'Tahmine Dayalı Analitik' ile Boğaz’ın rengini bilebilseydim...

Güncelleme tarihi: Mar 8


Geçtiğimiz sonbahardan itibaren bir rutinim var. Sabahları 7:00 gibi kalkıp sahile iniyorum ve Bebek-Baltalimanı hattını yürüyorum. 8:00-8:30 arası güneş doğuyor. Gökyüzü turuncunun tonlarına bürünüyor. Ona tanıklık etmek şahaneyken bir de üzerine denizin, güneşin, bulutun, havanın durumuna göre farklı renkler aldığını görmek insanı büyülüyor. Bir gün güneşin yansıması ile lacivertin tonları var Boğaz’da, bir gün pespembe oluyor Boğaz. Hayat alanlarımızın fiziksel olarak daraldığı şu günlerde sırf bu görsel şölen için hafta içi sıklıkla karanlıkta uyanıp heyecanla yürüyüşe iniyorum.


Peki mavinin, pembenin, turuncunun kısacası Boğaz’ın o gün hangi renk alacağını eğer ki bilseydim...Uyandığımda bugün mavi olacak diye bilsem; geçen hafta iki kez maviyi görmüştüm o zaman yataktan kalkmayayım; yarın belki pembe olur diyebilseydim... Diyebilirim de…Eğer elimde tahmin yürütebileceğim bir modelleme olsa, bu modelleme geçmiş günlerde denizin hangi renklerde olduğunu hava derecesi, rüzgar durumu, bulut, nem gibi bileşenlerle modelleyerek çıkarmış olsa; şimdiki zamandaki durum üzerinden bugünü tahminlese; belli oranda doğruluk payıyla bugün mavi olacak Boğaz diyebilirdim.


Bu bahsettiğim konunun başlığı data dünyasında Tahmine Dayalı Analitik (Prediction Analytics) olarak geçiyor. Bu analitik; gerçek zamanlı iç görüleri ortaya çıkarmak, ileride gerçekleşebilecek olayları/durumları tahmin etmek için geçmiş verilerden yararlanıyor; yapay zekayla (istatistiki modelleme, makine öğrenimi-machine learning gibi alt yapılarla desteklenerek) destekleniyor. Data analizi, modellemesi ve işlenmesi süreçleriyle gerçekleştirilen bu analitiğin kullanımıyla kurumlar riskleri ve fırsatları ortaya çıkarıyor; geleceğin bilgisini önden tahmin ederek iş yönetimlerinde, planlamalarında değer yaratıyorlar.


Sağlık sektöründen ulaşıma, sanayiden perakendeye her sektörde dijital dönüşümün en önemli destektekçilerinden olan tahmine dayalı analitiğin; perakende sektöründe hangi alanlarda kullanıldığını/kullanılabileceğini biraz konuşalım;


Bu analitik sayesinde, geleneksel/online mağazacılık stok yönetimini, mal siparişi tahminlerini ve alışverişçi datası üzerinden mağaza içi envanterin yönetimini optimize edebilir bu sayede satışlarını arttırabilir. Satış tahminleri ile finansal beklentilerini çıkarabilir, hareket alanını arttırabilir.


Online satış kanalları; geçmiş tüketici hareketleri ve alım durumlarına göre; tüketicileri doğru ürün, doğru kampanyaya yönlendirilebilir; çapraz satış (cross selling) fırsatı ile yeni kategori penetrasyonu ve frekansı sağlanabilir. Lifetime value analizleri ile değer yaratan tüketiciler belirlenebilir, kaybedilmiş tüketiciler geri kazanılabilir ve gelecek planları bu analizler üzerinden yapılabilir. CRM alt yapısı buna göre dizayn edilebilir.


Reklam yatırımlarında platform bazlı tüketici verileri ve iş hedef sonuçları verilerinin modellenmesi ile reklam yatırım etkisi çıkartılabilir, ileriki yatırımlar bu model üzerinden planlanabilir ve optimize edilebilir.


Üreticiler satış tahminlerini bu model üzerinden yapabilir, üretimlerini satışlarını etkileyen günlük tüketici piyasa çekişi, hava durumu, ekonomi piyasa durumu, sezon hareketleri, rekabet gibi parametreler üzerinden modelleyebilirler.


Yine üretici tarafında ham madde satın alması yaparken; fiyatları etkileyecek parametreler üzerinden modelleme ile satın alım fiyat, miktar, piyasa ham madde durumu tahminleri yapılabilir.


Tüketim ve trend analizleri ile, gelecek dönemin ürün inovasyon alanları belirlenebilir. Yeni ürün geliştirmelerinde (dijital servis veya ürün) fayda sağlanabilir.


Bu listelediklerim sadece etki yaratabilecek ana alanlar. Tahmin analizi geçmiş datayı kullanarak geleceği tahmin etmemiz gereken daha pek çok yerde kullanılabilir. Özetle organizasyonların uzun zamandır datalarla manuel modellemeler üzerinden çıkarım yapmaya çalıştığı pek çok alan, yapay zekanın da gücüyle yatırım, zamanlama, iş gücü anlamında da optimize edilerek organizasyona değer katabilir, katıyor da. Organizasyon içinde ekibini ve alt yapısını kurmuş, modellemeleri ihtiyacı olan alana hızlıca döndüren ve datanın gücünü kullanmayı bilen kazanıyor.


Peki dönelim yürüyüş yapacağım gün Boğaz’ın hangi renk alacağını bilmemize… Açıkçası fikir kulağa hoş geliyor ancak uygulamaya gelince ben hala sürpriz etkisini tercih ediyorum ve rengi önceden bilmeyi sanırım pek de tercih etmiyorum. İşimizde datanın gücünü kullanmanın getirecekleri ne kadar önemli ve değerliyse, yaşamımızda da şaşıracağımız şeylerin olması, süprizler, doğa sayesinde hayret edebilmek hala çok ama çok güzel…


Rumeli Hisarı, Kasım 2020



Referanslar:

https://www.predictiveanalyticstoday.com/what-is-predictive-analytics/

https://www.cio.com/article/3273114/what-is-predictive-analytics-transforming-data-into-future-insights.html

https://www.ibm.com/tr-tr/analytics/predictive-analytics

https://www.sisense.com/glossary/predictive-data-analytics/