Bir tekstil ihracatçısı düşünün: her gün yüzlerce sipariş kaydı, onlarca tedarikçi hareketi ve iki farklı döviz kuru üzerinden fiyatlama kararı. Bu verilerin tamamı şirketin sunucularında bir yerde duruyor, ancak yönetici sabah toplantısına girerken elinde yalnızca bir önceki haftanın özet tablosu var. Veri var, ama bilgi yok. İşte tam bu noktada ‘büyük veri’ kavramı, soyut bir teknoloji terimi olmaktan çıkıp operasyonel bir problem tanımına dönüşüyor.
Büyük veri, özünde üç boyutla tanımlanıyor: hacim, hız ve çeşitlilik. Hacim, geleneksel veritabanı araçlarının işleyemeyeceği kadar büyük veri kütlelerini ifade ediyor. Hız, bu verinin gerçek zamanlı ya da gerçek zamana yakın üretilmesini ve işlenmesini kapsıyor. Çeşitlilik ise yapılandırılmış tablo verilerinin yanı sıra e-posta metinleri, çağrı merkezi kayıtları ve sensör çıktıları gibi yapılandırılmamış içerikleri de hesaba katıyor. Türkiye’deki çoğu KOBİ için hacim ve hız henüz birincil sorun değil; ama çeşitlilik sorunu zaten masada: muhasebe sistemi ayrı, stok takibi ayrı, müşteri kayıtları Excel’de.
Bu tablonun küresel ölçekteki karşılığı, 2011 başında IBM’in Watson sisteminin ABD’nin popüler bilgi yarışmasında iki insan şampiyonu karşısında kazandığı zaferle simgeleşti. Watson bir satranç programı değil; doğal dil işleme ve olasılıksal çıkarım kullanan, yapılandırılmamış metinden anlam çıkaran bir sistem. Kurumsal dünyada bu, ‘bilişsel hesaplama’ olarak adlandırılıyor. Kavram henüz araştırma laboratuvarlarında şekilleniyor; ancak yönelim açık: makineler yalnızca hesaplamıyor, bağlam yorumluyor. Bir KOBİ yöneticisinin bu teknolojiyi bugün satın alması mümkün değil, ama önümüzdeki beş yılda kurumsal yazılımların bu yönde evrileceğini görmek için Watson vakasını anlamak yeterli.
Peki veri analitiği bugün Türkiye’deki bir KOBİ için ne anlama geliyor? Birkaç somut fayda üzerinden düşünmek daha verimli. Birincisi, stok optimizasyonu: geçmiş satış verilerini düzenli analiz eden bir firma, mevsimsel talep dalgalanmalarını önceden görebilir ve bağlı sermayeyi azaltabilir. Bu, büyük veri platformu gerektirmiyor; mevcut ERP verisini doğru sorgulamak yeterli. İkincisi, müşteri karlılık analizi: her müşterinin brüt kâr katkısını hesaplamak, satış ekibinin zamanını nereye harcaması gerektiğini gösterir. Üçüncüsü, tedarikçi performans takibi: teslimat süresi sapmaları, kalite iade oranları ve fiyat tutarlılığı gibi metrikleri düzenli izlemek, yıllık tedarikçi görüşmelerini veriyle destekler.
Bu faydaların gerçekleşmesi için önce veri kalitesi sorununu çözmek gerekiyor. Türkiye’deki pek çok KOBİ’nin ERP veya muhasebe sistemi var, ama bu sistemlere girilen verinin tutarlılığı tartışmalı. Aynı müşteri farklı isimlerle kayıtlı, stok kodları standartlaşmamış, maliyet merkezleri tutarsız kullanılıyor. Veri analitiği yatırımından önce bu temel sorunları çözmek, toplam sahip olma maliyeti (TCO) açısından çok daha verimli bir başlangıç noktası. Aksi hâlde analitik araç, kirli veriyi daha hızlı işleyen bir makineye dönüşür.
Pratik zorlukların en büyüğü insan kaynağı. Büyük veri araçları — Hadoop gibi dağıtık işleme çerçeveleri veya gelişmiş iş zekâsı platformları — ciddi teknik yetkinlik gerektiriyor. Türkiye’de bu alanda deneyimli uzman sayısı sınırlı; büyük şehirlerde bile bu profilde eleman bulmak güç. Bulut tabanlı analitik hizmetleri bu boşluğu kısmen kapatıyor: sunucu yatırımı yapmadan veri ambarı kiralayıp raporlama aracı kullanmak mümkün. Ancak bulut hizmetlerinde veri güvenliği ve yerel mevzuata uyumluluk konuları henüz netleşmiş değil; sözleşme aşamasında hukuki danışmanlık almak kritik.
2012’ye girerken bir yöneticinin yapması gereken üç şey var. İlk olarak, mevcut sistemlerdeki veriyi denetlemek: hangi veriye sahip olduğunu, bu verinin ne kadar güvenilir olduğunu ve hangi kararlar için kullanılabileceğini haritalamak. İkinci olarak, iş zekâsı aracına yatırım yapmadan önce bir pilot analiz yapmak: bir ürün grubu veya bir müşteri segmenti üzerinde basit bir karlılık analizi, hem metodolojik hem de organizasyonel hazırlık düzeyini ortaya koyar. Üçüncü olarak, büyük veri söylemini gerçek ihtiyaçla kalibre etmek: Watson haberlerini okumak yönelimi anlamak için değerli, ama bugün Hadoop kurmak çoğu KOBİ için öncelikli değil. Veri stratejisini büyüklük değil, karar kalitesi üzerine inşa etmek, bu dönemi en verimli şekilde geçirmenin yolu.