Dijitalisİş Analitiği, Veri Analizi, Büyük Veri

Baktınız mı, gördünüz mü ?

Fotoğraftaki tehdidi gördünüz mü ?

Gördüyseniz hayatta kaldınız. Binlerce yıl önce atalarımız arasında kimlerin hayat yoluna devam edeceği veya etmeyeceği işte böyle anlara bağlı idi.

Neyse ki bugün vahşi hayvanlar ve doğa olayları ile günlük hayatımızda başa çıkmak zorunda değiliz. Fakat eğer bir profesyonel yönetici iseniz stres seviyeniz vahşi hayat ile mücade eden ilk insanlardan daha az olmayabilir.

Veri Görselleştirme

Peki ya buradaki tehdidi gördünüz mü ? Veya fırsatı ?

Şirketimizi hayatta tutmak için evrimsel olarak kazandıklarımızdan apayrı ve yeni becerilere ihtiyacımız var.

İnsan beyni, görsel algılama konusunda çok yeteneklidir. Yüzlerce fotoğraf arasından tanıdıklarımızı teşhis edebilir, her birinin duygu durumu hakkında çok isabetli tahminler yapabiliriz. Bugün en ileri yüz tanıma algoritmalarına rağmen bilgisayarlar bir yüz ifadesinden bizim çıkaracağımız kadar anlam çıkaramaz.

Çalıların arasından çıkan yüzün düşman ya da dost olduğunu anlama hızı bir zamanlar çok önemliydi.

Ani bir tehdit karşısında anlamlandırma, muhakeme ve karar verme aşamaları by-pass edilerek refleksler devreye girer. Beynin içinde bir yüksek hız otobanı açılarak görsel uyarı ile harekete geçme arasındaki zaman neredeyse sıfırlanır.

Veri Görselleştirme

Ama bugün karşımızda o kadar çok veri var ki bunu doğru şekilde anlamlandırarak bilgiye dönüştürmek, bilgi üzerinden doğru kararı vermek ve harekete geçmek çok daha uzun bir süre alır. Birçok köye uğradığımız aheste bir yol gezisi gibi.

Ne yapalım da veriden bilgiye giden bol virajlı yolu, hızlı bir otobana çevirelim ?

Veri ne kadar çok ise algılanması, ardından da anlamdırılarak bilgiye dönüştürülmesi o kadar zordur. Bu yoldaki dolambaçlı virajları ortadan kaldırmalı ve verinin bilgiye dönüşmesini hızlandırmalıyız.

İlk adım “anlamlandırma” işini kolaylaştırmak, veriyi büyük bir hızla bilgiye dönüştürmek olmalı. Bunun da yolu, veriyi görselleştirmekten geçiyor.

Ne demek istediğimi bir soruyla açıklayayım.

“Afrika ne kadar büyük?”

Veri Analizi

Böyle bir sorunun coğrafi büyüklükleri kıyaslamakla ilgili olduğunu anladıktan sonra yapacağımız şey ülke ve kıtaların yüzölçümlerini öğrenmek ve birbiriyle kıyaslamak olacaktır. Farkı yaratan şey bu toplanan veriyi nasıl sunacağımız. Tüm eğitim ve iş hayatımızın bize öğrettiği davranış biçimi yandakini yapmak.

Topladığımız veriyi bir tabloda derlemek ve bakanın algılaması ve kendi yorumunu çıkarması için zaman tanımak.

Kısacası şu anda veriye bakıyor, ama bilgiyi görmüyoruz.

Oysa ki aynı veriyi aşağıdaki gibi görselleştirirsek (1);

Veri Analizi

Bir bakışta Afrika kıtasının ABD, Çin, Hindistan, Avrupa Birliği’nin en büyük 5 ülkesi ve tüm doğu Avrupa ülkelerini içine alacak kadar büyük olduğunu görebildik, değil mi ?

Veriyi görselleştirerek çok daha çarpıcı biçimde sunmuş ve bakanın bilgiyi görmesini kolaylaştırmış olmadık mı ?

Ham veriyi nasıl görselleştirdiğimiz ve bilgiyi nasıl sunduğumuz hayati öneme sahip olabilir.

İşte gerçek bir ölüm kalım hikayesi; 28 Ocak 1986’dan bir gece öncesi Challenger uzay mekiğinin fırlatıcı roketlerinin tasarımını yapan mühendislik ekibi önemli bir problemle yüzyüze gelir. Mekik ertesi gün fırlatılacaktır ama hava tahminleri çok soğuk bir günü haber vermektedir. Mühendislik ekibi bu hava şartlarında roketin önemli bir bileşeni olan lastik contaların bu şartlara uygun olmadığını düşünmektedir.

Ekip, hemen NASA’ya bir rapor fakslayarak bu kadar soğuk hava şartlarında fırlatışın yapılabileceğine dair ellerinde yeterince veri olmadığını söyler. Ancak ekibin raporu reddedilir ve ertesi gün Challenger mekiği infilak eder ve 7 kişilik astronot mürettabatı hayatını kaybeder. Takip eden kaza kırım soruşturması mühendislerin raporunu ve aşağıdaki grafiği ortaya çıkarır.

Veri Bilimi

Veri görselleştirme fikrinin öncülerinden biri olan Edward Tufte, (2) mühendislik ekibinin ellerindeki veriyi sunuş biçiminin de suçlanması gerektiğini idda eder. 1990 yılnda yayınlanan Visual Explanations kitabında şöyle yazar, “Raporda verilmiş grafikler analitik anlamda mevcutta bulunan bir riski açık şekilde anlatmakta başarısız olmuştur. Sunum anlamında ise devlet görevlilerini soğuk hava fırlatışlarının tehlikeli olabileceğine ikna etmekte başarısız olmuştur.”

Aynı veriden yola çıkan Tufte farklı bir grafik tasarlamıştır. Aşağıdaki grafikte yatay eksende sağdan sola doğru hava sıcaklığı düşmektedir. Dikey eksen ise daha önceki testlerde lastik contalarda yaşanan problem sayısını göstermektedir. Görüleceği üzere yatay eksende sağdan sola doğru gidildikçe conta problemleri artmaktadır. Olay günü beklenen hava sıcaklığı ise sol alt köşede siyah bir bant ile işaretlenmiştir:

Veri Bilimi

Tufte’nin görüşüne göre eğer mühendislik ekibi doğru görselleştirme yapsaydı, NASA yetkilileri bunu gözardı ederek fırlatışa izin vermezlerdi. Bu görüşün geçerliliği hala tartışılmaktadır ancak bu anekdot verinin doğru bilgiyi sağlamak üzere uygun kullanımı için anlatılmaya devam edilmektedir. Aynı bu yazıda olduğu gibi. Tufte’nin konuyla ilgili son cümlesi şöyledir; “Veriyi göstermenin doğru yolları ve yanlış yolları vardır; gerçeği gösteren görselleştirmeler de vardır, göstermeyen de.”

Veriye bakmak ile bilgiyi görmek arasında çok önemli bir fark var!

Bu makale, planladığım bir yazı dizisinin ikincisi bölümüdür. Birinci bölüme buradan ulaşabilirsiniz.

Takip eden bölümlerde tüm bu konuyu iş hayatına getireceğiz. Sıradaki bölümlerde tedarik zinciri, lojistik ve üretim yöneticilerine kendi hayatlarından örnekler vererek devam etmeyi planlıyorum.

Lütfen yorum ve sorularınızı bana iletin. Beğendiyseniz yazımı paylaşmanızdan memnun olurum.

Notlar:

(1) “Afrika ne kadar büyük?” veri görselleştirmesi hakkında daha fazla kaynak için buraya bakabilirsiniz.

(2) Veri görselleştirme hakkında çok değerli kitaplar yazmış Edward Tufte hakkında daha fazla bilgi ise burada. Eğer kitaplarını sipariş etmek isterseniz hangi sırayla başlamanız gerektiğini söyleyebilirim.

İlk olarak LinkedIn’de yayınlandı.

Etiketler
Daha Fazla Göster

İlgili Makaleler

Başa dön tuşu