Önceki
Şirketler veri odağında stratejiler geliştirmeye devam ederken büyük veriyi anlamlandırmak, rekabet avantajı için kritik bir yetkinlik haline geliyor. Bu yazıda popülerliği günden güne artan büyük veriyi, kaynaklarını, zorluklarını, kullanım alanlarını ve finans sektöründeki yerini müşteri analizlerine dayanan örneklerle birlikte irdeleyeceğiz.
Büyük veri, namı diğer “big data” nedir?
Büyük veri kavramı geleneksel veri tabanı yöntemleriyle işlenemeyen, büyük hacim, yüksek hız ve çeşitliliğe sahip olan veri setleri için kullanılır. Bu özellikler “3V’s of Big Data” yani hacim (Volume), hız (Velocity) ve çeşitlilik (Variety) olarak karşılık bulmuştur (i). Aşağıdaki görselde de görüldüğü gibi, ihtiyaçlar doğrultusunda, büyük verinin temelini oluşturan 3V kavramına verinin doğruluğu (Veracity) ve sunduğu değer (Value) de eklenmiştir. (Şekil 1)
Şekil 1. Büyük Verinin 5 Özelliği (ii)
Büyük veriyi oluşturan kaynakları ise şu şekilde örneklendirebiliriz: Çok sayıda kullanıcıdan, anlık olarak büyük miktarda veri üreten sosyal medya araçları, sürekli veri üreten akıllı saatler, GPS sistemleri, trafik kameraları, sensörler, IoT cihazları, bankacılık işlemleri, kredi kartı kullanımı ile oluşan finansal veriler (iii). Örnekleri çoğalttıkça, günlük yaşantımızın içinde ve doğal bir akışta büyük veri ürettiğimizi daha iyi anlayabiliyoruz. Her birey günlük yaşamında farkında olmadan büyük verinin üretimine katkı sağlarken, şirketler ise bu devasa madeni işleyebilmek için çaba sarf ediyor. Kurumların vazgeçilmezi olan müşteriyi anlamanın yolu bu veriyi analiz edip karar alma süreçlerine dahil etmekten geçiyor. Öyle ki son dönemde iş dünyasının mottosunun “veri odaklı” yaklaşımlar üzerine olduğunu gözlemleyebiliyoruz.
Elde edilen büyük veri ile neler yapılıyor?
Sürekli bir akış halinde gelen büyük verinin gerçek zamanlı analiz edilmesiyle daha hızlı ve etkin karar alma mekanizmaları kurgulanıyor. Örneğin, Amazon müşterilerinin hareketlerini anlık olarak analiz ederek dinamik fiyatlandırma yapabiliyor (iv). Yine müşterileri anlamak adına büyük veri ile kullanıcıların eğilimlerini keşfederek kişiselleştirilmiş ürün önerileri ve kampanyalar yaparak satış fırsatları oluşturmak ve kullanıcıyı içeride tutmak mümkün. Bilinen eğlence ve müzik uygulamalarını kullandığımızda karşımıza çıkan dinleme listeleri, önerilen filmler birer tesadüften ibaret değil, büyük veri kaynakları ile yapılan makine öğrenmesi ve yapay zeka uygulamalarının bir sonucu. Bununla beraber otonom araçların sürüşlerini güvenli hale getirmek, yol ve trafik bilgisini daha doğru bir şekilde sunabilmek için de kullanıcılardan gelen büyük veri yapay zeka modelleriyle işlenerek kullanıyor.
Peki, finans ve bankacılık sektörü büyük veri ile neler yapıyor?
Gelişimine katkı sağladığımız finans ve bankacılık sektörü, sahip olduğu kaynakların farkındalığı ile “veri odaklı bankacılık” yaklaşımını benimsemeye başladı. Bu yaklaşım ile büyük veri kaynakları kullanılarak geliştirilen analitik modeller sayesinde müşterileri daha iyi anlamak, etkin karar alma süreçleri geliştirmek ve iş süreçlerinde verimliliğin sağlanması amaçlanıyor. Bankacılık bünyesindeki büyük verinin kullanımı ise müşterilere en doğru ürünü, en doğru zamanda sunan pürüzsüz bir müşteri deneyimi sunmak, risk yönetimini etkin bir şekilde yapmak ve dolandırıcılık faaliyetlerini önlemek için kritik öneme sahip.
Müşterilerin hesap hareketleri, kredi işlemleri, kredi kartı harcama verileri, mobil ve internet şube verilerinden oluşan büyük veri kümeleri ile çeşitli müşteri analizleri ve yapay zeka modelleri geliştiriliyor. Örneğin, gelişmiş bir müşteri segmentasyonu ile yüksek gelirli, yatırımcı, kredi ihtiyacı olan, ödeme güçlüğü çeken müşteriler belirlenip özel fiyatlar, bireysel finansal danışmalık, kredi veya kredi kartı teklifleri gibi kişiselleştirilmiş hizmetler sunulabiliyor. Öyle ki, 3 milyarın üzerinde bir müşteri tabanına sahip olan J.P. Morgan, müşterinin harcama alışkanlıklarını içeren büyük veri kümelerini kullanarak kişiselleştirilmiş pazarlama stratejileri geliştirmekte. Bankanın fiziki ve online alışveriş yapan kitlelere farklı kampanyalar sunması ise öne çıkan uygulamalarından yalnızca biri (v).
Ayrıca yine büyük veri kullanılarak, müşteri kaybını öngörmek ve önleyici aksiyonlar geliştirmek için kurgulanan müşteri erimesi (churn) modelleri ile kişiye özel kampanya, ürün ve avantajların sunulması sağlanıyor. Finans piyasalarında saniyeler içinde işlem yapabilen algo-trading sistemleri ve müşteri profiline uygun yatırım portföyleri öneren robo-danışmanlık sistemleri tasarlanıyor. Bahsettiğimiz bu uygulamalar ile daha çok müşteri deneyimini arttırmak hedefleniyor olsa da büyük veri ile yapılan müşteri analizleri sürdürülebilirlik için olmazsa olmaz bir konuya daha faydalı sonuçlar üretiyor: Güvenlik.
Siber güvenlik sistemleri ve dolandırıcılık tespiti yapan yazılımlar büyük veriler üzerinde çalışır. Bankalar, bir yandan sahip oldukları verilerin güvenliğini sağlamaya çalışırken diğer yandan müşteri hesaplarının güvenliğini sağlamak ve kredi kartı dolandırıcılığını önlemek adına da büyük veri ile gerçek zamanlı anormal işlem analizleri yapar ve olası dolandırıcılık vakalarını tespit eder. Burada ana hedef güvenlik olsa da arka planda müşteri davranış analizine dayanan gelişmiş modeller, müşteri hesap hareketlerinden kart işlem verilerine, konum verilerinden cihaz bilgilerine kadar çeşitli verileri içeren büyük veri setiyle gerçek zamanlı olarak çalışır ve nihayetinde hem şirkete değer katan hem de müşteriye fayda sağlayan kritik sonuçlar üretir. Örnek olarak Danimarka’nın büyük bankalarından olan Danske Bank’ın dolandırıcılık tespitinde kullandığı yöntem büyük verinin farkını ortaya koymaktadır. Banka, mevcut yöntem ile yalnızca %40 başarı oranına sahipken günde 1200 yanlış alarm (false-positive) ile karşılaşmaktaydı. Bu sonuçları iyileştirmek için analitik hizmet sağlayan üçüncü taraf bir firma ile anlaşma yaparak büyük veri analitiği ve makine öğrenmesi algoritmalarıyla modeller geliştirildi. Böylece dolandırıcılık tespit oranı %50 arttı ve yanlış alarm sayısı da %60 azaldı. Ayrıca hem müşteri memnuniyeti hem de bankanın operasyonel verimliliği arttı (vi).
Büyük veri ile müşteri analizi yapılıyor ama nasıl?
Büyük veriyi kullanmak şimdiye kadar bahsettiğimiz büyük fırsatları ve değerli çıktıları sunuyor olsa da birçok zorluğu da beraberinde getiriyor. Büyük veri ile çalışırken veri toplama, temizleme, işleme, modelleme gibi veri madenciliğinin temel aşamaları takip edilir ancak farklılaşan kısım kullanılan teknolojilerdir. (Şekil 2)
Büyük veri yapısı gereği çok büyük, yapısal ve yapısal olmayan verilerden oluştuğu için geleneksel veri işleme yöntemleri bu ölçekte veriyi yönetmekte yetersiz kalır. Sürekli artmaya devam eden milyonlarca veriyi verimli ve organize bir şekilde saklamak geleneksel sistemlerle yüksek maliyetlere sebep olacağı için Amazon S3, Google Cloud gibi bulut depolama sistemlerini ve Hadoop gibi dağıtık veri sistemlerini kullanmak gerekir. Veri toplama ve depolama sağlandıktan sonra veri kalitesi problemleri ile karşılaşılması olasıdır. Çeşitli kaynaklardan beslenen verilerin farklı formatlarda olması; verinin temizlik, standartlaştırma ve entegrasyon süreçlerini zorlaştırır. Bu aşamada uygun ETL süreçleri ve Apache NiFi gibi araçların kullanılması veri entegrasyonunu önemli ölçüde hızlandıracaktır.
Anlık veri akışıyla baş edebilmek ve gerçek zamanlı veri analizi yapabilmek ise kısa gecikme süresi ve yüksek işlem gücü gerektirir. Bunun için Apache Kafka, Apache Flink ve Spark Streaming gibi çözümler kullanılarak büyük veriyi anlık işleyebilmek mümkündür. Veri kümesi büyüdükçe model eğitim ve tahmin süresi uzayabilir, modelin performansı düşebilir ve doğruluğu arttırmak adına daha uzun süreler gerekebilir. Bu noktada, doğru yapay zeka modellerinin seçimi kadar Apache Spark gibi dağıtık sistemlerle analiz yapabilen, yeterli işlem gücüne sahip, ölçeklenebilir altyapıların kullanılması etkin çözümler olacaktır.
Ayrıca, teknik zorlukların yanı sıra kalifiye iş gücü ihtiyacı da ortaya çıkmaktadır. Bahsi geçen teknolojilere hakim, alanında uzman büyük veri analistlerine ihtiyaç duyulması kaçınılmazdır. Tüm bu zorluklar, büyük veriyle çalışmayı veri yönetimi, analiz, altyapı ve yetkin insan kaynağı açısından ele alınması gereken bütüncül bir mesele haline getirir.
Şekil 2. Büyük Veri Teknolojileri ve Teknikleri (vii)
Şirketler için büyük veri ile çalışmak, yalnızca veriyi toplamayı değil, güçlü teknolojik altyapı ile tasarlanmış bir stratejik plana sahip olmayı gerekli kılmaktadır. Büyük verinin avantajlarından faydalanmak isteyen bir şirketin bu stratejiyi odağına alması, müşterilerine daha iyi bir deneyim sunma yolunda hayati bir adım olacaktır.
Kaynaklar:
