The Economist’ten Kenneth Cukier’in işaret ettiği gibi bu ‘‘sebepleri aramayı bıraktığımız ve verinin bağlantıları ortaya çıkarmaya başladığı’’ bir ütopya gibidir.
Ancak böyle bir tanım tamamen geçersiz.
Aslında bunu zaten biliyoruz. Yapılan birçok ankete göre yöneticiler ısrarla verinin ne kadar önemli olduğundan bahsediyorlar ancak aldıkları kararlarda önsezilerine de güvenmeye devam ediyorlar. Bunu aşmanın yolu ise dışarıdan kiralanacak veri bilimcilere değil veriyi ve önseziyi harmanlayacak şirket içinde yetişmiş veri bilimcilere güvenmektir.
Günümüzde ‘Büyük Veri’ oldukça abartılmış bir teknoloji terimi haline geldi. Ancak her ne kadar ‘Büyük Veri’ye güvenilse de yöneticiler kendi önsezilerini veriye tercih etmeye devam ediyorlar. Yapılan bir çalışma şu rakamları ortaya çıkarmış.
– Pazarlama müdürlerinin yüzde 40’ı tamamen önsezilerine göre karar alıp veriyi yok sayıyorlar.
– Pazarlama müdürlerinin yüzde 37’si karar verirken verileri göz önünde bulundurduklarını söylüyorlar ancak yüzde 50’si verinin en az kullandıkları araç olduğunu söylüyorlar.
– Yöneticilerin yüzde 62’si önsezilerine güvenmeyi tercih ettiklerini, yüzde 61’i ise tecrübenin veri analizinden daha önemli olduğunu savunuyorlar.
Şirketlerin veri bilimini kullanış şekillerine bakıldığında şaşırtıcı bir sonuç değil. Dünyadaki büyük verinin çoğu makinelerin makineler için ürettiği veri olmasına karşın pek çok şirket büyük verinin insan odaklı olanına yoğunlaşmış durumda. Aslında verinin gelecekteki insan yanlışlarını düzelteceğine inansak bile dataya bize yardım etme şansı verenin insanlığımız olduğunu göz ardı ediyoruz.
Problem ise tüm veri biliminin aynı olduğunu varsayışımızda yatıyor.
Problem ise tüm veri biliminin aynı olduğunu varsayışımızda yatıyor. Eski bir Google ve Foursquare çalışanı olan Michael Li açıkça ‘veri bilimcilerinin ya makine ya da insan verisini analiz edebileceğini, ikisinin birden analizinin farklı yetenekler gerektirdiğinden mümkün olmadığını’ belirtiyor. Li, insanların verisini analiz edecek olan veri bilimcisinin analizini insanların anlayabileceği bir formatta – hikayeler ve ‘neden’ler ile zenginleştirilmiş vurgu ile sunması gerektiğini savunuyor.
Bu sebepten ötürü bir veri bilimcisinin şirketin dilini konuşması oldukça önemli hale geliyor. Böyle insanları şirket içinde bulmanın da dünyanın bir ucunda her derde deva bir veri bilimcisi bulmaktan çok daha kolay olacağı aşikar. Bir veri bilimcisi şirketin işine ne kadar aşina olursa o kadar doğru soruları sorma ve doğru cevapları bulma yetisini kazanacaktır. Ancak dikkat edilmesi gereken önemli bir nokta da veri analizi için tek bir doğru kişiden ziyade iyi koordine olmuş bir takımın daha faydalı olduğu.
