Ne zamandır, ertelediğim MBA derecesini edindim ve bu süreçte veriye dayalı karar verme modelleri ile ilgili çalıştım. Zaten uzun zamandır; strateji ve pazarlama alanlarında derinleşmek için bilişsel yanlılık ve karar verme mimarisi çalışıyordum, sonunda bu süreç veriye dayalı karar vermeye evrildi. Böylece, çok kültürlü şirketlerin neden inovatif kalabildiklerini, veriye dayalı yönetim yaklaşımlarını ve karar verme yapısını inceleme fırsatım oldu. Teradata’nın bir organizasyonunda eşlerin daha ayrılmaya karar vermeden kredi kartı harcamalarından yüksek doğrulukla eşlerin ayrılacaklarının tespit edilebilindiğini öğreneli 20 yıl oluyordu ne varki şu anki düzey inanılmaz boyutlarda. Son yıllarda HBR’da 140 veriye dayalı ile ilgili makale yayımlanmış. Veri dayalılık hiç olmadığı kadar önemli hale geliyor ve aşağıdaki Google Ngram grafiği de bunu doğruluyor.

Veriye dayalı karar verme modellerinin başarısından sonra işletmeler tecrübeye ve içgüdülere dayalı yönetim yaklaşımını veriye dayalı olarak yeniden kurguladı. Böylece şirketler için veriye dayalı yönetim, rekabet avantajı elde edebilmek için ulaşılması gereken yeni bir çıta oldu. Bu doğrultuda toplamda on makale ile veriye dayalı yönetimi detaylandıracağım. Bu ilk makalede Veriye Dayalı Yönetim sürecinin çerçevesini çizmeye çalışacağım. Diğer yazacağım makaleler ise aşağıdaki başlıkları ve sırayı takip edecek:

• İşletme Stratejisinin Kökeni ve Evrimi
• Veriye Dayalı Büyüme Stratejisi Geliştirme
• Veriye Dayalı Uluslararası Pazar Stratejisi Geliştirme
• Veriye Dayalı Pazarlama Yönetimi
• Yönetici Olarak Nesnel Karar Verme
• Veriye Dayalı Müşteri Yolculuğu Geliştirme
• Veriye Dayalı Karar Ağacı Geliştirme
• İşletme Yönetiminde Tahmin Modelleri

Böylece en güncel ve etkili yönetim yaklaşını sizlerle ile paylaşıp sizlerin yönetim alanında bir vizyon geliştirmesine katkı sunmuş olacağım. Bu seriyi yazarken amacım size uygulama odaklı bir içerik sunmak değil. Daha ziyade veriye dayalı yönetimin neden önemli olduğunu ve neden işletmenizin yönetim anlayışını güncellemeniz gerektiği tartışmaktır. Bu bağlamda sizinle kendi tecrübemi de paylaşayım. 2006 yılında üniversiteden arkadaşlarım Senem Gülle, Kerem Karabayır ve Metin Yavuz ile Enki İletişim Tasarımı adlı reklam ajansımızı kurduk. Birkaç yıl sonra 2008 yılı gibi işletmeler bizden web sitesi ve diğer dijital hizmetleri talep etmeye başladı. İlk dönem alt yükleniciler ile hizmet versekte iş hacmi artınca biz de ajans içinde dijital bir birim kurmaya karar verdik. Bu doğrultuda ara yüz tasarımcısı, ara yüz ve PHP yazılımcısı istihdam ettik. Bu bizim için yeni bir imtihandı, çünkü yazılım geliştirme sürecine hakim değildik. Bu birime bir yönetici de istihdam etmek istemiyorduk. Bu ekibi yaratıcı yönetici olarak yönetebilmek için onlarla aynı dili konuşmam gerektiğinin de farkındaydım. Zira bu alanının temel dinamiklerini ve üretim sürecini öğrenemesem yönetemeyecektim. Bunun üstüne birkaç kitap alıp temel PHP, CSS ve kodlama öğrendim. Niyetim oturup kod yazmak değildi, ekibimle aynı dili konuşup alanın temel sınırlamaları ve fırsatlarını anlamaktı. Bu yazı serisi ile de aynı şeyi amaçlıyorum. Bu serinin sonunda veriye dayalı yönetimin temel sınırlamaları ve fırsatlarını size aktaracağım. Eğer sizi ikna edebilirsem, sizin yeni bir yetenek seti edinmenizi vesile olacağım. Böylece siz de işletmenizde veri departmanı kuracak veya var olandan daha fazla istifade etmeye çalışacaksınız. Artık girizgaha nokta koyup konuya geçelim dediğnizi duyar gibiyim.

Veriye Dayalı Yönetim ya da Gözetim Kapitalizmi

Veri, çağımızın en değerli metası haline geleli epey oldu. Bitmeyen dijital dönüşümle birlikte şirketler mümkün olduğunca çok veri toplamaya ve hatta satın almaya çalışıyor. Bu veri toplama çılgınlığı birçok girişimci için iş modeline dönüşeli ise uzun zaman oldu. Andrew Lewis “Bir ürüne para ödemiyorsanız, ürün sizsiniz!” tespiti ile zamanında kullanıcılara üçüncü partilerle paylaştıkları verilerin değerini hatırlatmaya çalışmıştı ama nafile.

O günden bugüne köprünün altından çok sular aktı, artık veriye dayalı ekonomik sistemin bir tanımı var: gözetim kapitalizmi. Bu kavramı literatüre akademisyen ve yazar Shoshana Zuboff kazandırdı. Kişisel verilerin şirketler tarafından toplanmasını ve ticarileştirilmesini içeren süreci ve iş modelini ifade etmektedir. Bu bağlamda birçok sosyal medya şirketi ve ücretsiz araçlar sunan şirketler bu iş modelini kullanır. Sosyal medya firmaları gelişmiş kullanıcı profillemesi yapar ve kendi reklam araçları ile bu verileri diğer firmaların kullanımına sunar, diğerleri ise yasal olmamasına rağmen doğrudan satar. Şirketler ise topladıkları bu verileri tanımlayıcı, teşhis edici, öngörücü, kuralcı ve otonom analitik yaklaşımlar kullanarak yüksek doğrulukta gelecek tahminleri ve simülasyonları geliştirmek için kullanmaktadır. Bu veri setleri başta strateji geliştirme ardından pazarlama, operasyon, finans ve insan kaynakları -evet bu sefer de insanın yeri öküzden sonra gelir- alanlarını yönetmek için kullanılır.

“Bir şeyi ölçemiyorsan, onu idare edemesin.”

―Peter Drucker

Toplanan veriler ayıklandıktan sonra veri setlerine dönüştürülüp daha sonra ise analiz edilir. Sırası ile örüntüler bulunur, iç görüler tespit edilir ve hipotezler geliştirilip bu hipotezler tahmin modelleri ile test edilir. Doğruluğu yüksek modeller strateji geliştirmede kullanılır. Bu arada McKinsey, BCG ve Bain neredeyse yirmi yıldır bu hizmeti çeşitli katmanları ile çok kültürlü firmalara dijital dönüşüm adıyla veriyor. Bazı firmalar 1980’lerden beri veri topluyor. Bakın burası çokomelli: elinizdeki veri ne kadar özgün ve tarihselse o kadar doğru tahminler geliştirebiliyorsunuz.

Veri setleri aşağıdaki beş aşamada işleniyor. Fakat işletmelerin çoğu hala ilk üç aşamadadır; çünkü dördüncü ve beşinci aşama kudretli olan. Bu aşamalarda makine öğrenimi ve YZ devreye giriyor ve artık yöneticiler karar vermiyor. Onlar değişim yönetimi ile YZ’dan alınan direktifleri uyguluyor, yok henüz değil gel gelelim bu da olacak:)

Tanımlayıcı Analitik

Tanımlayıcı analitik, geçmiş verileri analiz edilerek örüntüler ve eğilimler belirlenir. Bu aşamada bir şirkette neyin iyi gittiği ve neyin geliştirilebileceği anlaşılmaya çalışılır. Örneğin, Adidas geçmiş satış verilerini analiz ederek en çok satan ürünlerini ve müşteri segmentlerini belirleyebilir. Bu done şirketin pazarlama ve ürün geliştirme çabalarını daha etkili bir şekilde yönetmesini sağlar.

Teşhisçi Analitik

Teşhisçi analitiği, olayların veya eğilimlerin arkasındaki nedenleri anlamayı amaçlar. Bu bir şirketin sorunlarını çözmesine ve performansını iyileştirmesine yardımcı olur. Örneğin, Adidas tedarik verilerini, fiyatlandırmayı ve talep döngülerini analiz ederek Ultraboost ayakkabılarında satış kaybına yol açan faktörleri belirleyebilir. Böylece şirketin sorunu çözmek için önlemler almasına yardımcı olabilir.

Tahmine Dayalı Analitik

Tahmine dayalı analitik, gelecekteki sonuçları tahmin etmek için geçmiş veriler kullanılır. Bu aşamada bir şirketin risklerini azaltmasına ve pazardaki fırsatları değerlendirmesine yardımcı olabilir. Örneğin, Adidas geçmiş satış verilerini kullanarak önümüzdeki çeyrekte Ultraboost ayakkabılarına talebin %30 artacağını tahmin edebilir. Böylece şirketin üretim kapasitesini ve stok seviyelerini bu doneye göre artırmasına yardımcı olabilir.

Kuralcı Analitik

Kuralcı analitik, istenen sonuçları elde etmek için en uygun eylemleri önerir. Dolayısıyla bir şirketin daha iyi kararlar almasına ve daha verimli çalışmasına yardımcı olur. Örneğin, Adidas doğrusal programlama modellerini kullanarak. Ultraboost talebini karşılamak için hammadde tedariğini, üretim kapasitesini ve stok seviyelerini artırmasını önerebilir. Böylece şirketin gelirini en üst düzeye çıkarmasına yardımcı olabilir.

Otonom Analitik

Otonom analitik aşamasında ise MÖ ve YZ verileri bağımsız olarak analiz edebilir, kalıpları ve içgörüleri belirleyebilir ve doğrudan insan müdahalesi gerektirmeden öneriler yapabilir. Örneğin, YZ burada ilgili departmalara ve tedarikçilere direktifleri eposta ile gönderip ve gerekli % 30 kapasite artışını yaptırıp satışların gerçekleşeceği depolara ürünün ulaşmasını sağlayabilir. Bilim kurgu romanlarından çıkmış gibi ama değil birçok finans kurumunda otonom hisse ve fon işlemleri yapılıyor. Otonom otomobillerimiz epeydir de var. Bu arada William Gibson’un YZ odaklı ilk roman olan Neuromancer’ı da (1984) barındıran SPRAWL üçlemesini tavsiye ederim. Üstelik, William Gibson ile Philip K. Dick (Androidler Elektrikli Koyun Düşler mi?) steampunk janrasını yaratıcıları olarak kabul ediliyor.

“Elimizde veri varsa, verilere bakalım. Elimizdeki tek şey fikirlerse, benim fikrimle devam edelim.”

―Jim Barksdale

Veri Dayalı Yönetim ve Sonuç

Sonuç olarak, yukarıda bahsettiğim süreç veri dayalı yönetim anlayışının en basit kullanımı ve çok da şaşırtıcı değil. Veri dayalı yönetim modern işletmeler için çok önemli bir rekabet avantajı haline geldi. Bu yazınında devamı niteliğindeki İş Stratejisinin Kökleri ve Evrimi yazımı okumanızı tavsiye ederim. Böylece bugünki bu yaklaşımın neden önem kazandığını bağlamında değerlendirebilirsniz. Geçmiş verileri raporlamak temel bir başlangıç olsa da, şirketler başarılı olmak için en azından kuralcı analitiği, makine öğrenimini ve yapay zekayı süreçlerine entegre etmeleri gerekiyor. Veriye dayalı stratejiler, fiyat esnekliğini belirleyerek kampanyaları optimize etme, marka bilinirliğini artırma ve reklam yatırım getirisini en üst düzeye çıkarma yoluyla pazarlamada oldukça etkili olduğu örnekleri ile ortadadır. Üstelik tüketici yolculuğunda (Consumer Journey) temas anlarının önceden belirlenmiş karar ağacı (Decision Tree) senaryoları ile tüketici kararlarını yöneterek müşteri elde tutma oranlarının iyileştirilmesi ile müşteri sadakati yaratılmaktadır. Sonuç olarak, veriden geniş ölçekte yararlanmak artık isteğe bağlı değil, günümüzün veri açısından zengin ortamında başarıya ulaşmaya çalışan tüm işletmeler için bir zorunluluktur.

Verinin Mahremiyeti ve Cambridge Analytica

Veri toplama olgusu koskoca gri bir alan. Bazı firmaların elinde neredeyse yarım asırlık kullanıcı verisi olduğu biliniyor. Veri toplama sürecinde firmaların etik davranması ve müşterisini/kullanıcılarını bilgilendirmesi gerekmektedir. Toplanan verilerin üçüncü partilerle paylaşmaması ve kurum içinde bile verileri anonimleştirilmesi gerekiyor. Birkaç sosyal medya ve teknoloji firma yöneticisi arkadaşımla yaptığımız uzun tartışmalarda kullanıcıların mevcut kullandıkları servisin/ürünün iyleştirilmesi ve kişileştirilmesi için verilerini bile isteye paylaştığına mutabık kaldık. Ne zamanki verinizi paylaştığınız firma başka bir firmaya bu verileri satarsa o zaman haklı itirazlar başlıyor. Yoksa algoritmayı sürekli besleyip Spotify’da daha özelliştirilmiş parça önerileri almaktan kimsa imtina etmiyor, ben dahil. Bir musîbet bin nasihattan evlâdır 2018’de Cambridge Analytica skandalı patlak vermezse belki burada yazıldıklarım kurgu olarak anlaşılacaktı. CA aslında veri odaklı bir çerçevede ABC modelini yani biliş oluşturma, tutum kazandırma ve davranışa geliştirme modelini takip etmiş ve birçok seçimde manipülasyonlar yapmıştı. Peki şeytanın avukatı olarak soruyorum; ABC ve Bilişsel Çelişki modelleri kitle iletişim alanında (Reklamcılık, PR, Propaganda vb.) on yıllardır kullanılmasına rağmen insanlar/kurumlar neden CA’ya eşi benzeri görülmemiş bir şekilde tepki gösterdi? Sanırım bu modeller veri ile bir araya geldiğinde tehlikeli derecede yüksek doğrulukla insanları manipüle edebildiği ilk defa kanıtlandı. Diğer bir deyişle CA nitelikli veri ile insanlara davranış edindirmenin çok da zor olmadığını kanıtladı. Bu arada eğer hala izlememişseniz The Great Hack belgeselini izlemenizi öneririm. Son olarak bireysel veri mahremiyetini güçlendirmek ve kötüye kullanımını engelemek için AB GDPR yasası 2016 yılından beri güncelleniyor. Son dönem çerezler için sitelerin rızanızı istemesinin nedeni de bu yasadaki son güncellemeler ve geçiş sürecidir.

Kapanış Notu

Yazıyı bitirmeden şunu da belirtmek elzem oldu: Yapay zekâları pazara sunulduğu günden beri yoğun bir şekilde kullanıyorum ve ilk dönem bu blogda yer alan yazılarımın çoğu anlamsızlaştı. Artık kısa bir sorgu ile çoğunlukla doğru sonuçlar üreten araçlarımız var. Bu da arama motorlarında ve sitelerde geçirilen süreyi de epey azalttı ve azaltmaya devam da edecektir. Bloğum aylık on bin görüntülemeden üç bin bantlarına düştü. Son yazılarımda zaten hikâye anlatma teknikleri ve bilinç akışını (Zaten konuşurken de asıl konuyu desteklemek için konudan konuya geçip sonra asıl konuya dönerim) kullanarak didaktik bilgi aktarımını terk etmiştim. Uzun zamandır, zaman yönetimi nedeniyle sosyal medya da kullanmıyorum. Eğer yazıyı beğendiyseniz lütfen eşinizle dostunuzla paylaşın! Sormak istediklerinizi yorum kısmına yazabilirsiniz ya da bana eposta gönderebilirsiniz.

Veriye Dayalı Yönetim yazı dizisinin diğer yazıları:

• İşletme Stratejisinin Kökeni ve Evrimi