Geleceğin Veri Analiz Yöntemi Belli Oldu
Veri analizi süreçlerinin büyük kısmı manuel olarak yapılıyor ve bu durum veri analistlerinin zamanının %80'ini kapsıyor. Peki, gelecekte ne olacak?
Mevcut veri analitiği yaklaşımları, yapay zeka kombinasyonları, makine öğrenmesi uygulama ve metedolojileri kullanılarak sonuç odaklı bazı çıktılar elde edilmeye çalışılsa da Komtera Teknoloji Genel Müdür Yardımcısı Ziya Gökalp'e göre organizasyonlar, farklı veri ihtiyaçları ve girdileri nedeniyle veri karmaşıklığı içinde boğuluyor, yapılan analizlerdeki farklılıklar ve entegrasyon eksiklikleri nedeniyle de kilit bulguları kaçırarak yanlış ya da eksik sonuçlar alıyor.
Veri Analizinde Gerekli 4 Adım
"Veri analizi, son derece karmaşık bir süreç içermekle birlikte, genellikle büyük verileri analiz ederek değer yaratmak adına veri bilimcileri ve veri analistleri ile çalışılmasını gerektiriyor." ifadelerinden bulunan Ziya Gökalp, pazarlama bültenleri ve sosyal medya yayınları gibi bir dizi farklı kaynaktan toplanması gereken verinin örnek gösterilebileceğini söylüyor. Bu noktada ilk adım olarak verilerin toplanması gerektiğini belirten Gökalp, "İkinci adım için, analistin veya veri bilimcisinin yararlı ve değerli görüşleri toplayabilmesi adına verilerin sınıflandırılmasını, organize ve rafine edilerek analiz için hazırlanmasını sayabiliriz." diyor. Üçüncü adımda ise sonuç odaklı detaylı bir analiz yapmak adına eylem planı hazırlanması ve sürecin belirlenmesi gerektiğini belirten Gökalp, dördüncü ve son adımın ise mikro düzeyde analiz olduğunu dile getiriyor.
Artırılmış Analitik: Geleceğin Katma Değerli Veri Analizi Yöntemi
Günümüzde veri analizi süreçlerinin büyük bir kısmı manuel olarak yapılıyor ve bu durum veri analistlerinin zamanının %80'ini kapsıyor. Bu nedenle artırılmış analitik (Augmented Analytics) karşımıza yeni bir yaklaşım olarak çıkıyor. Gökalp, artırılmış analitiğin veri madenciliği, veri yönetimi, iş süreçleri yönetimi, tedarik zinciri, müşteri yönetimi, sosyal medya gibi bir çok alandan elde edilen verileri daha entegre yapay zeka ve makine öğrenmesi uygulamaları eşliliğinde analiz eden, daha az önyargılı kararlar alan, ilgili konuya daha çok odaklanarak farkındalık yaratan, kullanıcıların verilerle etkileşime girmesine olanak sağlayan ve iç görülere göre hareket ederek sonuç üretmeyi hedefleyen bir yaklaşım olduğunu vurguluyor. Artırılmış analitiğin yararları konusunda "Detaylı analiz için organizasyonlar tarafından ham veri kaynaklarının aktarıldığı artırılmış analitik platformlar, anahtar verileri temizleyebilir, verileri sınıflandırabilir, makine öğrenmesi, doğal dil işleme (NLP) kullanarak verileri çözümleyebilir ve daha verimli geri dönüş alabilirler." ifadelerinde bulunan Ziya Gökalp, günümüzde makine öğrenmesi ve doğal dil işleme teknolojilerinin artırılmış analitik araçlarına, verileri organik olarak anlama ve etkileşimde bulunmanın yanı sıra değerli ya da olağandışı eğilimleri fark etme yeteneğini de aktardığını dile getiriyor.