Yazar

Mustafa ÇELİKPENÇE

 

 

Mayıs 2019

 

Veri Bilimi ve Veri Bilimcisi

 

Büyük veri ile iç içe olduğumuz bir dünyada, toplanan verileri teknik bilgisi ile işleyerek anlamlandıran ve katma değere dönüştüren, elde edilen bu bilgiler ile birlikte direkt olarak kurumların karlılığına etki eden, Veri Bilimi ile uğraşan Veri Bilimcisi gibi mesleklerin önemi gün geçtikçe artmaktadır.

 

Disiplinler arası bir kavram olarak kabul edilen Veri Bilimi (Data Science); İstatistik, Matematik ve Bilgisayar Bilimleri alanlarından faydalanmaktadır.  Ayrıca Veri Biliminde, üzerinde çalışılan alan bilgisi de büyük önem taşımaktadır. Finans, insan kaynakları, enerji gibi sektörlerde, hangi alt alanda çalışma gerçekleştiriliyorsa, bu alandaki bilgi birikimi de Veri Biliminde oldukça önemlidir.

Veri Bilimi ile uğraşan kimseye Veri Bilimcisi adı verilir. Veri Bilimcisi ise tüm bu disiplinler ile birlikte alan bilgisini de birleştirip, geçmiş verileri doğru okuyup analiz ederek geçmişi anlamlandırabilen, mevcut durumu tanımlayan ve gelecek ile ilgili de tahminlerde bulunabilen kişidir. Veri Bilimcisi, farklı araçları kullanarak elindeki verileri işler ve yorumlar. Lineer cebir, sayısal analiz, istatistik ve veri görselleştirme alanlarında uzmandır.

Günümüzde veri bilimcisi, en çok aranan mesleklerden biri haline gelmiştir. Zaman ilerledikçe de bu alandaki ihtiyaç hızla artmaktadır. Veri Bilimcisi ihtiyacının giderek artmasının sebeplerini, aşağıdaki gibi özetleyebiliriz.

Veri Miktarındaki Artış

İnternet ve sosyal medya kullanımı ile birlikte, üretilen veri sayısında eksponansiyel bir artış yaşanmaktadır. İnternette 1 dakikada:

  • 481 bin tweet atılıyor.
  • Google’da 3,7 milyon arama yapılıyor.
  • Youtube’da 4,3 milyon video izleniyor.
  • 187 milyon e-mail gönderiliyor.
  • 38 milyon WhatsApp mesajı gönderiliyor.

Sosyal medya ve internet verilerinin yanı sıra, nesnelerin interneti de üretilen ve depolanan veri miktarını arttırmaktadır.

Bu kadar çok veri depolanmakla birlikte, bu veriler yorumlanıp bir bilgiye, bir değere dönüştürülmedikçe, toplanan bilgiler veri çöplüğüne dönüşecektir. Örneğin satışı yapılan bir ürünün, sosyal medyadaki geri bildirimlerinden beğenilip beğenilmediğinin, kimler tarafından beğenilip, kimler tarafından beğenilmediğinin tespiti, ürünlerin sosyal medyadaki paylaşımlarının kampanyalara etkileri gibi çıkarımlar veriyi anlamlandıracaktır.

İşte bu noktada, oluşan büyük verileri türlerine göre gerekli araçlarla işleyip, anlamlandırabilecek teknik çalışanlara, yani Veri Bilimcilerine ihtiyaç vardır.

Veriye Dayalı Kararlar

Günümüzde karar vermede artık veriler daha da büyük önem taşımaktadır. Sahip olduğu verileri değerlendirebilen firmalar, daha doğru kararlar verebilmektedir. Hızlı ve doğru karar verme ile, fırsatları yakalama imkânı da artmaktadır. Ayrıca veri odaklı karar verme ile birlikte, kişilerden bağımsız ve daha doğru kararlar alınabilir.

Hızlı ve doğru alınan kararlar, direk olarak şirket karlılığını etkilemektedir. Harvard Business Review araştırması, Amerika’da kendi sektöründe lider olan ilk 3 firmanın, veri odaklı karar verme ile ortalama %6 daha fazla kar ettiğini ortaya koymaktadır.

Verilere dayanan kararların getirdiği karlılık, Veri Bilimcisinin önemini daha da arttırmaktadır.

İş Yapış Şekillerinin Değişmesi

Yapay Zekâ ve Makine öğrenmesi ile birlikte, iş yapış şekillerimiz de değişmektedir. Makine öğrenmesi kullanılarak kurulan sistemler, öğrenerek kendilerini geliştirebilmektedir. Özellikle günümüzde finans, satış/pazarlama ve sağlık sektöründe yaygın olarak kullanılmaya başlayan makine öğrenmesi, gelişmiş algoritmaları kullanmaktadır. Gelişmiş algoritmalar ile geçmiş verilerden öğrenip, hızlı ve doğru kararlar verilebilmesine imkân sağlayan makine öğrenmesi, kaynak ve zaman tasarrufu sağlayarak, maliyetleri düşürmektedir.

Günümüzde firmaların kendi makina öğrenmesi sistemlerini kurmaları maliyetli olduğundan, hizmet olarak makine öğrenmesi platformları tercih edilmektedir. Ortalama bir kullanıcı, bir servis olarak Makine Öğrenmesi (MLaaS – Machine Learning as a Service) servislerini kullanarak, farklı bir çalışana gerek duymadan akıllı kararlar alabilmektedir. Kullanıcı burada karar alırken, bu servislerden gelen önerilerden faydalanmaktadır.

Bu kapsamda baktığımızda, teknolojiyi ve iş süreçlerimizi geliştirmek için, makine öğrenmesi algoritmalarını kullanan geliştiricilere ve bu geliştiricilerin oluşturduğu güvenebileceğimiz modellere ihtiyaç duyulmaktadır.

Veriye Dayalı Doğru Tahminler

Büyük veri ile birlikte, tüm bu verilerin insanlar tarafından işlenmesi ve veriler arasındaki ilişkilerin bulunabilmesi gittikçe zorlaşmaktadır. Makina öğrenmesi teknikleri ile, veriler arasındaki insanların gözle göremeyeceği ilişkiler bulunabilmektedir. Veri üzerinde çalışanlar, küçük ilişkileri gözden kaçırabilmekte iken, makine öğrenmesi algoritmaları bu ilişkileri yakalayabilmektedir.

İş birimlerinin rekabetçi piyasada ayakta kalabilmesi için, tahmin modellerini oluşturmaya ve sonrasında oluşturulan bu tahmin modellerini sürekli geliştiren Veri Bilimcilere ve Makine Öğrenmesi Uzmanlarına ihtiyacı vardır.

Veri Bilimcisi alanındaki artış gerekçelerini yukarıdaki gibi özetleyebiliriz. Günümüzde Amerika’da en çok aranan meslek Veri Bilimcisi haline gelmiştir. Amerika’da LinkedIn üzerinde son 5 yıllık iş ilanlarındaki artışlara bakıldığında, Makine Öğrenmesi ve Veri Bilimcisi ilanlarının en çok artan iki ilan olduğunu görmekteyiz. 5 yılda Makine Öğrenmesi iş ilanları %9,8, Veri Bilimcisi iş ilanları ise %6,5 oranında artmıştır. McKinsey Global Institute tahminine göre, 2024 yılına kadar 250.000’den fazla açık veri bilimcisi ilanı olacağı tahmin edilmektedir.

Büyük veri ile iç içe olduğumuz bir dünyada, toplanan verileri teknik bilgisi ile işleyerek anlamlandıran ve katma değere dönüştüren, elde edilen bu bilgiler ile birlikte direkt olarak kurumların karlılığına etki eden, Veri Bilimi ile uğraşan Veri Bilimcisi gibi mesleklerin önemi gün geçtikçe artmaktadır.

Kurumların buna göre iş yapış biçimlerini değiştirmeleri, verinin öneminin farkına varmaları, sahip oldukları verileri korumaları ve veri sahiplerini belirlemeleri, bu verileri işleyerek şirketin karlılığına direkt etki edecek kritik bilgilere dönüştürmeleri ve bu dönüşümü sağlayacak bilgi birikimine sahip Veri Bilimcisi gibi çalışanlara organizasyonlarında yer vermeleri gerekmektedir. Ancak bunları gerçekleştiren kurumlar gelecekte ayakta kalacaktır.