Veri analizine genel bakış
Verilerin bir hikaye anlatmak için kullanılabilmesi amacıyla hikayede kullanıma uygun hale gelmesini sağlayan bir süreçten geçirilmesi gerekir. Veri analizi, anlamlı ve yararlı bilgileri keşfetmek için verilerin tanımlanması, temizlenmesi, dönüştürülmesi ve modellenmesi olarak tanımlanabilir. Veriler daha sonra kritik karar alma süreçlerini destekleyen analiz raporlarıyla hikayeye dönüştürülür.
Dünyadaki veri kullanımı her geçen gün arttıkça veri analizi aracılığıyla hikaye anlatımı her ölçekten işletmenin önemli bir bileşeni ve özelliği haline gelmektedir. Bu ayrıca kuruluşların veri analistlerini işe alma nedenidir.
Veri temelli işletmeler verilerinin anlattığı hikayeye göre karar almaktadır ve günümüzün veri temelli dünyasında veriler tam anlamıyla kullanılmamaktadır. Bu durum çoğu işletmenin karşılaştığı zorluklardan biridir. Veri analizi; müşteri yaklaşımının değerlendirilmesi, pazar ve ürün araştırması gerçekleştirme, eğilimleri belirleme veya diğer veri içgörüleri tanımlama dahil olmak üzere tüm kuruluşların işletmelerine olan etkisini belirlemesine yardımcı olma açısından önemli bir bileşen olmalıdır.
Veri analizi süreci veri temizleme, modelleme ve görselleştirme görevlerine odaklanır. Veri analizi kavramına ve işletmeler açısından önemine gerekli özen gösterilmelidir. Verileri analiz etmek için temel analiz bileşenleri aşağıdaki kategorilere ayrılmıştır:
- Açıklayıcı
- Tanılama
- Tahmine dayalı
- Yönerge
- Bilişsel
Açıklayıcı analiz
Açıklayıcı analiz, geçmiş verilere dayanarak ne olduğuna ilişkin soruların yanıtlanmasına yardımcı olur. Açıklayıcı analiz teknikleri, paydaşlara sonuçları açıklamak için büyük anlam modellerini özetler.
Ana performans göstergelerinin (KPI) geliştirilmesiyle bu stratejiler temel hedeflere ulaşılıp ulaşılmadığını takip etmeye yardımcı olabilir. Yatırım getirisi (ROI) gibi ölçümler birçok sektörde kullanılmaktadır ve belirli sektörlerde performansı takibi için özel ölçümler de kullanılır.
Açıklayıcı analize örnek olarak bir kuruluşun satış ve finans verilerinin görünümünü sağlayan raporlar oluşturmak verilebilir.
Tanılama analizi
Tanılama analizi, olayların neden meydana geldiğini öğrenmek için sorulan soruların yanıtlanmasına yardımcı olur. Tanılama analizi teknikleri, daha temel açıklayıcı analiz çalışmalarını destekler. Açıklayıcı analiz bulguları alınır ve daha ayrıntılı incelenerek neden bulunur. Performans göstergeleri, olayların neden daha iyiye veya daha kötüye gittiğini bulmak üzere daha ayrıntılı bir şekilde araştırılır. Bu süreç genellikle üç adımda gerçekleşir:
Verilerdeki anomalileri tanımlama. Bu anomaliler bir ölçümdeki veya belirli bir pazardaki beklenmedik değişiklikler olabilir.
Bu anomalilerle ilgili verileri toplama.
Bu anomalileri açıklayan ilişkileri ve eğilimleri keşfetmek için istatistik tekniklerini kullanma.
Tahmine dayalı analiz
Tahmine dayalı analiz, gelecekte neler olacağı hakkındaki soruların yanıtlanmasına yardımcı olur. Tahmine dayalı analiz teknikleri, eğilimleri belirlemek ve yinelenme olasılığını belirlemek için geçmişe dönük verileri kullanır. Tahmine dayalı analiz araçları, gelecekte gerçekleşebilecek durumlarla ilgili değerli içgörüler sağlar. Teknikler arasında sinir ağları, karar ağaçları ve regresyon gibi birçok farklı istatistik ve makine öğrenmesi tekniği bulunur.
Yönerge analizi
Yönerge analizi, belirli bir amaca veya hedefe ulaşmak için gerçekleştirilmesi gereken eylemlerle ilgili soruların yanıtlanmasına yardımcı olur. Kuruluşlar, açıklayıcı analizlerden elde edilen içgörüleri kullanarak veri odaklı kararlar alabilir. Bu teknik, işletmelerin belirsizlik durumlarında bilgiye dayalı kararlar almasını sağlar. Açıklayıcı analiz teknikleri, büyük anlam modellerindeki desenleri bulma stratejilerinden biri olarak makine öğrenmesini kullanır. Kuruluşlar, geçmiş kararları ve olayları analiz ederek farklı sonuçların ortaya çıkma olasılığını hesaplayabilir.
Bilişsel analiz
Bilişsel analiz, mevcut verilerden ve düzenlerden çıkarım yapmaya, mevcut bilgi bankalarını temel alan sonuçlar elde etmeye ve ardından bu bulguları gelecekteki çıkarımlar için tekrar bilgi bankasına ekleyerek kendi kendine öğrenen bir geri bildirim döngüsü oluşturmaya çalışır. Bilişsel analiz, koşulların değişmesi halinde ortaya çıkabilecek durumları öğrenmenize ve bu durumların nasıl üstesinden gelebileceğinizi belirlemenize yardımcı olur.
Çıkarımlar, kural veritabanına dayalı yapılandırılmış sorgular değil birçok farklı kaynaktan toplanan ve farklı güvenilirlik düzeyleriyle ifade edilen yapılandırılmamış hipotezlerdir. Bilişsel analizin etkisi makine öğrenmesi algoritmalarına bağlıdır ve çağrı merkezi görüşme günlükleri ve ürün incelemeleri gibi önceden kullanılmayan veri kaynaklarını anlamlı hale getirmek için birçok farklı doğal dil işleme kavramı kullanır.
Örnek
Raporlamayı ve veri görselleştirmelerini etkinleştiren bir perakendeci, bir sonraki yıl popüler olabilecek ürünleri belirlemek için önceki yıllara ait satın alma düzenlerine bakma amacıyla açıklayıcı analiz kullanmaktadır. Şirket ayrıca belirli bir ürünün neden popüler olduğunu ve bu eğilimin devam edip etmediğini anlamak ve bu ürünü stoklarına eklemeye devam edip etmeme kararını vermelerine yardımcı olacak destekleyici verilere başvurabilir.
Bir işletme, belirli bir ürünün belirli bir zaman aralığında popüler olduğuna karar verebilir. Ardından analiz gerçekleştirerek satışların artmasında pazarlama faaliyetlerinin veya çevrimiçi sosyal etkinliklerin payı olup olmadığını belirleyebilir.
Veri analizi kapsamında işletmelerin verilerine güvenebilmesi gerekir. Bu doğrultuda veri analiz işleminin verileri güvenilir kaynaklardan alması ve işletme kararlarının alınabileceği kullanılabilir, anlamlı ve kolay anlaşılır bir biçime dönüştürmesi gerekir. Veri analizi, işletmelerin veri temelli işletmeler ve kararlar aracılığıyla verilerini tam olarak anlamalarını ve karar alırken rahat ellerindeki verilere güvenmelerini sağlar.
Veri miktarı arttıkça veri analistlerine duyulan ihtiyaç da artmaktadır. Bir veri analisti bilgileri düzenleyip ilgili ve anlaşılır hale getirme konusunda bilgi sahibidir. Veri analisti doğru verileri toplamayı ve değerlendirmeyi bilir. Başka bir deyişle veri yığınınızdaki verilerden anlamlı içgörüler elde edebilir.