Sayi9kasimaralik

Kasım-Aralık 2012 Yıl : 2 Sayı : 9
Karar Destek Sistemleri “çevrimiçi analitik proses
(on-lineanalyticprocessing, OLAP) ve bağıl OLAP
(Relative OLAP, ROLAP) için hazırlanır. ROLAP ise,
çok boyutlu analiz içindir. ROLAP veri tabanları özelliklere
(değişken) göre mantıksal sıralanmış ve boyuta
göre örgütlenmiştir. Kavramsal çerçevesi “veri
kübü”ne, çok boyutlu çapraz çizelgelere benzer. RO-
LAP şu tipte sorguları cevaplayabilir:
• Büyük Kaliforniya şehirlerindeki alışveriş merkez
lerindeki dükkanların spor giyim bölümlerinde ilk
bahar döneminde yapılan toplam satışları göster.
• Bunu küçük şehirlerdeki ile karşılaştır.
• Kâr oranı negatif olan ürünleri göster.
ROLAP sorguları kullanıcı tarafından elle girilir. Kullanıcı
muhtemel olarak ilgili soruları formüle eder.
Sonuçlar yeni soruları, ve yeni sorular yeni sorguları
doğurabilir. Bu çözümleme ilginç yeni bir soru kalmayıncaya
ya da çözümleyici yoruluncaya, ya da mesai
bitene kadar devam edebilir. VM, ROLAP ile yapılabilir
ama bu (Parsaye’ye göre) “uyumayan ya da yaşlanmayan”
sofistike bir kullanıcı gerektirir. Kullanıcı
sürekli bilgi verici sorgular bulmalıdır.
AKADEMİK
VM, kullanıcıdan ancak kaba komutlar alan, kendi
kendine otomatik olarak örüntüler arayan ve önemli
kalemleri, tahminleri ya da anormallikleri gösteren,
bir VM (yazılım) programı ile de yapılabilir.
• Negatif kâr oranlı ürünlerin özellikleri nedir?
• Bir ürünü piyasaya sürdüğümüzde, kâr marjı ne
olabilir (tahmin)?
• Kâr marjı doğruya yakın tahmin edilebilecek bü
tün ürünlerin özelliklerini bul.
Çok büyük veri tabanlarının hepsi (VeryLarge Data
Bases, VLDB) ticarî değildir. Bilim ve mühendislik bu
örneklerle doludur. Bunlar genel olarak bilgisayarlı
otomatik veri toplamayla alakalıdır.
• Astronomik (gökyüzü haritaları)
• Meteorolojik (Hava kirliliği izleme istasyonları)
• Uydu uzaktan algılama
• Yüksek enerji fiziği
• Endüstriyel proses kontrolü
Bu çeşit veri de (prensip olarak) VM teknolojisinden
faydalanabilir.
VM üzerine odaklanan ilgi çeşitli faktörlerin bir araya
gelmesi nedeniyledir. Ticarî veriler, depolar, bilim ve
mühendislikteki bilgisayarlı otomatik veriler gibi çok
büyük veri tabanlarının ortaya çıkması gibi. Bunlara,
daha hızlı ve büyük bilgisayarların ve paralel mimari
gibi bilgisayar teknolojisindeki gelişmeler eşlik etmektedir.
Bütün bunlar büyük miktarda veriye hızlı
erişim ve veri üzerinde hesap yoğun istatistikî yöntemler
uygulanmasına izin verir.
4. VM Entelektüel Bir Disiplin midir?
VM’deki güncel ilgi, akademinin bazı sorular sormasına
yol açmıştır. VM uygun bir ticarî girişim gibi
görünse de, bir entelektüel disiplin olup olmadığı
sorulabilir. Bilgisayar bilimindeki ilgili alanlarda daha
önemli gelişmeler olmuştur. Bazıları şunlardır:
• Toplam büyüklüklerin etkin hesaplaması (ROLAP)
• Hızlı CUBE-BY (XxX) sorguları
• Çevrimiçi sorguları hızlandırmak için (seçilmiş)
çevrimdışı ön hesaplar
• Çevrimiçi sorguların paralel hesaplaması
• VM algoritmalarının VTYS’ne doğrudan arayüzle
bağlanması
• RAM tabanlı uygulamalara karşı sabit disk kullanı
mı
• Temel VM algoritmalarının paralel uygulamaları
VM yönteminin istatistikî veri çözümlemesi perspektifinden
entelektüel bir disiplin olup olmadığı
sorulabilir. Şimdilik cevap şudur: Henüz değil. VM
paketleri makine öğrenimi, örüntü tanıma, sinir ağları,
ve veri görselleştirme gibi alanlardan iyi bilinen
prosedürleri uygular. Grafik Arayüz (“bak ve hisset”)
ve işlevselliğin varlığını vurgular. Performans önemli
değil gözükmektedir (Cihazın içinde ne var?) Amaç
pazarı hızlıca ele geçirmektir. Bu alandaki akademik
çalışmalar daha çok, güncel makine öğrenimi ve var
olan algoritmaların hızlandırılması için artımlı tadilat-
lara odaklanmıştır. Yine de gelecekte verilebilecek
cevap şudur: Şüphesiz evet!.
Teknolojinin verimlilik anlamında her bir ona katlanışında,
bunun nasıl uygulanacağı düşünülmelidir. Yürümekten,
araba sürmeye, oradan uçmaya giden tarihsel
gelişimi düşünün. Her artış kabaca on katlık bir
artıştır. Yine de bu gibi her nicel artış ulaşım hakkında
toplumumuzdaki fikirleri tamamen değiştirmiştir.
Chuck Dickens’ın (SLAC Muhasebe Bölümü’nün eski
Direktörü) dediği gibi: “Hesap gücümüz her on katına
çıktığında, neyi nasıl hesaplamak istediğimizi yeniden
düşünmeliyiz.” Bunun bir sonucu da şudur: Veri
miktarındaki her on katlık artışta, nasıl çözümleme
yaptığımızı yeniden düşünmeliyiz. Hem hesaplama
gücü hem de veri miktarı kat be kat artarken, neredeyse
VM araçlarının tamamı baştan icat edilmektedir.
Yeni VM yöntemleri için entelektüel ve akademik
(ve tabii ki ticarî) bir gelecek bekleyebiliriz.
5. VM İstatistiğin bir parçası olmalı
mıdır?
VM yöntemindeki gelişimin entelektüel uygulanabilirliğini
teslim etsek bile, bir disiplin olarak istatistiğin
bununla beraber düşünülmesi gerekir mi? Bunu alanımızın
bir parçacı olarak düşünebilir miyiz? Bu ne
anlama gelmektedir? En azından yapılması gerekenler
şunlardır:
• Dergilerimizde bu konu ile ilgili makaleler yayınla
malı,
• Lisans programlarımzıda VM pratiğini öğretmeli,
• Yüksek lisans programlarımızda ilgili araştırma
konularını öğretmeli,
• Alanın uzmanlarını tanımalıyız (iş, kadro ve ödül
ler).
Cevap gene de açık değildir. Bir alan olarak istatistiğin
uzun tarihinin, diğer veri ile ilgili alanlarda geliştirilen
faydalı yöntemleri göz ardı ederek, bir kataloğu
yapılabilir. Bunlardan bazıları ilgili alanları ile birlikte
aşağıda listelenmiştir. Yanında * olanlar, çoğu zaman
alanımızda göz ardı edilmiştir:
28 29