Sayın Prof. Özgür Demirtaş hocamız şöyle tweet atmıştı.

Kendisinin çok doğru teşhis ettiği ve defalarca haklı çıktığı konulara gereksiz itiraz eden trollerden değilim. Ancak bu sefer, yeterince bilgilenmeden bu tweet’i attığını düşündüm. Neden yanlış olduğunu düşündüğümü anlatayım:

1988 senesinde Yapı Kredi Bankası’nın (YKB) Bireysel Bankacılık ekibine katıldım. 1987’de Bireysel Kredi vermeye başlamışlardı. Benim katılmamdan kısa süre sonra da kredi kartı vermeye başladılar. Daha önce onlarca yıldan beri Diners Club kartları vardı ama çok dar bir çevrede biliniyordu. O dönem YKB sayesinde bireysel bankacılık kavramı ortaya çıktı. Bireylere kredili bankacılık ürünleri verilmeye başlandı.

O yıllarda bankacılık duayeni sayılan, Türkiye’de en uzun süre banka genel müdürü olan (sonradan adına Bankacılık Ödülü verilmeye başlanan) bir üstat “Bankalarını batıracaklar. Bilançosu olmayana – insana – kredi verilir mi?” demişti. Karadeniz fıkrası gibi sorayım: “Hani, n’oldi?“

İlk başlarda, Yapı Kredi’de “müşteri hakkında bilinenler [formda yer alan bilgiler] çerçevesinde” bir kredi skorlama sistemi oluşturulmuştu. Kişisel verileriniz, okulunuz, medeni haliniz, yaşınız, geliriniz, vb. üzerinden bir karar veriliyordu. (Sayın Özgür Demirtaş’ın tweet’ine ne kadar benziyor değil mi?) Eğer geçmişte protestolu senedi veya ödenmemiş çeki varsa, kesinlikle kredili ürün verilmiyordu. Bir süre sonra, risk tahmin modelleri üreten kurumlarla görüşüldü.

Hatırladığım kadarıyla, risk tahmin modeli kurumları Türkiye’ye ilk geldiklerinde YKB’nin elindeki verileri incelediler ve “Henüz erken. Önce 500.000 kart verin. Aradan biraz zaman geçsin ki ödeme / ödememe davranışları oluşsun. Sonra biz oluşumları inceleyelim” dediler. Gittiler.

Zaman içinde yeterli sayıya ulaştık ve tekrar davet ettik. Böylece Türkiye’de ilk defa kredi skorlama sistemini YKB kullanmaya başladı. Bu sistemin bir üstünlüğü de, zaman içinde batan kredi verilerinin de girdi olarak alınması ve modelin giderek daha ustalaşmasıdır.

Bir konu daha var.

Bugün bankaların kullandığı Doğrudan Borçlandırma Sistemi adlı yapı ilk aklıma geldiğinde (ki öncesinde Türkiye’de ilk defa taksitli kredi kartı alt-yapısını kurmuştuk) amacım bakkal gibi küçük esnaf için kredi skoru belirleyecek değişkenleri bulmaktı. Bakkallar sigara markalarına nakit ödüyorlardı ama deterjanlara 30-60 gün sonra ödeme yapıyorlardı. Tüm bu işlemler senet-kağıt üzerinde yürüyordu. Tüm bu işlemleri sisteme aktardığımızda, verileri işleyerek bakkalların ne kadar kredi kullanabileceklerini ve ne zaman dara düştüklerini önceden tahmin edebileceğimizi düşünmüştüm.

Ek olarak

1998’de YKB’nin hem kredi kartı hem de üye işyeri pazar payı %40’lara yakındı. Türkiye’nin %60’a yakın kredi kartı işlemini görebiliyorduk. “Hangi caddenin neresinde hangi konuda dükkan açılırsa ne kadar satar” konusunda YKB’ndan daha bilgili olan tek yer Bankalararası Kart Merkezi idi. Düşünsenize, Nişantaşı’nda bir dükkana birkaç yüzbin lira hava parası vermeden önce, doğru soruyu sorarsanız yanıt alabileceğiniz en önemli kaynakları konuşuyorum. Üst yönetimi veri analizi şirketi kurmaya ikna edemedim.

Aşağıda yer alan yanıtımın nedeni de bu birikimdir. Ne var ki cevabımı da aldım.

Sayın Özgür Demirtaş’ın verdiği örnek için atalarımız “sui misal emsal olamaz” derler. Nitekim bunu da 2 tweet’te yazdım.

Sayın Demirtaş’tan yanıt alamadım ama açıklayayım:

2000-2001 krizinde de bir anda onlarca banka battı veya el değiştirdi. Bazı -eski- üst yöneticiler villalarını terk edip şehir içinde apartman dairesine döndüler. Çocukları özel okullardan alıp devlet okullarına vermek zorunda kaldılar. Bazı esnaflar (ellerinde para olsa bile) “her ihtimale karşı” diyerek borçlarını ödemediler ve başkalarının batmasına neden oldular. Bazı esnaflar ise, para çıkışını geciktirmek için farklı bankalar üzerinden para aktarma hareketi yaptılar. Parasını ödemek isteyenler bile nereye ödeyeceğini bilemedi ve senetleri protesto oldu. Daha önce %15-17 olan İstanbul’da adres değiştirme oranı %40’lara yaklaştı. Sonuçta, eski modellerin dayanakları yetersiz kaldı ve kriz nedeniyle değişen risk modelleri yeniden ele alındı.

2003’e geldiğimizde, 2000-2001 senesi bize “içgörü üreten” duruma gelmişti. Önceki yılların “protestolu senedi veya ödenmemiş çeki olana kredi verilmez” yargısı değişti. Kriz yıllarında ödeme sorunu yaşamış ama sonraki dönemlerde işini toparlamış ve düzgün ödeme yapmış kişi ve kurumlar için “kriz yaşamış ve atlatmış” sıfatı eklendi. Hatta, o dönemde hiç olumsuzluk yaşamamış olanlar “belki de dükkan açıktı ama iş yapmıyordu” veya “belki de o sırada küçük çaplıydı ve kredi konusunda deneyimi yoktu” diye daha fazla incelenir oldu. Araştırmada protestolu senedi ve ödenmemiş çeki çıkanlar eğer sonradan iş yapmaya devam etmişlerse “kriz yaşamış ve atlatmış” olarak daha muteber sayıldılar.

🙂

Risk modellerinin en önemli girdilerinden biri gelir tahminidir. Bankada

• Ücret veya gelirler (maaş ödemesini bankadan alan kişiler veya ana hesabı bankada olan kurumlar)
• Harcamaların toplamı
• Kredi kartı kullanımı detayları
• Borçların toplamı
• Vergi ödemeleri
• Elektrik / su / gaz gibi giderler
• Gelirler ve harcamalar arasındaki farklar
• Kredi başvuru formlarındaki bilgiler
• KKB verileri

ile modelleme yapıldığında (maaş dışı gelirleri olsa bile) %90’a yakın doğru tahmin edilebilir. Kriz dönemi geldiğinde model geçici olarak şaşırır ama normal zamanlarda iyi bir göstergedir.

😉

Veri anlamlandırma eğitimlerinde, istisnaların önemi üzerinde de dururum. Ne zaman bir istisna “daha fazla anlam” taşır, ne zaman istisnalar “artık modelin son kullanma tarihi gelmiştir” mesajını verir, bunu konuşuruz.

Özetle, her krizden sonra tüm tahmin modelleri gözden geçirilir. Bir kriz dönemini örnek alıp %70’in iyi bir oran olduğunu savunmak… Tekrarlıyorum “sui misal emsal olamaz” ve Sayın Özgür Demirtaş’ı hiç haklı bulmadım. Yanıtına “beğeni” veren 22 kişinin ise bu konudan anladıklarını hiç sanmıyorum.

Not: Sayın Özgür Demirtaş’ın birçok teşhisinin haklı çıktığını biliyorum. Bu konuda da amacım ona saldırmak değil, yanlışı düzeltmektir.

.

EK OKUMA MALZEMESİ: Bu nasıl modelleme

.

Model kelimesi aklınıza top model getiriyorsa, yazının bundan sonrasını okumayın. Size çok sıkıcı gelebilir. Konu: veri modelleri, tahmin modelleri ve benzeri şeyler…

😛

Model konusunda takmış durumdayım.

İstanbul Bilgi Üniversitesi MBA programında verdiğim CRM dersinde mutlaka sorarım:”Model nedir? Öyle bir tanım yapacaksınız ki, model uçakveya model gemiyi de kapsayacak, veri modellerini de, top modelleri de…” Genellikle 10 – 15 dakika tartışırız bu konuyu.

Bugünlerde “nereden aklıma geldiğini” sorarsanız… Bir kurum, “2020 trendleri” diye yazı yayınlamış. 2000’lerin başından beri tuttukları verileri, 2019 sene sonu verilerini de ekleyip yorumlamışlar. Sanırım, 2020’nin ilk çeyreğinde raporlarını hazırlamışlar. Sonra salgın-kriz olmuş ama… “bu kadar çalıştık çabaladık hazırladık, elimizde kalmasın” diye yayınlamışlar. Öyle bir rapor ki, daha yayınlandığı anda geçersiz kalmış.

9 yıl önce yayımladığım Planlama 101 yazısında “Sadece geçmiş verilere bakarak tahmin yapmak, dikiz aynasına bakarak araba kullanmaya benzer” diye yazmıştım. Aynı yazıda varsayım yapmanın önemine değinmiştim.

Önce trend raporunu madde madde ele alıp yorumlamaya çalıştım. “Bunu Mart’ın ilk yarısında yayınlasaydınız olurdu ama…” diye başladım. Baktım uzadıkça uzuyor. Sonra vazgeçtim ve bu yazıyı hazırlamayı düşündüm.

Hava durumu tahminleri, çeşitli modeller ile yapılır. Düşünsenize… “yağmur yağmayacak” demişler ve ortalığı sel götürüyor. Hiç değilse yeni verileri girer ve hava tahminini güncellersiniz değil mi? Evet… Modelleriniz ve analizlerinizde de öyle yapın.

Tesadüf bu ya!.. Bir McKinsey yazısı düştü önüme… Sanki benim yaşadığım çelişkiyi yaşayanlar kaleme almış gibi… Makale, hem modellerin yararlarını anlatıyor, hem de dikkat edilmesi gereken konuları…

“Model gerçeğin bir görüntüsüdür / yansımasıdır / örneğidir“. Top model görüp “Bu gerçekse, etrafta gördüklerimiz nedir?” diye soracağınızı düşündüğüm için “örnek” kelimesini de ekledim.

Model tanımı bu makalede de var. “A model is a representation of a real system” diyor. Makalede harita benzetmesi var. “Durumu gösterir ama nereye gideceğinizi ve hangi aracı kullanacağınızı söylemez. Ona siz karar vereceksiniz” diye yazılmış.

Salgın döneminden bağımsız olarak vurgulamak isterim. Dijital dönüşümün önemli kavramlarından “dijital ikiz” oluşturmanız için, tüm üretim sisteminizin ve süreçlerinizin modellenmesi gerekir.

🙂

Varsayımlardan bahsettiğimde uzun anlattım. Hayal etmek ve varsaymak ayrı şeylerdir. Varsayımı özenli yapmayanlar hep kriz yaşarlar.

Tıpkı planlar gibi, modeller de en çok varsayımları kadar doğru ve geçerlidir. Bu nedenle, plan ve bütçe yapan, model hazırlayan herkese “Varsayımlarınızı ve gerekçelerini ayrıntılı olarak kaydedin. Sapma olduğunda, önce varsayımlarınıza bakın” derim.

Salgın dönemi, birçok geçmiş varsayımı altüst etti. Doğru bildiğimiz her şey yanlış oldu. Böyle zamanlarda, mevcut durumu ve geleceği daha iyi anlamak için çaba harcamak ve veriye dayalı gerekçeler bulmak yerine, “Bütçede yüzde xx kadar kısıntı yaptık”  cümlesini duyunca şaşırıyorum. “Neden yüzde xx de, yy kadar değil?” diye sormaktan kendimi alamıyorum.

Varsayımlarınızı “Şu nedenlerden yola çıkarak böyle düşündük. Şu koşullarda böyle olur” gibi değişkenlerin ağırlıklarına göre yaparsanız, kriz anlarında sıfırdan başlamayabilirsiniz.

😉

Bir tanıdığım, anlık kararlar verir ve uygulardı. Günü gününe benzemez, her şey her an değişebilir şekilde yaşamayı tercih etmişti. Bize “planlı yaşamak, akıntılı nehirde ölü balık gibi hareket etmektir” derdi. “Planlamayı ne kadar yanlış anladığını, aksine plansız olanın akıntıyla sürüklendiğini” hiç anlatamadık.

“Muğlak istikbal aylaklığın şanındandır” diyen bir diğer arkadaşım, hiç değilse planlama konusunda söz etmeyip, kendi yaşam tarzını anlatmıştı. Duyduğum anda “işte budur” dediğim cümlelerden biri… Ben  – tatilde bile – yapamıyorum, ayrı mesele…

Sevgili Nami, sağlıklı ve keyifli nice yılların olsun dostum.

“Bu belirsizlik ortamında plan yapılamaz” derseniz, “Her şey belirli olsa, plan yapmaya gerek olur muydu?” diye sorarım. Unutmayın “Planlama, belirsizliği azaltmak için bir araçtır“.

.

Veri anlamlandırmayı doğru yapmak için, öncesinde segmentasyonu doğru yapmış olmak gerekir. Eğer ana modeli doğru oluşturup segmentasyon yapmışsanız, tüketim davranışlarındaki istisnalar size müşteri hakkında derin bilgi verir.

Diyelim ki birinin plaza kadını olduğunu verilerle doğruladınız.

Sonra bu kadın “arap sabunu” satın aldı. Aslında plaza kadınının evinde bulaşık ve çamaşır makineleri otomatik olmalı. Bu durumda arap sabunu ne anlama gelir?

Öğrencilerime sorduğum zaman erkekler “plaza kadınının işten kovulduğunu” söyler, kadınlar ise “eve temizlikçi geldiğini” ve/veya “organik yaşamaya çalıştığını” söyler.

• Kadınların önermesi doğrudur. Ayrıca, plaza kadını işten kovulsa bile, arap sabunuyla temizlik yapmaya girişmez. En azından epey zaman beklemek gerekir.
• Daha önce, diğer satın aldıklarına bakarak çocuğu olduğunu anlamışsak, arap sabunu ile halıları temizlediklerini varsayarak, çocuğun emeklemeye başladığını bile düşünebiliriz.

Plaza kadını temizlenmiş ve hazır ıspanak değil de demet ıspanak almışsa, ne anlarız?

Plaza kadınının çamurlu ıspanağı 6 – 7 kere yıkamasını beklemek doğru değil. Eğitimlerimin birinde, beyaz yakalı kadın “Bir kez denedim, kumlu ıspanak yedik. Hayatta bir kere daha yapmam” dedi. 

Bu soruyu sorduğumda erkek öğrenciler “Sevgilisine yemek yapacak” diye varsaydılar. Romantizm güzel bir şey. Lakin bu örnekte sevgiliye yemek yapmanın doğru olma ihtimali gerçekten çok düşük.

Kadınlar ise “Evde yemek yapan biri var. Muhtemelen annesi geliyor” dediler.

Aynı satın alma davranışlarını “bekar erkek” için sorduğumda, herkes doğru bildi.

😀

Burada önemli olan istisnaların bize ne kadar bilgi verdiğidir.

Satın alma davranışlarındaki istisnaya varan farklılıklar sayesinde bu plaza kadınını, diğerlerinden daha fazla tanımaya başlarız. Bu istisnalar olmasa “eve temizlikçi geldiğini” ve/veya “annesinin gelip yemek yaptığını” bilemeyecektik. İstisnaların saptanması ve yeniden anlamlandırılması önemlidir.

😉

Bu örnekten alınacak çok sayıda ders var.

1. Eğer ana modeli doğru oluşturduysanız, müşterinin her istisna davranışı sizin daha fazla bilgi edinmenizi sağlar.
2. Bir ürün veya davranış, tek bir biçimde anlamlandırılmaz. Aynı ürün farklı segmentler için farklı anlamlandırılır.
3. İlk aklımıza gelen anlam doğru olmayabilir. Müşteri deneyimine göre anlamlandırma yapabiliriz.
4. Bu nedenle, anlamlandırma usta (müşteriyi dinleyen, gözleyen, anlayan) pazarlamacının işidir.

😀

Not: 27 Şubat 2021 tarihli ekleme

HBR Fikir Önderleri yayınlarında Amit Joshi güzel bir örnekten bahsetti.

Yıllardır büyük köpek için mama satın alıyor. Üyelik yöntemiyle satın aldığı için, belli aralıklarla eve teslim ediliyor. Bir gün bu üyeliğini iptal ediyor. Yavru köpek maması için abonelik başlatıyor.

Hemen arkasından eve, üzerinde “kaybınız için üzgünüz” yazan bir demet çiçek geliyor.

Köpek maması satın aldığı yer mama değişikliğinde, büyük köpeği kaybettiklerini ve yavru bir köpek aldıklarını anlıyor.

.