Big Data Herkese Lazım mı?

Bildiğiniz gibi son yıllarda “big data” sohbetlerinden geçilmiyor. Okullar big data dersi [1] açmak istiyor. Çeşitli etkinliklerin baş konusu [2] oluyor.

İkibuçuk sene önce, IBM Big Data Forum’da [3] şirketlerin verdikleri örnekleri yavan bulduğumu belirtmiştim.

Tek bir tane bile “Vay be” örneği bulamayan, aksine yurt dışı örnekleri bile sosyal medya ile ilgisiz olan çözüm ortaklarına ve konuşmacı şirketlere karşı güven kaybı hissettim. Söz alıp düşünceleri belirttim. Eskişehirli KOBİ olan Kılıçoğlu Kiremit firmasının yapabildiğinin [4] bile, verdikleri örneklerden daha iyi olduğunu anlattım.

Son zamanlarda duyduklarım ile, 2,5 sene önce duyduklarım [3] arasında önemli farklar – maalesef – yok.

Aksine, herkeste bir big data öyküsü olmaya başladı. Çok söylendiği gibi “Big data konuşmaları ergen seksi gibi… Her genç yaptığını iddia ediyor ama ortada bir şey yok”. Bu noktada İsmail Hakkı Polat‘ın [5] şu saptamasına değinmeden geçemeyeceğim.

big-data-ismail-hakkı

Geçenlerde “İnsan Kaynakları bile big data kullanmalı. İşe girecek kişinin tüm geçmişini çıkarmalı” sohbeti yapıldı. Bu kurgunun ikinci kısmı doğru, ama birinci kısmı gereksiz.

Örnekle anlatayım.

2014 senesi sonunda Zarakol İletişim [6] benim de içinde bulunduğum 21 kişi için bir Twitter etiketler balonu hazırlamıştı.

ugur-etiket-1

Bunu hazırlamak için tüm Twitter’ı baştan sona taramak gerekiyor mu? Elbette HAYIR. Sadece @ugurabi tarafından yazılanları çekmeniz yeterli.

Önemli olan bu etiket bulutunu aldıktan sonra ne yaptığınız [7]. Gelin birlikte inceleyelim:

  • CRM, yazı, sosyal gibi temel kavramlar dışında en göze çarpan kelimeler “via” ve “aracılığıyla”: Uğur Özmen’in başkalarının tweet’lerini de sıkça retweet ettiğini veya referans olarak gösterdiğini anlayabiliriz.
  • Kesinlik gösteren yargıları var: “değil”, “sadece”, “hiç”, “olarak”, “yok”, “doğru”, “olacak” gibi kelimelerin sıkça kullanıldığına bakarsak, yazdığı konularda esnek olmadığını çıkartabiliriz.
  • Diğer yandan “bence”, “sanırım” kelimelerini de çokça kullandığına bakarak bazen keskinliğinin alazdığını da söyleyebiliriz.
  • Karşılaştırma yapmayı da seviyor: “bile”, “en”, “iyi, “kötü”, “zaten”, “farklı”, “aynı” kelimeleri bunu gösterebilir. (Elbette daha doğru bir yargı için, bu kelimelerden önceki ve sonraki birkaç kelimeyi de incelemek gerekir).
  • Zaman boyutunu önemsiyor: “önce”, “sonra”, “ilk”, “son”, “artık”, “şimdi”, “bugün” kelimeleri sıkça kullanılmış.

İlk bakışta edindiğimiz izlenimlerimizi kaydettikten sonra bu kelimeleri kaldırıp sadece temel kavramlara bakarız.

ugur-etiket-2

 

Böylece Uğur Özmen hakkında epey bir fikrimiz olur.

Verinin anlamlandırılması [8] ve karar verme [9] sürecinde kullanılması her yöneticinin bilmesi gereken [10] bir şey. Bunu tartışmıyor, aksine destekliyorum [11]. Ama veriden anlamaya çalışmadan big data’dan bahsedilmesini gereksiz buluyorum.

Şimdi tekrar soruyorum. İşe başvuran bir kişi için İnsan Kaynakları’nın bile big data ile uğraşmasına gerek var mı?

30 Eylül 2015

 

Anlamlandırma ve Ustalık

Bu siteyi okuyanlar biliyorlardır.

CRM’in aslında pazarlamanın bir işlevi olduğunu, teknolojinin sadece kolaylaştırıcı [1] , [2] , [3] , [4] olduğunu, önemli olanın müşteriyi tanımak ve doğru teklifi sunarak yaşam boyu değeri arttırmak olduğunu devamlı yazıyorum.

Şöyle bir konuşma duydum ve paylaşmak istedim.

Arabayı periyodik bakımı sonrasında:

– Abi. Bir şey sorabilir miyim?
– Elbette usta. Sor…
– Son zamanlarda arabayı daha çok yenge mi kullandı?
– Evet usta. Bravo vallahi. Nereden bildin?
– Bak abi. Balatalar…

Usta “gözlemlediği veriler doğrultusunda nasıl bu kanaate vardığını” anlattı. Kadınlarla erkeklerin araba kullanışlarındaki farkların hangi parçalarda nasıl farklı aşınmalara neden olduğunu uzun uzadıya aktardı.

Yani ustanın anlamlandırma becerisi hem gözleme, hem de birikime dayanıyor.  Yeterli sayıda örneklem olduğu için içgörü olmaktan çıkmış ve bir kanaat oluşturmuş.

Otomobil firmalarıyla yaptığımız çalışmalarda veri anlamlandırma konusunda pek yavaş ilerleriz. Arabalardan hiç anlamadığım için pek fazla yardımcı olamam. Herkesin bildiği “jant kalınlığı, arabanın rengi, aksesuarlar” gibi örneklerle katılımcıları harekete geçirmeye çalışırım. Bu nedenle “İşte budur” diye dinledim.

Yanlış anlaşılmasın. Mesele kadın-erkek farklılığı değil. İş birimi – teknoloji ilişkisi açısından önemsedim.

Her fırsatta tekrarlıyorum ya: Veri anlamlandırma bir IT işi değil, ustalık ve birikim gerektiren bir pazarlama veya operasyon işidir.

1 Eylül 2015