Bir Türk perakende zincirinin analitik müdürü geçen ay şu soruyu sordu: ‘Üç veri analistimiz var, bir de SQL bilen bir muhasebeci. Bunları bir araya getirip data science ekibi diyebilir miyiz?’ Cevap, ne yazık ki hayır. Veri bilimi ekibi kurmak, mevcut teknik kadroya yeni bir etiket yapıştırmaktan çok daha fazlasını gerektiriyor. Rol kompozisyonu, iş birimleriyle çalışma modeli ve yönetim yapısı — bu üç boyut doğru tasarlanmadığında en yetenekli bireyler bile sistemik bir çıktı üretemez.
Veri bilimi ekibinin temel rol yapısı üç katmandan oluşur. Birinci katmanda veri mühendisleri yer alır; veri kaynaklarını birleştiren, veri ambarını besleyen ve veri kalitesini yöneten bu profiller, ekibin altyapı omurgasıdır. İkinci katmanda analitik uzmanlar ve veri bilimciler bulunur; istatistiksel modelleme, tahminleme ve segmentasyon bu grubun çalışma alanıdır. Üçüncü katman ise iş analistleridir — teknik çıktıyı iş kararına dönüştüren, yöneticilerle aynı dili konuşan köprü profilidir. Türkiye’deki şirketlerin büyük çoğunluğu ikinci katmanı işe almaya çalışırken birinci ve üçüncü katmanı ihmal eder; bu da ekibin ürettiği analizlerin rafta kalmasına yol açar.
Organizasyon modeli seçimi, ekibin etkinliğini doğrudan belirler. Merkezi model, tüm veri bilimcilerin tek bir birim altında toplandığı yapıdır; bilgi birikimi korunur, standartlar tutarlı kalır, ancak iş birimlerinden gelen taleplere yanıt verme süresi uzar. Dağıtık model, veri uzmanlarının pazarlama, operasyon veya finans gibi iş birimlerine gömülü çalıştığı yapıdır; çeviklik yüksektir ama metodoloji tutarsızlıkları ve bilgi silolarının oluşması kaçınılmaz hale gelir. Hibrit model ise merkezi bir yetkinlik merkezi ile iş birimlerine atanmış analistlerin birlikte işlediği yapıdır. Türkiye’de orta ölçekli bir KOBİ için en işlevsel başlangıç noktası, küçük bir merkezi çekirdek ekip ile iş birimlerinde yarı zamanlı analitik sorumluluk üstlenen profillerin kombinasyonudur.
İş birimleriyle çalışma modelini tanımlamak, teknik yapıyı tasarlamak kadar kritiktir. Talep yönetimi sürecinin yokluğu, veri ekiplerini önceliksiz istekler yığınının altında ezer. Etkili bir model, her iş biriminin analitik taleplerini standart bir proje kartıyla ilettiği, ekibin bu talepleri etki ve uygulama kolaylığı matrisine göre önceliklendirdiği ve çıktıların belirli teslim döngüleriyle sunulduğu bir işleyiş gerektirir. Sprint benzeri çalışma döngüleri bu dönemde Türkiye’de henüz yaygınlaşmamış olsa da iki ya da dört haftalık teslim döngüleri pratikte aynı disiplini sağlar. Önemli olan döngünün adı değil, her dönem sonunda ölçülebilir bir çıktının iş birimine ulaşmasıdır.
Yönetim modelinin en kritik kararı, ekip liderinin kim olduğu sorusudur. Teknik derinliği yüksek ama iş bağlamından kopuk bir lider, ekibi akademik bir araştırma grubuna dönüştürür. Tersine, teknik altyapıyı kavrayamayan bir iş yöneticisi ekibi raporlama fabrikasına indirgeyebilir. İdeal profil, hem veri mühendisliği ve istatistik temelini anlayan hem de yönetim kuruluna ROI analizini sade bir dille aktarabilen hibrit bir liderdir. Bu profil Türkiye’de hâlâ kıt olmaya devam ediyor; dolayısıyla mevcut kadroda böyle bir kişi yoksa dışarıdan danışmanlık desteğiyle geçiş dönemini yönetmek makul bir seçenek olarak öne çıkar.
Pratik zorlukların en büyüğü, veri erişim altyapısının yetersizliğidir. ERP sistemleri, e-Fatura verileri, CRM kayıtları ve operasyonel tablolar çoğu zaman farklı sistemlerde, farklı formatlarda ve farklı güncelleme sıklıklarıyla tutulur. Veri bilimi ekibi kurulmadan önce bu kaynakların birleştirildiği, temizlendiği ve düzenli olarak güncellenen bir veri ambarının oluşturulması gerekir. Bu altyapı olmadan veri bilimciler zamanlarının büyük bölümünü analiz yapmak yerine veri temizlemeye harcar — ki bu, toplam sahip olma maliyetini (TCO) ciddi ölçüde artıran, ancak çoğu yöneticinin bütçe planlamasında görmezden geldiği bir kalemdir. Veri ambarı yatırımını geciktiren şirketler, analitik ekip yatırımından beklenen geri dönüşü (ROI) elde etmekte güçlük çeker.
Veri bilimi ekibi kurmayı değerlendiren bir yönetici için karar kriterleri şunlar olmalıdır: Birincisi, hangi iş sorularının yanıtlanması gerektiğini somut biçimde tanımlayın — ‘daha iyi kararlar almak’ bir hedef değildir. İkincisi, mevcut veri altyapısını dürüstçe değerlendirin; altyapı hazır değilse önce oraya yatırım yapın. Üçüncüsü, organizasyon modelini şirketin büyüklüğüne ve olgunluk düzeyine göre seçin; hibrit model çoğu Türk KOBİ’si için en gerçekçi başlangıç noktasıdır. Dördüncüsü, ekip liderini teknik yetkinlik ve iş çevirisi kapasitesini birlikte taşıyan bir profil olarak tanımlayın. Veri bilimi ekibi, kurulduğu andan itibaren değil, iş birimleriyle güven ilişkisi kurduğu andan itibaren değer üretmeye başlar.