Veri odaklı olmak herkesin sorumluluğudur
21. yüzyılda, rekabetçi olabilmek için her kuruluşun veri odaklı olması gerekir. Veri odaklı olmak, insanları işlerinden etmek değil; onların rollerinde daha etkili olmalarını sağlayacak araç ve bilgileri sunmaktır.
Bunun, organizasyondaki herkesin daha veri odaklı olma sorumluluğu olduğunu düşünüyoruz. Sonuçta, rolünüz ne olursa olsun, muhtemelen hepimiz bir şekilde veriye dokunuyoruz. Kaynaklarımızı geliştirmek ve onları bu yolculuğa dahil etmek için sürekli farklı fırsatlara bakıyoruz.—Rachel Alt-Simmons, AXA XL
Veri programının başarı ölçütleri sektörünüze ve organizasyonunuza bağlıdır
Tek tip bir veri programı yoktur. Her veri programının hedefleri; sektör, şirket büyüklüğü ve ekip yapısı gibi faktörlere bağlı olarak değişir.
Örnek olarak AXA XL’i ele alalım. 2018’de AXA Group tarafından satın alınan AXA XL, karmaşık girişimleri değerlendiren büyük bir ticari ve uzmanlık alanı sigorta şirketidir. Şu anda dünya genelinde dağıtık ekiplerde çalışan 13.000 kişiyi istihdam ediyorlar; bu da birçok ekibin, ekip üyelerinin çoğuyla fiilen birlikte çalışmadığı anlamına geliyor. Küresel lokasyonlarda sanal işbirliği önemli ve bir sigorta şirketi olarak veri ihtiyaçları büyük ölçüde kağıt ve PDF’lere dayanıyor.
İşimiz kağıt üzerinde yürüyor. Biz yasal belgeler satıyoruz—bir sigorta poliçesi budur, yalnızca yasal bir belgedir. Kağıt alıyoruz ve kağıt üretiyoruz. Örneğin bir müşteriden bir başvuru aldığınızda, içinde sayısız dosya ve bilgi bulunur. Bu bilgileri bir PDF’de, Word belgelerinde, Excel dosyalarında ve muhtemelen bunların her varyasyonunda alabilirsiniz. Bu belgenin nasıl geldiğine dair bir standardizasyon yok, dolayısıyla tek tip bir PDF veya tek tip bir dosya yok. Her bir müşteri için hepsi farklı.
Verilerinin büyük bir kısmı PDF’lerde saklandığı ve veri girişi manuel olduğu için, tüm bireysel veri öğeleri yakalanamıyor. Pek çok bilgi kayboluyor ya da kolayca geri getirilemiyor. Bu sorunları çözmek için AXA XL, belgeleri almak ve içlerinden bilgileri kolayca çıkarmak üzere doğal dil işleme gibi yetkinliklerden yararlanıyor.
Bir veri programı nasıl uygulanır
1. Yukarıdan aşağıya veya aşağıdan yukarıya yaklaşımı seçin
Veri programı oluştururken yukarıdan aşağıya yaklaşım, bir organizasyondaki daha geniş veri ve analitik girişimleriyle ilişkilidir. Bu, analitik modellerin ve iş akışlarının ekipler arasında nasıl entegre edildiğini standartlaştırmak için programınızı stratejik olarak inşa etmeyi gerektirir.
Aşağıdan yukarıya yaklaşım ise, veri ve analitik kariyer yolundaki tüm çalışanların yetkinlik ve beceri düzeylerini genel olarak yükseltmekle ilgilidir. Örneğin AXA XL’in Analytic DNA girişimi, farklı teknoloji ve analitik alanlarında uzmanları belirler ve organizasyon genelinde daha geniş ölçekte kullanılabilecek fikirler için onlardan yararlanır.
Güzel haber şu ki, insanlar gerçekten taşın altına ellerini koymaya ve rehberlik ile uzmanlıklarını paylaşmaya istekliydi; bu da programımızı, ilgili ve stratejik girişimlerimizle uyumlu bir şeye dönüştürmemize yardımcı oldu.
2. Kişilikler (persona) geliştirin ve hedeflerini belirleyin
DataCamp’te müşterilerimizin tipik olarak kullandığı birkaç veriyle ilgili persona veya rol belirledik: Veri Tüketicisi, Lider, Veri Analisti, Yurttaş Veri Bilimci, Veri Bilimci, Veri Mühendisi, Veritabanı Yöneticisi, İstatistikçi, Makine Öğrenimi Bilimcisi ve Programcı. Eğitmenlerimize, kurslarını hazırlarken ilgili personayı dikkate almalarını; kurumsal müşterilerimize de veri programlarını oluştururken ilgili personayı göz önünde bulundurmalarını tavsiye ediyoruz. Her personanın veriyle ilişkisi farklıdır.
AXA XL için iki temel persona Aktüerya Uzmanları ve Veri Bilimcileridir; şu anda işin ilerlemesini sağlamak için her iki rolün gerektirdiği becerileri yakınsama üzerine odaklanmış durumdalar.
Pek çok [sigorta] organizasyonunda aktüerya geçmişiyle benim daha saf bir veri bilimi veya analitik geçmişi olarak adlandırdığım şey arasındaki fark konusunda her zaman ilginç bir ayrım olmuştur. Biz organizasyonumuzda bu ikisini bir araya getiriyoruz. Aktüeryal süreçlerinde uygulayabilecekleri daha istatistiksel makine öğrenimi tekniklerinden bazılarını aktüerlere gerçekten öğretiyoruz. Artık “biz ve onlar” değil. Artık mesele “bu yetkinlikleri nasıl bir araya getiririz,” ki bu oldukça heyecan verici.
3. Her persona için boşlukları belirleyin
Tüm müşterilerimize, bir yetenek matrisi kullanarak kurum içi veri becerilerinin kapsamlı bir envanterini almalarını öneriyoruz. Bu, birçok farklı biçimde olabilir; ancak genel olarak organizasyon, departman, ekip veya birey düzeyinde güçlü yönlerin ve beceri boşluklarının görselleştirilmesini içerir.
AXA XL’den Rachel, her persona için boşlukları şu tür sorular sorarak belirleyebileceğinizi söylüyor:
- Ne bilmek istiyorsunuz?
- Daha fazlasını neyin olmasını isterdiniz?
- Eğitim, işe alım, beceri geliştirme veya proje bazlı çalışma gibi daha neleri sağlayabiliriz?
- Bu yetkinlikleri stratejik projelerimizle doğru şekilde hizalıyor muyuz?
Veri analistleri, veri bilimcileri ve veri mühendisleri gibi analitik profesyoneller için, şirketler veri alma, e-tablolarda veri analizi yapma, doğal dil işleme ve veri hatları (pipeline) oluşturup sürdürme gibi önemli becerilerde boşluklar olup olmadığını araştırmak isteyebilir. İşte veri profesyonelleri için geliştirdiğimiz örnek bir yetenek matrisi.
Veri Tüketicileri ve Liderler için başarıya giden yolda gereken beceriler arasında iletişim gibi sosyal beceriler, veri görselleştirmeyi anlama ve tasarım odaklı düşünme bulunur.
Tasarım odaklı düşünme, her ne ise bir çözüm üretmektir: teknik, veri veya model. Bunu müşteri için ilgili olacak şekilde nasıl yaparsınız? Sonrasında, sonuçları nasıl etkili biçimde iletişim kurarsınız?
4. Her persona için öğrenme yolculukları oluşturun
Bütüncül bir öğrenme yaklaşımı, etkili bir öğrenme yolculuğu oluşturmak için tasarım odaklı düşünmeyi kullanmayı gerektirir. Bu yalnızca teknik becerileri geliştirmekle ilgili değildir—aynı zamanda önemli iş becerilerini de geliştirmekle ilgilidir. Örneğin AXA XL, aktüerlerinin verileri anlamlı ifadelere dönüştürerek, sigorta riskini değerlendiren kabul uzmanları (underwriter’lar) gibi karar vericilerin bir şirketin risk değerlendirmesini bağlama oturtup ne kadar risk üstlenecekleri gibi faydalı sonuçlara varabilmelerini şart koşuyor. Aktüerlerin öğrenme yolculuğu, veriyi bağlamsallaştırma ve çıkarımlarını daha geniş bir kitleye aktarabilme yetisini içermelidir.
Kuruluşların, personelar arasında ekiplerinin veri beceri düzeyini keşfetmelerine yardımcı olmak için, kıyaslama raporu aracılığıyla ücretsiz bir beceri denetimi sunuyoruz. Bireyler, kendi ilerlemelerini takip etmek için Signal beceri değerlendirmelerimizi alabilirler.
Beceriler değerlendirildikten sonra, herkesin personası veya rolü için gereken asgari beceri düzeyine ulaşabilmesi adına kurumlara özel öğrenme yolları oluşturmalarını tavsiye ediyoruz. Veri Tüketicileri ve Liderler için öğrenme yolları teori derslerimize daha fazla ağırlık verirken, veri profesyonelleri uygulamalı kodlama derslerimizi alır. Örneğin, AXA XL’in verilerinin büyük kısmı PDF’lerde olduğundan, aktüerleri ve veri bilimcileri için öğrenme yolculuklarına doğal dil işleme üzerine birkaç dersimiz dahildir. Kariyerinin başındaki aktüerler için, Öngörücü Analitik Sınavını geçmek üzere R derslerini öneriyoruz.
Veri programınızın faydalarını toplayın
Rachel, veri programınızın başarısını şu soruyu yanıtlayarak kolayca ölçebileceğinizi söylüyor: Daha kârlı olmanıza yardımcı oldu mu? Veri kararları doğru şekilde besliyorsa, bu sonuçlarınızda kendini gösterecektir. Dolayısıyla çalışanlarınızın becerileri gelişiyorsa ve şirketiniz bilgili kararlar alıyorsa, muhtemel yanıt: evet.
Başarılı bir veri programı oluşturma hakkında daha fazlası için isteğe bağlı olarak web seminerini izleyin.
