Veri Stratejisi Olmadan Big Data Neden Gürültüye Dönüşür?

Bir üretim firmasının BT müdürü, geçen yıl yaptığı sunumda şunu söyledi: ‘Sistemi kurduk, veriyi topladık, ama kimse ne yapacağını bilmiyor.’ Bu cümle, son iki yılda Türkiye’deki orta ölçekli işletmelerde giderek daha sık duyulan bir itirafın özeti. Büyük veri kavramı uluslararası teknoloji gündeminde hızla yükseliyor; Hadoop gibi dağıtık işleme altyapıları ve kolon tabanlı veri ambarı çözümleri şirketlerin radarına girmeye başlıyor. Ancak araç satın almak ile bu araçtan değer üretmek arasındaki mesafe, çoğu projede göz ardı edilen kritik bir boşluk olarak duruyor.

Veri stratejisi, en yalın tanımıyla şu dört soruya verilen tutarlı yanıtların bütünüdür: Hangi kararları daha iyi almak istiyoruz? Bu kararlar için hangi veriye ihtiyacımız var? Bu veriyi kim üretiyor, kim sahipleniyor ve kim kullanacak? Organizasyonun bu veriyi anlamlandıracak yetkinliği var mı? Bu sorulara yanıt verilmeden başlatılan her büyük veri projesi, kaçınılmaz olarak bir teknoloji deposuna dönüşüyor. Sunucular çalışıyor, tablolar dolup taşıyor, raporlar üretiliyor; ama bu raporlar hiçbir kararı beslemediği için değer üretmiyor. Gürültü tam da burada başlıyor.

Stratejinin birinci bileşeni olan ‘amaç’ tanımı, kulağa basit geliyor ama uygulamada en çok zorlanılan nokta burası. Bir perakende zinciri, müşteri satın alma örüntülerini analiz etmek istiyorsa bu iyi bir başlangıç noktası. Ancak ‘örüntü analizi’ ile ‘hangi ürünü hangi mağazaya ne kadar stok koy’ sorusu arasında çok sayıda operasyonel karar katmanı var. Amaç bu karar katmanlarına kadar indirgenmezse toplanan veri, karar süreçlerine bağlanamıyor. Yöneticiler raporlara bakıyor, rakamlara hayran kalıyor, ama sabah hangi kararı farklı alacaklarını bilmiyorlar.

İkinci bileşen olan ‘kaynak’ yönetimi, özellikle KOBİ ölçeğinde ciddi bir operasyonel sorun. Verinin nereden geldiği, ne sıklıkla güncellendiği ve kalite kontrolünün kim tarafından yapıldığı tanımlanmadığında, analiz katmanına ulaşan veri kirli, eksik veya çelişkili oluyor. Bir lojistik şirketinde araç takip sistemi ile muhasebe yazılımı aynı teslimat için farklı tarihler kaydediyorsa, bu iki kaynağı harmanlayan her analiz hatalı sonuç üretiyor. Veri kalitesi sorunu teknik bir sorun gibi görünüyor; oysa büyük ölçüde süreç ve sorumluluk tanımı sorunudur.

Sahiplik bileşeni, Türkiye’deki iş kültürü açısından özellikle hassas bir alan. Veri kimin sorumluluğunda? Bu soru, çoğu şirkette BT departmanına yönlendiriliyor. Oysa bir satış verisinin sahibi satış müdürüdür; BT bu veriyi yalnızca taşır ve depolar. Sahiplik tanımlanmadığında veri kalitesi için kimse hesap vermiyor, güncelleme disiplini kurulamıyor ve analiz sonuçlarına itiraz geldiğinde kimin yanıt vereceği bilinmiyor. Büyük veri projelerinin önemli bir bölümü bu sahiplik boşluğunda sessizce çöküyor.

Yetkinlik bileşeni ise en uzun vadeli yatırımı gerektiriyor. Veriyi anlamlandırmak için istatistiksel düşünme, sektör bilgisi ve analitik araçlara hâkimiyet bir arada gerekiyor. Bu üç yetkinliği tek kişide bulmak zor; bir ekipte bir araya getirmek ise zaman ve planlama istiyor. Şirketler çoğu zaman yazılım lisansı için bütçe ayırıyor ama bu yetkinliği geliştirmek için ne eğitim planı yapıyor ne de işe alım stratejisi kuruyor. Toplam sahip olma maliyeti hesaplandığında lisans bedeli genellikle küçük bir kalem; asıl maliyet yetkinlik geliştirme ve süreç değişikliğinde yatıyor.

Stratejisiz projelerin başarısızlık örüntüsü oldukça tutarlı: ilk altı ayda coşku yüksek, raporlar üretiliyor ve sunumlar yapılıyor. Sonraki altı ayda raporların kararlarla bağlantısı kurulamamaya başlıyor, kullanım oranı düşüyor. İkinci yılda sistem ‘çalışıyor ama kimse bakmıyor’ aşamasına geliyor. Üçüncü yılda yeni bir araç arayışı başlıyor. Bu döngü, aracın yetersizliğinden değil stratejinin yokluğundan kaynaklanıyor. Karar vericiler için doğru soru şu: Büyük veri projesine başlamadan önce yukarıdaki dört soruya yazılı ve paylaşılmış yanıtlarınız var mı? Yoksa önce strateji, sonra araç.


analitik modelleme şirketin geçmişini kaydetmek için değil, gelecekteki kararlarını güçlendirmek için tasarlanmalıdır. Doğru mimari; görünürlük, hız, kontrol ve öğrenme kapasitesi üretir. Aksi halde veri toplanır, raporlar çoğalır ama karar kalitesi aynı yerde kalır.


Gökhan Mercanoğlu
Büyük Veri ve Veri Bilimi