Vatandaş Veri Bilimcisi

Organon Analytics COO’su Emrah Anayurt, vatandaş veri bilimcisi kavramının ortaya çıkış noktasını ve görev kapsamını anlatarak teknolojinin onların işini nasıl kolaylaştıracağına parmak basıyor.

Makine öğrenmesi algoritmaları destekli iş süreçlerinin oluşturduğu dönüştürücü etki artık herkes tarafından biliniyor. Bundan dolayı, firmalar birçok alanda veriye dayalı karar vermek istiyorlar.

Fakat bu isteğin önünde bazı zorluklar bulunuyor. Bunlardan birincisi, firmalardaki veri bilimi uzmanları, kısıtlı uygulama alanları üzerinde çalışabiliyorlar çünkü hem yeterli zamanları yok, hem de alan bilgisinin yetersizliği gibi konular proje sürelerini uzatıyor. Veri bilimi uzmanlarını bulmak ve eğitmenin çok uzun zaman alması, uygulama alanının kısıtlı kalmasının bir diğer nedeni olarak görülebilir. 

Bu zorluklardan dolayı, firmalar artık veri bilimi uzmanlarından ziyade, iş birimlerinde görev alan çalışanlarının analitik uygulamaları hayata geçirmesi için imkân sağlamak istiyorlar. İş birimi çalışanları, alan bilgisine daha hâkimler ve bir makine öğrenmesi uygulamasının iş değerini de ölçmek ve takip etmek konusunda daha duyarlılar. 

İşte, vatandaş veri bilimcisi kavramı burada ortaya çıkıyor. Gartner tarafından yapılan tanımlamada, vatandaş veri bilimcileri, eskiden daha fazla teknik uzmanlık gerektiren düşük ya da orta derecede karmaşık analitik görevleri yerine getirebilen “power user” olarak tanımlanıyor. Bu rol ile birlikte daha fazla iş kullanıcısının problemlere makine öğrenmesi teknikleri uygulayarak değer yaratması hedefleniyor. 

Vatandaş veri bilimcilerini; satış, pazarlama, insan kaynakları gibi birimlerde çalışan, doğru yazılım ve uygulamalar ile donatılmış ve makine öğrenmeleri algoritmaları kullanarak iş problemlerini çözen kişiler olarak düşünebilirsiniz. Artık bu kullanıcılar satış tahmini, terk edecek müşterilerin tespit edilmesi, müşterilerin hangi ürünü alacağını tahmin edilmesi gibi birçok iş problemini, kendi kendilerine çözebiliyorlar. 

Vatandaş veri bilimcileri, makine öğrenmesi uygulamaları ile iş problemlerini çözerken, teknik bilgi sahibi veri bilimi uzmanları ise firmaları dönüştürücü daha karmaşık projeler ile uğraşabiliyor. 

Makine öğrenmesi uygulamalarını hayata geçirmenin vatandaş veri bilimcileri tarafından yapılmasının etkisinin çok büyük olacağı tahmin ediliyor, öyle ki Vatandaş Veri Bilimcilerin yaratacağı ek değerin veri bilimi uzmanlarından daha fazla olması bekleniyor.

Teknolojinin Gelişmesi ve Otomatik Makine Öğrenme

Teknolojinin vatandaş veri bilimcileri için en önemli kolaylaştırıcı olması bekleniyor.

Bu konuda çok önemli gelişmeler bulunuyor. Artık bir makine öğrenmesi projesini hayata geçirmek için yapılması gereken işlerin neredeyse tamamının yazılımlar tarafından otomatikleştirildiğini biliyoruz. Bunu yapan yazılımlar otomatik makine öğrenmesi (Auto-ML) yazılımları olarak ifade ediliyor.

Auto-ML bir veri bilimi uzmanının teknik bilgi gerektirerek yaptığı, veri hazırlama, özellik türetme, istatistiksel model geliştirme ve modelin üretime alınması gibi adımların otomatikleştirilmesini içeriyor. 

Biz de Organon olarak, 2011 yılında çıktığımız yolda, geliştirdiğimiz Auto-ML teknolojisi ile bir makine öğrenmesi uygulamasını hayata geçirmek için gereken süreyi 3 güne kadar indirdik, önümüzdeki yıl ise bu sürenin saatler seviyesine inmesini bekliyoruz. 

Vatandaş veri bilimcilerin önümüzdeki yıllarda, Auto-ML gibi yeni yazılımlarla birlikte, veri bilimi alanındaki yetenek eksiğini hızla doldurarak daha fazla değer üretmeye başlayacaklarını göreceğiz.

Bu yazı ilk kez Campaign Türkiye’nin 111. sayısında yayımlanmıştır.