Artık Görünmez Olmayın

Doğuş Teknoloji, Veri Ofisi Müdürü, Sezin Dünya ile verileri kullanarak "yaptığımız işleri nasıl görselleştirebiliriz ve hali hazırda işleyen süreçlerimizi nasıl optimize edebiliriz?" başlıklı röportajımızı aşağıda bulabilirsiniz.

Amacımız, "klimalarda" arıza yaşanmadığında da değerimizin bilinmesini sağlamaktır.

---

1. Kendinizden biraz bahseder misiniz?

Merhaba, ben Sezin Dünya, İTÜ Kimya dan mezun olduktan sonra IT sektöründe iş analisti, ürün yöneticisi, proje yöneticisi, veri analisti gibi farklı rollerde çalıştım. Sektörde 14 yıldır deneyimliyim. Şu anda ise Veri Ofisi Yöneticisi olarak Doğuş teknolojide çalışıyorum. Veri Stratejisi odağında, veri yönetimi, veri bilimi, veri yönetişimi, veri mimarisi konularında danışmanlık veriyorum. Aynı zamanda veri bilimi odaklı ürün geliştirme ve proje yönetimi ekiplerinin de yöneticisiyim.

2. Veri bilimiyle ne zamandır ilgileniyorsunuz, bu alana nasıl adım attınız?

Veri bilimi ile ilgim Doğuş Teknoloji’ de kurulan bir yetkinlik merkezi ile başladı. 2018 de, Doğuş Teknoloji ai competency center oluşturuyordu. Ben de o dönemde çalıştığım iş ortaklarımıza optimizasyon ve iş süreçlerini iyileştirecek yazılım kurumsal uygulamalar ekibinde çalışmaları yürütüyordum. Doğuş teknoloji veri bilimi gibi yetkinlik merkezleri oluşturarak veri biliminde mentörlerle bizi bir araya getirdi ve ilk uygulamalara bu ekiple birlikte başladım.

3. Veri bilimi tam olarak ne anlama geliyor? Günümüzde veri bilimciler hangi ana becerilerle ön plana çıkıyor?

Veri bilimi günümüzde veriyi anlamlandırarak makine öğrenimi ve yapay zeka gibi teknolojiler ile veriden değer yaratmadır. Veri bilimciler, programlama, istatistik, makine öğrenimi ve problem çözme gibi becerilerle öne çıkar. Paralelde, iyi bir veri bilimcinin iş problemlerini anlaması ve buna yönelik veri bilimi uygulayabilmesi önemlidir.

4. Veri okuryazarlığı kavramı nedir ve bir organizasyon için neden kritik bir unsur olarak değerlendiriliyor?

Veri okur yazarlığı veriyi analiz edebilmek ve yorumlayabilmektir. Organizasyonların geçmişten günümüze verilerinde, deneyimi, kültürü yatar. Veriler kurumun yansımasıdır. Kurumlarda uzun yıllardır çalışan deneyimli arkadaşlarımızın kurumdaki deneyimlerini düşünelim. Tüm konularda bu uzmanlığa sahip olduğunuzu düşünün. Veriler bu uzmanlığı yansıtır.  Veri okur yazarlığı yetkinliğine sahip ekipler ise işte bu kurum verileri kullanabilmek için yetkin olduğu için organizasyonlar için önemlidir. Veri okur yazarlığı her seviyedeki çalışanın stratejik düşünmesini de sağladığı için önemlidir. 

5. İdari işler ve tesis yönetimi gibi alanlarda veri analizinin fayda sağlayabileceği başlıca alanlar nelerdir?

İdari işler ve tesis yönetimi gibi alanlarda en kritik kaynak yönetimi bence enerji yönetimi. Görünmese de teknoloji geliştikçe daha çok enerjiye ihtiyacımız var ve olacak gibi görünüyor. Enerjide tasarruf sağlanması hem sürdürülebilirlik açısından hem de maliyet açısından faydalı. 

İdari işlerdeki filo yönetiminde verimlilik için verilerin kritik olduğunu görüyoruz. Araçların verimli kullanımının sağlanması, paylaşımlı araçlar gibi rota bazlı ortak kullanım senaryoları veri odaklı çalışmalarla sağlanabilir.

Personellere dokunan servisler sağladığı noktalarda çalışanların davranışlarını iyileştirmek için fırsatlar sağlanabilir.

Predictive maintenance dediğimiz ekipmanların arıza öncesi izlenmesi ve müdahaleyi arıza öncesi yapılması gibi senaryolar maliyet optimizasyonu sağlar.

6. İdari işler süreçlerinde hangi veriler değerli iç görülere dönüştürülebilir? Özellikle operasyonel kararları desteklemek adına hangi veri türleri öne çıkıyor?

Enerji kullanım verileri, araç kullanım verileri gibi operasyonel veriler, bütçe verileri, yakıt tüketimi gibi maliyetlerdeki paterni yansıtan veriler. Çalışan davranışlarını yansıtacak personellerin giriş çıkış verileri, yoğunluklarını ölçeklenebileceği veriler operasyonel kaynakları desteklemek için kritik. Rota ve konum bilgileri gibi filo yönetimi tarafında organizasyona ait olmasa da dış veri kaynakları dediğimiz bu veriler de  operasyonel süreçler için kritik.

7. Filo yönetiminde veri bilimi nasıl bir fark yaratabilir? Maliyet optimizasyonu ve araç kullanım verimliliğini artırmak için hangi analizler kullanılabilir?

Paylaşımlı araç ekonomisi henüz şirketlerde yaygın olmasa da bence ilerleyen süreçlerde şirketlerde filonun ortak kullanımı ile sağlanan optimizasyonları göreceğiz. Havuz araç kavramından farklı olarak bugün nasıl ortak araçları kullanıyorsak ilerleyen süreçlerde şirket araçlarını da birden fazla personelin kullandığı araçlar olacak gibi görünüyor. Veriler ortak paylaşımlı araçlar yaratmak için kritik, hangi lokasyonlarda aracın bırakılması, mevcut konumunun tespit edilmesi gibi çıkarımlar veriler ile yapılarak araç filolarında optimizasyon veriler ile sağlanabilir. Diğer taraftan araçların kullanım bilgileri araçlarda oluşacak arızaların minimalize edilmesi ve yakıt tüketiminin azaltılması için veriler kullanılmaya başlandı. Bağlantılı araç verileri dediğimiz veriler araçları kullanan sürücülerin kullanım davranışlarını yansıtırken aynı zamanda araç ile ilgili bilgileri de veriyor. Örneği balata değişimi için balatanın durumunu izleyebildiğiniz veriler bunlar. Aynı zamanda ani fren yüksek yakıt tüketimi için hız gibi sürücünün kullanım paternini de yansıtıyor.

8. Personel servisi ve taşımacılık planlamasında rota optimizasyonu için veri bilimi hangi yöntemleri kullanabilir?

Kümeleme algoritmaları ve rota optimizasyon algoritmaları kullanılıyor. Kümeleme methodu ile çalışanların konumları ile lokasyon eşleştirmeleri yapılabilmektedir.  Rotayı en kısa ve gidilecek lokasyonlar ve lokasyonlarda geçirilen süreler baz alınarak iş verimliliğini arttırmak için kullanılıyor.

9. İdari işlerde iş gücü optimizasyonu sağlamak için hangi verilerden faydalanılabilir? 

Tesis verileri kapasite belirlemek için, personelin çalışma saatleri ve çalıştığı sürelerde geriye dönük iş yükünü belirleyebilecek veriler ( biz buna yoğunluk da diyoruz) , 

Fazla mesai ve vardiya verileri, personelin yasal olarak çalışması gereken zaman bilgileri gibi kısıtları belirleyecek veriler.

İş gücü optimizasyonu sağlarken servisin kalitesini ve müşterinin memnuniyetini düşürmemek de kritik. Bu nedenle servis kalitesinin ölçülebilmesini sağlayacak veriler ve personelin servis noktalarındaki memnuniyetler.

10. İş gücü verimliliğini artırmak için veri bilimcilerin hangi performans göstergelerine odaklanması gerekir?

Tempo olarak belirticeğim ama her kurumda farklı olabilir, şöyle aktarayım restonları düşünelim. Fine dine bir restoranda personelin müşteriye sundugu servis süresi ile fast food daki personelin servis süresi farklıdır. Bu veriden tespit edilen personelin temposunu belirleyen bir metriktir. Bu metriğin her tesis ve iş tipi için değeri verilerden belirlenerek ideal performans göstergesini oluşturur. Diğer bir performans göstergesi, belirtiğim gibi memnuniyeti düşürmemek adına servis kalitesi veya müşteri memnuniyeti metrikleridir.

11. Bakım planlamasında veri analizinin rolü nedir? Ekipmanların kesintisiz çalışmasını sağlamak için veri analizleriyle nasıl bir strateji oluşturulabilir?

Predictive maintenance özellikle üretim yapan tesislerde son yıllarda üzerine çalışılan analitik çözümlerdendir. Arıza tahminleme ile sıcaklık, titreşim, basınç gibi parameteler kullanılarak normalin dışına çıkan durumlar öngörülebilir. Önleyici bakım ise arıza geçmiş verileri ve bakım verileri kullanılarak optimum bakım planlaması yapılabilir. Özellikle üretim kesintilerine engel olacağını düşünürsek ekipmanların kesintisiz çalışması kritik bir önlemdir.

Yeterli veri var ise arıza tahminleme ile önleyici bakım planlaması yapılabilir. Ancak ekipmanın arızalanmasındaki değişen parametreleri bilmek kritiktir. Bu parametreleri belirledikten sonra, veriyi biriktirmek veya var ise historik veriyi zaman bazında analizlerle bakım planlamasını analitik olarak gerçekleştirmek mümkündür. Mevsimler değişimler gibi dış etkenlerinde ekipmanlar üzerinde etkisi var ise, sezonsallık bazında analizler de destekleyici olacaktır.

12. İdari işlerde bütçe yönetimi yaparken, maliyet öngörüsü sağlamak için veri bilimi hangi tahmin yöntemlerini kullanabilir?

Simülasyonlar özellikle bütçe dönemlerinde her ekibin yaptıgı çalışmalardır. Farklı maliyet senaryoları modellemek için ise basit istatistikler kullanılarak olasılık dağılımlarından faydalanılabilir. 

What if analizleri kullanılabilir. Maliyetin değişmesi durumunda veya giderlerin değişmesi durumunda bütçeye etkileri simüle edilebilir.

Makine öğrenmesi yöntemleri kullanılabilir ancak daha basitten başlamak önce işi bilen kişiler olarak kendi tespitlerini veri ile sağlamak sonrasında bunu ml & ai yöntemleri ile maksimuma taşımak da bir yöntemdir. Maliyetlerin dönemsel değişimleri tahmin etmek için geçmiş verilere dayalı hareketli ortalamalar ile bütçe projeksiyonları oluşturulabilir. 

13. Çalışan memnuniyeti ve iş yeri deneyimini iyileştirmek için veri biliminden nasıl yararlanılabilir? Çalışan ihtiyaçlarını daha iyi anlamak adına hangi analiz yöntemleri önemlidir?

Çalışanların memnuniyetini ölçmek için klasik anketler, performans skorları, iş yeri hakları gibi belli başlı ölçme ve veri toplama yöntemleri sıklıkla ik tarafından yapılmaktadır.

Analitik olarak bu verileri kullanarak özellikle kritik pozisyondaki personellerin belirlenmesini, kritik personelin yedeğinin belirlenmesini ve işten ayrılacak personelin öngörülmesi için çalışmalar farklı sektörlerde yürütüyoruz.

Bir personelin memnuniyetsizliği sonucu işten ayrılması farklı bir personelin benzer memnuniyetsizligi yaşadığını öngörebilmemizi sağlayacak veriler ve öngörüler sunabiliyor.

Korelasyon dediğimiz analizler ile memnuniyet ile iş performansı arasındaki ilişkileri tespit edebiliriz.

Duygu analizleri veya memnuniyetsizlik göstergeleri yine nlp dediğimiz metin analizleri üzerinden yapılabiliyor. Sesin metne dönüştürülmesi ve üretken yapay zeka ile bugun NLP tekniklerini kullanarak duygu analizleri yapmak çok daha kolay.

İş deneyimini iyileştirmek için kişiselleştirilmiş çözümler uygulamak da önemli bence. Bugun eğitimde bile hepimizin öğrenme şekli farklı. Kimimizin görsel kimimizin analitik öğrenimi daha baskın. Herkese aynı eğitimi sunmak yerine öğrenim yöntemini belirleyip ona yönelik eğitimi özelleştirebiliyoruz. Benzer şekilde personellerde benzersiz. Çalışan segmentleri oluşturularak segment bazlı öneriler üretmek deneyimi iyileştirmek için fırsat olabilir. 

14. Enerji tasarrufu ve sürdürülebilirlik girişimlerinde veri biliminin nasıl bir katkısı olabilir? Enerji kullanım verilerini analiz ederek hangi sürdürülebilir çözümler önerilebilir?

Enerji kullanımına dair büyük veri setlerini analiz ederek, kaynakların verimli kullanılmasını, çevresel etkilerin azaltılmasını ve maliyetlerin düşürülmesini destekler. 

Enerji kullanımının analizi sensörler ile yüksek tüketim noktaları belirlenebilir,

Enerji talebinin zaman serisi analizleri ile tüketim tahminlenerek enerji talebine uygun enerji tedarik edilebilir.

Karbon ayak izleri hesaplanarak, örneğin benim sektörüm için yazdıgımız kodun bile karbon ayak izini hesaplayabiliyoruz ☺ karbon emisyonu azaltım noktaları hedefleri oluşturulabilir.

İsraf nedenleri yine historik veriler analizler ile tespit edilerek minimalize edilebilir gibi bir cok senaryo sürdürülebilir çözümlerde geliştirilmektedir.

15. Operasyonel süreçlerdeki darboğazları belirlemek için veri bilimciler hangi veri kaynaklarını inceleyebilir?

• Üretim verileri 

• Arıza kayıtları 

• Kapasite bilgileri

• Her işlemde veya görevdeki süreler veya bekleme süreleri

• Personelin performansını yansıtıcı veriler örneğin çalışma saatleri ve hizmet / iş yaptıgı süreler 

• Yogunluk verileri 

• Müşteri verileri 

• Şikayet ve anket verileri gibi

16. İdari işlerde bütçe planlamasında doğruluk oranını artırmak için veri bilimi hangi tahmin analizlerini kullanabilir?

Geçmiş verilerden öğrenerek gelecekteki maliyet ve gelir tahminlerini iyileştiren bir dizi analiz yöntemi varıdr. Bu yöntemler, harcamaların kontrol edilmesi, kaynakların verimli kullanılması ve finansal risklerin azaltılmasını destekler.

17. Veriyi etkili görselleştirme, idari işler için nasıl bir avantaj sunar? Hangi görselleştirme teknikleri daha etkili sonuçlar verir?

idari işlerde karar alma süreçlerini hızlandırır ve stratejik planlamayı iyileştirir. Karmaşık verilerin görsel olarak sunulması, yöneticilere durumları daha hızlı anlamaları, eğilimleri tespit etmeleri ve sorunlara çözümler geliştirmelerini sağlar. Bir kaç örnek vermek gerekirse;

• Zaman bazlı analizler için çizgi grafikleri

• Birden fazla kategori arasındaki ilişkileri tespit etmek için scatter plot yani dağılım grafikleri

• Sıcaklık haritları veya cografi haritalar ile yogunluk ve lokasyon analizleri

• Yığılım grafikleri histogramlar ise ne sıklıkla gerçekleştiğini görselleştirmek için kullanılabilir.

• Veri Okuryazarlığı ve Gelecek Perspektifi

18. Bir kurumda veri okuryazarlığını artırmak için ne tür adımlar atılmalı? Veri bilimciler, kurum içi veri kültürünün gelişimine nasıl katkı sağlayabilir?

Çalışanların veriyi anlaması, yorumlaması ve karar alma süreçlerinde etkin bir şekilde kullanmasını sağlamak için kritiktir. 

Veri odaklı kültürel değişim programları ile bir çok kurumda benzer dönüşümleri sağlamak için hem farkındalık eğitimleri hem de uygulamalı teknik eğitimler vermekteyiz. Eğer kurum bağımsız kişiler kendilerini geliştirmek istiyorsa o zaman dijital platformlardan bireysel olarak da veri okuryazarlığını arttırmak için veri analizi, ileri veri analitiği, veri hikayeleştirme, gibi eğitimler alabilirler. 

Veri bilimciler kurumlarda bu kültürel dönüşümleri sağlamak için mentör olarak konumlanabiliyor. İnovasyon getirici özellğinin yanında ileri veri analizi tekniklerini uygulama süreçlerinde birlikte çalıştığı ekiplerde veri odaklı karar alma ve veriyi kullanabilme yetkinliklerinin geliştiğini gözlemliyoruz.

19. Gelecekte veri biliminin idari işlerdeki rolü nasıl evrilecek? Sektör genelinde hangi yeni trendleri görmeyi bekliyorsunuz?

Veri bilimini idari işlerin  benimsemesiyle operasyonel süreçlerden stratejik planlamaya kadar birçok alanda daha etkili ve verimli bir yönetim şekli ortaya çıkacak

• Otonom karar alıcılar 

• Öngörüye dayalı karar alma mekanızmaları 

• Kişiselleştirilmiş yönetim modelleri

Gibi mevcut manuel işlerin otonom hale gelerek daha katma değeri yüksek işlere odaklanabilecek pozisyonları idari işler rolleinde sağlanabileceğini düşünüyorum.

20. İdari işler birimlerinin veri bilimcilerle daha yakın çalışarak operasyonel performanslarını iyileştirmeleri için ne gibi önerileriniz var?

Bu iş birliği, analitik kapasiteyi artırarak idari işlerin iş süreçlerini optimize edebilir. Idari işler uzmanlarının ihtiyaçlarını acı noktalarını net bir şekilde veri bilimcilere aktarması, empati kurabilmeleri adına sahada gözlemlerinin sağlanması daha iyi ve daha hızlı sonuçlar üretmelerini sağlayabilir.

Aynı şekilde idari işler uzmanları veri bilimciler ile çalışarak kritik değer taşıyacak verilerin toplanmasına sahiplik edebilirler. Böylece şu anda yeterli veri olmayan senaryolar ve problemlerde ileri vadede analitik çözümlere dönüşerel iş optimizasyonu sağlayabilir.