Birçok işletme verileri, onları yapacakları işlemler için temel almak yerine kararlarını desteklemek için kullanıyor. Ama neden? Sonuçta, veriler gerçekte yalnızca, onlardan hareketle işlem yapabildiğiniz bilgilere dönüştükleri sürece değerlidir. Bu bilgilere sahip olmak için öncelikle verilerden ne istediğinizi bilmeniz (verilerin değerini belirlemeniz) gerekir. Burada, bağlam, ihtiyaç, vizyon ve verilerinizin sonucuyla ilgili sormanız gereken sorulardan söz ediyoruz ve bu verileri anlamlı öykülere ve ticari başarılara dönüştürmek için yararlı bir çerçeve sunuyoruz.

1910'da İskoçyalı yazar ve şair Andrew Lang şöyle diyor: "İstatistikten, sarhoş bir adamın sokak lambalarını kullandığı gibi yararlanıyor; ışığından faydalanmak yerine onları ayakta durmak için kullanıyor." On yıllar sonra, birçok modern işletme, verileri karar almak için değil kararlarını gerekçelendirmek amacıyla kullanarak tam da bunu yapıyor.

Neden? Sonuçta veriler yalnızca, bir şirketin daha iyi kararlar almasına yardımcı oldukları sürece gerçekten değerlidir. Kuruluşunuz dünyanın en büyük veri toplamına sahip olabilir, ancak bu veriler, onları daha fazla iş yapmanızı sağlayan bilgilere dönüştürecek araçlara sahip olmadığınız sürece faydasızdır.

Bunu akılda tutarak, verilerinizi işlem yapmak üzere kullanabileceğiniz bilgilere dönüştürmek için atabileceğiniz bazı adımlar aşağıda verilmiştir.

Verileri tanımlama

Yol gösterici bilgilere sahip olmak, verilerden ne istediğinizi bilmek (verilerin değerini belirlemek) anlamına gelir. Gerçek verilerle ne yapmak istediğinizi düşünün. Thinking with Data (Verilerle Düşünmek), kitabında Max Shron veri analizi gibi bir projenin kapsamını daraltmaya yönelik faydalı bir çerçeve sunuyor. Bir öykü gibi bir proje de daima, giriş (bağlam), biraz çatışma (ihtiyaç), bir çözüm (vizyon) ve umulan bir mutlu son (sonuç) barındırır.

Aşağıdaki soruları yanıtlamak verileri kullanmak için en iyi planı ortaya çıkarmanıza yardımcı olur.

  • Bağlam: Neyi başarmaya çalışıyorsunuz? Projenin sonuçlarına yatırım yapan kimdir? Projeye öncelik verilmesine yardımcı olacak daha büyük hedefler veya son tarihler var mı?
  • İhtiyaç: Veriler akıllı bir şekilde kullanılarak hangi spesifik ihtiyaçlar karşılanabilir? Bu proje daha önce imkansız olan neyi başaracak?
  • Vizyon: İhtiyacı verilerle karşılamak neye benzeyecek? Nihai sonucu önceden modellemek mümkün mü? Çözümün ardındaki mantık ne?
  • Sonuç: Elde edilen sonucu kim nasıl kullanacak ve şirkete entegre edecek? Projenin başarısı nasıl ölçülecek?

Çerçeveyi oluşturma

Daha önce verilerle anlamlı öyküler anlatma hakkında bir makale yazmıştım, ancak anlatılacak doğru öyküyü bulma konusunda ne durumdasınız? Mimarlar bu konuda iyi bir ilham kaynağıdır. Mimarların soyut bir tasarımın gereklerini gerçekliğe dönüştürmek zorunda olması gibi, pazarlamacılar da veri ihtiyaçlarını işlem yapmak üzere kullanılabilecek bilgilere dönüştürmek zorundadır.

Verileri kavrama ve görselleştirme, bir mimarın kavram aşamasında taslak hazırlama şekline benzer. Birden fazla diyagram, grafik ve tablo hazırlamak verilerle sohbet etmeye benzer; ilgi çekici ayrıntıları bulmak için verilere aşina olmamıza yardımcı olur.

Princeton'da mimarlık bölümünde fahri profesör olan Micheal Graves, New York Times'taki bir makalesinde, teknolojinin mimaride "çizimin ölümüne" neden olduğu fikrine kesin bir biçimde karşı çıkıyor. Çizimin nihai ürün kadar bir süreç olduğu ve bilgisayarların bu süreçte bir yeri olduğu gibi insan/duygu faktörünün de bir yeri olduğu fikrini işleyerek devam ediyor. Mimari çizimi üç türe ayırıyor: "referans taslağı", "hazırlık çalışması" ve "nihai çizim". İlginç bir şekilde, her bir türle ilgili fikirleri başarılı pazarlamacıların veriye yaklaşım yöntemleriyle bağlantılandırılabilir.

Aşağıda, Graves'in mimari çizimle ilgili düşüncelerini, verileri işlem yapmak üzere kullanılabilir hale getirme sürecine uyguluyorum:

1. Taslak hazırlayın: Size ilham verecek fikirleri bulun

Verilerle ilgili ilk değerlendirmeye kavramsal olarak, taslak çıkarmak için kalem kağıt kullanarak başlayın. Ulaşmaya çalıştığınız sonuçla ilgili tasarım kavramlarını veya genel fikirleri not edin. Örneğin, daha önceki bir tasarım öğesinin grafiklerini hazırlarken, nihai çalışmanın tasarımını ve yapısını resmeden aşağıdaki taslağı çizdim.

2. Hazırlık yapın: Verilerle ilgili dersinize iyi çalışın

Bu adım kalem ve kağıtla başlayabilir, ancak analiz ve görselleştirme yazılımınızda verileri işledikçe büyük ihtimalle gelişecektir. Verilere nasıl yaklaşacağınız hakkındaki fikirlerle ilgili beyin fırtınası yapmak için aşağıdakilerden yararlanın:

  • Filtreleme: Dağınıklık yaratan verileri eleyin ve en ilgi çekici konuya odaklanın.
  • Sıralama: Verileri önem sırasına koyun.
  • Gruplama ve segmentasyon: Verileri özetleyin ve farklı grupları segmentlere ayırın.
  • Görselleştirme: Kolay anlaşılır görsel öğelerle verilere hayat verin.

Mimarlar, 2 boyutlu taslaklarla 3 boyutlu planlar arasında gidip gelerek benzer bir şekilde hazırlık yapar. Taslak kendi başına uygun ve geçerli olabilse de, yalnızca gerçek arazide hayat bulur. Verilerin dünyasında da rakamlarla hesaplama yapılırken aynı şey olur. Bazen çok muğlak, hatalı biçimlendirilmiş veya eksiktir. Yaptığınız hazırlığın geçerliliğini gerçek verilerle sürekli olarak sınamanın önemi burada ortaya çıkar.

3. Görselleştirin: Verilere hayat verin

Görselleştirme verilerin işlem yapmak üzere kullanılabilir bilgiye dönüşümü sırasında faydalı olabilir. Matematikçi John Tukey, "sayısal nicelikler beklenen değerlere odaklanır; grafiksel özetler ise beklenmeyen değerlere" diyor. John Tukey önemli bir noktaya parmak basıyor. Görselleşmenin gerçek etkisi beklenmeyen bulguları açık, kolay anlaşılır bir şekilde göstermesinde yatıyor. Verilerinize hayat vermek için kullanabileceğiniz birkaç analiz ve görselleştirme aracı var. Bunlardan biri de Google Analytics'tir.

Aşağıdaki ilkeler, çarpıcı bilgileri ortaya koyan görselleştirme türünün ne olduğu konusunda yol gösterici olacaktır:

  • Estetik açısından özenli olun: İnsanlar doğal olarak güzel olana ilgi gösterir. Öyleyse bir grafiği de mümkün olduğu kadar güzel yapmanız yerinde olur. Estetik, grafiklerin kolay anlaşılmasına da yardımcı olabilir. Bu da, sonuç olarak yapılması gerekeni kesin bir şekilde gösterir. Estetikle ilgili bu türden unsurlarının önemiyle ilgili daha fazla bilgi edinmek için Stephen Few'in Now You See It, Simple Visualization Techniques for Quantitative Analysis (Şimdi Apaçık Görülüyor, Niceliksel Analiz için Basit Görselleştirme Teknikleri).
  • Veri noktalarına değil, trendlere odaklanın: En faydalı bilgiler genelde tek tek veri noktalarına değil trendlere (özellikle yön değiştirdikleri zaman) bakıldığında ortaya çıkar.
  • Zaman aralıklarını karşılaştırın: Haftadan haftaya, aydan aya veya yazdan yaza gibi farklı zaman aralıklarını inceleyin. Karşılaştırılabilir aralıklar kullanmaya dikkat edin. Gerçekten de Mart ile Şubat'ı karşılaştırmak gün sayıları farklı olduğu için sorun yaratabilir.
  • Güçlü ilişkileri bulmaya çalışın: Genelde, veri analizinde en güçlü ve aydınlatıcı keşifler değişkenler arasındaki ilişkiler ya da istatistikçiler için korelasyon ve bağımlılıktır.
  • Farklı perspektifleri deneyin: Tek bir birey her şeyi göremez, başkalarını verileri incelemeye davet edin. İşlem yapmak üzere kullanılabilir bilgileri arayan birkaç çift gözün olması hayati öneme sahiptir.
  • Kuşkucu olun: Verileri daima en az iki açıdan analiz edin. Örneğin aynı verileri, farklı grafik türleri kullanarak birçok kez görselleştirin. Veriler yanıltıcı olabilir. Bu nedenle durumu doğru yansıttıklarından emin olun.

Veriler arasında değerli olanları su yüzüne çıkarmak biraz çaba gerektirebilir, ancak yararlı dozda bir görselleştirme sağlar. Yukarıdaki listede yalnızca, en iyi görselleştirme tekniklerinden bazıları örneklenmiştir ve eksiksiz olmaktan uzaktır. Kendi en iyi görselleştirme karmanızı bulmak için zaman ayırın.

Verilerden eyleme geçiş

Burada ele alınan çerçevenin ve ilkelerin verilerinizin içerdiği bilgileri ortaya çıkarmanıza yardımcı olacağını umarım. Bu da size, bu verilerde ortaya çıkan en anlamlı yorumu temel alarak işletmenize yön verebilmeniz için ilham verecektir. Her bağlamda işe yarayan tek bir ilkeler dizisi yoktur. Bu nedenle, veri analizinizi oluşturmak için en iyi teknikleri belirlemek sizin kararınızdır.

Verileri işlem yapmak için kullanılabilecek bilgilere dönüştürmek kuralsız bir süreç olabilir. Neyse ki, veri ihtiyaçlarından işlem yapmak üzere kullanılabilir bilgilere ulaşmaları için uzmanlara yardımcı olacak birkaç teknik vardır. Pazarlamacıların verilerle verimli bir çalışma yapmak için bir mimarın planlarına benzer şekilde yönergelere ihtiyaçları vardır. Ancak, bu konuya yaratıcı bir şekilde yaklaşılmasını engelleyen bir neden yoktur.