Big data yani büyük veri, sürekli olarak yüksek hızda ve hacimlerde üretilen, yapılandırılmış, yapılandırılmamış ve yarı yapılandırılmış olmak üzere çok çeşitli veri kümelerini tanımlayan terimdir. Ancak burada önemli olan sadece veri türü veya miktarı değildir, işletmelerin verilerle ne yaptığıdır. Kararları iyileştiren ve stratejik iş hamleleri yapmak için güven veren içgörüler için büyük veriler analiz edilebilir. Artan sayıda şirket artık bu verileri anlamlı içgörüleri ortaya çıkarmak ve karar verme süreçlerini iyileştirmek için kullanır.
Big Data Tarihi
2000’li yılların başında, analist Doug Laney bugün büyük verinin en iyi bilinen tanımının olduğu bir makale yazdı ve Doug, fikrini bir sonraki başlıkta değineceğimiz 5 V’ye ayırdı. Artan miktarda kullanılabilir veri ve tam zamanında iş modelleri, büyük miktarda veriyi gerçek zamanlı olarak analiz etmenin bir yolunu zorunlu hale getirdi.
Büyük Verinin Bileşenleri (5 V’si) Nelerdir?
Büyük veri konseptini 5’e bölebiliriz: Volume (Hacim), Velocity (Hız), Variety (Çeşitlilik), Veracity (Doğruluk) ve Value (Değer).
1. Volume (Hacim)
Sosyal medya, web sitesi ve blog etkileşimleri, satın alma geçmişi, tıklamalar ve hatta müşteri adaylarını ve müşterileri izlemek gibi her gün oluşturulan 2,5 kentilyon veri, çok çeşitli kaynaklardan etkileyici miktarda bilgi getirir. Bu noktada volume, büyük veriyi anlamak için başlangıç noktasıdır.
2. Velocity
Hız, verilerin üretilme ve işlenme hızıdır. Örneğin ulaşım sektörünü ele alalım. Bir telematik ile internete bağlı tek bir araba, neredeyse sabit bir hızla saatte 25 gigabayt veri üretir ve iletir. Bu verilerin çoğunun gerçek zamanlı veya neredeyse gerçek zamanlıya yakın olarak işlenmesi gerekir.
3. Variety
Büyük verinin çeşitliliğini gösteren vektördür. Bu veriler, sadece ilişkisel veri tabanlarında satır ve sütunlar olarak bulunan yapılandırılmış verilerle ilgili değildir. Bir uygulamadan diğerine farklılık gösteren her türlü biçimde gelir ve büyük verinin çoğu yapılandırılmamıştır. Örneğin, basit bir sosyal medya gönderisi bazı metin bilgileri, videolar veya resimler vb. içerebilir.
4. Veracity
Veracity, verilerin ne kadar doğru ve güvenilir olduğunun ve ne kadar değer getirdiğinin ölçüsüdür. Veriler eksik veya tutarsızsa, analitik sürecinin doğruluğu azalır. Bu nedenle, veri doğruluğu genellikle iyi, kötü ve tanımsız olarak sınıflandırılır. Bu, herhangi bir tutarsızlığın veya belirsizliğin zararlı etkileri olabileceği tıbbi kayıtlar gibi çeşitli veri kümeleriyle uğraşırken oldukça yardımcı olur.
5. Value
Bu kadar büyük miktarda veriyle, gerçekten ihtiyacınız olduğunda muhtemelen her şeyin izini kaybedersiniz. Çünkü bilgileri farklı platformlar arasında birbirine bağlamak ve dönüştürmek oldukça zordur. Bu nedenle, öğeleri birbirine bağlamak ve ilişkilendirmek gerekir.
Büyük Veri Neden Oluşturuldu?
Her gün üretilen ve son birkaç yılda biriken inanılmaz derecede yüksek bilgi hacmi, sadece bir grup veriden ziyade bir içgörü kaynağı olarak görülmeye başlandı. Bu nedenle, şirketlerin bu kadar bayt veri arasında değerli fikirler bulmasına yardımcı olacak bir analiz modeli düşünmesi gerekiyordu.
Bu çözüm, big data idi.
Big data; işletmelerin fırsatları sadece net oldukları yerlerde değil, aynı zamanda karmaşık verileri ilişkilendirerek ve çapraz referans vererek; yapılandırılmış, yapılandırılmamış ve çok yapılandırılmış verileri ayrıştırarak keşfetmelerine olanak tanıdı.
Büyük Veri Neden Önemlidir?
Büyük veri, sadece ne kadar veriye sahip olduğunuzla ilgili değildir. Önemi bu verileri nasıl kullandığınızda yatar. Büyük verileri yüksek performanslı analitikle birleştirdiğinizde, aşağıdakiler gibi işinizle ilgili görevleri gerçekleştirebilirsiniz:
- Arıza, sorun ve kusurların temel nedenlerini neredeyse gerçek zamanlı olarak belirleme.
- Anomalileri insan gözünden daha hızlı ve daha doğru bir şekilde tespit etme.
- Tıbbi görüntü verilerini hızla içgörülere dönüştürerek hasta sonuçlarını iyileştirme.
- Tüm risk portföylerini dakikalar içinde yeniden hesaplamak.
- Derin öğrenme modellerinin değişen değişkenlerini doğru bir şekilde sınıflandırma ve bunlara tepki verme becerisini keskinleştirmek.
- Hileli davranışı işletmenizi etkilemeden önce tespit etmek.
Big Data Türleri Nelerdir?
Büyük verinin arkasında; yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış olmak üzere üç tür veri vardır.
1. Yapılandırılmış Veriler (Structured Data)
Bazı veri formatları veri tabanları tarafından kolayca tanınabilir, bu da analiz ve işlemeyi kolaylaştırır. Bu tür veriler, web uygulamaları ve sosyal medya gibi insan ve makineler arasındaki etkileşimlerden elde edilir. Formlar veya işlem bilgileri gibi yapılandırılmış metin, resim ve verilerin bir karışımıdır.
2. Yapılandırılmamış Veriler (Unstructured Data)
Yapılandırılmamış veriler, organize olmayan veya geleneksel veri tabanları ve bilinen veri formatları tarafından kolayca anlaşılmayan bilgilere denir.
Genel olarak, bu öğeler ağırlıklı olarak metinlerdir. Blog meta verileri, resimler ve tweet’ler yapılandırılmamış verilere örnektir.
3. Yarı Yapılandırılmış Veriler (Semi-structured data)
Web sunucusu günlükleri gibi veri biçimlerini veya sensörlerden gelen verileri içerebilir. Belirli bir havuz (veri tabanı) altında sınıflandırılmamış olmasına rağmen, yine de hayati bilgiler veya veriler içindeki ayrı ayrı öğeleri ayıran etiketler içeren verileri ifade eder.
Büyük Veri ve Pazarlama Arasındaki Bağlantı Nedir?
Pazarlamalarını verilere dayandıran şirketler, hiç şüphesiz pazara hakim olan şirketlerdir. En etkili pazarlama ekipleri, müşteri adaylarından, kullanıcı davranışlarından ve ekip deneyimlerinden toplanan verileri toplayan ve bunları sonuçlara ulaşmaya yardımcı olacak eylemlere dönüştüren ekiplerdir.
Peki pazarlama verilerinden yararlanan şirketler ve pazarlama ekipleri, büyük veri ile pazarlamanın hangi yönlerinden yararlanır?
1. Veri Yorumlama
Verilere dayanan bir kararın beklenen sonuçları getirmesi daha olasıdır.
KPMG Capital tarafından yürütülen bir araştırmaya göre, katılımcıların %99’u, büyük verinin karar vermede önemli bir etken olduğunu düşünürken; bunların %85’i verileri yorumlamakta güçlük çektiklerini ve sadece %25’i veri analizi yoluyla elde edilen içgörüleri uyguladıklarını dile getirmiştir.
Bu nedenle, verileri doğru bir şekilde yorumlamak ve şirketin doğru kararları vermesine yardımcı olmak için nitelikli bir uzmana ihtiyaç vardır.
2. Pazar Araştırması
Profesyonellerin sezgi ve deneyimleri şirketleri başarıya yönlendirebilir. Ancak bu süreçte birçok hata yapılabilir ve bu da şirket için maliyetli olabilir.
Bunun nedeni, pazarlama uzmanlarının hedef kitlenin ne istediğini tam olarak tahmin edememesinden kaynaklanır. Büyük veri bu noktada işe yarar. Büyük veri, üretilen olaylar, korelasyonlar ve fikirlerin tanımlayıcı analizi ile pazarlama stratejiniz için bilgi sağlar.
3. Satın Alma Deneyimi
Verileri analiz etmek, işletmenizin en iyi ürün dağıtım araçlarını, satış noktası tekniklerini bulmasına ve müşterinin beklediği satın alma deneyimini sağlamasına yardımcı olur.
4. İşletmeniz İçin Daha Fazla Veri Kaynağı
Tüm bilgi kaynakları şirketinizin en iyi kararları almasına, müşterileriniz için en iyi çözümleri bulmasına ve satışları artırmasına yardımcı olur.
5. Pazarlama Otomasyonu
Otomasyon platformları kullanıcı, davranış özellikleri ve hatta kampanya ve eylem geliri ölçümleri hakkında bilgi depolar. Buna ek olarak, pazarlama otomasyonu araçları, analiz için elinizde bulunan materyal hakkında daha geniş bir görüşe sahip olmanıza yardımcı olan birçok entegrasyona sahiptir.
Büyük Veri Analitiği (Big Data Analytics) Nedir?
Büyük veri analitiği, geleneksel veri yönetimi teknik ve araçlarıyla keşfedilemeyen büyük veri kümelerindeki kalıpları, eğilimleri ve ilişkileri bulma sürecidir. Şirketlerin geleneksel yaklaşım ve araçlar yardımıyla çözülemeyen iş sorunlarıyla başa çıkmalarına yardımcı olur. Pazar eğilimleri, tüketici davranışları ve beklentileri hakkında uygulamalı bilgi edinmek ve içgörüler bulmakla ilgilidir.
Analitiğin yaptığı şey, daha önce gördüğümüz tüm veri kaynaklarını almak ve veriler arasında korelasyonlar, çıkarımlar ve bağlantılar oluşturmaktır. Böylece şirketinizle ilgili metrikleri bulabilir, karar almak için sayıları kullanabilir ve daha verimli stratejiler oluşturabilirsiniz.
Kalıpları belirleme
Kalıplar çok önemlidir. Çünkü kitle kalıplarınız, kişiliğinizi oluşturmanıza yardımcı olur.
Benzer şekilde davranan ve müşteri haline gelen kullanıcılar, daha fazla benzer müşteri kazanmak için yapmanız gereken işlemler konusunda size fikir verir.
Yeniden pazarlama, bu model ve analizlere iyi bir örnektir.
Rekabet
Rakiplerinizin ne yaptığını bilmek ve anlamak şirketinizin başarısı için çok önemlidir. Faka bu noktadaki asıl avantaj onların hatalarından ders almaktır.
Veri analizi, rakiplerinizin beklenen sonuçları almayan eylemlerine dayalı olarak izlenecek en iyi yolları bulması için mükemmel bir araçtır.
Bu içgörülerin çoğu, kitlenizin davranışlarından gelir ve pazarınız için özel promosyonlar oluşturmanıza yardımcı olur.
Pazarlama ve satışta büyük veri analitiği
Büyük veri, şirketlerin davranış kalıplarını ve alınan önlemlere verilen yanıtları anlamalarına yardımcı olur.
Birçok şirket bu analizi aşağıdaki amaçlarla kullanır:
- Müşteri edinme maliyetlerini (CAC) azaltma.
- Müşteri yaşam boyu değerini (CLTV) artırma.
- Fiyatlandırma ve indirimleri optimize etme.
Örneğin Walmart, şirketin müşteriler hakkında toplanan veriler aracılığıyla insanlarla bağlantı kurması için araçlar oluşturmasına yardımcı olan Walmart Global Tech’i yaratmıştır. Nike, koşu uygulamasını, kullanıcıları spor yapmaya ve bunu sosyal medyada paylaşmaya teşvik etmek için kullanır ve bu sayede işle ilgili çeşitli bilgiler toplar.
Büyük Veri ve E-Posta İlişkisi
Litmus’un araştırmasına göre, e-posta pazarlama, yatırım getirisi için en iyi dijital kanaldır. Standart kampanyalar veya indirimler gibi temel bilgilerin iletilmesinden sipariş ve ödemelerin onaylanmasına kadar çeşitli şekillerde kullanılabilir. Ancak, büyük veri sayesinde e-posta pazarlaması daha akıllı bir şekilde kullanılabilir.
Müşterilerden topladığınız bilgileri kullanarak artık kitleleri segmentlere ayırabilir ve e-posta içeriğini kişiselleştirebilir, e-posta kampanyalarınızda giderek daha alakalı içerik gösterebilir ve müşterilerinize onları anladığınızı ve ne sunacağınızı bildiğinizi kanıtlayabilirsiniz.
Örneğin, bir müşteriniz bir iş zekası aracı satın aldıysa, ona bu aracın başka bir platformla entegrasyon yetenekleri hakkında bir e-posta gönderebilirsiniz. Bu da ancak büyük verinin işletmeniz tarafından etkin bir şekilde kullanılmasıyla mümkün olabilir.
