Veri bilimi ve veri analitiği

Zuhal Mansfield

Hayatı eskiden filozoflardan anlamaya çalışırdık. Şimdi dijital platforma taşıyıp bir veriye dönüştürdük. Artık filozoflara değil, bilgisayarlara soruyoruz! İnsan davranışlarını anlamaya bir adım daha yaklaştığımız sofistike yani karmaşık bir yeni dönem başlıyor.

Sizlere sürekli veri analizi ve datanın görsele çevrilmesinin, ne gibi sonuçlar getirebileceğini aktarmak istiyorum. Finans sektöründen sağlığa, mobil iletişimden doğa bilimlerine kadar birçok alanda toplanan verilerle geçmişi anlamaya, geleceği de önceden görebilmeye çalışılıyor. Büyük veri kütlelerinin grafiğe dönüşme konusundaki anlayışları değişiyor ve her şey dijitalleşiyor. Ancak tercihler hala duygusal! Gerçek değer ise data setlerinde! Hayatı eskiden filozoflardan anlamaya çalışırdık. Şimdi dijital platforma taşıyıp bir veriye dönüştürdük. Artık filozoflara değil, bilgisayarlara soruyoruz! İnsan davranışlarını anlamaya bir adım daha yaklaştığımız sofistike yani karmaşık bir yeni dönem başlıyor. Ancak datalar bize hayatın anlamını hala söylemiyor. O kısım hala filozoflarda!!!

Şimdi konuyu bir uzmanından dinlemenin zamanı geldi. Değerli dostum Fatma Çınar’ın uzmanlık alanı “veri bilimleri ve veri analitiği”. Bu konuyu bu sefer ondan dinleyelim.

Büyük veri, son teknoloji yazılımların pazarlama çalışmaları için tali bir yol. Gerçek bir enformatik analizi için veri büyük olabilir veya olmayabilir. Genelde stratejik veri setleri sanıldığı kadar büyük değil. Büyük veri, kompleks olan veridir. Yani içinde gizli ve karmaşık ilişkiler barındırır. O halde ciddi bir analiz ve yorum yapmak için büyük veriden referans alma zorunluluğu yoktur. 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?

BÜYÜK VERİ, NASIL OLUŞUYOR?

Aslına bakarsanız bu veriler, iş yapma süreçleri içinde artık rutin olarak oluşuyor. Hatta biz her gün bunun bir parçası oluyoruz. İnternet kullanırken yaptığımız her tıklama çok önemli bir veri. Bunun dışında çevrelerinden sürekli veri toplayan aygıtlar giderek yaygınlaşıyor. Bu uygulamaların gelecekte daha yaygın olacağı kesin. Şimdiden bazı otomobiller sürüş istatistiklerini toplamaya başladılar bile. İşte bütün bunlar, finansal veriler, medikal veriler, hepsi birleştiğinde “Büyük Veri”yi oluşturuyor. Peki bu kadar çok veriyi hangi teknik ve araçla bilgiye dönüştürüp bir katma değer üreteceğiz?

VERİNİN BİLGİYE DÖNÜŞTÜRÜLMESİ

Bundan 50 yıl önce de günümüzde de enformatiğin temel problemi veriyi bilgiye dönüştürmek ve stratejik karar girdisi haline getirmek oldu. 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. Davenport (2014) “Önemli olan verinin hacmiyle büyülenmek değil, onu analiz edebilmek-onu içgörü, inovasyon ve işletme değerine çevirebilmektir” diyor. Biz de diyoruz ki, 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? İşte bu noktada uzmanlık becerileri gerektirmeyen yazılımlardan yararlanma konusu ön plana çıkıyor. Tıpkı R Software uygulamalarında olduğu gibi.

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 sunulur ve güncellenebilir. Ayrıca, iletişimi de oldukça kolaydır. Ancak esas sorun karmaşık veri setlerinin görselleştirilmiş de 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.

R YAZILIMI VERİ GÖRSELLEŞTİRMENİN MERKEZİNDE

Açık kaynak kodlu ve ücretsiz (licencefree) R yazılımı Excel ile karşılaştırıldığında R hatırı sayılır oranda daha fazla istatistik ve grafik gücüne sahip. Bilhassa özel gereksinimler için paketler ekliyorsanız formüllerle ve rakamlarla dolu bir tabloya nazaran R script’ini doğrulamak çok daha kolay. İşin ilginç yanı R kodlarının anlaşılır bir biçimde okunabilmesi. Diğer yandan R’nin devasa gücü ve mevcut R paketlerinin çokluğu epey göz korkutucu bir öğrenme sürecini ortaya çıkartabilir. Ancak R’yi öğrenirken ve kullanırken biraz istatistiki bilgi ve birikime sahip olmanın çok faydası var. Diğer taraftan veri görselleştirmesinde R’nin bütün paketleri için bilgi sahibi olmak da gerekmiyor. Ggplot2 ve Latince gibi bazı ileri grafik paketlerini kullanmayı becermek yeterli olabiliyor.

Zira veriye dayanan görselleştirme süreçleri için mutlaka bir model kullanmak gerekiyor. İşte bu modeli R yazılımı kullanarak oluşturmak mümkün.  Burada dikkat edilmesi gereken nokta analiz sonuçlarını doğru anlayıp, değerlendirebilen yöneticileri yetiştirmek. Ancak bu girişim kısa sürede sonuç verecek bir girişim değil. Üniversitelerin mutlaka “Veri Analitiği” alanına el atmaları gerekiyor. Dağınık bir yapıda da olsa bazı bölümlerden yapılacak ders ve hoca transferi ile lider bir akademisyen yönetiminde bu tür bölümlerin kurulması ve veri analistleri yetiştirilmesi mümkün. Ülkemiz üniversitelerinin, buradaki hocaların ve yurtdışı bağlantılarının yeterli olduğu aşikâr, iş sadece orkestrasyona ve kolları sıvayarak işe başlamaya kaldı.

Fortune 500 listesindeki şirketlerin CEO/CFA’larının beceri ve yetkinlikleri sibernetik dünyaya ne kadar uygun?

VERİ ANALİSTE CEO’LAR

Bugünün dünyasında değişime direnen finans yöneticileri ve ekiplerini manuel raporlama ve işlem yükünden kurtaracak teknolojileri kullanmanın ve yatırım yapmanın zamanı gelmiş ve geçiyor. Finans yöneticileri kaderlerinin nasıl olacağına diğer iş ünitelerinin karar vermelerini beklememeli. Fortune 500 listesindeki finans direktörlerine baktığımızda, sadece küçük bir kısmının %27’sinin kamu muhasebesi kökenli olduğunu görebilirsiniz. CEO’ların ve yönetim kurullarının bir finans yöneticisinde aradığı beceri ve yetenekler değişiyor. Bugün onları bulundukları pozisyona getiren özellikler, bir sonraki pozisyona taşımak için Sibernetik Dünyanın Analytics ihtiyaçlarına ve trendlerine baktıkça yeterli olduğunu söylemek pek mümkün görünmüyor. Şirketlerin gerçek yardımcı pilotları ve amiral gemisi olan analystlerini manuel raporlamalardan uzaklaştırmalı. CEO’lar ile yan yana olması gereken finans yöneticileri/analystleri; artık denetim istisnalarını otomatik bulan, raporlamalar ve tahminler için gerçek zamanlı dashboard hazırlayan ve şirketin ürettiği veri setini iş akışına entegre eden Veri Analyst lerine dönüşmeli. Peki bütün bunların realize edilmesi için; hem Şirketlerin hem de “Analyst lerin #DataAnalytics” e odaklanmaları ve köklü bir kültür değişimine hazır olmaları gerekiyor. Sayın Fatma Çınar’a teşekkür ediyoruz. Dilerim konu daha net ve anlaşılır oldu.

Datanın, görsel bilgiye dönüştüğünde minik ayrıntıların ne kadar büyük farklılıklar yarattığını, ve bu farkların büyük sıçramalara neden olabileceğini artık biliyoruz.

Saygılarımla…

Zuhal Mansfield

mansfield@turcomoney.com