanılmaktadır. Yanı sıra, istatistiksel algoritmalar-
dan; kestirimci analitik, optimizasyon ve benzetim gibi birçok yöntem ve teknikten
de fayda sağlanmaktadır.
İş Kural Motorları (Business Rule Engines-BRE), koşullu önermeleri kullanarak be-
lirli iş kurallarını uygulayan yazılımlardır. Örneğin, 250 TL üzerinde alışveriş ya-
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 29
pan müşterilere bir sonraki alışverişlerinde geçerli indirim kuponlarının verilmesi
gibi. İş kural motorları otomatik bir sistemin parçası olabileceği gibi, müşterilerin
karar vermesine yardımcı olan bir öneri sistemi de olabilir.
Veri Madenciliği araçları, düz aritmetik hesaplamalardan yapay zekâ, istatistik, ka-
rar ağaçları, sinir ağları ve Bayes ağlarına kadar birçok teknikten yararlanmaktadır.
Veri madenciliğinin amacı, karmaşık ya da iyi tanımlanmamış veri setlerinin de-
senlerinin belirlenmeye çalışılması ve bu desenlerin günlük hayatta karşılaşılan ya
da karşılaşılma potansiyeli olan durumlarda bir yol gösterici olarak kullanılması
fikrine dayanmaktadır.
Benzetim araçları, bir dizi matematiksel, sembolik, bilimsel, finansal ve mühendis-
likte kullanılan fonksiyonlarla işletme süreçlerini modellemeye çalışan araçlardır.
İşletme süreçlerinin modellenebilmesi maliyet ve kaynak açısından tasarruf sağ-
lanmasını ve böylece kârın artmasını sağlamaktadır.
İşletme analitiğinde kullanılan yöntemler için farklı sınıflandırmalar söz konusu olup,
günümüzde en çok kabul gören sınıflandırma betimsel analitik, kestirimci analitik ve ka-
rar analitiğidir. Betimsel ve kestirimci analitik istatistiksel yöntemlerden maksimum fayda
sağlarken, karar analitiği ise yöneylem araştırması yöntemlerinden yararlanmaktadır. Bu
ünitede betimsel ve kestirimci analitik yöntemleri anlatılarak bu iki işletme analitiği türü-
nün yazılımlarına yer verilecektir.
Veri Türleri
Verileri toplanma türlerine ya da zamanlarına göre farklı kategorilere ayırmak mümkündür.
Genellikle, popülasyon içerisindeki bütün bireylerden veri toplanması mümkün olamamak-
la beraber veriler, popülasyonun örnek olarak adlandırılan alt kümelerinden toplanabilir.
Nicel Nitel
Kesikli Sürekli
Verinin Derlenmesi
İşletmelerin, yapacak oldukları araştırmalarda analiz etmek istedikleri birimlerin özellik-
lerini uygun ölçek türü ile ölçmesine verinin derlenmesi adı verilmektedir. Örneğin, farklı
türdeki birçok kablonun üretimini yapmakta olan bir fabrikanın; kablonun boyunu, rengi-
ni, kesitini, yapımında kullanılan malzemeyi, kablonun akım taşıma kapasitesini uygun öl-
çek kullanarak ölçmesi bir tür veri derleme işidir. Yapılacak olan analiz işlemlerinin tutarlı
ve anlamlı sonuçlara ulaşabilmesi için derlenecek olan verinin doğru, tutarlı ve yeterli mik-
tarda olması gerekmektedir. Eğer ki veri derleme süreci sağlıklı bir şekilde gerçekleşmezse,
her ne kadar yetkin analistler ile çalışılsa da bulunacak sonuçlar sınırlı ya da gerçeği yansı-
tamayan sonuçlar haline gelecektir. Bu bağlamda, bir işletme için alınacak kritik kararların
sağlıklı bir şekilde derlenmemiş verilerden yola çıkılarak verilmesi düşünülemez. Örneğin,
çalışanların performansını ölçmek isteyen bir şirketin veri derleme işini, çalışanların en çok
izin aldıkları yaz aylarında yapması sağlıksız sonuçların ortaya çıkmasına sebep olacaktır.
Veri derleme işlemi birinci elden veri derleme ve ikinci elden veri derleme olarak iki
gruba ayrılabilmektedir. Birinci elden veri derleme işleminde veri derleme işini yapan kişi
verileri uygun araçlar kullanarak kendisi derlemektedir. Gözlem, görüşme ve anket bi-
rinci elden veri derleme yöntemleridir. Eğer ki çalışma için gerekli olan veriler, çalışmayı
yapacak olan kişiden farklı bir kişi ya da kaynak tarafından derlenmişse, bu tür derleme
işlemlerine de ikinci elden veri derleme adı verilir. İşletmelerin faaliyetleri sırasında tuttu-
ğu müşteri siparişlerine ilişkin kayıtlar ya da satış elemanlarının verdikleri raporlar ikinci
elden veri derleme işlemine örnek olarak gösterilebilir.
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 31
Frekans Dağılımları
Bir değişkene ait değerlerin veya gözlem sonuçlarının tüm gözlem birimleri içerisindeki Bir grup birime ait veriler, bir
değişkenin düzeylerine göre
görülme sıklığına değerin frekansı denir. Frekans dağılımlarının belirlenmesi, temelde bir ayrılıp aynı düzey veya düzeyler
sayma ve sınıflama işlemidir. Frekans dağılımları hem nitel hem de nicel veriler için kulla- grubunda bulunan birimler
nılabilmektedir. Frekans dağılımları iki sütundan oluşmaktadır. İlk sütunda X rassal değiş- kümelendiğinde, her kümede
bulunan gözlem sayısı frekans
ken değerleri ve ikinci sütunda rassal değişken değerlerinin görülme sıklığı yer almaktadır. olarak tanımlanmaktadır.
Frekans dağılımları, basit seriler ve gruplandırılmış seriler için oluşturulabilmektedir.
Histogram, sayısal veriler için yaygın olarak kullanılan grafiksel sunum yöntemidir. His-
togramlar herhangi bir frekans dağılımı ile özetlenmiş olan veri seti için oluşturulabilirler.
Histogram, çeşitli sınıf ya da aralıklarda yer alan frekansların sütunlar ile temsil edilmesi
olup, oluşturulurken yatay eksene değişkenler, dikey eksene ise değişkenlerin frekansı yazılır.
32 İşletme Analitiği
Şekil 2.2
Histogram
Müşteri Dağılımının
1200
Histogram Olarak
Gösterilişi 1000
Frekans 800
600
400
200
0
25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94 95-99
Yaş Aralığı
Histogram, sadece oranlı ölçekle ölçülmüş değişken değerlerinden oluşan veriler için oluş-
turulmaktadır.
Frekans poligonu, bir frekans dağılımının grafiksel gösterimidir. Verilen gruplandırıl-
mış frekans dağılımının frekans poligonu çizilirken öncelikle dağılımın histogramı çizilir.
Histogram içerisinde bulunan dörtgenlerin tepe orta noktalarının doğrusal olarak bir çiz-
gi ile birleştirilmesiyle frekans poligonu oluşur.
Şekil 2.3
Müşteri Dağılımının Frekans Poligonu
Frekans Poligonu 1200
1000
800
Frekans
600
400
200
0
25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94 95-99
Yaş Aralığı
Frekans poligonu, sadece oranlı ölçekle ölçülmüş değişken değerlerinden oluşan veriler için
kullanılmaktadır.
Zaman Serisi
Zamana bağlı bir değişkenin zaman içerisinde almış olduğu farklı değerlerin ölçülüp bu
ölçüm sonuçlarının kronolojik olarak sıralanmasıyla oluşan serilere zaman serisi adı veri-
lir. Zaman serileri iki sütundan oluşur; birinci sütunda zaman değişkeninin ölçme düzey-
leri yer alırken ikinci sütunda ilgili zaman düzeyine karşılık gelen ölçüm değeri yer alır.
Zaman serileri, nicel değerlerden oluşmaktadır. Zaman serisi analizinde, zaman içerisinde
düzenli aralıklarla gözlemlenen verilerin incelenmesi ve gelecek dönemlerde elde edilebi-
lecek tahminî verilerin öngörüsünün güvenilir bir şekilde yapılabilmesi amaçlanmaktadır.
Örneğin, bir fabrika işçilerin günlük performanslarını kayıt altında tutarak bir işçinin bir
üretimi ne kadar süre içerisinde yapabileceğini kestirebilir.
Mekân Serisi
Değişkenin aldığı değerlerin mekâna göre sınıflandırılmasıyla oluşan serilere mekân serisi
adı verilmektedir. Mekân serisinde kullanılacak mekânlar ülke, bölge, il, ilçe, köy gibi yer-
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 33
leşim merkezleri olabilir. Yapılmış olan bir nüfus sayımının illere göre dağılımı ya da bir
fabrikanın farklı satış noktalarında yapmış oldukları aylık satışlar mekân serisine örnek
olarak gösterilebilir. Mekân serilerinin ilk sütununda ilgili mekânlar, ikinci sütununda ise
ölçülen değerler bulunur.
Değişkenlik Ölçüleri
Merkezî eğilim ölçüleri bir seriyi özetlemek için gerekli olmakla beraber çoğu zaman tek
başlarına yetersiz kalırlar. Merkezî eğitim ölçülerinin yanında değişkenlik ölçülerinin de
hesaplanması veri setinin anlaşılması konusunda etkili bir yöntemdir. Seriyi oluşturan
gözlem değerlerinin birbirlerinden ve duyarlı bir ortalama olan aritmetik ortalamadan ne
derece uzaklaştıklarının bilgisi değişkenlik ölçüleriyle anlaşılabilir. Değişkenlik ölçüleri
arasında değişim aralığı, değişim katsayısı, standart sapma ve varyans yer almaktadır.
Bir fabrika kaynak sıkıntısından dolayı ürettiği 2 ürünün birisinden vazgeçmek zorundadır. ÖRNEK 1
İki ürünün de son 1 yıl içerisinde sağlamış olduğu kâr ortalamalarına bakıldığında 1500 TL
olduğu görünmektedir. Böyle bir durumda sadece ortalamalardan yola çıkarak iki üründen
birisini elemek yanlış olacaktır. Bu noktada değişkenlik ölçülerinin de hesaplanması gerek-
mektedir. Şekil 2.4’te ilgili iki ürünün ay bazlı kâr dağılımı görülmektedir.
Şekil 2.4
14 5 Ürün A ve Ürün B’nin
12 4
10 12 4
Aylara Göre Kâr
Frekans
Frekans
8 3 Dağılımları
3 3
6 2
4 2
2 1
0 0
900-1200 1201-1500 1501-1800 1801-2100 900-1200 1201-1500 1501-1800 1801-2100
Ürün A’nın Aylara Göre Kâr Dağılımı Ürün B’nin Aylara Göre Kâr Dağılımı
Şekil 2.4’ten yola çıkan bir yöneticinin, B ürünündeki aylık kâr farklılıkları ve 1500
TL’nin üzerinde kâr sağlanan ayların 1500 TL’nin altında kâr sağlanan aylardan daha az
oluşunu göz önünde bulundurarak B ürününden vazgeçmesi uygun olacaktır.
34 İşletme Analitiği
Asimetri Ölçüleri
Bir serinin merkezî eğilim ölçülerinin ve değişkenlik ölçülerinin bilinmesi kadar dağı-
lım şeklinin bilinmesi de önemlidir. Seriler incelendiğinde seri içerisindeki verilerin
bazılarının ortadaki değere yakın noktalarda yoğunlaştığı, bazılarının en büyük değere
bazılarının ise en küçük değere yakın bir noktada yoğunlaştıkları gözlenebilir. Normal
dağılımdan uzaklaşan bu serilerin özellikleri basıklık ve çarpıklık ölçüleri ile anlamlandı-
rılabilir. Basıklık ve çarpıklık veri setini içerisindeki değerlerin dağılımının şeklini ortaya
koyan ölçülerdir. Basıklık, serinin frekans dağılımının normal dağılıma kıyasla daha sivri
ya da daha düz olduğunun belirlenmesini sağlar. Pozitif bir sonuç daha sivri bir dağılımı
gösterirken, negatif bir sonuç daha düz bir dağılımı göstermektedir. Çarpıklık ise seride
bulunan değerlerin aritmetik ortalama etrafında dağılımının asimetri düzeyini vermek-
tedir. Pozitif bir sonuç, değerlerin aritmetik ortalamadan daha büyük olduğu yönde bir
çarpıklık gösterirken, negatif bir sonuç ise tam tersi bir sonucu ifade etmektedir. Verinin
dağılım şekilleri işletmelerin karar verme süreçlerinde faydalandıkları önemli bir ölçüdür.
Merkezî eğilim ölçüleri, değişkenlik, asimetri ölçüleri ve endeksler başlıklarıyla ele alınan
konular ve hesaplamalarına Özer Serper’in “Uygulamalı İstatistik 1 (Bursa: 5. Baskı, 2004)”
adlı kitabından ayrıntılı olarak ulaşabilirsiniz.
Endeksler
Zaman ya da mekân içerisinde değişime uğrayan herhangi bir yığın olay için endeks he-
saplanabilir. Endeks; bir veri ya da veri setinin, zamana ya da mekâna göre aldığı değerlerin
oransal değişimini gösteren bir ölçüdür. Endekslerin hesaplanmasında birisi kıyaslanan,
birisi de baz alınan en az iki değere ihtiyaç vardır. Endeksler; çalışmanın amacına göre
mekân ve zaman endeksi olarak, değişken türüne göre sabit ve değişken esaslı endeksler,
değişken sayısına göre de basit ve bileşik esaslı endeksler olarak sınıflandırılmaktadırlar.
Basit esaslı endekste sadece bir malın fiyatı ya da miktarı kullanılmakta iken, bileşik esaslı
endekste birden fazla malın fiyatı ya da miktarı kullanılır.
Endekslerin en yaygın kullanım örneklerinden birisi TÜFE (tüketici fiyat endeksi)’dir.
TÜFE, belirli bir zamanda satın alınan malın ya da hizmetin fiyatının başka bir zaman
aralığındaki fiyatıyla karşılaştırma yapılmasını sağlayan bir ölçüm yöntemidir. Bu işlevin-
den dolayı TÜFE, enflasyonu ölçmede kullanılmaktadır.
Şekil 2.5
Tüketici Fiyat Endeks
Rakamları
Kaynak: www.tuik.gov.tr
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 35
Görselleştirme Teknikleri
Eğitim bilimleri, psikoloji ve diğer alanlarda yapılan çalışmalar göstermektedir ki insan
beyni şekiller ve grafikler gibi görsel nesneleri, yazılı metinlerden çok daha hızlı bir şekil-
de algılayıp yorumlayabilmektedir. Klasik formatta sunulan karmaşık ve dağınık verileri
bir araya toplayarak, şekilsel, grafiksel veya görüntü gibi görseller aracılığıyla anlaşılır,
yorumlanabilir hale getirmek verilerden anlamlı sonuçların çıkarılması sürecini olumlu
yönde etkilemektedir. Görselleştirme teknikleri; yığın halinde olan verileri, tek bir alan
içerisinde göstererek ya da özetleyerek, insanın algılama yeteneklerini ve insanlar arası yo-
rumlama farklılıklarını dikkate alarak problem çözümüne olanak sağlamaktadır. Verilerin
görselleştirilmesi konusunda çok farklı yöntem ve metotlardan faydalanılmakla beraber, iş
süreçlerinde oluşturulan raporlarda tablolar, gösterge tabloları ve kurumsal karneler gibi
araçlardan sıklıkla yararlanılmaktadır.
Tablolar
Verilerin görselleştirilmesi konusunda verilmesi gereken ilk kararlardan birisi en verimli
görselleştirme tekniğinin seçilmesidir. Bu teknik bir tablo olabileceği gibi bir grafik ya da
bir diyagram olabilir. Genellikle grafikler ve diyagramlar daha hızlı bir şekilde anlaşılma-
sına rağmen bazı durumlarda tabloların kullanılması daha uygun olmaktadır. Bu durum-
lardan bazıları aşağıda verilmiştir:
• Okuyucunun tablo değerleri arasında göreceli karşılaştırmalar yerine kesin bir kı-
yaslama yapması gerekiyorsa,
• Okuyucu göreceli olmayan belirli değerlere ihtiyaç duyuyorsa,
• Değerler farklı birimler ya da çok farklı büyüklüklerden oluşuyorsa
böyle durumlarda tabloların tercih edilmesi uygun olacaktır.
Şekil 2.6 incelendiğinde hangi mevsimde ne kadar masraf ve ne kadar gelir olduğu
açıkça görülebilmektedir. Eğer bu bilgiler bir tablo yerine bir grafikte verilseydi, okuyu-
cuların bu değerleri bu kadar açık bir şekilde görmeleri zorlaşacaktı (Şekil 2.6). Bununla
birlikte tabloya bakılarak değerler arasındaki ilişkilerin görülmesi, anlamlandırılması ve
yorumlanması süreci grafiklere nazaran çok daha yavaş işleyecektir. Kullanım amaçlarına
göre farklı tablo türleri mevcuttur.
Şekil 2.6
Mevsimlere Göre Mevsimlere göre gelir-masraf grafiği
Gelirler ve Masraflar 70.000,00 TL
Grafiği 60.000,00 TL
Masraflar
50.000,00 TL Gelirler
40.000,00 TL
30.000,00 TL
20.000,00 TL
10.000,00 TL
- TL İlkbahar Yaz Sonbahar Kış
Mevsimler
İki veya daha fazla değişkenin ilişkilerini göstermek için kullanılan tablolardan en
kullanışlı olanı matris raporları olarak da bilinen çapraz (olumsallık) tablolardır. Çapraz
tablolar, verileri kesişim noktalarındaki özetlenmiş bilgilerle birlikte satırlar ve sütunlar
hâlinde gösterir. Sınıflayıcı veya sıralayıcı ölçekle elde edilmiş verileri analiz etmek için
pazar araştırmasında, sosyal bilimlerde ve başka birçok alanda kullanılan istatistiksel bir
araçtır. İki veya daha fazla değişken düzeyi arasındaki ilişkinin karşılaştırılması ve birbir-
leriyle olan ilişkilerinin anlaşılmasına olanak sağlar. Tablo 2.3’te bir işletmenin ürünleri
fiyatlar bazında kategorilere ayrılmış ve her bir fiyat grubuna ilişkin kalite dereceleri be-
lirlenmiştir. Söz konusu veriyi özetleyen çapraz tablo örneği verilmiştir.
Yukarıda verilen çapraz tablo incelendiğinde, örneğin, 20-29 TL fiyat grubunda yer
alan ürünlerin 128 tanesi “iyi” kalite derecesine sahiptir. Toplam 600 ürünün 152 tanesi-
nin fiyatı 30-39 TL aralığında yer almaktadır.
Özet tablolar diğer bir deyişle pivot tablolar; büyük veri yığınlarının, çok fazla satır
içeren tabloların gruplanmasına, alt toplamlarının alınmasına, filtrelenmesine ve özetlen-
mesine olanak sağlayan önemli bir veri analiz aracıdır. Özet tablolar; genişletme (expand)
ve daraltma (collapse) yetenekleriyle verideki detayların gösterilmesi konusunda esneklik
sağlamaktadır. Özet tablolar ile veriler, anlaşılır ve yeniden düzenlenebilir özet bir çizelgeye
dönüştürülmekte ve böylece yüzlerce satır ya da sütundan oluşan veri tablolarından anlam-
lı bir veri sunumu oluşturabilmektedir. Farklı mekanlarda farklı zamanlarda satışı yapılan
farklı ürünlerin satış, miktar ve kâr değerlerinin bulunduğu bir veri seti için; ürünlerin me-
kanlara ve zamana göre satış tutarı veya satış miktarı, zamana göre ürünlerin ve mekanların
satış tutarı veya satış adedi, mekanların ürün ve zamana göre satış tutarı veya satış adedi
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 37
vb. karşılaştırmaların yapılması özet tablolarla mümkündür. Ayrıca satış, miktar veya kar
değerlerinin toplamı ya da ortalaması gibi pek çok farklı hesaplamalar da özet tablolarla
elde edilebilmektedir. Şekil 2.7’de iki farklı futbol takımı oyuncularının bir sezon içeresinde
atmış oldukları gol sayılarını gösteren bir özet tablo sunulmuştur. Yüzlerce kayıttan oluşan
bu iki takımın maç istatistikleri arasından istenilen kayıtların hızlı bir şekilde alınıp isteğe
bağlı olarak özetlenebilmesi veri analiz sürecini büyük ölçüde hızlandırmaktadır.
Şekil 2.7
İki Farklı Futbol
Takımı Oyuncularının
Bir Sezon İçerisinde
Atmış Oldukları
Golleri Gösteren Özet
Tablo
Şekil 2.8
Bir Gösterge Panosu
Örneği
Dâhilî İş
Finansal Vizyon ve Strateji
Süreçleri
Öğrenme ve
Gelişim
Verinin görsel olarak grafikler veya diyagramlar yerine tablolar ile gösterilmesi hangi du-
rumlarda daha uygundur? 1
KESTİRİMCİ ANALİTİK: YÖNTEMLER
Üstyönetimdeki karar vericiler, işletmenin sürekliliğini sağlamak ve gelecekte de mevcut
pozisyonlarını korumak ya da geliştirebilmek için karşılaşılabilecek problemleri sezgile-
riyle kestirmek ve bu problemler için uygulanabilir çözümler üretmek zorundadırlar. Bu
amaçlarını gerçekleştirme konusunda kestirimci analitiklerden yararlanılması daha tutarlı
geri dönüşler sağlayacaktır. Kestirimci analitikler; tahmin teorisine dayalı ve işletmelerin
gelecekte karşılaşabilecekleri durumları önceden öngörmeyi hedefleyen yöntemlerin bü-
tünüdür. Genel amaçları; bağımsız değişkenlerin aldıkları değerlere dayanarak, bağımlı
değişkenin değerini kestirmek için model geliştirerek gelecekteki bir durum için tahmin Tahmin, örneklemden elde
yapmaktır (Han ve Kamber, 2006). Geleceğe dönük olarak yapılacak bu tahminler iki edilen örneklem istatistiği
yardımıyla evren parametresinin
farklı tür olarak değerlendirilebilir. Bunlardan birisi; bir kitle parametresini tahmin etmek değerinin tahmin edilmesidir.
için kullanılan örnek istatistiğinin değerini tahminlemeye yönelik nokta tahmini, diğeri
ise; parametreyi tahmin etmek için kullanılan değerleri içeren bir aralığın tahmin edilme-
sinde kullanılan aralık tahminidir (Şekil 2.10).
40 İşletme Analitiği
Şekil 2.10
İstatistiksel İstatistiksel
Yöntemlerin
Yöntemler
Sınıflandırılması
Betimsel Kestirimci
Dal Dal
Düğüm Düğüm
Dal Dal
Yaprak Yaprak
Şekil 2.12
y Kümeleme Örneği
Bir bankaya kredi başvurusunda bulunan bir müşteriye kredi verilip verilmemesi kararının
verilmesinde hangi kestirim tekniğinden faydalanılması daha uygun olacaktır? 2
Microsoft Excel
Birçok tahmin modelleri ve veri madenciliği görevleri Excel içinde uygun eklentilerle ger-
çekleştirilebilmektedir. Excel için, 11Ants Model Builder, DataMinerXL ve XLMiner olmak
üzere en sık kullanılan üç farklı modelleme ve veri madenciliği eklentisi bulunmaktadır.
11Ants Model Builder: Analitik çözümleri, Microsoft Excel ortamında gerçekleştirilir
ve modeller daha sonra 11Ants Predictor kullanılarak kurumsal veritabanlarına dağıtıla-
bilir. 11Ants Model Builder;
• Karar ağacı,
• Gauss süreçleri,
• Lojistik regresyon,
başta olmak üzere çeşitli veri madenciliği algoritmalarını içermektedir.
DataMinerXL, geniş yelpazede veri madenciliği algoritmalarının uygulanmasına
imkân vermektedir.
• Regresyon analizi,
• Naive Bayes,
• Karar ağaçları,
• Yapay sinir ağları,
• Destek vektör makineleri (DVM)
algoritmalarını içermektedir. Bununla birlikte Predixion Kurumsal Insight, Hadoop’un
ve Greenplum gibi büyük veri kaynaklarından elde edilen verinin işlenmesine imkân ver-
mektedir. Üretilen modeller SharePoint panoları kullanılarak paylaşılabilmektedir.
46 İşletme Analitiği
R
R istatistiksel yazılım geliştirme ortamı; veri manipülasyonu, hesaplama ve grafik gösteri-
mi için tasarlanmıştır. R dilinin söz dizimi kuralları (syntax) C diline benzerlik gösterir.
Fonksiyonel bir programlama dili olan R istatistikçiler ve matematikçiler için kod yazmayı
kolaylaştıran fonksiyonlara sahiptir. R en kapsamlı istatiksel analiz paketidir. Standart ista-
tistiksel testler ve modellerin hepsini içermektedir. Analizlerin yanı sıra, verileri yönetmek
ve işlemek için kapsamlı bir dil sağlamaktadır. R dilinin bazı özellikleri aşağıda verilmiştir.
• R yazılımı, 19 geliştiriciden oluşan çekirdek bir ekip tarafından geliştirilmektedir.
• Açık kaynak kodlu olduğu için, kapalı kaynak kodlu yazılım aksine, birçok ulusla-
rarası üne sahip istatistikçiler ve bilim adamları tarafından gözden geçirilmiştir.
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 47
• Hiçbir lisans kısıtlaması yoktur.
• Kullanıcılara, uygulama geliştirip lisans koşulları altında satma olanağı tanımaktadır.
• Etkin veri işleme ve saklama özelliğine sahiptir.
• Dizi ve özellikle matris hesaplamalarında kullanılabilecek özel operatörlere sahiptir.
• Veri analizi için kullanılabilecek uyumlu ve bir arada kullanılabilen 15.000’in üze-
rinde paket içermektedir.
• Veri çözümlemede kullanılabilecek grafiksel araçlara sahiptir.
• Microsoft Excel, Microsoft Access, Oracle, MySQL ve SQLite, Hadoop, SAS ve
SPSS gibi birçok araç ile bağlantı kurularak dış veri alma ve dışa veri aktarma iş-
lemleri gerçekleştirme olanağı sunmaktadır.
Rapid Miner
Açık kaynak kodlu bir araç olan Rapid Miner, veri analizi, önişleme, sınıflama, kümeleme,
birliktelik kuralları çıkarımı, nitelik seçimi işlemlerini içermektedir. Oracle, MS SQL Server,
PostgreSQL, MySQL, JDBC, Sybase, Access, IBM DB2, Ingres veritabanlarını ve metin dos-
yalarını destekleyen bir platformdur. Yazılım pazarında en kapsamlı yazılımlardan biri olarak
yerini almaktadır. Excel dosyalarıyla bağlantı kurabilme imkânı sunmaktadır. MS Windows,
GNU/Linux, Mac Os X işletim sistemlerinde kolayca ve hatasız olarak çalışabilmektedir.
RapidMiner’ı öne çıkaran özellikler;
• Birçok algoritmayı ve uzantıyı, formatı desteklemesi,
• Açık kaynak kodlu olması,
• Grafik öğelerine önem vermesi,
• Sürükle-bırak mantığı ile çalışmasından dolayı kurulumunun, kullanışının kolay
olması,
• Popüler veritabanlarını desteklemesi
olarak sıralanabilir.
Weka
Tamamen modüler bir tasarıma sahip olup, içerdiği özelliklerle veri kümeleri üzerinde;
görselleştirme, veri analizi, veri madenciliği gibi işlemler yapılabilmektedir. Kendisine
özgü olarak bir “.arff ” uzantısı desteği ile gelmektedir. CSV dosyalarını da ARFF forma-
tına çevirmeye yarayan araçlar mevcuttur. Sınıflandırma, kümeleme, birliktelik kuralları
olmak üzere veri madenciliği görevlerini gerçekleştirebilmektedir. Ayrıca, veri kümeleri
üzerinde veri ön işleme ve görselleştirme yapılmasına imkân vermektedir.
Statistica
StatSoft’un analitik yazılım ürünleri ve çözümleri içeren yazılım paketidir. Statistica;
• Veri analizi,
• Veri yönetimi,
• Veri görüntüleme,
• Veri madenciliği
için en kapsamlı prosedür setlerini önermektedir. Prosedür yelpazesi, bir yazılım platfor-
munda öngörü modellemesi, gruplama ve sınıflandırma yapılması için en geniş yöntem ve
araştırma metotlarını içermektedir.
• İş akışı içeriğinin tam desteklemek için SQL komutları oluşturur, verileri dönüş-
türmek veya yeni bir veri kaynağı sağlamak için SQL sorgularından yararlanır.
• R Dili kodlarıyla bütünleşik olarak çalışarak veri görselleştirme imkânı sağlamaktadır.
• Kümeleme, sınıflandırma, tahmin ve öngörü modeli oluşturma gibi çeşitli veri ma-
denciliği görevlerinin gerçekleştirilmesine imkân tanır.
Kavram olarak işletme analitiği doğru anlaşılmış ve yaygın kavramlardan biri değildir.
İşletme analitiğine yönelik fırsatları fark eden işletmelerin beklentileri, yazılım dünyasının
konuya bakışını da konuyu işleme şeklini de belirleyecektir. İşletme analitiği yazılımları-
nın, zaman içinde izleyeceği çizginin bir ucu profesyonel veri analistlerinin ofislerinden
başlayacağını ve karar vericilerin bilgisayarlarının masaüstünde yer alan analitik araçla-
rına doğru bir yol oluşturacağını bekleyebiliriz. Söz konusu karar vericilerin bir kısmını
işletmelerin profesyonel yöneticileri, diğer bir kısmını ise internet işletmeciliğinin bilinçli
müşterileri oluşturacaktır.
Betimsel analitik yazılımları ile kestirimci analitik yazılımları arasındaki en temel fark size
3 göre nedir?
2. Ünite - İşletme Analitiği: Yöntemler ve Yazılımları 49
Özet
Betimsel analitik yöntemleri ile ilgili temel kavramları Güncel İşletme Analitiği yazılımlarını ve özelliklerini
1 tanımlamak. 3 listelemek.
Betimsel analitikler, işletmelerin bulundukları koşul- Betimsel Analitik yazılımları, veri görselleştirme araç-
lardaki ve geçmişteki durumunun ve stratejik karar- ları ve betimsel istatistik analiz araçlarını kapsamak-
larına etkilerinin belirlenmesinde kullanılmaktadır. tadır. Microsoft Business Intelligence Suite, Oracle
Bu tür analitikler, işletmelerin durumunun kolay an- Business Intellegence Suite, IBM Cognos Insight, SAP
laşılabilmesi için verilerin sıralanması, düzenlenmesi, Business Objects, SAS Business Intelligence işletmele-
grafiğinin çizilmesi ve özetlemesi amaçlarına hizmet rin ihtiyaçlarını karşılayan çözüm önerileri getiren en
etmektedir. Betimsel analitikler, betimsel istatistik- yaygın yazılımlar arasında yer almaktadır. Betimsel
lerden yararlanmakla birlikte veri türleri, verilerin analitik yazımlarının temel görevi işletmenin mevcut
derlenmesi, veri dağılımları, merkezi eğilim ölçüle- durumunu yansıtacak teknik bilgilerin ve belgelerin
ri, değişkenlik ölçüleri, asimetri ölçüleri, endeksler, oluşmasına katkıda bulunmaktır. Kestirimci analitik
tablolar, gösterge panoları, anahtar performans gös- yöntemleri ise mevcut verilerin analiz edilerek bu
tergeleri ve kurumsal karneler, betimsel analitik için bilgilerden çeşitli kestirimler yapılmasına olanak sağ-
önemli kavramlardır. lamaktadır. Bu yazılımların başında; Microsoft Excel,
IBM SPSS, R, Rapid Miner, Weka, Statistica ve Oracle
Kestirimci analitik yöntemlerinin faydalandığı teknik- Data Miner gelmektedir.
2 leri açıklamak.
Karar verme zorunluluğunda olan işletmeler, mevcut
durumlarını korumak ve geliştirebilmek için gele-
cekte karşılaşabilecekleri durumları tahmin etmek
ve iyi bir plan çerçevesinde uygun çözümler üretmek
zorundadırlar. Bu amaçların gerçekleşmesi nokta-
sında kestirimci analitikler kritik rol oynamaktadır.
Kestirimci analitikler tahmin teorisine dayalı ve işlet-
melerin gelecekte karşılaşabilecekleri durumları ön-
ceden öngörerek çeşitli veri ve teknikleri kullanarak
önlemler alınmasını sağlamaktadır. Genel amaçları;
bağımsız değişkenlerin aldıkları değerlere dayanarak,
bağımlı değişkenin değerini kestirmek için bir model
geliştirerek, gelecekteki bir durum için tahmin yap-
maktır. Kestirimci analitik araçları; değişkenler ara-
sındaki ilişkileri inceleyen regresyon analizi ve lojistik
regresyon analizinden, bağımlı değişkenler arasın-
daki farklardan yola çıkarak değişken setini sıralı bir
şekilde gruplayan karar ağaçlarından, verilerin çeşitli
özelliklere göre gruplanmasını sağlayan kümeleme
yöntemlerinden ve insan beyninin çalışma mekaniz-
masından yola çıkarak bu mekanizmanın bilgisayar-
larda uygulanmasını sağlayan yapay sinir ağlarından
faydalanmaktadır.
50 İşletme Analitiği
Kendimizi Sınayalım
1. Karar vericilerin, verileri anlamlandırarak durumbilgi- 6. Aşağıdakilerden hangisi anahtar performans göstergele-
lerine ve yöntembilgilerine dönüştürmesinde kullanılan tek- rinin özelliklerinden biri değildir?
nolojilerin bütününe ne ad verilir? a. Gerçekçi olma
a. İnsan Kaynakları Yazılımları b. Ölçülebilir olma
b. Büyük Veri c. Zaman çerçeveli olma
c. Veri Madeni d. Anlaşılabilir olma
d. İşletme Analitiği Araçları e. Modellenebilir olma
e. Veri Etiketleme Sistemleri
7. Bir ya da daha fazla amaca ulaşma konusunda gerekli
2. Aşağıdakilerden hangisi rekabet gücünü arttırmak iste- olan bilgilerin bir bakışta anlaşılabilecek, tek bir ekrandaki
yen karar vericilerin bilmesi gereken işletme analitiği araçla- derlenmiş ve organize edilmiş; özet tablolar, özet grafikler ve
rından biri değildir? dilimleyicilerden oluşan sunuma ne ad verilir?
a. Çevrimiçi Analiz İşleme Araçları a. Kurumsal Karneler
b. Görüntülü İletişim Araçları b. Karar Ağaçları
c. Veri Madenciliği Araçları c. Gösterge Panosu
d. Benzetim Araçları d. Anahtar Performans Göstergeleri
e. İş Kural Motorları e. OLAP
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Excel çalışma sayfalarında bulunan metin verilerini isteğe uygun olarak düzen-
leyebilecek,
Excel’de istenilen verileri seçebilecek,
Excel ile tarih ve zaman hesaplamaları yapabilecek,
Excel ile koşullu ifadeler oluşturabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• İşlev • Metin İşlevleri
• Parametre • Tarih ve Zaman İşlevleri
• Başvuru • Koşullu İfadeler
• Hücre Aralığı • Mantıksal Sınama
• Diyalog Kutusu
İçindekiler
• GİRİŞ
• METİN VERİLERİNİN DÜZENLENMESİ
VE DENETİMİ
İşlemtabloları ile Veri Düzenleme
İşletme Analitiği • VERİ ARAMA, ADRESLEME VE
ve Denetleme KONUMLANDIRMA
• TARİH VE ZAMAN İŞLEVLERİ
• KOŞULLU İFADELER OLUŞTURMA
İşlemtabloları ile Veri
Düzenleme ve Denetleme
GİRİŞ
İşletme analitiğinin kurumsallaşması ve yaygın bir yönetim aracı haline gelebilmesi, an-
cak yaygın bilgi yönetme ve işleme araçlarının sürecin bir parçası haline getirilebilmesi ile
başarılabilir. Her yönetici, departman veya çalışanlar her düzeydeki probleme, “bilgiye”
ve “fırsat”lara dönüştürülebilme anlayışı ile yaklaşabilmelidir. Analitik rekabet gücünden
üst düzeyde yararlanabilme, kapsamlı bir analitik kültürün işletmeye kazandırılmasını ge-
rektirir. Bu konuda işletmelerin en çok yararlanacakları teknolojik çözümlerin başında
işlemtabloları kullanımını işletme analitiği araçlarından biri yapmak gelmektedir.
İşlemtablolarının ilk tasarlandıkları ve ortaya çıktıkları problem alanı, muhasebeye
dönük veri düzenleme ve denetlemedir. Günümüzde beyaz yakalı çalışma rutini içinde
veri düzenleme ve denetleme görevi içermeyen çalışma alanı bulmak oldukça güçtür. Bu
derece yaygın bir sorumluluk alanının etkin ve güvenilir bir şekilde yerine getirilmesi,
ancak işlemtabloları kadar yaygın yazılımlarla olanaklıdır.
İşlemtablosu kullanma konusunda yetkinlik düzeyindeki kullanıcılarla, acemi kullanı-
cılara uygulanmış olan bir çalışmanın sonuçları dikkate değerdir. “Yapmam gereken işleri
işlemtablosu kullandığımda daha kısa sürede yapıyorum” diyenlerin oranı yetkin kullanıcı-
larda %100 iken, acemiler için bu sadece %12’dir. Bu iki oran incelendiğinde dikkate değer
sonuçlar ortaya çıkmaktadır. Acemiler için işlemtablosu, yapılan işe ayrılan süreyi kısalt-
mamaktadır. Uzman kullanıcıların tamamı işlemtablosu kullanarak işlerini daha kısa süre-
de bitirdiklerini söylemektedirler. İşletme verimliliği açısından konuya yaklaşılırsa, işlem-
tablosu kullanımındaki düzeyin göz ardı edilemeyecek kadar anlamlı olduğu ortaya çıkar.
Aynı çalışmada kullanıcıların işlemtablosu kullanım nedenleri sorgulanmıştır. Yetkin
kullanıcıların %82’si pek çok farklı görevi işlemtablosu ile yerine getirebildikleri için kul-
landıklarını ifade etmişlerdir. Yetkin olmayan kullanıcıların işlemtablosunun çok yönlü
görev yerine getirebilme özelliğinden yararlanma oranları çok daha düşüktür.
İşletme analitiği konusundaki çalışmaların bir kısmı istatistiksel yöntemlerle büyük
veriyi işlerken, bir kısmı işlemtabloları ile yapılan analitik çalışmalarını ön plana çıkar-
maktadırlar. Yukarıdan aşağıya bir yaklaşımla, bireysel analitik yeteneğinin güçlendiril-
mesi, kurumsal analitik anlayışına olumlu ve daha önce hiç görülmemiş bir katkı sağlama
potansiyeline sahiptir.
İşletme analitiği anlayışı ile işlemtablolarının kullanışlılığını bir araya getirme çaba-
sının en yaygın ticari işlemtablosunu kendine konu edinmesi doğal karşılanmalıdır. Bu
düşünce ile bu derste ağırlıklı olarak Excel’e ve bu ünitede Excel’in veri düzenleme ve
denetleme özelliklerinden bir kısmına yer verilecektir.
54 İşletme Analitiği
Şekil 3.1
Bazı Metin
Düzenleme
İşlevlerinin Kullanım
Örnekleri
ÖRNEK 1
Bir bilgisayar firmasında bulunan ürünlerin bilgileri bir metin dosyasında tutulmaktadır
(Şekil 3.2). 35 farklı ürünün bulunduğu listenin her bir satırında; ürün kodu, ürün açıkla-
ması ve stok miktarı bilgileri bulunmakta ve bu bilgiler ; (noktalı virgül) işareti ile ayrılmak-
tadır. Listede bulunan ürünler bu bilgilere göre farklı şekillerde sıralanmak istenmektedir
ve bu yüzden listenin bir çalışma sayfasına aktarılarak sütunlara bölünmesi gerekmektedir.
İstenen tablonun oluşturulabilmesi için izlenmesi gereken adımlar nelerdir?
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 57
Şekil 3.2
Ürün Bilgilerini İçeren
Metin Dosyası
Çözüm 1: Öncelikle metin dosyası içerisinde bulunan satırlar kopyalanarak bir Excel
çalışma sayfasına yapıştırılmalıdır. Yapıştırma işlemi tamamlandıktan sonra metin dosya-
sında bulunan her bir satır (metin dosyasının yapısına bağlı olarak), çalışma sayfasında
ayrı bir hücre içerisinde tutulacaktır (Şekil 3.3).
Şekil 3.3
Metin Dosyasından
Kopyalanan Verilerin
Çalışma Sayfasına
Yapıştırılması
Her bir hücrenin bir ürün bilgisi içerdiği görünmektedir. Alınan metin her ne kadar
okunaklı olsa da göze çarpmayan fakat yapılacak çalışmaları olumsuz etkileyebilecek boş-
luklar içeriyor olabilir. Bu yüzden öncelikle Kırp işlevinin kullanılması gerekmektedir. B2
hücresine =KIRP(A2) formülü yazılarak bu işlev gerçekleştirilir ve diğer 34 değer için de
B2 hücresinde bulunan formül kopyalanır. Böylelikle verilerde bulunan gereksiz boşluklar
temizlenmiş olacaktır.
58 İşletme Analitiği
Şekil 3.4
Verilerin Kırp İşlevi ile
Gereksiz Boşluklardan
Temizlenmesi
Her bir hücrede bir ürünün ürün kodu, ürün açıklaması ve stok miktarı değerleri ol-
duğu bilinmektedir. Metnin parçalanması işlemine geçilmeden önce üç farklı sütun; ürün
kodu, ürün açıklaması ve stok miktarı değerleri için ayrılmalıdır. C, D ve E sütunları bu
işlem için kullanılabilir. C sütununda ürün kodları yer alacağı için C1 hücresine Ürün
Kodları, D sütununda ürün açıklamaları yer alacağı için D1 hücresine Ürün Açıklamaları
ve E sütununda da stok miktarları yer alacağı için E1 hücresine de Stok Miktarları yazmak
uygun olacaktır (Şekil 3.5).
Şekil 3.5
Ürün Kodu, Ürün
Açıklaması ve Stok
Miktarı Alanlarının
Oluşturulması
Daha sonra sıra, hücre içerisinde bulunan metinlerin istenilen şekilde parçalanma-
sı işlemine gelmiştir. Ürün kodu, ürün açıklaması ve stok miktarı değerleri ; (noktalı
virgül) işareti ile ayrılmıştır. Her bir hücrede ilk noktalı virgül işaretinden önce ürün
kodunun, ikinci noktalı virgül işaretinden önce ürün açıklamasının ve sonra ise stok
miktarının bulunduğu görünmektedir. Parçalama işleminde de ; (noktalı virgül) işare-
tinin kullanılması faydalı olacaktır. Öncelikle metin içerisindeki noktalı virgül işaret-
lerinin pozisyonlarının bulunması gerekmektedir. =BUL(“;”;B2) formülü yazılarak B2
hücresi içerisindeki ilk noktalı virgül işaretinin pozisyonu, =BUL(“;”;B2;BUL(“;”;B2)+1)
formülü yazılarak da B2 hücresi içerisindeki ikinci noktalı virgül işaretinin pozisyonu
bulunabilecektir. İkinci noktalı virgülün bulunması işlemi için yazılacak olan formülün
içerisinde BUL(“;”;B2)+1 ifadesinin kullanılması, arama işleminin ilk noktalı virgülden
bir karakter sonra başlaması ve sonraki ilk noktalı virgülün pozisyonunu bulması için-
dir. Noktalı virgül işaretlerinin pozisyonlarının bilinmesi ile hücre içerisindeki metnin
SOLDAN, SAĞDAN ve PARÇAAL işlevleri ile parçalanması kolaylıkla yapılabilecektir.
İkinci satır için uygulanan formüller diğer satırlara da kopyalanarak istenilen tablo oluş-
turulmuş olacaktır (Şekil 3.6).
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 59
• Ürün kodunun bulunabilmesi işlemi, soldan başlayıp noktalı virgül karakterine SOLDAN işlevi içerisinde bulunan
-1 değeri yazılmasaydı, formül
kadar olan karakterlerin bulunmasıyla olacaktır. Bunun için C2 hücresine yazıl- noktalı virgül karakterini de
ması gereken formül =SOLDAN(B2;BUL(“;”;B2)-1) şeklindedir. kapsayacaktı.
• Ürün açıklamasının bulunabilmesi işlemi, metnin içinden ilk noktalı virgül ile
ikinci noktalı virgül arasında olan metin parçasının alınması ile olacaktır. Bunun
için D2 hücresine yazılması gereken formül =PARÇAAL(B2;BUL(“;”;B2)+1;BUL(
“;”;B2;BUL(“;”;B2)+1)-BUL(“;”;B2)-1) şeklindedir.
• Stok miktarının bulunabilmesi işlemi, metnin uzunluğundan son noktalı virgülün
pozisyonun çıkartılması sonucu elde edilen karakter sayısı kadar sağdan karakte-
rin bulunmasıyla olacaktır. Bunun için de E2 hücresine yazılması gereken formül
=SAĞDAN(B2;UZUNLUK(B2)-(BUL(“;”;B2;BUL(“;”;B2)+1))) şeklindedir.
Şekil 3.6
Ürün Bilgilerinin;
Ürün Kodu, Ürün
Açıklaması ve Stok
Miktarı Değerlerine
Ayrılmış Tablosu
Şekil 3.7
Bul ve Değiştir
Diyalog Kutusu
Altındaki Bul Sekmesi
Bul ve Değiştir diyalog kutusuna giriş sekmesindeki düzenleme bölümü altında bu-
lunan bul ve seç düğmesi yardımı ile ulaşılmaktadır. Metin ya da değerleri aramak için
Bul sekmesi kullanılmaktadır (Şekil 3.7). Aranan kutusuna arama yapılmak istenen değer
yazılmalı, daha sonra Tümünü Bul ya da Sonrakini Bul düğmeleri kullanılarak istenen
şekilde bir arama işlemi gerçekleştirilebilmektedir.
Şekil 3.8
Bul ve Değiştir
Diyalog Kutusu
Altındaki Değiştir
Sekmesi
Bul ve değiştir araçları ile belirli bir hücre aralığı seçilip arama işleminin sadece o aralık içeri-
sinde yapılması sağlanabilir. Eğer bütün çalışma sayfası içerisinde bir arama işlemi yapılmak
isteniyor ise çalışma sayfası üzerindeki herhangi bir hücre seçili iken arama işlemi yapılmalıdır.
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 61
Özel Git aracı sadece aktif çalışma sayfasında bir seçim yapmakta, bütün çalışma kitabı için
yapmamaktadır.
Özel Git aracı seçili olan aralıkta bir seçim işlemi yapmaktadır. Eğer bütün çalışma sayfası
için bir seçim yapmak isteniyorsa çalışma sayfasındaki sadece bir hücre seçilmelidir.
Şekil 3.11
SÜTUN ve
SÜTUNSAY
İşlevlerinin Kullanım
Örnekleri
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 63
Şekil 3.12’deki çalışma sayfasında bulunan tabloda ürün kodları, talep miktarları ve ürün- ÖRNEK 2
lerin birim fiyatları bulunmaktadır. SG324 kodlu ürünün birim fiyatının bulunabilmesi için
E1 hücresine yazılması gereken formül nedir?
Şekil 3.12
Ürün Kodu, Talep
Miktarı ve Ürünlerin
Birim Fiyat Tablosu
=DÜŞEYARA(“SG324”; A1:C5; 3)
şeklinde olmalıdır. Düşeyara işlevi, tablo dizisinin ilk sütunu olan ürün kodu sütunu içe-
risinde SG324 değerini arayacak ve bulduğu takdirde birim fiyatların bulunduğu 3. sütuna
gidip aynı satırda bulunan hücrenin değerini döndürecektir.
işlevi, parametre olarak verilen tablo dizisinde bulunan hücrenin değerini satır sayısı ve
64 İşletme Analitiği
=İNDİS((A1:B2;B4:C5);2;1;2)
formülü yazılır ise, İNDİS işlevi belirtilen başvuru değerindeki 2. alana (B4:C5 aralığına)
giderek bu alanın 2. satırı ve 1. sütununda bulunan 12 değerini döndürecektir.
Şekil 3.14
Ürün Kodu, Talep
Miktarı ve Ürünlerin
Birim Fiyat Tablosu
Şekil 3.15’teki A1:C5 aralığında bulunan tabloda; ürün kodları, talep miktarları ve ürün- ÖRNEK 3
lerin birim fiyatları bulunmaktadır. A2:A5 aralığında bulunan ürünlerin talep miktarları
toplamını E4 hücresine yazdırmak için kullanılması gereken formül nasıl olmalıdır?
Şekil 3.15
Ürün Kodu, Talep
Miktarı ve Ürünlerin
Birim Fiyat Tablosu
Çözüm 3: İstenilen hesabı yapacak bir formülün yazılabilmesi için ilk olarak talep
miktarlarının bulunduğu aralığın başvurusunun oluşturulması gerekmektedir. Bunun
için öncelikle bir hücrenin ya da hücre aralığının başvurusu belirlenmeli, daha sonra ne
kadar satır ve ne kadar sütun uzaklıkta bir başvuru oluşturulmak istendiği belirtilmeli ve
son olarak da işlemin yapılacağı aralığın yüksekliği ve genişliği ifade edilmelidir. Tablonun
üstbilgi satırı içerdiği ve tablo içerisinde ürün kodlarının sağındaki sütunda, talep miktar-
larının bulunduğu bilinmektedir. Başvuru parametresi olarak üstbilgi satırı dışında kalan
ve verileri içeren A2:C5 aralığı verildiği takdirde talep miktarlarının bulunduğu hücre
aralığının, belirtilen başvuru parametresine uzaklığı 0 satır ve 1 sütun şeklinde olacaktır.
Yükseklik parametresi bu örnek için 4 olarak ya da başvuru yüksekliği kadar belirtilebilir.
Başvuru yüksekliği değeri kullanılmak istenirse, yükseklik parametresi boş bırakılabilir.
Genişlik parametresi için ise sadece talep miktarları sütunu seçileceğinden 1 değeri ya-
zılmalıdır. Bu bilgiler ile talep miktarlarının bulunduğu aralığın başvurusu döndürülmek
istediğinde, kullanılacak formül;
66 İşletme Analitiği
şeklinde olmalıdır. Talep miktarlarının toplamını bulmak için ise, KAYDIR işlevi ile oluş-
turulmuş olan yeni başvuru içerisindeki hücrelerin değerlerinin toplanması gerekmek-
tedir. Bu durumda, toplam talep miktarını bulmak için E4 hücresine yazılması gereken
formül;
=TOPLA(KAYDIR(A2:C5; 0; 1; ;1)) ya da =TOPLA(KAYDIR(A2:C5; 0; 1; 4;1))
şeklinde olacaktır.
KAYDIR işlevi, hücreleri gerçekten taşımaz veya seçimi değiştirmez, yalnızca oluşturulan
başvuruyu döndürmektedir.
Excel tablolarında varsayılan başvuru stili olan A1-stili yerine R1C1-stilini kullanabilmenin
2 sağladığı avantajlar nelerdir?
Excel, hesaplamalarda kullanılabilmeleri için tarihleri sürekli seri numaraları olarak sakla-
maktadır. Varsayılan olarak, 1 Ocak 1900’ün seri numarası 1’dir ve 1 Ocak 1900’den 42.369
gün sonra olması nedeniyle 1 Ocak 2016’nın seri numarası 42.370’tir.
Şekil 3.17
HAFTANINGÜNÜ
İşlevinde Bulunan
Dönüş Türü
Parametresinin
Alabileceği Değerler ve
Açıklamaları
Şekil 3.18
HAFTASAY İşlevinde
Bulunan Dönüş
Türü Parametresinin
Alabileceği Değerler ve
Açıklamaları
Şekil 3.19
İŞGÜNÜ.ULUSL
İşlevinde Bulunan
Hafta Sonu
Parametresinin
Alabileceği Değerler ve
Açıklamaları
70 İşletme Analitiği
Şekil 3.20
İŞGÜNÜ ve İŞGÜNÜ.
ULUSL İşlevlerinin
Kullanım Örnekleri
Şekil 3.21
TAMİŞGÜNÜ ve
TAMİŞGÜNÜ.ULUSL
İşlevlerinin Kullanım
Örnekleri
Zaman değerleri tarih değerinin bir parçasıdır ve seri numaralarının ondalık kısımları ile
ifade edilmektedir. Örneğin, 12:00:00 günün tam ortası olduğundan 0,5 olarak ifade edilir.
ZAMANSAYISI işlevi için parametre olarak bir tarih metni verilirse bu metin dikkate alınmaz.
Şekil 3.22
Bazı Tarih ve Zaman
İşlevlerinin Kullanım
Örnekleri
72 İşletme Analitiği
“11.10.2016 10:23:36” gibi bir tarih ve zaman ifadesi içeren hücrenin hücre biçimi Genel
3 olarak seçilir ise hücre içeriği bu değişiklikten nasıl etkilenir?
ÖRNEK 4 Şekil 3.23’teki tabloda bir kırtasiyenin toplu ürün satışları için uyguladığı indirimli fiyatlar
ve müşterilerinden gelen dinamik sipariş miktarları bulunmaktadır. A müşterisinden gelen
sipariş miktarlarına göre uygulanacak olan birim fiyatı C6 hücresine yazdırmak için gereken
formül nedir?
Şekil 3.23
Talep Bazlı Ürün
Birim Fiyatlarının
Değişimini İfade Eden
Tablo
Çözüm 4: İstenilen işlemi yapacak olan formülün yazılabilmesi için öncelikle mantık-
sal sınamada kullanılacak olan ölçütler belirlenmelidir. Bu örnekte kalem satışı için talep
miktarı bazlı bir sınama işlemi gerekmektedir. Eğer talep miktarı 500’den az ise kalem
ürününün birim fiyatı 5,00 TL, 500 veya daha fazla ise 4,85 TL olacaktır. Bu bağlamda,
mantıksal sınama için kullanılacak ölçüt, sipariş miktarının 500’den küçük ya da 500’e eşit
veya daha büyük olması durumlarından birisidir. Bu durumda mantıksal sınama B6<500
ya da B6>=500 şeklinde olmalıdır. Eğer B6<500 sınaması kullanılacak ise sınama sonucu
doğru olduğunda 5 değeri, yanlış olduğunda ise 4,85 değeri döndürülmelidir. Sonuç ola-
rak, C6 hücresine yazılması gereken formül;
=EĞER(B6<500; 5; 4,85)
şeklinde olmalıdır. Eğer sınama olarak B6>=500 ifadesi kullanılacak ise sınama sonucu
doğru olduğunda 4,85 değeri, yanlış olduğunda ise 5 değeri döndürülmelidir. Yani, C6
hücresine alternatif olarak yazılabilecek olan formül;
=EĞER(B6>=500; 4,85; 5)
şeklinde olabilir.
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 73
Birden fazla ölçütü tek bir formülde kullanabilmek mümkündür. Bunun için iç içe eğer iş-
levleri kullanılmaktadır.
Şekil 3.24’teki tabloda bir züccaciyecinin toplu ürün satışları için uyguladığı indirimli fiyatlar ÖRNEK 5
ve müşterilerinden gelen dinamik sipariş miktarları bulunmaktadır. A müşterisinden gelen
sipariş miktarlarına göre uygulanacak olan birim fiyatı C8 hücresine yazdırmak için gereken
formül nedir?
Şekil 3.24
Talep Bazlı Ürün
Birim Fiyatlarının
Değişimini İfade Eden
Tablo
Çözüm 5: İstenilen işlemi yapacak olan formülün yazılabilmesi için öncelikle mantık-
sal sınamada kullanılacak olan ölçütler belirlenmelidir. Bu örnekte bardak satışı için talep
miktarı bazlı bir sınama işlemi gerekmektedir. Eğer talep miktarı 100’den az ise bardak
ürününün birim fiyatı 10,00 TL, 100 ile 249 arasında ise 9,75 TL, 250 ile 499 arasında ise
9,60 TL ve 500 veya daha fazla ise 9,50 TL olacaktır. Birden fazla ölçütün bulunduğu bu gibi
durumlarda iç içe EĞER işlevleri kullanılmaktadır. C8 hücresine yazılması gereken formül;
EĞER işlevleri içerisinde VE, YADA ve DEĞİL gibi mantıksal işlevler de yaygın olarak kul-
lanılmaktadır.
Bir VE ya da YADA işlevi ile 1 ila 255 tane mantıksal ifadeyi sınamak mümkündür.
Şekil 3.25
VE, YADA ve DEĞİL
İşlevlerinin Kullanım
Örnekleri
Şekil 3.28
Özet
Excel çalışma sayfalarında bulunan metin verilerini Excel ile tarih ve zaman hesaplamaları yapmak.
1 isteğe uygun olarak düzenlemek. 3 Tarih ve zaman verileri, veri yönetiminin belki de en
Metin verileri, sayısal verilere göre daha az yapılan- fazla özen gösterilmesi gereken veri türleri olarak kar-
dırılmış bir kullanıma sahiptirler. İşlemtabloları, me- şımıza çıkmaktadır. Veri ambarlarının verileri tarih
tin verilerinin düzenlenmesinde yeri doldurulamaz ve zaman damgalı olarak tutma zorunluluğu olduğu
bir yere sahiptir. Metin verilerinin veri tabanlarında da unutulmamalıdır. Excel’in tarih ve zaman konu-
düzenlenmesi ancak veri tabanında tutulacak kadar sunda zengin bir çalışma sayfası işlev kütüphanesi
yapılandırılmış veriler için söz konusudur. Oysa iş- vardır. Bu işlevler arasında verileri damgalama için
lemtabloları birçok farklı metin düzenleme özelliği kullanılabilecek Şimdi, Bugün, Gün, Ay, Yıl, Saat, Da-
sunmaktadır. Verilerin istenen özellikleri taşımadığı kika, Saniye ve takvimleme ve zamanlama işlevlerinde
durumlarda yararlanılabilecek Excel özelliklerinden yararlanılabilecek SeriTarih, SeriAy, GünSay, Gün360,
bazıları veri bölümlemesinin uygun olmadığı durum- HaftanınGünü, HaftaSay, Tarih, TarihSayısı, Zaman,
larda Soldan, Sağdan veya aradan ParçaAl’ma işlev- ZamanSayısı yer almaktadır. Diğer bazıları ise İşgünü,
lerinden yararlanılabilir. Bir metin içinde aranan ka- İşgünü.ulusl, Tamişgünü ve Tamişgünü.ulusl’dir.
rakterin pozisyonunun belirlenmesinde Bul ve MBul
işlevleri, metin üzerinde yapılacak düzenleme için Excel ile koşullu ifadeler oluşturmak.
4 Koşullu ifadeler, gerek görselleştirmede gerekse kar-
yardımcı bilgiler döndürmektedir. Metin düzenle-
mede diğer işlevlerden bazıları Kırp, Uzunluk, Yinele, maşık formüller oluşturmada çok kullanışlı işlevler
Birleştir, Değiştir, SayıyaÇevir, BüyükHarf, KüçükHarf, içermektedir. Diğer hücrelerdeki verilerin özellikleri-
Yazım.Düzeni, Damga, Temiz ve YerineKoy’dur. ne göre formülleri koşullandırmak mümkün olmak-
tadır. İşlev kategorilerinde mantıksal ve istatistiksel
Excel’de istenilen verileri seçmek. altında sınıflanan bu işlevlerden bazıları Eğer, Ve,
2 YaDa, Değil, EğerSay, ÇokEğerSay, Etopla, ÇokETopla,
Excel bir milyondan fazla satıra ve 65 binden fazla
sütuna sahiptir. Taşıyabileceği bilgi miktarı bilgisa- EğerOrtalama, ÇokEğerOrtalama ve EğerHata sayıla-
yarınızın belleği ile sınırlıdır. Bu koşullarda aranan bilir.
verinin gözle takip edilerek bulunması genellikle
olanaksızdır. Excel’in bu amaçla sunduğu özelliklerin
bir kısmı çalışma sayfası işlevleri iken bir kısmı menü
seçenekleri olarak karşımıza çıkmaktadır. Menü des-
tekli işlevler arasında Bul, Değiştir ve Özel Git yer
alırken, sayfa işlevleri arasında Satır, SatırSay, Sütun,
SütunSay, DüşeyAra, YatayAra, İndis, Kaçıncı, Kaydır
ve Dolaylı yer almaktadır.
78 İşletme Analitiği
Kendimizi Sınayalım
1. A1 hücresinde Açıköğretim Fakültesi metni bulunuyor 5. Aşağıda verilen işlevlerden hangisinin açıklaması yanlış-
iken A2 hücresine =BUL(“a”;A1) formülü yazılırsa, A2 hüc- tır?
resinde bulunan sonuç aşağıdakilerden hangisi olur? a. SATIR işlevi, parametre olarak verilen hücre başvu-
a. 1 rusunun satır numarası değerini döndürmektedir.
b. Açıköğretim Fakültesi b. DOLAYLI işlevi, metin olarak ifade edilen başvuru
c. 14 metni parametresini başvuru olarak döndürmekte-
d. akültesi dir.
e. #DEĞER! c. KAÇINCI işlevi, bir dizi içerisinde belirtilen değeri
arayarak, değerin ilk bulunduğu göreceli konumu
2. A1 hücresinde Anadolu Üniversitesi metni bulunmakta döndürmektedir.
iken A2 hücresine =SAĞDAN(KIRP(A1);UZUNLUK(KIRP d. YATAYARA işlevi, tablo dizisi içerisinde arama iş-
(A1))-BUL(“ “;KIRP(A1))) formülü yazılırsa, A2 hücresinde lemini yatay olarak, ilk satır içerisinde yapmakta ve
bulunan sonuç aşağıdakilerden hangisi olur? bulduğu takdirde de satır indis sayısı verilen hücre-
a. Anadolu deki değeri döndürmektedir.
b. Üniversitesi e. KAYDIR işlevi, parametre olarak başvurusunu aldığı
c. Anadolu Üniversitesi hücre ya da hücre aralığını parametre olarak verilen
d. AÜ başvuruya taşımaktadır.
e. 12
6. A1 hücresinde 29 Ekim 1923 tarihi bulunuyor iken bu
3. Excel’in Özel Git aracı ile ilgili aşağıdaki ifadelerden han- tarihten 10 gün sonrasının ayın kaçıncı günü olduğunu bu-
gisi yanlıştır? labilmek için A2 hücresine aşağıdaki formüllerden hangisi
a. Çalışma sayfası üzerinde bulunan belirli tipteki hüc- yazılmalıdır? (A1 hücresinin hücre biçimlendirme kategorisi
releri hızlı bir şekilde seçme imkanı sağlamaktadır. tarih, A2 hücresinin hücre biçimlendirme kategorisi genel
b. Özel Git aracına giriş sekmesindeki düzenleme bö- olarak seçilmiştir.)
lümü altında bulunan bul ve seç düğmesi yardımı ile a. =GÜNSAY(A1;10)
ulaşılabilmektedir. b. =GÜN(A1+10)
c. Özel Git penceresinde bulunan boşluklar seçeneği ile c. =GÜN(A1)+10
aktif çalışma sayfasındaki boş olan bütün hücreler se- d. =TARİH(A1;10;1)
çilebilmektedir. e. =GÜNSAY(A1)+10
d. Özel Git aracı bütün çalışma kitabı içerisinde bir se-
çim yapmaktadır. 7. Bir işveren, ilgili departmanlar tarafından 75 üzerinden
e. Herhangi bir hücre aralığı seçili ise, Özel Git aracı sa- değerlendirilen işçi performansı verilerini 3 gruba ayırmak
dece bu aralıkta bir seçim işlemi yapacaktır. istemektedir ve bu işlemi yapmak için Excel üzerinde bir öl-
çüt tanımlamıştır. =EĞER(A1<25;”Düşük”;EĞER(A1<50;”O
4. Excel’de bulunan bir tablo ya da aralık içerisindeki ilk sü- rta”;EĞER(A1<75;”Yüksek”;”X”))) formülünü kullanan bu
tunda dikey olarak (satır satır) bir arama işlemi yapmak için işverenin performans notu 54 olan işçi için bulacağı perfor-
aşağıdaki işlevlerden hangisi kullanılır? mans sonucu aşağıdakilerden hangisidir?
a. Kaydır İşlevi a. 1
b. Yatayara İşlevi b. Düşük
c. Düşeyara İşlevi c. Orta
d. İndis İşlevi d. Yüksek
e. Dolaylı İşlevi e. X
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 79
8. I. =VE(1;1;1;1) IV. =YADA(1;1;0;0)
II. =VE(1;1;0) V. =DEĞİL(1)
III. =YADA(1;1;1;0) VI. =DEĞİL(YADA(1;0))
Yukarıda verilen formüllerden hangilerinin sonucu 1 (DOĞ-
RU) olarak döndürülecektir?
a. I ve II
b. I, III ve IV
c. I, V ve VI
d. III, IV ve V
e. I, II, III ve VI
Sıra Sizde 2
Excel’de varsayılan olarak kullanılmakta olan A1-stili her bir
sütunu harflerle, her bir satırı ise sayılarla ifade etmektedir.
Bu şekildeki başvuruların kullanılması hem satır-sütun ay-
rımının kolaylıkla yapılabilmesini hem de başvuru içeren
3. Ünite - İşlemtabloları ile Veri Düzenleme ve Denetleme 81
Yararlanılan ve Başvurulabilecek
Kaynaklar
Bucki, L. A., Walkenbach, J., Alexander, M., Kusleika, R., &
Wempen, F. (2013). Office 2013 Bible: The comprehen-
sive tutorial resource (Vol. 808). John Wiley & Sons.
Evans, J. R., & Lindner, C. H. (2012). Business analytics:
the next frontier for decision sciences. Decision Line,
43(2), 4-6.
http://m.kapanoglu.com/aof/ybs202u/
https://support.office.com/en-us/
https://www.microsoft.com/en-us/
McFedries, P. (2013). Excel 2013 Formulas and Functions.
Que Publishing.
Ragsdale, C. T. (2004). Spreadsheet modeling and decision
analysis. Thomson South-Western.
Ferrari, A., & Russo, M. (2013). Microsoft Excel 2013 Bu-
ilding Data Models with PowerPivot: Building Data
Models with PowerPivot. Pearson Education.
Walkenbach. (2015). Excel 2016 Power Programming with
Vba. John Wiley.
Winston, W. (2014). Microsoft Excel 2013 Data Analysis
and Business Modeling. Pearson Education.
4
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Excel’de bulunan aralıkları adlandırarak çeşitli işlemler için kullanabilecek,
Excel’de farklı amaçlara yönelik çeşitli tablolar oluşturabilecek,
Excel’de bulunan verilerden özet tablolar oluşturarak veri analiz işlemlerini ger-
çekleştirebilecek,
Excel’in dilimleyici ve zaman çizelgesi filtrelerini kullanarak veri analiz işlemleri
yapabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Aralık Adlandırma • Özet Tablo
• Ad Kutusu • Sıralama
• Ad Yöneticisi • Filtreleme
• Tablo • Gelişmiş Filtreleme
• Alan • Dilimleyici
• Kayıt • Zaman Çizelgesi
• Üstbilgi Satırı
İçindekiler
• GİRİŞ
• ARALIK ADLANDIRMA
İşlemtabloları ile • TABLO OLUŞTURMA
İşletme Analitiği
Veri Yönetimi ve Analizi • ÖZET TABLO (PIVOTTABLE)
• DİLİMLEYİCİ (SLICER)
• ZAMAN ÇİZELGESİ (TIMELINE)
İşlemtabloları ile
Veri Yönetimi ve Analizi
GİRİŞ
Verilerin düzenli bir şekilde, erişilebilir ve kullanılabilir ortam ve olanaklarla sunulması,
verilerin içerdiği bilgilerden üst düzeyde yararlanabilme olanakları ile ancak anlam kaza-
nır. Özellikle büyük veri ile bir kez daha fark edilen, verilerden yöntembilgisi ve kurallar
gibi çok kıymetli bilgilerin de elde edilebilme olasılığı, analistlerin dikkatini her boyutta
veriye yeniden farklı bir bakış açısı ile yaklaşmaya yönlendirmiştir. Veri analizinde yön-
temler kadar analistin sektöre dönük yaratıcılığı ve teknolojik yetkinliği de önemlidir.
Hangi verinin ne tür fırsatlar içerdiğini işletme analitiği bakış açısı ile analiz etmeden
bilmek mümkün değildir. Her karar noktasında verinin analizi farklı fırsatlar yaratabile-
cektir. Bu bağlamda işlemtablolarının sunduğu olanaklardan yararlanmanın katkıları göz
ardı edilemez. İzleyen bölümlerde, tüm işlemtablolarında bir şekilde yer alan önemli bazı
özellik ve olanaklar Excel özelinde sunulmuştur.
ARALIK ADLANDIRMA
İşlemtabloları ile çalışırken TOPLA(A400:A409) şeklindeki formül kullanımlarıyla çok
sık karşılaşılmaktadır. Bu tarz durumlarda, formülün kullanım amacının anlaşılabilmesi
için A400:A409 aralığındaki hücrelerde bulunan değerlerin kontrol edilmesi gerekmekte-
dir. Eğer bu aralıktaki hücrelerin değerleri Mart ayında yapılmış olan harcamaların tutar-
ları ise, toplama işleminin yapılması için gereken işlevi TOPLA(MartGiderleri) şeklinde
yazabilmek, formülü çok daha anlaşılır kılacaktır. Bu bölümde Excel’de hücrelerin ya da
aralıkların nasıl adlandırılacağı ve yapılan adlandırmaların formüller içerisinde nasıl kul-
lanılabileceği anlatılacaktır.
Aralık adları oldukça esnek olmasına rağmen, adlandırma işlemi yapılırken bazı hu-
suslara dikkat edilmesi gerekmektedir. Bir aralık adı:
• En fazla 255 karakterden oluşabilir.
• Herhangi bir harfle, altçizgiyle (_) ya da ters eğik çizgi ile (\) başlamak zorundadır.
Geriye kalan karakterler boşluk karakteri ( ) hariç herhangi bir harf, rakam ya da
simge olabilir. Adlandırma işleminde eğer birden fazla kelime kullanılmak isteni-
yorsa, bu kelimeler arasındaki ayrım, altçizgi (_) ya da büyük-küçük harf kullanı-
larak yapılabilir.
• A1 gibi başvurular ya da +, -, /, *, <, > ve & gibi operatörler içermemelidir. Bu tarz
ifadeler formüllerde karışıklığa sebep olmaktadır.
• Formül yazımlarını kolaylaştırmak için olabildiğince kısa ve anlaşılır olmalıdır.
• Tek bir harften oluşabilir. Fakat R ve C harfleri satır ve sütunları ifade ettikleri için
bu harfler tek başlarına kullanılamamaktadır. Ayrıca CAT1, BA1423 gibi hücre
başvuruları da bir hücreyi ifade ettikleri için aralık adı olarak kullanılamamaktadır.
84 İşletme Analitiği
ÖRNEK 1 Şekil 4.5’te bulunan tabloda bir ailenin aylık giderleri kabaca listelenmiştir. Bu tabloya göre
fatura ve ulaşım giderlerinin toplam tutarları ayrı ayrı hesaplanmak istenmektedir. C9 ve
C10 hücrelerine yazılması gereken formüller nelerdir?
Şekil 4.5
Aylık Fatura ve
Ulaşım Giderlerinin
Listelendiği Tablo
Çözüm 1: Fatura ve ulaşım giderlerinin ayrı ayrı toplamlarının bulunabilmesi için ön-
celikle tablo üzerinde bu kayıtlar belirlenmeli daha sonra ise istenilen hücrelere toplama
işlemi için gerekli olan formülün yazılması gerekmektedir. Fatura giderlerinin tutarları
C2, C4, C5 ve C7 hücrelerinde; ulaşım giderlerinin tutarları ise C3 ve C6 hücrelerinde
bulunmaktadır. Bu bilgilere göre C9 hücresine yazılması gereken formül;
=TOPLA(C2;C4;C5;C7)
=TOPLA(C3;C6)
şeklinde olmalıdır. Tabloya yeni kayıtlar eklendikçe bu hücrelere yazılması gereken for-
müller giderek daha da karmaşık bir hal alacaktır. Bu karmaşıklıktan kurtulmak için ge-
rekli hücre ve hücre aralıkları uygun şekilde adlandırılmalıdır ve böylece formüller daha
basit şekillerde yazılabilecektir. Eğer ki C2, C4, C5 ve C7 hücreleri herhangi bir adlandır-
ma yöntemi ile “Fatura” olarak; C3 ve C6 hücreleri de “Ulaşım” olarak adlandırılırsa, C9 ve
C10 hücrelerine yazılması gereken formüller çok daha kısa ve anlaşılır bir hal alacaktır. C9
hücresine yazılması gereken formül =TOPLA(Fatura) ve C10 hücresine yazılması gereken
formül =TOPLA(Ulaşım) şeklinde olacaktır.
Excel’de bulunan bir hücre aralığını adlandırmanın sağladığı avantajlardan üç tanesini ya-
1 zınız.
TABLO OLUŞTURMA
Excel, bir işlemtablosu yazılımı olmasına rağmen ayrılmış olduğu satır ve sütun yapısı ile bir
veritabanının birçok özelliğini de sergileyebilmekte ve bu bağlamda bir veritabanı yönetim
yazılımı olarak da kullanılabilmektedir. Excel’de tablolar; belirli bir organizasyon yapısına
sahip, birbiri arasında ilişki bulunan bilgi topluluğudur. Tabloları kullanmak, ilişkili verile-
rin yönetimini ve çözümlenmesini kolaylaştırmaktadır. Şekil 4.6’da Excel’de tablo kullanımı-
nın bir örneği sunulmuştur. Excel tabloları için kullanılan bazı terimler aşağıda verilmiştir.
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 87
• Alan (Field): Ad, adet, gelir gibi, bilgilerin tekil bir türüdür. Excel tablolarında her
bir sütun bir alanı temsil etmektedir.
• Alan değeri (Field value): Bir alanda bulunan tek bir bilgidir. Excel tablolarında
alan değerleri tekil birer hücredir.
• Alan adı (Field name): Her bir alana (sütuna) verilen benzersiz adlardır. Bir Excel
tablosunun üstbilgi satırında bulunurlar.
• Kayıt (Record): İlişkili alan değerlerinin derlemesidir. Excel tablolarında her bir
satır bir kayıttır.
• Tablo aralığı (Table range): Bir çalışma sayfasında bulunan; kayıtları, alanları ve
alan adlarını içeren hücre aralığıdır.
Şekil 4.6
Bir Sigorta Şirketi
Çalışanlarının Bir
Ay İçerisinde Yapmış
Oldukları Poliçe Adedi
ve Sağlanan Gelir
Tablosu
Eğer tabloya dönüştürülen hücre aralığı eski haline dönüştürülmek istenirse; tablonun her-
hangi bir hücresi seçildiğinde eklenen Tasarım sekmesi altında bulunan Araçlar grubundaki
Aralığa dönüştür aracı kullanılabilir.
Tablolarda Sıralama
Bir veri setinde bulunan verilerin sıralanması işlemi, veri analizinin vazgeçilmez bir par-
çasıdır. Excel; tablo içerisinde bulunan kayıtların, alan değerlerine göre alfabetik ya da
sayısal olarak istenilen düzende yeniden sıralanabilmesinin imkânını sunmaktadır. Sağ-
lanan bu imkân, tablo kayıtlarını farklı alanlara göre sıralayarak görüntülemeye, organize
etmeye, değerlendirmeye ve istenilen bilgilere daha hızlı ve doğru bir şekilde ulaşmaya
olanak sağlamaktadır. Böylelikle veri analizi ve karar verme süreçleri de hız kazanacaktır.
Excel tablolarında sıralama işlemleri:
• Giriş sekmesi altında bulunan Düzenleme grubundaki Sırala ve Filtre Uygula düğ-
me grubunda bulunan sırala komut düğmeleri kullanılarak,
• Veri sekmesi altında bulunan Sırala ve Filtre Uygula grubundaki sırala komut düğ-
meleri kullanılarak,
• Alan adlarının bulunduğu hücrelerde bulunan açılır menülerdeki sırala komut
düğmeleri kullanılarak,
• Sıralama işleminin yapılması istenilen alanda bulunan bir hücreye farenin sağ tuşu
ile tıklandığında açılan menüdeki Sırala alt menüsünde bulunan sırala komut düğ-
meleri kullanılarak,
yapılabilmektedir. Bir alanı en küçükten en büyüğe sıralamak için A’dan Z’ye Sırala komut
düğmesi, en büyükten en küçüğe sıralamak için de Z’den A’ya Sırala komut düğmesi kul-
lanılmalıdır. A’dan Z’ye Sırala komutunda yapılacak olan sıralama işlemi aşağıdaki önce-
liklere göre yapılmaktadır:
• Sayı değerleri – negatiften pozitife,
• Metin değerleri – Boşluk ! “ # $ % & ’ ( ) * + , - . / 0’dan 9’a rakamlar (metin olarak biçim-
lendirilmiş ise) : ; < = > ? @ A’dan Z’ye (büyük küçük harf gözetilmeksizin) [ \ ] ^ _ ’ {, } ~,
• Mantıksal değerler – yanlış/doğru değerleri,
• Hata kodları – bütün hata kodları eşit önceliğe sahiptir,
• Boş hücreler – A’dan Z’ye ya da Z’den A’ya sıralama gözetilmeksizin sırada her za-
man en sonda yer alırlar.
Tablolarda sıralama işlemi, tek bir alana göre yapılabileceği gibi birden fazla alana göre de
yapılabilmektedir. Aynı tablo üzerinde bulunan çoklu alanlar için bir sıralama işlemi yapıl-
mak istenirse; Giriş sekmesi altında bulunan Sırala ve Filtre uygula düğme grubunda bulu-
nan Özel Sıralama… ya da Veri sekmesi altında bulunan Sırala komut düğmesi kullanılmalı-
dır. Tablo seçilip komut düğmesine basıldıktan sonra Sırala diyalog kutusu ekrana gelecektir
(Şekil 4.8). Çoklu alanlar için yapılacak olan bir sıralama işleminde, her bir alan için Sırala
diyalog kutusunda bulunan Düzey Ekle komut düğmesi yardımı ile yeni bir düzey eklenerek
istenen sıralama ölçütü, sıralama koşulu ve sıralama düzeni belirtilmelidir. Sıralama işlemi;
öncelikle ilk düzeye göre yapılacak, daha sonra sıra ile diğer düzeylere göre devam edecektir.
Örneğin, adı ve soyadı alanlarını içeren bir personel listesi alfabetik olarak önce adlarına
daha sonra da soyadlarına göre Sırala diyalog kutusu yardımı ile kolayca sıralanabilmektedir.
Yapılacak olan bu sıralama işleminde öncelikle listede bulunan personeller adlarına göre,
daha sonra da aynı ada sahip olan personeller soyadlarına göre alfabetik olarak sıralanacaktır.
90 İşletme Analitiği
Şekil 4.8
Sırala Diyalog Kutusu
Tablolarda Filtreleme
Tablolarla çalışırken ortaya çıkan büyük sorunlardan birisi çok fazla kayıt içeren tablolarda
istenilen veriye hızlı ve doğru bir şekilde ulaşılamamasıdır. Her ne kadar tablolarda sıralama
işlemlerinin yapılabilmesi veri arama ve bulma sürecini hızlandırsa da istenilen veriye yine
Şekil 4.9 de tabloda bulunan bütün kayıtlar arasından ulaş-
Bir Tablodaki Ürün mak gerekmektedir. Böyle bir durumda Excel’in
Alanı İçin Oluşturulan filtreleme yetenekleri ile erişilmek istenen kayıtla-
Açılır Menü rın bazı özellikleri çeşitli ölçütlerle tanımlanarak,
Excel’in sadece belirlenen ölçütlere uyan kayıtları
sunması ve diğer kayıtları gizlemesi sağlanabil-
mektedir.
Excel’de bulunan bir hücre aralığı tabloya
dönüştürüldüğünde o tablo için Filtre özelliği
otomatik olarak aktif hale getirilmekte ve her bir
alan için etkinleştirilen açılır menü yardımı ile
kullanılabilmektedir. Açılır menü altında bulu-
nan filtreleme seçenekleri ile yapılacak olan bir
filtreleme işleminde kullanılacak ölçütler, renge
göre ya da hücre değeri türüne göre (metin, sayı
ve tarih) tanımlanabileceği gibi menünün alt kıs-
mında bulunan arama kutusu ve onay kutuları
yardımı ile de belirlenebilmektedir. Açılır menü-
nün alt kısmında, o alanda bulunan farklı hücre
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 91
değerlerinin her birinden birer adet sıralanmakta ve sıralanan değerlerin sol tarafında bu
değerlere ait birer onay kutusu bulunmaktadır (Şekil 4.9). Onay kutusu seçili olan değer-
lere eşit hücre değerlerine sahip kayıtlar tabloda listelenmekte, seçili olmayan değerlere
eşit hücre değerlerine sahip kayıtlar ise gizlenmektedir. İstenilen kayıtların görüntülendiği
filtrelenmiş tablolar ile çalışmak, bütün kayıtların gösterildiği tablolarla çalışmaya göre
çok daha hızlı ve pratik olacaktır.
Bir tablo için otomatik olarak aktif hale getirilen Filtre özelliği kaldırılmak istenirse, Veri sek-
mesi altında bulunan Sırala ve Filtre Uygula grubundaki Filtre komut düğmesi kullanılmalıdır.
Açılır menüde bulunan, Renge Göre Filtre alt menüsü yardımı ile filtre uygulanmak
istenen alandaki hücreler yazı tipi rengi ya da hücre rengine göre filtrelenebilmekte, Me-
tin/Sayı/Tarih Filtreleri alt menüsü yardımı ile de hücre değeri türüne göre özel olarak
tanımlanmış olan ifadeler kullanılarak bir filtre ölçütü oluşturulabilmektedir. Metin/Sayı
Filtreleri alt menüsünden herhangi bir ifade seçildiğinde ekrana, ölçütlerin oluşturulması-
nı sağlayan Özel Otomatik Filtre diyalog kutusu gelecektir (Şekil 4.10). Bu diyalog kutusu
yardımı ile isteğe bağlı ölçütler oluşturularak bir filtreleme işlemi yapmak mümkündür.
Tarih Filtreleri alt menüsü yardımı ile oluşturulacak bazı ölçütlerde Özel Otomatik Filtre
diyalog kutusu kullanılabileceği gibi, Metin/Sayı Filtreleri alt menüsünden farklı olarak
bugünün tarihine bağlı olan komutlar da kullanılabilmektedir. Örneğin, alt menüde bulu-
nan Bu Yıl komutu ile bu yıl içerisinde bulunan tarihleri içeren bütün kayıtların buluna-
bilmesi sağlanabilmektedir.
Şekil 4.10
Özel Otomatik Filtre
Diyalog Kutusu
Metin Filtreleri alt menüsü yardımı ile oluşturulacak olan ölçütlerde bir ya da bir-
den fazla karakterin yerine geçebilen joker karakterleri (wildcard characters) kullanmak
mümkündür. Bir ifade içerisinde kullanılacak olan; ? (soru işareti) joker karakteri herhan-
gi bir karakteri, * (yıldız işareti) joker karakteri ise herhangi bir karakter grubunu ifade
etmektedir.
• Fare, herhangi bir alan adının sağında bulunan aşağı ok simgesinin üzerine gö-
türüldüğünde, o alan için uygulanmış olan filtreleme ölçütleri metin olarak ifade
edilir. O alanda, eğer herhangi bir filtreleme kullanılmamış ise açıklama olarak
(Tümünü Gösterir) ifadesi kullanılmaktadır.
• Excel; durum çubuğunda, filtre uygulanmış kayıt sayısını göstermektedir.
Uygulanan filtre temizlenmek istenirse, açılır menü altında bulunan “[alan adı] Filt-
resini Temizle” komutu ya da filtrenin uygulandığı alanda bulunan herhangi bir hücre
seçilerek Veri sekmesi altında bulunan Sırala ve Filtre Uygula grubunda bulunan Temizle
komut düğmesi kullanılmalıdır.
Çoklu Ölçütler
Filtreleme işlemleri tek bir ölçüte bağlı olarak yapılabileceği gibi birden fazla ölçüte bağlı
olarak da yapılabilmektedir. Birden fazla ölçüte bağlı olarak oluşturulan ifadelere çoklu
ölçütler (multiple criteria) adı verilmektedir. Filtreleme işlemlerinde kullanılan çoklu öl-
çütler, tablo alanlarını farklı ölçütlere göre sınamakta ve bu ölçütleri sağlayan hücre değer-
lerine sahip kayıtları bulup listelemektedir. Excel ile yapılacak olan filtreleme işlemlerinde
kullanılacak olan çoklu ölçütler, ölçütlerin Ve ya da Veya mantıksal operatörleriyle birleş-
tirilmesinden oluşturulmaktadırlar.
Özel Otomatik Filtre diyalog kutusu ile de bir alan için çoklu ölçütler oluşturmak
mümkündür. Çoklu ölçütlerin oluşturulabilmesi için diyalog kutusu yardımı ile iki fark-
lı ifade oluşturulması ve bu ifadelerin Ve ya da Veya mantıksal operatörleri kullanılarak
istenilene uygun bir şekilde birleştirilmesi gerekmektedir. Ve mantıksal operatörü kulla-
nıldığında tanımlanmış olan iki ölçütü birden sağlayan kayıtlar, Veya mantıksal operatörü
kullanıldığında ise iki ölçütten en az birisini sağlayan kayıtlar bulunacak ve listelenecektir.
Örneğin, Miktar alanı için hücre değeri 500’den 999’a kadar olan değerlerin bulunabilmesi
için oluşturulması gereken çoklu ölçüt Şekil 4.11’de bulunan diyalog kutusunda gösterilmiştir.
Şekil 4.11
Miktar Alanı İçin
Hücre Değeri
500’den 999’a Kadar
Olan Kayıtların
Bulunabilmesi İçin
Kullanılabilecek Çoklu
Ölçüt
Gelişmiş Filtreleme
Veri sekmesi altında bulunan Filtre komut düğmesi gerekli olan birçok filtreleme işlemini
yapabilmesine rağmen karmaşık filtreleme işlemleri için yetersiz kalmaktadır. Excel ile
çoklu ölçütlere sahip karmaşık bir filtreleme işlemi yapabilmek için aynı düğme grubu
altında bulunan Gelişmiş komut düğmesi kullanılmalıdır. Gelişmiş komut düğmesine tık-
landığında Gelişmiş Filtre diyalog kutusu ekrana gelecektir (Şekil 4.12). Bu diyalog kutusu
ile filtreleme işleminin yapılacağı bir Liste aralığı, filtreleme işleminde kullanılacak olan
ölçütlerin bulunduğu bir Ölçüt aralığı, yapılacak eylemin türü ve sadece benzersiz kayıtla-
rın seçilip seçilmeyeceği belirtilebilmektedir.
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 93
Gelişmiş filtreleme işlemlerinin en kri- Şekil 4.12
tik adımı, filtreleme işleminde kullanılacak Gelişmiş Filtre Diyalog
olan ölçüt aralığının doğru ve titiz bir şe- Kutusu
kilde düzenlenmiş olmasıdır. Kullanılacak
olan ölçüt aralığının ilk satırı filtre uygu-
lanmak istenen liste aralığı ile aynı alan
adlarını ya da o alan adlarının bir kısmını
içermek zorundadır. Ayrıca oluşturulacak
ölçüt aralığı ile liste aralığı arasında en az
bir satır ya da sütun boşluk olması gerek-
mektedir. Filtreleme işleminde kullanılması
istenen ölçütler, ölçüt aralığındaki uygun
alan adları altına yazılmalıdır ve Excel iste-
nilen ölçütleri liste aralığında bulunan aynı
adlara sahip alanlar üzerinde uygulayarak
sağlayan kayıtları bulup listeleyecektir. Ge-
lişmiş filtreleme işlemlerinde kullanılacak olan ölçüt aralığının da çalışma sayfası içerisin-
de olması iki temel avantaj sağlamaktadır. Bunlar:
• Bir alan için birden fazla satır ya da sütunu kullanarak çoklu ölçütlerin oluşturula-
bilmesi,
• Kullanılacak olan ölçütlerin de birer formüle sahip olması ve böylece hesaplanmış
ölçütlerin oluşturulabilmesidir.
Şekil 4.13’te bulunan tabloda bir beyaz eşya firmasının yapmış olduğu satışların bir listesi ÖRNEK 2
bulunmaktadır. Kayıt numarası 500.000’den büyük olan, alışveriş tarihi 1 Ocak 2014 günü
ya da sonra olan ve çamaşır makinesi satın alan müşteri kayıtları bulunmak istenmektedir.
Şekil 4.13
Beyaz Eşya
Firmasının Satışlarını
Gösteren Tablo
Çözüm 2: Böyle karmaşık bir filtreleme işleminin yapılabilmesi için gelişmiş filtre
kullanılması gerekmektedir. Öncelikle bir ölçüt aralığı oluşturulmalıdır. Tablo içerisinde-
ki kayıtların çok fazla olduğu ve tabloya yeni kayıtların eklenebileceği düşünülürse, ölçüt
aralığını mevcut tablonun üst kısmındaki bir alana konumlandırmak çok daha kullanışlı
94 İşletme Analitiği
olacaktır. Bunun için de tablonun üzerine yeni satırlar eklenmesi gerekmektedir. Gelişmiş
Filtre diyalog kutusu yardımı ile bir seçim yapılacağı için istenilen miktarda satır eklenebil-
mektedir. Fakat unutulmamalıdır ki, ölçüt aralığı ile liste aralığı arasında en az bir boş satır
ya da sütun olmak zorundadır. Ölçüt aralığı için alan adları, ölçütler ve bir boş satır gerek-
liliği düşünülürse, bu örnek için tablonun üzerine üç adet satır eklemek yeterli olacaktır.
Ölçüt aralığının birinci satırına alan adlarının yazılması gerekmektedir. Örnekte be-
lirtilen ölçüte bakıldığı zaman “Kayıt No”, “Alışveriş Tarihi” ve “Ürün” alanları kesinlikle
ölçüt aralığında yer almalıdır. Ölçüt aralıkları oluşturulurken her bir satırın ve sütunun
bir anlamı bulunmaktadır. Excel’de aynı satırda bulunan ölçütler arasında Ve mantıksal
operatörü, farklı satırlarda bulunan ölçütler arasında da Veya mantıksal operatörü kul-
lanılmış olarak değerlendirilir. Örnekte üç farklı ölçütü de sağlayan alanların bulunması
istenmektedir, bu yüzden yazılacak ölçütlerin hepsi aynı satır üzerinde yer almak zorun-
dadır. İstenen ölçüt aralığı Şekil 4.14’te gösterilmiştir. Alışveriş tarihi için bir hesaplanmış
ölçüt (calculated criteria) kullanılmıştır. Formül yazımında kullanılması gereken = (eşit-
tir) işaretinden sonra metin olarak >= (büyük eşittir) operatörü kullanılmış ve TARİHSA-
YISI işlevinin sonucu ile birleştirilmiştir. Bu hesaplanmış ölçüt 1 Ocak 2014 tarihini ve bu
tarihten sonraki tarihleri ifade etmektedir.
Şekil 4.14
Örnek 2 İçin
Oluşturulması
Gereken Ölçüt Aralığı
Ölçüt aralığı oluşturulduktan sonra Veri sekmesi altında bulunan Sırala ve Filtre
Uygula bölümündeki Gelişmiş komut düğmesi seçilmeli ve Gelişmiş Filtre diyalog ku-
tusunda istenen bilgiler girilmelidir (Şekil 4.15). Liste aralığı olarak tablonun tamamı,
ölçüt aralığı olarak da A1:E2 hücre aralığı seçilmelidir. Filtreleme işleminin sonucu,
kullanılan tablo yerine başka bir alana aktarılmak istenirse bu işlem Eylem bölümü al-
Şekil 4.15 tında bulunan Başka bir yere kopyala seçe-
neği ve daha sonra aktif hale gelecek olan
Örnek 2 İçin
Kullanılacak Olan Hedef metin kutusu yardımı ile yapılabile-
Gelişmiş Filtre Diyalog cektir.
Kutusu Listeye yerinde filtre uygula seçeneği
seçili iken Tamam tuşuna basıldığı düşü-
nülürse tablo üzerinde bir filtreleme işlemi
yapılacak ve kayıt numarası 500.000’den
büyük olan, alışveriş tarihi 1 Ocak 2014
günü ya da sonra olan ve çamaşır makinesi
satın alan müşteri kayıtları bulunabilecektir
(Şekil 4.16).
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 95
Şekil 4.16
Gelişmiş Filtreleme
İşleminin Sonucu
Şekil 4.17’de bir otobüs firmasının yapmış olduğu seferler ve bu seferlere katılan yolcu bilgi- ÖRNEK 3
leri bulunmaktadır. 10 Şubat 2016 günü 21.00 - 23.59 saatleri arasında Afyon ili ve çevre-
sinde beklenen elverişsiz hava koşulları nedeniyle seferlerde gecikmeler yaşanabileceği sap-
tanmıştır. Firma, yolcuların mağdur olmaması için bu bilgiyi ilgili saatlerde Afyon ilinde
bulunması beklenen otobüslerin yolcularına SMS ile bildirmek istemektedir. Bu gecikmeden
Antalya’dan 18.30’da kalkıp İstanbul istikametine gidecek olan, İzmir’den 19.00’da kalkıp
Ankara istikametine gidecek olan ve Afyon’dan belirlenen saat aralığında kalkacak olan oto-
büslerin etkilenmesi beklenmektedir. Firmanın bütün sefer ve yolcu bilgilerinin bulunduğu
listeden ilgili yolcuları bulması için kullanması gereken ölçüt aralığı nasıl düzenlenmelidir?
Şekil 4.17
Bir Otobüs Firmasının
Sefer ve Yolcu Bilgileri
Çözüm 3: Böyle bir ölçüt aralığının oluşturulabilmesi için Antalya’dan 18.30’da kalkıp
İstanbul istikametine gidecek olan ya da İzmir’den 19.00’da kalkıp Ankara istikametine gide-
cek olan ya da Afyon’dan 21.00 – 23.59 saatleri arasında kalkacak olan otobüslerin bulunması
gerekmektedir. Mantıksal bir ifade olarak bu çoklu ölçütün örnek yazılışı aşağıda verilmiştir.
(Kalkış = “Antalya” ve Varış = “İstanbul” ve Sefer Tarihi = “10.2.2016” ve Sefer Saati =
“18:30”) veya (Kalkış = “İzmir” ve Varış = “Ankara” ve Sefer Tarihi = “10.2.2016” ve Sefer
Saati = “19:30”) veya (Kalkış = “Afyon” ve Sefer Tarihi = “10.2.2016” ve Sefer Saati >=
“21:00” ve Sefer Saati <= “23:59”)
Oluşturulacak olan ölçüt aralığında kalkış, varış, sefer tarihi ve sefer saati alanları ke-
sinlikle bulunmalıdır. Ölçüt aralıkları oluşturulurken, aynı satırda bulunan ölçütler ara-
sında Ve mantıksal operatörü, farklı satırlarda bulunan ölçütler arasında da Veya mantık-
sal operatörü kullanılmış olarak değerlendirildiği bilinmektedir. Ayrıca ölçüt aralıklarında
alan adları birden fazla kez yazılabilmekte ve bulunacak değerlerin aynı alan adı altındaki
her ölçütü sağlaması gerekmektedir. Örnek 3 için oluşturulmuş olan mantıksal ifadenin
ölçüt aralığına dönüştürülmüş hali Şekil 4.18’de gösterilmiştir.
Şekil 4.18
Örnek 3 İçin
Düzenlenmiş Olan
Ölçüt Aralığı
Oluşturulacak olan özet tablo ile Satış Miktarı alanında bulunan değerler diğer alanlar-
da bulunan değerlere göre kolaylıkla parçalanabilmekte ve anlaşılır bir özet çizelge oluştu-
rulabilmektedir. Şekil 4.20’de Satış Miktarı alanında bulunan değerler Şube alanında bulu-
Şekil 4.20 nan değerlere göre parçalara ayrılmıştır.
Her bir farklı şubede, listede bulunan
Toplam Satış
Miktarlarının Şubelere bütün aylarda ve bütün satış danışman-
Göre Özetlenmesi ları tarafından yapılan satış miktarlarının
toplamı otomatik olarak hesaplanarak
oluşturulan özet tabloda sunulmuştur.
Bu özet tabloda veri alanı Satış Miktarı
alanı, satır alanı ise Şube alanıdır. Şube
alanında bulunan her bir tekil değer ise
satır etiketine dönüşmüştür.
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 97
Oluşturulmuş olan özet tabloyu üçüncü bir alan belirleyerek daha küçük parçalara
ayırmak da mümkündür. Eklenecek olan üçüncü alan bir satır alanı ya da bir sütun ala-
nı olabilir. Eğer bir satır alanı eklenmek
Şekil 4.21
istenirse Satır etiketleri birer menüye dö-
nüşecek ve yeni eklenen satır alanında bu- Toplam Satış
Miktarlarının,
lunan her bir tekil değer bu menülerin alt Şubelere ve İlgili
elemanları haline gelecektir. Oluşturulmuş Şubelerde Çalışmakta
olan özet tabloya yeni bir satır alanı olarak Olan Satış
Danışmanlarına Göre
Satış Danışmanları alanı eklenirse, her bir Özetlenmesi
satır etiketi altında, o şubeye ait olan satış
danışmanları ve onların ilk altı ay içerisin-
de yapmış oldukları toplam satış miktarları
özetlenecektir (Şekil 4.21). Bir menü haline
dönüşen satır etiketlerinin alt elemanlarını,
her bir etiketin yanında bulunan - (eksi)
işareti ile gizlemek, + (artı) işareti ile de ye-
niden görünür hale getirmek mümkündür.
Oluşturulmuş olan özet tabloya bir sü-
tun alanı olarak Ay alanı eklenirse, şubenin
ve satış danışmanının ilgili ayda yapmış
oldukları toplam satış miktarları da özet tabloda yer alacaktır (Şekil 4.22). Ay alanında
bulunan her bir tekil değer ise sütun etiketine dönüşmüş olacaktır.
Şekil 4.22
Toplam Satış
Miktarlarının;
Şubelere, Şubelerde
Çalışmakta Olan
Satış Danışmanlarına
ve İlgili Aylara Göre
Özetlenmesi
Özet tablolar özel bir terminolojiye sahip olup özet tablolar ile ilgili sık kullanılan bazı
terimler aşağıda verilmiştir.
• Veri kaynağı (Data source): Verinin orijinal halidir. Özet tablo oluşturmak için bir
hücre aralığı, bir tablo, dış bir kaynaktan alınmış veriler ya da doğrudan bir dış veri
kaynağı kullanılabilmektedir.
• Alan (Field): Şube, ay, satış danışmanı gibi verinin bir türüdür. Özet tablolar ge-
nellikle Excel tablolarından oluşturuldukları için özet tablo alanları genelde tablo
alanlarını temsil etmektedir.
• Etiket (Label): Özet tablodaki bir alanda bulunan her bir elemandır.
• Satır alanı (Row field): Özet tablolarda satır etiketleri olarak kullanılacak olan tekil
değerlerin veri kaynağında bulunduğu alandır. Şube ve Satış Danışmanı alanları gibi.
• Sütun alanı (Column field): Özet tablolarda sütun etiketleri olarak kullanılacak
olan tekil değerlerin veri kaynağında bulunduğu alandır. Ay alanı gibi.
• Filtre alanı (Report filter): Özet tablolarda filtreleme işlemlerinde kullanılacak
olan tekil değerlerin veri kaynağında bulunduğu alandır.
• Veri alanı (Data field): Özetlenmesi istenilen verinin veri kaynağında bulunduğu alandır.
• Anahat (Layout): Özet tablo üzerindeki alanların ve ögelerin genel yerleşim düzenidir.
98 İşletme Analitiği
Alım tablosunda bulunan verileri daha okunaklı bir hale getirmek için özet tablo oluş-
turulmak istenirse aşağıdaki adımlar izlenmelidir.
• Tablo üzerinde bulunan herhangi bir hücre seçilmeli ve daha sonra ortaya çıkacak
olan Tasarım sekmesinde bulunan Araçlar bölümündeki PivotTable Kullanarak
Özetle komut düğmesine basılmalıdır. Bu işlem sonucunda ekrana PivotTable Oluş-
tur diyalog kutusu gelecektir (Şekil 4.24). PivotTable Oluştur diyalog kutusuna, çalış-
ma sayfasında bulunan herhangi bir hücre seçili iken Ekle sekmesi altında bulunan
Tablolar bölümündeki PivotTable komut düğmesi yardımı ile de ulaşılabilmektedir.
Şekil 4.24
Pivottable Oluştur
Diyalog Kutusu
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 99
• PivotTable Oluştur diyalog kutusu ile özetlenmesi istenilen veri seti, oluşturu-
lacak olan özet tablonun konumu ve kaynak veri setinde bulunan verilerin Veri
Modeli’ne eklenip eklenmeyeceği belirtilmelidir.
• Alım tablosu için bir özet tablo oluşturulmak istendiğinden, “Çözümlemek iste-
diğiniz verileri seçin” bölümünden Tablo veya aralık seçin seçeneği seçilmeli ve
tablonun konumu belirtilmelidir. Eğer dış bir veri kaynağında bulunan veriler için
bir özet tablo oluşturulmak istenseydi, Dış veri kaynağı kullan seçeneği seçilerek
veri kaynağına ulaşılabilecek olan bağlantı seçilmeliydi.
• Daha sonra oluşturulacak olan özet tablonun konumu belirtilmelidir. Özet tabloyu
yeni bir çalışma sayfasında ya da var olan çalışma sayfası içerisinde konumlandır-
mak mümkündür. Yeni Çalışma Sayfası seçeneği seçilir ise özet tablo, aynı çalışma
kitabına yeni bir çalışma sayfası eklenerek A1 hücresinden itibaren konumlandırı-
lacaktır. Varolan Çalışma Sayfası seçeneği seçildiğinde ise aktif çalışma sayfasında
bulunan herhangi bir hücre seçilerek özet tablonun bu hücreden itibaren konum-
landırılması sağlanmaktadır.
• Excel (2013 versiyonundan itibaren), her bir çalışma kitabı içerisinde bir veri
modeli kurmaktadır ve çalışma kitabında kullanılan verileri istenildiği takdirde
bu model içerisinde konumlandırmaktadır. Bu özellik sayesinde farklı sayfa-
larda bulunan veri kaynakları arasında çeşitli ilişkiler kurulabilmekte ve Excel
çalışma kitapları birer veritabanı olarak kullanılabilmektedir. Veri modelleri
genellikle PivotTable, PivotChart ve PowerPivot gibi Excel bileşenlerinde kulla-
nılabilmektedir. PivotTable Oluştur diyalog kutusunda bulunan Bu verileri Veri
Modeli’ne ekle seçeneği seçilir ise, oluşturulacak olan özet tablo içerisinde aynı
çalışma kitabında bulunan farklı tablolardaki alanları da özetlemek mümkün
olabilecektir.
Diyalog kutusu yardımı ile gerekli seçenekler belirtildikten sonra, seçilmiş olan
konumdan itibaren boş bir özet tablo oluşturulacaktır. Oluşturulan bu özet tablo üze-
rindeki bir alana tıklandığı anda PivotTable Alanları araç kutusu ekrana gelecektir (Şe-
kil 4.25). Bu araç kutusu yardımı ile rapora eklenecek tablo alanları fare ile seçilerek
istenilen özet tablo bölgelerine sürüklenmeli ve böylelikle özet tablo istenilen şekilde
düzenlenmelidir. Bir özet tablo satırlar, sütunlar, değerler ve filtreler olmak üzere dört
farklı bölgeye sahiptir.
• Satırlar bölgesinde bulunan alanlar, özet tablonun satır değerlerini oluşturacaktır.
• Sütunlar bölgesinde bulunan alanlar, özet tablonun sütun değerlerini oluşturacaktır.
• Değerler bölgesindeki alanlar, formüller ile yapılacak olan çeşitli hesaplamalarda
kullanılacak olan verileri içermektedir.
• Filtreler bölgesinde bulunan alanlar, özet tablo için kullanılabilecek birer filtrele-
me ölçütü oluşturmayı sağlamaktadır.
PivotTable Alanları araç kutusunda bulunan alanları bölgelere sürüklemek yerine her bir
alana ait onay kutusunu işaretleyerek de bir özet tablo oluşturmak mümkündür. Excel, onay
kutusuna tıklanan alan metin ya da tarih içeriyorsa o alanı satırlar bölgesine, sayısal ifadeler
içeriyor ise değerler bölgesine taşıyacaktır.
100 İşletme Analitiği
Şekil 4.25
Oluşturulan Özet
Tablo ve Pivottable
Alanları Araç Kutusu
Özet tablo içerisinde bulunan bir bölgeye birden fazla alanı sürüklemek mümkündür.
Anlaşılır bir özet tablo oluşturulabilmesi için sürüklenen alanların öncelik sırası önemli-
dir. Satırlar ve sütunlar bölgeleri için üstte bulunan alanlar, altta bulunan alanların bir üst
grubu şeklinde olmalıdır. Alım tablosuna bakılacak olursa; ürünler ve ürünlerin ait oldu-
ğu kategorilerin bulunduğu görülecektir. Böyle bir tablo için üst grup kategoriler (meyve
ve sebze), alt grup ise ürünler (havuç, domates, elma, salatalık, armut, portakal, biber,
soğan ve patates) olmalıdır. Yapılacak olan hesaplamalar düşünüldüğünde bu iki alanın da
satır alanı olarak kullanılması uygundur.
Değerler bölgesinde ise hesaplama işlemlerinde kullanılmak istenen alanlar bulunma-
lıdır. Alım tablosu için, her bir kategorinin ve kategori altında bulunan her bir ürünün
toplam alım fiyatlarının, kg cinsinden toplam miktarlarının ve alım sayısının hesaplan-
ması kullanışlı olacaktır. Böyle bir durumda değerler bölgesine Alım No, Miktar (Kg.) ve
Alım Fiyatı alanları sürüklenmelidir. Sürüklenen bu alanlar sayısal değerleri içermekte ise
genellikle toplama işlemine tabi tutulmaktadırlar. Fakat Alım No alanı için bir toplama
değil sayma işlemi gerekmektedir. Bunun için Alım No değerler bölgesine sürüklendikten
sonra oluşan Toplam Alım No ögesine tıklanarak açılan menüden Değer Alanı Ayarları…
seçeneğine tıklanmalı ve sonra ekrana gelen liste kutusundan Say hesaplama türü seçil-
melidir. Değerler bölgesinde bulunan ögelerin öncelik sırası, özet tablo üzerinde bulunan
hesaplamaların da sırasını ifade etmektedir. En üstte bulunan öge özet tabloda en solda
yer alacaktır.
Değer Alanı Ayarları… seçeneği yardımı ile toplam, say, ortalama, en büyük, en küçük, çar-
pım, sayıları say, standart sapma, tüm popülasyonu temel alan standart sapma, varyans ve
tüm popülasyonu temel alan varyans hesabı gibi hesaplama türlerini seçmek mümkündür.
Ayrıca değer gösterimi sekmesi yardımı ile değerlerin yüzde (%) olarak gösterimi de sağla-
nabilmektedir.
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 101
Alım tablosu için Alım Tarihi alanı filtre olarak kullanılabilir. Bir filtre ölçütü belirtil-
diğinde özet tablo sadece belirtilen ölçüte uyan kayıtları özetleyecektir. Alım tablosu için
bahsedilen alanların kullanıldığı örnek bir özet tablo Şekil 4.26’da sunulmuştur.
Şekil 4.26
Alım Tablosu İçin
Hazırlanmış Olan
Örnek Özet Tablo
Örnek özet tabloda herhangi bir filtre ölçütü kullanılmamıştır. Alım tarihinin ya-
nındaki hücrede bulunan açılır menüye tıklayarak bir filtre ölçütü tanımlanabilir. Açılır
menüde bulunan arama kutusuna *.03.* gibi joker karakterlerden oluşan bir ifade yazı-
larak, Mart ayında yapılan bütün alımlar sıralanıp daha sonrasında tümünü seç seçeneği
ile seçilebilir ve böylelikle özet tablonun sadece Mart ayı içerisinde yapılmış olan alımları
özetlemesi sağlanabilir. Filtreleme işleminde çoklu seçim yapabilmek için açılır menünün
altında bulunan Birden Çok Öğe Seç seçeneği seçilmelidir. Böyle bir filtreleme işlemi yapıl-
dığında oluşacak olan özet tablo Şekil 4.27’de sunulmuştur.
Şekil 4.27
Sadece Mart Ayında
Yapılmış Olan
Alımların Özetini
Gösteren Özet Tablo
Özet tabloda bulunan alan adlarını formül çubuğu ya da Değer Alanı Ayarları… diyalog
kutusu yardımı ile isteğe bağlı olarak değiştirmek ve böylece daha anlaşılır bir özet tablo
oluşturmak mümkündür.
DİLİMLEYİCİ (SLICER)
Herhangi bir tablo, özet tablo ya da özet grafik üzerinde istenilen şekilde filtrelemeler yap-
mak veri analiz işlemlerini oldukça hızlandırmaktadır. Filtreleme işlemlerinde yaşanılan
en büyük sorun, aynı veri aralığı için birden fazla filtre kullanıldığı takdirde yapılmış olan
filtreleme işlemlerinin takibinin zorlaşmasıdır. Çok sık filtreleme işlemlerinin yapıldığı
veri aralıkları için bu kontrol giderek zorlaşmaktadır. Excel, 2010 ve sonrası sürümlerinde
filtreleme işlemlerini kolaylaştırmak için dilimleyici (slicer) kullanımını sunmuştur. Di-
limleyiciler, verileri görsel olarak hızlı bir şekilde filtrelemeyi sağlayan, kullanımı oldukça
kolay olan Excel’in filtreleme bileşenleridir.
Şekil 4.29
Şube ve Ay Alanları
İçin Oluşturulan
Dilimleyiciler
Herhangi bir dilimleyici ile gerçekleştirilmiş olan bir filtreleme işlemi temizlenmek
istenirse, dilimleyicinin sağ üst köşesinde bulunan filtre temizle komut düğmesi kullanıl-
malıdır. Komut düğmesine basıldıktan sonra dilimleyici içerisinde listelenmiş olan bütün
değerler otomatik olarak seçilecektir.
Oluşturulmuş olan herhangi bir dilimleyici seçildikten sonra eklenecek olan Seçenekler (Di-
limleyici Araçları) sekmesi altında bulunan araçlar yardımı ile dilimleyicileri biçimlendir-
mek mümkün olacaktır.
104 İşletme Analitiği
Zaman çizelgeleri ile birden fazla tarih aralığının seçimi mümkün değildir. Seçilen tarihler
sürekli değerler olmalıdır.
Birer filtreleme aracı olan dilimleyici ve zaman çizelgesi arasındaki farklardan üç tanesini yazınız.
4
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 105
Özet
Excel’de bulunan aralıkları adlandırarak çeşitli işlemler Excel’de bulunan verilerden özet tablolar oluşturarak
1 için kullanmak. 3 veri analiz işlemlerini gerçekleştirmek.
Excel’de aralıkların adlandırılması yalnızca veri yöne- OLAP ile başlayan verilerin çevrimiçi analiz edilmesi
timi ve analizi değil, formül ve işlevlerin esnek kul- çabalarının Excel’deki karşılığı Özet tablolardır. Özet
lanımı açısından da önemli katkılar sağlamaktadır. tablo ismi orijinal olarak pivot tablo olarak adlandı-
Alanların adlandırılması ile veri adresleme, probleme rılmaktadır. Özet tabloların yalnızca özetleme yap-
özel bir okunurluk kazandırmaktadır. Yapılan işlem- madığı unutulmamalıdır. Özet tablolar, Excel orta-
lerin içeriği hatta ne amaçla kullanıldığı doğru adlan- mında olan veya bir veritabanına bağlı olarak Excel’de
dırma ile ek bir çaba olmadan görünür hale gelir. Bir bulundurulan verilerin çok boyutlu görüntülenmesi
A1:A5000 gibi satır sütun gösterimi yerine ürün_fi- ve özetlenmesini sağlar. Bu aynı zamanda Ayrıntıla-
yatları gibi bir isimle adresleme, ilgili alandan herke- ra İnebilme (Drill-Down) özelliğini de içermektedir.
sin aynı şeyi anlamasını ve kurum içi bilgi ve belgele- Kullanıcı veriyi değişik boyutlarda dinamik olarak
rin okunurluğunu kolaylaştıracaktır. tablolaştırarak verilere ilişkin analiz ve anlamlandır-
malar yapabilir. Özet tablolama, özet grafiklerin oluş-
Excel’de farklı amaçlara yönelik çeşitli tablolar oluşturmak. turulmasını da çok etkin bir şekilde desteklemektedir.
2
Excel’de verilerin hücrelerden oluşan çalışma sayfa-
larında tutulması, verilerin düzenlenmesinde kulla- Excel’in dilimleyici ve zaman çizelgesi filtrelerini kulla-
nıcılara bir kolaylık ve esneklik getirmektedir. Ancak 4 narak veri analiz işlemleri yapmak.
sayfada tutulan verilerin düz bir veritabanı özelliği Dilimleyiciler, veri tablolarına verilen boyut için seç-
taşıması halinde, bunları Tablo olarak tanımanın ge- me sorgusu uygulanmasını sağlayan görsel yardımcı-
tirdiği bir takım üstünlükleri bulunmaktadır. İster bir lardır. Özet tabloda belirli verilerin tabloda yer alması
veritabanından alınmış bir tablo bilgisi olsun, isterse veya çıkarılması işlemini etkin bir şekilde yerine geti-
bir veritabanında sorgu sonucu elde edilmiş veriler rirler. Zaman çizelgeleri ise dilimleyicilere benzer bir
olsun bunlar sayfa içine aktarıldıktan sonra Tablo işlev yerine getirmekle beraber özellikle zaman eksen-
olarak tutulmalıdır. Tablo olarak tanımlanan verilerin li veri analizleri için kullanılmaktadır. Ayrıca zaman
adlandırılması halinde, Tablo’ya uygulanacak güncel- çizelgelerinin kullanım yeri dilimleyicilere göre daha
lemeler adlandırmaya yansıtılmaktadır. Bu ise deği- sınırlıdır.
şen veri boyut ve içeriğinden Tablo’ya bağlı işlemlerin
etkilenmesini önlemektedir.
Verilerin raporlanması ve analizinde uygulanan en
yaygın işlevlerin başında sıralama gelmektedir. Sı-
ralama aynı zamanda verilere görsellik de kazandır-
maktadır. Excel’in çok ölçütlü, dikey ve yatay sıralama
yapabilmesi veri denetimi ve analizi açısından son
derece kullanışlıdır.
Sıralama kadar belki daha kullanışlı araçlardan biri
de verilerin kullanıcının arzu ettiği özelliklere uygun
olarak ayıklaması için sunulan filtreleme özelliğidir.
Otomatik filtreleme, hızlı seçme sorgularını gerçek-
leştirmektedir. Gelişmiş filtreleme özelliği ise verileri
yalnızca süzmekle kalmayıp farklı bir alana veya çalış-
ma sayfasına aktarılabilmesine olanak sunmaktadır.
Gelişmiş filtreleme ile paralel çalışan veritabanı işlev-
leri ile tanımlanan ölçütlere uygun olarak süzülmüş
veri istatistikleri türetmektedir.
106 İşletme Analitiği
Kendimizi Sınayalım
1. Excel’de tanımlanacak bir aralık adı için aşağıdakilerden 4. Aşağıdakilerden hangisi Excel’de oluşturulmuş olan bir
hangisi doğru değildir? tabloya yeni bir kayıt (satır) eklemek için kullanılan yöntem-
a. Bir aralık adı en fazla 255 karakterden oluşabilir. lerden biridir?
b. Aralık adları B25 gibi başvurular içermemelidir. a. Tablo içerisinde bulunan herhangi bir üstbilgi satırı-
c. Aralık adları R ve ya C gibi tek bir harften oluşabilir. na farenin sağ tuşu ile tıklayıp açılan menüden tablo
d. Herhangi bir harfle, altçizgiyle (_) ya da ters eğik çiz- başlığı altındaki aralığa dönüştür seçeneğini seçmek
gi ile (\) başlamak zorundadır. b. Tablonun en alttaki satırında bulunan en son hücreye
e. Aralık adları boşluk ( ) karakteri içeremez. gidilerek Tab tuşuna basmak
c. Tablonun bir altında bulunan satıra farenin sağ tuşu
2. ile tıklayıp açılan menüden açıklama ekle seçeneğini
seçmek
d. Tablonun tamamını seçip seçim üzerinde farenin sağ
tuşu ile tıklayıp açılan menüden ekle başlığı altındaki
aşağıya tablo satırı seçeneğini seçmek
e. Oluşturulacak olan bir tablo için satır ve sütun de-
Yukarıdaki tabloya göre, her bir ayda yapılmış olan ciroları ğerleri tablo oluşturulurken belirtilmeli sonradan
ilgili ay isimleriyle adlandırmak için uygulanması gereken en herhangi bir satır ya da sütun eklenemez
uygun yöntem aşağıdakilerden hangisidir?
a. A1:C3 aralığını seçerek Seçimden Oluştur aracında 5. Bir çalışma sayfasında bulunan tablodaki;
bulunan Sol Sütun konumunu seçmek I. Boş Hücreler IV. Mantıksal değerler
b. A2:C3 aralığını seçerek Seçimden Oluştur aracında II. Metin Değerleri V. Sayı değerleri
bulunan Sol Sütun konumunu seçmek III. Hata kodları
c. A3:C3 aralığını seçip Ad Tanımla aracını kullanarak içeren veriler, A’dan Z’ye sırala seçeneği ile sıralanırken önce-
seçili hücre grubuna Ad değeri olarak Ocak, Şubat, lik sırası nasıl olur?
Mart adını yazmak a. IV – II – V – I – III
d. A2:C3 aralığını seçerek Seçimden Oluştur aracında b. I – IV – II – V – III
bulunan Üst Satır konumunu seçmek c. I – IV – V – II – III
e. A3:C3 aralığını seçip Ad Kutusunu kullanarak seçili d. II – V – IV – III – I
hücre grubuna Ocak_Şubat_Mart adını vermek e. V – II – IV – III – I
3. Excel tabloları için kullanılan aşağıdaki terimlerden han- 6. (X < 75 ve X > 40) veya (X < 0)
gisinin açıklaması yanlıştır? Buna göre; X bir tamsayı olmak üzere, mantıksal bir ifade
a. Alan (Field): Bilgilerin tekil bir türüdür. Excel tablo- olarak yukarıda verilen çoklu ölçütün sağladığı değer aralığı
larında her bir sütun bir alanı temsil etmektedir. aşağıdakilerden hangisidir?
b. Alan değeri (Field value): Bir alanda bulunan tek bir a. X, 75’ten küçük ve 40’tan büyük negatif bir tamsayıdır.
bilgidir. Excel tablolarında alan değerleri tekil birer b. X, 75’ten küçük ya da eşit, 40’tan büyük ya da eşit
hücredir. negatif bir tamsayıdır.
c. Alan adı (Field name): Her bir tabloya verilen ben- c. X, negatif bir tamsayı ya da 40 ile 75 arasındaki pozi-
zersiz adlardır. tif bir tamsayıdır.
d. Kayıt (Record): İlişkili alan değerlerinin derlemesi- d. X, 75’ten küçük ya da 40’tan büyük negatif bir tamsa-
dir. Excel tablolarında her bir satır bir kayıttır. yıdır.
e. Tablo aralığı (Table range): Bir çalışma sayfasında e. X, 40’tan büyük ya da 0’dan küçük bir tamsayıdır.
bulunan; kayıtları, alanları ve alan adlarını içeren
hücre aralığıdır.
4. Ünite - İşlemtabloları ile Veri Yönetimi ve Analizi 107
7. Excel’de oluşturulan bir Özet Tablo (PivotTable) dört 10. Zaman Çizelgesi (Timeline) ile ilgili aşağıdaki bilgiler-
farklı bölgeden oluşmaktadır. Bu bilgiye göre aşağıdakilerden den hangisi doğrudur?
hangisi Özet Tablo (PivotTable) bölgelerinden biridir? a. Zaman çizelgeleri sadece belirli bir tarih ya da tarih
a. Değerler (Values) aralığı için filtreleme işlemi gerçekleştirebilmektedir.
b. Hesaplamalar (Calculations) b. Bir zaman çizelgesi ile birden fazla tarih aralığını seç-
c. Alt Toplam (Sub Total) mek mümkündür.
d. Üstbilgi (Header) c. Zaman çizelgeleri bir hücre aralığı, bir tablo ya da bir
e. Dilimleyici (Slicer) özet tablo için eklenebilmektedir.
d. Aynı özet tablo için dilimleyici ve zaman çizelgesi
8. Özet Tablo (PivotTable) ile ilgili aşağıdaki bilgilerden eklenememektedir. Bir özet tabloya bu iki araçtan sa-
hangisi doğrudur? dece birisi eklenebilir.
a. Bir çalışma sayfasına Özet Tablo ekleme işlemi For- e. Bir özet tablo için eklenen farklı filtreleme araçları
müller sekmesi altında bulunan Özet Tablo araçları birbirlerinden bağımsız olarak çalışmaktadırlar.
komut düğmesi ile yapılabilmektedir.
b. Özet Tablo, veri alanı olarak adlandırılan bir alanda
bulunan veriyi diğer alanlarda bulunan verilere göre
parçalara bölerek özetlemektedir.
c. PivotTable Oluştur diyalog kutusu ile çözümlenecek
olan veri aralığı kesinlikle Excel çalışma sayfasında
bulunan bir tablo olmalıdır.
d. Bir veri aralığından oluşturulacak olan Özet Tablo
(PivotTable) sadece yeni bir çalışma sayfasında oluş-
turulabilmektedir.
e. Özet Tablo (PivotTable) seçilmiş olan veri aralığında-
ki verileri görsel özetleyerek herhangi bir hesaplama
işlemi yapamamaktadır.
Yararlanılan ve Başvurulabilecek
Kaynaklar
Alexander, M., Decker, J., & Wehbe, B. (2014). Microsoft Bu-
siness Intelligence Tools for Excel Analysts. John Wiley
& Sons.
Bucki, L. A., Walkenbach, J., Alexander, M., Kusleika, R., &
Wempen, F. (2013). Office 2013 Bible: The comprehen-
sive tutorial resource (Vol. 808). John Wiley & Sons.
Evans, J. R., & Lindner, C. H. (2012). Business analytics: the next
frontier for decision sciences. Decision Line, 43(2), 4-6.
http://m.kapanoglu.com/aof/ybs202u/
https://support.office.com/en-us/
https://www.microsoft.com/en-us/
McFedries, P. (2013). Excel 2013 Formulas and Functions.
Que Publishing.
Ragsdale, C. T. (2004). Spreadsheet modeling and decision
analysis. Thomson South-Western.
Ferrari, A., & Russo, M. (2013). Microsoft Excel 2013 Bu-
ilding Data Models with PowerPivot: Building Data
Models with PowerPivot. Pearson Education.
Walkenbach. (2015). Excel 2016 Power Programming with
Vba. John Wiley.
Winston, W. (2014). Microsoft Excel 2013 Data Analysis
and Business Modeling. Pearson Education.
5
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Veri ve bilgi için grafik oluşturabilecek,
İşlemtablosunda koşullu biçimlendirme işlemini gerçekleştirebilecek,
Gösterge panosu yardımıyla rapor hazırlayabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Pasta Grafiği • Saçılım Grafiği
• Fitts’in Kanunu • Gösterge Panosu
• Histogram • Kıvılcım Grafiği
• Koşullu Biçimlendirme • 3B Harita
• Pareto Grafiği
İçindekiler
• GİRİŞ
Veri ve Bilginin İşlemtablosu ile • GRAFİKLER
İşletme Analitiği
Görselleştirilmesi • KOŞULLU BİÇİMLENDİRME
• GÖSTERGE PANOSU
Veri ve Bilginin İşlemtablosu
ile Görselleştirilmesi
GİRİŞ
Verinin derlenmesi aşamasına ilişkin bilgiler üniversite ve yüksekokullarda genellikle İs-
tatistik dersleri kapsamında ele alınır. Derlenen verilerin hedef kitleye anlaşılır ve uygun
bir dil ile açıklanması beklenir. Bu aşamada özetleyici tablolar çok kullanışlı olmaktadır.
Ancak sadece özetleyici tablolar yardımıyla kimi durumlarda probleme ilişkin sonuçların
sunulması, istenen etkiyi vermeyebilir. Beyin-göz sistemi çok karmaşık bir bilgi işleme
sistemidir, bu sistem grafik gösterim yardımıyla veri yapısı hakkında daha derin bilgiler
elde etmemizi sağlar. Grafik yardımıyla, hedeflenen kitleye çok daha fazla niceliksel bilgi
aktarımı yapılabilir. Örneğin satış değişkeni için uzun dönemde meydana gelen dalga-
lanmaları görmek, grafikler yardımıyla daha kolay hale gelebilir. Veri içerisinde meydana
gelen değişimlerin görülmesi için her zaman çok sayıda veriye ihtiyaç olmayabilir. Bazen
grafikler yardımıyla veri miktarı az da olsa ilgili değişkenin genel yapısına ilişkin artma,
azalma, dalgalanma ve normalden uzaklaşma gibi ek bilgiler gözlemlenebilir.
Bilgisayar dünyasında yazılımcılara ergonomik grafiksel arayüz dizaynı geliştirme-
lerinde teorik destek sağlayan ve üzerinde derinlemesine çalışmaların yapıldığı kural,
Fitts’in kanunu olarak bilinmektedir. Paul Fitts bir psikologdur. Kendisi, ekranda bir nok-
tadan diğer noktaya olan ilerlemeyi, hedefe ayrılan alanın büyüklüğü ile hedef arasındaki
uzaklık arasında bir fonksiyon olarak tanımlayan matematiksel bir model geliştirmiştir.
Modern bilgisayarların ortaya çıkması ve bilgisayarlarda fare kullanımı ile Fitts’in ortaya
koyduğu kanunun halen geçerli olduğu, insanların fare yardımıyla ekrandaki herhangi bir
noktaya ne kadar çabuk ulaşabildiğine ilişkin çalışmalar yardımıyla gösterilmiştir. Temel
olarak hedef ne kadar uzak ise fare ile o hedefe ulaşma süresi artarken; hedef ne kadar
küçük ise hedefe fare ile ulaşmak da o kadar zor olmaktadır. Microsoft araştırmacıları
Microsoft Office yazılımının geliştirilmesinde sıklıkla Fitts’in kanunu yaklaşımını benim-
semişlerdir. Özellikle verinin grafikler yardımıyla hedeflenen kitleye aktarımı söz konusu
ise çizilen grafik oluşturulurken Fitts’in kanunu prensiplerinin dikkate alınmasında fayda
bulunmaktadır.
Ünitenin anlaşılabilirliğini arttırmak için ünitenin bu kısmında bazı kavramlar sizlere
tekrar hatırlatılacaktır.
Değişken, Birim Araştırmacının ihtiyaç duyduğu grafik türünü tespit etmek amacıyla
verinin iyi anlaşılması gerekir. Verinin iyi anlaşılması için birkaç tanımı tekrar hatırla-
mada fayda vardır. Araştırmacılar problemlerine çözüm ararlarken veri derleme işlemini
gerçekleştirmede probleme özgü değişken ya da değişkenleri tanımlarlar. Değişken; fark-
lı bilim dallarında farklı biçimlerde tanımlanmak ile beraber, temel olarak “birimlerin
112 İşletme Analitiği
GRAFİKLER
Türk Dil Kurumu Büyük Türkçe Sözlük’te grafik için “Bir olayın çeşitli durumlarını göster-
meye veya birkaç şey arasında karşılaştırma yapmaya yarayan çizgilerden oluşmuş biçim,
çizge” tanımı verilmektedir. Teknolojiye bağlı olarak oluşturulabilecek birçok grafik türü
bulunmaktadır. Grafiklerin oluşturulabilmesi için araştırmacıların kullanabilecekleri on-
larca yazılım bulunmaktadır. Yazılımlar sadece grafik çizme amaçlı olabileceği gibi analiz
amaçlı yazılımların içerisinde yer alan fonksiyon ve menü kullanımı ile de grafik çizilmesi
mümkündür. Günümüzde grafik çizim amacı için kullanılan yazılımlardan bazıları Go-
ogle Sheets, Microsoft Excel, Apple Numbers, Easy Office, Tableau, Gephi, OpenOffice,
Libre Office, GeoGebra, R, Maple, Matlab ve Mathematica olarak sayılabilir. Çeşitli bilim
alanları için geliştirilen bu yazılımlar yardımıyla uygun veri-grafik eşleşmesinin yapılması
mümkündür. Bu ünite kapsamında grafik çizim işlemleri için Microsoft Excel yazılımı
kullanılacaktır. Microsoft tarafından açıklanan verilere göre günümüzde 1,2 milyardan
fazla insan Microsoft’un Office ürününü kullanmaktadır. Tam olarak kaç kişinin Micro-
soft Excel ürününü kullandığını tespit etmek zor olmakla beraber, Excel kullanıcı sayısı-
nın azımsanmayacak bir büyüklükte olduğunu kabul edebiliriz. Microsoft Excel dışında
kullanılabilecek onlarca işlemtablosu yazılımı bulunmaktadır. Bunlardan bazıları ücretsiz
olarak temin edilebilmektedir. Farklı yazılımların farklı işlem sınırları bulunmaktadır. Ör-
neğin Microsoft Excel 2003 sayfa başına 65.536 satırı destelerken Microsoft Excel 2007
1.048.576 satırı desteklemektedir. Benzer şekilde sayfa başına desteklenen sütun sayısı in-
celendiğinde MS Excel 2003 için 256 olan değer, MS Excel 2007 için 16.384’e yükselmiştir.
Gelişen teknoloji ve yeni algoritma yapıları sayesinde bu değerler gittikçe artmaktadır ve
kimi yazılımlar sayfa başına satır ve sütun sayısı sınırının programa ayrılan hafıza mik-
tarına göre belirlendiğini ifade etmektedir. Donanımın daha fazla hafıza içermesi, daha
fazla verinin sayfa içerisinde ele alınmasına olanak vermektedir. Bu ünitede verinin gör-
selleştirilmesi için uygulanabilecek teknikler Microsoft Excel yardımıyla aktarılacaktır.
Ünitenin kalan kısmında, Microsoft Excel yerine işlemtablosu ifadesi kullanılacaktır.
İyi grafiklerin oluşturulabilmesi için araştırmacının iyi bir yazılıma ihtiyaç duyması-
nın yanı sıra, en önemli unsur, grafiği çizilecek olan veriyi iyi anlamasıdır. Kimi durum-
larda araştırmacı herhangi bir yazılıma ihtiyaç duymadan da grafik oluşturabilir. Önemli
olan doğru veri tipi için doğru grafik türünün tespit edilmesidir. Grafikler doğrudan göze
hitap ettikleri için hedef kullanıcının kafasında probleme ilişkin bir algı oluşturmada et-
kin olarak kullanılırlar. Grafiklerin renk ve desen gibi destekleyici niteliklerle de bera-
ber kullanımı, arzulanan etkinin artmasına katkı sağlayacaktır. Grafikler çoğunlukla de-
114 İşletme Analitiği
Şekil 5.1
Grafik Bileşenlerinin
İşlemtablosu İçerisinde
Gösterimi
Şekil 5.1 Türkiye için 1927 yılından 2000 yılına kadar nüfus istatistiklerini içermek-
tedir. Bu amaç ile A sütunu Sayım Yılı değişkeninin aldığı değerleri, B sütunu ise Nüfus
değişkeninin aldığı değerleri göstermektedir. Bu iki sütun içerisinde yer alan hücreler veri
tablomuzu oluşturmaktadır (A1:B15). İşlemtablosu üzerinde oluşturulan grafik, kartez-
yen koordinat sisteminde iki boyutlu bir grafiktir ve 1927 yılından başlayarak 2000 yılına
kadar Türkiye nüfusunda meydana gelen değişimi göstermektedir. Grafik yardımıyla ta-
nımlanan alanları izleyen biçimde kısaca ele alabiliriz.
Çizim alanı, grafiği oluşturulacak değişken veya değişkenlere ilişkin çizimleri yapabil-
mek amacı ile ayrılan alandır. Bu alanın içi seçilen grafik türüne göre dolacaktır. Grafik
alanı ise çizim alanından daha büyüktür ve çizim alanını sınırlayan değerleri, değişken
isimlerini, başlıkları ve istenen diğer bilgileri içerecektir. Bu bölge, istenen bilgi miktarına
göre genişletilebilir, ancak çizim alanı ile grafik alanı arasında çok fazla bilgi olmasının
okuyucu için oluşturabileceği zorluklar unutulmamalıdır.
Çizim alanına dikkat çekmek amacı ile çizim alanı arka planı farklı biçimlerde oluş-
turulabilir. Örneğin çizim alanı arka planı tarama çizgileri ile taranabilirken çizim alanı
ile grafik alan arası boş bırakılabilir. Önemli olan çizim alanı içinde yer alan grafik çizimi
ile arka planının birbirini engelleyici olmamasıdır. Çizim alanları genellikle bir çerçeve ile
sınırlandırılırlar. Çerçeve içerisinde düşey ve yatay eksende yer alan değişkenlerin büyük-
lüklerine veya araştırmacının belirleyeceği aralıklara göre kılavuz çizgileri yer alır. Örneğin
Şekil 5.1’de Yıl değişkeni için kılavuz çizgiler her 20 yılı temsil edecek biçimde çizilmiştir.
Grafikler, okuyucu tarafından anlaşılabilmeleri için gereken tüm bilgiyi içermelidir.
Grafik alanı içerisinde grafik başlığı, eksen başlıkları, alt başlık, kaynak, eksen etiketleri
ve çizimi yapılan gösterge/değişken bilgisi yer almalıdır. Grafik ana başlığı; grafiği çizilen
değişken bilgisini, varsa zaman bilgisini ve grafiğin temsil ettiği diğer unsurları içerecek
şekilde kısa ve öz olmalıdır. Genellikle çizim alanın hemen üzerinde ve çizim alanını orta-
layacak şekilde yerleştirilirler. Ana başlık oluşturulurken olayı anlatan bir cümle kurmak
yerine kısa tanımlamalar kullanılması daha faydalıdır. Ayrıca grafik başlığı okuyucuyu
116 İşletme Analitiği
herhangi bir biçimde etkileyecek veya yönlendirecek bilgiler içermemelidir. Grafik alan
içerisinde yer alacak metinlerin mümkün olduğunca yatay konumlandırılması okuma ko-
laylığı sağlayacaktır. Eksen başlıkları eksenlere paralel biçimde konumlandırılır.
İyi bir araştırmacı, kendisine sunulan bir grafiği incelemek için öncelikle grafik başlı-
ğından okumaya başlamalıdır. Daha sonra ise eksenlerde yer alan değişkenler belirlenme-
li, bu değişkenlerin ölçek birimleri ve değerleri tespit edilmelidir. Her eksen için en küçük
ve en büyük değerin ne olduğu özümsenmeli, varsa kılavuz çizgi aralıkları incelenmeli ve
en son çizim alanı içerisinde yer alan grafik çizim, kazanılan bu ilk bilgiler ışığı altında
incelenmelidir.
Grafik alanının bir başka önemli bileşeni de gösterge alanıdır. Gösterge, grafik çizim
alanında yer alan değişkene ilişkin bilgileri içerecektir. Şekil 5.1’de göstergemiz Nüfus
bilgisidir. Gösterge alanı araştırmacının tercihine göre grafik çizim alanı ile grafik alanı
arasındaki herhangi bir boş bölgede yer alabileceği gibi, grafik çizim alanı içerisinde de
yer alabilir. Grafik başlığının grafik çizim alanının hemen üzerinde olduğu durumlarda
göstergenin grafik başlığı üzerinde olması istenmeyen bir durumdur.
Grafik çizim alanı içerisinde yapılacak çizimlerde çizgi tipi seçimi, çizgi kalınlığı seçi-
mi, sembol seçimi ve renk seçimi gibi unsurlar da büyük önem arz etmektedir. Eğer çizim
alanında yer alan bilgilerden bazılarına vurgu yapılmak veya dikkat çekilmek isteniyor-
sa, bu bölgelerde farklı renk ya da çizgi türü (kesikli veya düz çizgi vb.) kullanılmasın-
da sakınca yoktur. Ancak bu işlem gerçekleştirilirken etik kuralları çerçevesinde hareket
edilmeli; kullanılan renk, sembol gibi yardımcılar ile grafiğin gözü yanıltması, dolayısıyla
okuyucunun aldatılması yoluna gidilmemelidir.
Grafik Türleri
Araştırmacının ilgilendiği değişkenlerin ölçme düzeyleri, çizilecek grafiğe karar verilme-
sinde önemli etkendir. Bu ünitede kullanılan işlemtablosu 15 farklı gruplama yardımıyla
grafik seçenekleri sunmaktadır. Her grup içerisinde yer alan seçeneklerde, sayıldığında
araştırmacının kullanabileceği 59 farklı seçenek vardır. Bu seçeneklere ek olarak kullanı-
cının özelliklerini kendi belirlediği grafikleri de oluşturmasına olanak verilmektedir. Bu
ünite kapsamında araştırmacıların sıklıkla başvurduğu grafik tekniklerinden birkaç tanesi
ele alınmıştır. Şekil 5.2’de işlemtablosu grafik seçim penceresi görüntülenmektedir.
Şekil 5.2
İşlemtablosu Grafik
Seçim Diyalog Kutusu
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 117
İşlemtablosu kullanıcısının bu diyalog kutusuna ulaşabilmesi için Ekle sekmesinden
Grafikler grubunu kullanması gereklidir. Microsoft Excel 2016 hangi grafiği seçeceğini
bilemeyen araştırmacılara yön vermek için Grafikler kısmında Önerilen Grafikler seçe-
neğini vermektedir. Sayfa içerisinde hücrelerin, değişken isimlerinin ve tiplerinin doğ-
ru atandığı varsayımı altında seçili hücreler için olabilecek grafik seçenekleri Önerilen
Grafikler seçeneği ile gerçekleştirilebilir. Şekil 5.3’te bir yemekhanede öğlen yemeğinde
sunulan dört farklı meyveden kaçar tane yenildiği frekans tablosu işlemtablosunda işa-
retlenmiştir (A1:B5). Hücreler seçildikten sonra Önerilen Grafikler sembolüne tıklanarak
Şekil 5.3’te yer alan öneriler araştırmacıya işlemtablosu tarafından sunulmuştur. Şekil
5.3’ten de görülebileceği gibi ünitenin ilerleyen kısımlarında incelenecek olan pasta grafi-
ği araştırmacıya önerilmiştir.
Şekil 5.3
Yemekhane Meyve
Dağılımı İçin Önerilen
Grafiği İçeren
İşlemtablosu
Sütun Grafikleri
Araştırmacının ilgilendiği değişkenin sınıflayıcı ya da sıralayıcı ölçek ile ölçümlendiği du-
rumlarda sütun grafiği (çubuk grafiği) uygundur. Sütun grafiklerinde değişkenin aldığı
farklı sonuçları temsil etmek üzere sütunlar yer alır. Düşey eksende genellikle frekans de-
ğerleri yer alır. Ancak kimi durumlarda araştırmacı frekans yerine oranları da kullanabilir.
Yatay eksende ise yan yana ilgili değişkenin sonuçları birer sütun ile temsil edilirler. Sü-
tunların yüksekliği, ilgili sonuç sayısı ile orantılıdır. Örneğin Cinsiyet değişkeni için ölçek
türü sınıflayıcı ölçektir. Bir araştırmada 15 Erkek ve 25 Kadın var ise çizilebilecek sütun
grafiği Şekil 5.4’te yer almaktadır. Şekil 5.4’te yer alan grafik oluşturulurken işlemtablosu
kullanıcısı ya Önerilen Grafikler seçeneğini kullanır ya da Ekle sekmesi içerisinde yer alan
Grafikler grubundan sütun grafiğini seçer. Grafik çizimi tamamlandıktan sonra işlemtab-
losu içerisinde bulunan grafik alanının hemen dışında, ilgili grafiğin çeşitli özelliklerini
değiştirmek için seçenekler yer almaktadır. Bu seçenekler artı işareti, fırça işareti ve huni
işareti ile sembollenmiştir. Bu yan sekmeler kullanılarak grafiğe birçok bilgi aktarımı ve
çeşitli düzenlemeler yapılması mümkündür. Şekil 5.5’te bu üç seçeneğe tıklanması halinde
elde edilen seçenekler gösterilmiştir. İşlemtablosu bu üç seçeneği tüm grafik alternatifleri
118 İşletme Analitiği
Şekil 5.5
Sütun Grafiği İçin
Sunulan Ek Özellikler
a) b) c)
Şekil 5.6
Cinsiyet Değişkeni
Sütun Grafiği
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 119
Çizilen bir grafiğin bileşenlerinin değiştirilmesi için kullanılabilecek bir başka yöntem
ise, işlemtablosu içerisine grafik oluşturulduktan sonra, grafiğe fare yardımıyla iki kez tık-
lanması ile ana menüde aktif hale gelen Grafik Öğesi Ekle seçeneğidir. İlgili seçenek için
ekran görüntüsü Şekil 5.7’de yer almaktadır.
Şekil 5.7
Grafik Öğesi Ekle
Sekmesi Bileşenleri
Grafik Öğesi Ekle yardımıyla çizilen sütun grafiğine ilişkin eklemeler çıkarmalar ko-
laylıkla yürütülür. Sütun grafikleri, değişken sonuçlarının kategoriler olarak ortaya çıktığı
durumlarda sonuçların genel dağılımının görülmesinde çok faydalıdır. Sütun grafikleri
karşılaştırma yapılmasına da olanak verir, karşılaştırma amaçlı hazırlanan örnek veri ve
ilgili sütun grafiği Şekil 5.8’de verilmiştir.
Şekil 5.8
Mevsim ve İllere
Göre Satış Miktarları
Sütun Grafiği İçin
İşlemtablosu
Şekil 5.8’de yer alan sütun grafiğinden kolaylıkla görüleceği gibi ilgilenilen ürün/de-
ğişken değerleri Antalya’da yazın artış gösterirken, kışın azalış göstermektedir. Şekil 5.8’de
verilen sütun grafiği incelenerek veri içinde yer alan Ankara ve Eskişehir illeri için de
benzer bilgiler üretilebilir. Dikkat edilirse sütun grafiği sayesinde iller ve mevsimler ara-
sındaki ilişkinin fark edilmesi daha kolaydır.
120 İşletme Analitiği
İlgilenilen değişkenin kategori isimleri çok uzun ise sütun grafikleri yatay olarak da çi-
zilebilir. Böyle bir durumda frekanslar yatay eksende, değişken kategori isimleri ise düşey
eksende yer alır. Şekil 5.2’ye göre böyle bir değişkenin grafik çizimi Çubuk grafiği seçeneği
ile gerçekleştirilir. Çubuk grafiğine bir örnek işlemtablosu, Şekil 5.9’da yer almaktadır.
Şekil 5.9
Çubuk Grafiği İşlemtablosu Örneği
Pasta Grafiği
Özellikle ilgilenilen değişken sonuçlarının oransal olarak ifade edildiği veya gösterilmek
istendiği durumlarda pasta grafikleri kullanılır. Pasta grafikleri; sınıflayıcı ve sıralayıcı öl-
çek ile ölçümlenmiş değişkenlerin sonuç dağılımını, oransal olarak göstermek üzere kul-
lanılırlar. Pasta grafiği temel olarak, her değişken sonuç değerinin toplam içindeki oranı-
nın, bir dairenin ilgili oran kadarlık alana sahip dilimi ile temsil edilmesi işlemidir. Pasta
grafikleri gelişen teknolojiye bağlı olarak çok farklı biçimlerde çizilebilir. Ancak mümkün
olduğunca sade oluşturulan bir pasta grafiği bilginin hedeflenen kitleye aktarımında daha
büyük başarı sağlar. Elle oluşturulmaları her sonuç değeri için hesaplanan oran değerinin
daire içerisindeki payının açısal hesaplaması ve çizimini içereceğinden zordur.
Örneğin, bir kişinin bir ay içerisinde çeşitli kalemlere yaptığı harcamalara ilişkin bir
veri seti için oluşturulan pasta grafiği işlemtablosu Şekil 5.10’da yer almaktadır. Şekil 5.10’a
göre üzerinde araştırma yapılan kişinin en yüksek harcaması %51 oranı ile kira kategorisi
için gerçekleşmiştir. Şekil 5.10’a göre iki kategori aynı orana sahip gözükmektedir. Ancak
işlemtablosunda inceleme yapıldığında ilgili kategorilerin frekanslarının 75 ve 80 olduğu,
dolayısıyla birbirlerine eşit olmadığı görülebilir. Bu tür durumlarda pasta grafiği üzerinde
her pay için gösterilen oran etiketleri üzerine iki kez tıklandığında işlemtablosunun sağ
kısmında Veri Etiketlerini Biçimlendir seçeneğine ulaşılır. Bu seçeneğin en altında yer
alan Sayı ayarı ile pasta grafiği üzerindeki ondalık gösterim sayısı arttırılabilir. Örneği-
miz için ondalık sayı 3’e çıkarılmıştır. İlgili işlemleri içeren işlemtablosu görüntüsü Şekil
5.11’de yer almaktadır.
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 121
Şekil 5.10
Harcama Verisi
İçin Pasta Grafiği
İşlemtablosu
Şekil 5.11
Veri Etiketlerini
Biçimlendir Seçeneği
İle Pasta Grafiğinin
İyileştirilmesi
Histogram
Üzerinde çalışılan sürekli bir değişkenin değer aralığı içerisinde nerelerde yoğunlaşma
gösterdiğini görebilmek için oluşturulurlar. Eşit aralıklı ölçek ile ölçümlenmiş sürekli de-
ğişkenler için oluşturulurlar. Değişken sonuçları değer aralığı içerisinde eşit büyüklük-
te kategorilere/sınıflara ayrılarak, her kategori için ilgili kategorinin frekansı ile orantılı
sütunlar çizilir. Bu yapıları ile sütun grafiklerine benzerler. Ancak sütun grafiklerinde
kategoriler arasında boşluklar bulunurken histogramlar sürekli değişkenler için oluştu-
rulduklarından sütunlar arasında boş alan bulunmaz. Sütunlar, histogramda birbirlerine
bitişik olarak oluşturulurlar. Histogram çiziminde yatay eksen, histogramı çizilen değiş-
kenin değerlerine göre ayarlanırken düşey eksen ise her kategori/sınıf için ilgili frekans
veya oransal frekans değerine göre düzenlenir. Histogramların oluşturulabilmesi için veri
setinin gruplandırılmış frekans serisi kullanılır.
122 İşletme Analitiği
Şekil 5.12’de yer alan histogram yardımıyla araştırmacı ilgilendiği değişkeni 5 ayrı sı-
nıfta bir araya getirmiştir. Her sınıfta yer alan frekanslar sütunlar üzerinde yer almaktadır.
İşlemtablosu yardımıyla histogram çizimi sırasında sınıflar içerisinde hangi değerlerin yer
aldığını anlamak için yatay eksende yer alan eksen etiketlerine bakılır. Her sınıf/sütun
altında o sınıfa ait alt ve üst sınır değerleri yer alır. Her sınıfın alt ve üst sınırlarının ilgili
sınıfa/sütuna dahil olup olmadığını anlamak için sınırların kapalı ya da açık aralık olarak
nasıl yapılandırıldığına bakılır. Açık aralık için sınır değeri “(” veya “)” işaretleri ile gös-
terilirken, kapalı aralık için “[” veya “]” işaretleri kullanılır. Örneğin Şekil 5.12’ye göre 26
değerine sahip birey ikinci sınıfta yer alırken, 14 değerine sahip birey birinci sınıfta yer
alacaktır. İşlemtablosunda oluşturulan histogram ile örneğin, 38 ve 38’den daha az değer
alan birim sayısı, ilk üç sütunun frekansları toplanarak tespit edilebilir.
Saçılım Grafiği
Birden fazla sürekli değişkenin bulunduğu çalışmalarda ilgili değişkenler arasındaki iliş-
kinin araştırılması için saçılım grafiği oluşturulur. Araştırmacılar iki değişken arasında-
ki ilişkinin yönü ve derecesini belirlemek için korelasyon katsayısını kullanırlar, ancak
özelikle saha çalışmalarında kısa bir sürede iki değişken arasındaki ilişki hakkında bilgi
edinmek için saçılım grafiği faydalı olacaktır. Saçılım grafiğinde, çizilen değişkenler, araş-
tırmacının isteği ve problemin yapısına göre yatay ve düşey eksenlere yerleştirilir. Her
eksenin en küçük ve en büyük değeri, ilgili değişkenin değerlerine bağlıdır. Saçılım grafi-
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 123
ği çizilebilmesi için öncelikle işlemtablosu içerisinde verinin bulunduğu iki sütun seçilir.
Daha sonra Şekil 5.2’de verilen Grafik Ekle seçeneğinin X Y (dağılım) kategorisi kullanılır.
İlgili seçenek içerisinde grafiğin sadece noktalardan mı oluşacağı yoksa noktalar arasında
bağlantı çizgileri olup olmayacağına göre uygun grafik türü seçilir. Şekil 5.13 Boy uzunlu-
ğu ve Ağırlık değişkenlerine ilişkin saçılım grafiğini içermektedir.
Şekil 5.13
Boy Uzunluğu ve
Ağırlık Değişkenleri
İçin Saçılım Grafiği
İşlemtablosu
Saçılım grafikleri genellikle değişkenler arasında var olan ilişkilerin modellemesi aşa-
masında faydalı olmaktadır. Şekil 5.13’te temsili olarak verilen değişkenler için regresyon
analizi yapılmak istenebilir. Ağırlık değişkeninin bağımlı ve boy değişkeninin bağımsız
değişken olarak ele alındığı bir basit doğrusal regresyon analizi İşlemtablosu ana şeridinde
etkin durumda bulunan Hızlı Düzen seçeneği ile kolaylıkla gerçekleştirilebilir. Bu duru-
mun örneklendiği işlemtablosu Şekil 5.14’de yer almaktadır.
Şekil 5.14
Hızlı Düzen
Yardımıyla Regresyon
Denklemi ve Saçılım
Grafiği İşlemtablosu
124 İşletme Analitiği
Saçılım grafiklerinin bir başka kullanım alanı da zaman serilerinde ortaya çıkmak-
tadır. İlgilenilen değişkenin aldığı sonuçların zamana göre değişimini görmek için yatay
eksende zaman (yıl, ay, hafta, saat vb) ve düşey eksende ilgili değişken değerleri yer alan
saçılım grafiği çizilir. Ancak yatay eksendeki değişkenin zaman olması durumunda göz-
lem değerlerini temsil eden noktalar arasına çizgi çizilir. Daha önce incelediğimiz Şekil
5.1, zamana göre Türkiye nüfusundaki değişimi gösteren bir zaman serisi saçılım grafiği-
dir. Saçılım grafiklerinde noktalar arasının çizgi ile birleştirildiği durumlarda grafik, çizgi
grafiği olarak da adlandırılmaktadır. Çizgi grafiği Şekil 5.2’te verilen Grafik Ekle seçene-
ğinin Çizgi kategorisi yardımıyla çizilir. Bu kategori içerisinde kullanıcılara 7 farklı çizgi
grafiği seçeneği sunulmaktadır. Şekil 5.15’te bir ürünün aylara göre satış miktarları çizgi
grafiği bulunmaktadır. Grafik oluşturulurken Çizgi kategorisi içerisinde yer alan İşaretçi-
leri Olan Çizgi seçeneği kullanılmıştır. İstenmesi halinde grafik üzerindeki birçok bileşen
işlemtablosu ana şeridi üzerinde bulunan Grafik Araçları sekmesi içerisindeki Tasarım
kategorisi ile geliştirilebilir. Tasarım kategorisi kullanılarak zenginleştirilmiş çizgi grafiği
Şekil 5.16’da yer almaktadır.
Şekil 5.15
İşaretçileri Olan Çizgi
Grafiği İşlemtablosu
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 125
Şekil 5.16
Tasarım Yardımıyla
Zenginleştirilmiş
İşaretleri Olan Çizgi
Grafiği İşlemtablosu
Pareto Grafiği
İşletmeler ürettikleri ürünlerin hatasız olması ve müşterilerine hatasız bir şekilde ulaşması
için alınabilecek tüm önlemleri alırlar. Bu önlemlerden bir tanesi de Kalite Kontrol’dür.
Üretim hattından müşteriye ulaşmak üzere gönderilecek her ürün, üretim aşamasının bir-
kaç adımında veya son aşamada mutlaka kalite kontrol işleminden geçer. Benzer şekilde
işletmeler günlük faliyetlerini yürütürlerken çeşitli problemler ile karşılaşırlar. Hem kalite
kontrol sırasında hem de günlük faliyetler sırasında ortaya çıkan sorunların önem sırası-
na göre sıralanması işlemlerinde Pareto grafikleri kullanılır. Pareto grafiğinin yatay ekse-
ninde, karşılaşılan sorunlar yan yana ve sorun sıklık sayısına göre büyükten küçüğe göre
sıralanırlar. Sorun’un sıklık sayısı ya da frekanslar düşey eksende yer alır. Her sorun için
yüksekliği ilgili frekans ile orantılı bir sütun yer alır. Bu yapıları ile sütun grafiklerini andı-
rırlar. Ancak sütun grafiklerine ek olarak grafik alanının sağ kısmında oransal frekansları
içeren üçüncü bir eksen yer alır. Problem kaynağı ile ilgili oransal frekans değerleri, bu
eksene göre eşleştirilerek, ortaya çıkan noktalar çizgi yardımıyla birleştirilir. Birleştirme
sırasında kümülatif oranlardan yararlanılır. Bir fabrikada derlenen, ürün kusurları prob-
lem kaynaklarına ilişkin tablo ve Pareto grafiği Şekil 5.17’de yer almaktadır.
126 İşletme Analitiği
Şekil 5.17
Pareto Grafiği
İşlemtablosu
3B Harita Grafiği
Coğrafi bilgi sistemleri, üzerinde çalışılan problemin yer/konum parametreleri ile iliş-
kilendirilmesi ile çözüme ulaşmak için gösterilen çabaların bütünü olarak ele alınabilir.
Coğrafi bilgi sistemleri uygulamalarında belirli bir probleme ilişkin veri ile beraber bu
verinin derlendiği yer/konum bilgisi de yer alır. Örneğin bir derenin farklı noktalarından
örnek alınması işlemi sırasında örnek alınma noktası koordinatları kayıt altına alınabilir,
şehir merkezinin değişik noktalarında hava kirliliği ölçümü yapılırken hem ölçüm sonucu
hem de ölçüm yapılan yer/konum bilgisi kayıt altına alınır. İlgilenilen değişkenin farklı
sonuçlarının yer/konum bilgisine göre farklılık gösterip göstermediği araştırılır. İşlemtab-
losu Ekle sekmesi içerisinde yer alan 3B Harita ikonu yardımıyla harita çizme ekranına
ulaşılır. Harita çizilebilmesi için ilgilenilen değişken sonuçları ve her sonuca ilişkin yer/
konum bilgisi ya ülke/şehir/köy adı biçiminde ya da uygun coğrafi koordinat değeri biçi-
minde işlemtablosuna kodlanır. Kodlama işleminden sonra değişken sonuçları ve koordi-
nat bilgilerini içeren hücreler seçilerek 3B ikonuna tıklanır.
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 127
Şekil 5.18
Microsoft Excel 3B
Harita Ekranı
Şekil 5.22
Hisse Senedi İndeks
Değerleri Kazanç/
Kayıp Kıvılcım
Grafikleri İşlemtablosu
KOŞULLU BİÇİMLENDİRME
Kimi durumlarda üzerinde çalışılan veri seti için grafik çizmek yerine araştırmacının il-
gilendiği değişkenin önemli değerlerini liste gösteriminde görsel olarak vurgulaması iste-
nebilir. Bu tür durumlarda koşullu biçimlendirme işlemi gerçekleştirilir. Koşullu biçim-
lendirme yardımıyla ilgili değişkenin önemli değerleri görsel olarak çubuk, renk, simge ve
diğer ayırt ediciler kullanılarak ön plana çıkartılabilir. Araştırmacının ilgilendiği koşula
ve biçimlendirme türüne göre koşulu sağlayan işlemtablosu hücresi renk veya şekil de-
ğiştirirken, koşulu sağlamayan hücrede bir değişiklik meydana gelmez. İşlemtablosu yazı-
lımında koşullu biçimlendirme Giriş sekmesi içerisinde Koşullu biçimlendirme menüsü
olarak yer alır ve Şekil 5.23’de gösterilmiştir.
Şekil 5.23
Koşullu Biçimlendirme
Menüsü
Şekil 5.23’den görülebileceği gibi hücrelerin koşullu biçimlendirilmesi için beş temel
seçenek verilmiştir. İlgili seçenekler; Hücre Kurallarını Vurgula, İlk/Son Kuralları, Veri
Çubukları, Renk Ölçekleri ve Simge Kümeleri’dir. Ek olarak araştırmacının kendi seçe-
neklerini oluşturabilmesi ve yönetebilmesi için gerekli seçenekler de menü içerisinde yer
almaktadır. Şekil 5.24’de Koşullu Biçimlendirme menüsünde yer alan ilk beş seçeneğin
hangi alternatifleri sunduğu menüde yer alış sıralarına göre gösterilmiştir.
Şekil 5.24’de gösterilen seçeneklerin uygulanması için araştırmacının farklı koşulları
inceliyor olması gerekir. Her seçeneğin uygulanabileceği koşullara ilişkin bilgiler kısaca
izleyen biçimde açıklanabilir.
130 İşletme Analitiği
a) b) c)
d) e)
Veri Çubukları; seçilen hücreler içerisinde büyük, küçük veya ortanca değerlerin gös-
terilmesi için kullanılır. Örneğin büyük değerli birimler için büyük çubuklar kullanılır.
Ancak veri çubukları kullanılırken dikkat edilmesi gereken nokta, seçili hücreler içeri-
sinde yer alan birimlerin değerleri birbirine yakın ise çubuk uzunluklarının da birbirine
yakın olacağıdır. Bu durumda araştırmacının bu seçenekten elde edeceği bilgi miktarı is-
tenen düzeyde olmayabilir.
Renk Ölçekleri; seçilen hücrelerde yer alan birimlerin değerleri arttıkça seçilen renk
değişerek birimler arasındaki değer farklılıkları görülebilir. Ayrıca aynı değer aralığında
yer alan birimler aynı renklerde gösterilerek birimlerin kendi içerisindeki gruplanmaları
incelenebilir.
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 131
Simge Kümeleri; Şekil 5.24’te incelendiğinde bu grupta dört farklı sınıflamaya olanak
verildiği görülebilir. Bu sınıflamalar yönler, şekiller, göstergeler ve derecelendirmelerdir.
Araştırmacının, seçili hücrelerin, sayılan bu sınıflamalardan hangisi yardımıyla sembolle-
neceğine doğru karar vermesi gerekir. Her sembollemenin üreteceği bilgi farklı olacaktır.
Örneğin değerlerdeki artışı göstermek için yukarı oku kullanılabileceği gibi, azalışı göster-
mek için aşağı oku kullanılabilir.
Koşullu biçimlendirme menüsünün son üç seçeneğinden ilki olan Yeni Kural, araştır-
macının yukarıda sayılan koşullara uymayan özel durumları tanımlamasını sağlar. İkinci
seçenek olan Kuralları Temizle araştırmacının ya seçilen hücrelerdeki ya da tüm sayfadaki
kuralları temizlemesine olanak verir. Son seçenek ise tanımlanan kurallar üzerinde deği-
şiklikler yapılmasına olanak sağlar.
Bir araştırmada 15 öğrenci için Boy değişkeni verisi derlenerek işlemtablosunda sıralanmış- ÖRNEK 1
tır. Koşullu Biçimlendirme kullanarak birimleri gruplara ayırınız.
lunduğu bilgisi kolaylıkla üretilebilir. B sütunu ve ilgili koşul yardımıyla aritmetik ortala-
madan küçük değere sahip birim sayısının altı olduğu görülebilir.
İktisada giriş dersini alan 16 öğrencinin Arasınav ve Final puanları işlemtablosunda yer al-
2 maktadır (Şekil 5.26). Koşullu biçimlendirme yardımıyla her sınav için ortalamanın üstün-
de olan puanları gösteriniz?
Şekil 5.26
GÖSTERGE PANOSU
Gösterge panoları son yıllarda kullanıma girmiştir. Bilginin kullanıcılara aktarımında sık-
lıkla kullanılmaktadır. Temel olarak bir grafiksel arayüzdür. Bu arayüz üzerinde bilgiler,
okunması, anlaşılması ve yorumlanması kolay olacak biçimde sunulur. Gösterge panosu,
üzerinde düşünülmüş ve öne çıkarılması gereken özellikleri yansıtabilen grafikleri, farklı
kaynaklardan elde edilen bilgileri ve tabloları içerir. Gösterge panosu genellikle tek bir
sayfa olarak dizayn edilir. Böylece gösterge panosu amacını temsil ettiği düşünülen tüm
bileşenler (grafik, tablo, şekil vb) bir arada kolaylıkla görülebilir. Web sayfaları üzerinde
hazırlanan gösterge panoları, gösterge panosu içeriklerinin bir veritabanına bağlı olarak
anlık güncellenmesi özelliğini içeriyor ise çok daha faydalı olacaktır. Örneğin insan kay-
nakları ile ilişkili bir gösterge panosu, açık iş pozisyonu sayısı, işçi başına düşen toplam
maliyet, toplam çalışan sayısı, izinli olan çalışan sayısı gibi bilgileri içerebilir. Buraya kadar
gösterge panoları için ele alınan bilgiler ışığı altında, gösterge panolarının özelliklerini
izleyen başlıklarda toplayabiliriz.
• Genel olarak gösterge panoları, amaca ilişkin son eğilimlerin, karşılaştırmaların ve
istisnaların görülmesini sağlayan grafiksel yapıdadır.
• Gösterge panosu, sadece panonun hazırlanma amacına hizmet eden nitelikleri içerir.
• Sadece belirli bir amaca yönelik hazırlandıklarından, yapıları itibari ile zaten ta-
mamlanmış bazı analiz ve sonuçları sunarak, okuyucunun veya karar vericilerin
işini bir nebze de olsa kolaylaştırırlar.
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 133
Elinizde bulunan ve öğrenme süreci içerisinde olduğunuz İşletme Analitiği kitabından
şu ana kadar öğrendiğiniz ve kitabın kalan kısımlarından öğreneceğiniz tüm tablolama,
analiz, grafik vb. araçlarını kullanarak gösterge panosu hazırlayabilirsiniz.
Gösterge panosu hazırlanırken dikkat edilmesi gereken en önemli unsur hazırlanan
görselin mümkün olduğunca basit ve anlaşılır olmasıdır. Çok fazla ölçüm sonucu, farklı
grafik tipleri, renk karmaşaları gösterge tablosundan elde edilecek faydaları azaltacaktır.
Hatırlanacağı gibi ünitenin giriş kısmında Fitts’in kanunu kavramından bahsedilmişti.
Gösterge panosu hazırlanırken bu kavramın akılda tutulmasında fayda vardır. Gösterge
panosu odaklanmanızı sağlayacak biçimde dizayn edilmelidir. İnsanlar ister istemez önle-
rine sunulan bir sayfanın farklı noktalarına odaklanmaktadır. Genellikle, yapılan araştır-
malara göre, okuyucuların en çok odaklandıkları nokta sayfanın sol üst kısmı olmaktadır.
Gösterge panosu içerisinde kullanılacak sayı formatı ve font kullanımı da özenle seçilme-
lidir. Ondalıklı sayılara ihtiyaç olup olmadığı sıkı bir şekilde incelenmeli ve gerçekten ih-
tiyaç duyuluyor ise tablo üzerinde ondalıklı sayı kullanımına gidilmelidir. Benzer şekilde
binler basamağı için bir ayraç kullanılması (Türkçe için nokta işareti) sayının anlaşılırlı-
ğını arttıracaktır. Örneğin 1785329 biçiminde yazım yerine 1.785.329 yazımı daha doğ-
rudur. Gösterge panosuna eklenen her bileşenin etiket ve başlıklarının doğru, eksiksiz ve
okunaklı olması önemlidir. Böylece okuyucu etiket veya başlıktan aldığı bilgiler ile tablo
ya da grafikten algıladıklarını daha iyi harmanlayacaktır.
Gösterge panolarının hazırlanması için herkes tarafından kabul edilmiş bir yöntem
bulunmamaktadır. Teknolojideki ilerlemeler ile çok daha güzel ve anlaşılır gösterge pano-
larının oluşturulabileceğini söylemek yanlış olmaz. Önemli olan gösterge panosunun ge-
nel amacını karşılayan verinin, doğru, eksiksiz bir şekilde derlenerek uygun tablo ve/veya
grafikler yardımıyla özetlenmiş olmasıdır. Bu aşamalarda yapılacak hatalar gösterge pa-
nosunu da hatalı duruma getirecektir. Her ne kadar gösterge panosunun hazırlanmasında
herkesin kabul ettiği bir yöntem olmasa da izleyen sıralama size yol gösterici olabilir.
• Gösterge panosu için araştırmalarınızı gerçekleştirin: Bu aşamada öncelikle neden
gösterge panosu oluşturduğunuzu tam olarak kavramanız gerekir. Veri kaynağı-
nın ne olduğu, değişken tipleri, gösterge tablosunun hedef kitlesinin kim olduğu
(patron, müşteri, işletme yöneticisi vb.) ve istenen bazı performans göstergelerinin
olup olmadığı tespit edilir. Veri derlenerek analize hazır hale getirilir.
• Taslak bir gösterge panosu hazırlayın: Bir A4 kağıt üzerine veya size uygun olan
boş bir İnternet sayfasına kabaca gösterge tablosu bileşenlerini yerleştirin. Hangi
analiz sonuçlarının hangi yapıda olacağı, grafiklerin büyüklüklerinin ne olacağı,
başlıkların büyüklükleri, kullanılacak font’ların neler olabileceği gibi nitelikleri ve
gösterge panosu üzerindeki pozisyonlarını belirleyin.
• İşlemtablosu yazılımı ile işlemlerinize başlayın: Verinizi işlemtablosu içerisine alı-
nız. Gösterge panosu işlemlerinde, özellikle koşullu atamalar yapılabilmesine ola-
nak sağlaması bakımından, genellikle verinin sütunlar halinde verilmesinde fayda
vardır. Mümkünse işlemtablosu içerisinde üç farklı sayfa oluşturun. Birinci sayfa
verinizi, ikinci sayfa analizlerle grafiklerinizi ve üçüncü sayfa da gösterge panonu-
zu içerebilir.
• Tüm analizlerinizi gerçekleştirin: Bu aşamada ise tablolar oluşturabilir, işlemtablo-
sunun size sunduğu fonksiyonları kullanabilir, şekiller çizebilir, koşullu biçimlen-
dirmeler ve grafikler oluşturabilirsiniz. Belki de gösterge panosu hazırlamanın en
uzun aşaması burası olacaktır. Çünkü gösterge panosu hazırlama amacına uygun
olan tüm işlemler, bu aşamada yürütülecektir.
• Gösterge panonuzu oluşturun: Taslak gösterge panosundaki planınıza göre gös-
terge panosunun tüm bileşenlerini bir araya getirin. İşlemtablolarının tüm ilişkisel
yapılarını burada kullanma şansına sahipsiniz.
134 İşletme Analitiği
Kendi belirleyeceğiniz bir probleme ilişkin veri derleme, analiz ve grafik işlemlerini gerçek-
3 leştirerek bir gösterge panosu oluşturunuz.
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 135
Özet
Veri ve bilgi için grafik oluşturmak.
1
Araştırmacıların derledikleri verileri tablolar halinde
özetlemesi kimi durumlarda veri içerisinde muhtemel
ilişkileri görmesine engel olabilir. Bazı durumlarda ise
değişkenin izlediği doğal bir desen olabilir. Örneğin
mevsimlere göre dalgalanmalar veya belirli bir süre
sonunda anlık yükselmelerin olduğu verilerdeki bu
durumlar grafikler yardımıyla daha kolay görülebilir.
Ek olarak kullanıcılara iletilen bilginin görsel mater-
yaller ile desteklenmesi her zaman o bilginin özüm-
senmesine yardımcı olacaktır. Grafikler oluşturulur-
ken ilgilenilen değişkenin ölçüm düzeyi ve değişken
türüne dikkat edilmesi gerekir. Değişken ölçüm düze-
yi ve değişken türünün tespiti ile doğru grafik çizimi
gerçekleştirilir.
Kendimizi Sınayalım
1. Belirli bir amacı açıklamak için grafik, şekil, analiz gibi 4. “İzleyen diyalog kutusu” işlemtablosu içerisinde nerede
bilgileri bir araya getiren gösterim şekline ne ad verilir? bulunur?
a. Pasta grafiği
b. Regresyon
c. Gösterge panosu
d. Harita
e. Ortalama
6. Yukarıda verilen işlemtablosunda kırmızı değerler orta- 10. Verinin sadece işlemtablosunun bir hücresi içerisinde
lamanın üzerinde olunduğunu gösteriyor ise ortalamadan az grafiğinin çizilmesi için kullanılan grafik türü aşağıdakiler-
kaç tane birim vardır? den hangisidir?
a. 3 a. Pareto
b. 8 b. Ortalama
c. 9 c. Histogram
d. 11 d. Kıvılcım
e. 13 e. Sütun
Sıra Sizde 3
5. Ünite - Veri ve Bilginin İşlemtablosu ile Görselleştirilmesi 139
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Veriyi işlemtabloları ile özetleyebilecek,
Değişkenlerin merkezî eğilim ölçülerini ve değişkenliğini hesaplayabilecek,
Olasılıkta sayma kurallarını hesaplayabilecek,
Değişkenin olasılık dağılımını inceleyebilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Sayma, “SAY” • Mod
• En Büyük, “MAK” • Varyans, “VAR”
• En Küçük, “MİN” • Standart Sapma, “STDSAPMA”
• Ortalama • Çarpınım
• Geometrik Ortalama, • Permütasyon
“GEOORT” • Kombinasyon
• Harmonik Ortalama, • Binom Dağılımı, “BİNOM.
“HARORT” DAĞ”
• Ortanca • Normal Dağılım, “NORM.DAĞ”
İçindekiler
• GİRİŞ
• İŞLEMTABLOLARIYLA VERİNİN
ÖZETLENMESİ
İşletme Analitiği İşlemtablolarıyla Betimsel Analitik • İŞLEMTABLOLARIYLA MERKEZÎ EĞİLİM
VE DEĞİŞKENLİK ÖLÇÜLERİ
• İŞLEMTABLOLARIYLA OLASILIK VE BAZI
OLASILIK DAĞILIMLARI
İşlemtablolarıyla Betimsel
Analitik
GİRİŞ
Nicel alanda yapılan araştırmalarda veriyle ilgili olan ilk aşama verilerin toplanmasıdır.
Bu aşamada veri, ham veri olarak tanımlanabilir. Toplanan ham verinin hakkında daha
kolay bilgi alabilmek için belirli kurallara göre derlenmesi gerekir. Verinin belirli kural-
lara göre derlenmesi aşaması uzun sürebilen ve dikkatli olunması gereken bir aşamadır.
Araştırmacı veriye ait frekans, maksimum değer, minimum değer, merkezî eğilim ölçüleri,
değişkenlik ölçüleri gibi istatistikleri verilerin derlenmesi aşamasından sonra daha kolay
elde eder. Verinin doğru anlaşılmasını sağlayan bu istatistikler, doğru tablo ve grafik kul-
lanımını kolaylaştıracağı gibi daha sonraki aşamalarda yapılacak istatistiksel analizler için
de belirleyici nitelikte olabilir.
Elde edilen verilerin belirli kurallara göre derlenmesi, tablo ve grafiklerinin oluştu-
rulması çoğu zaman yeterli olmayabilir. İlgilenilen verinin merkezînin nerede olabileceği
konusunda bilgi veren ortalamalara (merkezî eğilim ölçüleri) ve verinin nasıl bir dağılıma
sahip olduğu konusunda bilgi veren ölçülere (değişkenlik ölçüleri) ihtiyaç duyulur.
Karar vericiler ve veri analistleri çoğu zaman gözlenen veriler üzerinde çıkarımda bu-
lunma ve belirsizlik durumunda karar verme ile karşı karşıya kalır. Örneğin, bir kalite
kontrol uzmanı incelediği bir ürünü onaylarken, bir sigortacı yaşam sigortası primlerini
belirlerken, bir iktisatçı ekonomik duruma ilişkin öngörüde bulunurken belirsizlik duru-
mu söz konusudur. Belirsizlik içeren durumlarda model belirlemede olasılık kuralların-
dan yararlanılır.
Bu ünitede işlemtablolarıyla veriler hakkında özet bilgilerin elde edilmesi, merkezî
eğilim ölçülerinin ve değişkenlik ölçülerinin hesaplanması, olasılıkta sayma kuralları ve
bazı olasılık dağılımları üzerinde durulacaktır.
Sayma İşlemi
BAĞ_DEĞ_SAY komutu, bir sayı dizisinde yer alan ve sayı içeren hücre sayısını verir.
Komut yazımı BAĞ_DEĞ_SAY(değer1;değer2;...) şeklindedir.
ÖRNEK 1 A2:A10 aralığında verilen öğrencilerin kilo değerlerine ilişkin değerlerin kaç tane olduğu-
nu bulmak için aşağıdaki formül A15 hücresine yazılabilir:
=BAĞ_DEĞ_SAY(A2:A10)
Bir sayı dizisinde yer alan ve sayı Örnekte ilgili aralıkta 9 adet sayı değeri olduğundan A15 hücresindeki sonuç 9 olarak
içeren hücre sayısını BAĞ_DEĞ_ görülür. Örneğin görüntüsü Şekil 6.1’de verilmiştir.
SAY komutu verir.
BAĞ_DEĞ_SAY komutu ile birden daha çok sütundaki sayı dizilerinde yer alan ve sayı
içren hücre sayısı da bulunabilir. Sütunları belirlemek ve birbirinden ayırmak için “;” nok-
talı virgül sembolu kullanılır.
ÖRNEK 2 A2:A10 aralığında verilen öğrencilerin kilo değerlerine ve B2:B6 aralığında verilen günlük
toplu taşıma aracı kullanma sıklığına ilişkin değerlerin kaç tane olduğunu bulmak için aşa-
ğıdaki formül B15 hücresine yazılabilir:
=BAĞ_DEĞ_SAY(A2:A10;B2:B10)
Örnekte ilgili aralıkta 16 adet sayı değeri olduğundan B15 hücresindeki sonuç 16 olarak
görülür. Örneğin görüntüsü Şekil 6.2’de verilmiştir.
İşlemtablosunun C2:C13 aralığında verilen ülke isimlerinden Fransa’nın kaç kez tekrarlan- ÖRNEK 3
dığını bulmak için izleyen formül işlemtablosunun C15 hücresine yazılabilir:
=EĞERSAY(C2:C13; “Fransa”)
Örnekte, ilgili aralıktaki ülke isimlerinden Fransa’nın tekrar değeri olan 5, işlemtablosu-
nun C15 hücresinde gösterilmiştir. Örneğin görüntüsü Şekil 6.3’te verilmiştir.
İşlemtablosunun A2:A10 aralığında verilen öğrenci kilo değişkeni sonuç değerlerinden, ÖRNEK 4
80’den büyük kaç tane değer olduğu izleyen formülün işlemtablosunun A16 hücresine yazıl-
masıyla bulunabilir:
=EĞERSAY(A2:A10; “>80”)
Örnekte, ilgili aralıkta 9 değer vardır. Kilo değeri 80’den daha büyük olan hücre sayısı ise
A16 hücresinde 3 olarak görülmektedir. Örneğin görüntüsü Şekil 6.4’te verilmiştir.
B2:B10 aralığında verilen günlük toplu taşıma kullanma sütununda kaç tane boş hücre ol- ÖRNEK 5
duğunu bulmak için izleyen formül işlemtablosunun B15 hücresine yazılabilir:
=BOŞLUKSAY(B2:B10)
144 İşletme Analitiği
Örnekte, günlük toplu taşıma kullanma sütununda ilgili aralıktaki boş hücre sayısı 2, iş-
lemtablosunun B15 hücresinde gösterilmiştir. Örneğin görüntüsü Şekil 6.5’te verilmiştir.
Şekil 6.5
Günlük Toplu
Taşıma Sütunu İçin
BOŞLUKSAY İşlevi
İşlemi
ÖRNEK 6 İşlemtablosunun A2:A10 aralığında verilen kilo değişkeni veri sütununda en büyük değerin
kaça eşit olduğunu bulmak için izleyen formül işlemtablosunun A15 hücresine yazılabilir:
=MAK(A2:A10)
A15 hücresine yazılan formül işletildiğinde, A2:A10 aralığındaki en büyük değerin 98 ol-
duğu görülür. Örneğin görüntüsü Şekil 6.6’da verilmiştir.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 145
Şekil 6.6
Kilo Sütunu İçin MAK
İşlevi İşlemi
İşlemtablosunun A2:A10 aralığında verilen kilo değişkeni sonuçları sütununda en küçük ÖRNEK 7
değerin kaça eşit olduğunu bulmak için izleyen formül işlemtablosunun A15 hücresine
yazılabilir:
=MİN(A2:A10)
A15 hücresine yazılan formül işletildiğinde A2:A10 aralığındaki en küçük değerin 57 ol-
duğu görülür. Örneğin görüntüsü Şekil 6.7’de verilmiştir.
146 İşletme Analitiği
Şekil 6.7
Kilo Sütunu İçin MİN
İşlevi İşlemi
Bir otoparkta bulunan arabaların sayısı her saat başı kaydedilmektedir. Buna göre 24 saat ÖRNEK 8
hizmet veren bu otoparkta, belirli bir günde her saat başı sayılan araba sayısı Şekil 6.8’de ve-
rilmiştir. İşlemtablosunun B2:B25 aralığında verilen araba sayısı değişkeni sonuçlarını içeren
sütunun aritmetik ortalamasını hesaplamak için izleyen formül işlemtablosunun B26 hücre-
sine yazılabilir:
=ORTALAMA(B2:B25)
Şekil 6.8
Araba Sayısı Sütunu
İçin ORTALAMA
İşlevi İşlemi
Belirli bir koşulu sağlayan veya ölçüte uyum sağlayan değerlerin, bir başka deyişle veri
setinin kurala bağlı seçilen bir alt kümesinin, aritmetik ortalaması hesaplanmak istenirse
EĞERORTALAMA(aralık;ölçüt;aralık_ortalaması) işlev yazımı kullanılabilir.
Bir satış firmasının ürettiği 3 farklı ürünün Yaz ve Kış mevsimlerindeki satış miktarları (kg ÖRNEK 9
olarak) Şekil 6.9’daki işlemtablosunda verilmiştir. Bu bilgiler doğrultusunda, Yaz ve Kış mev-
simlerindeki ortalama satış miktarlarını ayrı ayrı hesaplamak amacıyla Kış mevsimi için
işlemtablosunun E14 hücresine izleyen formül yazılabilir.
=EĞERORTALAMA(B2:B13;"Kış";C2:C13)
148 İşletme Analitiği
Aynı ifade Yaz mevsimi için işlemtablosunun E15 hücresinde izleyen biçimde yeniden
düzenlenebilir.
=EĞERORTALAMA(B2:B13;“Yaz”;C2:C13)
Bu işlemler sonucunda Kış mevsimi için ortalama değer 2459,66667 olarak hesaplanır.
Yaz mevsimi için ortalama değer ise 2201,66667 olarak hesaplanır.
Şekil 6.9
Kış ve Yaz
Mevsimi İçin
EĞERORTALAMA
İşlevi İşlemi
Belirli birden çok koşulu sağlayan veya birden çok ölçüte uyum sağlayan değerlerin,
bir başka deyişle veri setinin birden çok koşula veya ölçüte bağlı olarak seçilen bir alt
kümesinin, aritmetik ortalaması hesaplanmak istenirse ÇOKEĞERORTALAMA(aralık_
ortalaması;ölçüt_aralığı;ölçüt;...) işlev yazımı kullanılabilir.
ÖRNEK 10 Bir satış firmasının ürettiği birbirinden farklı A, B ve C ürünlerinin Yaz ve Kış mevsimle-
rindeki satış miktarları (kg olarak) Şekil 6.10’daki işlemtablosunda verilmiştir. Bu bilgiler
doğrultusunda B ürününün Yaz mevsimlerindeki ortalama satış miktarını hesaplamak için
işlemtablosunun E16 hücresine izleyen formül yazılabilir.
=ÇOKEĞERORTALAMA(C2:C13;B2:B13;"Yaz";A2:A13;"B")
İşlem sonucunda E16 hücresinde B ürünü için Yaz satış miktarı ortalaması 2415 kg olarak
elde edilir.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 149
Şekil 6.10
B Ürününün Yaz
Mevsimi İçin
ÇOKEĞERORTALAMA
İşlevi İşlemi
Örnek 6.10’da verilen işlemtablosundaki satış miktarı değişkenine ilişkin sonuçlar D sütu- ÖRNEK 11
nunda küçükten büyüğe doğru sıralanmış olsun. Küçükten büyüğe doğru sıralanmış satış
miktarı sonuçlarının %50 kırpılmış ortalamasını hesaplamak için işlemtablosunun E15 hüc-
resine izleyen formül yazılabilir.
=KIRPORTALAMA(D2:D13;0,5)
İşlem sonucunda E15 hücresinde satış miktarı değişkeninin %50 kırpılmış ortalaması
1914,5 kg olarak elde edilir. Örneğin görüntüsü Şekil 6.11’de verilmiştir.
150 İşletme Analitiği
Şekil 6.11
Sıralanmış Satış
Miktarı Değişkeni İçin
KIRPORTALAMA
İşlevi İşlemi
Bu işlemle 12 gözlem değerine sahip küçükten büyüğe doğru sıralanmış satış miktarı
değişkeninin ilk %25’lik kısmı (ilk 3 gözlem değeri) ve son %25’lik kısmı (son 3 gözlem
değeri) göz ardı edilerek kalan değerler üzerinden kırpılmış ortalama hesaplanmış olur.
ÖRNEK 12 Bir şirketin 5 yıl boyunca yaptığı yatırımın getiri miktarlarının yüzde olarak verildiği işlem-
tablosu Şekil 6.12’de verilmiştir. 5 yıl boyunca yapılan yatırımın yıllık ortalama getirisini
hesaplamak için işlemtablosunun A8 hücresine izleyen işlev yazılır.
=GEOORT(A2:A6)
=HARORT(A2:A3)
Ortalama hız harmonik ortalama ile A5 hücresinde 83,82 km/saat olarak hesaplanmıştır.
=ORTANCA(A2:A10)
Şekil 6.14
ORTANCA İşlevi
İşlemi
ÖRNEK 15 İşlemtablosunun A2:A20 hücrelerinde verilen tornadan çıkan parça uzunlukları (cm olarak)
değişkeni mod değerini hesaplamak için izleyen işlev işlemtablosunun A22 hücresine yazıla-
rak hesaplanır. Şekil 6.15’de işlemtablosu görüntüsü verilmiştir.
= ENÇOK_OLAN.ÇOK(A2:A20)
Bu işlem sonucunda A22 hücresinde mod değeri 5,8 cm olarak elde edilir.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 153
Şekil 6.15
ENÇOK_OLAN.ÇOK
İşlevi İşlemi
Bir şirkete ait çalışanların çeşitli bilgilerinin yer aldığı bir işlemtablosunda D2 ile D3350
hücreleri arasında çalışanların aldıkları ücretler, C2 ile C3350 hücreleri arasında ise yaş- 2
larına ilişkin değerler bulunmaktadır. İzleyen işlev yazımıyla ne yapılmak istendiğini
açıklayınız.
=EĞERORTALAMA(C2:C3350;"=<40";D2:D3350)
ÖRNEK 16 İşlemtablosunun A2:A20 hücrelerinde verilen tornadan çıkan parça uzunlukları (cm olarak)
değişkenine ilişkin varyans, değişkenin ana kütle olduğu varsayımı ile hesaplanırsa, işlem-
tablosunun B22 hücresine izleyen işlev yazılır.
=VAR.P(A2:A20)
=VAR.S(A2:A20)
Bir değişkene ilişkin standart sapmayı hesaplamak için işlemtablolarındaki işlev ya-
zımı iki farklı şekilde gerçekleşir. STDSAPMA.P(sayı1;sayı2;...) işlevi ana kütleye ilişkin
varyansı hesaplarken, STDSAPMA.S(sayı1;sayı2;...) işlevi örnekleme ilişkin varyansı
hesaplar.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 155
İşlemtablosunun C2:C13 hücrelerinde verilen satış miktarı (kg) değişkenine ilişkin standart ÖRNEK 17
sapma, değişkenin ana kütle olduğu varsayımı ile hesaplanırsa işlemtablosunun D15 hücre-
sine izleyen işlev yazılır.
=STDSAPMA.P(C2:C13)
= STDSAPMA.S(C2:C13)
n pozitif tam sayısından küçük ve eşit bütün pozitif tamsayıların çarpımı n faktöriyel
olarak adlandırılır ve bu ifade “n!” ile gösterilir. Özel olarak; 0!=1 ve 1!=1’dir.
İşlemtablolarında faktöriyel hesaplamak için ÇARPINIM(sayı) işlev yazımı kullanılır.
=ÇARPINIM(8)
Şekil 6.18
ÇARPINIM İşlevi
İşlemi
Bazı durumlarda belli bir düzende sıralanmış nesnelerden oluşan bir toplulukta so-
nuçların kaç farklı biçimde ortaya çıktığıyla ilgilenilir. Örneğin, beş farklı bardağın bir
rafa kaç farklı şekilde dizilebileceği hesaplanmak istenebilir. Bu örnekte olduğu gibi ya-
pılabilecek her bir farklı düzenleme bir permütasyon olarak adlandırılır. Tanım vermek
gerekirse Permütasyon, n sayıda elemandan oluşan bir kümenin herhangi bir alt küme-
sinden yapılan her farklı sıralamadır. Permütasyonda, sıralanan nesnelerin dizildiği sıraya
dikkat edilmesi gerekir.
İşlemtablolarında permütasyon hesaplamak için PERMÜTASYON(sayı;sayı_seçilen)
işlev yazımı kullanılır.
ÖRNEK 19 İSTANBUL kelimesinin harflerinden üçer harfli anlamlı ya da anlamsız kaç kelime
oluşturulabilir
=PERMÜTASYON(8;3)
3 kadın ve 6 erkek yönetici arasından 5 kişilik bir kurul oluşturulacaktır. Bu kurulun, 2 ka- ÖRNEK 20
dın ve 3 erkek yöneticiden oluşması gerekmektedir. Buna göre, kaç farklı seçim yapılabilir?
Kurula girecek, 2 kadın yönetici için 3’ün 2’lisi (3C2) farklı seçim, 3 erkek yönetici için ise
6’nın 3’lüsü (6C3) farklı seçim yapılabilir. Buna göre 5 kişilik farklı kurul sayısı, saymanın
temel prensibi de dikkate alınarak; (3C2)(6C3)=60 olarak elde edilir.
Bu sonuca işlemtablolarında A1 hücresine izleyen işlev,
=KOMBİNASYON(3;2)
=KOMBİNASYON(6;3)
=A1*A2
SERAMİK kelimesinin harflerinden 2’şer harfli anlamlı ya da anlamsız kaç kelime oluşturu-
lacağını bulmak için hangi işlev yazımı kullanılır? 3
Binom Dağılımına İlişkin Hesaplama İşlemi
İşlemtablolarında Binom dağılımına ilişkin hesaplamaya geçmeden önce, dağılımla ilgili
hatırlatma yapmak faydalı olacaktır. İstatistik ve olasılıkta deneme sayısının sabit olduğu,
her denemede istenen olayın gerçekleşme olasılığının değişmediği ve tüm denemelerin
birbirinden bağımsız yapıldığı tekrarlı denemeler çok önemli bir yer tutar. Tüm dene-
melerin aynı koşullarda tekrarlandığı ve her tekrarda birbirinden bağımsız iki olaydan
birinin meydana geldiği denemeler Binom dağılımı ile ilgilidir. Binom dağılımı değerleri
sayma yoluyla elde edilen ve sonuçları başarılı-başarısız, var-yok, ölü-sağ, pozitif-negatif
gibi ikili biçimde değer alan nitel değişkenlere ilişkin bir dağılımdır.
Bir denemenin “başarılı” ve “başarısız” gibi olası iki sonucu bulunduğunu ve bu so-
nuçların ortaya çıkma olasılıklarının sırasıyla p ve 1 – p = q olduğu hilesiz bir bozuk para
atılması denemesinde ilgilenilen özellik paranın yazı gelmesi olsun. Bu durumda p=0,5
ve q=0,5 sonuç olarak p+q=1 olacaktır. Deneme birden çok, yani n kez tekrarlanırsa bu
deneme Binom denemesi olur.
Binom denemesi izleyen özellikleri gösterir:
• Yapılacak n adet deneme, daima aynı koşullarda tekrarlanmalıdır.
• Yapılacak her denemenin sonunda var olan iki sonuçtan birisi ortaya çıkmalıdır.
Bu sonuçlardan birisi ilgilenilen durum, diğeri ise bunun tümleyeni olan ilgilenil-
meyen durumdur.
158 İşletme Analitiği
• Tek bir denemede ilgilenilen durumun ortaya çıkma olasılığı p ve bunun tersi du-
rumunun olasılığı q tüm denemelerde aynı kalmalıdır.
• Denemeler birbirinden bağımsız yapılmalıdır. Bir denemenin sonucu, diğer bir de-
nemenin sonucunu etkilememelidir.
• X kesikli rassal değişkeni, n bağımsız denemede gözlenen istenen durum sayısını
belirtir.
Yukarıda belirtilen koşullarda, n denemede x adet istenen durum ortaya çıkması ola-
sılığını hesaplayabilmek için Binom dağılımının olasılık fonksiyonu kullanılır. Buna göre,
bir X rassal değişkeni Binom dağılımına sahip ise, bu değişken için olasılık fonksiyonu;
ÖRNEK 21 İnceleme sonucunda eczane sahibi eczaneye gelen her 5 reçeteden 1’inin Bağ-Kur reçetesi
olduğunu tespit etmiştir. Buna göre ertesi gün gelecek ilk 3 reçetenin Bağ-Kur reçetesi olması
olasılığı nedir?
Örnekte verilen bilgilere göre denemelerdeki başarı sayısı 3, bağımsız denemelerin sa-
yısı 3 ve her denemenin başarı olasılığı diğer bir deyişle her 5 reçeteden 1’i Bağ-Kur re-
çetesi olması 0,2’dir. Bu bilgiler Şekil 6.20’deki işlemtablosuna aktarıldığında ve izleyen
işlev yazımı işlemtablosunun C2 hücresine yazıldığında, işlemtablosunun C2 hücresin-
de 0,008 sonucuna ulaşılacaktır.
=BİNOM.DAĞ(A2;A3;A4;YANLIŞ)
Hesaplama olasılık fonksiyonu ile yapılacağı için kümülatif işlevi YANLIŞ olarak belir-
tilmiştir.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 159
Şekil 6.20
BİNOM.DAĞ İşlevi
İşlemi
Bir üretim bandından çıkan her bir bisküvi paketinin kusursuz olması olasılığı %83 olduğu ÖRNEK 22
bilinmektedir. Bu üretim bandından arka arkaya 1500 bisküvi paketi alınmıştır. 1150 biskü-
vi paketinin kusursuz olması olasılığı nedir?
=BİNOM.DAĞ.ARALIK(A2;A3;A4)
Şekil 6.21
BİNOM.DAĞ.
ARALIK İşlevi İşlemi
• Dağılımın grafiği çan eğrisi şeklinde ve ana kütle aritmetik ortalaması parametre-
sine göre simetrik bir görünümdedir.
• Eğri –∞ ile +∞ arasında süreklilik gösterir (Eğrinin iki ucu X ekseni ile sonsuzda
kesişir).
• Eğrinin altında kalan alan 1’e eşittir.
• Normal dağılım, nicel değişkenlerin dağılım biçimidir. Dolayısıyla bu değişkenler
süreklidirler. Veriler, ölçme ve tartma yoluyla elde edilir.
• Aritmetik ortalaması ve standart sapması belli bir normal dağılımda ana kütle arit-
metik ortalaması ve ana kütle standart sapması değerleri arasında değişmez iliş-
kiler vardır. Bu ilişkiler yardımıyla aritmetik ortalamadan ne kadar uzaklaşılırsa,
hangi büyüklükte bir alan elde edileceği bilinebilir.
Şekil 6.22’de Normal dağılım grafiği verilmiştir.
Şekil 6.22
Normal Dağılım f(x)
Grafiği
x
Mod
Medyan
Normal dağıldığı bilinen bir değişkenin aritmetik ortalaması 150, standart sapması 17 ola- ÖRNEK 23
rak verilmiştir. x=142 değerine karşılık gelen f(x) değeri kaçtır?
Örnekte verilen değerlerden fonksiyon değeri bulunmak istenen 142 değeri işlemtablosu-
nun A2, değişkenin aritmetik ortalaması 150 işlemtablosunun A3 ve değişkenin standart
sapması 17 işlemtablosunun A4 hücrelerine girilirse, işlemtablosunun C2 hücresine iz-
leyen işlev yazımı yazıldığında 0,0210 değerine işlemtablosunun C2 hücresinde ulaşılır.
=NORM.DAĞ(A2;A3;A4;YANLIŞ)
Normal dağılım fonksiyon değeri bulunmak istenen 14 değeri C2, değişkenin aritmetik or-
talaması 15 C3 ve değişkenin standart sapması 1,37 C4 hücrelerine girilirse, E2 hücresine 4
hangi işlev yazımı yazılması gerekir?
162 İşletme Analitiği
Özet
Veriyi işlemtablolarıyla özetlemek. n pozitif tam sayısından küçük ve eşit bütün pozitif
1
Merkezî eğilim ölçüleri ve değişkenlik ölçüleri verile- tam sayıların çarpımı, n faktöriyel olarak adlandırı-
ri özetlemenin en iyi yollarından olmalarına rağmen lır ve bu ifade “n!” ile gösterilir. Özel olarak; 0!=1 ve
veriyi ilk bakışta özetleyebilecek ve hakkında bir fikir 1!=1’dir.
verebilecek türden istatistiklere de ihtiyaç duyulur. Bu Bazı durumlarda belli bir düzende sıralanmış nes-
istatistikler, veri setinde kaç adet gözlem değeri oldu- nelerden oluşan bir toplulukta sonuçların kaç farklı
ğu, veri setinin maksimum gözlem değeri, minimum biçimde ortaya çıktığıyla ilgilenilir. Permütasyon, n
gözlem değeri gibi değerleridir. Hesaplama gerektir- sayıda elemandan oluşan bir kümenin herhangi bir
mezler, sayma ya da gözlem yoluyla elde edilebilirler. alt kümesinden yapılan her farklı sıralamadır.
Işlemtablolarında veriyi özetleyecek işlev yazılımları n sayıda nesneden herhangi r tanesi (r ≤ n) rastgele
olarak SAY, EĞERSAY, BOŞLUKSAY, MAK, MİN iş- seçilir ve bu r eleman herhangi bir sırada yazılırsa,
levleri üzerinde durulmuştur. buna r-dereceli kombinasyon denilir. Kombinasyon
ile permütasyon arasındaki fark, nesnelerin diziliş sı-
Değişkenlerin merkezî eğilim ölçülerini ve değişkenliğini ralaması permütasyonda önemli iken, kombinasyon-
2 hesaplamak. da önemli olmamasıdır.
Verilerin derlenmesi, grafiklerinin oluşturulması ve
bazı değerlerinin (minimum, maksimum, toplam veri Değişkenin olasılık dağılımını incelemek.
4
sayısı, vb. gibi) hesaplanması ilk aşamada verinin genel Binom dağılımı değerleri sayma yoluyla elde edilen ve
özelliklerinin anlaşılabilmesi için çok uygun olmakla sonuçları başarılı-başarısız, var-yok, ölü-sağ, pozitif-
birlikte istatistiksel çıkarsamalar yapılmasına olanak ta- negatif gibi ikili biçimde değer alan nitel değişkenlere
nımazlar. Bu nedenle araştırmacılar üzerinde çalıştıkları ilişkin bir dağılımdır.
değişkenlere ilişkin tipik bir değer verme eğiliminde Normal dağılım günlük hayatta en çok karşılaşılan
olurlar. Bu tipik değer ilgilenilen değişken hakkında istatistiksel dağılımdır. Normal dağılım gösteren bir
çıkarsamalar yapmak için kullanılır. İstatistikte bu tipik değişken izleyen özelliklere sahiptir.
değer ortalama olarak adlandırılır. • Dağılımın grafiği çan eğrisi şeklinde ve ana kütle arit-
Aritmetik ortalama yardımıyla hesaplanan varyans ve metik ortalaması parametresine göre simetrik bir gö-
standart sapma en sık kullanılan değişkenlik ölçüle- rünümdedir.
ridir. Terimlerin aritmetik ortalamadan olan karesel • Eğri –∞ ile +∞ arasında süreklilik gösterir.
farklarının ortalaması alınarak varyans elde edilir. • Eğrinin altında kalan alan 1’e eşittir.
Varyansın karekökü alınarak standart sapma elde edilir. • Normal dağılım, nicel değişkenlerin dağılım biçimi-
Bir değişkendeki gözlem değerlerinin birbirine yakın- dir. Dolayısıyla bu değişkenler süreklidirler.
lığı standart sapma ile ifade edilir. Genel olarak değiş- Aritmetik ortalaması ve standart sapması belli bir
kendeki gözlem değerleri hesaplanan aritmetik orta- normal dağılımda ana kütle aritmetik ortalaması ve
lamaya yakın değerlerden oluşuyorsa standart sapma ana kütle standart sapması değerleri arasında değiş-
değeri küçük, uzak değerlerden oluşuyorsa standart mez ilişkiler vardır. Bu ilişki yardımıyla aritmetik or-
sapma değeri büyük olur. talamadan ne kadar uzaklaşılırsa, hangi büyüklükte
bir alan elde edileceği bilinebilir.
Olasılıkta sayma kurallarını hesaplamak.
3
İstatistiğin birçok alanında verilen bir durum için ola-
sı bütün seçenekleri ortaya koymak ya da en azından
kaç tane farklı seçenek bulunduğunu belirtmek ge-
rekir. Kaç tane farklı seçeneğin bulunduğuna ilişkin
olarak saymanın temel prensibi olarak bilinen teorem
kullanılır. Bu prensibe göre, eğer bir süreç birincisi n1
farklı yolla, ikincisi n2 farklı yolla gerçekleşmek üzere
iki adımdan oluşuyorsa sürecin tamamı n1 x n2 farklı
yolla gerçekleşir.
6. Ünite - İşlemtablolarıyla Betimsel Analitik 163
Kendimizi Sınayalım
1. Bir sayı dizisinde yer alan ve sayı içeren hücre sayısını 6. Bir değişkende en çok tekrarlanan gözlem değerini bul-
veren işlev yazılımı aşağıdakilerden hangisidir? mak için kullanılan işlev aşağıdakilerden hangisidir?
a. BOŞLUKSAY a. EĞERORTALAMA
b. SAY b. KIRPORTALAMA
c. ORTALAMA c. ORTANCA
d. MİN d. ORTALAMA
e. MAK e. ENÇOK_OLAN.ÇOK
2. Verilen bir koşula uygunluk gösteren aralık içindeki hüc- 7. Aşağıdakilerden hangisi 10 faktöriyel (10!=1x2x3x4x5x
re sayısını hesaplamayı sağlayan işlev yazımı aşağıdakilerden 6x7x8x9x10) işleminin sonucunu işlemtablolarında hesapla-
hangisidir? mak için kullanılır?
a. SAY a. =PERMÜTASYON(10)
b. BOŞLUKSAY b. =ÇARPINIM(10)
c. EĞERSAY c. =KOMBİNASYON (10)
d. MAK d. =ÇARPINIM(10;1)
e. MİN e. =ÇARPINIM(10;10)
3. Bir veri kümesindeki en büyük değerin verildiği işlev ya- 8. Aşağıdakilerden hangisi 5 rakamdan 2 basamaklı kaç
zımı aşağıdakilerden hangisidir? farklı sayı oluşturulduğunu hesaplamak için kullanlılır?
a. MAK a. =PERMÜTASYON(5;2)
b. MİN b. =PERMÜTASYON(2;5)
c. EĞERORTALAMA c. =KOMBİNASYON(5;2)
d. EĞERMAK d. =ÇARPINIM(5;2)
e. ORTALAMA e. =ÇARPINIM(5)
4. Verilen belirli birden çok koşul ve ölçüte uyum sağlayan 9. Aşağıdakilerden hangisi BİNOM.DAĞ işlev yazımına
değerlerin aritmetik ortalamasını hesaplanmak için kullanı- ilişkin işlevlerden biri değildir?
lan işlev yazılımı aşağıdakilerden hangisidir? a. Başarı_sayısı
a. EĞERORTALAMA b. Başarı_olasılığı
b. ORTALAMA c. Denemeler
c. KIRPORTALAMA d. Kümülatif
d. ÇOKEĞERORTALAMA e. Başarısızlık_sayısı
e. ORTANCA
10. Aşağıdakilerden hangisi NORM.DAĞ işlev yazımına iliş-
5. Küçükten büyüğe veya büyükten küçüğe sıralanmış de- kin işlevlerden biri değildir?
ğişken değerlerinin belirli bir oranda en yüksek ve düşük a. x
değerleri atıldıktan sonra geriye kalan gözlem değerleri için b. Ortalama
yapılan hesaplama işlemine ne ad verilir? c. Varyans
a. Aritmetik ortalama d. Standart_sapma
b. Kırpılmış ortalama e. Kümülatif
c. Mod
d. Medyan
e. Geometrik ortalama
164 İşletme Analitiği
Yararlanılan ve Başvurulabilecek
Kaynaklar
Er, F. (2003). Açıklayıcı Veri Analizi, Kaan Kitabevi,
Eskişehir.
Grimmett, G.R., Stirzaker, D.R. (2001). Probability and
Random Processes, Oxford University Press.
Ott, L. (1988). An Introduction To Statistical Methods And
Data Analysis, PWS-Kent Publishing Company, Boston.
Schmuller, J. (2009). Statistical Analysis With Excel For
Dummies, Wiley Publishing, Inc., Canada.
Serper, Ö. (2000). Uygulamalı İstatistik I, Bursa: Ezgi
Kitabevi.
Winston, W.L. (2014). Microsoft Excel 2013: Data Analysis
and Business Modeling, O’Reilly Media, Inc., U.S.A.
7
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
İşlemtablolarında Normal dağılım kullanılarak ana kütle ortalamasının güven
aralığını hesaplayabilecek,
İşlemtablolarıyla hipotez testi yapabilecek,
İşlemtablolarıyla basit doğrusal regresyon analizi yapabilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Tahminleme • Korelasyon
• Merkezî Limit Teoremi • Pearson
• Güvenirlik • R2
• z Testi, “z.test” • Tahmin
• t Testi, “t.test” • Kesme Noktası
• Veri Çözümlemesi • Eğim
• Varyans Analizi
İçindekiler
• GİRİŞ
• İŞLEMTABLOLARIYLA GÜVEN ARALIĞI
• İŞLEMTABLOLARIYLA HİPOTEZ
İşlemtablolarıyla Kestirimci TESTLERİ VE VARYANS ANALİZİ
İşletme Analitiği
Analitik • İŞLEMTABLOLARIYLA KORELASYON
VE BASİT DOĞRUSAL REGRESYON
ANALİZİ
İşlemtablolarıyla
Kestirimci Analitik
GİRİŞ
İstatistikte incelenecek birim sayısının fazla olduğu, zaman ya da mali kaynakların yeter-
siz kaldığı ya da gerekli iş gücünün bulunmadığı, kısacası tam sayım yapmanın mümkün
olamadığı araştırmalarda örneklemeye başvurulur. Örneklemenin temel amacı, ana kütle
için tanımlı bir veya daha fazla rassal değişkenin özelliklerine ilişkin doğru bilgi elde ede-
bilmektir. Örneklem birimlerinden elde edilen veriler genellikle, söz konusu rassal değiş-
kenin aldığı sayısal değerlerdir. Dolayısıyla örneklemede yapılan temel işlem ana kütle
parametrelerinin, örneklemden hesaplanan istatistikler yardımıyla tahmin edilmesidir.
İstatistiksel çıkarım problemleri, tahminleme ve hipotez testleri olarak genellikle iki
ana başlıkta incelense de, temel olarak bunların bütünü karar alma problemini oluşturur.
Bu iki süreç arasındaki temel fark; tahminleme probleminde ana kütle parametresinin ya
da parametrelerinin sahip olduğu değer/değerlerinin belirlenmesi gerekli iken, hipotez
testlerinde ise parametrelerin aldığı belirli değerlerin kabulü ya da reddedilmesi kararının
verilmesi gerekliliğidir.
Örneklem bilgisinden yararlanarak ana kütle parametresinin aldığı değeri tahmin etme Örneklem seçimi sonucunda
süreci olan tahminleme, çıkarımsal istatistiğin önemli bir bölümünü oluşturur. Örneğin, hesaplanan istatistik aracılığı ile
ana kütle parametresinin aldığı
“Üretimde kullanılan ham madde miktarı aylık 15.000 tondur.” veya “Eskişehir’de bir firma- değer olarak kabul edilen bir
nın çalışanlarının %68’i işe geliş gidişlerde servis aracı kullanmaktadır.” gibi ifadeler birer aralık ya da bir sayı elde etme
işlemine tahminleme adı verilir.
ana kütle parametresi tahminini belirtir. Bu örnekler için tanımlanan ana kütleler büyük
olduğundan, hesaplanan değerler örneklemden elde edilen tahmin değerleridir.
Örneklem bilgisi, bir başka deyişle örneklem istatistikleri yardımıyla ana kütle para-
metrelerinin tahmin edilmesi, nokta tahminlemesi ve aralık tahminlemesi olmak üzere iki
biçimde gerçekleştirilir. Ana kütle parametresinin tahmininde kullanılan tek bir istatistik
değeri, örneklem aritmetik ortalaması değeri gibi, nokta tahmini olarak adlandırılır. Nokta Nokta tahmini, bir ana kütle
tahmini, ana kütle parametresine ilişkin tahminde bulunmak için genel bir yöntem olması- parametresinin tahmininde
kullanılan istatistik değeridir.
na karşın, birçok sorunu da beraberinde getirir. Örneğin nokta tahmini sonucunda, tahmi-
nin gerçek parametre değerine ne kadar yakın bir değer olduğuna ya da tahmin sonucunda
oluşacak olası hata miktarına ilişkin herhangi bir bilgi edinilemez. Bu nedenle, tahminin
parametreye yakınlık derecesinin belirlenmesi için nokta tahmini yerine aralık tahminle- Ana kütle parametresinin
mesi yöntemi tercih edilebilir. Ana kütledeki tüm birimleri incelemenin mümkün olmadığı içerisinde yer alacağı tahmin
edilen ve belli bir güven düzeyine
araştırmalarda ana kütle parametresi hesaplanamadığından, örneklem bilgisinden yararla- göre belirlenen sayısal değerler
narak ana kütle parametrelerinin içinde yer aldığı aralık değerleri belli olasılık düzeylerinde aralığına güven aralığı adı verilir.
tahmin edilebilir. Aralık tahminlemesi yöntemi ile ana kütle parametresinin içerisinde yer
alabileceği bir aralık belirlenir. Bu değer aralığına ana kütle parametresinin güven aralığı adı
168 İşletme Analitiği
verilir. Sonuç olarak, ana kütle parametresinin tahmininde tek bir değer kullanılması yerine,
parametrenin hangi aralıkta yer alacağı hesaplanmış olur.
Bu ünitede işlemtablolarıyla güven aralığı, tek örneklem hipotez testleri, iki örneklem
hipotez testleri, varyans analizi, regresyon, korelasyon ve zaman serisi işlemlerinin nasıl
yapıldığı örneklerle anlatılacaktır.
μ = x– ± örnekleme hatası
şeklinde bir aralık tahmini ya da güven aralığı oluşturmak gerekir. Örnekleme hatasının
büyüklüğü, örneklem aritmetik ortalamasının (x–) ne kadar değişim gösterdiğine bağlı
olarak değişir.
Burada hatırlatılması gereken nokta merkezî limit teoremidir. Bu teoreme göre; orta-
laması μ ve standart sapması σ olan herhangi bir ana kütleden iadeli seçimle çekilen ör-
neklem ortalamalarının dağılımı, n örneklem hacmi büyüdükçe ortalaması μ ve standart
sapması σ / n olan Normal dağılıma yaklaşır.
Merkezî limit teoreminde, dikkat edilmesi gereken iki nokta aşağıdaki gibidir.
İncelenen değişken Normal dağılıma sahip olduğunda, herhangi bir n örneklem hac-
mi için, örneklem ortalamalarının dağılımı da Normal dağılımdır.
İncelenen değişkenin dağılımı belli değil ise, örneklem ortalamalarının dağılımının
Normal dağılıma yaklaşabilmesi için örneklem hacmi n ≥ 30 olmalıdır. Örneklem ne ka-
dar büyükse, yaklaşım o kadar iyi olur.
ÖRNEK 1 Normal dağılıma sahip bir ana kütleden 500 birimlik bir örneklem çekilmiştir. Bu örnek-
lemin aritmetik ortalaması 75 ve standart sapması 13 olarak hesaplanmıştır. Örneklemin
çekildiği ana kütlenin aritmetik ortalamasına ilişkin %95 güven aralığı işlemtablolarıyla
aşağıdaki gibi hesaplanabilir. Güven aralığı %95 verildiğinden Alfa 0,05 (%5) olacaktır. Bu
bilgiler Şekil 7.1’deki işlemtablosuna aktarıldığında ve izleyen işlev yazımı işlemtablosunun
C2 hücresine yazıldığında, işlemtablosunun C2 hücresinde 1,1395 sonucuna ulaşılacaktır.
=GÜVENİRLİK(A2;A3;A4)
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 169
Resim 7.1
GÜVENİRLİK İşlevi
İşlemi
Bu sonuca göre Normal dağıldığı bilinen bir ana kütleden çekilen 500 birimlik örneklem-
den hareketle ana kütle aritmetik ortalaması güven aralığı
olacaktır. Diğer bir deyişle, ana kütle aritmetik ortalamasının 73,8605 ile 76,1395 değerleri
arasında olması olasılığı %95’tir.
İşlemtablolarında Normal dağılım kullanılarak bir ana kütle ortalamasının güven aralığının
hesaplanmasında kullanılan işlevin işlemtablolarında yazımı nasıldır? 1
Hipotezlerin Belirlenmesi
Hipotez, bir araştırmaya başlanmadan önce ortaya atılan ve doğru olup olmadığı araştırılacak
olan yargıdır. Hipotez testlerinde örneklem ve ana kütleye ait özelliklerden hareket edile-
rek, olasılık teorisinden yararlanılarak, araştırmanın başlangıcında ortaya atılan hipotezin
sınaması yapılır. Diğer bir deyişle, özellikleri bilinen bir ana kütleden elde edilen örneklem
istatistiğinin ana kütle parametresiyle karşılaştırılıp test edilmesidir. Örneklem parametresi
anakütle parametresine yakın ise ortaya atılan hipotez doğru olarak kabul edilir. Aksi halde
hipotez red edilir. Hipotez testini gerçekleştirmek için öncelikle sıfır hipotezi ve alternatif
hipotezin basit ve açık bir şekilde ifade edilmiş olması gerekir.
Yokluk hipotezi veya istatistiksel hipotez adı da verilen sıfır hipotezi H0 simgesi ile H0 simgesi ile gösterilir, yokluk
hipotezi olarak bilinir.
gösterilir. Sıfır hipotezinin aksi ispatlanana kadar doğru olduğu kabul edilir. Hâlihazırda
olan durumun devam ettiğini, ana kütle parametresinin değerinde bir değişiklik olmadı-
ğını gösterir. “İki değişken arasında ilişki yoktur”, “iki parametre arasında ilişki yoktur”,
170 İşletme Analitiği
“iki istatistik arasında fark yoktur” veya “ortalama ağırlık 100 gram’dır” vb. ifadeler ile açık
bir biçimde yazılırlar.
H1 simgesi ile gösterilir, karşıt Alternatif hipotez; karşıt hipotez veya araştırma hipotezi olarak da bilinir ve H1 simgesi
hipotez veya araştırma hipotezi
olarak bilinir. ile gösterilir. Sıfır hipotezinin red edilmesi durumunda kabul edilecek ifade veya değeri
gösterir. Sistemde bir değişiklik yapıldı ise, bu değişikliğin uygunluğunun test edilebilme-
sini sağlayacak biçimde ifade edilir. Örneğin, üretilen ürün sayısının ortalama yirmi beş
olduğu bir sistemde, yeni işçi alımı ile üretim miktarının artışı test edilecek ise alternatif
hipotez “üretilen ürün sayısı artmıştır” biçiminde oluşturulacaktır.
Örneklem Büyüklüğü
Literatürde, örneklem büyüklüğüne bağlı olarak, yapılacak hipotez testlerinin farklılık
gösterdiği ifade edilmektedir. Ana kütleden seçilen örneklem büyüklüğü n, 30 birime eşit
veya daha fazla ise z testi uygulanır. Aksi durumda yani ana kütleden elde edilen örneklem
büyülüğü n, 30 birimden daha küçükse Student-t testi uygulanır.
=2*MİN(Z.TEST(dizi;x;sigma);1-Z.TEST(dizi;x;sigma))
Bu işlevin çalıştırılması ile elde edilen olasılık değeri α ile karşılaştırılarak karar veri-
lir. Karşılaştırma işlemi tek yönlü hipotez testindeki ile aynıdır.
Kiremit üreten bir fabrikada, her bir kiremit için kullanılan kil miktarının 350 gr olma- ÖRNEK 2
sı gerekmektedir. Ancak kimi müşteriler, kendilerine teslim edilen ürünlerden yola çıkarak,
fabrikanın kullandığı “kil miktarının 350 gram olmadığını” iddia etmektedir. Üretim hat-
tından fırınlama öncesi alınan 75 adet kiremitin ağırlıkları ortalaması 321,96 gr olarak
hesaplanmıştır. Diğer taraftan ana kütle standart sapması 75 olarak önceki kayıtlardan bi-
linmektedir. α = 0,05 anlam düzeyinde tek örneklem z testi işlemtablosunda aşağıdaki gibi
Şekil 7.2
uygulanabilir.
Problemde her bir kiremit için kullanılan kil miktarının “350 Z.TEST İşlevi İşlemi (Çift Yönlü Hipotez)
gr’dan farklı olup olmadığının” sınaması yapılacağından, alter-
natif hipotez çift taraflı olmalıdır; işlemtablosunda hesaplama
bu yönde yapılmalıdır. Hipotezler,
biçiminde oluşturulur.
İşlemtablosu A2:A76 hücre aralığına örneklemde yer alan ki-
remitlerin kil miktarları girilir, izleyen işlev B2 hücresine yazılır;
α ile karşılaştırmada kullanılacak olasılık için 0,0012 değerine
ulaşılır. Şekil 7.2’de ilgili işleme ilişkin görsel verilmiştir.
=2*MİN(Z.TEST(A2:A76;350;75);1-Z.TEST(A2:A76;350;75))
ÖRNEK 3 Makine tamiri yapan bir atölyenin tamirini yapacağı bir makineye ilişkin A firmasından
alacağı yedek parçaların B firmasından alacağı yedek parçalardan daha dayanıklı olduğu
söylenmektedir. A firmasına ait yedek parçaların ana kütle aritmetik ortalaması 12.250 saat
ve varyansı 122.500 saat, B firmasına ait yedek parçaların ana kütle aritmetik ortalaması
10.900 saat ve varyansı 302.500 saat olarak bilinmektedir. Buna göre %5 anlam düzeyinde
ilgili hipotez sınaması işlemtablolarıyla aşağıdaki gibi yapılabilir.
Problemde A firmasının yedek parçalarının B firmasının yedek parçalarından daha
dayanıklı olduğu iddia edildiği için, alternatif hipotez tek taraflı olmalı, işlemtablosunda
hesaplama bu yönde yapılmalıdır. Hipotezler,
“Sıfır hipotezi; A firmasının yedek parçalarının dayanma süresi ile B firmasının yedek
parçalarının dayanma süresi arasında fark yoktur.”
“Alternatif hipotez; A firmasının yedek parçalarının dayanma süresi B firmasının yedek parça-
larının dayanma süresinden fazladır.”
şeklinde oluşturulur.
İşlemtablosu A2:A36 hücre aralığına A firmasından çekilen yedek parçalara ilişkin
değerler, işlemtablosu B2:B41 hücre aralığına ise B firmasından çekilen yedek parçalara
ilişkin değerler girilir. İşlemtablosunda “Veri” sekmesinde bulunan “Veri Çözümlemesi”
komut düğmesine tıklanır ve açılan menüden “z-Test: Ortalamalar İçin İki Örnek” işaret-
lenir. Şekil 7.3’te ilgili işlem görülmektedir.
Şekil 7.3
İki Ana Kütle z Testi
Çözümlemesi Ekranı
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 173
“z-Test: Ortalamalar İçin İki Örnek” menüsünde “Giriş” bölümünde sırasıyla “Değiş-
ken 1 Aralığı” için işlemtablosu A1:A36 hücreleri ve “Değişken 2 Aralığı” için işlemtablosu
B1:B41 hücreleri, “Değişken 1 Varyansı” için 122.500 “Değişken 2 Varyansı” için 302.500
değerleri yazılır. Değişkenlerin etiketlerinin sonuç tablosunda görülmesi için “Etiketler”
kısmı ve “Çıkış Seçenekleri”’nde “Yeni Sayfa” işaretlenir.
Yeni sayfada sonuç tablosu Şekil 7.4’teki görülür.
Şekil 7.4
İki Ana Kütle z Testi
Çözümlemesi Sonuç
Tablosu
Problemde alternatif hipotez tek yönlü oluşturulduğu için P(Z < = z) tek-uçlu değerine
göre yorum yapılır. Bu değer sıfıra çok yakın bir değer olduğu için ( α = 0,05 den küçük
olduğu için) sıfır hipotezi reddedilir; %95 güvenle A firmasının yedek parçalarının B fir-
masının yedek parçalarından daha dayanıklı olduğu söylenebilir.
ÖRNEK 4 19 öğrencinin bir dersten aldıkları başarı puanlarının aritmetik ortalaması 50 puan olan
Normal dağılan bir ana kütleden gelip gelmediği %5 anlam düzeyinde araştırılıyor olsun.
19 öğrencinin başarı puanlarına ilişkin hesaplanan t değeri 1,73 serbestlik derecesi 18 olarak
verilmiştir. Bu hipotez testi işlemtablolarıyla aşağıdaki gibi yapılabilir.
Problemde alternatif hipotez çift taraflı olmalıdır ve işlemtablosunda hesaplama bu
yönde yapılmalıdır. Hipotezler,
“Sıfır hipotezi; öğrencilerin başarı puanları aritmetik ortalamasıyla ana kütle başarı puanları
aritmetik ortalaması (50 puan) arasında bir fark yoktur.”
“Alternatif hipotez; öğrencilerin başarı puanları aritmetik ortalamasıyla ana kütle başarı pu-
anları aritmetik ortalaması (50 puan) arasında bir fark vardır.”
şeklinde oluşturulur.
Şekil 7.5’te A2:A20 aralığına örneklemde yer alan 19 öğrencinin not değerleri girilmiş-
tir. Aşağıdaki işlev işlemtablosunun B2 hücresine yazılırsa 0,1007 değerine ulaşılır.
=T.DAĞ.2K(1,73;18)
Burada x yerine hesaplanan t değeri 1,73 ve serbestlik derecesi yerine 18 değeri girilmiştir.
Şekil 7.5
Z.TEST İşlevi İşlemi
(çift yönlü hipotez)
İşlev sonucuna göre 0,1007 değeri α = 0,05 değerinden daha büyük bir değer oldu-
ğundan, sıfır hipotezi kabul edilir; %95 güvenle öğrencilerin başarı puanlarının 50 ortala-
malı Normal dağılıma sahip bir ana kütleden geldiği söylenebilir.
Aynı ders aynı öğretim elemanı tarafından A ve B bölümlerinde veriliyor olsun. Öğrencilerin ÖRNEK 5
başarı notları arasında fark olup olmadığının sınaması bağımsız iki örneklem Student-t testi
ve %95 güvenle aşağıdaki gibi yapılabilir. Burada başarı notları arasında fark olup olmadığı
araştırıldığı için Student-t testi çift taraflı olarak ele alınmıştır. Ayrıca varyansların (diğer bir
deyişle değişkenliklerinin) eşit olduğu varsayımı altındaki bağımsız iki örneklem Student-t
testi uygulanacaktır.
Hipotezler,
“Sıfır hipotezi; A bölümündeki öğrencilerin başarı notları ortalaması ile B bölümündeki öğren-
cilerin başarı notları ortalaması arasında fark yoktur.”
“Alternatif hipotez; A bölümündeki öğrencilerin başarı notları ortalaması ile B bölümündeki
öğrencilerin başarı notları ortalaması arasında fark vardır.”
şeklinde oluşturulur.
A2:A20 aralığına A bölümündeki öğrencilerin başarı notlarına ilişkin değerler, işlem-
tablosu B2:B15 aralığına ise B bölümündeki öğrencilerin başarı notlarına ilişkin değerler
girilir. İşlemtablosunda “Veri” sekmesinde bulunan “Veri Çözümlemesi” komut düğme-
sine tıklanır ve açılan menüden “t-Test: Eşit Varyanslar Varsayarak İki Örnek” işaretlenir.
Şekil 7.6’da ilgili işlem görülmektedir.
Şekil 7.6
Bağımsız İki
Örneklem Student-t
Testi Çözümlemesi
Ekranı
(Eşit Varyanslar)
“t-Test: Eşit Varyanslar Varsayarak İki Örnek” menüsünde “Giriş” bölümünde sırasıyla
“Değişken 1 Aralığı” için işlemtablosu A1:A20 ve “Değişken 2 Aralığı” için işlemtablosu
B1:B15 değerleri yazılır. Değişkenlerin etiketlerinin sonuç tablosunda görülmesi için “Eti-
ketler” kısmı ve “Çıkış Seçenekleri”’nde “Yeni Sayfa” işaretlenir.
176 İşletme Analitiği
Problemde alternatif hipotez çift yönlü oluşturulduğu için P(T < = t) iki-uçlu değerine
göre yorum yapılır. Bu değer 0,02529 olarak hesaplanmıştır ve anlam düzeyi (kritik değer)
0,05’ten daha küçük olduğu için sıfır hipotezi reddedilir ve %95 güvenle A bölümündeki
öğrencilerin başarı notları ortalaması ile B bölümündeki öğrencilerin başarı notları orta-
laması arasında fark olduğu söylenebilir.
ÖRNEK 6 Patentli bir ilaç imalatçısı A şehrindeki haftalık satışlarının B şehrine göre daha fazla
olduğunu savunmaktadır. %5 anlamlılık düzeyinde ortaya atılan iddianın sınanması için
işlemtablosunda aşağıdaki adımların izlenmesi gerekmektedir.
Verilen problemde A şehrindeki haftalık satış ortalamasının B şehrindekine göre daha
fazla olduğu iddia edildiği için tek yönlü bağımsız iki örneklem Student-t testi uygulan-
malıdır. Bu testte de varyansların eşit olduğu (diğer bir deyişle değişkenliklerinin) varsa-
yımı kullanılacaktır.
Hipotezler,
“Sıfır hipotezi; A şehrindeki ilaç satış ortalaması ile B şehrindeki ilaç satış ortalaması arasında
fark yoktur.”
“Alternatif hipotez; A şehrindeki ilaç satış ortalaması B şehrindeki ilaç satış ortalamasından
daha fazladır.”
şeklinde oluşturulur.
İşlemtablosu A2:A8 aralığına A şehrindeki ilaç satışlarına ilişkin değerler, işlemtablosu
B2:B8 aralığına ise B şehrindeki ilaç satışlarına ilişkin değerler girilir. İşlemtablosunda “Veri”
sekmesinde bulunan “Veri Çözümlemesi” alt sekmesi seçilir ve açılan menüden “t-Test: Eşit
Varyanslar Varsayarak İki Örnek” işaretlenir. Şekil 7.8’de ilgili işlem görülmektedir.
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 177
Şekil 7.8
Bağımsız İki
Örneklem Student-t
Testi Çözümlemesi
Ekranı
(Eşit Varyanslar)
“t-Test: Eşit Varyanslar Varsayarak İki Örnek” menüsünde “Giriş” bölümünde sırasıyla
“Değişken 1 Aralığı” için işlemtablosu A1:A8 ve “Değişken 2 Aralığı” için işlemtablosu
B1:B8 değerleri yazılır. Değişkenlerin etiketlerinin sonuç tablosunda görülmesi için “Eti-
ketler” kısmı ve “Çıkış Seçenekleri”’nde “Yeni Sayfa” işaretlenir.
Yeni sayfada sonuç tablosu Şekil 7.9’daki görülür.
Şekil 7.9
Bağımsız İki
Örneklem Student-t
Testi Sonuç Tablosu
(Eşit Varyanslar)
178 İşletme Analitiği
Problemde alternatif hipotez tek yönlü oluşturulduğu için P(T<=t) tek-uçlu değerine
göre yorum yapılır. Bu değer 0,02634 olarak hesaplanmıştır ve anlam düzeyi (kritik değer)
0,05’ten daha küçük olduğu için sıfır hipotezi reddedilir ve %95 güvenle A şehrindeki ilaç
satış ortalamasının B şehrindeki ilaç satış ortalamasından daha fazla olduğu söylenebilir.
ÖRNEK 7 Belirli bir yemek rejiminin etkisinin araştırılmasında 7 kişilik bir gruptan yararlanılsın. Grup-
taki her fert rejime başlamadan önce ve sonra tartılmıştır. Belirlenen 7 kişinin ağırlıklarında
(kg) rejimden sonra bir farklılık olup olmadığını %95 güvenle araştırabilmek için bağımlı iki
örneklem Student-t testi aşağıdaki gibi uygulanabilir.
Verilen problemde gruptaki 7 kişinin rejimden önce ve sonra ağırlıkları arasında fark-
lılık olup olmadığı araştırıldığı ve aynı kişiler üzerinde farklı zamanlarda aynı ölçüm ya-
pıldığı için bağımlı iki örneklem Student-t testi uygulanmalıdır. Ayrıca rejim öncesi ve
sonrasında kişilerin kilolarında bir değişim olup olmadığı araştırıldığı için çift yönlü test
uygulanmalıdır.
Hipotezler,
“Sıfır hipotezi; Uygulanan rejim öncesi ve sonrası kişilerin kilolarında bir fark yoktur.”
“Alternatif hipotez; Uygulanan rejim öncesi ve sonrası kişilerin kilolarında bir fark vardır.”
şeklinde oluşturulur.
İşlemtablolarında bağımlı iki örneklem Student-t tes-
Şekil 7.10
ti T.TEST işleviyle gerçekleştirilir. İşlemtablolarında yazımı
Bağımlı İki Örneklem Student-t Testi T.TEST(dizi1;dizi2;yazı_say;tür) şeklindedir.
(Eşit Varyanslar) İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Dizi1: Birinci veri kümesi, gereklidir.
• Dizi2: İkinci veri kümesi, gereklidir.
• Yazı_say: Tek taraflı test için 1, çift taraflı test için 2 değeri
yazılır, gereklidir.
• Tür: Uygulanacak Student-t testini belirtir, bağımlı ise 1,
iki örneklem eşit varyans için 2, iki örneklem eşit olmayan
varyans için 3 değeri yazılır, gereklidir.
A2:A8 aralığına kişilerin rejim öncesi kilolarına ilişkin de-
ğerler, B2:B8 kişilerin rejim sonrasına ilişkin değerler girilir. İş-
lemtablosunda testi uygulayabilmek için aşağıdaki işlev C2 hüc-
resine yazılırsa 0,0525 değerine ulaşılır. Şekil 7.10’da ilgili işleme
ilişkin görsel verilmiştir.
=T.TEST(A2:A8;B2:B8;2;1)
İşlemtablosu C2 hücresinde hesaplanan 0,0525 değeri anlamlılık düzeyi 0,05’ten daha
büyük olduğu için %95 güvenle uygulanan rejim öncesi ve sonrası kişilerin kilolarında bir
fark olmadığı söylenebilir.
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 179
Varyans Analizi
Önceki bölümlerde tek ana kütle ortalamasının belirlenen değerle karşılaştırılmasına
ilişkin hipotez testleri ile iki ana kütle ortalamasının karşılaştırılmasına ilişkin hipotez
testleri incelendi. Bu bölümde ise ikiden fazla ana kütle ortalamasının karşılaştırılmasın-
da kullanılan varyans analizi konusu kısaca açıklanmaya çalışılacaktır. Varyans analizi ile
dağılımların toplam değişkenliğini çeşitli bileşenlere ayırma yöntemi yardımıyla bağımsız
değişkenlerin bağımlı değişkenler üzerindeki etkileri incelenebilmektedir.
Bu bölümde uygulamalarda çok sık kullanılan tek yönlü varyans analizi açıklanmaya
çalışılacaktır.
Tek yönlü varyans analizinde gözlem değerleri tek bir bağımlı değişkene göre gruplan-
dırılır ve bu gruplara ilişkin ana kütle aritmetik ortalamaları karşılaştırılır. İkiden fazla ana
kütle ortalamasının karşılaştırılmasında Z ya da t-testleri kullanılamamakla birlikte bu
karşılaştırma için F-testinden yararlanılır. F-testinde kullanılan F-istatistiği aynı varyan-
sın iki ayrı birbirinden bağımsız tahmininin birbirine oranı olarak tanımlanır. Bu oran,
yani F-istatistiğinin örnekleme dağılımı da F-dağılımı olarak bilinir.
Varyans analizinde genellikle değişkenliğin bileşenlere ayrılmasıyla birlikte değişim
kaynağının bulunmasıyla da ilgilenilir. Değişkenliğin ayrıştırılması işlemi, kareler top-
lamları ve kareler oranlarının hesaplanması yoluyla gerçekleştirilir. Dolayısıyla F-testi uy-
gulanması sonucu, değişim yani model denklemi kaynaklara ayrılmış olur. Değişkenlik
hatadan ya da gruplardan kaynaklanabilir.
Toplam Değişkenlik = Grup Etkisi + Hata
Varyans analizi uygulanabilmesi için bazı koşulların sağlanması gerekir. Bu koşullar;
• Grupların belirlendiği ana kütleler Normal dağılıma sahip olmalıdır.
• Karşılaştırılan gruplar birbirinden bağımsız olmalıdır.
• Grupların varyansları eşit olmalıdır.
Varyans analizinde toplam değişim bileşenlerine ayrıldığı için yukarıda belirtilen
üçüncü varsayım çok önemlidir. Çünkü farklı varyanslı grup ortalamaları karşılaştırıldı-
ğında gruplar arası değişim için sistematik hata yapılmış olur.
Sucuk üretimi yapan üç fabrikadan rassal olarak sucuk örnekleri alınmış ve bu sucukların ÖRNEK 8
100 gr’ında bulunan yağsız sığır eti miktarları 3 ayrı sütunda işlemtablosuna girilmiştir. %
95 güven düzeyinde bu üç fabrika arasında üretilen sucukların içerdiği yağsız sığır eti mik-
tarı ortalamaları bakımından fark olup olmadığı testi yürütülmek istenmektedir. Bu testi
yapabilmek için işlemtablosunda varyans analizi işlevi gerçekleştirilmelidir.
Hipotezler,
“Sıfır hipotezi; Üç farklı fabrikada üretilen sucukların 100 gr’ında bulunan sığır eti miktarı
ortalamaları arasında fark yoktur.”
“Alternatif hipotez; En az bir fabrikada üretilen sucukların 100 gr’ında bulunan sığır eti mikta-
rı ortalaması diğer fabrikalardan farklılık göstermektedir.”
şeklinde oluşturulur.
İşlemtablosu A2:A9 aralığına Fabrika1’e ilişkin değerler, işlemtablosu B2:B11 aralığı-
na ise Fabrika2’ye ilişkin değerler ve işlemtablosu C2:C8 aralığına da Fabrika3’e ilişkin
değerler girilir. İşlemtablosunda “Veri” sekmesinde bulunan “Veri Çözümlemesi” komut
düğmesine tıklanır ve açılan menüden “Anova:Tek Etken” işaretlenir. Şekil 7.11’de ilgili
işlem görülmektedir.
180 İşletme Analitiği
Şekil 7.11
Tek Yönlü Varyans
Analizi Çözümlemesi
Ekranı
-1 -0,50 0 +0,50 +1
PEARSON İşlevi
İşlemtablolarında Pearson korelasyon katsayısını hesaplama PEARSON işleviyle gerçek-
leştirilir. İşlemtablolarında yazımı PEARSON(dizi1;dizi2) şeklindedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Dizi1: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• Dizi2: Gözlem değerlerinin bulunduğu aralık, gereklidir.
Bir firma piyasaya yeni sürdüğü ürünün tanıtım ve satış işlemleri için on adet pazarlamacı ÖRNEK 9
görevlendirmiştir. Bu pazarlamacıların farklı kuruluşlara yaptıkları toplam ziyaret sayıları
ile yapılan satış sayısı arasında bir ilişkinin varlığı düşünülmektedir. Bu amaçla son bir ay
içerisinde pazarlamacıların gerçekleştirdikleri ziyaret sayıları işlemtablosu B2:B11 aralığına
ve satış sayıları da işlemtablosu C2:C11 aralığına işlemtablosunda girilsin.
İşlemtablosu A12 hücresine aşağıdaki eşitlik yazıldığında Pearson korelasyon değeri
olan 0,201’e ulaşılır. Bu Pearson korelasyon değerine göre; iki değişken arasında zayıf aynı
yönlü korelasyon olduğu söylenebilir. Bu işleme ilişkin görsel Şekil 7.14’te verilmiştir.
=PEARSON(B2:B11;C2:C11)
182 İşletme Analitiği
Şekil 7.14
PEARSON İşlevi
RKARE İşlevi
Korelasyon katsayısı yardımıyla değişkenler arasındaki ilişki ifade edilirken zayıf, orta
ilişki gibi nitelemelerin gerçekleştirilmesi söz konusudur. Araştırmacıların herhangi bir
değişkende meydana gelen değişimin ne kadarının bu değişkenle ilişkili olduğunu düşün-
Belirlilik katsayısı, bağımlı dükleri değişken tarafından açıklandığını tespit etmeleri gerektiğinde belirlilik katsayısı
değişkenin toplam değişkenliğini,
bağımsız değişken veya
hesaplanır. Belirlilik katsayısı Pearson korelasyon katsayısı r’nin karesinin alınması ile he-
değişkenlerin açıklama oranını saplanır. 0 ile 1 arasında değerler alır ve oran olarak ifade edilir.
tespit etmek üzere kullanılır. İşlemtablolarında belirlilik katsayısı RKARE işleviyle gerçekleştirilir. İşlemtabloların-
da yazımı RKARE(bilinen_y’ler;bilinen_x’ler) şeklindedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Bilinen_y’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• Bilinen_x’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
ÖRNEK 10 Örnek 9’da verilen değişkenler için B12 hücresine aşağıdaki eşitlik yazıldığında belirlilik kat-
sayısı değeri olan 0,041’e ulaşılır. Bu değere göre; firmanın yaptığı aylık satış miktarlarına
pazarlamacıların yaptıkları ziyaret sayılarının etkisinin %4,1 olduğu söylenir. Bu çok küçük
bir değerdir dolayısıyla satış sayısı değişkeni üzerinde ilgilenilen bu değişken dışında kalan
farklı faktörlerin etkisi olduğu söylenebilir. Bu işleme ilişkin görsel Şekil 7.15’te verilmiştir.
=RKARE(B2:B11;C2:C11)
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 183
Şekil 7.15
RKARE İşlevi
küçükleme tekniğidir. Bu teknikte gerçek y değerleri ile tahmin sonucu elde edilen y de-
ğerleri arasındaki düşey farkların kareleri toplamının en küçüklenmesi sağlanır. En küçük
kareler tekniği yardımıyla basit doğrusal regresyon modelinde yer alan ana kütle para-
metreleri α ve β için veri yardımıyla a ve b tahminleri belirlenir. En küçük kareler tekniği
yardımıyla β ve β’nın tahminleri a ve b’nin grafiksel karşılıkları Şekil 7.16’daki gibidir.
Basit doğrusal regresyon modelinde β regresyon doğrusunun eğimini gösterirken α da
doğrunun y eksenini kesim noktasıdır.
EĞİM İşlevi
En küçük kareler tekniği yardımıyla basit doğrusal regresyon modelinde yer alan ana küt-
le parametresi β için veri yardımıyla b tahminini belirler.
İşlemtablolarında β için veri yardımıyla b tahmini EĞİM işleviyle gerçekleştirilir. İş-
lemtablolarında yazımı EĞİM(bilinen_y’ler;bilinen_x’ler) şeklindedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Bilinen_y’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• Bilinen_x’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
ÖRNEK 11 Bir araştırmada elde edilen, x bağımsız değişken ve y bağımlı değişken olmak üzere, gözlem
değerleri işlemtablosunda x bağımsız değişken değerleri işlemtablosu A2:A10 aralığına ve y
bağımlı değişken değerleri işlemtablosu B2:B10 aralığına girilmiştir.
İşlemtablosunun A11 hücresine aşağıdaki eşitlik yazıldığında EĞİM değeri olan
0,433’e ulaşılır. Bu değere göre; ana kütle parametresi β için veri yardımıyla b tahmininin
diğer bir deyişle regresyon denklemin eğiminin 0,433 olduğu söylenir. Bu işleme ilişkin
görsel Şekil 7.17’de verilmiştir.
=EĞİM(B2:B10;A2:A10)
Şekil 7.17
EĞİM İşlevi
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 185
KESMENOKTASI İşlevi
En küçük kareler tekniği yardımıyla basit doğrusal regresyon modelinde yer alan ana küt-
le parametresi α için veri yardımıyla a tahminini belirler.
İşlemtablolarında α için veri yardımıyla a tahmini KESMENOKTASI işleviyle gerçek-
leştirilir. İşlemtablolarında yazımı KESMENOKTASI (bilinen_y’ler;bilinen_x’ler) şeklin-
dedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Bilinen_y’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• Bilinen_x’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
Örnek 11’de verilen x ve y değişkenleri için işlemtablosu B11 hücresine aşağıdaki eşitlik yazıl- ÖRNEK 12
dığında KESMENOKTASI değeri olan 2,833’e ulaşılır. Bu değere göre; ana kütle parametresi
α için veri yardımıyla a tahmininin diğer bir deyişle regresyon denklemin y eksenini kesme
noktasının 2,833 olduğu söylenir. Bu işleme ilişkin görsel Şekil 7.18’de verilmiştir.
=KESMENOKTASI(B2:B10;A2:A10)
Şekil 7.18
KESMENOKTASI
İşlevi
ŷ = 2,835 + 0,433x
şeklinde yazılır. Regresyon denklemi yardımıyla araştırmacı gözlemlediği herhangi bir x
değeri için y’nin alacağı değeri tahmin edebilir.
186 İşletme Analitiği
TAHMİN İşlevi
Bağımlı değişken gözlem değerleri y’ler ve bağımsız değişken x’lerle elde edilen regresyon
denklemi yardımıyla araştırmacı gözlemlediği herhangi bir x değeri için y’nin alacağı de-
ğeri tahmin edebilir.
İşlemtablolarında regresyon denklemi yardımıyla araştırmacı gözlemlediği herhangi
bir x değeri için y’nin alacağı değeri tahminini TAHMİN işleviyle gerçekleştirir. İşlemtab-
lolarında yazımı TAHMİN(x;bilinen_y’ler;bilinen_x’ler) şeklindedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• x: Elde edilen regresyon denkleminde tahmin edilmek istenen veri noktası, gerek-
lidir.
• Bilinen_y’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• Bilinen_x’ler: Gözlem değerlerinin bulunduğu aralık, gereklidir.
ÖRNEK 13 Örnek 11’de verilen x ve y değişkenleri için işlemtablosu C11 hücresine aşağıdaki eşitlik ya-
zıldığında x=12 için y’nin alacağı TAHMİN değeri olan 8,033’e ulaşılır. Bu işleme ilişkin
görsel Şekil 7.19’da verilmiştir.
=TAHMİN(12;B2:B10;A2:A10)
Şekil 7.19
TAHMİN İşlevi
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 187
Özet
İşlemtablolarında Normal dağılım kullanılarak bir İşlemtablolarıyla basit doğrusal regresyon analizi
1 ana kütle aritmetik ortalamasının güven aralığını 3 yapmak.
hesaplamak. İki ya da daha fazla değişken arasındaki ilişkinin ge-
Örneklem aritmetik ortalaması Normal dağılıma sa- nel doğasının tanımlanmasına regresyon analizi adı
hip ana kütleler için ana kütle aritmetik ortalamasının verilir. Değişkenler arasındaki ilişkinin derecesinin
iyi bir nokta tahmincisidir. Bununla birlikte örnek- tespiti işlemine ise korelasyon analizi adı verilir.
lemden hesaplanan aritmetik ortalama değeri ger- Regresyon analizi çalışmalarında iki farklı değişken
çek ana kütle ortalamasından biraz küçük veya büyük tanımlamasına ihtiyaç duyulmaktadır. Bunlar sıra-
olması kaçınılmazdır. Bu nedenle yapılan tahminin sıyla bağımlı ve bağımsız değişken kavramlarıdır.
doğruluğundan emin olmak istendiğinde ana kütle Bağımlı değişken araştırmacının üzerinde çalıştığı
aritmetik ortalamasının gözlenen örneklem aritmetik değişken olup bu değişken üzerinde meydana gelen
ortalama değerine tam olarak eşit olduğu söylenemez. değişimlerin ya da bu değişkenin toplam değişkenli-
Bunun yerine ğinin açıklanılmasına çalışılmaktadır.
μ = x– ± örnekleme hatası İlgilenilen iki değişken arasındaki ilişkinin derecesi
şeklinde bir aralık tahmini ya da güven aralığı oluş- için korelasyon analizi kullanılır. Burada dikkat edil-
turmak gerekir. Örnekleme hatasının büyüklüğü, mesi gereken nokta, korelasyon analizinin değişkenler
örneklem aritmetik ortalamasının ne kadar değişim arasındaki ilişkinin yanlızca derecesini göstermesidir.
gösterdiğine bağlı olarak değişir. İki değişken arasında yüksek korelasyon olması bu iki
İşlemtablolarında Normal dağılım kullanılarak bir değişkenden birinin diğerinin nedeni olabileceğini
ana kütle aritmetik ortalamasının güven aralığını he- göstermez. Korelasyon analizi iki değişken arasındaki
saplamak için kullanılan işlev GÜVENİRLİK’tir. nedensellik için kullanılmaz. Nedensellik araştırması
için farklı istatistik tekniklerinin kullanılması gerekir.
İşlemtablolarıyla hipotez testi yapmak.
2
Hipotez testleri, istatistik uygulamalarının gerçek
yaşam problemlerine uygulanabildiği en önemli sü-
reçlerden birisidir. Daha önce de belirtildiği gibi, ana
kütle parametresine ilişkin kararların örneklem ista-
tistiklerinden elde edilen bilgilere dayanarak verilme-
si gerekir. Hipotez testleri de bu kararlara ulaşmada
kullanılan önemli bir araçtır.
Tahminleme sürecinde olduğu gibi, hipotez testi sü-
recinde de ana kütle parametresine ilişkin olarak çı-
karsamada bulunulur. Ancak buradaki çıkarsama,
tahminlemedekine göre farklılık göstermektedir.
188 İşletme Analitiği
Kendimizi Sınayalım
1. İşlemtablolarında Normal dağılım kullanılarak bir ana 6. Sonuç tablosunda “ANOVA” tablo içeriğinde p-değeri
kütle ortalamasının güven aralığını veren işlev aşağıdakiler- 0,09 olarak hesaplanmıştır. 0,05 anlam düzeyinde istatistiksel
den hangisidir? karar aşağıdakilerden hangisidir?
a. T.TEST a. Alternatif hipotez ne kabul ne reddedilir.
b. GÜVENİRLİK b. Alternatif hipotez kabul edilir.
c. ORTALAMA c. Sıfır hipotezi ne kabul ne reddedilir.
d. Z.TEST d. Sıfır hipotezi reddedilir.
e. MAK e. Sıfır hipotezi kabul edilir.
2. İşlemtablolarında tek örneklem z testi sonucunu veren 7. İşlemtablolarında Pearson korelasyon katsayısını hesap-
işlev aşağıdakilerden hangisidir? lamasının gerçekleştirildiği işlev aşağıdakilerden hangisidir?
a. SAY a. RKARE
b. T.TEST b. PEARSON
c. Z.TEST c. TAHMİN
d. MAK d. KESMENOKTASI
e. MİN e. EĞİM
3. İki ana kütle z testinde alternatif hipotez tek yönlü olarak 8. İşlemtablolarında regresyon denklemi yardımıyla araş-
oluşturulduysa istatistiksel karar için işlemtablosu çözümle- tırmacının gözlemlediği herhangi bir x değeri için y’nin ala-
me tablosunda hangi değere bakmak gerekir? cağı değerin tahmini hangi işlevle gerçekleştirilir?
a. P(Z<=z) tek-uçlu a. TAHMİN
b. P(Z<=z) iki-uçlu b. EĞİM
c. Ortalama c. PEARSON
d. Bilinen Varyans d. KESMENOKTASI
e. Gözlem e. RKARE
4. Örneklemlerin değişkenliği aynı olduğunda bağımsız iki 9. İşlemtablolarında α için veri yardımıyla a tahmini han-
örneklem Student-t testi için “Veri Çözümlemesi” diyalog gi işlevle gerçekleştirilir?
kutusunda bulunan hangi işlem seçilmelidir? a. RKARE
a. t-test:Ortalamalar İçin İki Örnek b. PEARSON
b. t-test:Farklı Varyanslar Varsayarak İki Örnek c. TAHMİN
c. z-test: Ortalamalar İçin İki Örnek d. EĞİM
d. t-test:Eşit Varyanslar Varsayarak İki Örnek e. KESMENOKTASI
e. Hareketli Ortalama
10. İşlemtablolarında β için veri yardımıyla b tahmini hangi
5. İşlemtablolarında bağımlı iki örneklem Student-t testi- işlevle gerçekleştirilir?
nin gerçekleştirilmesi işlevi aşağıdakilerden hangisidir? a. PEARSON
a. Z.TEST b. RKARE
b. T.TEST c. EĞİM
c. PEARSON d. TAHMİN
d. MED e. KESMENOKTASI
e. TEST.T
7. Ünite - İşlemtablolarıyla Kestirimci Analitik 189
Sıra Sizde 2
İşlemtablolarında yazımı Z.TEST(dizi;x;sigma) şeklindedir.
İşlev yazımındaki parametreler aşağıdaki gibi açıklanır:
• Dizi: Gözlem değerlerinin bulunduğu aralık, gereklidir.
• x: Sınanacak değer, gereklidir.
• Sigma: Ana kütle standart sapması biliniyorsa yazılır,
belirtilmezse örneklem standart sapmasıdır, isteğe
bağlıdır.
8
İŞLETME ANALİTİĞİ
Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Excel ile veri madenciliği işlemlerinin yapılabilmesi için gerekli yazılımların
kurulumlarını yapabilecek,
Excel ile veri madenciliği işlemlerini gerçekleştirmek için veriyi hazırlayabilecek,
Excel veri madenciliği eklentisinde bulunan veri modelleme sihirbazlarını
kullanabilecek,
Excel’de bulunan veri madenciliği modellerinin doğruluğunu ve geçerliliğini
test edebilecek
bilgi ve becerilere sahip olabileceksiniz.
Anahtar Kavramlar
• Veri Modeli • Verinin Hazırlanması
• Veri Madenciliği Algoritması • Verinin Modellenmesi
• SQL Server • Örnekleme
• SSAS • Aykırılık
• Excel Veri Madenciliği Eklentisi
İçindekiler
• GİRİŞ
• İŞLEMTABLOLARI İLE VERİ
İşletme Analitiği İşlemtabloları ile Veri Madenciliği MADENCİLİĞİNE BAŞLARKEN
• EXCEL İÇİN SQL SERVER VERİ
MADENCİLİĞİ EKLENTİSİ
İşlemtabloları ile
Veri Madenciliği
GİRİŞ
Yöneticiler kararlarında veri ve modelleri birlikte kullanırlar. Modeller, verileri bilgilere dö-
nüştüren araçlardır. Öte yandan gözlem ve analizlerle keşfedilebilen veri setleri arasındaki
ilişkilerin, hipotezlerin ve dolayısıyla modellerin yapısının belirlenmesinde rol oynarlar.
Karar analitiği kapsamındaki optimizasyon modellerinde bağımlı ve bağımsız değişkenle-
rin belirlenmesi, matematiksel ifadelerin gerçeği temsil etme düzeylerinin tespit edilmesi
ve parametrelerin hesaplanması, probleme ait verilerin doğru derlenmesi, analizi ve değer-
lendirilmesi ile mümkün olabilmektedir. Kestirim modellemede gözlem ve veri analizleri
özel bir yer tutar. Daha önce fark edilmemiş yeni ve kıymetli sıra, sınıf, küme, ilişki ve
kural bilgilerinin veri kaynakları veya tabanlarındaki kayıtlar içinden bulunarak veya he-
saplanarak çıkarılması, yalnızca problem için anlamlı veri ve veri kaynaklarının keşfine
değil, probleme ilişkin yeni modellerin de keşfine işaret eder. Satışlar ve müşterilerle ilgili
verilerden yararlanarak en değerli müşterilerin belirlenmesi ve belirli bir kampanyadan bu
müşterilerin yararlandırılması klasik ve fakat anlamlı bir müşteri ilişkileri yönetimi yakla-
şımı olarak görünebilir. Ancak bunun bir adım ötesi, yeni müşterilerimizden hangilerinin
ve ileride ne zaman en değerli müşteriler olacağını öngörecek yaklaşımlar ortaya koyabil-
mektir. Böyle bir arayış ise analistleri örüntü keşfi gibi iddialı ve akademik derinliği olan
veri madenciliği yaklaşımlarına yöneltir. Henüz birçok firmanın, kurumsal çapta yaygın
bir işletme zekâsı ve analitiği yaklaşımıyla ortaya çıkan ve veri ambarları ve veri marketleri
ile pekişen “verilere erişimde yeni bir dönem”in başlamış olduğunun farkında olduğu söy-
lenemez. Büyük veri çağının başlaması ile veriler geçmişe ilişkin kayıtlar olmaktan çıkıp
işletmenin geleceğe dönük strateji ve politikalarını oluşturmak amacıyla kullanılan değerli
varlıklar (asset) hâline gelmiştir. Söz konusu değerlerin işletilmeden bırakılması veya işle-
nerek içindeki kıymetlerin açığa çıkarılması konusunda yöneticilerin bir tercih yapması ge-
rekecektir. Eğer bu tercih öncelikle şirketin sonra da erişime açık tüm veri kaynaklarındaki
kıymetli bilgilerin açığa çıkarılması yönünde olursa işletmeler çalışma konuları içine veri
madenciliğini de eklemek durumunda kalacaklardır.
Veri madenciliği, özellikle yapısal olan ve olmayan büyük veri yığınlarından yararla-
narak yeni durum ve yöntem bilgilerinin açığa çıkarılması amacıyla yürütülen çalışmaları
içermektedir. Bu çalışmalarda yararlanılan yöntemler iki kategoride ele alınabilir: istatis-
tiksel yöntemler ve yapay zekâ yaklaşımları. Veri madenciliğinde istatistiksel yaklaşımların
kullanımında klasik istatistiksel yaklaşımlara göre önemli bir fark bulunmaktadır. Klasik
yaklaşımlarda, gerçekleşenle model arasındaki farkların yani hata karelerinin azaltılması
esas iken büyük veride artan veri hacmi, hataların göz ardı edilmesine olanak vermektedir.
192 İşletme Analitiği
Öte yandan kesinlik içermeyen yapay zekâ algoritmaları, verilerdeki örüntülerin yakalan-
masında veri büyüklüğünden istatistiksel yöntemler kadar etkilenmemektedir. Bu gelişme-
lerden yararlanan bazı geniş görüşlü firmalar, işletme politika ve stratejilerini oluştururken
veri madenciliğinin sunduğu olanaklardan yararlanmasını bilmişlerdir.
Verilerin sunduğu olanakların fark edilmesi, tüm yönetsel kademelerin konuya olan
ilgisini de beraberinde getirmiştir. Büyük verilerin veri ambarlarında ve marketlerinde özel
tüketim amaçlarına uygun olarak sentezlenmesi, veri madenciliği çalışmaları için uygun
bir zemin de yaratmıştır. Dahası işletmelerin verilere bakışı, büyük verinin öneminden de
etkilenerek, her tür veriden yararlanarak veri madenciliği fırsatlarını kovalamaya dönmüş-
tür. Söz konusu dönüşüm veri madenciliğinin kullanımında artan yazılım araçları parkını
genişletmiştir. Bu geniş araç parkı içinde Excel’in veri madenciliğine yönelik “Data Mi-
ning” eklentisi de yer almaktadır.
Analitik araçların kurumsal yaygınlığa ve saygınlığa kavuşması için her yönetsel nok-
tada “analitikle rekabet” kültürünün oluşturulması gerekir. Her yönetsel noktada veri ma-
denciliğinin yönetim araçlarının bir parçası olabilmesinin bir yolu ve belki de en etkili yolu
Excel gibi işlemtabloları üzerinden veri madenciliğinin yapılabilirliğini benimsetmektir.
Analitiğin kurumsallaşması noktasında bu önemli bir adım olarak görülmelidir. Bu üni-
tenin amacı da Excel ile veri madenciliğinin yapılabilirliği algısını öncelikle benimseterek
kurumsal ve bireysel karar analitiği yeteneğinin güçlendirilmesi noktasında yeni bir kapı
açmaktır.
Microsoft SQL Server 2012 Data Mining Add-ins for Microsoft Office yazılımını indirmek
için gerekli olan bağlantı aşağıdaki gibidir:
http://www.microsoft.com/en-us/download/details.aspx?id=35578
Kurulumun başarılı bir şekilde gerçekleşebilmesi için kurulum yapılacak olan ofis sürümü-
ne uygun olan eklentinin edinilmesi gerekmektedir. 32 bit olan bir ofis sürümü üzerine 64
bit olan bir eklenti kurulumu yapılamayacaktır.
5. Next düğmesine tıklanarak yükleme işlemine hazır hâle gelinecektir ve bir sonraki
adımda Install (Yükle) düğmesi aracılığı ile yükleme işlemi başlayacaktır. Yükleme
işlemi bitene kadar beklenmelidir. Yükleme işlemi bittikten sonra Finish (Bitir)
düğmesi ile kurulum tamamlanacaktır.
6. Kurulum başarılı bir şekilde tamamlanmış ise Microsoft Excel 2013 programı ça-
lıştırıldığında Data Mining sekmesinin Şekil 8.2’deki gibi Excel sekmeleri arasına
eklendiği görülecektir.
Şekil 8.2
Microsoft Excel Data
Mining Sekmesi
7. Data Mining eklentisi, Microsoft SQL Server 2012 Analysis Services’ın herhangi
bir sürümü ile bağlantı kurmaya ihtiyaç duymaktadır.
Şekil 8.3
Getting Started Aracı
Penceresi
Getting Started aracı bize yapılandırma konusunda üç farklı seçenek sunmaktadır (Şe-
kil 8.3). Eğer kullanılmakta olan sistem üzerinde daha önceden kurulmuş olan bir SSAS
bulunmakta ise “Use an existing instance of Microsoft SQL Server 2008 (or later) Analysis
Services that I administer” seçeneği ya da “Connect to a Microsoft SQL Server 2008 (or
later) Analysis Services instance to which I have non-administrative access” seçeneği yar-
dımı ile kurulum adımları atlanarak yapılandırma işlemine geçilebilir.
Eğer herhangi bir SSAS kurulumu yapılmamış ise “Download an evaluation version
of Microsoft SQL Server 2012 and set up Analysis Services on my computer” seçeneği ile
Microsoft SQL Server 2012’nin 180 günlük Evaluation sürümü ücretsiz olarak edinilip ku-
rulabilir. Bu bölüm, önceden herhangi bir SSAS kurulumu yapılmadığı varsayılarak Şekil
8.3’te bulunan ilk seçenek üzerinden anlatılacaktır.
İlk seçeneği seçerek Next düğmesine basıldıktan sonra ekrana Microsoft SQL Server
2012 hakkında bir açıklama gelecektir. Bu açıklamada kurulumu tamamlamak için 2 adı-
ma daha ihtiyaç olduğu belirtilmektedir. Bunlardan birisi Microsoft SQL Server 2012 En-
terprise Evaluation Edition’ın Microsoft üzerinden edinilmesi, bir diğeri ise kurulmuş olan
Excel Data Mining eklentisinin doğru bir şekilde çalışması için SSAS’in yapılandırılmasıdır.
Birinci adım (Step 1) altında verilen bağlantı aracılığı ile Microsoft üzerinden SQL
Server 2012 Enterprise Evaluation Edition indirilebilmektedir.
Microsoft SQL Server 2012 Enterprise Evaluation Edition yazılımını indirmek için gerekli
olan bağlantı aşağıdaki gibidir:
https://www.microsoft.com/en-us/download/details.aspx?id=29066
Şekil 8.4
SQL Server
Installation Center
Penceresi
4. Seçim yapıldıktan sonra kurulum sihirbazı, kurulum için gerekli olan yazılımları
kontrol edecektir ve bu kontrolü tamamladıktan sonra bir rapor sunacaktır. Kont-
rol işleminde herhangi bir sorun tespit edilmesi durumunda kuruluma devam ede-
bilmek için sorun bulunan kısımların düzeltilmesi gerekmektedir. Sorunlar düzel-
tildikten sonra OK (Tamam) düğmesine basılarak kuruluma başlanır.
5. Kurulum başlarken bir lisans anahtarına sahip olunup olunmadığı sorulacaktır. Bu
ünite kapsamında ücretsiz deneme sürümü kullanılacağı için “Specify a free editi-
on” bölümünden “Evaluation” sürümünün kullanılacağı belirtilmeli ve Next düğ-
mesine basılmalıdır (Şekil 8.5). Her ne kadar değerlendirme sürümü kullanılacak
olsa da bu sürüm yazılımın gerekli bütün özelliklerini 180 gün boyunca ücretsiz
olarak sunmaktadır.
Şekil 8.5
SQL Server 2012
Setup Penceresi
196 İşletme Analitiği
6. License Terms adımında karşımıza bir lisans sözleşmesi çıkacaktır. Kuruluma de-
vam edebilmek için “I accept the license terms” seçeneği seçilerek bu sözleşmenin
kabul edilmesi ve daha sonra Next düğmesine basılması gerekmektedir.
7. Product Updates adımında yüklenebilecek güncellemelerin listesi sunulmaktadır.
“Include SQL Server product updates” seçeneğinin seçilmesi ve Next düğmesine ba-
sılması gerekmektedir. Gerekli dosyalar indirildikten sonra kurulum başlayacaktır.
8. Kurulum esnasında, bazı kuralların yapılandırılması istenecektir:
• Setup Support Rules: Kurulum için gerekli olan yazılımlar kontrol edilecektir. Bu
işlem tamamlandıktan sonra Next düğmesine basılarak kuruluma devam edilecektir.
• Setup Role: Yapılması istenilen kurulum seçilecektir. Bu bölüm için “SQL Server
Feature Installation” seçeneği seçilip Next düğmesine basılmalıdır.
• Feature Selection: Yüklenmesi istenilen özelliklerin seçildiği bölümdür. “Select
All” düğmesine basarak bütün özelliklerin yüklenmesi talep edilmeli ve daha sonra
Next düğmesine basılmalıdır.
• Installation Rules: Yükleme prosedürlerinin kontrol edildiği bölümdür. Kontrol iş-
lemi tamamlandıktan sonra Next düğmesine basılarak kuruluma devam edilecektir.
• Instance Configuration: Varsayılan olarak sunulan ayarlar uygundur. “Default
instance” seçeneğinin seçili olduğundan emin olup Next düğmesine basılmalıdır.
• Disk Space Requirements: Kurulum için gerekli olan boş alan kontrol edilecektir.
Kontrol işleminden sonra Next düğmesine basılarak kuruluma devam edilecektir.
• Server Configuration: Varsayılan olarak sunulan ayarlar uygundur. Next düğme-
sine basılmalıdır.
• Database Engine Configuration: SQL sunucu yöneticisinin belirlenmesi gerek-
mektedir. “Add Current User” düğmesine basılarak işletim sistemi üzerinde otu-
rum açmış olan kullanıcı ya da Add (ekle) düğmesi ile işletim sisteminde tanım-
lanmış herhangi bir kullanıcı, yönetici olarak atanıp Next düğmesine basılmalıdır.
• Analysis Services Configuration: “Multidimensional and Data Mining Mode”
sunucu yapısı olarak seçilmelidir. Daha sonra “Analysis Services” için “Add Cur-
rent User” ya da “Add” düğmesi aracılığı ile bir yönetici atanmalıdır. Atanmış olan
yönetici, servislerin kullanımında sınırsız yetki sahibi olacaktır. Daha sonra Next
düğmesine basılmalıdır.
Eğer kurulum sırasında Multidimensional and Data Mining Mode yerine Tabular Mode seçi-
lirse Excel üzerinden veri madenciliği işlemleri sağlıklı bir şekilde yapılamayacaktır.
3. Sunucuya erişim kontrol edildikten sonra ikinci adıma geçilir. Bu adımda geçici
madencilik modellerinin kullanılıp kullanılamayacağı izni sorulmaktadır. Geçici
madencilik modellerinin kullanılabilmesi için “Allow creating temporary mining
models” seçili iken Next düğmesine basılmalıdır.
4. Üçüncü adımda kullanılacak olan veritabanının seçilmesi gerekmektedir.
a. Eğer ilk kez SSAS kullanılacak ise yeni bir veritabanı oluşturulması gerekir.
Bunun için “Create new database” bölümünden oluşturulacak veritabanına bir
isim verilmelidir. Varsayılan olarak önerilen “DMAddinsDB” adını kullanmak-
ta herhangi bir sakınca yoktur. Next düğmesine basılmalıdır.
b. Eğer daha önceden oluşturulmuş bir veritabanı mevcut ise “Use existing data-
base” seçeneği seçilerek ilgili listeden kullanılmak istenen veritabanı seçilebilir.
Next düğmesine basılmalıdır.
198 İşletme Analitiği
Excel ile veri madenciliği işlemlerinin yapılabilmesi için gerekli olan 3 temel yazılım ve bu
1 yazılımların veri madenciliği işlemlerinin yapılmasındaki rolleri nelerdir?
8. Ünite - İşlemtabloları ile Veri Madenciliği 199
Explore Data sihirbazı, eğer seçilmiş olan alan (sütun) içerisindeki bütün değerler
sayısal ise, bu alanda bulunan değerleri istenilen miktarda eşit veri aralıklarına (buc-
kets) bölerek gruplandırılmasını sağlamakta ve bir sütun grafiği ile her bir aralıktaki
veri miktarını ifade edebilmektedir. İsteğe bağlı olarak, yapılan gruplandırma işlemi
sonrası oluşturulan veri aralıkları da kaynak veri tablosu üzerinde yeni bir sütun oluş-
turularak her bir satırda bulunan verinin hangi aralıkta yer aldığını ifade edecek şekilde
eklenebilmektedir.
Veri madenciliği işlemlerinde kullanılacak olan veri özenli bir şekilde hazırlanmadığı tak-
2 dirde ne gibi istenmeyen durumlar ortaya çıkabilir?
Microsoft’un veri madenciliği algoritmaları hakkında daha detaylı bilgiye aşağıdaki bağlan-
tı aracılığı ile ulaşabilirsiniz:
https://technet.microsoft.com/en-us/library/ms175595(v=sql.105).aspx
Sınıflandırma (Classify)
Classify sihirbazı Excel’de bulunan bir veri tablosundan, bir veri aralığından ya da bir dış
veri kaynağındaki verilerden yola çıkarak bir sınıflandırma modeli oluşturulmasını sağla-
maktadır. Sınıflandırma modelleri kategorik sonuçları tahmin etmek için kullanılmaktadır.
Modelin sağlıklı bir şekilde kurulabilmesi için sonuçları önceden bilinen durumlar ve bu
durumlarda ilgili faktörlerin aldığı değerleri de bilmek gerekmektedir. Excel’de oluşturulan
sınıflandırma modeli bir alanda (sütunda) bulunan değerleri, veri setindeki diğer alanlarda
bulunan değerlere bağlı olarak tahmin etmektedir. Örneğin bir televizyon kanalı çalışan-
ları yapmış oldukları analizler sonucu “çocuklar gündüz saatlerinde daha çok televizyon
izleyebilmekte, yetişkinler ise geceleri daha çok televizyon izleyebilmektedir” şeklinde iki
kural bulursa gündüz kuşağında çocuklara yönelik, geceleri ise yetişkinlere yönelik yayın-
lar yapıp reytingleri arttırmayı hedefleyebilirler. Sınıflandırma modelinin örnek kullanım
alanları arasında; müşteriler için düzenlenecek farklı kampanyalara yapılacak olan dönüş
tahminleri, bir şirketin müşteri popülasyonunun belirli bir ürünü ya da hizmeti almaktan
vazgeçme olasılıkları, bir bankaya yapılacak olan kredi başvurularının risk seviyelerini be-
lirleme ya da çeşitli bulgulara göre hastalık ihtimalleri gibi durumlar bulunabilmektedir.
Classify sihirbazı çalıştırıldığında öncelikle sınıflandırma modelinin oluşturulması için
kullanılmak istenen kaynak veri seti seçilmelidir. Seçilecek veri en az bir tane tahmin edilebi-
lecek alan ve tahmin işlemlerinde kullanılmak üzere analiz yapılabilecek alanlar içermelidir.
Sihirbaz, otomatik olarak tahmin edilecek alanları ve analizde kullanılabilecek alanları öner-
mektedir fakat bu öneriler kolaylıkla değiştirilebilmektedir. Daha iyi sonuçlar elde edebilmek
için desen oluşumuna katkıda bulunamayacak olan sıra no, isim, soyisim gibi değerler seçil-
memelidir. Seçim işlemi tamamlandıktan sonra sihirbaz, seçilen veriden ortaya çıkan deseni
bir göz atma penceresi (browse window) ile sunacaktır. Sınıflandırma modeli Microsoft’un
karar ağaçları algoritmasını kullandığından dolayı, sonuçlar hem karar ağacı yapısı hem de
ilişkileri ifade eden bir ilişki çizgesi (dependency network) olarak sunulmaktadır.
ÖRNEK 1 Şekil 8.10’da 6195 kayıttan oluşan ve büyük ölçekli bir şirkette çalışan personelin evlilik du-
rumu, cinsiyet, yıllık gelir gibi bilgilerini içeren bir tablo bulunmaktadır.
8. Ünite - İşlemtabloları ile Veri Madenciliği 203
Şekil 8.10
Büyük Ölçekli Bir
Şirkette Çalışan
Personel Listesi
Personelin vermiş olduğu evlilik kararlarında eğitim düzeyi ve yıllık gelirin etkisini
gözlemlemek için ilgili tablo üzerinde bir sınıflandırma modeli uygulanmıştır. Excel’in
classify sihirbazı ile yapılan bu sınıflandırma işleminde; kayıtların %70’i kullanılmış olup
bulunan sonuçlar göz atma penceresiyle karar ağacı ve ilişki çizelgesi olarak sunulmakta-
dır (Şekil 8.11).
Şekil 8.11
Classify Sihirbazı ile
Oluşturulan Örnek
Bir Sınıflandırma
Tahminleme (Estimate)
Estimate sihirbazı Excel’de bulunan bir veri tablosundan, bir veri aralığından ya da bir Tahminleme modeli, sonuç
değerlerinin miktar, para birimi,
dış veri kaynağındaki verilerden yola çıkarak bir tahminleme modeli oluşturulmasını tarih ya da zaman gibi sayısal
sağlamaktadır. Tahminleme modeli verilerden veri desenlerini çıkarmakta ve bu desenle- değerler olduğu durumlarda
ri sonucu etkileyecek olan faktörlerin tahmin edilmesi için kullanmaktadır. Tahminleme kullanılabilmektedir.
dan farklı olarak tahminleme işlemleri için tahmin edilecek alan ile ilişkisi olabilecek bir reg-
resöre (regressor) ihtiyaç duymaktadır. Regresör, listedeki sayısal değerler arasından elle se-
çilebileceği gibi, öner (suggest) düğmesi yardımıyla da kullanılabilecek regresörler algoritma
aracılığı ile tespit edilerek sihirbaz tarafından önerilebilecektir. Alanların seçiminden sonra,
kaynak veri seti içerisinden model oluşturulması için kullanılacak olan verinin miktarı seçi-
lebilmektedir. Seçim işlemleri tamamlandıktan sonra sihirbaz, tahminleme modelini oluştu-
rarak analiz sonuçlarını ilişki çizgesi (dependency network) ve karar ağacı yapısı olarak bir
göz atma penceresi (browse window) ile sunacaktır. Sunulan bilgiler incelenerek değerlerin
tahmin edilmesine katkıda bulunan faktörler daha iyi bir şekilde anlaşılabilecektir.
Kümeleme (Cluster)
Cluster sihirbazı Excel’de bulunan bir veri tablosundan, bir veri aralığından ya da bir dış veri
Kümeleme modeli her tür kaynağındaki verilerden yola çıkarak bir kümeleme modeli oluşturulmasını sağlamaktadır.
veri desenini araştırmak için Kümeleme modeli, veriyi benzer karakteristik özellikleri paylaşan satır gruplarına (küme-
kullanılabilmektedir.
lere) ayırarak heterojen bir veri setinden homojen alt veri setleri elde etmeye çalışmaktadır.
Kümeleme algoritmaları; aynı küme içerisinde bulunan veriler arasındaki benzerliğin müm-
kün olduğunca arttırılması ve farklı kümeler arasında bulunan benzerliğin de mümkün ol-
duğunca azaltılması kavramına dayanır. Diğer bir deyişle kümeleme algoritmalarında küme
içi veriler arasındaki uzaklıkların minimize edilmesi, kümeler arası uzaklıkların ise maksi-
mize edilmesi hedeflenmektedir. Örneğin; yapılacak olan bir geziye hangi müşteriler daha
çok talepte bulunur diye değerlendirilmek istenirse özelliklerine göre müşteriler kümelen-
dirilmeli ve ilgili müşteri kümesi belirlenerek bu müşterilere öncelikli olarak ulaşılmalıdır.
Sınıflandırma modeli ile kümeleme modeli arasındaki en temel fark; sınıflandırma
modelinde geçmiş verilere göre diğer alanlar tahmin edilirken, kümeleme modellerinde
bu tarz geçmiş veriler bulunmaz ve veriler kendi içlerindeki benzer özelliklere göre grup-
lanmaktadırlar. Kümeleme modelinde, veriler arasındaki benzerliği nitelendirecek özel-
likler modeli kuran kişi tarafından öngörülmektedir. Kümeleme modelinin örnek kulla-
nım alanları arasında; benzer davranışları gösteren müşterileri belirlemek, müşterilerin
alım alışkanlıklarını tanımlamak, ürün gruplaması ya da hastalık belirtilerinin nitelendi-
rilmesi gibi durumlar bulunabilmektedir.
Cluster sihirbazı çalıştırıldığında öncelikle kümeleme modelinin oluşturulması için
kullanılmak istenen kaynak veri seti belirlenmelidir. Daha sonra analiz işleminde faydalı
olabilecek alanlar seçilmelidir. Bu seçim işleminde analize katkıda bulunamayacak olan
sıra no, isim, soy isim gibi alanlar seçilmemelidir. Bu bölümde, oluşturulacak kategori
sayısı belirlenebilir ya da sihirbazın optimum olarak seçtiği grup sayısı kullanılabilir.
Alanların seçiminden sonra, kaynak veri seti içerisinden model oluşturulması için kul-
lanılacak olan verinin miktarı seçilebilmektedir. Seçim işlemleri tamamlandıktan sonra
sihirbaz, kümeleme modelini oluşturarak analiz sonucunda oluşturulan kümeleri bir göz
atma penceresi (browse window) ile listeleyecektir. Listeleme işleminde her bir kümenin
ayırt edici karakteristikleri ve istatistiksel dayanakları da sunulmaktadır.
Birliktelik (Associate)
Associate sihirbazı Microsoft’un ilişkilendirme algoritmalarını kullanarak veri madenciliği
işlemleri için bir birliktelik modeli oluşturulmasını sağlamaktadır. Birliktelik modeli, büyük
veri kümeleri içerisinde bulunan, farklı veriler arasındaki birliktelik ilişkilerini tespit etmeyi
amaçlamaktadır. Microsoft’un birliktelik analizi algoritmaları çoklu işlemlerde birlikte görü-
nen ögeler arasındaki ilişkileri bulup ortaya çıkarmaktadır. Associate sihirbazı, bir veri setinde
var olan ögelerden diğer ögelerin aynı veri seti içerisinde olabilirliğinin tahmin edilmesini
sağlayacak veri desenlerinin ortaya çıkarılmasını ve bu desenlerden yola çıkarak müşterilerin
satın aldıkları ürünler çerçevesinde yeni ürünler tavsiye edilmesini sağlayabilmektedir.
8. Ünite - İşlemtabloları ile Veri Madenciliği 205
Microsoft’un birliktelik analizi algoritmaları, bir işlemde birlikte görünen ögeleri bul-
mak için veri setini araştırmakta ve araştırma sonucu bulunan her bir öge grubu bir öge
setini teşkil etmektedir. Algoritma daha sonra, öge setinin bütün işlemler boyunca kaç
defa görüldüğünü sayarak her bir öge seti içerisindeki ögelerin bağıl önemini hesapla- Bağıl önem, birbiriyle ilişkili olan
maktadır. Hesaplanan bu önem, ilişkileri tahmin etmek ya da öneride bulunmak için öl- ögeler arasındaki ilişkinin önemini
ifade etmektedir.
çütler oluşturma sürecinde kullanılmaktadır. Örnek bir ölçüt, “eğer kullanıcı A yazarının
bir kitabını ve B yazarının bir kitabını almışsa, büyük ölçüde C yazarının da bir kitabını
alacaktır” şeklinde olabilir. Her bir öneri, ögeler arasındaki ilişkinin güçlülüğüne göre bir
olasılık değeri taşımaktadır. Microsoft’un birliktelik analizi algoritmaları, birlikte satın
alınma eğilimi olan ürünleri tahmin eden pazar-sepet analizi yöntemi için de oldukça
kullanışlıdır. Birliktelik modelinin örnek kullanım alanları arasında; markette birlikte sa-
tılan ürünlerin tespit edilmesi, bir arabaya üretim sürecinde eklenecek ekstra donanım-
ların belirlenmesi ya da depolarda birbirine yakın konumlandırılması gereken ürünlerin
seçilmesi gibi durumlar bulunabilmektedir.
Associate sihirbazı çalıştırıldığında öncelikle birliktelik modelinin oluşturulması için
kullanılmak istenen kaynak veri seti seçilmelidir. Daha sonra yapılan işlemi (transaction)
ifade eden alan ile işlemde kullanılan ögeleri ifade eden alan seçilmelidir. Ayrıca bu bö-
lümde isteğe bağlı olarak ilişkilendirilmek istenen ögelerin kaç kez birlikte görünmesi ge-
rektiği belirlenebilmektedir. Ögelerin birlikte görünme miktarları, öge sayısı ya da yüzde
olarak seçilebilmektedir. Örneğin, bir veri setinde en az 10 kez birlikte bulunan ögelerin
tespiti gibi. Ek olarak, kuralın oluşturulabilmesi için gerekli olan olasılık düzeyini de bu
bölümde belirlemek mümkündür. Sihirbaz, bütün olası kombinasyonları analiz ederek,
tespit etmiş olduğu öge gruplarını ve her bir öge grubunu tanımlayan kuralları içeren bir
rapor oluşturmaktadır. Son olarak yapılan analiz sonucunda ortaya çıkan kurallar, öge
grupları ve ögeler arasındaki ilişkileri gösteren bir ilişki çizgesi (dependency network) ile
göz atma penceresinde (browse window) ifade edilmektedir.
Associate sihirbazının kullanılabilmesi için kaynak veri tablosu kesinlikle bir kayıt-işleme
tablosu (transaction table) şeklinde tasarlanmış olmalıdır.
Öngörüleme (Forecast)
Forecast sihirbazı yardımıyla bir zaman serisinde bulunan değerlerin desenleri çıkarılarak
geleceğe dönük tahminler yapılabilmektedir. Bu sihirbaz, ürün satışları gibi sürekli sütun-
ların tahmin edilmesinde kullanılan ve bir regresyon algoritması olan Microsoft’un zaman
serileri algoritmasını kullanmaktadır. Zaman serileri için oluşturulan öngörüleme modeli
bir hücre serisinde bulunan desenleri tespit ederek ek verileri öngörülemektedir.
Zaman serileri için oluşturulmuş her bir öngörüleme modeli, süreçteki birbirinden
farklı noktaların ifade edildiği bir durum serisi alanı (sütunu) içermelidir. Örneğin, belirli
aylardaki satış miktarları hakkında geçmiş verilerden öngörüleme yapılmak isteniyor ise
tarih sütunu durum serisi olarak nitelendirilebilir. Zaman serileri için oluşturulan öngö-
rüleme modelinin örnek kullanım alanları arasında; borsada yer alan hisse senetlerinin
davranışlarının değerlendirilmesi, yıllara göre nüfus artışının tahmin edilmesi ya da hava
durumu tahminleri gibi durumlar bulunabilmektedir.
Forecast sihirbazı çalıştırıldığında öncelikle zaman serileri için bir öngörüleme modelinin
oluşturulması için kullanılmak istenen kaynak veri seti seçilmelidir. Daha sonra tarih ya da
saat gibi bir zaman serisini içeren alan (sütun) liste kutusundan ve analiz işleminde kullanıl-
mak istenen alanlar ise listeden seçilmelidir. Seçim işlemleri tamamlandıktan sonra sihirbaz,
zaman serisi için bir öngörüleme modeli oluşturarak analiz sonuçlarını ve geleceğe yönelik
kestirimleri göz atma penceresi (browse window) içerisinde bir çizgi grafiği ile sunacaktır.
206 İşletme Analitiği
ÖRNEK 2 Şekil 8.12’de bir termos üreticisinin Temmuz 2013 ile Haziran 2016 tarihleri arasında üç
farklı şehirde yapmış olduğu satışlardan yola çıkılarak izleyen aylarda gerçekleşmesi planla-
nan satış öngörüleri bulunmaktadır. Farklı zaman damgalarının trendlerinden yola çıkılarak
bulunan sonuçlara göre; Kasım 2016’da Temmuz 2013’e göre Ankara ilinde %1.728,17’lik,
İstanbul ilinde %489,57’lik ve İzmir ilinde %32,96’lık bir satış artışı öngörülmektedir.
Şekil 8.12
Bir Termos
Üreticisinin Farklı
Şehirlerde Öngördüğü
Satış Miktarlarındaki
Değişimler
Çizgi grafiği olarak sunulan bu öngörüleri illere göre filtreleyerek istenilen il için il-
gili dağılımı gözlemlemek de mümkündür. İzmir ili için öngörülen satış miktarları Şekil
8.13’te sunulmuştur.
Şekil 8.13
Bir Termos
Üreticisinin İzmir
İlinde Öngördüğü
Satış Miktarlarındaki
Değişimler
Birliktelik modelleri oluşturulurken ögelerin kaç kez birlikte görülmesi gerektiğinin belirle-
nebilmesi nasıl bir avantaj sağlamaktadır? Açıklayınız. 3
Veri madenciliğinde test ve geçerliliğin doğrulanması konusunda daha detaylı bilgiye aşağı-
daki bağlantı aracılığı ile ulaşabilirsiniz:
https://msdn.microsoft.com/en-us/library/ms174493(v=sql.110).aspx
208 İşletme Analitiği
Veri madenciliği modellerine göz atma işlemi sırasında kullanılan görüntüleyiciler hakkın-
da detaylı bilgiye aşağıdaki bağlantıdan ulaşabilirsiniz:
https://msdn.microsoft.com/en-us/library/ms174580(v=sql.110).aspx
Madencilik modellerinin sonuçlarının karmaşık olmasından ve bu sonuçların ham Microsoft Office Visio, Microsoft
hâlinin anlaşılmasının zor olmasından dolayı algoritmanın veri üzerinde bulduğu kural tarafından geliştirilen bir vektörel
çizim yazılımıdır.
ve ilişkileri görsel olarak araştırmak çok daha kullanışlı ve anlaşılır olmaktadır. Browse
sihirbazı, model üzerindeki dikkat çeken trendleri araştırmaya, veri madenciliği model-
lerini interaktif olarak filtrelemeye, bulunan sonuçların görsel sunumunu oluşturmaya ve
sunulan diyagramları ve verileri Excel ya da Visio’ya taşımaya olanak sağlamaktadır.
Sorgu (Query)
Query sihirbazı, var olan madencilik modelleri ile etkileşime geçerek Excel’de bulunan Trendlerden yola çıkarak bir
bir veri tablosundan, bir veri aralığından ya da bir dış veri kaynağındaki verilerden yola kestirim yapabilmek için
yeni bir verinin var olan bir
çıkarak kestirimler yapılmasına yardım etmektedir. Bu sihirbaz, SSAS’te bulunan bir veri model üzerinde uygulanması
madenciliği modeli için bir tahmin sorgusu (prediction query) oluşturulması süreci hak- sürecine tahmin sorgusu adı
verilmektedir.
210 İşletme Analitiği
kında her şeyi açıklamakta ve böyle bir sorgu oluşturmaktadır. Sihirbaz çalıştırıldıktan
sonra model seçim ekranında sol altta bulunan Advanced düğmesi yardımı ile Data Mi-
ning Advanced Query Editor’ü de açmak mümkündür.
Data Mining Advanced Query Editor: Yeni veri madenciliği modellerinin oluşturulması
ya da var olan modellerin düzenlenebilmesini sağlayan gelişmiş bir sorgu editörüdür. Bu editör
yardımı ile Data Mining Extensions (DMX) taslakları açılabilir ve bu taslaklar üzerinde bulu-
nan girdiler, çıktılar, algoritmalar ve parametreler düzenlenerek isteğe uyarlanmış yeni bir veri
madenciliği modeli, veri madenciliği yapısı ya da prediction query oluşturmak mümkündür.
Data Mining Extensions (DMX) hakkında daha detaylı bilgiye aşağıdaki bağlantıdan ulaşa-
bilirsiniz:
https://msdn.microsoft.com/en-us/library/ms132058.aspx
Manage Models sihirbazı yardımı ile yeni bir veri madenciliği modeli ya da sorgusu oluştu-
rulamamaktadır.
Bağlantı (Connection)
Connection bölümü altında bulunan sihirbazlar yardımıyla SSAS sunucu ile kurulmuş
olan bağlantı yönetilmektedir.
Şekil 8.16
Excel Data Mining
Sekmesi Altındaki
Connection Bölümü
Bağlantılar (Connections)
Excel ile veri madenciliği araçlarını ve algoritmalarını kullanabilmek için SSAS sunucusu
ile bir bağlantı kurmak şarttır. Connections sihirbazı, SSAS ile bir bağlantı kurmayı ya da
kurulmuş olan bağlantıyı düzenlemeyi sağlamaktadır.
Yardım (Help)
Help bölümü altında Excel veri madenciliği eklentisinin kurulumu ve kullanımı konusun-
da yardımcı olabilecek kaynaklar bulunmaktadır.
Şekil 8.17
Excel Data Mining
Sekmesi Altındaki
Help Bölümü
8. Ünite - İşlemtabloları ile Veri Madenciliği 211
Özet
Excel ile veri madenciliği işlemlerinin yapılabilmesi için Excel veri madenciliği eklentisinde bulunan veri model-
1 gerekli yazılımların kurulumlarını yapmak. 3 leme sihirbazlarını kullanmak.
Microsoft Excel’in veri madenciliği eklentisinden ya- Excel, veri madenciliği işlemlerinin gerçekleştirile-
rarlanabilmek için üç yazılımın mevcut olması gerek- bilmesi için 5 farklı veri madenciliği model sihirbazı
mektedir. Bunlar; 2007 ve sonrası sürüme sahip bir sunmakla beraber kullanıcıların kendi modellerini
Microsoft Ofis yazılımı, Microsoft SQL Server 2005 oluşturmasına da imkân tanımaktadır. Classify sihir-
ya da sonrası bir sürümü ve Microsoft Excel’in Data bazı; verilerin sınıflandırılarak kategorik sonuçların
Mining eklentisidir. Öncelikle “Microsoft SQL Ser- tahmin edilmesinde, Estimate sihirbazı; sayısal değer-
ver 2012 Data Mining Add-ins for Office” yazılımının lerin bulunduğu veri setinden trendleri çıkararak bir
kurulması gerekmektedir. İlgili Setup menüsündeki tahminleme işleminin gerçekleştirilmesinde, Cluster
adımlar izlenir. Kurulum gerçekleşince Excel’de Data sihirbazı; verilerin benzer karakteristik özelliklerin-
Mining sekmesi ve şeridi görüntülenir. Daha sonra den yola çıkarak farklı veri gruplarının oluşturulma-
SSAS kurulumuna geçilir. Arayüz bileşenleri izlene- sında, Associate sihirbazı; verilerin birlikte görülme
rek SSAS kurulumu tamamlandıktan sonra Microsoft sıklıklarından yola çıkarak veriler arasındaki ilişkile-
SQL Server indirilip uygun lisans seçeneği ile kurulur. rin anlamlandırılmasında ve Forecast sihirbazı; zaman
Kurulum esnasında bir dizi kuralın yapılandırılması serilerinden yola çıkarak geleceğe yönelik öngörüle-
gerekir. me işlemlerinin yapılmasında kullanılmaktadır. Bun-
lara ek olarak, Advanced altında bulunan sihirbazlar
Excel ile veri madenciliği işlemlerini gerçekleştirmek ile yeni bir veri madenciliği yapısı oluşturmak (create
2 için veriyi hazırlamak. mining structure) ve mevcut yapıya yeni modeller ek-
Excel, veri madenciliği işlemlerinin daha sağlıklı lemek (add model to structure) de mümkündür.
bir şekilde yapılabilmesi için verinin, kullanılması
planlanan veri madenciliği modelleri doğrultusun- Excel’de bulunan veri madenciliği modellerinin doğru-
da gözden geçirilmesine ve düzenlenmesine olanak 4 luğunu ve geçerliliğini test etmek.
sağlamaktadır. Excel’in Data Mining sekmesi altında Kullanılan veri madenciliği modellerinin doğruluğu-
bulunan Data Preparation grubundaki sihirbazlar nun ve geçerliliğinin test edilmesi modellerin hayata
verinin madencilik işlemlerine hazırlanması sürecine geçirilmesi konusunda alınan riskleri büyük ölçüde
katkıda bulunmaktadır. Explore Data sihirbazı; ve- azaltmaktadır. Excel, bu iş için 4 farklı sihirbaz sun-
rinin işlemlere başlamadan önce daha iyi bir şekilde maktadır. Accuracy Chart sihirbazı, kullanılan bir veri
anlaşılmasını, Clean Data sihirbazı; verinin aykırı de- madenciliği modelini farklı veri setleri ile test ederek
ğerlerden (outliers) arındırılmasını ve yeniden etiket- tutarlılığı analiz etmede kullanılmaktadır. Classifi-
lenebilmesini (re-label) sağlamaktadır. Ayrıca Sample cation matrix sihirbazı, veri madenciliği modelinin
Data sihirbazı yardımı ile veri, istenilen oranlarda kestirimlerinin tutarlılığını bir çizelge ile değerlen-
rastgele (random sampling) ya da amaçlı bir şekilde direbilmektedir. Profit Chart sihirbazı, bir işletmenin
(oversampling) örneklendirilerek; veri madenciliği iş- hangi müşteri ile irtibatı geçildiği takdirde ne denli
lemlerinin, amacı doğrultusunda, daha tutarlı sonuç- bir kâr artışı beklendiğini grafiğe dökmektedir. Cross-
lar üretmesi sağlanmaktadır. Validation sihirbazı ise bulunan farklı sonuçları kar-
şılaştırarak bu karşılaştırmalardan bir rapor oluştur-
maktadır.
212 İşletme Analitiği
Kendimizi Sınayalım
1. Aşağıdakilerden hangisi Microsoft Excel ile veri maden- 5. Sınıflandırma modeli ile ilgili olarak aşağıdaki ifadeler-
ciliği işlemlerinin gerçekleştirilebilmesi için kesinlikle gerek- den hangisi doğrudur?
li olan Microsoft yazılımlarından biridir? a. Veriler arasındaki birliktelik ilişkilerini tespit et-
a. Office Visio mektedir.
b. Visual Studio b. Excel’de oluşturulan bir sınıflandırma modeli, bir
c. SQL Server Analysis Services alanda bulunan değerleri, veri setindeki diğer alanlar-
d. SQL Server Management Studio da bulunan değerlere bağlı olarak tahmin etmektedir.
e. Office Access c. Modelinin uygulanacağı veri seti, kesinlikle bir du-
rum serisi alanı içermelidir.
2. Aşağıdakilerden hangisi Data Aşağıdakilerden hangisi d. Modelin kullanılması sonucunda tahminlenecek
Preparation (verinin hazırlanması) bölümü altındaki sihir- alanlar her zaman sayısal olmalıdır.
bazlar aracılığıyla yapılan aşağıdaki işlemlerden biridir? e. Model için kullanılacak olan kaynak veri tablosu
a. SSAS ile bir bağlantı kurulabilir. kesinlikle bir transaction table şeklinde tasarlanmış
b. Veri seti içerisindeki aykırı değerler tespit edilebilir. olmalıdır.
c. Veri setindeki bir alanda bulunan sayısal değerler tes-
pit edilerek bu değerler istenilen sayı ile matematiksel 6. “Bebek bezi satın alanların %25’inin pil de satın alması”
işlemlere sokulabilir. gibi bir durumun hangi veri modelleme sihirbazı yardımıyla
d. Geçici veri madenciliği modelleri oluşturulabilir. tespit edilmesi daha uygundur?
e. Geçici veri madenciliği modelleri daha sonra kulla- a. Association sihirbazı
nılmak üzere kayıt edilebilir. b. Classify sihirbazı
c. Cluster sihirbazı
3. Aşağıdaki durumlardan hangisine sahip bir veri, bulun- d. Estimate sihirbazı
duğu alan (sütun) için aykırı bir değer olarak nitelendiril- e. Forecast sihirbazı
memelidir?
a. Beklenilen aralığın dışında bir değer olma durumu 7. “Kız öğrenciler pembe renk silgi satın alırlar, erkek öğ-
b. Dağılımda çok sık yer alma durumu renciler ise beyaz renk silgi satın alırlar” gibi bir durumun
c. Model dağılımını ciddi bir şekilde etkileme durumu hangi veri modelleme sihirbazı yardımıyla tespit edilmesi
d. Yazılmamış olma durumu daha uygundur?
e. Yanlış yazılmış olma durumu a. Association sihirbazı
b. Classify sihirbazı
4. Aşağıdakilerden hangisi Data Modeling (verinin mo- c. Cluster sihirbazı
dellenmesi) bölümü altında yer alan sihirbazlardan biri de- d. Estimate sihirbazı
ğildir? e. Forecast sihirbazı
a. Associate sihirbazı
b. Classify sihirbazı 8. Profit chart sihirbazı ile ilgili olarak aşağıdaki ifadeler-
c. Estimate sihirbazı den hangisi yanlıştır?
d. Cluster sihirbazı a. Bir işletme senaryosundaki beklenen kar artışını gör-
e. Cross-validation sihirbazı sel olarak ifade etmektedir.
b. Tipik bir kar grafiğinde, irtibata geçilen müşteri sayı-
sı arttıkça kar düzeyinde artış beklenmektedir.
c. Tipik bir kar grafiğinde, kar düzeyinde artış kırılma
noktasına kadar olmaktadır.
d. Sihirbaz tarafından oluşturulacak olan grafikte Y ek-
seni kar düzeyini ifade eder.
e. Sihirbaz tarafından oluşturulacak olan grafikte X ek-
seni irtibata geçilecek müşteri sayısının toplam müş-
teri sayısına oranını ifade eder.
8. Ünite - İşlemtabloları ile Veri Madenciliği 213
Sıra Sizde 3
Bir birliktelik analizinde, veri setinde tanımlanmış olan iş-
lemlerde birlikte daha sık görülen ögelerin bağıl önemi daha
yüksek olmaktadır. Böyle bir durumda da ilgili ögeler arasın-
da güçlü bir ilişki olduğunu söylemek yanlış olmaz. Birlikte-
lik modelleri oluşturulurken, ögelerin kaç kez birlikte görül-
mesi gerektiğinin belirlenebilmesi bağıl önemi yüksek olan
ögelerin kolayca tespit edilmesini ve diğer ögelerin sonuçlar
arasında yer almamasını sağlamaktadır.