Tahmine dayalı analitiklerle başarılı olmak ister misiniz? CIO’lar bunun bol miktarda önyüz veri çalışması gerektirdiğini söylüyor.
İşinizde tahmine dayalı analitiklerle nasıl başarılı olacağınızı öğrenmek istiyorsanız, CIO’ların bu konuyla ilgili önemli iş deneyimlerine kulak vermelisiniz. CIO’lar başarılı olmakla ilgili; çokça önyüz veri çalışması yapılması gerektirdiğini, kültürel değişim ile ilgili ortaya çıkacak endişelere hazır olunması gerektiğini söylüyor.
Kültürel şoka hazır olun
Chris Coye, Kıdemli Başkan Yardımcısı & CIO, Disney ABC Television Group: 
Bu yıl üç tane tahmine dayalı analitik aracını uyguladık. Bunlardan bir tanesi reklam satışlarının varsayım senaryolarını analiz ediyor, bir diğeri promosyonel medya optimizasyon aracı ve üçüncüsü de yöneticilerimize hangi denemeleri tercih edeceklerine karar vermelerinde yardımcı olmak. IT içerisinde küçük bir veri analitik ekibi oluşturduk. Ancak modeller Disney’in gelir bilimleri grubu tarafından inşa edildi.
En büyük zorluk doğru kaynak verisine sahip olmaktı. Birden fazla bölümümüz var ve bu verilerin standardize edilmesi gerekiyordu. Dolayısıyla kendi ayrıştırma, dönüştürme ve yükleme aracımızı inşa ettik ama süreci hızlandırmak için ticari bir araca geçiş yaptık. Bu araçlar kültürel olarak bol miktarda endişe yarattı. Araştırma, satışın kendi verilerini çok erken görmesini istemezken, satış da finansın kendi verilerini çok erken görmesini istemiyordu. Bilgiye şu an da insanların emin olduklarından daha erken erişiliyor; herkes kendi sonuçlarını tanımlayan hikaye üzerinde kontrolü elinde tutmak istiyor.
Söz konusu araçların daha iyi kararlara imkan tanıyacağı beklentisi mevcut. Bu CFO ve CTO’muz tarafından idare edilen büyük bir değişim. Örneğin ; bir reklam satma ya da o zaman dilimini bir promosyon için kullanma kararını belirlemek öncelerinde iç güdülere dayanırken şimdi ise araçlar ile hangisinin daha fazla gelire katkı sağlayacağının tahminini yapıyor.
Akıllıca başlayın ve tutku yaratın
James Clent, CIO, United Orthopedic Group: Bizim pazarımız (ortopedik destekler) sınırlı bir pazar olduğundan müşteriyi elde tutmak çok 
daha önemli. Bizim tahmine dayalı analitikteki ilk girişimimiz suskun giden müşterilerimizi belirlemekti; Memnuniyetsizliklerini söylemeyen ancak siparişleri azalan veya tümden siparişi kesen müşterilerimiz.
Ayrılmazdan evvel onları belirleyebildiğimiz takdirde o müşterilerimizi kurtarabileceğimizi varsaydık. Sipariş kalıplarına dayalı bir araç inşa ettik. Bu araç müşterinin bir sonraki siparişinin ne zaman gerçekleşeceğini öngörebilecekti. Eğer söz konusu zaman gelip geçtiyse, bir satış temsilcisi onları ulaşacaktı.
Bir pilot çalışma başlattık, ki bu gizli ayrılışları yüzde 50 oranında düşürdü. Ve bu sistemi ulusal çapta konuşlandırmamız için öğrendiklerimizi kullandık. Pilot çalışma esnasında bir sonraki sipariş tahminlerinin yanı sıra satış ekibinin sipariş hacimleri ve sapmalarını görmesine imkan tanıyan müşteri eğilim çizgilerini geliştirdik; fakat bu oldukça karışıktı.
Bunu basit tutmak, organizasyonun tahmine dayalı analizlerle çalışmaya alışmasını sağlamanın yanında zaman içerisinde tutku inşa etmek çok önemli. Bu herkes tarafından kolayca benimsenmesi ve ileri seviye kullanıcıların daha da fazlasını talep etmesinin ardından bizim inşa ettiğimiz satış bütçeleme ve analiz aracı gibi devam projelerine sahip olabilirsiniz. Bu geçici bir hevesin ötesine geçerek kalıcı hale geliyor.
Bu teknolojiyle ilgili değil
Ed Brandman, CIO, Kohlberg Kravis Roberts: Tahmine dayalı analitikler, girişim sermayesi yatırım kararlarını verme ve sahip olduğumuz
firmaların performansını değerlendirmedeki zorlu süreçte bize yardımcı olan araçlardan bir tanesi. İhtiyaç duyduğumuz tüm verileri nasıl bir araya getireceğimizi anlamak için çokça zaman harcadık. 80 portföy firmamızdan her ay finansal ve operasyonel veriler alıyoruz. Söz konusu firmaların her biri kendi verilerini biraz farklı yakalıyor. Bu, genel olarak var olanın ötesinde bolca tahmine dayalı anlayış sağlayabilen çok büyük miktardaki bir veri; tabi onu standartlaştırabilirseniz. İki yılın ardında oldukça güçlü verilere sahibiz. Çokça çaba sarf edildi ve halen düzenli olarak ayarlamalar yapıyoruz.
Bunun üstüne Standard and Poor ve BCA Research gibi üçüncü taraflardan gelen genel trend verilerini de katıyoruz. Hangi borcun sabit veya değişken olduğunu anlamak için firmalarımıza bakabiliyoruz ve daha büyük faiz oranı eğilimleri temelinde finansman için en uygun anları bulmaya çalışıyoruz. Söz gelimi bizim portföy yönetim komitemiz bir işin genişletilmesi hakkında daha agresif olup olmama veyahut maliyetlerin yönetilmesi hakkında karar verebiliyor.
Araçları biz kendimiz geliştirdik. Bizi bir Hadoop yoluna götürebilecek yoğun zaman serisi verilerine bakmıyoruz. Çok fazla firma bu yeni teknolojiye yakalanıyor fakat bu teknolojiyle ilgili değil. Daha fazla veri (ve daha sık veri) her zaman daha iyi değildir. Mesele doğru veriyi doğru zamanda elde etmektir. Söz konusu veri kullanılabilir bir duruma dönüştürülmedikçe, bu zaman ve para israfından başka bir şey değildir.
