Günümüzde şirketler için verinin değeri giderek önem kazanıyor. Bir günde üretilen veri hacmi geçtiğimiz yıllara göre süratle artarken, bu devasa verilerin işlenmesi ile elde edilebilecek yeni değerler, birçok şirket için önem arz ediyor.
Açığa çıkan yeni metodolojiler ve gelişen teknoloji ile beraber iş analistlerinin de sorumlulukları bu minvalde değişmekte olup, Big Data (Büyük Veri) bu değişimlerin içinde ön plana çıkmakta.
İş analizi dünyasında Big Data’yı nasıl değerlendirmeliyiz?
Öncelikle bir problem ya da talep ile karşılaştığımız zaman kendimize şu soruları sormalıyız: “Bulunduğumuz noktada Big Data analizi ve çözümlerine gerçekten ihtiyaç var mı? İlgili sorun ya da talep Big Data çerçevesi içinde değerlendirilebilir mi?”
Bu soruların cevabı çok önemli. Zira doğru adımlar atılmadığında Big Data’nın ismi gibi verilen zaman ve yatırım kayıpları da büyük olabilir. Bir çok şirket Big Data Appliance satın almış olmalarına rağmen; gereksinim ve ihtiyaçları net olmadığı için projelerini rafa kaldırmak zorunda kalabiliyor.
Öte yandan yukarıdaki soruların cevabı “evet” ise, Big Data analizinde de, analiz yapmanın temel sorumlulukları aynen geçerli olacaktır: problemi ya da ihtiyacı çok iyi anlamak, çözümü belirlemek ve gereksinimleri planlamak.
Big Data olarak adlandırılan, büyüklüğü giderek artan bu verilerden anlamlı sonuçlar çıkarabilme süreci Data Mining ve Predictive Analytics gibi veri analizi kavramları ile incelenmekte olup, birçok şirket bu alanlara yönelik danışmanlık hizmeti alarak rekabette öne geçme konusunda hareket etmiş durumdalar.
Big Data içeriğindeki data kaynakları iki ayrı başlık altında incelenebilir:
1. Structured Data:
İşlenmiş ya da yapılandırılmış olarak adlandırabileceğimiz Structured Data’nın en önemli özelliği ölçülebilir olması. Bir başka deyişle, analiz edilmeye hazır veri diyebiliriz.
Örnek vermek gerekirse; müşterinin ID’si, bakiyesi, kredi skoru, hesap bilgileri, adresi gibi spesifik veri kümeleri Structured Data olarak adlandırılabilir.
2. Unstructured Data:
İsminden de anlaşılacağı üzere yapılandırılmamış, yani ham data diyebileceğimiz genellikle Text formatında, analiz edilmeden önce belirli süzgeçlerden geçirilip işlenmesi gereken verilerdir. Örnek verecek olursak; müşteri anket yanıtları, email yazışmaları, Blog’lar, Tweet’ler çağrı merkezi Log’lları gibi Text formatındaki, fakat işlenmemiş veriler Unstructured Data’nın çoğunluğunu oluşturur.
Bu noktada; eldeki hem Structured hem de Unstructured Data kaynaklarını etkin şekilde kullanabilmek için Data Mining ve Predictive Analytics çözümlerine ihtiyaç vardır.
Big Data projelerinde iş analistine hangi sorumluluklar düşmektedir?
Big Data dünyası, iş analistinin günümüzdeki rolüne yeni tanımlar ve sorumluluklar eklemektedir. İş birimlerinin ihtiyaç duyduğu datanın işlenmesi, iş birimlerine anlamlı çıktılar üreterek doğru karar almalarının sağlanabilmesi, ihtiyaç duyulan datanın raporlamalara doğru yansıtılabilmesi gibi taleplerin karşılanması ihtiyacını iş analistleri ile veri bilimcileri (Data Scientist) gidermektedir. Özetle; verinin bilgiye dönüştürülerek doğru zamanda doğru işin doğru insanlara aktarılması, iş analistlerinin rol ve sorumlulukları arasına dahil olmaktadır.
Günümüzde doküman hazırlayıp SQL sorgu çıktısı göndermek iş birimlerinin aradıkları data ihtiyacını artık karşılamayacaktır. İş birimleri, iş analistlerinden; Big Data’yı kullanarak gerçek ve somut ‘Business Value’ üretme sorumluluğunu da beklemektedirler.
Sonuç olarak iş analistleri, iş birimleri ile IT arasındaki bağlantıyı sağlama görevine devam edecek olup, Big Data’nın yükselişi ile beraber; iş analistleri işin nasıl yönetileceği, nasıl hızlı ve doğru aksiyon alınacağı ve Big Data’nın getireceği fırsatları kaçırmama gibi sorumlulukları ile taraflar arasındaki ilişkileri yönlendirme, karar alma süreçlerinde de daha aktif bir rol üstlenecekler.
İş dünyası ve teknolojinin gelişimi ile beraber, Big Data dünyası iş analisti rolünü yeniden şekillendirecek ve yeni sorumluluklar getirecektir.
Caner Kendi
BA-Works