Teknolojinin ilerlemesi, internetin gelişmesi ve sosyal medya devrimi sayesinde bilginin gücünün öne çıkması, iş yapma şeklimizi radikal bir şekilde gözden geçirmemizi ve konvansiyonel yapı ve yöntemlerden hızla uzaklaşmamızı gerektiriyor. Firmalar bir adım öne geçebilmek için fark yaratmak zorunda. Bunun için en ufak bir bilginin bile ne kadar önem taşıdığı anlaşılmış durumda. Buna karşılık esas uzmanlığı veri ve bunun analizi olan uzmanlar, yok denecek kadar az. Zamanında bilgi işlem verinin toplanmasına depolanmasına ve raporlanmasına yönelik olarak geliştiği için verinin kendisine yönelik uzmanlıklarda ciddi bir açık yaşanıyor.
Daha önce ancak yüksek maliyetli donanımlarla saklayabileceğimiz bu dev veriyi günümüzde daha az maliyetli, basit donanımların açık kaynaklı dağıtık dosya sistemleri ile birleştirilmesiyle oluşan dev veri çözümlerinde saklamak mümkün. Yani günümüzde teknolojinin gelişmesi, donanım fiyatlarının düşmesini “büyük veri”yi saklamayı bir sorun olmaktan çıkarmış gibi. Peki, bu dev boyuttaki veriler nasıl işlenebilir ve içinde gizli olan bilgiler deşifre edilecek? İşte burada veri analizi uzmanlığı devreye girecek.
VERİ BİLİMİ VE ANALİTİĞİ
Şirketler maalesef büyük veri analitiğine sıkça atıfta bulunarak katma değer ürettiklerini düşünüyorlar. Ancak uygulamada durum son derece farklı. Henüz emekleme aşamasında ve henüz verinin toplanması ve depolanmasının ötesine geçememiş durumda. Bu gidişle büyük veri yakın gelecekte etkisi azalarak yok olacak moda kavramlardan biri gibi duruyor. Artan veri hızına paralel olarak artmayan, yeterince gelişemeyen analiz yöntemleri büyük veriden ziyade büyük veri sorunlarının nasıl çözüleceğine odaklanacak.
Elde edilen verinin temizlenmesi, ayıklanması, sınıflanması oldukça önemli ve bir o kadar da uğraştırıcı. Ancak günümüz yazılım teknolojileri bu işi kolayca yapabiliyor. Ardından geçilen sorgulama süreci işin asıl para eden kısmı. Yani veriye soru sorma ve yanıtı alma maharet gerektiriyor. Söz konusu maharet başta teknik bilgi olmak üzere tüm bilim dallarından yararlanmayı gerektirebiliyor.
VERİNİN BİLGİYE DÖNÜŞTÜRÜLMESİ
Bundan 50 yıl önce de günümüzde de enformatiğin temel problemi, veriyi bilgiye dönüştürmek ve stratejik karar girdisi haline getirmek olmuştur. Zira veri hem zor elde edilen hem de dikkatle yorumlanması gereken bir hammaddedir. Veri analizinin günümüzün gelişmiş teknolojisini kullanarak daha hızlı ve etkili yapılabilmesi, işin özünü değiştirmiyor Buna karşılık büyük veri çözümlemeyle ilgili analitik teknikler çok ileri düzeyde matematik ve istatistik bilgisi gerektiriyor. Bu da söz konusu teknikleri sadece çok özel kişilerin ya da kurumların kullanabileceği ve yorumlayabileceği anlamına geliyor. Bu durum, reklamı yapılan ürünlerin ve teknolojilerin yaygın kullanımını ve yararını engelliyor. O zaman akla şu soru geliyor: Bu sorun ya da durum nasıl aşılmalı? Cevabı basit; “Veri analistlerinin katkılarıyla”
VERİ ANALİSTLERİ KRİTİK FAKTÖR
Sözkonusu veri analistlerinin temel işlevi, veriler içinde saklı olan gizemli ilişkileri yöneticinin kolayca anlayabileceği ve yorumlayabileceği bir formata dönüştürmek olacak. Bunun için en etkin yöntemin verileri çok boyutlu grafikler halinde yöneticilerin anlayabileceği şekle dönüştürmektir. Bu yaklaşım üst düzey matematik, istatistik ve enformatik becerilere olan gereksinimi de ortadan kaldıracaktır. Gerekli olan tek şey alışılan grafik tiplerinin dışındaki grafikleri (violin grafikler, radar grafikler, heatmap grafikler. matriks grafikler gibi) yorumlama becerileri edinmektir. Veri analistleri, bu şekilde yaptıkları analizleri üst yönetim ile haberleşebilmek için ikna edici görselleştirmelere çevirmeli, gerekirse yeni iş metrikleri tanımlayarak performans ölçüm sistemlerini önerebilmelidir. Bunların yanında veri analistleri veriler ile yapılan iş arasında karar vericiye destek olacak önerileri sunabilecek işletmecilik becerilerine de sahip olmalıdır.
BÜYÜK VERİNİN ANALİZİ VE GÖRSELLEŞTİRİLMESİ
Teknolojinin ilerlemesi, internetin gelişmesi ve sosyal medya devrimi sayesinde bilginin gücünün öne çıkması iş yapma şeklimizi radikal bir şekilde gözden geçirmemizi ve konvansiyonel yapı ve yöntemlerden hızla uzaklaşmamızı gerektiriyor. Firmalar bir adım öne geçebilmek için fark yaratmak zorunda ve bunun için en ufak bir bilginin bile ne kadar önem taşıdığı anlaşılmış durumda. Peki, bu kadar değerli olan bu veriler nasıl katma değer yaratan bie katife dönüşecek? İşte burada veri analizi veri madenciliği ve veri görselleştirme devreye giriyor.
Aslına bakarsanız bu veriler iş yapma süreçleri içinde artık rutin olarak oluşuyor. Hatta biz hergün bunun bir parçası oluyoruz. İnternette yaptığımız her tıklama çok önemli bir veri. Bunun dışında çevrelerinden sürekli veri toplayan aygıtlar giderek yaygınlaşıyor. Bu uygulamaların gelecekte daha yaygın olacağı kesin ve şimdiden bazı otomobiller sürüş istatistiklerini toplamaya başladılar bile. İşte bütün bunlar, finansal veriler, medikal veriler, hepsi birleştiğinde “büyük veri”yi oluşturuyor.
KATMA DEĞER KAYNAĞI AKTİF OLARAK VERİ
Bu noktada akla şu soru gelebilir: Peki, veri nasıl değer yaratıyor ya da yaratmalı? Veriyi toplayan değil, ihtiyaca göre değerlendirebilenler bir katma değer yaratabilir. Gelişen teknolojinin imkânları ve fırsatları veri bilimlerini en aranan meslek ve insan grupları haline getirdi. Şirketler maalesef büyük veri analitiğine sıkça atıfta bulunarak katma değer ürettiklerini düşünüyorlar. Ancak uygulamada durum son derece farklı. Henüz emekleme aşamasında ve henüz verinin toplanması ve depolanmasının ötesine geçememiş durumda. Bu gidişle büyük veri yakın gelecekte etkisi azalarak yok olacak moda kavramlardan biri gibi duruyor. Artan veri hızına paralel olarak artmayan, yeterince gelişemeyen analiz yöntemleri büyük veriden ziyade büyük veri sorunlarının nasıl çözüleceğine odaklanacak. Artık önemli olan husus veriyi toplamak ve depolayabilmek değil karmaşık veri setlerinden
anlamlı yorumlar çıkarabilecek ve anlamlı sonuçlar üretecek yöntem ve yazılımların geliştirilmesidir. Mevcut analiz yöntemlerinin büyük zafiyetleri var. Öyle olmasaydı bir küresel boyutta bir ekonomik ve finansal kriz yaşanır mıydı? Üzerinden yedi yıl geçmesine rağmen etkilerini her alanda görüyoruz. Hatta krizin üçüncü aşamasına girdiğimizi ve bu aşamada bizim gibi gelişmekte olan ülkelerde ciddi boyutta ekonomik durgunluklar ve kötüleşmeler olacağı dile getiriliyor.
Elde edilen verinin temizlenmesi, ayıklanması, sınıflanması oldukça önemli ve bir o kadar da uğraştırıcı. Ancak günümüz yazılım teknolojileri bu işi kolayca yapabiliyor. Ardından geçilen sorgulama süreci işin asıl para eden kısmı. Yani veriye soru sorma ve yanıtı alma maharet gerektiriyor. Söz konusu maharet başta teknik bilgi olmak üzere tüm bilim dallarından yararlanmayı gerektirebiliyor. .O zaman akla şu soru geliyor: Bu sorun ya da durum nasıl aşılmalı? İşte bu noktada uzmanlık becerileri gerektirmeyen yazılımlardan yararlanma konusu ön plana çıkıyor. Tıpkı R ve SAS uygulamalarında olduğu gibi.
VERİLERİ GÖRSELLETİRMEK
Bu yazılımların katkısı çözümleri grafik olarak gösterebilme yeteneklerinden kaynaklanıyor. Bu grafikleri yorumlamak ileri düzeyde analitik beceriler gerektirmiyor. Konuyla ve sektörle ilgili ve makul seviyede profesyonel bilgisi olan herkes bu tür grafikleri üretme ve elde ettiği sonuçlardan analiz ve yorum yapabilme yeteneğine sahip oluyor. Böylece büyük veri veya herhangi bir veri setiyle ilgili sorun, uygun grafiklerin üretilebilmesine dönüşüyor.
GOLD 2007-2016 kapanış fiyatlarının ısıl haritası.
Bugünün yazılım teknolojisi bu tür grafiklemeyi ileri düzeyde sağlıyor. Bu yaklaşıma yoğunlaşanların risk yönetiminde bir değil, birkaç adım önde olacağı kesin! Aksi takdirde günümüz uygulamaları veriyi toplama, depolama ve iletişimi üzerine yoğunlaşmış. Bu veri kütlesinden ne gibi yorumlar çıkartılabileceği yukarda değinilen uzmanlık gereksinmeleri yüzünden biraz gölgede kalmış. Yukarıda ifade edildiği üzere verinin yapılandırılması, analize elverişli hale getirilmesi ve elde edilen sonuçlardan işletmeye bir fayda sağlanması, bir değer elde edilmesi işin en önemli kısmını oluşturuyor.
GELECEĞİN YILDIZ MESLEĞİ: VERİ ANALİZİ
Veri görselleştirmenin dijital dünyada bir sonraki büyük şey olacağını düşünmemiz için birçok haklı nedenimiz var. Karmaşık ve çok katmanlı zengin bilgiye bir bakışta ulaşılabilir ve görsel analiz doğru yapıldığında, gerçek zamanlı olarak sunulabilir ve güncellenebilir. Ayrıca, iletişimi de oldukça kolaydır. Ancak esas sorun karmaşık veri setlerinin görselleştirilmiş te olsa kimler tarafından nasıl yorumlanacağı. Yani bu tür bir yorum için ne tür bir becerinin gerektiği. Genel kabul görmüş yaklaşım veri analizi için çok üst düzeyde matematik, istatistik ve enformatik beceri ve deneyim gerektirdiği yönünde. Tabi ki tüm bu disiplinlerin tek bir kişide ya da yöneticide olması kolay değil. Bu nedenle yöneticiler ve veriler arasında bir ara yüz yani “Veri Analizi Uzmanlığı” gerekiyor.
KÜLTÜR DEĞİŞİMİ GEREKLİ
Neticede çok kısa sürede değişik senaryoları hızlı bir şekilde test edip, doğru soruları sorabilen, gerekirse hızlı bir şekilde yön değiştirebilen data kütlesindeki aksiyonları şirketin performansına entegre edebilen yöneticilerin yetiştirilmesi mümkün olabilecektir. Böyle bir gelişimin gerek akademik gerek iş dünyasında ciddi bir iş görme kültür değişimine neden olacağı da aşikâr. Bugün şirketlere ve CEO’lara profesyonel pencereden bakıldığında tepe yöneticilerinin (gençler dâhil) çoğunluğunun 20 yıl öncesinin yönetim anlayışı ve kültürünü halen sürdürmekte olduğu görülüyor. İşin ilginç yanı iyi eğitim almış olmalarına rağmen bu gözlem konvansiyonel anlayıştan uzaklaşmalarının zor olduğunu gösteriyor. Çözüm bilgi toplumunu yönetebilme farkındalığından geçiyor. Uzun vadede bu yeni kültürün vazgeçilmez bir rekabet avantajı haline geleceğinin görülebilmesi. Gerekli yeteneklere, yetkin ve gelişime açık yöneticilere sahip olmayan organizasyonların yaşama ve başarılı olma şansı hızla azalacak. Diğer taraftan veri bilimcilerin işletme ve finans alanında yüksek lisans ve benzeri eğitimler yoluyla yöneticiliğe giden yolda diğer bilim dallarından gelenlere oranla daha fazla şansı olacağı da bir diğer gerçek olarak karşımıza çıkıyor.
