Ekonometrist / Veri Bilimci
-
Perakendeyi tekrar düşünmek… The Retail Reset
Kitap Tanıtımı
1,544 words7–10 minutesDönüşümler çağında yaşıyoruz. Sadece 20 yıl içerisinde fiziksel kanaldan online kanala geçiş sonrasında da omni-kanal ismi verilen iki kanalın birbiriyle entegre olarak çalıştığı süreci yaşadık. Ancak gelinen nokta sadece dijital dönüşüm değil; sosyal, ekonomik ve teknolojik değişmeler de ticaretin alıştığımız yüzünü değiştiriyor.
Bugün, bu hızlı dönüşüm için geleneksel perakendenin tümden yeniden kurgulanması gerekiyor. İşte İspanyol perakende yöneticileri Dimas Gimeno ve Luis Lara’nın kaleme aldıkları “Retail Reset” isimli kitap, oyunun yeni kurallarını tartışmaya açmakta. Bu yazımızda 2023 yılında yayınlanan ancak benim yeni okuma fırsatı bulduğum bu kitaptan ilginç fikirleri sizinle paylaşacağım.
İki tecrübeli perakendeci daha henüz kitabın başlangıcında güçlü bir giriş yapıyorlar
“Umuyoruz ki bu kitap perakende sektörünün uyunamasına ve retail reset olarak adlandırdığımız öz değerlendirme süreci ve aksiyonlar üzerine çalışmaya başlamasına neden olacaktır.
Yazarlar, 21.yy’nin ilk çeyreğinde gündeme gelen paradigma değişiminin perakendecileri bir yeniden başlatmaya, yazının bundan sonraki bölümünde İngilizce ismi ile anacağım “Retail Reset’e” zorladığını altını çiziyorlar. Ancak burada bahsedilen yaklaşmakta olan “Perakende Kıyameti” tarzı bir dönemden çok perakende için bir “Rönesans (yeniden doğuş)” olacak dönüşüm süreci.
Eğer bir problemi çözmek için bir saatim olsa idi, bunun ilk 55 dakikasını problemi tanımlamaya, kalan 5 dakikasını da çözümü bulmak için harcardım.
Albert Einstein
Kitabın ilk iki bölümünde, bizi önerilen bu yeni başlangıca zorlayan nedenler tartışılırken, üçüncü ve son bölümde 15 maddelik bir manifesto ve büyük dönüşüm için 120 farklı mikro aksiyon listeleniyor. Bu kitabı hızla tüketmek isteyen perakendeciler bu tanıtım yazısını okuduktan sonra hemen manifesto ve aksiyon önerilerine geçebilir. Ancak problem tanımını tam algılamadan hızla çözüme geçmek birazdan daha detaylı tartışacağımız bazı verimsizliklere neden olabilir.
Günümüzde hızlanan dünyanın bir yansıması olarak perakendeciler kendilerine ayrılan 60 dakikanın tamamını çözüm üretmek için harcıyor. Mevcut problem çok kısa dashboardlara yansıyan KPI’lere kaçamak bir bakış sonrası hızla tespit ediliyor (bu nedenle dashboardların gerçekten hikâyeyi olabildiğince etkin anlatması ve iyi iş zekası uygulaması gerekli, ama bu başka yazının konusu…).
Problem tanımlamadaki bu acele, ister istemez perakendecileri Harvard Üniversitesi profesörü Theodore Levitt’in 1960’ta kaleme aldığı makalesinde kavramlaştırdığı “Perakende Miyopluğu” tuzağına düşürüyor. Perakende miyopluğuna yakalanmış bir şirket pazarını müşterileri ve onların isteklerine göre değil, yalnızca kendi ürünleri, hizmetleri ve kanalları üzerine tanımlar. Gimeno ve Lara, bu miyopinin dört farklı şekilde ortaya çıkabileceğinin altını çiziyor. Yazarlar çoğu şirketin hiç fark etmeden inovasyonda öncü olduklarını düşündükleri evrede dahi bu miyopilerden birden fazlasına sahip olduklarını iddia ediyorlar.
Kitap, perakende dönüşümünün sadece internete değil, 1990-2020 arasındaki her on yıllık dönemde yaşanan sırasıyla küreselleşme, dijitalleşme, sosyalleşme ve nihayet 2020-30 döneminde içinde olduğumuz sürdürülebilirlik dalgalarının zorlamasıyla gerçekleştiğini öne sürüyor. Bu doğrultuda birçok büyük şirketin sadece dijitalleşme evresinin internet adımına odaklanarak perakende miyopisine yakalandığı ve dönüşümün özünü tümden kaçırdığının altı çiziliyor.
Perkandecilerin değişim ihtiyacını fark edememelerinin tartışmasının ardından Kitap, “Retail Reset’i Kaçınılmaz Kılan 8 Neden” üzerine odaklanıyor.
- Doygunluk — Marka, ürün ve satış noktası fazlalığı
- Parçalanma — Pazar ve değer zincirlerinin bölünmesi
- Büyük dijital platformlar — Amazon, Alibaba gibi devlerin değişimi hızlandırması
- Yeni bozucu iş modelleri — Dijital ortam yerlisi markalar
- Erişim sorununun sonu — “Tele-herşeyin”in yaygınlaşması
- Nesil kaynaşması — Demografi ile tanımlanamayan C Kuşağı’nın ortaya çıkması
- Dijital ivmelenme — Fiziksel mağazaların yeni rolü
- Yoğun veri toplama —Büyük veri ve küçük veri’nın yükselişi
Bu sekiz neden arasında özellikle Generation C ve perakende sektöründeki analitikçi kimliğimden dolayı büyük ve küçük veri ile ilgili son maddeyi bu yazıda daha detaylı tartışmak istiyorum.
Günümüzde şirketler çoğunlukla 2008 büyük resesyonuna maruz kalan Y kuşağına ve resesyon sonrası büyüme döneminin çağdaşı Z kuşağına odaklanarak stratejilerini belirliyor. Ancak 2020 yılında Covid-19 salgını ile başlayan süreç bambaşka bir kuşağı, C Kuşağı’nı (Generation Connected – Bağlı Kuşak) başat hale getirdi. Bu kuşak, alışılmış demografik kuşakların aksine, erken ergenlik dönemindeki gençlerden onların dede ve büyükannelerine kadar yayılan, coğrafya veya gelir seviyesinden bağımsız, çevrim içi alışverişi daha rahat bulan davranış kalıbını temsil ediyor.
Aslında bu terim ilk olarak 2012 yılında Brian Solis tarafından ortaya atılmış olsa da, 2020 Küresel Sağlık Krizi sırasında iflas eden sağlık sisteminin nefes alması için getirilen hareket kısıtlamaları sonrası yaşlı nesillerin dijital dünyaya geçişinin hızlanmasıyla daha belirgin hale geldi. C Kuşağı, yaştan bağımsız bir tüketici davranışı olarak ortaya çıktı. Perakendecilerin bu demografik-hibrit kuşağı kapsayacak şekilde stratejilerinde değişiklikler yapmaları gerekiyor.
Salgın sırasında perakendeciler dijital penetrasyonda belki de on yılda görecekleri sıçramayı birkaç ay içerisinde yaşadılar. Fakat çoğu bu sıçramanın ortaya çıkardığı dev veriyi işlemekte ve gerekli içgörüleri yakalamakta başarısız oldu. Nihai dönüşüm sırasında verinin kullanılması müşteri kazanımını önemli seviyede artıracaktır. Ancak veri yönetişimi ve kalitesi sorunlarının çözülmemiş olması müşteri davranışları ve tedarik zinciri verilerinin büyük veri yatırımları ile analiz edilmesini imkânsız hale getirebilir.
Büyük verinin yanı sıra küçük veri olarak adlandırılan mağazalarımızı ziyaret eden müşterilerle yapılan çeşitli anketlerin sonuçlarının da müşterinin ihtiyaçlarının anlaşılmasında kritik bir rolü olduğunu hatırlamakta fayda var. Zara markasının sahibi olan INDITEX bu konuda kuruluşundan itibaren haftalık olarak “neler satmıyor ve neden satmıyor, daha fazla satması için ne yapmak gerekir?” sorularının cevaplarını nitel araştırmalar ile satış temsilcilerinden toplamakta, bu veriyi sayısal büyük veri ile bağlayarak strateji üretmektedir. Maalesef bugün birçok perakendeci “Net Promoter Score” anketi gibi çok değerli küçük veri setlerini aksiyona çıkarmakta, bunlardan analitik veriler üretmekte geri kalmaktadır.
“Ürünlerin için müşteri arama, müşterilerin için ürün ara. İnsanlar yaptığın ürünü değil, o ürünün onlara hissettireceği şeyi ister.”
Seth Godin
Value ve Value Plus Ayrımı
Yazarlar bu kavramları Scott Galloway’a dayandırarak ortaya koyuyor. Galloway’e göre perakendede artık yalnızca iki seçenek var: ya Value satarsınız ya da Value Plus. Başka bir yol kalmadı.
Value (Değer) tarafında tüketici kararlarını sol beyin yönetiyor: fiyat, kalite-fiyat dengesi, hız, pratiklik. Müşteri markayı seviyor değil, işine yarıyor. Burada rekabet son derece yoğun ve bu alanın gerçek kazananları Amazon, Temu gibi büyük dijital platformlar — çünkü onları fiyat ve hızda yenmek neredeyse imkânsız.
Value Plus (Değer+) tarafında ise karar mekanizması değişiyor. Müşteri artık ürünün ne yaptığına değil, ürünün kendisini nasıl hissettirdiğine bakıyor. Marka değerleri, içerik, deneyim, hikâye ve topluluk duygusu devreye giriyor. Müşteri markayı seviyorsa bu artık rasyonel bir tercih değil, duygusal bir bağ…
Kitabın müşteriler ve yeni değer denklemi bölümünde bir noktanın çok yerinde bir tespiti yapılmış.
“Geldiğimiz noktada rekabetin çok daha olduğu promosyon, ürün çeşitliliği, operasyonel etkinlik dünyasında pozisyon almayı bırakıp, his / deneyim yaratmaya odaklanmamız gerekiyor… “
Dijital ruhun varlığı ve yeni gelişen C kuşağı, büyük verinin toplanması ve daha iyi müşteri deneyimi üretmede kullanılabilmesi, sosyal medyanın marka inşaası yöntemlerini değiştirmesi gibi faktörler yeni bir dinamik yarattı. Artık sadece alt seviye ihtiyaçlar (çeşit, fiyat, operasyonel etkinlik) ya da tek başına duygusal bağlantılara (marka, değerler, hizmet ve deneyimler) üzerine odaklanmak mümkün değil. Markaların hem rasyonel hem de duygusal bağlantılara odaklanması gerekiyor. Benim tespitim, perakende liderlerinin rasyonel bağlantılara odaklanmaya devam ettiği yönünde.
Perakende büyük bir hızla değişmeye devam ediyor. Bu da çevrim içi ve çevrim dışı, satıcı ve marka, müşteri ve tasarımcı, müşteri ve kanaat önderi arasındaki farkın hızla kaybolmasına neden oluyor. Bu entegrasyon ve bağlantılılık, müşteri etkileşimi ve satış için bize sonsuz fırsatlar sunuyor. Bugüne kadar firmalar satışı artırmak için birbirleriyle değer bölgesinde çarpışmaktaydı; bu savaşın ilk cephesiydi. Şimdi ise unutulmaz bir satış ve hayat deneyimin sunulması ve değer (+) bölgesine hareket edilmesi gerekiyor.
Yazarların sıklıkla alıntı yaptığı NYU Profesörü Scott Galloway daha önce bahsettiğimiz gibi gelecekte firmaların değer ya da değer(+) bölgesinde yer alması gerektiğini, bunun dışında bir seçimin mümkün olmadığını söylüyor. Bundan sonra kararlarını rasyonel beklentilere (fiyat, çeşit vb.) göre veren “değer” müşterisinin yanı sıra içerik, inovasyon, hizmet ve deneyim gibi faktörlere de değer veren “değer(+)” müşterisinin tatmin edilmesi çok önemli olacak.
Sıkıcı perakendenin geleceği yok
Scott Galloway
Firmaların “değer” odaklı satış stratejisinden “değer(+)” odaklı stratejiye geçişi müşterileri tarafından takdir edilmekten sevilmeye geçişi olarak da görülebilir. Değer ve Değer(+) anlayışları arasındaki geçişi kurgulamak için “Sekiz Vektörlü Değer Matrisini”ni kullanabiliriz.
Tablo : Gimeno ve Lara tarafından önerilen sekiz faktörlü değer matrisi Geleceğin müşterileri perakendecileri bu kadrandaki her faktöre göre değerlendirecekler, ancak bu matrisin her öğesinden geçer notu almak değil, stratejik olarak belirlenen bazılarında en iyi olmak gelecekte firmanın pazardaki yerini ortaya koyacak.
“Retail Reset” isimli kitap, yeni perakende ile ilgili bu kısa yazıda özetlediğim noktalara değinirken, sektördeki kanal algısındaki değişimi de masaya yatırıyor. 1960’lı yıllarda son halini alan tek kanallı fiziksel dükkan kurgusundan, multikanal, omnikanal (çevrim içi – dışı bir arada) kurgularına nasıl gidildiği inceleniyor.
Ancak yazarlar gelinen son noktada, 2008 krizinin zorlaması sonucu oluşan tüm kanallarda tek bir marka deneyimi, tek bir müşteri ve envanter vizyonu hedefleyen omnichannel modeline eleştiriler getiriyorlar. Gimeno ve Lara’ya göre perakendeciler omnichannel modeli içerisinde kanalları birleştirmeye çalıştılar ama entegre edemediler. Bu nedenle bu kanal modelinin uzun vadede perakendecilere gelişme yolu açması beklenemez. Yazarlar çözüm olarak Türkçeye Fizi-digital şeklinde çevirebileceğimiz phygital kanal modelini öneriyorlar. Bu konuda kitapta yapılan tartışma çok ilgi çekici, ancak bunu ayrı bir yazıda dikkate almak istiyorum. Ama bu noktayı daha sonra dönmek için arkamızda bırakmadan önce, özellikle az önce değindiğimiz değer matrisinin bazı kadranlarının ancak fiziksel mağaza ortamında müşteriye sunulabileceğini hatırlatmak istiyorum. Yani, fizi-dijital bir kanal modeli, yani dijital omurga üzerine inşa edilen, fiziksel ve dijitalin organik olarak tek bir platform haline geldiği bir yapı, firmanın “değer” den “değer(+)” geçişini de kolaylaştıracaktır.
“Retail Reset”, kitabın başında Einstein’a yaptığı atıfta altını çizdiği gibi, ilk 55 dakikada problemi tanımladıktan sonra, son 5 dakikada dönüşüm için 4 ana başlık altında 15 tavsiye verdikten sonra bunları 120 aksiyon önerisine bağlıyor. Kitap, 5 dakikalık çözüm önerisi bölümünde de 55 dakikalık problem tanımı bölümü kadar net bir metodoloji izliyor.
4 Başlık -> 15 Tavsiye -> 120 Aksiyon Önerisi
Bu yazının amacı kitabı ve tartıştığı sorunları tanıtmak olduğundan, çözüm önerilerini yapay zekâ ile hazırlattığım (ancak kitabı okurken aldığım notlara uygunluğunu kontrol ettiğim) 15 tavsiyeyi özetleyerek bitirmek istiyorum. Bu kapsamlı çözüm defteri bu yazıyı okuyup kitabı incelemek isteyecek perakendecilerin yollarını aydınlatacağını umuyorum.
Kitabı perakendenin geleceğinin yazılması için yeni bir dile ihtiyaç olduğunu düşünen, “Danimarka Krallığı’nda bir şeyler çürüyor…” endişesi içerisindeki her perakendecinin zevk ile okuyacağını düşünüyorum.
-
Veri Bilimi ve Retorik
669 words3–4 minutesBundan bir kaç hafta önce, veri analitiği uzmanlarının neden veri hikayeciliğine ihtiyaç duydukları konusunda odaklanmıştık. Veri Analizi alanında 20.yy’da yaşanan gelişmeleri özetledikten sonra, özellikle “Büyük Veri” devrimi sonrası neden Veri hikayeciliği konusuna ihtiyaç duyulmaya başladığı konusunu irdelemiştik.
Veri Hikayeciği; Karmaşık veri kümelerini, belirli bir hedef kitle için anlaşılır, akılda kalıcı ve çoğu zaman ikna edici bir hikâyeye dönüştürme sürecidir.
Veri analizi sürecinde üretilen tablolar, grafikler, resimler ve metinlerin amacı ne oldu? neden önemli ve şimdi ne yapmalıyız sorularına cevap aramaktır. Bunu en etkili biçimde yapmak için Veri – Öykü – Görsel öğelerinin en etkin şekilde harmanlanması şarttır.
Ancak iyi bir anlatım için sadece veriyi özetleyen öğelerin bir araya getirilmesi yeterli değildir. “Veri hikayeciliği” faaliyetinde sadece sonuca odaklanırsak amaç çok nettir,
verilerden iç görü çıkarılması için en uygun veri analiz raporu veya dashboard tasarımının iş yöneticilerine sunulması…
Ancak sürece baktığımızda “Veri hikayeciliği” aynen edebi hikayecilikte olduğu gibi bir ikna etme sürecidir. Edebiyat bunu sadece anlatı ile yaparken, “Veri hikayeciliği” anlatı, veri ve görselleri kullanarak bir süreci tasvir etmeye çalışır. Bu yaklaşımda amaç hedef kitlenin veri hikayeciliği yardımı ile farklı bir bakış açısı ile aydınlatılması ve harekete geçmeye ikna edilmesidir.
Peki veri hikayecisi bu hedefine ulaşmaya çalışırken kitleleri nasıl aydınlatacak ve daha önemlisi harekete geçmeye ikna edecektir. Bu sorunun cevabını Aristoteles 23 yüzyıl önce yazdığı “Retorik” kitabında veriyor.
Sözlü, yazılı veya görsel anlatımla insanları etkileme, yönlendirme ve ikna etme tekniklerinin bütününü ifade eder. Sadeleştirme öncesi Türkçe’de karşılığı belâgattir.
Aristoteles ikna için retorik üçgeni olarak adlandırılan üç biçimi öngörür.
- Ethos (Güvenirlik)
- Logos (Mantık)
- Pathos (Duygu)
Ancak bu üçgenin içerisine. yerleştirmese de, Telos (amaç) ve Karios (zamanlama) adlarında iki biçimden daha bahseder. Birçok edebi anlatıda üçgen yeterli olurken, bir veri hikayesinde bu beş biçiminde uygulanması gerekir…
(Ethos) Güvenirlik
Anlatmakta olduğunuz veri hikayesinin amacına ulaşması kullandığınız verinin güvenilir bir kaynaktan derlenmesi ve teyit edilebilir olmasına bağlıdır. Veri hikayenizi anlatmaya başlarken bu perspektifi göz önünde bulundurursanız hedef kitleniz ile bir güven bağı kurabilirsiniz. Burada bahsedilen güvenin sağlanmasında veri hikayecisinin tecrübesi ve yetkinlikleri ile kitlenin gözünde saygınlık ve kabul sağlaması birinci ayaktır. İkinci temel sütunu ise kullanılan verinin kalitesidir.
(Logos) Mantık ve Sebep = VERI
Veri hikayeniz gerçekler ve görsellere dayanmaktadır. Bu öğelerin bir mantık sırasıyla sebep – sonuç ilişkisi içerisinde mantıksal düşünme sürecini temsil edecek şekilde sunulması veri hikayesi anlatırken olmazsa olmaz bir yöntemdir. Bu aşamada kitlenin nedensellikleri rahat algılayabileceği şekilde bulguların sunulması önemlidir. Karşılaştırma gücü yüksek görseller kullanılarak iş birimlerinin sonuca olan akışı rahatça anlaması sağlanmalıdır.
(Pathos) Duygu = ANLATIM / ÖYKÜLEME
Retorik üçgenin ilk iki ögesi ile sağlam bir temel kurulduktan sonra veri hikayesinin hedef kitleniz için daha ilgi çekici olması için belirleyeceğiniz bir anlatım / öyküleme tekniği doğrultusunda hikayeye duygu (heyecan) katmanız gereklidir. Alışılmış Excel görselleri ya da pastel tonlar ile sunulan herhangi bir noktanın altını çizmeyen görseller anlatı için doğru araçlar değildir.
(Telos) Amaç = ODAK NOKTASI
Mesajın özünü anlatan bir görselleştirmeyi hazırladıktan sonra, anlatığınız hikayenin odak ve amacını keskinleştirmek için anlatım sonunda dinleyicileri getirmek istediğiniz noktanın fark edilir bir şekilde vurgulanması gerekir.
(Kairos) Zamanlama = ORTAM
Veri iletişiminin doğru veri, doğru hikayeleştirme yöntemi ve doğru zaman tercihi belirlenerek yapılması ürettiğiniz veri hikayesinin değişimin tetiklenmesinde katalizör olmasını sağlar. Söyleyecek ne kadar iyi bir hikayeniz olursa olsun, bunu kitlenize hazır olduğu anda iletmez iseniz mesajınızı iletmeniz mümkün olmayacaktır.
Hiç kimse sadece rakamlara bakarak karar vermez. Karar vermek için herkesin bir hikayeye ihtiyacı vardır.
Daniel Kahneman, Psikolog, Davranışsal iktisatın kurucusu
Veri hikayecisinin tek görevi yöneticilere veri içerisinde rehberlik etmek değildir. Aynı zamanda kurum içerisinde değişimin temsilcisi olmaları da beklenir. Bu nedenle anlattığı hikayenin güvenilir verilere dayanan mantıklı bir temel üzerinde oturmuş ve duygulara hitap eden bir anlatısı olması gerekir. Her şeyden önemlisi bu tür bir süreçte üretilen verinin insanları, yöneticileri harekete geçirebilir bir özellikte olması gerektir. Tabii ki hareketin doğru zamanda yapılmasına imkan verecek şekilde aktarılması gerekir.
Sonuç olarak, yaklaşık 2500 yıl önce formüle edilmiş bir anlatı metodolojisi, günümüzde veri hikayeciliğini “operasyonelleştirmek” için fazlasıyla yeterlidir. Mesajımızın değişim için güçlü bir katalizör olmasını istiyorsak, bu yazıda değindiğimiz prensipleri olabildiğince hafızamıza ve pratiğimize yerleştirmeliyiz. Aristoteles’in retoriğinin, modern devirde matematikçilerin ve veri uzmanlarının çalışmalarının halka anlatılması için bu kadar güçlü bir araç hâline geldiğini görse duygulanacağını düşünüyorum.
-
İskele’den Eminönü’ne giderken Ahi Çelebi Camii..
467 words2–3 minutesYeni düzenlenen Eminönü Sahil kesiminde Kadıköy – Üsküdar motorlarının yanaştığı iskelenin hemen arkasında Marmara Belediyeler Birliği merkezi ile Ragıp Gümüşpala caddesi arasında Ahi Çelebi Camii yer alır.
Reşat Ekrem Koçu, İstanbul Ansiklopedi’sinde Camii’nin bir 16.yy eseri olduğundan bahsetse de Camii’nin 1481 – 1500 yılları arasında Tabip Kemal Ahi Can Tebrizi tarafından yaptırıldığı bilinmektedir. Bir kitabesi olmadığından kesin yapım tarihi bilinmemektedir. Fatih devrinden Kanuni devrine kadar hekimbaşılık yapan, ancak henüz Kanuni devrinin başında azil edilerek Mısır’a gidip burada 96 yaşında vefat eden Ahi Çelebi’nin yaşadığı dönemde Mimar Sinan’a Camii yaptırmış olması imkansızdır.
Ahi Çelebi Camii – 2011 / Canon 450D – SigmaDG 28-300MM F/3.5-5.6 Fakat Mimar Sinan’nın kocadığı dönemde yazdırdığı “Tuhfet ül Mi’marin” isimli eserlerinin envanterinde bu Camii 1539 yılındaki yangın sonrası Sinan tarafından tamir edilen bir camii olarak geçmektedir. Camii iki yanda ince uzun hacimlerle genişletilmiş bir kubbenin altına kurulmuştur. Ana kubbenin yükü pandantif ile dört kemere aktarılmıştır. Bu resimde pandantifler iç cephede olduğu için göremiyorsunuz. Pandantif en temel tanım ile üzerine kubbe oturtulan ve kubbenin ağırlığını yapının taşıyıcı elemanlarına aktaran mimari formdur. Örneğin Ayasofya’daki “melekler” pandantif üzerinde durmaktadır.
Camii’nin doğu ve batı katında açılan ikiz kemerler kullanılarak yapı yanlara doğru açılmıştır. Ayrıca iki yan çıkma ile camiinin son bölümü olan ve çeşmenin de yeraldığı son cemaat yerine ulaşılır. Reşat Ekrem Koçu’nun anlatımından anlaşıldığına göre 1912 yılında yapılan Dördüncü Galata Köprüsü inşaatı sırasında su almaya başlamış 1908 – 12 arasında harap kaldıktan sonra batan yerlerine kum doldurulmuştur. İmparatorluğun çöküş döneminde bakımsız kalan camii, 1990 larda kapsamlı bir onarımdan geçmiş, su basmalarına karşı önlem alınmıştır.
Matrakçı Nasuh’un 1530 – 1536 tarihleri arasındaki minayatürlerinde ahşap çatılı gösterilirken, 1539’da Sinan’nın müdahalesi ile kubbe kurulduğu söylenebilir.
Ahi Çelebi Camii 2026 – Canon R5 Mark II / Canon RF 28-70mm F2.8 Taş minaresi dört köşe bir kaide üzerinde yükselir şerefe altı düz ve külahı sivridir.
Camii’nin tarihteki ünü ise Büyük Gezgin Evliya Çelebi’nin başından geçen bir olaydan gelmektedir. Miladi 1631 yılının Muharrem ayının ilk gününde Evliya’nın içi geçer ve Camii’ye çok yakın olan evinde uykuya dalar. Rüyasında Ahi Çelebi Camii’inde sabah namazı kılmaktadır. Kendi tabiri ile sağ tarafında nura gark olmuş geniş bir cemaat vardır. Yanında namaz kılan kişiye isimlerini sorduğunda tüm evliya ve peygamberlerin, dört halifenin ve Kerbela şehitlerinin zor duruma düşmüş Kırım Han’nına yardıma gitmek için yola çıktıklarını ancak Ahi Çelebi Camii’inde sabah namazına durduklarını öğrenir.
2026 Az sonra Camii’ye Hz.Muhammed’in gelmesi ile namaz kılınır. Evliya Çelebi, namaz sonrası Hz. Peygamberi’in huzuruna çıkarıldığında, elini öper iken yanlışlıkla şefaat (bağışlama) dilerim Resullah, yerine seyahat ya Resullah der ve bu rüya sonrası uzun yurt gezileri başlar. Ancak bu dönemde zaten Evliya ufaktan ufaktan İstanbul’un nahiyelerinde gezmelere başlamıştı. Yani bu rüyayı görmesinde de bir maksad olduğu söylenebilir.
Sonuç olarak Unkapanı’nın hemen girişinde bugün Zindan Han ile caddenin karşı köşesindeki Rüstem Paşa Camii arasında kalmış, küçük bir 15.yy Camii olan Ahi Çelebi için söyleyebileceğimiz son söz Reşat Ekrem Koçu tarafından yapılan “Helal” para ile yapılmış olduğu saptamasıdır.
2026 – Son Cemaat Yeri ve Çeşme 
Ahi Çelebi Camii’inden Rüstempaşa Camii manzarası – 2026 -
Yeni enflasyon serileri açıklandı…
5–7 minutes1,070 words
Geçtiğimiz haftaki yazıda bahsetmiş olduğum yenilenen “Tüketici Fiyat Endeksi”, 3 Şubat Salı günü yayınlandı. Türkiye Ocak 2026 verileri ile 2003 bazlı eski serilerin kullanımını bırakarak, 2025 bazlı yeni serilere geçti. Aslında bu geçişin arkasındaki en önemli neden daha önce de bahsettiğimiz gibi AB istatistik sistemi ile uyumun sağlanması. Ancak yeni serilerin iki pratik sonucu olacak;
- Artık çok büyümüş olan endeks değerlerimiz daha rahat yorumlanabilir ve Avrupa endeksleri ile karşılaştırılabilir hale gelecek, böylece gelecekte endekslerde şişkinlik önlenecek.
- Endeksin tasarımında kullanılacak olan mal ve hizmetlerin bazını oluşturan liste, 2000’lerin başındaki tüketim kalıbından 2020’lerin ortasındaki tüketim alışkanlıklarını yansıtacak bir yapıya çekiliyor.
Burada haklı olarak akıllara 2003’ten itibaren değişen tüketim kalıpları ve yeni ürünler endekse yansıtılmıyor muydu? gibi bir soru gelebilir. Aslında her sene yapılan “Hanehalkı Bütçe Araştırması” (HBA) anket verileri doğrultusunda endekse giren ve çıkan 4-5 ürün kapsamında bu değişiklikler hesaplamaya yansıtılmaktaydı. Her sene 15000 aileden toplanan tüketim defterlerinin takip edilmesi ile üretilen HBA verileri eski endekste direkt ürün ağırlıklarını belirlemekte idi. Her sene binde birlik sınırın altında kalan ürünler endeksten çıkarken yeni ürünler endekse giriyordu.
Daha önce ağırlıkların ana belirleyicisi olan HBA, yeni sistemde detay kırılımlarda grup ağırlığını maddelere dağıtmakta kullanılacak. Öte yandan düzey 2 (13’lü sınıflama) ve onun alt kümesi olan düzey 3 seviyesinde ağırlıklar Ulusal Hesaplar, hanehalkı harcamaları hesabından gelecek. Ancak bunun bir alt düzeyinde ağırlıklar ürünlere HBA kullanım oranları ile dağıtılacak.
Dilerseniz bu aşamada “Ulusal Hesap – ECOICOP ” sınıflamasına kısa bir giriş yapalım. Salı gün yayınlanan seriler ile Avrupa bölgesinin özelliklerine göre üretilmiş ve Avrupa İstatistik Ofisi tarafından oluşturulmuş E-Coicop 2018 sınıflamasına geçildi. Daha önce BM tarafından geliştirilmiş ve 1999’daki tüketim kalıplarına dayanan COICOP 1999 sınıflamaları kullanılmaktaydı. Bu değişiklik sonrası enflasyon ana sınıflarına (düzey 2) bir yeni grup daha katılırken, bazı grupların katılan yeni ürünlere göre isimlerinde değişiklikler oldu.
Yeni eklenen grup “Sigorta ve Finansal Hizmetler”. Bunun ile beraber daha önce diğer hizmetler içerisinde takip edilen finans sektörü hizmetleri ayrıca takip edilebilir hale gelecek. Bu kalem altın DASK, sağlık sigortası, banka işlem ücretleri, kredi kartı aidatı gibi fiyatlar takip edilecek. Sigortaların payı 0,42 iken bankacılık ürünlerinin payı 0,64 olacak.
Öte yandan geçtiğimiz endeks içerisinde “Haberleşme” olarak takip edilen grubun ismi “Bilgi ve İletişim Hizmetleri” olarak değişiyor. Böylece internet devriminin ikinci aşamasında ortaya çıkan hizmet ve ürünler bu alt kırılımda daha rahat takip edilebilecek. Bilgi ve İletişim grubu, cep telefonu ve bilgisayardan, televizyona, mobil konuşma ücretine, internet ve cihaz onarımına kadar tüm dijital altyapının fiyatını toplayan bir blok.
Eski “Haberleşme” endeksi sadece resmi / özel posta, kargo gönderim ücreti, sabit ve cep telefonu hizmet ve bağlama ücretlerini içeriyordu. Eski endeks daha çok hizmet yoğunluklu bir grup iken, 2025 baz yıllı endekste “Bilgi ve İletişim” ile ilgili malların fiyatlarının yaklaşık olarak endeksin yarısını oluşturduğunu görüyoruz.
Öte yandan “Eğitim”, “Sağlık”, “Lokanta” gibi hizmet ile ilgili alt kalemlerde önemli bir detaylandırma olduğunu görüyoruz. Yeni endeksin teknolojisinin hizmet fiyatlarının gelişimini ölçmek için çok daha gelişmiş bir hale getirildiğini söyleyebiliriz.
Bu değişiklikler sonrasında Ocak ayında aylık enflasyon %4,84 gelirken, mevsimsel olarak düzeltilmiş aydan aya (a/a) artış %2,9 seviyesinde kaldı. Yıllık enflasyonda yıllık %30,7 seviyesinde gerçekleşirken, işlenmemiş gıda, altın ve enerjiyi dışlayan çekirdek enflasyon tanımı ile yıllık enflasyon %31,5’ta kaldı. 12 aylık ortalama enflasyonun %48,5 seviyesinde devam etmesi 2025’in ilk dönemlerinden kalan yüksek enflasyon etkilerinin devam ettiğini gösteriyor.
2026’da 428 madde ve 972 madde çeşidi için, 39.070 işyerinden ve 5.246 konuttan kira olmak üzere her ay yaklaşık 636.640 fiyat derlenecek ; toplam gözlem sayısı ise 3,45 milyon. Küsuratlı bir sayı verirken yaklaşık diyoruz çünkü mevsimsel hareketler ve cevapsızlık olasılıkları nedeniyle her ay aynı sayıda fiyat derlenmesi mümkün değil.
Bu yazıda amacımız endeksin değişen yapısını incelemek ve bunun gelecekteki etkilerini tartışmak için rakamlara sadece açıklamalarımızda ihtiyaç olacak kadar girmek yeterli. Bugün kritik olarak üzerinde durmamız gereken konu birazda 2025 – 2026 grup ağırlıkları…
Ein Einkaufswagen steht in einem Gang eines Supermarktes zwischen den Regalen. Türkiye enflasyonu üzerinde en belirleyici grup olan “Gıda ve Alkolsüz İçkiler” grubunun ağırlığının 2025 yılına göre 1 puan kadar gerileyerek 24,5 puana düştüğünü görüyoruz. Burada önemli bir gelişme yok ancak 2007 yılından itibaren bu grubun payı yavaş ancak kararlı bir şekilde düşüyor. Bir Tüketici Fiyat Endeksi’nin içerisinde gıda payının düşüklüğü o ülkenin ekonomik gelişmişliği hakkında güzel bir göstergedir. Aşağıda Türkiye’nin enflasyon endeksinde gıda payının çeşitli ülkelerdeki paylar ile karşılaştırmasını görüyorsunuz. Belli bir gelişmişlik seviyesi sonrası bu ağırlığı %15’ler altına indiği izlenebiliyor.
Bu seneki ağırlıklardaki ikinci süpriz Konut, su, elektrik, gaz ve diğer yakıtlar grubundan geldi. Ödenen kirayı içeren bu gruptaki 2025 ağırlığı yaklaşık %15,4 iken, 2026’da bu ağırlık 4 puan daralarak %11,40’a indi. TUIK’in bülten ile beraber yayınladığı metodoloji notundan konut yatırımları ile ilgili bazı tanımlar, hanehalkı tarafından ödenmeyen izafi kiraların ayıklanması gibi nedenlerle bu grubun payında önemli değişim olduğundan bahsediliyor. Aşağıdaki grafikten de görebileceğiniz gibi aslında eski hesaplama yönteminde dahi 2010’dan itibaren parasal harcamalarda kiranın da bulunduğu elektrik-gaz-su grubunda bir gerileme vardı.
Fakat buradaki oynamanın gelecekte enflasyonun hareketinde anlamlı bir etkisi olacağı şekilde yorumlamamak gerekiyor. Çünkü enflasyon hesaplanırken laspeyres zincir endeksine her ürün yine ürün bazında ağırlığı ile girmekte. Aşağıda 2026 yılında payı gerileyen “Konut – su -elektrik – gaz ve diğer yakıtlar” grubunun bir alt detayda ağırlıklarını görüyorsunuz. 2025 yılı verilerine baktığımızda “Konut için yapılan gerçek kira ödemeleri” payının %6,80 olduğunuyani tüketicinin önemli bir parasal yükümlüğü olan kira fiyatlarının payının önemli bir derecede değişmediğini görüyoruz.
Zaten yıllık kira enflasyonu verisi de 2026 nın ilk ayında da hızını kesmeyerek bize enflasyondaki “Kira” payının hesaplanma teknolojisindeki değişimin önemli bir farklılık yaratmadığını gösteriyor. Hemen kiralar ortalama yıllık tüketici enflasyonu kadar artmıyor mu bu rakamlar nedir demeyin, çünkü burada toplanan veriler içerisinde aynı özellikte bir bağımsız bölümün bir sonraki kiralanması ile mevcut yeni kiralaması arasındaki sözleşme şartlarından doğan fiyat artışı da dikkate alınıyor.
Bu sene grup ağırlıklarında dikkat çeken bir diğer nokta ise “Hizmetler” olarak sınıflandırılabilecek
- Sağlık: 2,79
- Ulaştırma: 16,62
- Bilgi ve iletişim: 3,10
- Eğlence, dinlence, spor ve kültür: 4,34
- Eğitim hizmetleri: 2,02
- Lokantalar ve konaklama hizmetleri: 11,13
- Sigorta ve finansal hizmetler: 1,01
grupların payları toplamının %45’e kadar yükselmesi. Tüm ağırlıklar içerisindeki paylara bakıldığında “Giyim Ayakkabı” dışında payı artan bütün grupların hizmet fiyatları olduğu görülüyor. Hizmet fiyatlarının en önemli özelliği artış sonrası aşağı yönlü oynaklığa neredeyse hiç sahip olmamaları ve işgücü piyasası gelişmelerinden direkt etkileniyor olmaları. Hizmet fiyatları yıl içerisinde bir veya iki kez arttırıldıkları için her güncellemede de birikmiş bir etki fiyatlara yansıtılmış oluyor. Bu nedenle hizmet fiyatlarında önemli bir katılık görülebiliyor.
TÜFE içerisinde direkt sadece hizmet kalemlerinin enflasyonunu takip edebildiğimiz bir endeks yok ancak son bir sene içerisinde çeşitli hizmet kalemlerinin enflasyonlarını incelediğimizde, yukarıda bahsedilen durumun pratik çıktısını görebiliyoruz.
Sonuç olarak 2025 = 100 olarak güncelenen enflasyon serileri özellikle hizmet sektörü alt-gruplarında daha net bir takip imkanı sunarken, anket bazlı yeni ürün ekleme yönteminden ulusal hesapların nihayi hanehalkı harcamaları ile beraber kullanılacak hanehalkı bütçe anketine geçilmesi yıllık güncellemelerin daha sağlıklı yapılmasını sağlayacak.
Öte yandan, endekste hizmet kalemlerinin ağırlığının artması enflasyonda yapışkanlığı önümüzdeki dönemde daha da artacağını gösteriyor.
-
Enflasyon serisinin temel yılı değişiyor…
789 words3–5 minutesTÜİK geçtiğimiz Ekim ayında yaptığı bir duyuru ile Tüketici Fiyat Endeksi’nin temel yılı ve alt grup ayırımlarının değişeceğini açıklamıştı. Aşağıda bıraktığım linkten ulaşabileceğiniz açıklamada söz konusu değişikliklerin istatistik teknolojisinde güncelleme olduğu ve manşet enflasyonu değiştirmeyeceği anlaşılıyor. Ancak yeni seriler ile ilgili en yeterli açıklamayı ancak Salı günü veri ile beraber yayınlanacak metodolojik bülteni gördükten sonra söyleyebileceğiz. Ekim ayında yapılan duyurudan anlaşılan, TÜİK’in temel yıl çalışması ile yapacağı değişiklik 2009 yılında paradan sıfır atılması benzeri bir uygulama ve piyasanın takip ettiği manşet enflasyona dokunmadan alt-endekslerin yeniden tanımlanması.
Salı günü açıklanacak rakamların hesaplanma yönteminde yapılacak değişikliğin ne anlama geldiğini tartışmadan önce, belki de bazı temel kavramların ne anlama geldiğini üzerinden geçmekte fayda olabilir.
Öncelikle “Endeksin Temel Yılı” ne anlama geliyor? Enflasyon sepeti içerisindeki 12 ana grup, 44 alt grup ve 901 ürün fiyatı derlenmekte. Bu ürün baz alınarak aylık saha çalışması kapsamında 609 bin üzerindeki fiyat her ay toplanıyor. Ancak çıplak fiyatlardan üretilecek bir göstergenin enflasyonu takip edebilmek için kullanılması hiç pratik değil. Bu nedenle Temel Yılı kapsamında belirlenen bir yıldaki fiyatlar “100” seviyesi olarak belirlenerek fiyatlar düzeyindeki aylık ve yıllık artışlar bu baz tarihe göre takip ediliyor.
“Endeksin Alt Kırılım” ağırlıkları ise hangi ürün ve hizmetlerin benzer kabul edildiği ve beraber sınıflandırıldığına odaklanıyor. Burada da ürün bazında bir ekleme çıkarma yok. Sadece zincir endeks mantığı doğrultusunda belirlenmiş ürünler belli bir sınıflamaya konu edilerek karar vericilere ayrıntılı analiz yapma imkanı sağlanıyor.
Son olarak “Zincir Endeks” nedir? Buna odaklanalım. Her dönemde güncel dönemin fiyat düzeyi bir önceki dönemin fiyat düzeyine oranlanır. Enflasyon bu oran üzerinden çıkarılır. Böylece yıllık olarak ürün sepetleri güncellenebilir. Aslında zincir endekste temel yıl her sene tekrar tanımlanır. Pratik bir örnek olarak 2026 yılında endekse girecek ürünün Aralık ayı fiyatları alınarak (2025 baz yılı) değeri bulunmuş olur. 2026 yılı boyunca yeni fiyatlar derlenerek enflasyon hesaplanır.
Şimdi Ocak 2026 fiyatları ile yapılacak güncellemenin ne olduğuna bir bakalım. TÜİK’in Ekim ayı sonunda yaptığı kamuoyu açıklamasına göre TÜFE’de iki önemli değişiklik olacak. Bunlardan ilki “Baz Yılı” değişimi yukarıda açıkladığım üzere zaten “Zincir Endeks” bağlamında TÜİK Enflasyonu’nun baz yılı her sene giren çıkan ürünler ile değiştiği için bu daha çok kozmetik bir değişiklik olacak. Sadece bu haftadan sonra 2003’teki zincirin ilk halkasının fiyat seviyesi 100 olarak kabul edilmeyecek, onun yerine 2025 yılı baz yılı fiyat “100” olarak kabul edilecek.
Bu enflasyonu zaten “yıllık ve aylık yüzdelik” artış açısından takip eden halk için önemli bir değişiklik getirmeyecek. Sadece endekslerle çalışan araştırmacılar artık 3000 lere ulaşmış endeks değerleri ile değil 100’lü seviyelerdeki değerler ile analizlerini yapacak.
Peki sırf bu sıfır atma benzeri operasyon için mi bazı kullanıcıların kafasını karıştırabilecek bir güncelleme yapılıyor. Tabii ki hayır, resmi istatistikler aslında Türkiye’nin Avrupa Birliği adaylık sürecinde direkt görüşmelere başladığı iki alandan biri, her ne kadar daha sonra farklı fasıllarda görüşmeler tıkansa da, TÜİK aslında yıllardır, “AB İstatistik Sisteminin” bir parçası ve ürettiği verilerin metodoloji ve kapsamı 27 üye ülke ile tam uyumlu olarak belirleniyor. “AB İstatistik Ofisi” 2026 yılı itibariyle tüm ülkelerin verilerinin direkt karşılaştırılabilirliğini arttırmak için “ortak referans yıl” talep ediyor. Bu nedenle sadece oranlar olarak değil, seviyeler açısından da “Avrupa Ülkelerinin” enflasyonları karşılaştırılabilir olacak.
Gelecek hafta açıklanacak veriler ile ilgili ikinci önemli değişiklik ise bundan böyle kategori ağırlıklarının belirlenmesinde farklı bir yönteme gidilmesi olacak. İlk olarak şunu belirtmek gerekiyor, TÜİK’in açıklamasında özellikle vurgulanan aşağıdaki ifadeye göre;
“Yeni TÜFE serisinde ise grup düzeyindeki ağırlıklar, hanehalkı tüketim eğilimlerini daha kapsamlı ve güncel biçimde yansıtan Ulusal Hesaplar Hanehalkı Nihai Tüketim Harcamaları verilerinden elde edilecektir. Alt düzey ağırlıklar ise Hanehalkı Bütçe Anketi ile belirlenmeye devam edecektir. “
Grup / Kategori tanımları ve ağırlıkları belirlenirken yeni bir yaklaşım getiriliyor ancak, manşet enflasyonun açıklanmasında kullanılan eski yapı devam ediyor. Manşet enflasyon (TÜFE’de açıklanan genel oran), teknik olarak maddelerin tek tek (en ayrıntılı seviye) harcama ağırlıkları kullanılarak hesaplanmaktaydı.
Ancak şu anda Birleşmiş Milletler tarafından belirlenmiş olan 12’li COICOP sınıflamasına göre üretilen grup endeksleri, modern tüketim kalıplarına uygun olarak tekrar tanımlanacak. Bu yapılırken de gruplar içindeki, ürün ve alt grup ağırlıkları, en son 2021 baz yıllı veriler ile güncellenmiş olan GSYH altındaki “Hanehalkı Nihai Tüketim Harcamaları” yapısından beslenecek.
Gruplandırma yapısında COICOP’tan AB normlarına uygun ECOICOP V2 sınıflamasına geçilmesi ile yeni oluşacak gruplarla “Türkiye Enflasyonu” üzerinden dijital hizmetlerin görünürlüğü daha artacak.
Perplexity Yapay Zeka Sistemi’nin benim için hazırladığı aşağıdaki tablodan görüldüğü gibi “sigorta ve finansal hizmetler” ve “Kişisel Bakım – Sosyal Koruma” için yeni ana endeksler ortaya çıkarken, artık çok demode kalmış “Haberleşme” isimli alt grup, “Bilgi – İletişim” şeklinde kurgulanıyor. Yeni oluşan “Bilgi ve İletişim” grubu altında, “Haberleşme Hizmetlerinin” yanı sıra, “Bilgi ve İletişim” ekipmanlarının fiyatlarının da bir grup olarak takip edilmesi mümkün olacak.
Her ne kadar TÜİK Ekim ayında genel prensipleri açıklamış olsa da, yeni üretilecek serilerde hangi kırılımları göreceğimiz Salı günü belli olacak. Öte yandan geçtiğimiz düzenlemelerde olduğu gibi bu seferde TÜİK’in geçmiş veriler ile bağlantının sağlanması için ilk açıklamada hem eski hem de yeni baz yılı ile rakamları yayınlaması beklenebilir.
Hafta içerisinde gelecek yeni yıl verilerinin ardından tekrar görüşmek üzere…
-
Veri hikayeciliğine neden ihtiyaç duyarız…
Sonu veri hikayeciliğine çıkan yolun kronolojik bir incelemesi ve operasyonel tanımın tartışılması üzerine bir not…
938 words4–6 minutesGüçlü bir fikir, kesinlikle büyüleyicidir. Ancak o fikri kullanmaya karar verene kadar kesinlikle işe yaramazdır. Richard Bach
“Büyük Veri” ve “Veri ile Karar Veren Kurumlar” gibi kavramlar “Dijital Dönüşüm” sürecinin merkezinde, neredeyse 15 yıldır gündemde. Veri işleme ve depolamada çığır açan teknolojilerin 2010’lu yılların ikinci yarısından itibaren yaygınlaşmasıyla, veriden içgörü çıkarma (veri analizi) iş hayatında tabana yayılan bir konsept oldu. Bir kaç sene içerisinde Genel Müdürden, iş birimi fonksiyonlarının uzmanlarına kadar herkes “Veri Analisti” rolünü üstlenmek zorunda kaldı.
Bu süreç iş hayatının veri ile karar verme kültürü odağında evrilmesine neden oluyor. Ancak her kökten dönüşümde olduğu gibi, veri odaklı dönüşümde de yeni teknolojilerin kendisi, hangi ihtiyaçtan dolayı bu yolda büyük bir adım atıldığının ve teknolojilerin geliştirildiği çözümlemesinin önünde kaldı.
Çok büyük verinin etkin olarak dağıtılması ve kesintisiz işlenmesinin sağlanması sistem mimarlarının birinci önceliği idi. Bu nedenle bu büyük dönüşüm yolculuğu sırasında kilit bir sorunun cevabı genelde hiç düşünülmedi ya da iş biriminin veri analiz ihtiyaçları şeklinde hızla atlandı;
Veri odaklı kararı kim alacak? Bu kişinin bu kararı alırken içgörüye odaklanmasını nasıl kolaylaştırabiliriz? Veri odaklı karar alma ile ilgili karar alma noktalarının yetkinlikleri nasıl planlanmalı.
Bu sorular özellikle BT yöneticilerin dijital dönüşüm alanında daha aşina olduğu teknoloji merkezli sorunlardan, farklı olarak çözüm metodolojisinin geliştirilmesi merkezli sorunları gündeme getirdi. “Büyük Verinin” saklanması ve etkin olarak işlenmesi için gerekli teknoloji hızla gelişirken, sürecin son aşaması için bir çözüm ihtiyacı doğdu. Veri işleme sürecinin en sonunda yer alan “Veri Analizi” aşamasında dev veri silolarında saklanan verilerin nasıl toplulaştırılacağı ve temsil gücü yüksek metriklere (KPI) dönüştürüleceği. Ve nihayet, nasıl somut içgörü haline getirileceği en kritik sorun olarak ön plana çıktı.
Yazının gelişinden anladığınız gibi, “Bilgisayar Bilimi” verinin analistlerin önüne getirilmesi tarafında üzerine düşen görevi yerine getirmiştir. Ancak 20.yy’nin başında formüle olmuş geleneksel istatistik bilimi verinin özetlenmesi ve karar birimlerine sunulması aşamasında yetersiz kalmaktaydı.
İngilizcede Exploratory Data Analysis (EDA) olarak geçen “Keşifsel Veri Analizi” geleneksel istatistiksel çıkarım tekniklerine bir tepki olarak doğdu. O dönemde hakim olan geleneksel yöntemler “Doğrulayıcı Veri Analizi”, (Confirmatory Analysis) olarak adlandırılabilir. Bu yaklaşım, veriden çıkarım yapmayı, hipotezlerin test edilmesi odaklı bir analiz süreci olarak ele almakta idi. Oysa “Keşifsel Veri Analizi”, veri odaklı idi.
John Tukey’in 1968’den itibaren Princeton Üniversitesi İstatistik Bölümü’nde verdiği derslerin birikimi, 1977’de yayımlanan Exploratory Data Analysis (Keşifsel Veri Analizi) kitabında toplandı; bu kitap, keşifsel yaklaşımın istatistiksel çıkarım içindeki yerini kuramsal olarak temellendirdi.
John Tukey 1930’lardan itibaren hakim olan “Confirmatory Analysis” in tersine “Keşifsel Veri Analizi” istatistikçilerin teknik dilini kullanmıyordu. Analiz sırasında ortalama, medyan, standart sapma gibi tüm veri yığınını temsil gücü yüksek metrikler (KPI) hesaplanıyordu. Daha sonra, bu metrikler kullanılarak temsil gücü yüksek çizimler ile yöneticinin ya da karar alıcının içgörü üretmesi hedefleniyordu. Artık veri “modelleme” içerisinde bir girdi değildi, “çıkarım süreci” içerisinde aktif bir öğe idi.
İşte “Veri Hikayeciliği” istatistiksel çıkarım sürecinin bu tarihsel dönüşümü sürecinde 2000’li yılların başında gündeme gelmeye başladı. Her ne kadar “Keşifsel Veri Analizi” veri odaklı karar vermeyi istatistikçiler ve analistlerin tekelinden çıkarmış olsada, kurumlarda veri iki ayrıcalıklı grubun tekelinde kalmaya devam etmekteydi.
Bunlar işi yönetmesi için veriye ihtiyaç duyan üst düzey yöneticiler ve onlara sayfalarca ortalama ve oynaklık verisinin bulunduğu excel dosyaları hazırlayan veri uzmanlarıydı. Bu gruplar dışında kalan kişilerin veriye erişimi sınırlı ve genelde düzenli bir akışta olmuyordu.
Günümüzün dinamik iş ortamı iki önemli konuda kurumları zorlamakta. Bunlardan birincisi böyle bir rekabet ortamında verinin sadece bir kaç tepe yöneticinin erişebildiği bir yerde bulunması. Bu durum kurum içi yenilikçiliği ciddi anlamda sınırlayarak rekabet gücünü düşürmekte. Buna ek olarak iş hayatının artan karmaşıklığına bağlı olarak, üst yönetimin çapraz tablolardaki ortalama rakamlarını kafasında somutlaştırarak karar alma sürecine sokma sürecindeki yükünün hafifletilmesi gerekiyor.
2010’lu yıllarda yaşanan bu veri krizi, verinin iletişimi ve paylaşımının daha efektif olarak yapılması gereğini gözler önüne serdi. İşte bu noktada “Veri Okuryazarlığı” yeni dönemin en önemli yetkinliklerinden biri olarak ön plana çıktı. Ama veri okuryazarları veriyi sayfalarca ortalama ile dolu raporlardan mı okuyacaklardı? Bu yükün karar alıcının üzerine atılması doğru mu idi? Verinin sindirilerek, karara dönüştürülmesi sürecine bir kolaylaştırıcı yöntem bulunmalı idi.
Nasıl İngilizceye hakim olmak için İngiliz Dili ve Edebiyatı bölümü mezunu olmanız gerekmiyor ise, veri okuryazarı olmak için de ileri istatistik tekniklerine hakim olmanız gerekmiyor…
“Veri Hikayeciliği” konsepti bu süreç içerisinde ortaya çıktı. Veriden içgörü çıkarma sürecini zahmetsiz ve doğal bir algı sürecine dönüştürmek ve karar vericilerin yükünü azaltmak için bu konseptin yöntemleri iş hayatında yoğun olarak kullanılmaya başlandı.
Psikolog Gary Klein, “Başkalarının göremediğini görmek…” isimli kitabında (linkten ulaşılabilir) içgörü için sezgi kavramından yola çıkarak bir tanım oluşturuyor. Sezgi, kişinin zaten öğrenmiş olduğu örüntüleri kullanmasıdır; içgörü ise yeni örüntülerin keşfedilmesidir.
Veri hikayeciliği üç ana elemanın başarılı bir şekilde kombinasyonundan oluşur.
- Veri
- Öykü
- Görsel
Dilerseniz bugünkü yazımızın sonlarına yaklaşırken, “Veri Hikayeciliği” tekniklerinin öncüsü Brent Dykes, “Effective Data Storytelling” isimli kitabında bu üç öğenin nasıl harmanlanarak içgörü yaratılabileceği yönündeki süreç önerisini tartışalım.
“Öykü ve Veri” elemanları, birleştiğinde hedef kitlenize verinin içerisinde neyin gerçekleştiğini ve altını çizdiğiniz kavrayışların neden önemli olduğunu açıklamış olursunuz. Öte yandan, “Görsel ve Veri” elemanları, birleştiğinde hedef kitlenizi grafikler ve tablolar dışında yakalanması mümkün olmayan kavrayışlar konusunda aydınlatmış olursunuz.
Son aşamada, “Görsel ve Öykü” elemanları, birleştiğinde veri hikayeniz ile hedef kitlenizi konuya bağlama, hatta anlattığınız hikayeden keyif almasını sağlama imkanınız olur.
Temel mekanizması yukarıdaki şekilde formüle edilebilecek “Veri Hikayeciliği”, “Analitik Değer Yaratma” yolunun üzerinde “Anlayış” / “İçgörü” basamağının geçilmesi için önerilen yöntemler bütünüdür.
Bu yazıda, “Veri Bilimcileri”, (evet veri bilimciler sadece dev karar ağaçları ve karmaşık derin öğrenme sistemleri tasarlamıyor…) “Veri Hikayeciliği” süreçlerini geliştirmeye zorlayan süreci ve ilk aşamada “Veri Hikayeciliğin” operasyonel tanımı ve ana bileşenlerini sizlere aktarmaya çalıştım. Bu serinin bir sonraki aşamasında “Psikoloji” ve “Veri Analizi” arasındaki bağlantıyı inceleyerek hacimli veriler üzerine insanların nasıl zahmetsiz bir şekilde içgörü üretebileceği üzerinde duracağız.
-
Makineler düşünebilir mi? : Anlamak tutkusu ile bilim yapan bir adam, Cahit Arf
6–8 minutes1,306 wordsCahit Arf, İngilizce’de “algebra” olarak geçen cebir alanında uzmanlaşmış bir bilim adamıydı. Cebir, aritmetiğin temel yöntemlerinden biri olarak, matematiksel problemleri lineer denklemler veya polinomlar aracılığıyla genelleştirmeyi amaçlar. Kısaca cebir, ölçülebilen veya sayılabilen nicelikler arasındaki ilişkileri matematiksel olarak ifade etme biçimidir.
Matematiğin cebirden ayrı olan diğer iki yöntemi; geometri, aritmetikte şeklin analizi olarak ortaya çıkarken; calculus, türev ve integral gibi değişimin analizine dayanır.
Cebir, Harezmi’den başlayarak İslam Coğrafyasında düşün adamların yoğun olarak eğildiği bir konu olmuştur. Ord. Prof Dr. Cahit Arf ülkemizde cebir alanında Cumhuriyet Döneminde çok önemli çalışmalar örnek bir bilim adamıdır. Arf cebir’i anlamak için bir yöntem olarak konumlayarak bilgi üretimi konusunda görüşlerinin temelini oluşturmuştur. Profesör Arf, gönül verdiği cebir biliminin ilişkileri matematiksel olarak tanımlama amacına bağlı olarak sürekli olarak anlamaya çalışmak amacını hedeflemiştir. Bu amacının “Bilim insanının amacı anlamaktır ama büyük harflerle ANLAMAKTIR.”
Arf’ın en dikkat çekici özelliği, matematiği sadece bir bilim dalı değil, aynı zamanda bir yaşam ve düşünme biçimi olarak değerlendirmesidir. Ben de doktora derecemi aldıktan sonra bilimi, dünyayı anlamak için bir yöntemler bütünü olarak görmeye başladım.
Bu yazımızda bu büyük bilim adımının 1960 yılında yaptığı bir konuşması konu alacağız. Bu konuşma, öğrenen makineler kavramını formalize eden Alan Turing’in 1950 yılında yayınladığı “Makineler düşünebilir mi?” isimli makale ile aynı başlığı taşıyor. Turing’in makalesinin yayınlanmasından 10 yıl kadar sonra henüz üç yıllık bir üniversite olan Erzurum Atatürk Üniversite’sinde yapılan konuşmada, Arf yeni kurulmuş üniversite ile ilgili fikirlerini paylaştıktan sonra aklı-selim önemini vurgulayan düşüncelerini aktarıyor.
Gündelik dilde “aklı selim” genelde makul, dengeli, panik yapmadan düşünen, sağlıklı karar veren kişi anlamına gelir; “sağduyu” ile neredeyse örtüşür.
Makalenin başında, aklı selim yani sağduyu kavramını tartışan Arf, millet olarak, olağanüstü bir durumla karşılaştığımızda bunu kendi sağduyumuzla çözmek bizim adetimiz değildir tespitini paylaşıyor. Bunun yerine ilim sahibi bir hocaya veya yaşlıya müracaat edip, gerçekleşen olağanüstü duruma karşı davranışımızı tespit etmenin alışkanlığımız olduğunu öneriyor. Tabii ki bu ilim sahibi kişiden beklenen, sizi düşünmeye sevk etmesi değildir. Önerilerini ve açıklamalarını geçmişteki yaşanmışlıklara referans vererek iletmesi beklenir.
Arf’ın bu saptaması, Kant’ın aydınlamanın parolası olan “Aklını kullanma cesaretini göster!” öğüdü ile örtüşür. Derinlemesine değerlendirirsek, aklı selim yerine ilim sahibine müracat yaklaşımının yeni bir düşünce iklimi, yenilik üretimi konusunda toplumu açmaza sokacağını görebiliriz.
Arf burada güzel bir saptama yapıyor: Ona göre bilgiye ulaşma yolunda Batılıları yakalamamızın yolu, kendi sağduyumuza güvenerek karar vermektir. Ama bu güven, körü körüne kendi aklımızı beğenmek değil; hiçbir şeyi anlamadan kabul edememek, yapamamak, anlamadan öğrenememek, bilmemekten değil anlamamaktan acı duymak ve samimi olarak anlamaktır.
Ben de özellikle 30’lu yaşlarımdan sonra bunun önemini daha iyi anladım.
Bu arada bu düşünsel yolculukta Batılıları üstün kılan özelliğin, bedensel bir konu olmadığını; tümevarımcı bir yaklaşımla anladığı esasları üst üste koyarak bilgiye ulaştığını söylüyor.
Arf, konuşmasının ilk bölümünde yukarıda gördüğünüz gibi insanın düşünce faaliyetinin aşamalarını tartıştıktan sonra, aklı kullanmanın ne olduğu ile ilgili askerliği sırasında şahit olduğu bir anısını paylaşmış ve “makineler gibi düşünmek” ile “olayları merkeze alarak düşünmenin” bilgi edinme konusunda ne kadar önemli olduğunu gösterir. Olayları merkeze alıp bilgi üretme yolunu “Tümevarım” olarak adlandırabiliriz. Aslında Arf’ın burada dikkat çektiği gerçek insanların “Tümevarım” ile örnekleri ve olayları değerlendirerek bilgiye varmaya çalışmasıdır. Oysa makineler daha önce dijital olarak programlarına kodlanmış sayısız opsiyon (anahtarı/jetonu “token”) kullanarak nihayi bilgiye ulaşmaya çalışırlar.
Konuşmanın yapıldığı dönemde, derin öğrenme, yapay sinir ağları gibi yapılar ortaya konmadığı için, makinelerin dijital düşünme sistemine dayanan ama hız ve işlem gücü sayesinde “tümevarımsal” bilgi üretme yöntemine benzeten bir düşünce şeklini makinelerin ortaya koyması mümkün değildi. Zaten Turing yeterince gelişmiş bir yapay zekanın operasyonel düşünce akışının insandan ayrılmaz seviyeye gelmesi gerektiğini ortaya koymuştu.
İnsan düşünce şeklini makineden ayıran yönü aslında daha az veri ile etkin değerlendirme yapıp genellemelere daha kolay ulaşabilmesidir. Öte yandan makine en azından 1960 ların teknolojik yapısında, çeşitli anahtar ve lambaların ürettiği sinyalin bir entegre devre içerisinde işlenmesi ile anlamaya çalışmakta idi. Her ne kadar günümüz teknolojisi ile makine düşünce şekli önceden belirlenmiş olası durumları daha hızlı işleyebiliyorsa da, insanın yaradılıştan gelen muhakeme yeteneği halen veriye daha zahmetsiz ulaşılmasını sağlıyor.
Burada dikkat edilmesi gereken konu makinenin düşünce şeklinde 1960’lara göre önemli bir değişiklik olmamış olmasıdır. Sadece gücü artan donanımlar sayesinde daha önce çok külfetli şekilde gerçekleşen makine öğrenmesi çok daha hızlı gerçekleşen hale gelmiştir. Ancak halen insanın muhakeme yetkinliği kendini tam olarak makinelerde göstermemektedir.
Arf konuşmasına telsizi bulan Marconi’nin radyo dalgalarının havada nasıl iletildiği ile ilgili bir hanımla arasında geçen eğlenceli bir sohbeti aktarıyor. Bunu okumanızı özellikle öneririm. Üstün, kötü ve kavramları sentezlemeden yapılan bir yargı üretiminin nerelere gidebileceğini görüyoruz. Marconi kısaca hanıma telsiz ses dalgalarının aynan denizde dalgaların birbirini etkilemesi için yayıldığını bir benzetme ile anlatmıştır. Ancak kadın bir arkadasına kıtalar arasında telegraf görüşmesinin Newyorktan denize atılan taşın Londra’dan okunması olarak anlatmıştır. Burada Marconi’nin karşısındaki bireyin biraz daha makine gibi düşdüğünü çıkarabiliriz.
Konuşmanın ikinci bölümünde Arf, bir çalar saat ve telefon sinyalleri üzerinden bir benzetme ile makinelerin refleks olarak konuşmasını anlatıyor. Burada belki cevap telefonu öncesi döneme bir hatırlatma yapmak lazım: Eskiden sabit telefonlardan ahizeyi kaldırdığınızda karşı santralin verdiği düz tonu duymuyorsanız arama yapamazdınız. Telefonu kulağınıza yaklaştırdığınızda gelen düz tonlu ses, size santral hazır istediğin kişi ile konuşabilirsi şeklinde bir anonstur. Ancak bilgisayar asla bulunu belirttiğini bilemez sadece programlanmasındaki yapıya uygun olarak telefon görüşmesinin yapılabilmesi için gerekli doneler gerçekleştiğinde bu haberi kullanıcıya aktarma hedefi gözetir.
Konuşmanın bir sonraki bölümünde “510 kafa, 1420 ayak olan bir kümeste kaç tavşan ve kaç tavuk vardır?” sorusunu hem insan hem de makinenin bağlı devreler halinde düşünme sürecini tartışılıyor. Makinenin sorunu düşünmesi için çizilen devre ve anahtarlar çizimini, ana dalı bilgisayar olan kişiler hemen anlayacaktır.
Burada insanın problemi kafasında soyut kavramlarla inşa edebilmesinin, devreli sisteme göre düşünce hızında ona nasıl bir avantaj sağladığını çok net görüyoruz. Bir insan bu soruya genellemeler ile yukarıdaki devreli sistemden çok daha hızlı cevap verebiliyor. Bütün hayvanlar tavuk olsa 2 * 510 = 1020 bacak yerleştiririz. Bu durumda elimizde 400 bacak kalacak. Tamam 510 kafanın ilk 200 tanesine ikişer bacak daha takalım. Bu durumda kalan hayvanların 310 tanesi iki bacaklı yani Tavuktur. Düşünme konusunda yetiştirilmiş bir kişi bunu çok rahat hesaplaya biliyor. Ancak bunu makinenin düşünmesi için yukarıdaki makineyi tasarlamanız bir çok jeton ve anahtar ile makineye problem çözme dinamiğini anlatmanız gerekiyor. Yazının sonunda vereceğim site linkiden görebileceğiniz konuşmanın asıl metninde Cahit Arf bu sorunun makine ile düşünülmesi için gerekli makinenin tasarımını tam iki sayfada anlatabiliyor. Oysa insan algısı ile sorunu 5 satırda betimleyip, çözebildik.
Ancak bir sorun var: İnsan çabuk yoruluyor ya da düşünme süreci içerisinde bölünebiliyor, odaklanamayabiliyor. Oysa bilgisayar düşünmesinde bu yok. Arf, konuşmasının devamında bir miras problemini makine düşünmesine göre tasarlayarak makine öğrenmesini detaylandırıyor. Asıl metinden bu örneği de inceleyebilirsiniz.
Yukarıda bahsettiğim, elimizdeki bilgi ve bundan çıkarılması istenen netice arasındaki bağları hayalimizde kurduğumuz ve neticenin hayalimizdeki netice olduğu düşünme şekli analog makineler düşünme şekli olurken; oluşması mümkün bütün neticelerin lambalar aracılığı ile karşılaştırılarak evet-hayır akış algoritmalarına göre elenerek neticeye ulaşılan öğrenme şekline dijital diyoruz.
Arf, konuşmada birkaç analog ve dijital düşünme arasındaki yaklaşım farkını tanıttıktan sonra güzel bir toparlama ile konuşmasını bitiriyor. Ancak etkili son söz bölümü çok fazla eski Türkçe terim barındırdığından, bu kısmı sizinle sadeleştirilmiş olarak paylaşmak isterim:
Alıntı (Sadeleştirilmiş):
“Makineler bazı işleri insan beynine göre çok daha hızlı yapabilmelerine rağmen, anlama yani algılama kapasiteleri, büyük bir salonu doldurabilecek kadar büyük olanlarında bile, insan beynine göre çok düşüktür. İnsan beyninin kendi kendini, kendi inisiyatifiyle geliştirmesi mümkünken, makine yapıldığı gibi kalır. Bununla birlikte, kendi kendini geliştiren bir makine tasarlamak mümkündür. Ancak bana göre insan beyni ile makine arasındaki asıl fark, insan beyninin estetik nitelikteki unsurları alıp onlar üzerinde çalışabilmesi ve yine estetik nitelikte kararlar verebilmesidir. Yani bir işi yapıp yapmamak konusunda kendini özgür hissetmesine karşılık, makinede bu özelliklerin benzerleri yoktur. Bu özellikleri belirleyen husus, hepsinin bir belirsizlik unsuru taşıması ve kesin kurallara bağlı olmamasıdır. Belirsizlik özelliğine sahip olan insan dışı doğa olayları da vardır. Bunlar atom içinde gerçekleşen olaylardır. Bu itibarla, nispeten küçük sayıda atom içinde gerçekleşen olaylar, makinelerin işleyişinde etkili hale getirilebilirse, makinelerin estetik açıdan da insan beynine benzeyeceği umulabilir. Böyle bir makine, örneğin bir müzik parçasını güzel bulmadığını söyleyebilecektir. Ancak bu işin uzun yıllar sonra bile belki de hiçbir zaman yapılamayacağını düşünüyorum.”
-
Üretken Yapay Zekâ’nın geniş kitlelere ulaşmasının üçüncü yılına girerken, Türkiye’deki girişimlerin yapay zeka kullanımı artıyor…
3–5 minutes716 wordsMerhaba geçtiğimiz hafta TUIK tarafından ilk defa açıklanan yapay zeka istatistiklerinin hane halkları için ortaya koyduğu verileri değerlendirmiştik. Dilerseniz bugün konunun Girişimler bacağına bakalım. TUIK 2007 yılından itibaren aralıksız olarak her sene Girişimlerde Bilişim Teknolojileri Kullanım Araştırması yapmakta. Anket kapsamında, 10’dan fazla çalışanı olan girişimlere yapılan örnekleme ile gönderilen soru formu ile girişimlerin e-ticaret faaliyetleri, ERP yatırımları, web sitesi kullanımları ve internet bağlantı kaliteleri gibi çeşitli veriler alınıyor.
Yapay zekanın iş hayatında artan önemine bağlı olarak, 2021 yılından itibaren bu ankete girişimlerin yapay zeka kullanımı ile ilgili sorular da eklendi. Bu sene 10 çalışan ve üstü çalışanı olan 215 bin girişimden 15 570 adet cevaplı form derlendi. Veri toplanan sektörleri hızlıca bir gözden geçirdiğimizde Türkiye ekonomisinin temel çarklarının hepsinin çalışmaya dahil edildiğini görüyoruz.
- Tüm imalat sanayi
- Elektrik, su , gaz ve iklimlendirme üretim ve dağıtımı
- İnşaat
- Toptan ve perakende ticaret
- Ulaştırma ve depolama
- Konaklama ve yiyecek hizmetleri
- Bilgi ve iletişim
- Finans ve sigorta faaliyetleri
- Gayrimenkul faaliyetleri
- İdari ve destek hizmetleri
Çalışmada yapay zeka çalışması olarak kapsanan faaliyetler; yazılım tabanlı ya da cihazlara gömülü sistemler aracılığıyla öngörüler, öneriler veya kararlar üreten teknolojiler olarak belirlenmiş. Burada iş uygulamaları olarak; içerik üreten yapay zeka uygulamaları, sohbet robotları ve sanal asistanlar, yüz veya konuşma tanıma sistemleri, makine öğrenmesine dayalı veri analizleri ile depo otomasyonunda kullanılan otonom robotlar veya paket taşımada kullanılan otonom dronlar örnek olarak gösterilebilir.
Girişimlerin son beş sene içerisinde yapay zeka teknolojisi kullanma oranlarına bakıldığında özellikle 250 ve üzeri kişinin çalıştığı girişimlerde neredeyse %25 seviyesine ulaşıldığı görülmektedir. Bu rakam beş yıl önce %9’lar seviyesinde idi. Salgının etkilerinin geçmesi sonrası kurumsal şirketlerde hızlı bir yapay zeka dönüşümü olduğunu görüyoruz.
Ülkemizdeki bütün girişimler dikkate alındığında, 2025 yılında yapay zeka kullanımı oranı %7.5’ta kaldı.
Kurumsal tarafta izlenen hızlı toparlanmaya rağmen, toplam girişimler içerisinde YZ kullanımının çok sınırlı kalması, ülkemizdeki girişimlerin sadece %0.4’ünün 250 ve fazla çalışanlı olmasından kaynaklanıyor. Son beş senelik harekete baktığımızda %5 bandının orta büyüklükteki şirketlerde (50-249 çalışan) 2024 yılında, küçük işletmelerde ise ancak içinde bulunduğumuz yılda geçildiğini görüyoruz.
Yapay zeka kullanımı olmayan küçük ölçekli firmaların, %76’sının uzmanlık eksikliği, %67’sinin ise maliyetlerin yüksek olması nedeniyle yapay zeka kullanmadığını beyan ediyor. 10 ile 49 kişi arasında çalışanı olan firmalarda en düşük yapay zeka kullanmama nedeni ise %17’ile bu çalışmaların şirkete bir faydası olmadığının düşünülmesi. Bir noktada bu görünüm maliyet ve uzmanlık sorunu çözüldüğünde küçük işletmeler için yapay zeka kullanımı konusunda bir direnç göstermeyeceklerini yansıtıyor.
Öte yandan orta büyüklüklü şirketlere baktığımızda yapay zeka kullanmama nedenleri açısından sıralamanın değişmediğini görüyoruz. Çalışan sayısı 50-249 arasında olan firmaların %68’i uzmanlık eksikliği, %66.2’si ise maliyetler nedeniyle yapay zeka kullanmamakta.
Kurumsal firmalarda ise göreceli olarak hukuki geçerlilik ve veri gizliliği maddeleri önceki iki gruba göre daha belirgin. Ancak 250 üzeri çalışanı olan grupta dahi girişimlerin %65’i uzmanlık eksikliği, yine %65.5’i de maliyetler yüzünden yapay zeka kullanımını tercih etmemekteler. Türkiye verisi bize net olarak yapay zeka uzmanı sayısının arttırılması gerektiğine işaret ediyor. Uzman kurum ve kişi sayısındaki artış ta rekabet ile beraber maliyet tarafından firmalar için olumlu bir dönüşüme yol açacaktır.
Sektörler detayında, bilgi ve iletişim sektörlerinde faaliyet gösteren kurumların %47.1’inde yapay zeka kullanıldığı görülüyor. Yapay zeka teknolojilerinin dayandığı eko-sistemdeki girişimlerin çoğunun burada faaliyet göstermesi nedeniyle, bilgi teknolojileri sektörünün açık ara liderliği beklenen bir olgu.
Bilgi iletişim sektörünü %21 ile banka ve sigortacılık faaliyetleri takip ediyor. Bu sektördeki ağır regülasyon yükümlülükleri ve risk yönetiminin kritik olması yapay zeka kullanımını ivmelendiriyor olmalı. Kullanım alanının %10’nun üzerinde olduğu diğer iki sektör ise bilgisayar makinelerinin tamiri ve danışmanlık faaliyetlerini de içeren mesleki, bilimsel ve teknik faaliyetler grubu. En düşük yapay zeka kullanımı ise %3.9 ile inşaat sektöründe tespit edilmiş.
Kullanım alanlarına baktığımızda ise işletmelerde yoğun olarak pazarlama ve satış ekiplerinin yapay zeka kullandığı görülüyor (%46). Bunu üretim, arge süreçleri ve işletmenin idari faaliyetleri takip ediyor. İşletmelerin bu üç alanda yapay zeka kullandıkları yönünde beyanları %40’lık bir paya işaret ediyor. Bilgi güvenliği (%22) ve lojistik (%12) ise yapay zeka kullanımının en sınırlı olduğu alanlar.
Sonuç olarak 2025 yapay zeka istatistikleri, ülkemizde her büyüklükten firma grupları için yapay zeka kullanımının hızla arttığını ancak uzmanlık eksikliği ve maliyetler nedeniyle bu sürecin KOBİ’lerde daha ivmesiz olduğu gösteriyor. Öte yandan sektörler açısından yapay zeka kullanımı henüz geleneksel olarak yapay zeka kullanımına daha açık olan sektörlerin dışına çıkamamış durumda. İmalat sanayi, toptan ve perakende ticaret gibi alanlarda yapay zeka kullanımı için önemli bir fırsatlar olduğu çok açık. Perakende alanında planlama, tedarik zinciri yönetimi, ürünlerin etkin olarak yönetimi gibi konularda yapay zeka etkin çözümler getirebilir. Önümüzdeki dönemde bu ana sektörlerin bilgi teknolojisi uzmanlığını daha etkin kullanabilmesi için gerekli önlemlerin alınması gerekiyor.
-
Year in Tech 2026: Yapay Zekâ, Yaşayan Zekâ ve Belirsiz Gelecek
4–5 minutes
Merhaba,
Bugün, yılın son günlerinde Harvard Business Review tarafından kasım ayında yayımlanan “Year in Tech 2026” kitabından seçtiğimiz bölümlere göz atacağız.
Kitap, 2026 yılına ilham vermesi için seçtiği makaleleri üç ana başlık altında topluyor:
- What’s Coming Next in AI?
- Tech Stories with Big Impact
- Predicting and Building the Future of Your Company
Dilerseniz, bu bölümler içerisinden seçtiğimiz makalelerle kısa bir 2026 vizyonu oluşturalım.
Agentic AI: Proaktif Yapay Zekâ
Stratejist ve ekonomist Mark Purdy, bu senenin ilk makalesinde Agentic AI’ın ne olduğu ve nasıl bir dönüşüme işaret ettiği üzerinde duruyor.
Purdy’ye göre Agentic AI’ı tek bir kelimeyle tanımlamak gerekirse, bu kelime “proaktiflik” olur. Bu proaktif ajanlar, hedeflere ulaşmak için sürekli ve sabit bir insan yönlendirmesine ihtiyaç duymadan hareket edebiliyor. Granüler seviyeye inen görev uzmanlıkları, yapay zekâ destekli faaliyetlerin etkinliğini ve inovasyon kapasitesini önemli ölçüde artırıyor. Geniş araştırma ortamlarını çok kısa sürede tarayabilen bu sistemler, yeni çözümlere ulaşmayı ciddi biçimde kolaylaştırıyor. Son dönemde gelişen bilişsel akıl yürütme yetenekleri sayesinde, önceki üretken yapay zekâ formlarına kıyasla hata toleransı ve karar kalitesi açısından belirgin biçimde ayrışıyorlar.
Agentic AI ürünlerinin potansiyel kullanım alanları; müşteri ilişkileri yönetiminden üretim ve satış desteğine, hatta sağlık uygulamalarına kadar uzanıyor. Ancak bu tür sistemlerin başarılı olabilmesi için öncelikle net, ölçülebilir, ulaşılabilir ve geçerli hedefler ile alt hedeflerin doğru biçimde tanımlanması gerekiyor. Bu hedefler, ürün ve proje geliştirme aşamasında açık biçimde yapılandırılmalı.
Karar sürecinin uygun yapılarla desteklenmesi, Agentic AI sistemlerinin taşıması gereken bir diğer kritik özellik. Öğrenme setlerinin gerçek dünya pratikleriyle beslenmesi; doğru sınırlamaların ve koruma önlemlerinin alınması, kritik karar anlarında hatalı çıktıları önlemek açısından hayati önem taşıyor.
Son olarak, tıpkı ekip kurarken olduğu gibi, Agentic AI sistemleri arasında seçim yapılırken de yöneticilerin doğru görev için doğru ajanı görevlendirmesi gerekiyor.
Yaşayan Zekâ: Yeni Büyük Paradigma
Şimdi de Amerikalı fütürist Amy Webb’in, Türkçeye “Zekâyı Yaşamak: Yeni Büyük Paradigma” olarak çevrilebilecek yazısına göz atalım.
Webb, öncelikle yaşayan zekâ kavramını tanımlıyor. Yeni gerçekliğimiz; hissedebilen, öğrenebilen, adapte olabilen ve gelişebilen sistemler. Geçmişin durağan yapılarından bu özellikleri barındıran sistemlere geçişimiz; yapay zekâdaki ilerlemeler, sensör teknolojilerindeki gelişmeler ve biyoteknolojide yaşanan devrimler sayesinde mümkün oldu.
Yaşayan zekâ, patlayarak büyüyen bir inovasyon döngüsü yaratırken, birçok sektörü tehdit ediyor ve aynı zamanda tamamen yeni pazarların ortaya çıkmasına neden oluyor.
Peki, organizasyonlarımızı yaşayan zekâ çağında başarılı olacak şekilde nasıl yönlendirebiliriz?
- İlk adım olarak, yaşayan zekâ konusundaki gizemi tüm organizasyon için ortadan kaldırmamız gerekiyor. Özellikle üst düzey yöneticilerin; yapay zekâ, gelişmiş sensörler ve biyomühendisliğin birlikte çalışarak “yaşayan zekâyı” ortaya çıkardığını net biçimde kavraması şart.
- Değer üretmek ve kapsayıcı bir dönüşüm sağlamak için liderlerin stratejik öngörü geliştirerek, yaşayan zekâ ekosisteminde kendilerini nasıl konumlandıracaklarını ve bunun mevcut ürünler ile süreçleri nasıl etkileyeceğini belirlemeleri gerekiyor.
- İlk aşamada, iki ya da üç yüksek etkili kullanım senaryosunun test edilmesi öneriliyor. Yaşayan zekâ yaklaşımı, organizasyon genelinde bir zihniyet değişimi gerektiriyor. Bu nedenle yöneticilerin eğitim ve deneyim inisiyatiflerini önceliklendirmesi; çalışanların bu teknolojilerle birlikte etkin biçimde çalışmasını sağlaması kritik önem taşıyor.
- Ayrıca yaşayan zekânın şirket içinde yaratacağı dönüşümün sürekli izlenmesi gerekiyor. Bu yaklaşım, inovasyon ateşini yakarken şirketlerin beklenmedik bir çevikliğe ulaşmasına da olanak tanıyabilir. Ortaya çıkan ürünler, dış dünyaya uyum sağlamaya çalışmak yerine, çoğu zaman kendi geleceklerini tanımlayan bir yapıda olacaktır.
İş Hayatının Geleceği: Belirsizlik Üzerine Uzlaşı
Year in Tech 2026’nın “Predicting the Future of Your Company” bölümünde ise HBR’ın 570 uzmandan topladığı verilerle, geleceğin iş ortamına dair bir tahmin sunuluyor.
Uzmanların üzerinde uzlaştığı temel nokta şu: İş hayatının geleceği hiç de net değil. Farklı disiplinlerden gelen girişimciler, ekonomistler ve gazeteciler, geleceğe aynı perspektiften bakmıyor.
Girişimciler genel olarak iyimser bir tablo çizerken, ekonomistler daha kuşkulu bir yaklaşım sergiliyor. Gazeteciler ise — pek de sürpriz olmayan şekilde — otomasyon ve yapay zekânın etkileri konusunda en karamsar grup olarak öne çıkıyor. Ekonomistler, gazetecilerin aşırı karamsar olduğunu düşünürken; teknoloji girişimcilerinin de beklentilerini fazlasıyla abarttığını savunuyor.
Ekonomistler, büyüme karşıtı yaklaşım fikrine şiddetle karşı çıkıyor ve bunu kurumsallaşmış yoksulluk olarak tanımlıyor. Özellikle iklim değişikliği ve küresel eşitsizlik gerekçeleriyle ekonomik büyümenin sınırlandırılmasına mesafeli duruyorlar.
Teknoloji girişimcileri ise kendilerini, gelişmiş teknolojiler hakkında söz söyleyebilecek tek grup olarak konumlandırıyor. Diğer grupların — özellikle “dinozor” olarak nitelendirdikleri politikacıların — bu dönüşümü tam anlamıyla kavrayamadığını düşünüyorlar.
Ortaya çıkan tablo, farklı disiplinlerden profesyonellerin, kendi “saha çerçeveleri” nedeniyle teknoloji ve yapay zekânın iş hayatını nereye taşıyacağına dair bakışlarının grup içinde homojen, gruplar arasında ise oldukça heterojen olduğunu gösteriyor. Buna ek olarak, yaklaşmakta olan hiper zekâya sahip yapay zekâlar ve motor algılara sahip robotların yükselişi, bu algı karmaşasını daha da derinleştiriyor.
Birinin ütopyası, diğerinin distopyası hâline geliyor.
Gelecek Nasıl Olacak?
Bu belirsizlik ortamında belki de asıl soru artık “Gelecek nasıl olacak?” değil,
“Geleceğin nasıl olmasını istiyoruz?”Böylece iş hayatının geleceği tartışması; değerler, politikalar, ideolojiler ve tasarım tercihleri dünyasına taşınıyor. Artık bu konu, yalnızca soğuk bir trend analizi meselesi değil.
Evet, bu yazıda “gelecek bilinemez” gibi bir sonuca vardık. Ancak başlığın yarattığı beklentiyi de karşılamak adına, geçtiğimiz yıl Academy of Management’ta fütüristler tarafından paylaşılan bir gelecek vizyonunu sizlerle paylaşarak yazıyı tamamlayalım.
Herkese iyi seneler.
Yapay zekânın post-truth çağına yavaş yavaş girdiğimiz bu dönemde, yıkıcı değişimin daha mutlu bir insanlığı beraberinde getirmesi dileğiyle 2026’yı karşılayalım.Bu makale gerçek bir insan tarafından yazılmıştır ancak son haline getirilirken sayfa düzeni, imla kuralları ve anlaşılırlığın arttırılması amacıyla üretken yapay zeka desteği alınmıştır.
-
Türkiye’nin üretken yapay zeka resmi istatistikleri ilk kez yayınlandı…
2–3 minutesYaklaşık üç sene kadar önce LLM modellerinin son kullanıcılara geniş anlamda açılması, yazılım dünyasında Sovyetlerin uzaya insan göndermesinin “Uzay Yarışını” başlatması gibi benzer bir alt-üst oluş yaşanmasına neden oldu. Geçen zaman içerisinde azalan zaman aralıkları ile farklı firmaların sunduğu yeni üretken yapay zeka servislerinin sayısı arttıkça, hem kullanım hem de rekabet hız ile arttı.
Yapay zekanın toplumu dönüştürmesi sürecinin nasıl yürümekte olduğu konusunda dünyanın önde gelen danışmanlık şirketleri farklı raporlar yayınlanmaktalar. Türkiye’de yapay zekanın toplumu nasıl dönüştürüldüğü konusunda ise ilk resmi istatistik Kasım ayı sonunda TUIK tarafından yayınlandı.
Bu yazıda, TUIK tarafından her sene yapılmakta olan “Hanehalkı ve Girişimlerde Bilişim Teknolojileri Anketlerine” ne eklenen sorulara verilen cevaplardan veri madenciliği yaparaki, 2025 yılı itibariyle Yapay Zekanın, toplumumuz nezdindeki algısını anlamaya çalışacağız.
Girişimler için yapılan araştırma 10 ve üzerinde çalışanı bulunan firmaları kapsarken, hane halkları özelinde yapılan araştırmada toplam 25 bin civarında fert ile görüşülmüştür. Bu özellikleri ile her iki araştırma da Türkiye için genellenmesi en güvenilir çalışmalardır. Sonuçları kısaca incelemeye haneler tarafından başlayalım.
Son üç ay içerisinden internet kullananların sadece %19,2’si yapay zeka kullandıklarını beyan etmektedir.
16-35 yaş arasındaki grupta üretken yapay zeka kullanımı %30’lu seviyelerin üzerinde iken, 45 yaş ve sonrasında oranın %10 altına indiğini görüyoruz. 65-74 yaş aralığında ise üretken yapay zeka kullanımı %1,7 seviyesine geriliyor. Cinsiyete göre bakıldığında ise üretken yapay zeka kullanımında kadın ve erkekler arasında istatistiksel olarak anlamlı bir fark görülmüyor.
Kullanıcıların %55’i özel amaç için yapay zeka kullanırken, eğitim ve mesleki amaçlarla yapay zeka kullanımı oranı kişisel amaçların neredeyse yarısı seviyesindedir. Bu sonuç halkımızın günlük sorunlarının çözümünde üretken yapay zeka imkanlarını çok etkin kullandığını göstermektedir.
Kadınlarda örgün eğitim amaçlı kullanım erkeklere göre daha yüksek iken erkeklerde mesleki amaçlı kullanımın yüksek olduğu anlaşılıyor.
Öte yandan yapay zeka kullanmıyorum diyen grubun neredeyse %65’inin ihtiyaç duymadım cevabını verdiğini görüyoruz. Öte yandan toplumun %12,4’ünün üretken yapay zekanın ne olduğunu bilmediğini görüyoruz. Pew Research’ün Ekim 2025’te yayınladığı araştırmasında ABD için bu oranın %12,4 olduğunu düşünürsek, Türkiye için rakam hiç düşük sayılmaz.
Üniversite mezunları arasında üretken yapay zeka kullanımı tüm halkın nerdeyse iki katı oranda sıktır.
Üniversite mezunlarının %36’sı üretken yapay zeka kullanırken, hiç bir okul bitirmeyenlerde bu oran %0,4’e kadar gerilemektedir. Lise ve İlköğretim mezunlarının eğitim için üretken yapay zeka kullanma oranları sırası ile %37 ve %49’dur. Lise mezunları arasında üniversite öğrencilerinin olduğu düşünüldüğünde bunların ilköğretim mezunlarına göre daha sıklık ile bu teknolojileri kullanmaları beklenebilirdi.
Araştırmaların hane tarafı Türkiye’nin beklenenin üzerinde bir üretken yapay zeka doygunluğuna eriştiğini gösteriyor, dilerseniz işletmeler tarafına haftanın ikinci yazısında değinelim…
Dr. Ömer Zeybek 