İş Zekası Tarihini Keşfetmek

İş Zekası Nedir?

Günümüzde özünde bilgi teknolojisi ile ilişkilendirilen bir terim olan iş zekası (BI), 150 yılı aşkın bir süredir gelişmektedir. Kökenleri bilgisayarların icadından önceye dayansa da, BI ancak yaygınlaştıktan sonra alaka düzeyi arttı ve gelişimi bilgisayarların ve veritabanlarının evrimi ile eşleştirildi.

Kalem ve Kağıt Kullanımı

"İş zekası" teriminin ilk kullanımı, ilk kez 1865'te yayınlanan Cyclopadia of Commercial and Business Anecdotes adlı kitabında geniş ölçüde Bay Richard Miller Devens'e atfedilir. O, bunu başarılı bir bankacı olan Sir Henry Furnese'nin nasıl kâr ettiğini anlatmak için kullandı. rekabetinden önce aktif olarak toplayarak ve üzerinde hareket ederek bilgiden. Bu, bir iş stratejisi geliştirmek için içgüdüsel olmaktan ziyade verileri ve deneysel kanıtları kullanmanın daha güvenilir olduğuna işaret etti. Fikir, bilgide değer gören başkaları tarafından daha da geliştirildi.

1800'lerin son on yılında, Frederick Taylor Amerika Birleşik Devletleri'nde ilk resmi iş analitiği sistemini tanıttı. Bilimsel yönetim sistemi, endüstriyel üretimi artıran daha fazla verimlilik bulmak için üretim tekniklerini ve işçilerin vücut hareketlerini analiz eden zaman çalışmalarıyla başladı.

Taylor, 1900'lerin başında Ford Model T'nin her bir bileşeninin montaj hattında tamamlanması için geçen süreyi ölçmeye başlayan Henry Ford'un danışmanı oldu. Çalışmaları ve başarısı, dünya çapında imalat endüstrisinde devrim yarattı. Yine de bunun için kalem ve kağıt kullandı.

İş Zekası Bilgisayarlardan Güçleniyor

Elektronik bilgisayarlar 1930'larda embriyonik haldeydi, ancak müttefiklerin Alman kodlarını kırma çabalarının bir parçası olarak II. Dünya Savaşı sırasında hızla geliştirildi.

1950'lere kadar bilgisayarlar, verileri depolamak için çoğunlukla delikli kartlara veya delikli bantlara güveniyordu. Bunlar, bilgisayarlar tarafından işlenecek bilgileri depolayan, içlerinde küçük delikler bulunan devasa kart yığınlarıydı. Ancak 1956'da IBM, daha fazla erişim esnekliği ile büyük miktarda bilgiyi depolamayı mümkün kılan ilk sabit disk sürücüsünü icat etti.

Bundan kısa bir süre sonra, 1958'de IBM araştırmacısı Hans Peter Luhn, A Business Intelligence System adlı tarihi bir makale yayınladı. Belgelerin “ilgi profillerine” dayalı “eylem noktalarına” “seçici bir şekilde dağıtılması” için bir sistemin potansiyeli hakkında teori yaptı. Bilgi sistemlerinin kullanıcı ilgi alanlarına göre öğrenme ve tahmin etme yeteneği olarak, günümüzde son teknoloji olan birkaç iş zekası trendini öngördüğü için, çalışmaları bugün bile dikkate değer bir öneme sahiptir. Bugün buna makine öğrenimi diyoruz. Luhn, halk arasında iş zekasının babası olarak tanınır.

Luhn tarafından önerilen konsept, ilgili birkaç kişinin dikkatini çekmiş olsa da, fikrin herhangi bir pratik kullanım için o sırada çok pahalı olduğu düşünülüyordu. Bunu ekonomik olarak uygulanabilir bir çözüm haline getirmek için daha fazla teknolojik ilerleme gerekiyordu.

Sonraki on yılda, bilgisayar kullanımı patladı, her bilgisayarın bir binanın tüm katını kaplayan devasa bir makine olduğu ve düzgün çalışması için birkaç yüksek vasıflı mühendis tarafından yönetilmesi gerektiği düşünüldüğünde bile. Uzmanlar, verilerden sonuç çıkarmak için bilgisayar kullanma fikrini yeniden ele aldılar, ancak asıl sorun, tüm verileri tek bir yerde bir araya getirmek için merkezi bir yöntemin olmamasıydı. Veriler tek başına herhangi bir içgörü oluşturamadı. Bu zorluğu çözmek için ilk veritabanı yönetim sistemleri tasarlandı. Daha sonra bunlara basitçe veritabanları denecekti. Bu ilk nesil, ikili ağaç stratejisi kullanarak ilk veritabanı aramalarına izin verdi. Bu strateji, o zamanlar birkaç sorunu çözmüş olsa da, günümüzde çok ağır ve verimsiz olarak kabul ediliyor. Buna rağmen, bunu karşılayabilen şirketler için bu yeni araç değerini sağladı ve sonunda mevcut verilerden sonuçlar çıkarmak için kullanıldı.

BI Teknolojileri İyileşiyor: Büyük Oyuncular Sahaya Giriyor

1970 yılında IBM'den Edgar Codd, Büyük Paylaşılan Veri Bankaları için İlişkisel Veri Modeli adlı bir makale yayınladı. Verileri depolamak ve işlemek için çok daha geniş bir kapasiteye izin vererek yeni nesil ilişkisel veritabanlarının yolunu açtı. Ancak garip bir hareketle IBM, mevcut veritabanı sistemlerinin gelirini korumak için Codd'un tasarımını uygulamaktan kaçındı. IBM, ancak rakipler bunları uygulamaya başladıktan sonra izledi.

Bu zamana kadar, ilk iş zekası sağlayıcılarının ortaya çıkmasına izin verecek kadar bir pazar vardı. Bunlar arasında SAP, Siebel ve JD Edwards vardı. O zamanlar bunlara karar destek sistemleri (DSS) deniyordu.

Bu noktada büyük sorun, bu veritabanlarının “silo” sorunlarından muzdarip olmasıydı. Çok tek boyutlu olmaları nedeniyle kullanımlarının esnekliği çok sınırlıydı. Bir veri tabanının şehirleri “OH, NJ ve NY” olarak kodlarken diğerinin “Ohio, New Jersey ve New York” olarak kodlaması gibi basit sorunlar bile çapraz referanslamayı göz korkutucu bir görev haline getirdi.

Yine de, verilerin kârlı kullanımına ilişkin daha başarılı vakalar ortaya çıktı. Zamanın en ünlülerinden biri Nielsen'den geldi. Seyirci ölçümleri için kullanılan Nielsen derecelendirmesi olarak bilinen pazarlama aracı, bir televizyona bağlanan ve hangi kanalı kaydeden Audimeter adlı bir cihaz kullanarak belirli bir TV şovunu herhangi bir zamanda kaç kişinin izlediğini ölçmek için kullanıldı. izleniyordu.

Nielsen derecelendirmeleri, TV endüstrisinde en çok bakılan ulusal derecelendirme raporu olarak kabul edildi. Ancak yılda dört kez, Nielsen derecelendirmelerinin bildirilmediği “kara haftalar” olacaktı. Bu "kara haftalarda" reytingleri ölçmenin güvenli bir yolu olmadığından, TV ağları programlarını tekrarlarla doldurdu.

Hem sektör hem de izleyiciler “kara haftalara” zaten alışmıştı, ancak Eylül 1973'te sona erdi. Nielsen, 1.200 haneyi doğrudan şirketin Florida'daki iş zekası bilgisayarına bağlayan Depolama Anlık Audimetresini (SIA) tanıttı. Şirketin eski sistemine göre aldığı bir ila iki haftadan çok daha kısa sürede, yalnızca 36 saat içinde ulusal derecelendirme üretebilirdi. Ulusal derecelendirmeler haftanın her günü, yılın her haftası mevcut olacaktır. Artık “kara haftalara” ihtiyaç yoktu ve veriler çok daha erişilebilirdi.

70'lerin sonlarına doğru, Larry Ellison ve iki arkadaş, Oracle veritabanının ilk ticari sürümünü yayınladı. Piyasadaki ilk gerçek ilişkisel veritabanı yönetim sistemiydi ve o zamana kadar kullanılan hiyerarşik veritabanları ve ağ veritabanlarının yerini alan daha sağlam bir yapı için çok daha esnek aramalara izin veren fikirlerin yerini aldı. Bu teknoloji, gelecek on yıllarda BI'ın tarihini ve eğilimlerini belirleyecektir.

BI Büyüyor: Daha Fazla Alana İhtiyacımız Var!

Depolama alanı için daha düşük fiyatlar ve yeni nesil iş zekası çözümleri için daha iyi veri tabanları sağlandı. Ralph Kimball ve Bill Inmon, işletmenin tüm verilerinin aynı yerde bulunması problemine analiz edebilmek için farklı fakat benzer iki strateji önermişlerdir. Bunlar veri ambarlarıydı (DW). Inmon, birçok kişi tarafından veri ambarının babası olarak tanınır.

Veri ambarları, diğer veri kaynaklarından (çoğunlukla diğer veritabanlarından) çok sayıda veriyi toplamak için tasarlanmış veritabanlarıdır ve bu farklı kaynaklara çapraz referans verme yeteneği ile çok daha derin bir analize olanak tanır. Ancak yine de çok teknik ve pahalıydı. Raporların bir dizi pahalı BT teknik personeli tarafından çalıştırılması ve sürdürülmesi gerekiyordu.

O sırada üst yönetim, Crystal Reports ve Microstrategy gibi BI çözümlerinin çıktılarıyla yaşayacaktı. Ve elbette, Microsoft Excel (1985'te piyasaya sürüldü) vardı. İş zekası artık karar verme süreci için mevcut araçların ayrılmaz bir parçasıydı.

1989'da Gartner Group'tan Howard Dresdner, "gerçeklere dayalı destek sistemlerini kullanarak iş karar verme sürecini iyileştirmeye yönelik kavram ve yöntemleri" tanımlamak için bir şemsiye terim olarak kullanarak "iş zekası" teriminin popülerleşmesine katkıda bulundu.

İş Zekası 1.0

90'larda, pazara daha fazla rakibin girmesi ve daha fazla BT uzmanının teknolojiyle tanışması nedeniyle veri ambarı maliyetleri düştü. Bu, “Business Intelligence 1.0” dönemiydi.

Veriler artık yalnızca üst yönetimin değil, genel olarak şirket personelinin erişimine açıktı. Ancak bu noktada sorun, yeni sorular sormanın hala çok pahalı olmasıydı. Bir soru "mühendislik" oluşturulduğunda, yanıt hızlı bir şekilde elde edilebilirdi, ancak bu yalnızca o soru içindi.

Bu çabayı azaltmak için, farklı sorguların sürecini hızlandırmak için bazı yeni araçlar ve "yapı taşları" geliştirildi:

• ETL (çıkarma, dönüştürme ve yükleme), bir veri ambarı içindeki veri akışını tasarlamayı kolaylaştıran, programlama diline benzer bir dizi araçtı.
• OLAP (çevrimiçi analitik işleme), sorgulanan veriler için farklı görselleştirme seçenekleri oluşturmaya yardımcı olarak, analistlerin eldeki bilgilerden daha iyi sonuçlar çıkarmasını sağladı.

Bugüne kadar hem ETL hem de OLAP araçları, iş zekası çözümlerinin hala çok önemli bir parçasıdır.

Bu aynı zamanda kurumsal kaynak planlama (ERP) sistemlerinin popüler hale geldiği dönemdi. Bunlar, bir işletmenin çeşitli yönlerini yönetmek ve otomatikleştirmek için uygulamaları entegre eden devasa yönetim yazılımı platformlarıdır. Ayrıca veri ambarları için yapılandırılmış veriler sağladılar ve sonraki yıllarda dünyadaki her büyük şirketin kalbi haline geleceklerdi.

1995'te Microsoft, ilk "kullanıcı dostu" işletim sistemi olan Windows 95'i piyasaya sürdü ve bilgisayarlar yaygın ev eşyaları haline geldi. Bu, insanların sonraki on yıllar boyunca verileri nasıl ürettikleri ve tükettikleri üzerinde derin bir etkiye sahip olacaktır.

BI Bozuldu: Yeni Binyılda Veri Patlaması

2000 yılına gelindiğinde, iş zekası çözümleri orta ve büyük ölçekli tüm işletmeler için “olmazsa olmaz” olarak zaten kurulmuştu. Artık yaygın olarak rekabetçi kalmak için bir gereklilik olarak görülüyordu.

Çözüm sağlayıcılar açısından bakıldığında, çözümlerin bolluğu IBM, Microsoft, SAP ve Oracle gibi birkaç büyük rakibin elinde birleşmeye başladı.

Bu dönemde birkaç yeni kavram ortaya çıktı. Veri ambarlarını güncel tutmanın zorluğu, bazı şirketlerin yaklaşımlarını yeniden düşünmelerine ve DW'lerini “tek gerçek kaynağına” dönüştürmelerine neden oldu. Halihazırda var olan veriler için, diğer programlar kendi bilgilerini kullanmak yerine DW tarafından sağlanan bilgileri kullanacak ve böylece çoğu veri uyumsuzluğu sorununu ortadan kaldıracaktır. Söylemesi yapmaktan daha kolaydı ve birçok teknik zorluk sağladı. Ancak konsept o kadar faydalıydı ki, sonraki yıllarda piyasadaki mevcut çözümler bu stratejiyi uygulamaya adapte olacaktı.

Veriler gitgide daha bol hale geldikçe ve BI araçları kullanışlılıklarını kanıtladıkça, geliştirme çabası bilginin kullanılabilir hale gelme hızını artırmaya ve bilgiye erişimin karmaşıklığını azaltmaya yöneldi. Araçların kullanımı daha kolay hale geldi ve teknik bilgisi olmayan kişiler artık teknik desteğin yardımı olmadan kendi başlarına veri toplayabilir ve içgörüler elde edebilirler.

2000'li yılların başında, sosyal ağ platformlarının patlaması, genel kamuoyunun fikirlerinin internette serbestçe erişilebilir olmasının yolunu açtı ve ilgili taraflar verileri toplayabilir (veya “benim”) ve analiz edebilirdi. 2005 yılına gelindiğinde, iş dünyasının artan birbirine bağlılığı, şirketlerin olaylardan gelen verilerin gerçek zamanlı olarak olduğu gibi veri ambarlarına dahil edilebileceği gerçek zamanlı bilgilere ihtiyaç duyması anlamına geliyordu.

Bu, kullanıcıların web sitesi verilerini analiz etmeleri için ücretsiz bir yol sağlayan Google Analytics'in tanıtıldığı yıldır. Bu aynı zamanda büyük veri teriminin ilk kullanıldığı yıldır. O'Reilly Media'dan Roger Magoulas, bunu "geleneksel iş zekası araçlarını kullanarak yönetmesi ve işlemesi neredeyse imkansız olan geniş bir veri kümesi" için kullandı.

Bu katlanarak artan veri miktarını yönetmek için gereken ek depolama alanı ve bilgi işlem gücü ile başa çıkmak için şirketler başka çözümler aramaya başladı. Daha büyük ve daha hızlı bilgisayarlar inşa etmek söz konusu değildi, bu nedenle aynı anda birkaç makine kullanmak daha iyi bir seçenek haline geldi. Bu, bulut bilişimin tohumlarıydı.

BI'ın Çağdaş Kullanımları

Son 10 yılda büyük veri, bulut bilişim ve veri bilimi hemen hemen herkes tarafından bilinen kelimeler haline geldi. Bu son yıllarda hangi yeni gelişmelerin en etkili olduğunu kabul etmek şu anda zor. Ancak, modern analitik araçların artan gücünü gösteren birkaç ilginç vaka var.

Reklam, Çerezler ve AdTech

2012'de The New York Times, Target'in bir lise gencinin hamileliğini ebeveynlerinden önce yanlışlıkla nasıl keşfettiğini açıklayan bir makale yayınladı. Analizler yoluyla, birlikte satın alındığında bir kadının hamile olabileceğini gösteren 25 ürün belirlediler. Bu bilginin değeri, kadının alışveriş alışkanlıklarının değişebileceği bir dönemde Target'ın hamile kadına kupon gönderebilmesiydi.

Öfkeli bir baba Minneapolis'in dışındaki bir Hedefe girdi ve müdürü görmek istedi. Hala lisede olmasına rağmen kızının bebek kıyafetleri için kupon almasından şikayet etti. Yönetici şirket adına derinden özür diledi, ancak birkaç gün sonra baba özür dilemek için geri aradı: “Görünüşe göre evimde tam olarak farkında olmadığım bazı faaliyetler olmuş. Ağustosta bitiyor. Sana bir özür borçluyum."

Bu anekdot örneği, veri analitiğinin çağdaş gücünü göstermektedir.

Siyaset

Obama'nın yeniden seçim kampanyası stratejisi, ağırlıklı olarak analitik üzerine inşa edildi. Birçok uzman, başarısının ana nedenlerinden biri olarak buna işaret ediyor. Kampanya yöneticisi Jim Messina tarafından tasarlanan strateji, seçmenler hakkında veri toplamaya ve bunu seçmenlerin 1) oy vermek için kaydolmalarını, 2) Obama'ya oy vermeye ikna edilmelerini ve 3) seçim gününde oy kullanmaya gelmelerini sağlamak için kullanmaya odaklanmıştı. Yaklaşık 100 veri analisti, HP Vertica üzerinde çalışan ve R ve Stata ile kodlanmış bir ortam kullanarak çabanın bir parçası oldu.

Bu hedeflere ulaşmak için biri Airwolf olmak üzere çeşitli girişimler uygulandı. Saha ve dijital ekiplerin çabalarını entegre etmek için inşa edilen bu sistem, kapıdan kapıya bir kampanyada saha ekibi bir seçmenle temas kurduğunda, ilgi alanlarının kaydedilmesini ve böylece yerel organizatörlerden özel olarak uyarlanmış sık e-posta almalarını sağladı. her birinin favori kampanya konularına.

Doğru araçlar ve verilerle analistler, verilerin orijinal olarak nereden geldiğine bakmaksızın neredeyse her soruyu hızlı ve kolay bir şekilde yanıtlayabilir. Obama kampanyasının başarısı, büyük veri analitiği ortamlarını o zamandan beri her kampanya için standart bir gereklilik haline getirdi.

Bilim

İnsan Genom Projesi 2003 yılında tamamlandı, ancak birçok soruyu cevapsız bıraktı. İnsan DNA'sını oluşturan tüm nükleotid baz çiftleri dizisinin haritasını çıkarmasına rağmen, insan genetiğinin nasıl çalıştığını gerçekten anlamak daha yoğun bir çalışma gerektiriyordu ve bu, büyük veri için mükemmel bir uygulamaydı. Tipik bir insan genomu, her biri milyonlarca baz çiftinden oluşan 20.000'den fazla gen içerir. Basitçe bir genomun haritasını çıkarmak yüz gigabaytlık veri gerektirir ve birden fazla genomu sıralamak ve gen etkileşimlerini izlemek bu sayıyı birçok kez çoğaltır - bazı durumlarda yüzlerce petabayt.

Hayfa Üniversitesi'ndeki bilim adamları, 2016'da yayınlanan çalışmalarında analitik uygulayarak, genlerin "sosyal karakteri" olarak adlandırılan şeyi gözlemleyebildiler. Bilim adamlarının uzun zamandır anlamak istedikleri şey, karmaşık hastalıkların oluşumunda yer alan karmaşık genetik etkilerin iç işleyişidir. Bu hedef, belirli hastalıkların genetik ifadeleri genellikle birbiriyle etkileşime giren birkaç genetik belirteç kombinasyonundan geldiğinden özellikle zor olmuştur. Bu nedenle, araştırmacıların yalnızca tüm bir genetik diziyi taramaları değil, aynı zamanda birden fazla farklı gen arasındaki etkileşimleri de izlemeleri gerekecek.

Hala analiz edilecek çok sayıda veri olmasına rağmen, irili ufaklı çok sayıda genetik kusuru anlamanın ve iyileştirmenin yolu açılmıştır.

Öndeki yol

Artık Facebook'un fotoğraflarda yüzünüzü tanıyabileceği, Google'ın profilinize en uygun reklam türünü tahmin edebildiği, Netflix'in size hangi dizileri izleyeceğiniz konusunda önerilerde bulunabileceği bir zamana ulaştık. Sadece telefon hattının diğer tarafındaki biriyle değil, telefonunuzla da konuşabileceğiniz bir zamandır. Büyük miktarda veriyi işleyebilmek ve işleyebilmek, bu harikaların nasıl ortaya çıktığını anlamak için ilk adımdı.

Büyük veri hala büyüyen bir trend. Mevcut verilerin kabaca %90'ı son iki yılda oluşturulmuştur. 2010 yılında Techonomy konferansında Eric Schmidt, "Medeniyetin şafağı ile 2003 arasında tüm dünya tarafından yaratılan 5 exabayt bilgi vardı. Şimdi her iki günde bir aynı miktarda bilgi üretiliyor" dedi.

Bu kadar büyük miktarda veriyi işlemek hala birçok zorluğu beraberinde getiriyor. İş zekasının ilk ve en eski sorunlarından biri olan veri kalitesi, hala talep edilen bir alandır. Analitik, gerekli beceri seti, şirketlerin toplamakta olduğu yüksek veri yığınını anlamlandırmak için de yüksek talep görüyor. Artık analitik birçok çeşidi vardır: tanımlayıcı analitik, tahmine dayalı analitik, kuralcı analitik, akış analizi, otomatik analitik vb. modeller. Sonunda matematikçi olmanın havalı olduğu bir zaman geldi.

BI araçları artık genellikle sağlık, kanun yaptırımı vb. gibi belirli bir sektör düşünülerek tasarlanıyor. Artık birden fazla cihazda çalışıyor ve çeşitli görselleştirme araçları kullanarak herkesin etkileşimli görsel arabirimler aracılığıyla verilere akıl yürütme uygulamasına olanak tanıyor. Mobil BI artık bir gerçek.

Büyük veri, makine öğrenimi ve analitiğin güçlü yanlarını bir araya getirdiğinizde hayatınız gelecekte çok farklı olabilir. Belki de artık markete gitmeniz gerekmeyebilir; buzdolabınız, yeme alışkanlıklarınıza göre en çok ihtiyaç duyacağınız şeyleri sipariş edecektir. Muhtemelen, hasta olduğunuzu söylemek için doktorunuzu aramayacaksınız, çünkü daha ilk belirtileri hissetmeye başlamadan önce sizi arayacaklardır.

İnsanlık artık bilgi çağında yaşıyor ve iş zekası zamanımızın çok önemli bir özelliği ve her şeyi anlamamıza yardımcı oluyor. İş analitiği artık birçok üniversitede bir derece programı bile. İş zekasının tarihi oldukça yenidir ancak gün geçtikçe hızlanmakta ve yoğunlaşmaktadır. BI'ın en güzel günleri hala önümüzde.