Geleceğin Veri Bilimcilerine Bir Not

Yapılan işi doğru anlamadan yapılan herhangi bir veri analizinin sonuçları işe yaramaz. Gelecekteki veri bilimcileri için asıl zorluk budur. İş ile koordinasyon, ana trendlerin anlaşılması ve sürekli iyileştirme, veri bilimi yoluyla değer yaratılmasında önemli başarı faktörlerindendir.

Matematik ve istatistik konusunda çok iyi olduğunuzu varsayalım. Tüm ETL (Ayıkla, Dönüştür ve Yükle) araçlarını ve BI araçlarını emin bir şekilde kullanıyorsunuz. Veri temizleme ve görselleştirme konusunda yeterli deneyime sahip olduğunuzu düşünüyorsunuz. Öyleyse, size göre mükemmel bir veri bilimcisisiniz. Kötü haber… Belki de değilsiniz.

Modern araçlarınız olabilir ve bunları nasıl kullanacağınızı biliyor olabilirsiniz ama hikâye ancak bu araçları neden kullandığınızı anlamaya başladığınızda değişir. İnanılmaz veri analitik becerilerinizle herhangi bir iş görüşmesine girdiğinizde, mutlaka takdir edileceksiniz ancak cevaplanması gereken başka sorular olacak:

• “Verinin iş demek olduğunu” biliyor musunuz?
• İşin temellerini biliyor musunuz, ekonomik ve endüstriyel dinamikleri anlıyor musunuz?
• Elinizdeki araçlarla sorunları çözerek “hissedar değeri” yaratabiliyor musunuz?
• Çalışmanızın sonuçlarını sunarak şirket yönetimini eyleme geçirilebilecek içgörüler sağlayabilir misiniz?

İş anlayışı ve deneyimi çoğu zaman gözardı edilerek basit görülür ya da en fazla, veri bilimcilerine tavsiyelerde bulunulurken öylesine değinilir ama  aslında uygulamada etkili olabilmenin önemli bir unsurudur. İşletmeler için veri bilimi, verinin keşif ve / veya çözümleriyle bütünleştiği gerçek sorunları çözmek için vardır. Veri analizindeki becerilerin işletme problemlerine uygulanmak zorunda olunduğunun mutlaka farkında olunmalıdır.

Kendinizi bir gemiyi kullanan bir kaptan olarak düşünün. Bu gemiyi gözleri kapalıyken bile kullanabiliyorsunuz. Varılacak yerin nerede olduğunu bilmiyorsanız, o gemideki hiçbir yolcu o gemiyi kullanma becerilerinizi önemsemez. Eğer yolcular kendilerini “hiçbir yerin ortasında” bulurlarsa, başınız derde girer. Ayrıca, bu hedefe nasıl ulaşacağınızı, yol boyunca sizi bekleyen tehlikeleri, maliyeti en aza indirecek yolu, yolcularınızı rahatlatmak için en uygun rotayı da bilmelisiniz. Yolcuların ayrıca belirli bir anda nerede olduklarını ve seyahatle ilgili diğer bilgileri bilmeleri gerekecektir. Varsa, durumu ve karşılaşılan sorunları bildirmenin en iyi yolunu bulmalısınız. Ayrıca, eğer yolcular mutlu değilse, bir dahaki sefere seyahat edecek başka bir gemi bulabileceklerini, şirketinizin para kaybedeceğini ve bir kaptan olarak kötü bir üne sahip olacağınızı unutmamalısınız.

Bu nedenle, bir veri bilimcisi olarak rolünüz bu kaptanınkine çok benzer. Artık, sahip olduğunuz araçları kullanmayı bilmenizin ya da bu araçların ne kadar gelişmiş olduğunun, sorumluluklarınızı yerine tam olarak getirmeye yetmediğini bildiğinize göre, kendinize iş odaklı bir “veri bilimcisi” demek için şunları tamamlamanız gerekir:

• Şirketin stratejik planı hakkında bilgi sahibi olun. Veri toplama ve analiz işlemlerine başlamadan önce bu bilgiyi, ortaya çıkan sorunları çözmek için bir rehber olarak kullanabilirsiniz.
• Hedef kitlenizin özelliklerini her zaman anlayın ve sürecinizi buna göre uyarlayın. Çalışmanızın sonuçlarını kullanan faydalanıcıların her birinin, genel şirket stratejisinin kapsamına bağlı olarak farklı ihtiyaçları bulunur. Sorunları onların bakış açılarından algılamak için zihninizin çalışma şeklini değiştirebilmelisiniz.
• İşletmeyle iletişim kurarak problemin temellerini anlayın ve “mevcut verileri” eldeki sorunların çözümüne sığdırmaya çalışmak yerine, sorunların ilgili veri seçme sürecini yönlendirmesine izin verin.
• Organizasyondaki veri kalitesini arttırmada lider bir rol üstlenin. Bunu, “kaliteli verilerin” şirketin hedeflerine ve masanın diğer tarafındaki insanlara nasıl faydalı olabileceğini göstererek yapın.
• Analizinizin sonuçlarını ilgili karar vericilere etkili bir şekilde iletin. Sonuçlarınızı bilgilendirici gösterge panoları, grafikler ve çizelgeler ile destekleyin, ancak kesin ve alakalı olmasına dikkat edin. Karar vericilerin düşünce yapısını göz önüne alarak gerçeklerin arkasındaki hikâyeyi daha iyi açıklamak için anlatımlar koyun.
• Karar verme sürecinin nasıl çalıştığını bilin. Gelişim için değiştirilmesi gereken süreçler hakkında fikir vermeye çalışın. Analiziniz boyunca karşılaştığınız veri kaynaklı problemleri paylaşın ve bu problemleri çözmek için önerilerde bulunun. Bir veri bilimcisi olarak, şirketin öğrenme ve gelişme arzusu üzerinde güçlü bir etkiye sahip olabilirsiniz.

Birisi size işinizin ne olduğunu sorduğunda kendinizden emin bir şekilde, verileri temel alarak işe değer kattığınızı söylemelisiniz.

Tüm bu yeteneklere aynı anda sahip olmak, özellikle hiyerarşik veya uzmanlaşmış yapılara sahip büyük firmalarda çalışırken herkes için kolay değil, zor bir iştir. Genel iş bilgisi işte ve okulda hızlı bir şekilde öğrenilebilse de, derin sezgisel yetenekler deneyimle birlikte, zamanla gelir.

Benzer zorluklar “finansal kontrolörler” için de geçerlidir. Muhasebe ve işletme konusundaki bilgileri, işlerinin normal seyrinde karşılaştıkları analitik problemleri çözmek için yeterli olmayabilir.

Finansal kontrolörler, iş analitiği araçlarını nasıl kullanacaklarını öğrenirken zorlanabilirler ancak bu aynı zamanda kendilerini meslektaşlarından ayırmak için yeni bir şanstır. Planlama, tahmin ve performans yönetimi kalitesi, istatistiksel yöntem ve modellerin kullanımıyla önemli ölçüde artmaktadır. Bunlarla, daha önce ortaya çıkmamış nedensel etkileri gösterebilir veya daha kesin tahminler üretebilirler.

Bununla birlikte, finansal kontrolörler, modern ileri veri analitiği yöntemlerini kullanmak için, veri bilimcisinin fonksiyonel sınırlarının ötesine geçmek zorunda kalabilir.

Kontrolörlerin iş analitiği sürecinin tasarımcıları ve koordinatörleri olarak hareket etmesi esastır. Bunu yapabilmek için yönetim, veri bilimcileri ve BT uzmanları arasındaki “bağlantı” noktası olarak hareket edebilmeleri gerekir.

Herhangi bir kafa karışıklığına gerek yok. Mesele şu ki, veri analitiği iş dünyasının her yerinde, bu yüzden kaçış yok. Veri analitiği bilgisini iş bilgisinden ayırmayın ve işinizi veri analitik teknolojilerini kullanarak yapın.