Her Veri Problemi Data Science (Veri Bilimi) Gerektirir mi?

Bir şirkette bir şey ters gittiğinde, masaya genellikle aynı cümle düşer: “Veriye bakalım.” Bu cümle çoğu zaman masumdur ama devamı tehlikelidir. Çünkü birkaç dakika içinde konu, fark edilmeden “Data Science yapalım” noktasına sürüklenir. Oysa veriyle ilgili her sorun, Veri Bilimi gerektirmez. Hatta çoğu gerektirmez.

Gerçek hayatta karşılaşılan veri problemlerinin büyük kısmı, analizden önce çözülmesi gereken çok daha temel meselelerden oluşur. Eksik kayıtlar, tutarsız tanımlar, birbirini tutmayan kaynaklar, yanlış zaman damgaları… Bunlar Veri Bilimi problemleri değil, veri hijyeni problemleridir. Model kurarak, istatistiksel analiz yaparak ya da tahmin üretmeye çalışarak bu sorunları çözemezsiniz. Sadece üstünü örtmüş olursunuz.

Basit ama çok yaygın bir örnek düşünelim. Bir ekip “müşteri kaybı artıyor” diyor ve analiz talep ediyor. Veri incelendiğinde fark ediliyor ki müşteri statüsü farklı sistemlerde farklı şekilde tanımlanmış. Bir yerde pasif müşteri sayılan kullanıcı, başka bir yerde hâlâ aktif görünüyor. Bu noktada yapılacak şey Veri Bilimi değildir. Önce herkesin aynı dili konuşması gerekir. Aksi halde en iyi analiz bile yanlış bir zemine oturur.

Bir başka sık senaryo da şudur: Yönetim daha fazla içgörü ister. Daha detaylı grafikler, daha karmaşık tablolar talep edilir. Oysa sorun çoğu zaman içgörü eksikliği değil, odak eksikliğidir. Hangi soruya cevap arandığı net değildir. “Veriye bakalım, belki bir şey çıkar” yaklaşımı, Veri Bilimi için en verimsiz başlangıç noktasıdır. Çünkü Veri Bilimi belirsizlikle değil, iyi tanımlanmış sorularla çalışır.

Burada önemli bir ayrım yapmak gerekir. Raporlama, mevcut durumu görünür kılar. Veri Bilimi ise görünmeyeni anlamaya çalışır. Eğer ortada zaten görünür bir problem varsa, henüz Veri Bilimi aşamasında değilsiniz demektir. Önce süreci, tanımları ve verinin kendisini düzeltmeniz gerekir. Bu yapılmadan başlanan Veri Bilimi çalışmaları genellikle “model var ama anlam yok” noktasında biter.

Data Science (Veri Bilimi) en çok şu noktada değer üretir: Problem tanımı nettir ama cevap sezgisel değildir. Neden-sonuç ilişkileri karmaşıktır. Birden fazla etken iç içe geçmiştir. Basit bir filtre ya da pivot tabloyla açıklanamayan bir durum vardır. İşte bu noktada Veri Bilimi devreye girer. Ondan önce değil.

Yanlış beklenti şudur: Veri Bilimi her veriyle ilgili sorunu çözer. Doğru yaklaşım ise şudur: Veri Bilimi, çözülmeye hazır problemlerle ilgilenir. Henüz neyin problem olduğu net değilse, Veri Bilimi erken çağrılmış demektir.

Bu yüzden olgun ekipler, Veri Bilimi’ni ilk refleks olarak kullanmaz. Önce şunu sorarlar:

Bu gerçekten analiz gerektiren bir durum mu, yoksa süreçsel bir hata mı?

Veri mi konuşuyor, yoksa veri mi bağırıyor?

Çoğu zaman cevap ikincisidir.

Sonuç olarak her veri problemi Data Science (Veri Bilimi) gerektirmez. Bazıları daha temel, daha sıkıcı ama daha kritik işler ister: tanım yapmak, temizlemek, hizalamak. Veri Bilimi, bu işler doğru yapıldığında anlam kazanır. Aksi halde pahalı, karmaşık ve etkisiz bir çözüm haline gelir.