Çok kriterli karar verme ve yapay zeka teknikleri ile bulut servisi seçimi

Abstract

Bu tez, bulut servisi seçim sürecinde Çok Kriterli Karar Verme (ÇKKV) yöntemleri ve yapay zeka tekniklerinin kullanımını incelemektedir. Günümüzde bulut bilişim, işletmelerin dijital dönüşümünde kritik bir rol oynamaktadır ve doğru bulut servisi sağlayıcısını seçmek, organizasyonların operasyonel verimliliği için önemlidir. Ancak, bulut servisi seçiminde çok sayıda kriter ve alternatif bulunması, karar verme sürecini karmaşık hale getirmektedir. Bu çalışma, en uygun bulut hizmet sağlayıcısının belirlenmesi amacıyla gerçekleştirilmiştir. Bilgi teknolojileri alanında çalışan 6 uzman ile yapılan beyin fırtınası ve literatür taraması sonucunda, bulut hizmet sağlayıcısı seçiminde önemli olan 8 temel ölçüt Maliyet, Kullanıcı Dostu Arayüz ve Yönetim Araçları, Veri Yedekleme ve Kurtarma, Güvenlik, Entegrasyon, Destek ve Müşteri Hizmetleri, Performans, Uyumluluk belirlenmiştir. Tezde, bulut servisi seçim sürecinde ÇKKV yöntemlerinden AHP ve TOPSIS kullanılmıştır. AHP ile kriter ağırlıkları belirlenerek TOPSIS yöntemi ile en uygun bulut hizmet sağlayıcısı seçilmiştir. Bulut hizmet sağlayıcısı tahmininde makine öğrenmesi yöntemleri karşılaştırmalı olarak incelemiştir. Çalışmada, k-Nearest Neighbors, Random Forest, Neural Network ve Gradient Boosting algoritmaları tercih edilmiştir. Sonuçlara göre, MAE, MAPE ve RMSE kriterlerine göre en iyi tahmin yöntemi olarak kNN belirlenmiştir. Bu yaklaşım, karar vericilere, kriterler arasındaki dengeyi sağlamak ve büyük veri kümeleri üzerinde daha doğru analizler yapmak için kapsamlı bir çerçeve sunar. ÇKKV yöntemleri, kriterlerin önem derecelerini ve alternatiflerin sıralamasını belirlerken; yapay zeka teknikleri tahminleme yapar. Araştırmanın uygulama kısmında, bulut servis sağlayıcılarının değerlendirilmesi için veri toplama, ÇKKV ve yapay zeka yöntemlerinin uygulanması adımları detaylı olarak ele alınmıştır. Elde edilen sonuçlar, önerilen yaklaşımın, bulut servisi seçiminde daha hızlı, doğru ve etkili sonuçlar sağladığını göstermektedir. Sonuç olarak, bu tez bulut servisi seçimi gibi karmaşık karar verme süreçlerinde ÇKKV ve yapay zeka tekniklerinin nasıl kullanılacağına dair değerli bir yöntem sunmakta ve bu yaklaşımın avantajlarını, sınırlamalarını belirlemekte, ayrıca gelecekteki çalışmalar için önerilerde bulunmaktadır. Bu yaklaşım, işletmelerin bulut hizmetlerini daha etkin bir şekilde seçmelerine yardımcı olarak, daha verimli ve rekabetçi bir dijital ortam yaratmalarına katkı sağlamayı amaçlamaktadır.This thesis investigates using multi-criteria decision-making (MCDM) methods and artificial intelligence techniques in the cloud service selection process. Today, cloud computing plays a critical role in the digital transformation of businesses, and selecting the right cloud service provider is vital for the operational efficiency of organizations. However, numerous criteria and alternatives in cloud service selection make the decision-making process complex. This study aims to identify the most suitable cloud service provider. Through brainstorming with six experts in information technology and a literature review, eight key criteria were identified as important in selecting a cloud service provider: Cost, User-Friendly Interface and Management Tools, Data Backup and Recovery, Security, Integration, Support and Customer Services, Performance, and Compliance. This thesis employed the AHP (Analytic Hierarchy Process) and TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) methods from MCDM techniques in the cloud service selection process. AHP was used to determine the criteria weights, and TOPSIS was applied to select the most suitable cloud service provider. Machine learning methods for predicting cloud service providers were also compared. The k-Nearest Neighbors, Random Forest, Neural Network, and Gradient Boosting algorithms were selected for this comparison. According to the results, kNN was identified as the best prediction method based on the MAE, MAPE, and RMSE criteria. This approach provides a comprehensive framework for decision-makers to balance criteria and perform more accurate analyses on large datasets. While MCDM methods determine the importance of criteria and rank the alternatives, artificial intelligence techniques are used for prediction. In the application section of the study, the steps for data collection, the application of MCDM, and artificial intelligence methods for evaluating cloud service providers were discussed in detail. The results show that the proposed approach provides faster, more accurate, and effective outcomes in cloud service selection. In conclusion, this thesis offers a valuable methodology for utilizing MCDM and artificial intelligence techniques in complex decision-making processes such as cloud service selection. It highlights the advantages and limitations of this approach and provides recommendations for future research. The methodology aims to assist businesses in selecting cloud services more effectively, creating a more efficient and competitive digital environment.