Büyük Veriyi İnsancıllaştırmak

Colin Strong İngiltere’nin önde gelen tüketici araştırmacılarından biri. Büyük Veriyi İnsancıllaştırmak kitabında büyük veriyi nasıl yorumlamak ve iş hayatının kullanımına sunmak gerektiği konusundaki görüşlerini paylaşıyor.

Ben de okumaktan keyif aldığım ve yararlandığım kitabı sizlerle paylaşmak istedim ve geniş bir özetini çıkardım.

Colin Strong teknolojinin hayata bakış açımızı değiştirdiği iddiasını, Nicolas Carr’ın The Shallows kitabından alıntılıyor. Örneğin mekanik saatin keşfiyle, gün ölçülebilir eşit parçalara ayrılıyor. Böylece daha sistemli bir çalışma hayatı devreye giriyor. Zaman üzerinde bir kontrol sağladığımız “yanılgısının” sonunda bizi Orta Çağ’dan Rönesans ve Aydınlanma çağına taşıdığını söylüyor.

Aslında insanlar tarih boyunca sürekli bir şeyleri kayda almaya, saklamaya ve tabii analiz etmeye meraklı olmuşlar, haritalar, deneyler, hava tahminleri veya nüfus sayımları bunun örnekleri. Tabii teknoloji sayesinde bu iş daha kolay ve hızlı hale geliyor. Artık insanların gerçekten ne yaptıklarını onlara sormak yerine toplanan veriler sayesinde öğrenebiliyoruz. Yaptıkları bir tarafa, davranış kalıplarını ve düşüncelerini dahi tahmin edebilir hale geliyoruz.

Data sözcüğü Latince’de “dare” vermek fiilinden türemiş (Ne enteresan biz de “veri” demişiz, hakikaten güzel çeviri-MY). Ama tarihin garip bir cilvesi, “data” sözcüğü gözlemlerden, deneylerden, kayıtlardan “alınan”ları ifade eder olmuş. Kitapta “data”nın hep bu özelliğine dikkat çekiliyor; data doğası gereği bir seçki, neyi temsil ettiği de ona göre değişiyor, veri kendiliğinden konuşmuyor, konuşturuluyor.

Kitapta ilginç bir örnek var bu seçki’ye. Literary Digest adında bir dergi, abonelerine başkanlık seçimleri öncesi anket gönderip sonuçları önceden tahmin etmeye çalışıyormuş ve 1936’ya kadarki dört seçimde bunda başarılı olmuş. 1936 seçimi öncesi ise 10 milyon posta kartı şeklinde gönderdiği (ki bunun bir kısmı da otomobil sahiplerine ait kayıtlardan, özel kulüp üyeliklerinden geliyormuş) ankete 2,3 milyon yanıt gelmiş (gözünü seveyim anketlerin henüz suyu çıkmamışken dönüş oranına bak-MY) ve Cumhuriyetçi Alf London’un kazanacağını ilan etmişler. Bu ismi hiçbirimiz duymamışızdır ama seçimleri ezici bir çoğunlukla kazanan Demokrat aday Franklin Roosevelt’i herhalde herkes tanır. Burada iki sapma var haliyle temsiliyet açısından. Biri derginin kalbur üstü aboneleri ve araba sahibi, kulüp üyesi gibi zenginlerin daha çok temsil edilmesi, yani toplumun her kesimini kapsamaması. Normal bir zamanda bu belki tek başına bir sorun oluşturmayabilirdi ama büyük krizin sonrasına denk gelmesi şüphesiz bir sapma oluşturmuştur. Bir diğeri de yanıtların isteyen kişiler tarafından verilmesi durumu, belli ki onların bu anketi umursamayan veya gönderme zahmetine katlanmayan insanlardan daha farklı bir eğilimleri varmış.
Günümüzde ise özellikle seçim anketlerinde doğruyu bilerek, isteyerek söylememek gibi bir sapma bile söz konusu oluyor.

Büyük veri ise ölçeği ve derinliği itibariyle bu sorunların bir kısmını bertaraf ediyor. Birbiriyle ilişkisi ilk bakışta anlaşılamayacak keşiflerin yapılmasına imkân sağlıyor, toplanması açısından belli bir seçicilikler yok. Örneğin Google’un arama sonuçlarından şehir bazında gribin yayılma hızını tespit etmesi örneği veriliyor. Ama yine de bazı güçlükler var.
Büyük veri öyle bir hızla büyüyor ki, orada bile verinin tamamıyla çalışmak yerine daha küçük bir alt küme ile çalışmak tercih ediliyor.

Bir başka örnek, giderek sosyal çalışmaların daha fazla dikkatini çeken sosyal medyadan. 2012 yılında ABD’nin Kuzeydoğu sahillerini etkisi altına alan Sandy kasırgasında 27 Ekim-1 Kasım arasında atılan 20 milyonun üstünde tweet market alışverişi gibi başka verilerle analiz edilmeye çalışılmış. Ancak bu tweetlerin çoğunun kasırganın nispeten daha az zarar verdiği Manhattan bölgesinden geldiği anlaşılmış. Zira sorunun yoğun olarak yaşandığı bölgelerdeki elektrik ve cep telefonlarının erişimindeki sorunlar böyle bir analiz yapmayı anlamsız hale getiriyor.

Literatürde mağara adamı efekti diye bir mevzu var. Tarih öncesi çağlara ait atalarımızın bıraktığı veriler mağaralarda olan bazı yemek artıkları veya duvar resimleriyle kısıtlı, çünkü günümüze kadar gelenler sadece onlar. Oysa bütün hayatlarını mağarada geçirmiş değillerdi, muhtemelen şimdi çoktan yok olmuş olan ağaçlara, kayalara, deri parçalarına da izler bırakmışlardı.

Kitap Zeynep Tüfekçi’ye atıfta bulunarak sosyal medya üzerindeki araştırmaların, meyve sineği üzerinde laboratuvarda yapılan çalışmalara (kolay yetiştirilebildikleri ve uyum sağladıkları vb sebeplerle) benzediğini söylüyor. Twitter da bir laboratuvar ama örneğin kitabın yazıldığı tarihte ABD’de twitter kullanıcıları nüfusun sadece %10’uymuş (ki şu an iki katı, ama Türkiye’de bugün bu oran da %11 seviyesinde-MY). Bütün düşüncelerin ve eğilimlerin temsil edilmediği çok açık. Yine de offline ve online dünya birbirine denk olmasa da insanların statü, sosyal kabul görme ve dikkat çekme isteklerini online mecraya yansıttıkları bir gerçek.

Sonuç olarak veri toplanmasında sapmalar her zaman olacak, bunun önüne geçmek mümkün değil ama araştırdığınız konuya göre hangilerinin kabul edilip edilmeyeceğine karar vermek önemli. Her işte olduğu gibi bilim ve yaratıcılık burada da el ele gitmeli.

Silahlarımızı seçmek
Genelde cevaplanması veya takip edilmesi nispeten kolay olan sorulara odaklandığımız bir gerçek. Web sayfamızın tıklanma sayısı, postumuzun like sayısı vs…Bunu yaptığımızda asıl sorunu gözden kaçırıyoruz. Yapmamız gereken, bizi neyin amacımıza götüreceğini bulup o hipotezi test edecek soruları sormak. Eric Ries’ın tavsiyesi “ee n’oolmuş yani?” testi. Doğru soruları sormak için tavsiye edilen diğer yapılar ise şöyle:
Birincisi Donald Rumsfeld’in modeli. (Bunu bir yazımda daha detaylı anlatmıştım-MY). Bir diğeri Gregor modeli ise bilgileri sınıflandırarak üstünde düşünmemizi sağlıyor.
• Analiz, içinde bulunduğumuz durumu tanımlıyor, bulunduğumuz Pazar ve segmentin büyüklüğü gibi.
• Tanımlama, olup biteni anlamlandırma, insan davranışları üzerine yapılan araştırmalar gibi.
• Tahmin, sebebi tam olarak bilinmese de bir olguya yol açan nedenlerin anlaşılması. Örneğin Captain Cook nasıl olduğunu bilmese de tayfalarına düzenli limon yedirmenin iskorbit hastalığını önlediğini çözmüştü.
• Açıklama ve tahmin ise hem bir sonuca etki eden faktörlerin bilinmesi hem de hangi ölçüde etkisi olduğunun anlaşılması durumu. Yani müşteri memnuniyetine yol açan etkenlerin bilinip ne yönde değişirlerse ne kadar memnuniyet artışına veya azalışına yol açacağının bilinmesi.
• Tasarım ve eylem ise insanların bir işi nasıl deneyimledikleri tamamen öğrenilerek işimizi daha başarılı hale getirecek müdahalelerin yapılması durumunu ifade ediyor.

Buradaki her tür bilginin önemi var kuşkusuz ve hepsi kullanmamız gereken yöntemlerden payını almalı.

Ölçütlerinizi takip etmek – Skor kartı ve gösterge tablosunu dengelemek
Strateji danışmanları Kaplan ve Norton’un 90’larda ortaya attıkları bir organizasyonun ölçmesi gereken dört alan şunlardı;
• Öğrenme ve büyüme: kişisel ve kurumsal öğrenme kültürünün desteklenmesi
• Müşteriler: Müşteri memnuniyeti ve müşteriyi elde tutmanın büyümenin kaynağı olduklarının kabulü
• İş süreçleri: İç işleyişin müşterinin istekleri doğrultusunda hizalanması
• Finansal: Ayrıntılı ve kapsamlı bir finansal portrenin sunulması
Bu bakış açısı bir dönem daha az göstergeye ve çok kısa vadeli hedeflere odaklanmak gibi nedenlerle daha az kullanılır gibi görünse de veri akışının hızlanması ve kolaylaşmasıyla tekrar popülaritesini artırmış görünüyor.

Gary Cokins, skor kartı ve gösterge tablosu arasındaki farkı şöyle açıklıyor. Skor kartı stratejik hedeflere ulaşma ve planların gelişim safhasını ölçmeye dönük iken gösterge tablosu ise süreçleri ve çıktıları okumaya yarayan anlık bir tabloyu tanımlıyor. Tıpkı giden bir arabanın ön paneli gibi, hangi hızla gittiğinizi ve ne kadar benzin kaldığını görebilirsiniz ama nereye gittiğiniz hakkında fikir vermez.
Sonuçta veri içinde neyin işimiz için fark yarattığını bulmaya odaklanmak gerekli.

Tehlikeler ve Tuzaklar
Mark Twain’in dediği gibi “Başımızı derde sokanlar bilmediklerimiz değil. Öyle olduğuna emin olduklarımızın aslında öyle olmaması” (bir nevi Rumsfeld’in bilmediğimizi bilmediklerimiz konusu-MY).
Bir istatistiki tuzak; korelasyonlar. Oldukça büyük bir veri tabanında her şey birbiriyle alakalı görünür. Bunların önüne geçecek istatistiki yöntemler var, bir diğeri insan muhakemesi. Tabii ona da ne kadar güvenilirse. İnsanlar evrimsel olarak bağıntıları keşfetmede çok başarılı olsa da, çoğu zaman yanılgıya düşebiliyor. Örneğin “sıcak el” adı verilen inanış, futbolda, basketbolda ya da kumarda insanları etkisi altına alır. Halbuki bu rassal olaylar öyle bir dizide gerçekleşir ki, bu tesadüfü olamayacak şekilde abartırız.

Bir hikaye içinde verilen bilgiler de bizi yanılgılara sürükler. Bize tanıdık gelen hikayeleri tercih ederiz, belirsizliklere veya daha açıklayıcı olsalar da daha karmaşık hikayelere nazaran. Ya da daha kolay anımsanan hikayeler bizi daha çok etkiler. Trafik kazasında ölmekten çok uçak kazasında ölmekten korkarız, halbuki ilkinin gerçekleşme olasılığı diğerinden kat be kat fazladır. Hikâyenin gelişi ise bizi devamına hazırlar. “Sarı” sözcüğünü gören biri “muz” sözcüğünü diğerlerinin arasından daha çabuk görmeye koşullanır.

Neticede hayatın rassallığıyla başa çıkmak için olaylar arasında ilişki kurmayı tercih ediyoruz. Dolayısıyla hikâyeye uyan bilgileri tutmaya eğilimliyiz.

Tümdengelimin yaratıcısı Aristo bir hipotez oluşturma ve sonra onu test etmeyi savunuyordu. 17.yüzyıla kadar etkisini sürdüren bu teoriye filozof/bilim insanı Francis Bacon bütün bilim alanındaki bilgileri toplayıp sonra sonuçlar çıkarmayı savunan tümevarım ile karşı çıktı. Strong’un iddiası ise ikisinin bir ortasının bulunabileceği. Tümevarıma çok imkân veren büyük veri ile belki hızlıca bazı keşifler yapılabilir, küçük iyileştirmeler yapılabilir. Ama mesele bunu sürekli kılmak ve daha büyük sorunları çözmek, bunun yolu daha fazla işlem gücüne sahip bilgisayarlar değil.

Buna hizmet edecek üç prensip var ve hepsi bir arada uygulanmalı;
• Büyük veri eldeki konuyu irdelemek için büyük bir test ortamı/imkânı sunuyor
• Sosyal bilimler bu veriyi keşfetmek için gerekli teorik çerçeveyi sunuyor.
• Tüketiciyi anlamak sinyallerle gürültüyü birbirinden ayırt etmemize yarayan bağlamı sunuyor
Bu sayede şirketler büyük veriyi taktik olarak değil daha ayrıştırıcı ve akılcı şekilde kullanabilir.

Öngörünün gücü
İnsanların sadece hızlı geribildirim alabildikleri ve yeterince karar alıştırması yapabildikleri durumlarda içgüdüsel becerileri gelişiyor. Öte yandan iyi tasarlanmış algoritmalar daha uzun bir süre geribildirim ve sonuçları biriktirip daha isabetli kararlar alabiliyorlar. Ancak daha önce bahsettiğimiz gibi verinin kapsamı ve sınırları önemli.
Eldeki veriye bilinçsizce yaklaşılırsa S&P 500 endeksinin hareketlerini Bangladeş’in tereyağı üretimi ile birebir ilişki içinde olduğunu göstermek gibi anlamsız önermelere varabilirsiniz.
Aslında bütün mesele bir verideki varyasyonları açıklayabilmek. Sistem ne kadar karmaşık olursa olsun varyasyon öngörülebiliyorsa değişkenlik modellenebiliyor, bir uçağın uçmasını öngörebildiğimiz, açıklayabildiğimiz gibi. Ama sosyal ve ekonomik hareketlilik değişimlerin çok faktöre bağlı olduğu açıklanması çok güç dolayısıyla tahmini çok zor alanlardan.
Eğer kesin tahmin edemiyorsak o zaman olasılık olarak ifade etmek gerekiyor. Ama insanlar olasılığı idrak etmek ve onunla baş etmek konusunda da pek başarılı değiller. Yarın havanın %40 ihtimalle yağışlı olması veya %50 ihtimalle satışların 50 milyon USD seviyesinde gerçekleşeceği kaygılarımızı gidermekten uzak.

Tahmini zorlaştıran şeylerden biri de olması öngörülen olayların etkisinin kestirilmesi. Örneğin Microsoft internetin hayatımızda nasıl bir rol oynayacağını tahmin edebilseydi, arama pazarını Google’a kaptırmazdı.

Çoğu zaman yaptığımız şey olan olayların ardından insan davranışlarını açıklamaya çalışmak. Burada yaptığımız rasyonalizasyonda bir şey öğrendiğimiz yanılgısına düşebiliyoruz ama bu aslında arabayı sürerken dikiz aynasına bakmak gibi, gittiğimiz yön hakkında bize çok az fikir veriyor.

Sonuç olarak büyük veriye çok fazla umut bağlıyor olabiliriz, ama insanı anlamadan yapacağımız girişimler bizi yanlış yönlendirebilir.
 
Reklamcıların ikilemi
Online reklamın cazibesi ve Pazar büyüklüğü sürekli artıyor. Reklamcılar için iki kritik soru var, doğru göstergeleri nasıl belirleriz ve nasıl yorumlarız? Online reklamın nasıl çalıştığını anladık mı, bunun içindeki insan faktörünü daha iyi nasıl kavrarız?
Reklam göstergelerinde dikkat etmemiz gereken bazı hususlar var. Reklam bloklama giderek daha popülerleşiyor. Reklamın gösterilmesi konusunda birçok yolsuzluk tespit ediliyor, bir de tespit edilemeyenler var. Reklamın satın alma etkisini ölçmek, farklı faktörlerin rolünü ölçmek ayrı bir zorluk.
Örneğin arabanızı satarken hafif yağ kaçırdığını ve soğuk havalarda çalıştırmak için zorlandığınızı yazmazsınız. Ama komşunuzun aynı marka ve tipte arabasını sizin “limonunuzdan” daha yüksek bir fiyat istemesi mümkün olmaz! Böyle bir bakışta anlaşılmayacak farka sahip ürünlerde (ki bu çoğunluğu kapsar) reklam müşteri için bir sinyal vazifesi görür, ürünün üretim maliyeti ve ürüne olan talep o seviyededir ki, reklam maliyetini çıkarabilir. Tabii bu mesaj yatırımcı (borsa) için de geçerlidir.
Online reklamın bir önemli unsuru da markalarla olan ilişkimizi biraz fazla kolay, hazır ve nazır hale getirmesi, yani yüz göz olmamız da diyebiliriz. Bir yandan insanların kolay telaffuz ettikleri marka isimlerini veya politikacıları tercih ettikleri görüşü var. Ama bunun her zaman geçerli olmadığını biliyoruz. Örneğin lüks tüketimde zor telaffuzu olan markalar daha seçkin bir statü elde ederler. Dolayısıyla reklamın nereye kadar öne sürülmesi yeterli olduğu, fazlasının, yani erişimi kolaylaştırmanın bağlılığı azaltmaya başladığına dikkat etmek gerekiyor. Atalarımız bunu çok önceden tespit etmişler, çok muhabbet tez ayrılık getirir.

Akıl okumak
1950’lerden itibaren pazar olgunlaştıkça tüketiciyi anlamak ve arzularına göre pazarlama yapmak temel bir sorun haline geldi ve bu ihtiyaçtan doğan pazarlama araştırmaları sektörü bugün yıllık 4 milyar USD global büyüklüğe ulaştı.
Bir yandan büyük veri ile alışveriş bilgileri toplanırken bunu ihtiyaçlar ve tutumlarla birleştirmek insanların söyledikleri ile yaptıkları arasındaki bağı kurmamızı sağlayacak. Perakendeciler bunu uzun süredir yapmaya çalışıyorlar. Sepetinde organik sebzelerle başka sağlıklı yiyecekler bulunan kişi ile pizza ve başka hazır gıdalar alan kişinin tutumlarını anlamak çok zor olmasa gerek.
Ama daha karmaşık tespitler de yapılabiliyor, facebook like’larına bakılarak, kıvırcık patates kızartması tercih edenlerin yüksek zekâ ile ilişkisi gibi.
Öne sürülen fikir şu, eğer insanların gelecekte nasıl davranacaklarını tahmin edebileceksek insanları anlamaya ne gerek var.

Sementasyonun evrilmesi
Pazar segmentasyonu bütün pazarı temsil etmesi beklenen bir çalışmadır. Ama paydaşların ihtiyaçlarına ne ölçüde karşılık verdiğini söylemek kolay değil. Şu sorular önemli:
• Müşteri ilişkileri veya satış segmentasyondan, ürün geliştirme veya pazarlama ekibinin faydalandığı ölçüde değer elde eder mi?
• Fiyat kararlarının alınmasında veya kanal stratejisinin belirlenmesinde kullanılabilir mi?
• Reklam iletişimi ve harcamalarına nasıl ışık tutabilir?
Örneğin segmentasyon yeni ürün geliştirme amacıyla kullanılacaksa müşteri ihtiyaçlarına odaklanır, bir grup tüketiciyi belirlemek ve çapraz satış imkanlarına bakmak istiyorsa davranışlara yönelir. Marka konumlaması ve mesajlara odaklanılıyorsa tutum bazlı bir segmentasyon yapılır. Ama büyük veri söz konusu olduğunda tutumlar ve davranışlar arasındaki ilişkiler daha belirgin hale gelir, farklı durumlarda insanların nasıl farklı tepkiler verdiğine göre elde edilen ayrıntılı veriler daha esnek gruplar kurmamıza imkân verir.

Sosyal bağlarımız davranışlarımızı nasıl etkiliyor
Tarihte hiç olmadığı kadar başkalarının tercihinden, kararlarından, davranışlarından haberdarız. Ancak ne bu bilgilerin doğruluğunu ölçebiliyoruz, ne (bilişsel sapmalardan ötürü) doğru değerlendirebiliyoruz, ne de sonsuz olasılıkları hesaplayabilecek bir işlemci (beyin) gücüne sahibiz.
Dolayısıyla bir bilene danışmak makul bir çözüm gibi görünüyor. Topluma etki eden az sayıda kişinin olduğu teorisi genelde kabul görse de ispatlanmış sayılmaz. Ekonomist Paul Ormerod’a göre üç tip ağ var. Birincisi herkesin az sayıda bağlantıya sahip olduğu ama bazılarının geniş bir ağa sahip oldukları sistemler. Gladwell’in Kıvılcım Anı (The Tipping Point) kitabında anlattığı teorisine en uygun olan yapı. İkinci tip ağlar çakışan arkadaş gruplarının olduğu ancak az sayıda kişinin uzak gruplarla bağı olmasına rağmen ayrıştırıcı özelliklerinin olmaması nedeniyle bu kişilerin kolay tespit edilemediği ağlar. Üçüncü tip ise tamamen rastlantısal ilişkilerin olduğu belli bir örüntünün olmadığı ağlar. Gribin bulaşma haritası buna tipik bir örnek. Çoğunlukla değişime direnen bu topluluklar bazen kırılgan hale gelirler ve o zaman kişiler birbirlerini kolaylıkla kopyalar, işte başarılı viral kampanyalar böyle anlarda yaratılanlardır. Büyük verinin rolü böyle anları ve ilişki ağını ölçebilecek detayda ve kapasitede olmasıdır, bunu çözmek ise tecrübe ve zaman isteyecektir.

Kültür değişimi
Sosyal medya kültürün seyri konusunda büyük rol oynuyor. Akımların yayılma hızı ve şiddeti de öngörülebiliyor. Markalar ve toplumu yönlendiren kişiler bu imkanlardan daha fazla yararlanabilirler. Kendimizi üç şekilde ifade ediyoruz, sözlerle, hareketlerle ve imgelerle. Önceleri ilk ikisine odaklanmış olsak da bugün internetin hızının artmasıyla bugün imgeler çok önemli hale gelmiş durumda. Aslında resimler insanlık tarihinde her zaman önemli olmuştur. Birçok medeniyette okur yazar sayısı kısıtlıydı, paralarda, pazarlarda, mabetlerde, yollarda hep resim yönlendirmesine başvurulurdu.
Sosyolog Michel Maffesoli kimliğin aile, sınıf, ulus gibi geleneksel ifade tarzından, bireylerin paylaşılan tat, ilgi alanı ve deneyim gibi tüketim alanında kurulan duygusal topluluğa bağlılığa dönüştüğünü söylüyor. Bu tarz kabileler ailenin ve sosyal sınıfın sunduğundan daha kuvvetli bir bağ vadediyor. 1980’lerde yaptığı bu tespit sosyal medya ile doruğa ulaştı. Bugün kültürel olguları veriye dönüştürmek konusunda büyük bir fırsat elde etmiş gibi görünsek de sosyal bilimlerin teorileri ile bulduklarımızdan bir hipotez çıkarıp test edecek düzeye henüz varamadık.

Parlak fikirler
Ekonomist Tim Harford, dünyanın artık fazlasıyla öngörülemez ve karmaşık bir yer haline gelmiş olduğunu, inovasyonun izole edilmiş beyinlerden değil etrafta dönen fikirlerin kaynaşmasından geleceğini, organizasyonlarda yerinden yönetimi savunuyor. European Centre for Strategic Innovation yöneticisi Alessandro Di Fiore ise küçük ekiplerin oluşturularak çözmek istedikleri sorunları kendilerinin belirlemesi gerektiğini söylüyor. Sorunu tanımlamak için acele etmeden çalışılmasını, yaratıcı düşünme teknikleri konusunda ekibin eğitilmesi gerektiğini ve toplantıyı yöneten kişinin eğlence/iş dengesini gözetmesinin önemli olduğunu belirtiyor.
Gerek crowdsourcing, gerek yarışmalarla uzman ağını genişletmeli açık kaynaklardan faydalanmalı. Firmalar sadece teknolojik gelişmeye dayanan yenilikleri çok fazla korumaya çalışırken insanı anlamak için uzman konumda olan sosyal bilimcileri ve diğer paydaşları devre dışı bırakırlarsa, ellerindekinin onlara bir avantaj sağlamayacağını bilmeliler.
 
Kişisel verilerin sınırı
Kişisel verileri paylaşmakta iki norm arasında gidip geliyoruz. Biri pazar ilişkisi diğeri sosyal ilişki. Doktorumuzla özel bilgilerimizi paylaşırken bunun başka insanların da yararı için kullanılabileceğini biliyoruz ama bilgilerin sigorta şirketlerine satılmasına doğal olarak tepki gösteriyoruz.
Pazarlamacılar kişiselleştirilmiş mesajların en doğru strateji olduğu konusunda şüphe duymuyorlar. Ancak oradaki tekinsiz vadiye (uncanny valley ) dikkat etmek lazım, aşırı kişiselleşmiş bir mesaj sizi yerinizden zıplatabilir.
Psikolog Joseph Luft ve Harry Ingham’ın isimlerini verdiği Johari penceresi veri ile insan ilişkisine bir bakış kazandırıyor. Örneğin bir market ile olan ilişkimizde
• Açık taraf: Benim ve marketin bildiği, örneğin alışveriş alışkanlıklarım
• Gizli taraf: Benim bilip marketin bilmediği, örneğin başka yerden yaptığım alışverişler ama aynı zamanda hayatımdaki önemli olaylar, arzularım vs
• Kör taraf: Marketin benim hakkımda bildiği ama benim bilmediğim, örneğin market için karlılığım, hangi segmentte yer aldığım vs
• Bilinmeyen taraf: Bu da ne benim ne marketin bilmediği bilgiler. Marketi bırakın daha kendimin farkında olmadığı ihtiyaç ve arzularım.
Market benim hakkımda bilgileri topladıkça ve hatta bu bilgiler başka servis sağlayıcılarla değiş tokuş yapıldığında benim gizli alanım daralıyor. Ama şu da bir gerçek ki kör tarafımızla yüzleşmek bizi tedirgin edip kaçırabilir. Örneğin internette bizimle alakası olmadığını düşündüğümüz bir reklam gördüğümüzde rahatsız oluyoruz, acaba gerçekten alakalı mı?
Target süpermarket zincirinin dillere destan olmuş bir genç kızın alışveriş alışkanlıklarının değişiminden hamile olduğunu anlayarak yeni doğacak çocuk için ürünlere kupon önermesi örneğinde olduğu gibi büyük verinin neler yapabileceği çok çarpıcı. Ancak bunu tüketicinin kaçmasındansa bağlanmasını sağlayacak dengeyi kuranlar başarılı olacak.
Gelişmeler insanların kişisel verilerinin kontrolünü ellerine almalarına doğru gidiyor. CRM’den VRM’e (“customer” müşteri ilişkileri yönetiminden, “vendor” satıcı ilişkileri yönetimine) geçebiliriz.
Hükümetler bile kurumları nasıl verilerini vatandaşlarla paylaşmaları için teşvik edeceğine kafa yoruyor (Türkiye’de soy bilgisi sorgulama servisi güzel bir örnek bence-MY). Markalar telefonlardaki uygulamalarla daha sağlıklı bir yaşam sürmemiz için aktivitemizi ölçüyor, adımlarımızı sayıyor, bizi bir nevi dürtüyor. Bazı enerji firmaları tüketimleri hakkında müşterisini bilinçlendirip tasarruf yapmasını sağlamaya çalışıyor.
Mesele veriye ulaşımımız arttıkça daha iyi kararlar alıp almadığımız.
Araştırmalar bunun henüz pek de öyle olmadığını söylüyor. Olası nedenlerine gelince;
• Atalet psikolojisi. İnsanlar eylemsizliğe programlanmışlar. Birçok bilişsel kısayol buna hizmet ediyor, fazla enerji harcamadan hayatımızı sürdürüyoruz. Bu özellikle faydanın uzun vadede kendini gösterdiği ve kısa vadedeki getiriden daha muğlak olduğu durumlarda iyi sonuç vermiyor.
o Abartılı azaltma: Kısa vadedeki maliyeti uzun vadedeki getiriden çok görme. Sürekli bir şeyi takip etme ve düzeltici önlemler almanın “maliyetini”, para tasarrufu veya fit olmak ile elde edilecek “getiriye” nazaran.
o Pişmanlıktan kaçınma: Alacakları veya almış olabilecekleri kararlardan pişman olmaktan korkmak
o Sosyal etkiler: Başkalarının da kişisel verilerini takip etmediğini bilmek diğerlerini alıkoyabilir
o Tercih yüklenmesi: Bilgi bombardımanı seçim yapmayı zorlaştırıp pasif kalmaya yol açabilir.
• Verileri anlamlandırmak. Her ne kadar sistemler bize yardımcı olmaya çalışsa da, bizim de anlam çıkarmak için çabalamamız gerekiyor.
• Bilgi yüklenmesi: Daha fazla bilgi daha iyi bir karar için daha iyi sonuç verir diye düşünebiliriz. Aksine bu karar almak için harcadığımız zamanı arttırıp bizi atalete sürükleyebilir. Aslında az sayıdaki bilgi fazla bilgiye nazaran karar alma kalitesini maksimize etmez ama iyi bir karar almaya yeterli olur.

Kardiyologların acil hastaları üzerinde detaylı ve uzun tetkikler yapmak yerine etkisi modellenerek ölçülmüş birkaç kritik soruya cevap aramaları teşhis ve tedavide kaliteden ödün vermeden büyük kaynak ve zaman tasarrufu sağladı. Dolayısıyla sinyallerden, göstergelerden hangisini göz ardı edeceğini bilmek isabetli kararlarda önemli bir meleke.
Teknoloji de bize imkanlar sunuyor. Örneğin internet üstünde fırsat siteleri en iyi fiyatları (otel, uçak vs) karşımıza çıkarıyor. Bir sonraki nesil motorlar fiyat yanında bizim kişisel bilgilerimize daha uygun filtrelemeler de yapabilecek. Aslında insanlar da seçenek makinelerini kullanmak için verilerini paylaşmaya hazır. Bunun için güven ve faydanın gösterilmesi ve insanı harekete geçirmek için doğru “tuşlara” basmak gerekiyor.

Mahremiyet paradoksu
İnsanların özellikle gençlerin çok fazla internet mahremiyetlerine özen göstermediklerine dair bir inanış var. Ama veri paylaşmanın olumlu olduğu taraflar var
• Bedava servisler, Google Facebook gibi
• Kişiselleşmiş servisler, bize beğenimize göre kitap önerilerinde bulunan Amazon gibi
• Bilgiye zahmetsiz erişim, Google gibi
• Satıcılarla daha verimli ilişkiler, bilgilerimizi tekrar tekrar girmeden yaptığımız alışverişler gibi

Müşterilere direkt faydası olmasa da, daha etkin erişim imkanı yüzünden firmaların azalan pazarlama maliyetinin fiyata indirim olarak yansıması, hastalık salgınlarının aramalar sayesinde daha hızlı bir şekilde tespiti gibi kamu faydaları, lokasyon tespiti sayesinde trafiğin düzenlenmesine olumlu katkıları sayabiliriz.
Yine de kişiler bilgilerini ne zaman, kiminle, nereye kadar paylaşmaları gerektiği konusunda tedirginlik yaşıyorlar, hata yapmaktan ve kötüye kullanılmasından korkuyorlar.
Markalar tarafında ise araştırmaların ortaya koyduğu enteresan bir durum var. Veriyi yoğun olarak kullanan markalar eninde sonunda bir hata yapacaklar. Ancak tüketicinin buna vereceği tepkinin şiddeti markaya olan güvenle doğru orantıda oluyor. Yani marka güvenilir bir imaj yaratmaya ne kadar odaklanırsa hata yaptığında yarattığı tepki ve hayal kırıklığı o kadar büyük oluyor (bakınız finansal kuruluşlar-MY)
Bir çözüm “güven çerçeve anlaşmaları” diyebileceğimiz topluca üzerinde anlaşılmış kurallar, araçlar ve altyapılar ile kişilerin ve kurumların daha güven içinde çalışmasını sağlamak. Bu sonuçta bilgilerin paylaşılmasının çoğalmasıyla daha özgün ve gelişmiş servislere, inovasyonlara sıçrama tahtası işlevi görebilir.

Sonuç
Büyük veri konusundaki tartışma şüphecilerle teknoloji uzmanları arasında sürüyor. Teknoloji uzmanlarının beklentiyi gereğinden fazla büyüttüklerini, şüphecilerin ise büyük verinin sunduğu imkanları küçümsemekle haksızlık ettiklerini düşündüğünü söylüyor Strong.
Büyük veri çağında büyük pazarlamada teknoloji uzmanları iyi bir ROI (yatırım getirisi) hikayesine vurgu yapıyorlar. Ancak bunun markanın uzun dönemdeki değerine maliyeti ne olacak? Pazarlamacıların insan bakış açısını yansıtması ve bunu tartışmaya açması lazım. Bunun için hibrid yaklaşımlara ihtiyaç var.
• Sosyal bilimler: Davranış ekonomisi teorileri ve ilgili disiplinleri iş dünyasının kullanımına yani iş performansını geliştirme amacına daha uygun hale getirmeli
• Tüketici içgörüsü: Organizasyon içinde sadece bir grup insanın sorumluluğu olmaktan çıkarıp her alanda elde edilen içgörünün değerlendirilmesi gerekiyor.
• Organizasyonda toplanan verinin de kullanımının yeni ihtiyaçlar doğrultusunda değerlendirilmesi gerekiyor.
Bunun için içeride veri varlıklarının mevcut durum analizinin araştırmacılar tarafından yapılması gerekiyor. Hangi veriler güvenilir, temsiliyet oranları yeterli mi? Psikologlar istihdam edilerek iş sorunlarının yeniden çerçevelenmesine rehber olmaları istenmeli. Veri fabrikası şirketin günlük kullanımında ihtiyacı olan verileri üretirken veri laboratuvarı yeni içgörüleri yakalamaya çalışır. Bu ikisi genelde birbirine karıştırılıyor ve her ikisi de tam olarak işlev görmüyor.
Bütün bunlardan sonra sosyal bilimlerin ışığında bütün veri varlıkları değerlendirilmeli. Akademi ile iş dünyası arasında köprü kurulmalı. Müşterinin herkes tarafından net olarak anlaşılması şart. Bütün paydaşlar da sorun çözmenin parçası haline getirilmeli. Veri toplanması veya iletişimin nasıl algılanacağı konusunda ise en önemli kriter müşteri ile empati yapılması.
Sonuçta şirketlere Strong’un tavsiyesi müşterinin iyiliği için çalıştıklarından emin olmaları. Zira buna samimi olarak cevap veremeyen markalar günün sonunda kaybetmeye mahkumlar.