Tahterevallinin bir tarafında elde veri olmadığı için körleme iş yapıyor olma hissiyatı, diğer tarafında Big Data, Endüstri 4.0, 6 Sigma, Yapay Zekâ, DDX, OpEx gibi soslarla köpürtülen veri dağları.
Aşırı uçlardan sakınmak iyidir derler. Peki bu yelpazenin neresinde durmalıyız, işletmemizde veri toplama, analiz etme ve verilerle karar verme stratejimizi nasıl konumlandırmalıyız? İşte bugünkü yazımızın konusu bu.
Önce bir tazeleme yapalım: Gündelik hayatımızla sürekli irili ufaklı kararlar alıyoruz. Topladığımız “veriler”, karar almada bizi “bir miktar” etkiliyor, yönlendiriyor.
Burada önde duran, birincil konu “karar almak”, verilerin kendisi ise karar alma sistemine hizmet eden ikincil unsurlardan (sadece) biridir, bunu unutmayın.
Yani dikkat! İnsanlar verileri inceleyip, değerlendirip ona göre karar almıyor. Onun yerine karar alırken verilerden bir miktar destek alıyor.
Daha fazla uzatmadan verilerle ne türden bir aşk yaşamak lazım açıklamaya başlayalım
- Ölçek
Küçük işletmelerde veri toplayan sistemler, bu verileri derleyen ve raporlayan kişiler ve veri analiz eden yöneticiler sınırlı sayıdadır.
Öte yandan, kaynak eksikliği olarak görünen bu olumsuz durum, bazen avantaja da çevrilebilir.
Firmanız küçükse veri havuzunu küçültün ve odaklanmanız gereken verileri titizlikle seçin. Verilerde gereksiz yere derine inmeyin veya sadece seçili birkaç konuda detay analize gidin.
Kaynaklarınızın sınırlı olması zorunlu olarak sağduyu kasınızı güçlendirecektir. Unutmayın ki karar almada, güçlü bir sağduyu, bazen kafa karıştırıcı veri yığınından çok daha etkin bir rol oynayabilir
- 80-20 kuralı
Yüzde 80 doğrulukta veriyi bir araya getirmek için yüzde 20 zamanınızı harcarsınız. Fakat veri doğruluğunu yüzde 85’e çıkarmak istediğinizde ekstra yüzde 5 yetmez, onun yerine örneğin yüzde 50 zamanınızı harcamanız gerekir. Veya mesela yüzde 90 doğruluğa ulaşmak için yüzde 95 zamanınızı harcamanız gerekebilir.
O yüzden size genel resmi gösterecek kadar veriyi derlediğinizde durun ve karar aşamanıza geçin. Firmanız büyükse ve yeterli kaynak varsa yüzde 85-90’ları zorlayabilirsiniz. Fakat genel olarak karar almanız yetecek kadar veri oluşmuşsa çok zorlamayın. Stok devir hızınızın 5 veya 5.9 olması alınacak iyileştirme kararı üzerinde farklı etkiler yapmayacaktır
- Çok yaklaştığınızda göremezsiniz
Çok az veri ile bir probleme bakmak, bir fotoğrafa çok uzaktan bakmaya benzer. Yani pek bir şey anlayamazsınız.
Öte yandan gereksiz miktarda fazla verilerle bir probleme bakmak, bir fotoğrafa çok yakından (burnuna kadar yaklaştırıp) bakmaya benzer. Piksellere tek tek bakarken ana resmi, yani esas problemi görmekte yetersiz kalabilirsiniz.
O yüzden verilerle aranızı ne çok yakın ne de çok uzak tutun. Genel tavsiye olarak resim anlaşılır hale gelecek kadar çözünürlüğe ulaştığınızda durun. Gereksiz yere veri havuzunu şişirmeyin
- Önceliklendirme ve odaklanma
İşletmenizde her şeyi ölçemezsiniz. Ya da diğer bir deyişle, her şeyi ölçmeye soyunursanız hiçbir şeyi ölçemezsiniz.
Bu yüzden ölçme konusunda seçici olmalı, dolayısıyla bazı şeyleri ölçmeyi bırakmalı (veya hiç başlamamalı) ve onun yerine seçtiğiniz verilere odaklanmanız gereklidir.
Peki, bu durumda hangi verileri toplamaya, derlemeye ve incelemeye başlamalı, hangi ölçümleri durdurmalısınız?
Bu konuda Yalın literatürü kendinize rehber edinin. Bolca Yalın okuma yapın, hangi verilerin toplanması gerektiği zihninizde belirecektir.
- Değişken sayısının fazlalığı
Geleceğe dönük varsayımların, gerçekleşip gerçekleşmeyeceğini tahmin etmek zordur. Bu gibi durumlarda doğru tahmin yapabilmek için sisteme çok miktarda parametrik veri girmek gerekir.
Örneğin bir hisse senedi değerinin 3 ay sonraki değeri, ön görülen ve ön görülemeyen onlarca değişkene, bu değişkenlerin ağırlığına ve bu değişkenlerin birbirleri arasındaki etkileşime bağlıdır.
Benzer şekilde üretimdeki kritik bir makinanın önümüzdeki 3 ay için toplamda kaç saat duruş yaşayacağı da makinanın bozulmasını etkileyen çok değişken olduğu için öngörülmesi zor bir konudur.
Bu gibi durumlarda çok sayıda değişkeni (veriyi) toplayarak sisteme girmek olağan üstü bir entelektüel iş gücü gerektirir. Buna rağmen elde edilen sonuç genellikle gerçek hayatı doğru yansıtmaz.
Bu durumda daha çok değişken toplayıp doğru sonuca ulaşmaya çalışılır, sonuç yine tatmin edici olmaz ve bu durum bir kısır döngü şeklinde devam eder. Böylece katma değeri yüksek çalışanların değerli zamanları israf edilmiş olur.
Bu konuda aşağıdaki yazımı okuyabilirsiniz:
“Geleceğin Kaçınılmaz Belirsizliği” ve İş Yaşamında Başa Çıkma Yolları
- Tekrardan kaçınma
Gereğinden fazla alanda, gereğinden fazla derinlikte veri toplama verimsizliğinin diğer bacağı da bu verileri sonsuza kadar toplamaya devam etme kararlılığıdır.
Oysa örneğin bir üretim makinasından 3 ay boyunca veri topladığınızda bu makinanın ne sıklıkta arıza yaptığı ile ilgili gerçekçi bir fikir edinebilirsiniz. Özel bir geliştirme yapmadıkça bu makinadan gelecek 5 yıl boyunca veri toplamaya devam etmenize gerek yoktur. Onun yerine örneğin 3 ay sonra başka bir kritik makinaya odaklanabilirsiniz.
Bir veri toplama sistemi kurulduktan sonra mevcut yapıyı hiç değiştirmeden yıllarca aynı verileri toplamak ve onları yorumlamaya çalışmak her kademede bir sıradanlaşma duygusu getirir. Adeta fabrika giriş-çıkışlarında kart basma rutini gibi zorunlu ve anlamsız bir rutin haline dönüşür. Veriler sadece toplanmış olsun diye toplanır, hangi amaca hizmet ettiği unutulur gider.
- KPI için veri
Toplanan veriler KPI için kullanılacaksa 3 defa destur çekin. Zira havuç vaadi olan veriler manipülasyona en açık verilerdir. Büyük ihtimalle çoğu hatalı veya eksiktir.
Bu verilerin doğruluğundan emin olmak için ekstra kontroller yapmanız gereklidir. Bu da ekstra zaman ve işgücü denmektir
“Alternatif KPI stratejileri” konusu ayrı bir yazının konusu olacak. Fakat şimdilik, verilerin güvenirliğini sağlamak istiyorsanız veri üzerinden havuç-sopa basıncı yaratmaktan sakının diyelim.
Diğer bir deyişle, arka planında havuç-sopa ilişkisi olan verilere mesafeli bakın, doğruluğundan her zaman şüphe edin.
- Önce strateji sonra veri
Çalışma stratejinizi, yol haritanızı, rotanızı belirlemeden veri toplamaya başlamayın. Bunları düşünmeden gelişigüzel veri toplamaya başlarsanız bir süre sonra verilerin esiri olursunuz.
Yani bu durumda altında ezileceğimiz verileri toplamak ve tutarlılığını sağlamakla ilgili büyük enerji (insan ve zaman) harcamaya başlarsınız. Fakat karar alma aşamasına geldiğinizde attığınız taş ürküttüğünüz kurbağaya değmeyecektir. Olsa olsa mevcut durumunuzla ilgili ve muhtemelen sizin zaten bildiğiniz, cılız göstergeler elde edersiniz.
- Verilerin bakımı
İş kullanıcıları genellikle bir veri toplama sistemi devreye alındıktan sonra verilerin sonsuza kadar problemsiz akacağını düşünürler. Ya da bu faktörü çok önemsemezler.
Oysa tıpkı bir üretim makinasının başına gelebileceği gibi veriler de “bozulabilirler”. Örneğin a) veriler hiç gelmeyebilir, b) hatalı gelebilir veya c) tahammül edilemeyecek kadar yavaş gelebilir.
Bu durumda 1) problemin giderilmesi, 2)ardından problem boyunca oluşmuş hatalı kayıtların düzeltilmesi, 3) problemin tekrarlamaması için önlemlerin alınması ve nihayet 4) yapılan iyileştirmelerin doğru çalıştığından emin olmak için kontrol edilmesi gerekir.
Bu işlemler ancak özel uzmanlık bilgisi olan personeller tarafından yapılabilir. Problemin çok farklı nedenleri olabilir ve bazen tespit edilmesi bile çok uzun zaman alabilir. Her devreye alınan veri toplama sistemi beraberinde kaçınılmaz olarak böyle bir destek ihtiyacını beraberinde getirir.
Veri toplama sistemi inşa edilirken bu “maliyet” mutlaka hesaba katılmalıdır.
