More Judgment Than Data – Kitap Sohbetleri #2
YAZAR:
MüşteriMetre
TARİH:
Veriden daha fazla muhakeme…
Verilerle çalışan birçok çalışan, şirketlerinin verilerine değer katmak için en son istatistik tekniklerini veya yeni bir programlama dilini öğrenmeleri gerektiğine inanıyor. Benzer şekilde, üniversiteler veri analizinde sunulan derslerin sayısını artırıyor. Şirketler ise hackathonlara sponsorluk yapıyor ve dünyanın her yerinden insanların yeni algoritmalar uygulayabileceği devasa veri kümeleri yayınlıyor. Verileri anlamlandırmak için bu yaklaşımları benimsek elbette çözümün bir parçası olarak çok kıymetli. Ancak daha fazla veri daha fazla karmaşıklıktır ve anlamlandırılması daha zordur. Yanlış yaklaşım, yöntem ve becerilerle, büyük verilerle çalışmak tehlikeli olabilir ve kötü kararlara neden olabilir.
İşte bu noktada veri okuryazarlığı kavramı ortaya çıkıyor. Karar vericilerin doğru kararlar verebilmeleri için öncelikle veri okuryazarlığı becerisini geliştirmeleri gerekmektedir.
Okuryazarlığın tanımıyla başlayacak olursak;
Ekonomik İş birliği ve Kalkınma Örgütü (OECD), “okuryazarlığı” metinlerden ilgili bilgileri çıkarma, yazılı metinleri anlama, kullanma ve yansıtma yeteneği olarak tanımlamaktadır. Bu sadece metni okuma yeteneği değil aynı zaman metinle anlamlı bağlantı kurma yeteneğidir.
Örneğin; Temel İstatistik dersi alan herkes, bir veri setinden ortalama ve varyans gibi çeşitli istatistikler üretebilir, ancak bu, verilerin anlaşıldığı anlamına gelmez. Veri okuryazarlığı da tıpkı bunun gibi verilerden anlam çıkarma becerisidir, sadece veriyi okumak yeterli olmayacaktır aynı zamanda anlamak da gerekir. Veri okuryazarlığı, daha geniş karar verme çerçevesinin yalnızca bir bileşenidir.
Artık veriyi anlamlandırdıktan sonra veri ile nasıl karar vereceğimiz ise bir başka düşünsel süreçtir.
John Boyd, savaştaki bir savaş pilotunun düşünce sürecini çerçevelemek için “OODA Döngüsünü” (Obverse-Orient-Decide-Act) | (Gözlemle-Yönel-Karar Ver-Eyleme Geç) öneren eski bir Hava Kuvvetleri pilotu ve askeri stratejistti. Boyd, it dalaşlarını (dog fight – hava hava yakın uçak muharebesi) gözlemlediğinde manevra yeteneğinin pilota hız ya da güçten çok daha fazla avantaj sağladığını fark eder.
OODA döngüsü günümüzde karmaşık durumlarda mantıksal düşünmeye temel oluyor. Boyd’a göre karar alma süreci, tekrar eden döngüler ile karmaşık durum ortadan kalkana kadar devam eder. Kişi ya da kuruluş bu süreci ne kadar hızlı yürütürse rakiplerine göre o kadar avantajlı duruma gelir.
Aristoteles, pervasızlık ve korkaklık arasındaki orta nokta olduğu için “cesareti” bir erdem olarak tanımlamıştı. Pervasızlık aşırı tutkuyu ve sonuçlarını anlamlı bir şekilde düşünmeden yapılan eylemleri yansıtırken, korkaklık ise eylemi teşvik edecek inançtan yoksun olduğu için düşmanla çatışmaya isteksizliktir. OODA döngüsü içinde, bir karar verici, gözlem ve veri toplamanın ilk aşamasına doğru zaman ve kaynağı ayırdığında iyi muhakemenin erdemini yani cesaret göstermiş olur.
En iyi kararı vermek, sadece ilk aşamadaki veri miktarını artırmakla sağlanamaz. Askeriyede, iş dünyasında ve hatta kişinin kişisel yaşamındaki kararlar zaman, para, insan ve diğer kaynaklar ile sınırlıdır. Bu kısıtlardan belki de en önemlilerinden biri ekonomik kısıtlardır ve iktisat disiplini, bu kısıtlamalar sistemi altında karar alma sürecinde en uygun seçimin nasıl yapılacağının incelenmesidir. Muhakeme tahminin tamamlayıcısıdır ve bu nedenle tahminin maliyeti düştüğünde muhakeme ve doğru karar verme talebi de artacaktır.
Dijital ekonomide makine zekâsı geliştikçe tahminlerdeki kesinlik artmaktadır ve insan tahmin becerilerinin değeri hızla azalmaktadır. Sinir ağları gibi insan beyninin veri işlemesini taklit eden modeller ile büyük veri işlenerek istenilen iz ve örüntüler çok daha kısa sürelerde çıkarılabilmektedir. Karar vericiler için buradaki tehlike ise bu sinir ağlarının temelde kara kutular olmasıdır. Şartlardaki beklenmedik değişiklikler, bu kara kutuların doğru yanıtı verememesi riskinin- daha da önemlisi riskin fark edilmemesi riskinin- her zaman bulunmasıdır.
Miller kanununa göre, insan beyni ortalama 7 (+/- 2) detayı hafızasında tutabilmektedir. Bu da insan beyninin karar alırken bir süre sonra oluşan zaman ve diğer maliyetler sebebiyle tüm seçenekleri işlemeye çalışmayıp, karar vermek zorunda kalması ile sonuçlanmaktadır.
Pazar araştırmaları, tüketicilerin bir satın alma kararıyla karşı karşıya kaldıklarında, iyi bir karar verebilmek için ne kadar bilgi işleyeceklerini tahmin etmeleri gerektiğini ortaya çıkarmıştır. Bir noktada, tüketici ürünü araştırmayı bırakacak ve satın alıp almayacağına karar verecektir. Üretici, tüketicilerin bilgileri işleme sırasını kontrol edemediğinden, herhangi bir özelliğin tüketicinin satın alma kararındaki ortalama değeri, daha fazla özelliğin reklamı yapıldığında düşmektedir. Buna karşılık belirli bir özelliği araştırma maliyeti ise değişmemektedir. Sonuç olarak, üretici daha fazla özelliğin reklamını yaptığında, herhangi bir özelliğin algılanan değeri, özelliğin araştırma maliyetinden düşük olduğunda, tüketici araştırmasını daha erken durduracaktır. Buna bilgi aşırı yükleme etkisi (information overload effect) denmektedir.
Burada reklamı yapılan özelliklerin optimum değeri sıfır değildir. Her müşterinin talebinin kendine has olması sebebiyle farklı müşterilerin iknası için buna uygun özelliklerin reklamının yapılması gerekir. Bununla beraber çok özellik reklamı yapılması ne müşteri ne de üretici için faydalı da olmayabilir. Herbert Simon bu başarısızlığın sebebini insan biliş ve kavramasının sınırlı rasyonelliği ile açıklar. Öte yandan belirli bir ürün veya servis için seçeneklerin çok fazla olması da satın alma kararının hiç oluşmamasına sebep olabilmektedir. Seçenek bolluğu felci (choice paralysis) potansiyel müşteride mutsuzluk ve hatta depresyona bile sebep olabilmektedir.
İnsan bu veri bolluğu ve sınırlı hafıza ortamında karar vermek için tatmin olma (satisficing) gibi bir strateji seçebilir. Tatmin olma stratejisinde ilk olarak, karar verici en iyi çözümü bulmak için olası tüm alternatifleri araştırmalıdır. Aranacak çok fazla veri varsa, karar verici, üzerinde herhangi bir alternatifin iyi bir karar olarak kabul edileceği bir eşik değerine önceden karar verir. İlgili eşik değerlerini tutturan seçenekleri diğer tatmin olacağı etkenlerin filtresinden geçirerek üzerinde karar alacağı nihai seçeneklere indirger.
Tarihçi Jerry Muller bir başka sorunu şu şekilde tespit etmektedir: “Kaynaklar ölçülebilir alanlara aktarılmaktadır, bu ise çoğu zaman en önemli alan olmamaktadır.”
Einstein’in “Kıymetli olan daima ölçümlemektir, ölçülebilen ise kıymetli olmak zorunda değildir. “ sözü de aslında bu tespiti onaylar niteliktedir.
Özetle; sınırlı özelliği ölçümlemenin sürekliliği, ölçülebilecek onlarca özellikten daha mühimdir.
Tüm bu bilgiler ışığında kesin olan; veriye dayalı iyi bir karar, tamamen teknik bir süreçten daha fazlasıdır. Verileri kullanmanın bir sanatı vardır ve karar verici, verilerin arkasındaki ortamı ve teşvikleri dikkatli bir şekilde anlamalıdır. Veriler uzayda üretilmez. Veri üretme süreci genellikle belirsiz bir ortamda ilgili motivasyonlara yanıt veren insanları içerir. Veri evreninin nasıl işlediği, verilerin hangi ortamlarda nasıl üretildiği hakkında doğru teorilere sahip olmak veriyi değiştirmese de verilerin doğru yorumlanabilmesine imkân verir.
Nihayetinde karar almanın çok daha ehemmiyetli hale geldiği bir dönemi yaşıyoruz. Mantık modelleri ile seçenekleri tespit etmeli, değişkenleri modellerimize uygulamalı ve çıktıları doğru değerlendirmeliyiz. Gereksiz verileri ayıklamalı ve modele sokmamalıyız. Lakin alınmış her karar, bu kararın risklerini ve diğer olasılıkların fırsat kayıplarını da barındıracaktır. Bu sebeple bilişsel çelişkiler (cognitive dissonance) karar vericilerin her zaman derdi olmaya devam edecek.
