Basligimda da gördüğünüz gibi “analytics” kelimesini İngilizce hali ile kullandım. Türkçe iletişim kurarken arada İngilizce kelime kullanmak istemiyorum ama analytics kelimesinin Turkce karsiligi yok. Bazi sozluklerde“mantiksal analiz” ve “mantiksal cozumleme” olarak çevrilmesine ragmen bunlar gerçek karşılığını veriyor mu bilemedim. Analytics İngilizce bir kelime olmasına rağmen Türk Dil Kurumu sitesinde 2006 senesinden beri 171 milyon kez aranmış. Yani çok merak edilen bir kelime analytics. Analytics’in birebir Türkçe karşılığı yok çünkü analytics Turkiye’de belirli bir varlığı olan, organizasyonlara yayılmış bir alan değil. Analytics analiz demek değil. İngilizce’de analiz farklı bir kelime ile ifade edilir: analysis. Analiz (analysis) kısaca elimizdeki verileri incelemektir. Bu verilerden bir sonuca ulaşmaya çalışabiliriz ya da veriden çıkan görüşü bir tartışma için kullanabiliriz. Finansal analizde olduğu gibi elimizdeki verilerden finansal sağlığımızı anlamaya çalışırız. Analiz raporlama değildir. Raporlamada elimizdeki veriyi sunarız, analizde ise bir adım öteye giderek bu verilerden bir anlam çıkartmaya gideriz. Raporlamadaki veri kesindir, kişiye göre değişmez ama analizde çıkan veriler kisiye gore değişebilir. Analytics ise istatistik, matematik, programlama, machine learning gibi birden fazla disiplini içeren çok yönlü bir sistemdir, data science dediğimiz “veri bilimi” analytics alanına girer. Analiz varolan ilişkileri incelerken , analytics hem geçmiş, hem günümüz hem de gelecekteki ilişkiler ile ilgilenir, tahminleme yapar. Analiz direk aksiyona götürmez, ya da direk aksiyonu amaclamaz asıl amacı “anlamaktir” ama analytics’in asıl amacı aksiyon ve karar vermektir. Analiz genelde bir insan tarafından basit bir teknoloji aracılığı ile yapılır, analytics ise kompleks sistemler, yöntemler,sistemler ve modeller aracılığı ile yapılır, bazen bir makina tarafından otomatik yapılır. Web teknolojileri ve Google Analytics ile “analytics” kelimesi karşımıza çok çıkan ama çok anlaşılmayan moda bir kavram haline gelmiştir. Kavram iyi anlaşılamadığı için ne yazık ki bu alanda ilerlemek ve isletmelerimize uygulamak çok mümkün olamamaktadır.
Bir ornek uzerinden gidelim. Hem online hem de offline magazalari olan bir sirket uzerinden gidelim.
Raporlama ornegi:
Eylul 2015’de web sitesinden yapilan satislar bir onceki aya gore %20 artmistir.
Eylul 1025 tarihinde Google Adwords’den gelenlerin yarattigi ziyaret sayisi 15,000’dir.
Websitemizde en cok goruntulenen sayfa anasayfamizdir.
1555 kisi X marka elbise goruntulemistir.
Dun IOS app’imizi indiren kisi sayisi 155’dir.
Yukaridaki orneklerde gordugunuz gibi raporlama icinde hicbir suphe ve kisisel fikir barindirmayan kesin bir bilgidir. Amaci analiz ve analytics icin bir temel olusturmaktir.
Analiz ornegi:
Eylul 2015’de web sitesinden yapilan satislarin artmasinin en buyuk sebebleri yeni televizyon reklami ve yaz tatilinin bitmesidir.
Gecen ayin websitesi satislarinin %20’si Google Adwords’den, %10’u retargeting kampanyalarindan gelmektedir.
X marka elbise goruntuleyenlerin bazilari Y marka ayakkabiya da bakmaktadir.
Analiz ise elimizdeki raporlardan yola cikarak bir anlam, neden bulma cabasidir. Web sitemizin orani gecen ay artmis ise bunun sebebini anlamaya calisiriz ama analizimizin sonucunun her zaman kesin oldugunu soyleyemeyiz. Mesela ilk ornekte raporlamadan web sitemizin oraninin arttigini goruyoruz, analizde ise bunu bildigimiz birkac nedene bagliyoruz. Bu nedenleri bulursak web satisini arttirmak icin benzer stratejiler kullanabiliriz. Ama bu nedenler disinda bilmedigimiz farkli nedenler de olabilir.
Analytics ornegi:
Analytics yapiyorsak yukaridaki rapor ve analizleri aksiyona donusturmeye calisiriz.
Mesela X marka elbise goruntuleyenler ve Y marka ayakkabiya bakanlarin arasinda gercekten de bir iliski olup olmadigina karar vermek icin istatiksel testler yapariz. Eger sonuc pozitif ise baska marka ve urunler arasindaki iliskileri arastirip recommendation/oneri modeli kurariz. Kurdugumuz bu modeli attigimiz emaillerdeki listeleri olusturmak icin kullaniriz. Sitemizde gosterdigimiz urunler icin kullaniriz.
Big data ve analytics son zamanlarda cok kullanilan moda terimlerden biri oldu. Bilen cok az oldugu icin bu isin ne oldugunu bilmeyen ama kekten payini almak isteyenler sahtece ortada ahkam kesmeye basladi. Twitter ve Linkedin araciligi ile okumadigi ve anlamadigi makaleleri yayinlayanlar da var; isi ileri goturup asil isi finansal yazilim satmak oldugu halde bir gece de analytics uzmanligi kazanan firmalar da var. Sahte analytics uzmanlarina ve sirketlerine dikkat etmenizi oneririm. Analytics herseyden once uzun bir deneyim gerektirir. Dun analytics ile ugrasmayip ertesi gun analytics uzmani olmaniz mumkun degildir. Matematik profesoru olsaniz da bu analytics uzmani oldugunuzu gostermez. Analytics bircok disiplini iceren cok yonlu bir alandir. Ama analytics bunun yaninda teknik bir alandir. En az bir teknik uzmanliginizin olmasi gerekir ve bunlarin en onemlisi istatistiktir. Istatistik, matematik bilgisayar muhendisligi mezunlari bu alanda cok kolay ilerleyebilir.
sibel akcekaya
