Big Data at Work | Thomas Davenport (Kitap)

2010 yılının ilk çeyreğinde kullanılmaya başlanan Big Data terimi kitabın ilk bölümünde şöyle tanımlanıyor (Sayfa 7):

Büyük veri alışılmış kapsayıcılara sığmayan veriler için kullanılan geniş kapsamlı bir terimdir. Bu terim, tek bir sunucuya sığamayacak ölçüde büyük, satır-sütun yapılı veri tabanlarına uyabilecek ölçüde yapılandırılmamış veya statik bir veri ambarına sığmayacak şekilde sürekli akan veriler için kullanılır. Tüm ilgi verinin boyutuna yöneltilse de, büyük verinin en zorlayıcı yani aslında yapılandırılmış bir formdan yoksun oluşudur.

Büyük veriyi anlamlandırmak ve analiz edebilmek kritik önem taşısa da, kitabın da çeşitli kereler vurguladığı gibi, bunu başarı ile yapabilen firma sayısı oldukça az. 2013 yılında Harvard Business Review tarafından gerçekleştirilen bir ankete verilen yanıtlara göre, katılımcıların sadece 3,5%’i kuruluşunun büyük veriyi nasıl kullanacağını bildiğini söylerken, sadece 6%’si ise kuruluşunun büyük verinin kritik iş birimleri üzerindeki etkisini değerlendirdiğini belirtmiştir. Büyük veri ile ilgili bir stratejisi olan kurumların oranı ise 23%.

İnternete bağlanan cihazların sayısı her yıl katlanarak artıyor. Hal böyle olunca, nesnelerin interneti ile büyük veri yığınları oluşmaya başladı. Veri analizi yapmak her zamankinden daha gerekli olacak ve firmalarda veri bilimcisi (data scientist) türevleri çeşitli pozisyonlara ihtiyaç duyulacak. Pek çok üniversite, iş zekası ve analitik program ve uzmanlık derslerini müfredatlarına ekliyor. Büyük veri için gerek duyulan insanların geleneksel analistlerden farklı nitelikler taşıması gerekiyor. Büyük veri üzerinde çalışan ekipler, doğrudan ürün, hizmet ve müşterilere odaklanarak çalışıyor. Örneğin, Linkedin’de bu ekiplerin geliştirdikleri işler arasında, Tanıyor olabileceğiniz kişiler, Beğenebileceğiniz gruplar, İlgilenebileceğiniz iş ilanları v.b. var.

Kuruluşların temel yönelimi ile kültürünü de değiştiren büyük veriden elde edilebilecek değerler ise şöyle sıralanıyor (sayfa 29):

• Maliyet düşürme,
• Karar vermede iyileşme,
• Ürün ve hizmetlerde iyileşme.

2.bölümde, büyük veri sektörler ve kritik iş birimleri açısından ele alınıyor. Sektörel açıdan dezavantajlı olanlar sağlık hizmetleri kuruluşları, B2B firmaları ve endüstriyel ürünler; düşük başarılı olanlar geleneksel bankalar, telekom, medya ve eğlence, perakende, elektrik sağlayıcıları; üstün başarılılar ise tüketici ürünleri, sigorta, online, seyahat ve taşımacılık ile kredi kartları (sayfa 51). İlerleyen sayfalarda kritik iş birimleri olarak pazarlama, satış, tedarik zinciri, üretim, insan kaynakları, strateji, finans ve enformasyon teknolojileri incelenmiş.

3. bölümde, büyük veri stratejisinin nasıl geliştirileceği ele alınırken, 4. bölümde ise büyük veri üzerine çalışacak insanlara değiniliyor ve veri bilimcinin beş kritik özelliği - hacker, bilim insanı, sayısal analist, güvenilir danışman, iş uzmanı - inceleniyor.

5. bölüm, büyük veri teknolojilerini anlatıyor. 6. bölüm, büyük veri ile başarılı olabilmek için teknolojiye ek olarak gerekenlere odaklanıyor. Yazar, bu noktada kendi geliştirmiş olduğu DELTA¹ modelini inceliyor. Diğer etkenler olarak da, gerçeklere dayanma (fact-based), kuruluş (organization), kültür (culture), gözden geçirme (review) ve dahil etme (embedding) başlıklarını ele alıyor. Kitabın son iki bölümünde ise start-uplar, online firmalar ve büyük firmalardan çeşitli uygulama örnekleri paylaşılmış. Her bölümün sonunda, o bölüm ile ilgili bir eylem planı yer alırken, kitabın ek kısmında ise Büyük Veri Beceri Seviyesi Değerlendirme Anketi bulunuyor.

1. DELTA = data, enterprise, leadership, targets, analyts (veri, girişim, liderlik, hedefler, analistler) ↩