Kod Çözme Kolay ve Çok Kolay Olmayan Veri Analitiği

IIIT Bangalore Direktörü Profesör S. Sadagopan tarafından yazılmıştır. Prof. Sadagopan, UpGrad & IIIT-B PG Diploma Programının Veri Analitiği alanında uzman panelinde yer alan en deneyimli akademisyenlerden biridir.

Milyonlarca Rupi ile ödenecek milyonlarca yeni işten bahseden jargon, yutturmaca ve ezici pazarlama mesajlarıyla kafası karışan tomurcuklanan bir analitik uzmanı olarak, bir veri analizi eğitiminin “gerçek” değeri hakkında netlik kazanmanız gerekir. İşte size bazı bilgiler – umarım kafa karışıklığınızı azaltmanıza yardımcı olur.

Bazı akıllı insanlar “analitik düşünceyi” “inanılmaz sayılar” bulmak için kullanabilirler ; çok faydalıdırlar ancak “sezgisel” olduklarından “öğretilemezler”.

Örneğin:

Kolay Analiz

Data Insights ile ATM'leri önceden yapılandırma

“Bu gezegendeki en hızlı ATM bizde”

Saygın bir Banka olduğunu iddia etti. Özellikle onlar için yapılmış yeni bir ATM mi aldılar? Mümkün değil. Analitik bir zihniyete sahip bazı akıllı çalışanlar, kullanıcıların nakit çekmek için ATM'ye gittiklerinin %90'ının sabit bir miktar, örneğin 5.000 Rs kullandıklarını buldu. Bunun üzerine Banka, standart ekran seçenekleri olan Bakiye Sorgulama, Para Çekme, Hesap Özeti Yazdır vb. ekran seçeneklerini başka bir seçenek içerecek şekilde yeniden yapılandırdı. Bireysel müşterinin geçmiş eylemlerine dayalı olarak XYZ tutarını geri çekin.

Bu, ATM işleminin bir adımını kurtardı. Para çekme seçeneğini seçip çekilecek tutarı girmek yerine, şimdi biraz zaman kazanabilir ve süreci daha kolay ve sezgisel hale getirebilirsiniz. Gerçekten de akıllıca bir hareket, ancak bu, başkalarının da kopyalayabileceği “Kolay Analiz” olarak bilinen bir şeydir. Aslında, diğerleri üç ay içinde kopyaladı!

Hava Durumunda Gizli Veriler

90'larda bir elektronik tablo ürününe eşlik eden örnek veri setlerinde, Amerika Birleşik Devletleri'ndeki her Eyaletin alanı ve nüfusu hakkında veriler vardı. Ayrıca nüfus yoğunluğunu (km kare başına nüfus) hesaplamak için hesap çizelgesinin formül kısmını öğretmek için bir alıştırma vardı. New Jersey, km kare başına 467 nüfusu ile en yüksek yoğunluğa sahip eyalettir.

New Jersey'de MBA öğrencilerine ders verirken, nüfus yoğunluğu açısından New Jersey'nin Hindistan'dan daha kalabalık olduğunu ve kilometre kareye 446 kişi düştüğünü anlayan Hintli bir öğrenciyle tanıştım! İlginç bir gözlem, bir Devlet ile bir Ülkeyi karşılaştırmak biraz yanıltıcı olsa da. Bir kez daha, "güzel" bir gözleme yol açan bir Kolay Analitik alıştırması !

Bazı basit veri analizi alıştırmaları rutin olarak yapılabilir ve şaşırtıcı araçlar sayesinde nispeten daha kolay hale getirilir:

B-Okul Satın Alma Davranışının Kodu Çözüldü

Hindistan'da kampüste mağazası olan bir B-Okulunda (kampüs şehir merkezinden uzaktadır), bazı akıllı öğrenciler kampüs mağazalarının birkaç yıllık satış verilerini koyarlar . Olağanüstü bilgisayar gücü ve neredeyse aptal olmayan analiz yazılımı onları heyecanlandırdı.

Ancak asıl sürpriz, sekiz ürünün yıllık satışlarının %85'ini oluşturmasıydı . Daha da önemlisi, bu sekiz ürün yılın sadece altı gününde tüketildi! Herkes bir avuç dolusu ürünün hızlı hareket eden tek şey olduğunu biliyordu, ancak bunun kapsamını (%85) veya yoğunluğunu (sadece altı günde tüketim) bilmiyorlardı.

Anlaşılan o ki, dönemin ilk 3 gününde öğrenciler tüm dönem için malzemeleri stoklayacak! B-Okul yakındaki bir mağazadan dönem başında sadece iki haftalığına geçici bir duraklama yapmasını ve Kampüs Mağazasını kapatmasını mantıklı buldu. Bu, öğrencilere büyük rahatsızlık vermeden faydalı alan ve maliyet tasarrufu sağladı. Güçlü bir araç yardımıyla yapılan Easy Analytics'in güzel bir örneği.

" O Kadar Kolay Değil" Analitiği, derin analitik anlayışa, araçlara, "analitik zihniyete" ve biraz sıkı çalışmaya ihtiyaç duyar. İşte biri 70'li yıllardan alınan ve diğeri çok yakın zamanda meydana gelen iki örnek:

Kolay Olmayan Analitik

Uçmak ya da Uçmamak İşte Bütün Mesele Bu

Uzun zaman önce, American Airlines , her havayolu koltuğunu yöneten SABER Airline Reservation sistemi sayesinde uçak koltuklarının planlı çifte rezervasyonunu mükemmelleştirdi.
Yıl boyunca her gün için her uçuşun her segmentinde 'boş koltuk' ve 'no show' ile ilgili ayrıntılı geçmiş verilerle donanmış ve havayolu koltuklarını bozulabilir mallar olarak modelleyen American Airlines , verimi, yani uçak kullanımını iyileştirmeyi başardı. kapasite. Bunu, planlanan iptallere dayalı olarak koltuk sayısından daha fazla bilet satarak planlı çifte rezervasyon yoluyla yaptılar .

Gerçek koltuk sayısından daha fazla yolcu gelirse, American Airlines, gönüllü olan herkesin belirli bir uçuşta seyahat etmekten vazgeçmesini, onları bir sonraki uçuşta (genellikle ücretsiz) uçurma ve gerekirse otel konaklamasıyla ilgilenme teklifinde bulunur. Bazen, gönüllüye vazgeçmeleri için nakit teşvikler bile sunarlar.

Gelişmiş İstatistiksel ve Yöneylem Araştırması modellemesini kullanan American Airlines, uçuşların dolu olmasını ve tam kapasiteden daha fazla yolcunun gerçek olaylarının sıfıra yakın olmasını sağlayacaktı. Aslında birçok öğrenci teşvik alabilmek için bu tür olayları dört gözle beklerdi (aslında bu listeye kendimi de dahil etmem gerekirdi) ama nadiren ödüllendirildiler!)

American Airlines'ın bir deney olarak başladığı şey , yıllar içinde standart endüstri uygulaması haline geldi. Yakın zamana kadar, böyle bir analitik alıştırmasının sürdürülebilmesi için muazzam bilgi işlem gücüne erişimle donanmış, iyi eğitimli (genellikle doktora derecesine sahip) bir analist ekibine ihtiyaç vardı.

Şimdi, R Programlama dili ve önemli görselleştirme/grafik gücüne sahip güçlü masaüstü bilgisayarlar gibi yeni nesil yazılımlar , veri analitiği dünyasını gerçekten hızlı bir şekilde değiştiriyor. İyi eğitim almış (artık doktora gerektirmeyen) herkes birinci sınıf bir analitik uzmanı olabilir.

Çantadan Çıkan Kabin

Uber, veri analitiğinin gücünün köklü bir endüstriyi nasıl bozabileceğini gösteren bir başka örnek . Bangalore ve Ola Cabs'ta kesinlikle taksi Uber'e benzer. Bu Taxi-App şirketleri birlikte (bir taksi çağırmak için bir Mobil Uygulama kullanan, taksiyi takip eden, taksiyi kullanan ve ödeyen) dünyayı araba sahipliğinden isteğe bağlı araba kullanımına geçmeye ikna etmeye çalışıyor .
2008 yılında basit ama derin bir analiz çalışması Uber'e o kadar güven verdi ki, 2025 yılına kadar araba satışlarını %25 oranında azaltmaktan bahsetmeye başladı!
Uber'in kurucusu, iPhone için Uber Uygulamasını oluşturduktan sonra, San Francisco'da birkaç yüz taksi müşterisi ve o bölgede birkaç yüz taksi şoförü kaydettirdi. Kayıtlı sürücülerin tek yapması gereken, bir müşteri için hazır olduklarında Uber Uygulamasına dokunmaktı. Benzer şekilde, kayıtlı taksi müşterilerinden taksi aradıklarında Uber Uygulamasına dokunmaları istendi.
İnternete bağlı telefon (bağlantı), Mobil Uygulama (kullanıcı arayüzü), GPS (taksi ve son kullanıcı konumu) ve GIS (konum ayrıntıları) sayesinde Uber, taksi şoförlerini ve taksi kullanıcılarını bağlamayı deneyebilir.

Gerçek fikir , taksi şoförlerinin zamanın yaklaşık %90'ının 100 metreden daha yakın bir mesafede bir müşteri bulduğuydu! Aynı şekilde, zamanın yaklaşık %90'ı taksi kullanıcıları, potansiyel sürücüleri ile kısa sürede, çok da uzak olmayan bir yerde bağlantı kurdular.
Ne yazık ki, Uber Uygulaması ortaya çıkana kadar, sürücülerin ve taksi sürücülerinin bu bilgiyi bilmelerinin hiçbir yolu yoktu. Daha da önemlisi, ikisinin de birbirine ulaşmasının hiçbir yolu yoktu! Bu bilgilere ve erişime sahip olduklarında, yeni bir taksi çağırma yöntemi oluşturulabilirdi.

Taksileri planlamak için arka uç yazılımlar, ödeme ağ geçidi ve mobil ödeme mekanizması ile çok daha üstün bir taksi hizmeti oluşturulabilir. Tabii ki, evimizin yakınında, bu deneyimi otomatik çekçeklere bile genişletmeye çalışan Taksi gibi daha iyi seçeneklerimiz vardı. Gerisi, dedikleri gibi, “tarih yapım aşamasındadır!”

Veri analitiğindeki derin dalış kursları, sizi bu tür yüksek etkili uygulamalara hazırlamanıza yardımcı olacaktır. Kolay değil, ama eski ABD Başkanı Kennedy'nin sözlerini hatırlayın.

“Ay'a kolay olduğu için değil, zor olduğu için gitmeyi seçtik!”

Dünyanın en iyi Üniversitelerinden veri bilimi sertifikası alın . Kariyerinizi hızlandırmak için Yönetici PG Programları, İleri Düzey Sertifika Programları veya Yüksek Lisans Programları öğrenin.