"veri anlamlandırma" etiketli yazılar:

04 Ekim 2019 Cuma

Pe-Tek 2019 (2)

Dün, Kategori Mağazacıları Derneği KMD‘nin 1 Ekim Salı tarihindeki Perakende Teknolojileri Konferansı etkinliğinde yaptığım konuşmayı yayımlamaya başlamıştım.

Bugün devamı:

Lokasyon teknolojileri dedikleri çeşitli uygulamalar var. RFID veya NFC veya bir başkasını seçmeden önce kendi ihtiyacınızı tanımlayın. AVM’nin en dibinde bir dükkanınız var ve AVM’ye girip sizi göremeyen müşterilerin dikkatini çekmek istiyorsunuz. Veya devasa dükkanınızın birçok farklı köşesinde farklı ürünlerde kampanyalarınız var ve doğru kişinin onlara gelmelerini istiyorsunuz. Teknolojiye karar vermeden önce senaryolarınızı oluşturun ve işe yarayıp yaramayacaklarını sınayın. Böylece sadece doğru teknolojiyi değil, doğru yöntemi de seçersiniz.

Bu gördüğünüz, “O köşeye komodin mi yoksa etajer mi koymalıyım?” kararını kolaylaştıran bir uygulama.

Aynı teknoloji, perdelerin rengini ve desenini seçerken, koltuk döşemelerine karar verirken, satın aldığınız büyük tablonun arkasındaki duvarın rengini belirlerken kullanılabilir. Önce müşteri ihtiyacını belirleyin. Sonra size en uygununu seçin.

😉

Akıllı aynalar sayesinde elbiseyi giymeden size yakışıp yakışmayacağına karar verebiliyorsunuz.

Hangi ruj renginin uyacağına, saç rengine ve biçimine… Hatta arkadaşlarınıza sorup fikirlerini alabiliyorsunuz. Yakında, elini kolunu garip şekilde sallayan birilerini gördüğümüzde yadırgamayacak, “akıllı aynanın önünde elbise denediğini” anlayacağız.

Vücudun veya yüzün çeşitli noktalarını (16 bin noktayı) algılayıp karşılaştırma yapan teknoloji, özellikle havaalanlarının güvenliği için geliştirilmişti. Saniyeler içinde, suçlu veri tabanı ile karşılaştırma yaparak, tehdit unsurlarını saptıyordu.

Bu teknoloji şimdi ticarileştirildi ve mağazadaki müşterilerin ruh halini anlamakta kullanılıyor.

Müşteri kararsız mı kaldı, hayal kırıklığına mı uğradı, incelediği ürünün etiketini okuduğunda beklediğini bulamadı mı?…Tereddütlü mü, beğendi mi?

Hangi ürünlerin önünde daha fazla zaman harcıyor, hangi üründen sonra diğer hangi ürüne bakıyor?…

Bu kameralar sayesinde sürekli veri toplanabiliyor. Bu kameraların olması, dijitalleşmedir. Bu kameraları kullanarak elde edilen verileri bilgiye, bilgiyi de içgörüye dönüştürebiliyorsanız, o zaman dijitalleşmeyi aşmış ve dijital dönüşüme başlamış olursunuz.

  • Not: Bu noktada, dijitalleşme ve dijital dönüşüm arasındaki ilişkiyi (daha önce yayımladığım) tuvalet örneği ile anlattım. Oturum sonrasında aldığım geri bildirimlere göre, bu örnek çok beğenilmiş.

Her hareketi yakalayan teknolojiler yetmiyor. Bu verinin bilgiye ve sonra da içgörüye dönüşmesi için, başka paydaşlar da gerekiyor. Artık satır ve sütunlardan olmayan veriler oluşuyor. Dolayısıyla, veri madenciliği gibi video madenciliği de zorunlu oluyor. Bu firma, videoda elde edilen görüntüleri veriye, veriyi de bilgiye dönüştürüp, müşteri içgörülerini yakaladığını söylüyor.

Veri analiziyle sadece duygu-durum göstergelerini değil, optimum patikayı ve müşteri deneyimini iyileştirecek noktaları da bulmamızı sağlıyor.

(Devamı var [3])

.

17 Eylül 2019 Salı

Anlamlandırma ve Kişiselleştirme

Bunu alan şunu da aldı” algoritmalarının kişiselleştirme için yetersiz olduğunu nicedir anlatıyorum.

Geçenlerde Twitter’da Mustafa Dalcı’nın bir mesajını gördüm.

Bu tweet’in altında yorumlar ve yazışmalar oldu.

Ben de oldukça uzun bir tweet akışı yazdım. Burada, daha derli toplu tekrarlayacağım.

MBA öğrencilerimden birinin, sadece alışveriş  verilerini inceleyerek muhteşem bir isabetle müşteriyi bildiğini şuradan okuyabilirsiniz. Benim de küçük bir örneğim var.

  • Kendimize şunu sormalıyız. “Neden MBA’deki bir öğrenci – işi veri analizi değilken – bu kadar isabetli tahminler yapabiliyor ve modellenebilecek özellikleri saptıyor ama bankalar, telekomcular, süpermarketler, sigortalar, vb. bunları bilemiyor?

Bazı arkadaşlar, tweet’e yanıt olarak, “bu kurumların teknolojik alt-yapıları uygun değil” diye yanıtlamışlar. Maalesef yanılıyorlar. Bankaların, telekomcuların, süpermarket zincirlerinin elinde kişiselleştirmeyi düzgün yapacak teknoloji var. Bazılarının, istatistiksel analiz yazılımlarına yüzbinlerce dolar,  sadece “bunu alan şunu da aldı” (genelde “next best offer” deniliyor) yazılımlarına ve kampanya yönetim araçlarına milyon ABD doları ödediklerini iyi biliyorum. Bunlar Big Data konferanslarında neler anlatıyorlar

  • Onlarda eksik olan şey teknoloji değil. Veriyi içgörüye dönüştürmek için, insana gerek olduğunu ve teknolojinin yetersiz kaldığını bilmemeleri.

Siz arkadaşlarınızla bir konuda sohbet ediyorsunuz. Hemen sonrasında ilgili reklamları görmeye başlıyorsunuz. Sohbet edince, reklamın görülmesi (Google, Amazon, Facebook … işleri) ile banka, süpermarket, telekom, sigorta işleri farklı.

  • 24 saat yanınızda olan cihazın casusluğu ile alışveriş veya işlem verilerini kıyaslamak doğru değil. “Ellerinde yok” dediğiniz teknoloji, bence bu değil… ve zaten bu olmamalı.

E-ticaret’te veri anlamlandırma, geleneksel ticaret ile karşılaştırılamayacak kadar kolay. Daha önce [1] , [2] , [3] yazmıştım. E-ticaret işindekiler çoğunlukla basit modelleri kullanıp anlamlandırmayı ihmal ettiklerinden komik durumlara düşüyorlar… ya da anlamsız teklifler sunuyorlar.

Fırsat sitelerinin moda olduğu (bir ara 200’ün üstünde fırsat sitesi olduğu) dönemde, veri konusunda uyardığım girişimciler “şu anda kişiselleştirme için uğraşmaya gerek yok, en az 2 yıl daha böyle idare ederiz” diyorlardı. Bildiğiniz gibi, sadece birkaç tanesi ayakta kaldı.

  • Girişimciler çoğunlukla “exit” odaklılar. Ufuklarını “girişim değer kazanana kadar” diye belirlemişler. Veriye dayalı düşünme” disiplini, çoğunda yok.

😉

Eğitimlerimde, veri anlamlandırma konulu ilginç iki tane karikatürü kullanıyorum.

Birincisi bu:

İkincisi ise:

İşte bu nedenle, “veri anlamlanırma ustalık gerektirir” diyorum. Anlamlandırma teknolojinin değil, iş birimlerinin görevidir. Büyük kurumların ve e-ticaret girişimcilerinin atladığı da bu noktadır.

🙁

Ben son olarak şu deyişi ekleyeyim.

2-types-of-people-a

Dünyada iki tip insan vardır.
1) Eksik veriden anlam üretebilenler

😉

05 Haziran 2019 Çarşamba

Kendini “Veri Bilimcisi” sıfatlamak

Linkedin’de bir anket gördüm. “Veri ile çalışanlar anketi” diye isimlendirilmişti. Anketin arkasında bir girişimin ve bir öğretim üyesinin isimleri vardı.

Sosyal mecralarda yayınlanan anketleri ciddiye almam. Ama bir öğretim üyesinin adını görünce ciddiye aldım. Anketi inceledim. İlerleyemedim.

Öğrenim durumunuz?” sorusunu LİSE diye yanıtlıyorsunuz ve sonraki soruda “En son mezun olduğunuz alan/bölüm?” diye şu liste geliyor.

Anketi biraz daha inceledim.

Bugünün iş dünyasında en alt kademe dışında herkesin “veri ile çalışması gerektiğine” inanan ve bu konuda onlarca yazı yayınlamış biri olarak hem anketin adının, hem de kapsamının yanlış belirlendiğini gördüm.

Bunun üzerine Linkedin’de bu anketin yayınlandığı post’un altına şöyle yazdım.

Anket, araştırma yöntemlerini bilmeyen kişiler tarafından tasarlanmış. Sorular arasında büyük tutarsızlıklar var.

  • Veri ile çalışanlar anketi değil, veri ambarı sorumluları anketi haline gelmiş.
  • Son mezun olduğu okul LİSE olan biri, devamını nasıl dolduracak düşünülmemiş.

İlk 2 hücreyi doldurmuştum, devamına ilerleyemedim.

Unvanını “veri bilimcisi” (vb) olarak saptamış arkadaş ile şöyle yazıştık.

vb – “Bilmiyorum ama fikrim var.”
ben – Yazık
vb – “Bilmediğimi de bilmiyorum ama illa bişeyler söylemeliyim ki bilmediğim anlaşılmasın.”

İlk mesajımın anlaşılmadığını görünce daha ayrıntılı yazmak zorunda kaldım.

Bugünün iş dünyasında, hemen her orta-üst ve üst düzey, veri ile çalışır. Anketi düzenleyenler, sadece IT kökenliler için düzenlemişler.
Bu nedenle anketin adı “Veri ile çalışanlar” olmamalıydı.
2014 başında yayınladığım şu yazı, fikir geliştirmede yardımcı olabilir https://www.uzaktancrmegitimi.com/6509/2018-yilina-dogru

Sonra yazışma şöyle devam etti:

vb – Teşekkürler. Haklısınız işin teknik tarafı ile ilgilenenler için düzenliyorum anketi.
ben – Peki, yukarıdaki “Bilmiyorum ama fikrim var.” ve “Bilmediğimi de bilmiyorum ama illa bişeyler söylemeliyim ki bilmediğim anlaşılmasın.” cümlelerini nasıl yorumlamalıyım. Daha geniş anlatabilir misin lütfen?
vb – İç ses olmalı en azından.
ben – Kimin iç sesi?

Bu soruya uzun süre yanıt alamadım. Anladığım kadarıyla laf sokuşturma çabasında bir genç arkadaş var karşımda. (Yazışmanın devamı en altta… ama arayı okumadan son kısma geçmeyin.)

🙁

Bülent Eczacıbaşı bir konuşmasında “Hepimizin yaptığı bir hata vardır. İnsan tanımak Hemen hepimiz “insanı çok iyi tanıdığımızı” zannederiz. En büyük yanlışlardan biri “ben insanı gözünden tanırım” zannetmektir” demişti.

Bu hatayı sıkça yaparım. Sonra yanıldığımı anlarım. Yine aynı şey olmuştu.

🙁

İşin duygusal tarafını bir yana bırakayım ve araştırma yöntemlerinden bahsedeyim.

Önce KAPSAM (çerçeve) belirlenir. Kapsam, amaç ile tümden paralel olmalıdır. Bu ankette kapsam “veri ile çalışanlar” değil, “veri işlerinin teknik taraflarında çalışanlar” olmalıydı. Böylece, bugünün dünyasında orta yönetim kademelerinden başlayarak veri ile çalışan herkes değil, sadece teknik elemanların katılması sağlanırdı. Veri kirliliği engellenirdi.

Sonra soruların seçenekleri tutarlı olur. “Öğrenim durumunuz?” sorusunu LİSE diye yanıtlayana o seçenekler gösterilmez.

Seçenek hazırlarken de yapılacak önemli işler var.

  1. Bir yazılım şirketi sahibi arkadaşım var. İşletme doktorası yaptı. Verileri daha iyi anlamlandırmak için “antropoloji” doktorası yapmaya başladı. Bu arkadaşım ikinci doktorasından mezun olursa,  “En son mezun olduğunuz alan/bölüm?” sorusuna verecek yanıtı olmayacak. Seçenekler arasında işletme dışında sosyal bilimler yok.
  2. Normal lise mezunu bir genç girişimci arkadaşım var. İlk yazılımını 16 yaşındayken satmıştı. Telekom şirketlerine yıllarca tedarikçi olarak çalıştı. Veri güvenliği konusunda sayılı uzmanlardan biri. Bu anketin ilk 3 sorusunda tıkanıp kalır.
  3. Bu gibi konuları dışarıda bırakmamak ve anketi kurgularken varsayımlar dışındaki olası gelişmeleri anlamak için, mutlaka “Diğer” seçeneği eklenir. Yüzde bir, binde bir olasılık da olsa, “Diğer” mutlaka eklenmelidir.  (Bu “Diğer” seçeneği, araştırma yöntemleri dersinde sınıfta kalma / geçme çizgisidir.)

Bana hakaret eden “veri bilimcisi” olduğunu söyleyen arkadaşa şunları söylemek isterim.

  • Kapsam araştırmanın temelidir. Bunu açıkça belirlemeyen;
  • Seçeneklere “diğer” koymayı unutan;
  • Mesajı anlamak için hiç çaba sarfetmeyen;
  • Geri bildirim geldiğinde kök nedeni sorgulamadan tepki gösteren

kişi veri bilimcisi olduğunu iddia etmemeli.

🙁

Meraklısına, iletişimin devamı aşağıda:

Ben maalesef, insan konusunda yanılmakla ünlüyümdür.

🙁

8 Haziran 2019 tarihli EKLEMELER

Türkiye’nin büyük veri ile çalışan hemen her kurumuna “Pazarlamada Veri ve Büyük Veri Kullanımı” eğitimi verdim.

Benim işim veri ile çalışmak ve ben anketi dolduramıyorum.

😉

Tüm yöneticilerin veri ile çalışması gerekiyor. Ancak, bu genellemenin yanısıra;

  • CRM – Müşteri İlişkileri Yönetimi
  • CXM – Müşteri Deneyimi Yönetimi
  • Geri bildirim yönetimi
  • Dijital pazarlama – Kişiselleştirme

gibi konularda işi bizzat “veri ile çalışmak” olan çok sayıda “teknik olmayan” kişi var. Araştırmayı “Veri ile çalışanlar anketi” diye isimlendirmek yerine “verinin teknik taraflarıyla sınırlı olduğunu” belirten bir cümle eklenseydi, bu tartışma olmayacaktı.

.