Yeni çağda büyük veri tüketici ürün ve hizmetlerine güç katacak.
Bizim gibi yıllarını “veriyi iyi kullanan şirketler” üzerinde çalışarak geçirenler analitik kullanımında iki dönemi geride bıraktığımıza inanıyor. Biz bu dönemlere Büyük Veriden Önce (BVÖ) ve Büyük Veriden Sonra (BVS) diyebiliriz. Ya da başlığa uygun isim geleneğini sürdürerek şöyle söyleyebiliriz: Analitik 1.0’ın ardından, Analitik 2.0 dönemi yaşandı. Genel olarak 2.0 sürümü sadece yan özellikler eklemedi ya da ince performans ayarları yapmadı. Örneğin bir 1.1 versiyonunun aksine, bir 2.0 ürünü yeni öncelikler ve teknik olanaklara dayanan ciddi bir revizyondur. Çok sayıda şirket yapılandırılmamış ve hızla hareket eden yeni bilgi kaynaklarından yani büyük veriden para kazanmaya başladığında da durum aynen buydu.
Bazılarımız şimdi yeni bir değişim hissediyor. Adına kolaylıkla Analitik 3.0 diyebileceğimiz kadar köklü ve etki alanı geniş bir değişim... Kısaca bu, veri toplama ve analiz metotlarını sadece şirketin operasyonlarına değil, sunduğu ürün ve hizmetlere de uygulama, verinin zekasını müşterilerin satın aldıklarıyla birleştirme kararıydı.
Ben bu argümanı biraz geliştireceğim. Bence önceki büyük veri uygulamaları 1.0’dan sonra nasıl büyük bir kırılma noktası olduysa, bugün bazı sektör liderlerinin yarattığı inovasyonlar da yeni bir çağın şafağında olduğumuzu gösteriyor. Bir gücün uygulanması ya da üzerinde düşünülmesine yönelik yeni bir metot geliştirildiğinde yöneticiler buna birkaç şekilde tepki verirler. Değişim hızla iş dünyasının her alanına yayılır. Yeni oyuncular doğar, rekabetçi konumları değişir, yeni geliştirilen teknolojilerin yönetilmesi gerekir ve yetenekli çalışanlar bu heyecan verici işe yönelirler.
Yöneticiler önümüzdeki aylar ve yıllarda bunların tümünü yaşayacak. En etkin karşılayanlar ise noktaları birleştirenler ve analitik konusunda yarışmanın büyük çaplı olarak yeniden gözden geçirildiğinin farkına varanlar olacak. Aslında değişimin yönünü ilk algılayan şirketler yani analitik 3.0’a en hızlı göz atanlar, bu değişimi en iyi yönetenler olacak.
Analitiğin Evrimi
Niyetim analitiğin gelişim tarihine ilişkin gözlemlerimi özetlemek değil. Ama yine de son büyük kırılma noktasına, bu kırılmanın meydana geldiği bağlama bakmakta fayda var. Karar almak için veriyi kullanmak elbette yeni bir fikir değil; neredeyse karar almanın kendisi kadar eski. Ama iş analitiği alanı 1950’lerin ortalarında, daha büyük miktarda bilgiyi yakalayan, üretebilen ve içindeki modelleri insan beyninden çok daha hızlı bir şekilde ayırt edebilen araçların gelişmesiyle doğdu.
Analitik 1.0-“İş Zekası” Çağı. Burada Analitik 1.0 olarak adlandırdığımız şey, karar alma sürecinde içgüdülerin ötesine geçmek için yöneticilere bulguya dayalı bir anlayış ve önemli iş fenomenlerine yönelik derin bir kavrayış sunmak ve bir amaç edinmek konusunda gerçek bir ilerleme kaydedildiği dönemdi. Üretim süreçleri, satışlar, müşteri etkileşimi ve benzeri konularda veriler ilk kez kaydediliyor, birleştiriliyor ve analiz ediliyordu.
Burada kilit nokta yeni bilişim teknolojileriydi. Başlangıçta bilgi sistemleri sadece yatırımı anlamlı kılacak kadar büyük ölçekli şirketlere, sipariş üzerine ekleniyordu, daha sonra çok daha jenerik formlarda, dış vendorlar tarafından ticarileştirildi. Bu, bilgiyi toplamak için kullanılan girişim veri ambarı ve sorgulama ve raporlama amacıyla kullanılan iş zekası yazılımı çağıydı.
Yeni kabiliyetler de gerekliydi ve bunların başında da veriyi yönetme yeteneği geliyordu. Veri setleri hacim olarak veri ambarında analiz edilmek üzere ayrıştırılabilecek kadar küçüktü ve hızları da sabitti. Ancak yine de bir veri setini ambara konmaya hazır hale getirmek güçtü. Analistler zamanlarının önemli bir bölümünü veriyi analize hazırlamaya ayırırken, analizin kendisine, görece daha az zaman harcıyorlardı.
Odaklanılması gereken birkaç soruyu belirlemek her şeyden önemliydi çünkü analiz zahmetli ve yavaş bir süreçti ve çoğu zaman gerçekleşmesi haftalar hatta aylar sürüyordu. Ayrıca iş zekası faaliyetinin büyük bölümünü oluşturan raporlama süreçleri sadece geçmişte olanları ele alıyor, hiçbir açıklama ya da öngörü içermiyordu.
Peki insanlar analitiği bir rekabet avantajı olarak görüyor muydu? Geniş anlamda evet, ama hiç kimse bugünkü “analitikle rekabet” anlayışıyla konuşmuyordu. Dönüm noktası daha fazla operasyonel etkinlik yani performansı artırmak için kilit noktalarda daha iyi kararlar almak oldu.
Analitik 2.0-büyük veri çağı. Analitik 1.0 döneminin temel koşulları yarım yüzyıl boyunca, 2000’li yılların ortalarına kadar ağırlığını korudu. Bu dönemde Silikon Vadisi’ndeki Google, eBay ve benzeri internet tabanlı şirketler ve sosyal ağ şirketleri yeni bilgi türlerini toplamaya ve analiz etmeye başladı. Her ne kadar “büyük veri” terimi hemen geliştirilmediyse de temsil ettiği yeni gerçek, bu şirketlerde veri ve analitiğin rolünü değiştirdi. Büyük veri ayrıca küçük veriden de ayrıştı çünkü sadece bir şirketin iç etkileşim sisteminden beslenmiyordu. İnternet, çeşitli alıcılar, insan genom projesi gibi kamusal veri girişimleri ve ses ve video kayıtları gibi dış kaynaklardan da besleniyordu.
Analitik, 2.0 evresine girdiğinde yeni ve güçlü araçlar ve bunları temin ederek kar sağlama ihtiyacı baş gösterdi. Şirketler yeni kabiliyetler geliştirme ve müşteri kazanma yarışına girdi. Öncü olmanın sağlayacağı avantajların farkına varılması ciddi bir ivme yarattı ama aynı zamanda öngörülemeyen yeni ürünlerin piyasaya çıkışını hızlandırdı. Örneğin LinkedIn, Tanıyabileceğiniz Kişiler, İlgilenebileceğiniz İşler, Beğenebileceğiniz Gruplar, Takip Edebileceğiniz Şirketler, Ağ Güncellemeleri, Yetenek ve Uzmanlıklar gibi pek çok veri ürünü geliştirdi. Bunu yapabilmek için de güçlü bir altyapı kurdu; zeki ve üretken veri bilimcilerle çalıştı. Bir üyenin ağında bulunan kişilerin iş değişikliklerini özetleyen başarılı çalışması “Yılın Özeti”, sadece bir ayda geliştirildi. Ama hıza odaklanan tek şirket LinkedIn değil. Bir büyük veri şirketinin CEO’su bana “Biz çok çevik bir geliştirme metodolojisi uyguladık ama o çok yavaştı” dedi.
Çok çeşitli inovatif teknolojilerin geliştirilmesi, satın alınması ve yönetilmesi gerekiyordu. Büyük veri tek bir sunucuda yeterince hızlı analiz edilemiyordu ve bu nedenle paralel sunucular arasında toplu veri işleyen bir açık kaynak yazılımı olan Hadoop’ta işlenmeye başladı. Şirketler görece yapılandırılmamış veriyle başa çıkmak için yeni bir veritabanı sınıfı olarak bilinen NoSQL kullanmaya başladı. Pek çok bilgi kamu veya özel bulut bilişim ortamlarında depolandı ve analiz edildi. Bu dönemde tanıtılan diğer teknolojiler, hızlı nümerik hesaplamalar için “hafıza” ve “veritabanlı” analitiği içeriyor. Makine öğrenme metotları (yarı-otomatik model geliştirme ve test etme) hızlı hareket eden verilerden, hızla model geliştirmek için kullanıldı. Siyah beyaz raporlar, renkli, karmaşık görsellere yer verdi.
Bu sebeple, Analitik 2.0 için gerekli olan yetkinlikler, 1.0 için gerekli olanlardan oldukça farklıydı. Bir sonraki neslin kantitatif analistlerine veri bilimciler deniyor ve hem bilgisayar hem de analitik becerileri bulunuyordu. Müşteriyle ilişkisi bulunmayan arka ofislerde kalmak bir süre sonra veri bilimcileri tatmin etmemeye başladı. Yeni ürün önerileri üzerinde çalışmak ve işi şekillendirmeye yardımcı olmak istiyorlardı.
Analitik 3.0- veriyle zenginleştirilmiş ürün çağı. İyi bir gözlemci 2.0 sırasında bir sonraki çağın analitik çağı olacağını görebilirdi. Silikon Vadisi’nin önde gelen büyük veri şirketleri müşteriye sunulan ürün, hizmet ve özellikleri desteklemek için analitiğe yatırım yapmaya başladı. Daha iyi algoritmalar, arkadaş ve meslektaş tavsiyeleri, satın alınacak ürün önerileri ve hedefi belirlenmiş reklamlarla web sitelerine daha fazla ziyaretçi çektiler. Tüm bunlar muazzam miktarda veride bulunan analitikle gerçekleşti.
Analitik 3.0 diğer büyük şirketlerin de aynı şeyi yapmaya başladıkları dönemi ifade ediyor. Bugün veri analizinden ürün ve hizmet geliştirebilenler sadece bilgi şirketleri ve online şirketler değil. Eğer şirketiniz bir şeyler üretiyor, taşıyor, tüketiyor ya da müşteriyle çalışıyorsa tüm bu faaliyetlerinizle artan miktarda veri sahibi oluyorsunuz demektir. Her cihaz, yükleme ve müşteri bir iz bırakır. Bu veri setlerini müşteriler ve piyasa yararına analiz edebilirsiniz. Ayrıca analitiği ve optimizasyonu operasyonunuzun ön saflarında alınan her iş kararına entegre edebilirsiniz.
Analitiğin ilk iki çağı gibi bu da yeni tehdit ve fırsatlar getiriyor. Hem analitik üzerinden rekabet etmek isteyen şirketler için, hem de veri ve tedariki için gerekli araçları sunan vendorlar için… Bu değişimin nasıl faydaya dönüştürüleceği konusuna biraz sonra döneceğiz. Ama önce iyi bilinen ve yaşamlarının önemli bir bölümünde çevrimdışı işler yapan bazı şirketlerde Analitik 3.0’ın nasıl göründüğüne bir bakalım.
Bir Sonraki Büyük Adım, Beta’da
Almanya merkezli Bosch Group 127 yaşında; ama analitik uygulamalarında son yüzyılda yaşadığını söylemek güç. Şirket, müşterilerine akıllı ürünler sunmak için veri ve analitik kullanan iş birimlerinde bir dizi girişim başlattı. Bu girişimler akıllı filo yönetimi, akıllı taşıt şarj altyapısı, akıllı enerji yönetimi, akıllı güvenlik video analizi ve daha pek çoğunu içeriyor. Bosch, bu inovatif hizmetleri belirlemek ve geliştirmek için büyük veri, analitik ve haberleşme protokolleriyle birbirine bağlanan cihazların oluşturduğu akıllı ağlar olarak bilinen “Nesnelerin İnternetine” odaklanan bir Yazılım Inovasyon grubu oluşturdu.
Fransa merkezli 170 yıllık bir şirket olan Schneider Electric aslında demir, çelik ve cephane üretiyordu. Günümüzde yoğunlaştığı başlıca faaliyetler enerji optimizasyonu, akıllı şebeke yönetimi ve bina otomasyonu da dahil olmak üzere enerji yönetimi. Şirket, Silikon Vadisi, Boston ve Fransa’da çeşitli yazılım ve veri girişimleri satın aldı veya geliştirdi. Örneğin, Gelişmiş Dağıtım Yönetim Sistemi (GDYS), kamu hizmeti veren şirketlerde enerji dağıtımı işlerini gerçekleştiriyor. GDYS ağ cihazlarını denetler, hizmet kesintilerini yönetir ve ekip sevkiyatını gerçekleştirir. Elektrik hizmetleri sağlayan şirketlere, ağ performansına ilişkin milyonlarca veriyi entegre etme becerisi kazandırır ve mühendislerin ağ durumunu kavraması için görsel analitikleri kullanmasına olanak sağlar.
Veri ve analitik sistemleri kullanımına geçişin en belirgin olduğu şirketlerden biri de 120 yılı aşkın bir süredir faaliyet gösteren General Electric. GE’nin imalat işleri giderek varlık ve operasyon optimizasyon hizmetleri sağlamaya yöneliyor. GE, türbinlerden, lokomotiflerden, jet motorları ve tıbbi görüntüleme cihazlarından alıcılarla veriler sağlayarak, bu aletler için en etkili ve verimli hizmet aralığında karar kılıyor. Şirket bu iş için gereksinim duyulan vasıflı elemanları toplamak ve geliştirmek için San Francisco Bay bölgesinde yer alan yeni yazılım ve analitik merkezine, 2 milyar dolardan fazla yatırdı. Şu anda ise diğer endüstriyel şirketlere büyük veri ve analitik sistemlerini yönetmeleri için teknoloji satıyor. Şirket, büyük veri konseptlerine dayalı yeni teknoloji ürünleri yarattı. Bunlar, (“endüstriyel internet” uygulamaları oluşturmak için bir platform görevi gören) Predix ve (endüstriyel alanlarda Predix platformu üzerinden işletilen bir dizi 24 varlık veya operasyon optimizasyon uygulamaları olan) Predictivity’i de kapsıyor.
Sadece 107 yıllık bir şirket olan UPS, analitik sistemlerini ön saftaki süreçlere, yani teslimat rotasına kadar kullanan şirketlerin belki de en iyi örneğini oluşturuyor. Şirket 1980’lerde koli hareketleri ve işlemlerini takip etmeye başladığından beri büyük veri kullanımına fazlasıyla aşina. Günlük olarak teslimatını gerçekleştirdiği ortalama 16,3 milyon koliye ait bilgileri topluyor ve günde 39,5 milyon takip talebi alıyor. UPS’te en son büyük veri kaynağı, şirkete ait 46 binden fazla kamyonda yer alan telematik alıcılar. Bu alıcılar hız, yön, fren ve motor performansı gibi ölçüm birimlerini takip ediyor. Gelen veri dalgaları günlük performansı göstermekle kalmıyor; sürücünün asli rotasının planlanmasına kaynaklık ediyor. ORION (Entegre Yol Optimizasyonu ve Navigasyonu) adı verilen bu sistem, muhtemelen dünyanın en büyük operasyon araştırma projesi. Ağırlıklı olarak çevrimiçi harita verileri ve optimizasyon algoritmalarına dayalıdır ve eninde sonunda gerçek zamanlı olarak sürücünün teslimatlarının konfigürasyonunu yeniden yapacaktır. Program, 2011 yılında sürücü rotalarını 85 milyon mil azalttı; dolayısıyla 8,4 milyon galon akaryakıttan tasarruf edilmesini sağladı.
Bu örneklerdeki ortak nokta, şirket yönetimlerinin salt geleneksel anlamda (içerideki iş kararlarını iyileştirmek için) değil; analitik kullanarak daha değerli ürün ve hizmetler yaratarak rekabette birleşmesi. Analitik 3.0’ın özünde de bu var.
Kimi okuyucu gelecek çağı, uzun süre önce yapılmış bir kehanetin gerçeğe dönüşmesi şeklinde tanımlayacaktır. Stan Davis ve Bill Davidson, 1991’de çıkardıkları 2020 Vision kitabında şirketlerin işlerini “bilgiselleştirmesi”; yani ürün ve hizmetleri bilgi tabanlı geliştirmeleri gerektiğini tartışır. Şirketlerin “bilgi egzozu” yaydıklarını; bunun toplanıp ürünlerin “turboşarjında” kullanılması gerektiğini gözlemlerler. O dönemde, bu fikirler sadece (hisse verileri alanında çalışan) Quotron ve (uçuş verileri alanında çalışan) Official Airline Guide gibi bilgi işleri yapan şirketler arasında ilgi uyandırmıştı. Ancak günümüzde bankalarda, endüstriyel imalatçılarda, sağlık hizmetlerinde, perakendecilerde; olasılıkları değerlendirmeye hevesli her sektördeki her şirket, bilgi toplamından değerli ürün ve hizmetler geliştirebilir.
Davis ve Davidson, bilgi arzının yeterli olduğu bir dönemde yazmıştı. Ancak bu günlerde boğazımıza kadar bilgiye batıyoruz ve bunları içgörüye çevirmeye vaktimiz kalmıyor. Bilgi sağlayıcısı şirketler, bilginin hazmedilmesini sağlamak ve bu bilginin nasıl kullanılacağını bize anlatmak için analitiği kullanmalı, içgörü sağlayıcısı olmalı. Çok geniş miktarda tıklama verileri olan online şirketler, bu yaklaşımın öncülüğünü yaptı: Google, LinkedIn, Facebook, Amazon ve benzerleri müşterilerine sadece bilgi sağlayarak değil; karar ve aksiyonlar için kısayollar oluşturarak büyüdüler. Geleneksel bilgi sektöründeki şirketler de artık bu yolu izliyor.
Analitik 3.0’dan Faydalanmanın On Şartı
Odaktaki bu stratejik değişim, şirketlerdeki analitik için yeni bir rol manasına gelir. Şirketlerin birbiriyle alakalı sorunları belirlemesi ve yeni yetkinlikler, konumlar ve önceliklerle bunları yanıtlaması gerekecektir.
Çoğu zaman birleştirilmiş çoklu veri türleri. Şirketler küçük ve büyük veri hacimlerinin, iç ve dış kaynaklardan entegrasyonunu sağlamalı. (Ön cephe çalışanlarının işlerinde en iyi performansı nasıl sağlayabileceği gibi) öngören ve kural koyan modellerle, yapısal ve yapısız formatlarda yeni içgörüler sağlamalı. Örneğin kamyon şirketi Schneider National, yeni alıcılardan gelen verileri lojistik optimizasyon algoritmalarına ekliyor; böylece akaryakıt seviyesi, sürücü davranışı, konteynır konumu ve kapasitesi gibi kilit göstergeleri görüntüleyebiliyor. Şirket rota ağlarının verimliliğini istikrarlı bir biçimde iyileştirmeyi, akaryakıt masraflarını ve kaza riskini azaltmayı hedefliyor.
Yeni bir veri yönetim opsiyon seti. Şirketler 1.0 çağında, analiz dayanağı olarak veri depoları kullanıyordu. 2.0 çağında, Hadoop kümelerine ve NoSQL veritabanlarına yoğunlaştılar. Bugünkü teknoloji yanıtı, “yukarıdakilerin hepsidir”: Veri depoları, veritabanı ve büyük veri cihazları, Hadoop ile geleneksel veri sorgulama yaklaşımlarını birleştiren ortamlar (bunlara bazen Hadoop 2.0 adı verilir), dikey ve grafik veritabanları ve bunlar gibi daha birçoğu. IT mimarlarının, veri yönetimi konusunda yapacağı seçimlerin sayısı ve karmaşıklığı hatırı sayılır ölçüde arttı. Hemen her şirkette melez bir veri ortamı oluşacaktır. Eski formatlar ortadan kaybolmadı; ancak yeni süreçlerin veri ve analizleri evrelendirme, değerlendirme, keşif ve üretim uygulamalarından geçirmesi gerekecektir.
Daha hızlı teknolojiler ve analiz metotları. 2.0 döneminin büyük veri teknolojileri, eski nesil veri yönetimi ve analizi teknolojilerinden oldukça daha hızlı. Bunları tamamlamak için yeni, “çevik” analitik metotlar ve makine öğrenme teknikleri kullanılıyor; böylece içgörüler çok daha hızlı bir biçimde üretiliyor. Bu metotlar çevik sistem geliştirmeye benzer şekilde proje paydaşlarına sıklıkla kısmi girdi teslimatı yapıyor: En iyi veri bilimcilerin çalışmalarında olduğu gibi bu metotlarda da süreğen bir aciliyet hissi bulunuyor. 3.0 çağının sorunu, operasyonel, ürün geliştirme ve karar süreçlerini, yeni teknoloji ve metotların getireceği avantajlardan istifade edecek biçimde uyarlamaktır.
Bütünleşik analitik. Hızlandırılmış veri işlem ve analiz hızıyla uyumlu Analitik 3.0 modelleri çoğu zaman operasyonel ve karar süreçlerine bütünleşik yerleştiriliyor; bu da büyük ölçüde sistemlerin hız ve etkisini arttırıyor. Örneğin, Protecter & Gamble 50’den fazla “iş sahası” karar odası ve 50 binden fazla “karar kabini” aracılığıyla günlük yönetim kararları alınması için çalışan bilgisayarlarına analitik entegrasyonu gerçekleştiriyor.
Bazı şirketler, algoritma ve analitik temelli kurallarla tamamen otomatik hale getirilmiş sistemlere analitik yerleştiriyor. Bunlardan bazıları analitikleri tüketici odaklı ürün ve özelliklere yerleştiriyor. Senaryo ne olursa olsun, analitiğin sistem ve süreçlere entegre edilmesi sadece daha yüksek hız anlamına gelmiyor; karar alıcıların analitik kullanmaksızın çalışmasını imkansız kılıyor ki bu genellikle iyi bir şey.
Veri keşfi. Şirketler, veri tabanlı ürün ve hizmet geliştirmek için mecburi beceri ve süreçlerin yanı sıra veri keşfi için yetkin bir keşif platformuna ihtiyaç duyar. Şirket veri depolarının, en başta keşif ve analizi kolaylaştırması planlansa da bunlar pek çok şirket için üretim veri havuzlarına dönüştüler. Daha önce de belirtildiği gibi bunlara veri yüklemek zaman alır. Veri keşif ortamları, çok fazla hazırlık gerektirmeksizin gerekli veri seti özelliklerini belirlemeyi mümkün kılar.
Disiplinler arası veri ekipleri. Online şirketlerdeki ve büyük veri start-up’larındaki veri bilimciler çoğu zaman tüm oyunu yönetebiliyor. (Ya da fazlasıyla bağımsız davranabiliyor.) Bununla beraber daha büyük ve daha geleneksel şirketlerde, büyük verilerin büyük analitikle eşleştiğinden emin olmak için diğer çeşitli oyuncularla işbirliği yapmaları gerekebiliyor. Bu tarz firmalardaki “veri bilimcileri” çoğu vakada geleneksel kantitatif analistlerden oluşuyor. Bu analistler, veri yönetim faaliyetleri üzerinde istediklerinden biraz daha fazla vakit harcamak zorunda kalıyor. (Bu pek de yeni bir olgu olmasa gerek.) Şirketler artık bilgi çekme ve yapılandırmada üstün başarı gösteren veri korsanlarını, bilgiyi modellendirmede uzman analistlerle beraber çalışmaları için işe alıyor.
Her iki grubun da büyük veri ve analitik altyapı tedarik eden, grupların verileri elde ettiği “kum havuzları” oluşturan ve keşifsel analizleri üretim yetkinliklerine dönüştüren IT uzmanları ile beraber çalışması gerekiyor. Birleşik ekip, sıklıkla örtüşen rollerle analitik işin halledilmesi için ne gerekiyorsa yapacaktır.
Üst düzey analitik yöneticileri. Analitik bu derece önem kazandığında, üst düzey yönetim denetimine gereksinim duyar. Şirketler, analitik yetkinliklerin inşa edilmesi ve kullanılması için “üst düzey analitik yöneticisi” rolleri oluşturmaya başlıyor. Üst düzey yönetici pozisyonunda analitik liderleri olan organizasyonlar, AIG, FICO, USAA, the University of Pittsburgh Medical Center, Obama’nın seçim kampanyası, Wells Fargo ve Bank of America’dır. Şüphesiz bu liste uzayacaktır.
Kuralcı analitik. Daima üç çeşit analitik olmuştur: Geçmişi raporlayan betimleyici; geçmiş verileri dayanak alarak gelecek tahminleri yapan öngörücü ve optimum davranış ve aksiyonları belirleyen modelleri kullanan kuralcı analitik. Analitik 3.0 her ne kadar bu üç türü kendi içerisinde barındırsa da sonuncuyu daha fazla vurgular. Kuralcı modeller, geniş çaplı test ve optimizasyon içerir. Aynı zamanda analitiğin kilit süreç ve çalışan davranışlarıyla bütünleşik hale getirilmesine vesile olur. Yüksek düzeyde operasyonel fayda sağlarlar; ancak buna karşılık yüksek kalite planlama ve yönetim gerektirirler. Örneğin, UPS ORION sistemi sürücülere yanlış rota bilgisi verirse, uzun süre varlığını sürdüremez. UPS yöneticileri, algoritma ve sistem geliştirmeden ziyade değişim yönetim konusunda daha fazla zaman harcadıklarını belirtiyor.
Endüstriyel ölçekte analitik. Analitik 3.0, analitiği ağırlıklı olarak iç karar süreçlerinde kullanan şirketler için bu süreçleri endüstriyel güce ölçekleme fırsatı sunuyor. Öğrenen makineler yoluyla çok daha fazla model yaratmak, bir şirketin çok daha fazla granüler ve öngörülerinde keskin olmasını sağlar. Örneğin IBM, hangi müşterilerin satışçının enerji ve zamanından daha fazla yatırım yapmasına değdiğini ölçen yıllık “talep üretme” sürecinde daha önceleri 150 model kullanıyordu. Modern Analytics adlı küçük bir şirketle çalışan, bir “model fabrikası” ve “seri veri üretim hattı” yaklaşımlarını kullanan IBM, artık yılda 5000 bu tür model yaratıp muhafaza ediyor. Bunun için de sadece dört kişiye ihtiyaç duyuyor. Yeni sistemler, herhangi bir insan müdahalesi olmaksızın modellerin yüzde 95’ini inşa edebiliyor ve geri kalan yüzde 3, bir analistin minimum düzeyde ayar yapmasını gerektiriyor. Yeni modeller, belirli ürünlere, müşteri segmentlerine ve coğrafyalara hitap ediyor. Büyük bir Asya pazarında yapılan bir test, bu modellerin istatistiki olmayan segmentasyon yaklaşımlarıyla karşılaştırıldığında, müşteri yanıt oranlarını ikiye katladığını gösteriyor.
Yeni karar ve yönetim usulleri. Analitiğin, şirketinizdeki veri ekonomisini güçlendirmesi için karar alma ve yönetimde yeni yaklaşımlara ihtiyacınız olacak. Bunların çoğu aksiyon almadan önce daha fazla kesinlik sağlayacak. Veri güdümlü deneylerin yöneticilerin içine sinmesi gerekecek. Yöneticilerin tüm önemli girişimler öncesinde küçük çaplı ama sistematik deneylerle, sağlam kontrollerle neden ve sonucun kesinleştirilmesini talep etmesi gerekecek. Örneğin, Ron Johnson’un J.C. Penney şirketinin CEO’luğunu yürüttüğü dönemde, çoğu kötü sonuç veren toptan değişimlerden ziyade sınırlı deneyler gerçekleştirildiğini bir düşünün.
Büyük verinye erişimin yaygınlaşmasıyla gerçekleşen kimi değişim, çelişkili biçimde fazla kesinlik sağlamayacaktır. Büyük veri sürekli bir akış sağlar. Sosyal medya kaynaklarından gelen marka duyarlılığı analizlerini gözünüzün önüne getirin. Ölçümlerde kaçınılmaz olarak zaman içerisinde yükselişler ve alçalmalar görülecektir. Bu tür resmi istatistikler öncesinde sosyal medyadan yükselen “dijital duman sinyalleri” filizlenmekte olan sorunlara dair bir erken uyarı sistemi görevi görebilir. Ancak bunlar doğrulayıcı değil, göstergesel niteliktedir. Erken uyarılar, karar ve aksiyon ipuçları vermeye başladığında, yöneticilerin bunlar için belli ilkeler belirlemesi gerekecektir.
Ek olarak, büyük veri ilişkilerinin doğası gereği belirsizlik baş gösterir. Bu belirsizlikler resmi testlerden kaynaklanmıyorsa, büyük veri sonuçları genellikle nedensellik değil, korelasyon içeriyordur. (Her ne kadar daha fazla veri miktarı, zayıf sonuçların istatistiki olarak fazla olma ihtimalini arttırsa da)bunlar kimi zaman şans eseri oluşur. Kimi yöneticiler için bu gerçekler can sıkıcı olabilir. Söz konusu sorun fazlasıyla önem arz ediyorsa, bir karara varılmadan önce daha fazla araştırma yapılmalıdır.
Kuralcı analitik kullanımı çoğu zaman ön saf çalışanların yönetiminde değişiklikler gerektirir. Şirketler kamyon sürücülerinin, havayolu pilotlarının, depo işçilerinin ve alıcı giyen veya taşıyan tüm diğer çalışanların (akıllı telefon alıcılarını sayarsak, belki de tüm çalışanların) faaliyetlerine dair emsalsiz bir görünürlük elde edeceklerdir. Şüphesiz çalışanlar bu tarz bir denetime hassasiyet göstereceklerdir. Analitiğin tüketici davranışını yoğun bir şekilde ortaya koyması nasıl “tüy ürpertici” bir faktör oluşturuyorsa, aşırı detaylı bir çalışan faaliyet raporu da rahatsızlık uyandıracaktır. Analitik 3.0 dünyasında, bazen gözümüzü kaçırmamız gereken noktalar da bulunuyor.
Veri Ekonomisinde Değer Yaratmak
Analitik 3.0, analitik rekabetinin uç noktasını mı temsil ediyor? Muhtemelen hayır. Ancak öyle görünüyor ki veri ekonomisine katılımın ana akıma dönüştüğü nokta olarak algılanacak.
Dünyada büyük veriyi zincirlerinden kurtaran online şirketler en başından beri bu zemin üzerinde yükseldiler. Büyük veriyi, geleneksel bilgi kaynakları ve bunlar üzerinde performans gösteren analitikle uzlaştırmaları veya bunlara entegre etmeleri gerekmiyor. Çünkü zaten çoğunlukla, bu geleneksel kaynakları kullanmadılar. Büyük veri teknolojilerini, geleneksel IT altyapılarıyla birleştirmeleri gerekmiyordu. Büyük veri tek başına var olabilir; büyük veri analitiği tek başına analitik olarak varlık gösterebilir ve büyük veri teknoloji mimarları tek başına IT mimarları olabilir. Ancak bu şirketlerin her biri artık kendi Analitik 3.0 sürümlerini kullanıyorlar.
Kesin olan tek bir şey var: Hem köklü hem de yeni firmaların ihtiyaç duyduğu yeni yetkinlikler, analitik destekli eski iş modelleri kullanarak geliştirilemez. Büyük veri modeli ileriye dönük büyük bir adımdı; ancak daha uzun vadeli avantajlar sunmayacaktır. Yeni veri ekonomisinde büyümek isteyen şirketler özünde bir kez daha veri analizinin kendileri ve müşterileri için nasıl değer yaratacağını gözden geçirmelidir. Analitik 3.0 değişimin yönü ve analitikte rekabetin yeni modelidir.
