Çoğu işletmeye "bir veri sorununuz var mı" diye sorun, dürüst cevap neredeyse her zaman evettir — kimse bunu öyle çerçevelememiş olsa bile. Bu, yalnızca bir kişinin anladığı Excel tabloları, birbirini asla tam tutturamayan panolar ve rakamlar dört farklı sistemde yaşadığı için derlenmesi iki gün süren raporlar olarak kendini gösterir.
Bunun üzerine yapay zekâ ajanları veya otomasyon inşa etmeye çalıştığınız anda bu çok daha büyük bir sorun haline gelir. Otomasyon, insanların her gün sessizce etrafından dolaştığı belirsizliğe tolerans göstermez. Aynı şirket adının hafifçe farklı iki yazımına sahip bir müşteri kaydına bakan bir kişi, bunların aynı müşteri olduğunu bilir. Tam dize değerlerine göre eşleştirme yapan otomatik bir iş akışı bilmez — ve ya sessizce başarısız olur ya da sessizce yanlış şeyi yapar.
"Veriyle sonra ilgileniriz" neden işe yaramıyor
Heyecan verici kısımla başlamak cazip gelir — bir yapay zekâ ajanı, akıcı bir otomatik iş akışı — ve veri kalitesini ortaya çıkarsa çözülecek bir sorun olarak ele almak. Pratikte, her zaman ortaya çıkar ve en kötü zamanda çıkar: otomasyon inşa edildikten sonra, bir paydaş rakamların zaten bildikleriyle uyuşmadığını fark ettiğinde ve tüm projeye duyulan güven, hiç gerekmeyen bir darbe alır.
Bunu doğru yapan ekipler, veri etkinleştirmeyi bir dipnot değil, ayrı, en baştaki bir aşama olarak ele alır. Bunun devasa, çok çeyreklik bir girişim olması gerekmez. Ama otomasyon verinin doğru olmasına bağımlı hale gelmeden önce gerçekleşmesi gerekir.
Veri etkinleştirme gerçekte neyi kapsar
Kaynak haritalama. Her şeyden önce, verinizin gerçekte nerede yaşadığına dair gerçek bir envantere ihtiyacınız var — resmi sistem kaydı değil, kimsenin var olmadığını iddia ettiği gölge Excel tabloları dahil, önemli verinin gerçekte tutulduğu her yer.
Kalite değerlendirmesi. Her kaynak için, veri gerçekte ne kadar tutarlı? Müşteri kayıtları mükerrer mi? Ürün kimlikleri sistemler arasında tutarlı mı? Tarihler tutarlı formatlarda mı? Bu adım genellikle beklenenden daha fazla sorun ortaya çıkarır — bu normaldir, kötü bir işaret değildir.
Temizleme ve standartlaştırma. Mükerrerler çözülür, formatlar standartlaştırılır ve — kritik olarak — dağınıklığın altı ay sonra yeniden ortaya çıkmaması için tanımlı bir süreç yerleştirilir. Standartlaştırma süreci olmadan temizlik, tekrarlayan bir soruna tek seferlik bir çözümdür.
Yapılandırma. Temizlenen veri, hem insanların hem de otomatik sistemlerin güvenilir şekilde sorgulayabileceği tutarlı, iyi tanımlanmış bir yapıya organize edilir. Ad hoc Excel tablolarının gerçek, güvenilir bir veri katmanına daha yakın bir şeye dönüştüğü nokta burasıdır.
Etkinleştirme. Yapılandırılmış veri, gerçekte ihtiyaç duyulan yere — panolar, raporlar ve üzerine inşa edilen otomasyonlar veya yapay zekâ ajanları — bağlanır. Bu, kazanç adımıdır ve yalnızca kendinden önceki dört adım sayesinde güvenilirdir.
Verinizin "yapay zekâya hazır" olup olmadığına dair bir test
Basit, pratik bir test: ekibinizde yeni biri olan birine belirli bir iş sorusu verseydiniz — "son iki çeyrekte bölgeye göre tekrar eden müşteri oranımız nedir" — mevcut sistemleri kullanarak, elle üç dışa aktarımı bir araya getirmeden bir öğleden sonrada cevaplayabilirler mi? Dürüst cevap hayırsa, bu, otomasyon teknolojisinin kendisi ne kadar iyi olursa olsun, verinin henüz otomasyona hazır olmadığının bir işaretidir.
Bu test göründüğünden daha önemlidir. Sipariş geçmişini kullanarak müşteri sorularını yanıtlaması gereken bir yapay zekâ ajanı, işlevsel olarak aynı türden soruyu tekrar tekrar, otomatik olarak sormaktadır. Bir kişi bunu hızlı ve güvenilir şekilde cevaplayamıyorsa, ajan da cevaplayamayacaktır.
Ekiplerin şaşırdığı yerler
Doğrudan adlandırılmaya değecek kadar sık görülen birkaç örüntü var:
"CRM'imiz var, o yüzden müşteri verimiz iyidir." Bir sistem kaydına sahip olmak, içindeki verinin eksiksiz veya tutarlı olduğu anlamına gelmez. Kayıtların yalnızca bir kısmının güncel tutulduğunu, geri kalanının bir kez doldurulup bir daha dokunulmadığını bulmak yaygındır.
"Verimiz temiz, sadece bağlanması gerekiyor." Bazen doğrudur. Daha sık olarak, iki sistemi gerçekten bağlama eylemi, her sistem tek başına görüntülendiği sürece görünmez olan tutarsızlıkları ortaya çıkaran şeydir.
"Bu hızlı bir temizlik olacak." Temizlemek nadiren zor kısımdır. Veriyi ileriye dönük temiz tutan standartlaştırma sürecini inşa etmek, yatırımın gerçekten tutup tutmayacağını belirleyen kısımdır.
Açıklayıcı bir örnek
Aralarında tutarlı bir eşleme olmadan, her biri hafifçe farklı bir ürün tanımlama şeması kullanan üç bölgesel Excel tablosu, eski bir ERP dışa aktarımı ve bir CRM üzerinden satışları takip eden bir dağıtımcı düşünün. Herhangi bir otomasyon düşünülmeden önce, acil ihtiyaç bu tanımlayıcıları tek bir yapıda uzlaştıran bir hattı. Otomasyonun kendisi değil o yapı, işin büyük kısmı oldu ve daha sonraki her raporlama ve otomasyon projesinin dayandığı temel haline geldi.
Bu, yaygın bir örüntüyü gösteren bileşik bir örnektir, belirli bir müşteri iş birliği değildir — ama sorunun şekli ve onu çözmek için gereken işlem sırası sürekli karşımıza çıkar.
Pratik sonuç
Bir yapay zekâ ajanı veya otomasyon projesi planlıyorsanız ve henüz "altta yatan verimiz gerçekten buna hazır mı" diye sormadıysanız, önce cevaplanması gereken soru budur — araçları seçmeden önce, otomasyonun kendisini kapsamlandırmadan önce. Nadiren projenin en heyecan verici kısmıdır. Neredeyse her zaman, heyecan verici kısmın gerçekten işe yarayıp yaramayacağını belirleyen kısımdır.
Bu konuya nasıl yaklaştığımız hakkında daha fazlasını Veri Etkinleştirme sayfamızda öğrenin.