Veri Bilimi: Yöneticilerin Görmezden Geldiği Stratejik Varlık
Türkiye'de hem kamu hem özel sektörde tekrarlanan bir senaryo: Kurumlar dijital dönüşüm projelerine yatırım yapıyor ancak beklenen verim gelmiyor. Çünkü en kritik unsur göz ardı ediliyor: Uçtan uca veri yönetimi ve veri bilimi disiplini.
Emre Bostanoğlu
Veri Bilimci • Uzman İstatistikçi
Giriş: Sessiz Felaket
Türkiye'de hem kamu hem özel sektörde tekrarlanan bir senaryo var: Kurumlar dijital dönüşüm projelerine yatırım yapıyor, en güncel teknolojileri satın alıyor, sistemleri modernize ediyor. Ancak bu yatırımların önemli bir kısmı beklenen verimi getirmiyor. Yatırımlar sadece donanım ve yazılımsal olarak görülüyor, asıl stratejik değer kaynağı olan veri yönetimi ve veri bilimi disiplinine gerekli önem verilmiyor.
Bu sorun sadece kurumlarla sınırlı değil: Akademi de aynı yanılgıya düşüyor. Araştırma projeleri planlanırken veri bilimciler ve istatistikçiler sürece dahil edilmiyor. Proje sonunda, analiz aşamasında "acil" olarak istatistikçilere koşuluyor. Oysa verinin nasıl üretileceği, hangi değişkenlerin ölçüleceği baştan tasarlanmalıdır.
Bu yazıda, kamu, özel sektör ve akademideki yönetim kademelerinin veri bilimine bakış açısındaki temel hataları, bunların maliyetlerini ve doğru yaklaşımın kurumlara kazandıracağı somut faydaları ele alacağız.
Temel Sorun
Veri bilimi bir "itfaiye servisi" değil, yangın çıkmasını önleyen güvenlik sistemidir.
Temel Yanılgı: "Veri Bilimci = Son Aşama Teknik Destek"
Kurumların Yaygın Düşüncesi
Pek çok kurum, veri bilimini şöyle konumlandırıyor: "Elimizde veri var, bir sorun çıktığında veri bilimciye veririz, analiz yapar, çözümü bulur." Bu yaklaşım, veri bilimini bir "itfaiye servisi" olarak görmektir. Yangın çıkınca aranır, söndürülür, gidilir. Oysa veri bilimi, yangın çıkmasını önleyen güvenlik sistemidir.
Gerçekte Olması Gereken
Veri bilimi, baştan sona bütünsel bir disiplindir. Bu zincirin herhangi bir halkası zayıfsa, tüm sistem çöker. Ancak kurumlar genellikle sadece "analiz" aşamasını görür, geri kalanını ihmal eder.
Veri Bilimi Süreci
Yönetim Kademelerindeki 5 Kritik Yanılgı
1. "Değişken Seçimi ve Veri Yapıları Sonradan Hallolur"
❌ Yanlış Düşünce:
- "Sistemleri kuralım, hangi veriyi toplayacağımıza sonra karar veririz"
- "Teknik ekip veri yapılarını bilir, onlar düşünsün"
- "Kritik değişkenleri zaten biliyoruz, ek danışmanlığa gerek yok"
✓ Gerçek:
- Veri yapılarındaki uyumsuzluklar sonradan düzeltilemez maliyetler yaratır
- Öngörülemeyen kritik değişkenler olmadan proje başlatmak, kör noktaların garantisidir
- Değişken seçimi bilim gerektirir - domain uzmanlığı + istatistiksel yetkinlik
- Yanlış veri yapısı, doğru analizi imkansız kılar
Gerçek Senaryo: Bir sağlık projesi, hasta kayıt sistemini kurdu. İstatistikçi dahil edilmedi. 2 yıl sonra epidemiyolojik analiz istendiğinde, kritik değişkenler (sosyoekonomik göstergeler, komorbidite tarihleri) hiç toplanmamış. Sistem yeniden tasarlanmak zorunda kaldı.
2. "İstatistikçi Son Anda, Sadece Analiz İçin Yeterli"
❌ Yanlış Düşünce (Akademi, Kamu, Özel Sektörde Yaygın):
- "Proje tasarlandı, veri toplandı, şimdi istatistikçiye verelim analiz etsin"
- "Periyodik raporları üretiyor, görevi bu kadar"
- "Stratejik planlama toplantılarına teknik personel gerekmez"
✓ Gerçek:
- Akademide: Makale reddedilmesinin 1 numaralı nedeni - metodolojik hatalar (veri toplama tasarımı yanlış)
- Kamuda: Yıllık milyonlarca TL'lik veri toplama projeleri, analiz edilemez veriler üretiyor
- Özel Sektörde: CRM, ERP sistemleri kurulurken istatistikçi dahil edilmez → müşteri segmentasyonu, churn analizi yapılamaz
- Raporlama sadece çıktıdır; asıl değer, verinin nasıl üretileceğini baştan tasarlamaktır
Maliyeti: Hatalı tasarlanmış veri toplama süreci, %70'e kadar kullanılamaz veri üretir. Bu demektir ki, bütçenin ve zamanın %70'i boşa harcanıyor.
3. "Dijital Dönüşüm = Donanım + Yazılım Yatırımı"
❌ Yanlış Düşünce (Kamu ve Özel Sektörde Yaygın):
- "En pahalı sunucuları aldık, bulut altyapısına geçtik, dijitalleştik"
- "Lisanslı yazılımlar satın aldık, modern sistemimiz var"
- "Yatırım yapıldı, artık verimliyiz"
✓ Gerçek:
- Donanım ve yazılım sadece araçtır - içindeki verinin kalitesi ve yönetimi asıl değeri yaratır
- Yatırımlar sadece donanım ve yazılımsal görülüyor, veri yönetimi bütçelere girmiyor
- En gelişmiş sistem bile, kötü tasarlanmış veriyle çöp üretir
- Dijital dönüşüm = Teknoloji + Veri Mimarisi + Veri Yönetişimi + İnsan Kaynağı
Tespit: Kurumların %80'i dijital dönüşüm bütçesinin %90'ını donanım/yazılıma ayırıyor. Veri yönetimi ve veri bilimi ekiplerine sadece %10. Sonuç: Pahalı sistemler, kullanılmayan özellikler, düşük ROI.
4. "Aynı Dili Konuşuyoruz, Amaç Net"
❌ Yanlış Düşünce:
- "Herkes 'müşteri memnuniyeti' diyor, amaç ortada"
- "Veri sözlüğüne gerek yok, terimler açık"
- "Departmanlar arasında koordinasyon yeterli"
✓ Gerçek:
- Aynı dilin konuşulamaması veri entegrasyonunun en büyük engelidir
- "Müşteri" satış için başka, CRM için başka, finans için başka şey ifade ediyor
- Amaçsallık olmadan toplanan veri, stratejik içgörü üretemez
- Veri ontolojisi (tanımlar, ilişkiler, kurallar) dokümante edilmezse kaos kaçınılmazdır
- Departmanlar farklı metriklere farklı anlamlar yüklediğinde, "veriye dayalı karar" illüzyondur
Örnek: Bir kurumda "aktif müşteri" tanımı: Satış departmanı → son 30 günde alışveriş yapan. Pazarlama → son 90 günde e-posta açan. Finans → ödeme planı devam eden. Sonuç: 3 farklı "aktif müşteri" sayısı, birbirine uymayan raporlar, güven kaybı.
5. "Ölçeklenebilirlik Teknik Sorun, Biz Büyüme Planlıyoruz"
❌ Yanlış Düşünce:
- "Mevcut sistem 1000 kayıt için çalışıyor, 10.000'e yükseltiriz"
- "Büyüdükçe sunucu ekleriz, sorun çözülür"
- "Ölçeklenebilirlik IT'nin işi"
✓ Gerçek:
- Ölçeklenebilirlik sadece teknik değil, metodolojik bir konudur
- Küçük ölçekte çalışan manuel süreçler, büyük ölçekte çöker
- Veri mimarisi baştan ölçeklenebilir tasarlanmazsa, sistem yeniden yazılır (maliyet x10)
- Büyüme stratejisi olmadan kurulan veri sistemleri, organizasyonel darboğaz yaratır
- Pilot çalışmalar ölçeklenebilirlik testi içermeden başlatılırsa, başarılı pilot → başarısız uygulama
Gerçek Vaka: Bir e-ticaret firması 500 ürünle başladı. Excel bazlı stok yönetimi. 2 yıl sonra 50.000 ürün. Excel çöktü, ERP acilen alındı, veri geçişi 8 ay sürdü, satışlar %30 düştü. Başlangıçta veri bilimci olsaydı: ölçeklenebilir mimari, sorunsuz büyüme.
Uçtan Uca Veri Yönetiminin Eksikliğinin Maliyeti
Zaman Boyutu
❌ Veri Bilimci Dahil Edilmezse
- ✗ Sistem kurulum dönemi
- ✗ Veri toplama aşaması
- ✗ Veri bilimci devreye giriş noktası
- ✗ Veri temizleme ve düzenleme dönemi
- ✗ Analiz başlangıcı
- Toplam: 2-3 kat daha uzun
✓ Veri Bilimci Baştan Dahil Edilirse
- ✓ Sistem doğru parametrelerle tasarlanır
- ✓ Temiz veri başlangıçtan üretilir
- ✓ Analizler erken dönemde başlar
- ✓ Süreç optimizasyonu sağlanır
- ✓ Kaynaklar verimli kullanılır
- Toplam: Optimal Süre
Fark: Önemli zaman kaybı = Fırsat maliyeti + Rekabet dezavantajı + Pazar kaybı
Ekonomik Boyut
Kaynak İsrafının Boyutları
- Doğrudan maliyetler: Veri temizleme için ayrılan insan kaynağı süreleri
- Dolaylı maliyetler: Yanlış kararlardan kaynaklanan operasyonel zararlar
- Fırsat maliyeti: Yapılabilecek stratejik analizlerin gerçekleştirilememesi
- Düzeltme maliyeti: Hatalı süreçlerin revizyonu
- Toplam Etki: Ciddi ekonomik kayıp
Veri Bilimine Doğru Yatırımın Faydaları
1. Stratejik Faydalar
Karar Hızı
Gerçek zamanlı veri ile hızlı döngü → Rekabetçi avantaj
Kaynak Optimizasyonu
Veri odaklı yaklaşım → İhtiyaç bazlı tahsis
Müşteri Derinliği
Davranış analizi → Müşteri değerinde artış
Operasyonel Mükemmeliyet
Hata oranında azalma → Lojistik optimizasyonu
2. Organizasyonel Faydalar
-
✓
Kurumsal Güven İnşası: Objektif karar süreçleri, yönetim değişikliklerinde süreklilik
-
✓
Performans Adaleti: Standart değerlendirme kriterleri, objektif ölçüm sistemleri
-
✓
Kurumsal Bellek: Personel rotasyonuna rağmen bilgi sürekliliği
-
✓
Stratejik Öngörü: Reaktif değil, proaktif yönetişim kapasitesi
Analitik Evrim Basamakları
Sonuç: Paradigma Değişimi
❌ Geleneksel Paradigma
Sistem Kurulumu → Veri Toplama → Sorun Ortaya Çıkması → Reaktif Müdahale
Sonuç: Sürekli kriz yönetimi, sürekli düzeltme, sürekli gecikme
✓ Çağdaş Paradigma
Planlama → Veri Bilimi ile Tasarım → Kaliteli Veri → Sürekli Analitik → Proaktif Karar
Sonuç: Öngörülü yönetişim, rekabetçi üstünlük, sürdürülebilir büyüme
Son Söz
Veri bilimi, bilgi ekonomisinin rafinerisidir. Ham veri tek başına stratejik değer taşımaz. Sistematik işleme (analitik), aksiyona dönüştürülebilir通察 (insight) üretir.
Kamu, özel sektör ve akademide ortak yanılgı: Veri bilimi ve istatistik, son aşama değil, ilk aşamadır. Değişken seçimi, veri yapıları, ölçeklenebilirlik, amaçsallık - bunlar projenin başında tasarlanmazsa, sonradan telafi edilemez.
Dijital dönüşüme milyonlar yatırılıyor ama yatırımlar sadece donanım ve yazılımsal görülüyor. Oysa asıl değer, veri yönetişimi ve veri bilimi yetkinliğindedir. Organizasyonunuz hala "sorun ortaya çıktığında veri bilimciyi çağırıyorsanız", kritik fırsatları kaçırıyorsunuz demektir. Rekabet ortamında liderler, proaktif veri yönetişimi kuruyor.
Veri bilimcilere ve istatistikçilere gerekli önem ve değer verilmediği sürece, kurumlar pahalı hatalar yapmaya, akademisyenler makalelerini reddetmeye, yöneticiler yanlış kararlara devam edecek. Paradigma değişimi şimdi gerekiyor.
Öz-Değerlendirme Soruları
- 1. Veri yönetişimi fonksiyonu, hangi aşamada devreye giriyor?
- 2. Sistem değişikliklerinde veri yönetişimi bilgilendiriliyor mu?
- 3. Validasyon mekanizmaları yeterli mi?
- 4. Veri kalitesi sistematik olarak ölçülüyor mu?
- 5. Veri ontolojiniz dokümante edilmiş mi?
Bu sorulara olumsuz cevaplar, sistemik zayıflıkların varlığına işaret eder.
Temel İlkeler
"Veri bilimi, reaktif düzeltme değil; proaktif tasarımdır."
"Ölçümün geçerliliği olmadan, yönetimin etkinliği olamaz."
"Veri yönetişimine yapılan yatırım, organizasyonel zekaya yapılan yatırımdır."