Kazanimlar:
- Veri-bilgi-içgörü-karar merdivenini kavrayıp yapay zekayı adım adım yürüterek dağınık veriden karar odaklı içgörü üretebilme
- Toplam sayıların gizlediği gerçeği segment kırılımıyla açığa çıkarabilme ve korelasyonu nedensellikten ayırt edebilme
- Yapay zekanın önerdiği nedenleri test edilecek birer hipotez olarak ele alıp nihai kararı doğrulanmış içgörüye dayandırabilme
Bir yöneticinin masasına her gün onlarca sayı gelir: satış rakamları, maliyetler, müşteri şikâyetleri, stok seviyeleri, çalışan devir oranları. Ama sayı, tek başına karar değildir. Karar, sayının içindeki anlamı görmekle başlar. "Satışlar geçen aya göre yüzde 8 düştü" bir veridir; "satışların düşmesi Ege bölgesindeki iki büyük müşterinin siparişini ertelemesinden kaynaklanıyor" bir içgörüdür. İşte karar destek (decision support — yöneticinin daha iyi karar vermesi için veriyi anlamlı hale getiren süreç), veriyi içgörüye çeviren köprüdür. Bu ünitede YZ'yi bu köprünün üstünde nasıl kullanacağımızı öğreneceğiz. Sınır baştan net: YZ içgörü taslağı üretir; hangi içgörünün gerçek olduğuna ve ne yapılacağına yönetici karar verir.
Veriden içgörüye giden dört basamak
Karar desteği bir merdivendir. Birinci basamak — veri: ham sayılar (bu ay 1.240 sipariş geldi). İkinci basamak — bilgi: düzenlenmiş, karşılaştırılmış sayılar (geçen aya göre yüzde 8 düşüş). Üçüncü basamak — içgörü: düşüşün nedenine dair anlam (iki büyük müşterinin ertelemesi). Dördüncü basamak — karar: ne yapılacağı (bu müşterilerle görüşme ve yeni müşteri hedefi). YZ birinci ve ikinci basamakta çok hızlıdır, üçüncüde iyi bir yardımcıdır, dördüncüde yalnızca seçenek sunar.
Bu merdiveni bilmek önemlidir çünkü çoğu yönetici YZ'den doğrudan "bana karar ver" ister ve hayal kırıklığına uğrar. Oysa YZ'yi basamak basamak yürütürseniz — önce özetlet, sonra karşılaştır, sonra olası nedenleri sorgulat, en sonda kararı kendiniz verin — hem hızlı hem güvenilir olursunuz.
İpucu: YZ'ye "bu veriden ne çıkarırsın?" diye tek seferde sormak yerine, "önce özetle, sonra en dikkat çeken 3 değişimi göster, sonra her biri için 2 olası neden öner" diye adım adım ilerletin. Adımlı düşünme daha isabetli sonuç verir.
Korelasyon ile nedensellik tuzağı
Karar desteğinin en tehlikeli tuzağı, korelasyonu nedensellik sanmaktır. Korelasyon, iki şeyin birlikte hareket etmesidir (dondurma satışı ve boğulma vakaları yazın birlikte artar). Nedensellik, birinin diğerine yol açmasıdır (dondurma boğulmaya neden olmaz; ortak neden sıcak havadır). YZ verinizde birlikte hareket eden şeyleri bulmakta çok iyidir ama hangisinin gerçek neden olduğunu bilemez. "Reklam harcaması arttı ve satış arttı" demesi, reklamın satışı artırdığını kanıtlamaz; belki ikisi de bayram sezonundan etkilendi.
Bu yüzden YZ bir neden önerdiğinde onu bir hipotez (kanıtlanması gereken varsayım) olarak görün, bir gerçek olarak değil. "Bunu nasıl test ederim?" diye sorun. İyi bir yönetici, YZ'nin önerdiği nedeni sahada ya da veriyle sınar.
Üç mini vaka
Vaka 1 — Gizli düşüşü yakalamak. Bir e-ticaret şirketinde toplam ciro sabit görünüyordu, kimse alarma geçmemişti. Yönetici anonim aylık veriyi YZ'ye verip "kategori bazında hangi segment büyüyor, hangisi küçülüyor?" diye sordu. YZ, toplam ciro sabitken aslında yüksek kârlı elektronik kategorisinin yüzde 22 düştüğünü, düşük kârlı aksesuar satışının bunu maskelediğini gösterdi. Yönetici bunu doğruladı ve elektronik kategorisine odaklandı. Toplam sayı gizlemişti; kırılım gerçeği açığa çıkardı.
Vaka 2 — Yanlış nedene koşmak. Bir kafe zincirinin müdürü YZ'ye satış verisini verdi. YZ "hafta sonu satışları hava sıcaklığıyla birlikte hareket ediyor" dedi. Müdür bunu "sıcak hava satışı artırıyor" diye okuyup klimaları kıstı. Oysa gerçek neden hafta sonu artan müşteri trafiğiydi; sıcaklık tesadüfen aynı yönde hareket ediyordu. Müdür korelasyonu nedensellik sanmıştı. Dersini alıp bundan sonra her nedeni test etti.
Vaka 3 — Karşılaştırmayı doğru kurmak. Bir üretim işletmesinde iki fabrikanın verimi karşılaştırılıyordu. Yönetici YZ'ye "A fabrikası B'den daha verimli mi?" diye sordu ama YZ, A fabrikasının daha yeni ve küçük olduğunu bilmiyordu. Yönetici istemi düzeltti: "büyüklük ve yaş farkını da dikkate alarak, birim başına verimi karşılaştır." Bu sefer analiz adildi ve gerçek fark ortaya çıktı.
Dört kopyalanabilir şablon
1) Adımlı içgörü çıkarma:
Rolün: yöneticiye yardımcı iş analisti.Ekteki anonim veriyi (dönem, kategori, satış, maliyet) kullan.Adım adım ilerle:1) Veriyi 4 maddede özetle.2) Geçen döneme göre en dikkat çeken 3 değişimi göster.3) Her değişim için en fazla 2 OLASI neden öner ve bunların birer hipotez olduğunu, kanıt gerektiğini belirt.Verdiğim veride olmayan hiçbir sayıyı uydurma.
2) Kırılım (segment) analizi:
Toplam sayılar sabit görünse bile içeride ne oluyor bilmekistiyorum. Ekteki veriyi kategori/bölge/müşteri segmentinegöre kır. Hangi segment büyüyor, hangisi küçülüyor,bir tabloda göster. Toplamı maskeleyen ters yönlü hareketleriözellikle işaretle.
3) Korelasyon-nedensellik testi:
Şu ilişkiyi buldum: [A ile B birlikte hareket ediyor].Bunun gerçek bir neden-sonuç mu yoksa sadece birlikte hareket miolduğunu ayırt etmeme yardım et. Olası ORTAK nedenleri listeleve bu ilişkiyi test etmek için yapabileceğim 3 pratik kontrol öner.
4) Karar seçeneği üretimi:
Şu içgörüyü doğruladım: [içgörü].Bana karar VERME; bunun yerine 3 farklı eylem seçeneği üret.Her seçenek için: beklenen fayda, tahmini maliyet/çaba,başlıca risk ve hangi durumda tercih edilmeli.Seçenekleri tarafsız sun; birini dayatma.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Satışlar neden düştü?
Veri yok, dönem yok, bağlam yok. YZ genel sebepler (ekonomi, rekabet, mevsim) sıralar; hiçbiri sizin durumunuza özel değildir ve doğrulanamaz.
Güçlü prompt:
Rolün: perakende analisti. Ekteki anonim 6 aylık veriyi(ay, bölge, kategori, satış adedi, ciro) kullan. Son aytoplam ciro %8 düştü. Bunu bölge ve kategoriye göre kır;düşüşün hangi segmentten geldiğini bul. Bulduğun her düşüşiçin en fazla 2 test edilebilir hipotez öner. Sadeceverdiğim sayıları kullan.
Boyut
Zayıf yaklaşım
Güçlü yaklaşım
Veri
Yok
Anonim ve ekli
Soru
Genel "neden?"
Kırılımlı ve odaklı
Çıktı
Genel sebepler
Test edilebilir hipotezler
Doğrulanabilirlik
Düşük
Yüksek
Karar değeri
Az
Yüksek
Sık yapılan hatalar
- Toplam sayıya güvenmek. Toplam sabitken içeride büyük ters hareketler olabilir; mutlaka kırılıma bakın.
- Korelasyonu nedensellik sanmak. YZ'nin bulduğu ilişkiyi kanıt değil, test edilecek hipotez olarak görün.
- Adaletsiz karşılaştırma. Farklı büyüklük/yaş/koşuldaki birimleri normalize etmeden kıyaslamayın.
- YZ'den doğrudan karar istemek. YZ seçenek üretir; kararı ve sorumluluğu siz taşırsınız.
- Tek dönem verisiyle sonuç çıkarmak. Eğilim için yeterli tarihsel veri gerekir.
Dikkat: Bir içgörü ne kadar zekice görünürse görünsün, verinizden doğrulanamıyorsa karara dönüşmemelidir. "YZ öyle dedi" bir gerekçe değildir; "veriyle test ettim ve doğrulandı" bir gerekçedir.
Özetle
Karar destek, veriyi içgörüye çeviren merdivendir: veri, bilgi, içgörü, karar. YZ ilk iki basamakta çok hızlı, üçüncüde iyi bir yardımcı, dördüncüde yalnızca seçenek sunucudur. Toplam sayılara değil kırılımlara bakın; korelasyonu nedensellik sanmayın; YZ'nin önerdiği nedenleri test edilecek hipotez olarak görün. Adımlı düşünme daha isabetli sonuç verir. Nihai karar, doğrulanmış içgörüye dayanarak yöneticinindir.
Uygulama görevi
İşinizden anonim bir veri seti (örneğin son 6 ayın kategori bazlı satışları) hazırlayın. Yukarıdaki "Kırılım analizi" şablonuyla YZ'ye segment kırılımı yaptırın. Bulduğu en büyük değişim için "Korelasyon-nedensellik testi" şablonunu kullanıp bir hipotez üretin ve bu hipotezi sahada nasıl test edeceğinizi 3 maddede yazın.
Kontrol listesi
- [ ] Veriyi anonimleştirdim mi?
- [ ] Toplama değil kırılıma (segment) baktım mı?
- [ ] YZ'nin önerdiği nedeni hipotez olarak mı ele aldım?
- [ ] Karşılaştırmaları adil biçimde (normalize ederek) mi kurdum?
- [ ] Kararı, doğrulanmış içgörüye dayanarak kendim mi verdim?