Veri Analizi Nedir? Veri Yönetiminden Karar Almaya Bütüncül Bir Yaklaşım

Veri analizi bugün neredeyse her ölçekten firmanın yönetim toplantılarında, strateji belgelerinde, bütçe kalemlerinde bir gündem maddesi olarak yer tutuyor. Fakat buna rağmen birçok firmanın analiz altyapısı karar alma mekanizmasına anlamlı bir katkı sunmuyor.

Bu durumun en önemli sebeplerinden biri ise karar alıcıların kritik veriye anlaşılır bir şekilde, bağlamıyla birlikte erişememesi.

Veriden değer üretebilmek noktasında çoğu firmanın yaşadığı başlıca problemleri, bir işletmenin ihtiyacına uygun analiz altyapısının nasıl kurulacağını inceleyelim.

Veri Analizi Nerede Başlar?

Veri analizi süreci sanıldığının aksine veri toplamakla değil, doğru soruyu tanımlamakla başlıyor. Firmaların büyük çoğunluğu problemlerle yüzleşmeden doğru soruyu sormanın öneminin pek farkına varmaz. Oysa etkin çalışan bir veri analizi altyapısının başarısını belirleyen en kritik adım bu.

Yanlış bir sorudan yola çıkılarak ulaşılan herhangi bir analiz firmaların karar alma süreçlerine olumlu bir etkide bulunmuyor. Aynı veri setinden yapılan analizler farklı sorulara çeşitli yanıtlar verebiliyor.

Örneğin herhangi bir ürünün satış verisini takip etmek her sektörden firma için şart. Ancak ürün satışları düştüğünde buna neyin neden olduğunu değerlendirmek için yalnızca satış verilerini incelemek yeterli değil.

Sonucu değil, sebebi analiz edebilmek için birçok farklı parametreyi takip etmek, aralarındaki ilişkileri anlamak gerekiyor. Dolayısıyla orta ve büyük ölçekli firmalarda gerçek anlamda çalışan bir veri analizi altyapısı kurmak komplike bir süreç haline geliyor.

Veri Analizi Türleri

Veri analistleri firmaların ihtiyaçları doğrultusunda her biri farklı bir soruyu cevaplayan dört analiz türünü uyguluyor.

Tanımlayıcı Analiz (Descriptive Analysis) | Ne oldu?

Geçmiş verilerdeki örüntüleri ve trendleri anlamlandırmak için kullanılan analiz türü. Ay sonu satış raporu, çeyreklik ciro karşılaştırması, yıl sonu bayi performans sıralaması tanımlayıcı analizin klasik örnekleri.

Bir bayi ağı yöneticisi yılın herhangi bir döneminde hangi bayilerin hedeflerinin üzerine çıktığını anlamak için tanımlayıcı analizden faydalanıyor.

Tanısal Analiz (Diagnostic Analysis) | Neden oldu?

Bir eğilimin ya da anomalinin altında yatan nedenleri araştırmak için kullanılan analiz türü. 

Örneğin bir bölgede satışlar düştüğünde bu durumun nedenini saptamak için kullanılıyor. Analistler pazara yeni bir rakibin dahil olması, saha temsilcisinin değişmesi, tedarik zincirindeki bir aksama gibi olasılıkların tamamını değerlendiriyor. Veriyi bağlamıyla birlikte yorumluyor, birden fazla parametreyi bir arada değerlendiriyor.

Tahminsel Analiz (Predictive Analysis) | Ne olacak?

Geçmiş verilerden yola çıkarak gelecekte olması muhtemel durumları tahmin etmek için kullanılan analiz türü. 

Örneğin bir üretim firması için hangi ekipmanların gelecek 30 gün içinde arıza verebileceğini tahmin etmek için tahminsel analizden faydalanıyor. Predictive analysis istatistiksel modelleme ve makine öğrenmesi teknikleriyle her geçen gün daha işlevsel hale geliyor.

Öngörücü Analiz (Prescriptive Analysis) | Ne yapılmalı?

Tahminsel analizin bir sonraki aşaması, hangi aksiyonun alınması gerektiğini belirlemeye yardımcı olan analiz türü.

Örneğin fiyat dezavantajı sebebiyle kaybedilmek üzere olan bir müşteriyi tutmak için hangi kampanyayı sunmak gerektiğini belirlemek için öngörücü analizden faydalanılıyor.

Doğru Veri Analizi Altyapısını Kurmak

Peki her firma dört analizi tipini de içeren kapsamlı bir altyapı kurmak zorunda mı?

Kimi sektörlerde tüm analiz türlerini kullanmadan operasyonlara ve süreçlere anlamlı bir bakış edinmek mümkün olmuyor. Orta ve büyük ölçekli firmalar için ise sektör fark etmeksizin dört analiz türü de gerekli.

Fakat veriden gerçek anlamda değer üretmek için yalnızca analiz yapmak yeterli değil. Herhangi bir analiz sonucunun kullanışlı olması için onu kullanacak kişi ve sistemlere doğru anda, doğru formatta ulaşması şart.   

Veri Görselleştirme

Veri görselleştirmenin önemini kavramak için öncelikle yalnızca bir sunum biçiminden ibaret olmadığını kabul etmek gerekiyor. 

Veri görselleştirme işlemi yalnızca analiz sonuçlarının grafiğe dökülmesi ile sınırlı değil.

Görselleştirmenin etkisi üzerine yapılan bir araştırmaya göre görselleştirme seçimleri karar alıcıların verdikleri kararları doğrudan etkiliyor. Aynı veri üzerinde farklı görselleştirme biçimleri uygulandığında kararların etkinliği ölçülebilir biçimde değişiyor.

Örneğin farklı bölgelerde faaliyet gösteren bayilerin performansını değerlendiren bir beyaz eşya üreticisini ele alalım. Beyaz eşya firmasının yöneticisi bayilerin Haziran ayındaki satış performansını izlediği bir sütun grafiğini tek başına değerlendiriyor olabilir.

Büyük olasılıkla bir grup bayinin Haziran ayındaki satışlarının diğerlerine kıyasla çok daha büyük bir artış gösterdiğini görecektir. Sütun grafiği tek başına incelediğinde bu durumun bayiler özelinde bir performans artışından kaynaklandığı izlenimine kapılabilir.

Fakat aynı veri seti bir harita üzerinde izlendiğinde, Haziran aylarını yüksek sıcaklıklarda geçiren kıyı şeridinde satışların doğal olarak arttığı anlaşılır. 

Sütun grafiği performansı düşük kalan bayilere odaklanırken, harita arayüzü ile coğrafi etkenlerin etkisi gözlemlenir.

Modern veri görselleştirme araçları ekiplerin verilere kendi iş akışlarına uygun formatta erişebilmesini sağlar. Verileri grid, takvim, Kanban, harita, Gantt şeması gibi birden fazla görünümde sunar.

Veri Analizi ve Data Storytelling İlişkisi Nasıl Kurulur?

Uluslararası veri analitiği literatüründe son yıllarda öne çıkan diğer bir kavram da data storytelling. Türkçe ifadesiyle ise veriyle bir hikâye anlatmak.

İyi çalışan bir veri yönetimi altyapısıyla veri setlerinden dolaylı ve bağlama uygun çıkarımlar yapmak mümkün. Örnek bir senaryo olarak yakın zamanda bölgesel rekabet avantajını kaybeden bir firmayı ele alalım. Kapsamlı bir analiz süreci ile analistler firmanın güncel durumu ile ilgili en gerçekçi bilgiyi elde ediyor:

• 1. çeyrekte en büyük rakibi bölgedeki bayi ağını 4 yeni bayi ile büyüttü
• 2. çeyrekte bölgenin satışlarında %15 oranında düşüş yaşandı
• 2. çeyrekte kaybettiği müşterilerin %40’ı, 3. çeyrekte rakibin yeni açtığı 4 bayiye geçti
• Satışa yansıyan azalma büyük oranda geçen yılın en kârlı üç ürün grubunda yaşandı 

Birden fazla veriyi birbirleri ile ve süreçler ile ilişkilendirerek değerlendiriyor. Çıkan sonuçlar karar alıcının zihninde bir yol haritası inşa ediyor.

İyi Çalışan Bir Veri Analitiği Yaklaşımının Önemi

MIT Sloan Management Review, SAS ve IBM Institute for Business Value ile birlikte yürüttüğü yıllık araştırmaları on yılı aşkın süredir yayımlıyor.

2016 yılında yayımlanan “Beyond the Hype” raporu o dönem çarpıcı bir bulguyu ortaya koymuştu. Analitikten rekabet avantajı elde ettiğini bildiren şirketlerin oranı önceki iki yıla göre belirgin biçimde azalmıştı.

Veri analitiği stratejileri yaygınlaştıkça yüzeysel uygulamaların da yaygınlaşması buna sebep olarak gösteriliyordu.

2017 yılında yayımlanan rapor ise rekabet avantajı elde eden şirketlerin oranının dört yılın ardından ilk kez yeniden yükseldiğini gösterdi. Bu artış veri analitiğini stratejik biçimde kullanan ve iş süreçlerine derinlemesine entegre eden şirketlerden geldi.

Dolayısıyla veri analizi yapıyor olmak başlı başına bir rekabet avantajı sağlamaya yetmiyor. Analizin kalitesi, derinliği ve karar süreçlerine entegrasyonu, etkinliğini belirleyen faktörler. Yüzeysel analiz, günün sonunda pahalı bir raporlama aracı olmaktan öteye geçmiyor. İyi kurgulanmış bir veri analitiği stratejisi ise kurumsal kültürü dönüştürme potansiyeline sahip.

Firmanızın Tüm İhtiyaçlarını Karşılayacak Bir Veri Analitiği Yaklaşımı Nasıl Geliştirilir?

Doğru kurgulandığında yıllar boyunca değer üretecek, yanlış kurgulandığında finansal bir yük haline gelebilecek bir altyapı. Sürdürülebilir bir veri analitiği yaklaşımını yedi başlık altında özetlemek mümkün.

1. Karar merkezli veri analizi altyapısı tasarımı

Altyapıyı hangi teknolojilerle kuracağınız önemli. Fakat bundan önce hangi kararları hızlandırmak, hangi kararların sonuçları iyileştirilmeli, bunu belirlemek gerekiyor. Hangi rapora ihtiyacınız olduğunu belirlemeden önce hangi kararların firmanızın geleceği için daha kritik olduğunu bilmek şart. Bu sıralama bozulduğunda kullanılmayan ve anlaması güç analiz sonuçlarıyla dolu bir sistem meydana çıkıyor.

2. Veri kaynaklarının bütünleştirilmesi

Modern veri yönetimi sistemleri birçok kaynaktan gelen veriyi bütüncül bir şekilde yönetmeye olanak tanıyor:

• ERP
• CRM
• saha cihazları
• üretim hattı sensörleri
• bayi sistemleri
• muhasebe yazılımı sistemleri

Anlamlı bir analiz altyapısı, bu kaynakları çift yönlü ve gerçek zamanlı olarak birleştirebilmeli. Mevcut sistemlerle entegre olabilen, farklı veri tabanlarından veri çekebilen ve yerel/uluslararası ERP’lerle hazır bağlantılar sunan teknolojiler büyük avantaj sağlıyor.

3. Esnek altyapı kurgusu

Rekabetçi sektörlerde yöneticilerin ve uzmanların veri analizi ihtiyaçları sürekli olarak değişiyor. Verileri yönetmek için yeni bir modül, yeni bir alan, yeni bir görünüm oluşturma ihtiyacı hızla artıyor.

Yeni ihtiyaçlar doğduğunda ekiplerin kod yazmadan, sürükle-bırak arayüzle ihtiyaçlarını karşılayabilmesi büyük bir avantaj. İş kurallarını görsel olarak tanımlayabilmek ekiplere sistemi geliştirme konusunda özerklik kazandırıyor.

4. Çoklu görünüm ve karar bağlamına uygun görselleştirme

Grid, Gantt şeması, Kanban, takvim, harita gibi görselleştirme araçları sunan bir altyapı kurgulamak çok önemli. Farklı kullanıcı gruplarının verileri kendi iş akışlarına uygun formatta değerlendirebilmesi gerekiyor. Bir yönetici için Kanban, bir bölge sorumlusu için harita, bir operasyon sorumlusu için takvim ihtiyacı karşılanmalı.

5. Yazma ve okuma veri tabanlarının ayrılması

Raporlama döngüleri operasyonel işlemlerin yazıldığı veri tabanı üzerinde çalıştığında sistem performansı düşebiliyor. Kullanıcı deneyiminin bozulmasına, dolaylı olarak kullanıcıların sisteme direnç göstermesine neden oluyor. Yazma (Write DB) ve okuma (Read DB) veri tabanlarını birbirinden ayıran, aralarındaki senkronizasyonu asenkron olarak yürüten bir altyapı kurgulamak gerekiyor.

6. Yetkilendirme, denetim ve izlenebilirlik

İyi kurgulanmış veri yönetimi sistemlerinde her işlem, her görüntüleme ve her değişiklik için ayrıntılı log tutuluyor. Farklı yetki gruplarına özel erişimler ve IP kısıtlamaları uygulanarak kurumsal seviyede güvenlik şartları sağlanabiliyor. E-imza ve mobil imza ile onay süreçleri dijital ortamda yönetiliyor. Bu ilkelerle çalışan sistemler, hem regülasyona uyum hem de kurumsal güvenlik gerektiren süreçlerde ölçülebilir bir avantaj yaratıyor.

7. Otomasyon ve zaman tabanlı tetikleyiciler

Analiz altyapısının değeri, yalnızca birinin oturup rapor açtığında ortaya çıkmamalı. Zaman bazlı tetiklenen raporlar, iş kuralları ile otomatik oluşturulan uyarılar, belirli koşullar oluştuğunda dış sistemlere HTTP istekleri gönderebilen akışlar — bunlar altyapıyı statik bir sorgu havuzundan, sürekli çalışan bir karar destek sistemine dönüştürür.

7 Adımlı Veri Analitiği Yaklaşımını Uygulamak İçin Nasıl Bir Veri Analizi Altyapısı Gerekiyor?

Doğru teknoloji ile iyi işleyen, 7 adımlı bir veri analitiği altyapısı kurmak mümkün. Her yeni ihtiyacın yeni bir yazılıma ve entegrasyon maliyetine dönüşmemesi için esnek ve ölçeklendirilebilir teknolojileri tercih etmek şart.

Veri Analizinden Gerçek Anlamda Değer Yaratmak

Veri analizinin işletme performansına gerçek anlamda katkıda bulunması için doğru veri analitiği stratejisini kurgulamak gerekiyor. 

İşlevsel teknolojilerle, iş akışlarını ve karar alma mekanizmasını dönüştüren bir yol haritası oluşturmak şart. Kurgulayacağınız altyapının tüm ekiplerin ihtiyaçlarını karşılaması, yeni ihtiyaçlar doğduğunda esneklik sunabilmesi çok önemli.