Kratis Bilgi Teknolojileri A.Ş. Genel Müdür Yardımcısı Kunter Kutluay ile veri madenciliği ve veri kalitesi alanlarındaki çözümleri hakkında konuştuk.

Kratis ve yönetim kadrosu hakkında bilgi verebilir misiniz ?

Kratis, Veri Madenciliği ve Veri Kalitesi konularında uzmanlaşmış bir yazılım geliştirme, sistem entegrasyonu ve danışmanlık firması. Kratis genç bir firma ve faaliyetlerini Ankara ve Istanbul ofisleri ile sürdürüyor. Başta bankacılık ve finans olmak üzere, telekomünikasyon, perakende ve daha birçok sektörün analitik ihtiyaçlarına cevap vermek üzere kuruldu. Çalıştığımız alanlarda konularının en iyileri olan firmalarla işbirliği yapmayı tercih ettik. Veri Madenciliği'nde KXEN firmasının Türkiye dağıtıcısıyız. Veri Kalitesi'nde ise Similarity Systems firması ile çalışıyoruz.

Kratis'in kurucuları olarak tecrübemizi dinamik ve sonuç odaklı bir yapı kurmak üzere kullandık. Ekibimizi de özenle seçiyoruz. Kratis kurucularından Değerhan Usluel, teknoloji konusunda büyük bir tecrübeye sahip. ABD'de kurduğu ve geliştirdiği e-learning firması LearnLink, dünyanın en büyük şirketlerini müşteri ve ortak olarak kazanmayı başarmış. Değerhan, teknoloji konusundaki bilgisini ve liderlik yeteneğini Kratis'e Yönetici ve Teknik Sorumlu olarak taşıyor. Ben de Kratis'in diğer kurucusuyum ve satış sorumluluğunu üstlendim. İş hayatım boyunca büyük danışmanlık ve teknoloji firmalarında kazandığım yönetim anlayışı, iş geliştirme ve satış deneyimlerimi Kratis'e aktarıyorum.

Kratis'in faaliyetleri hakkında bilgi verir misiniz ?

Kratis'in faaliyetleri iki ana başlık altında özetlenebilir: Veri Madenciliği ve Veri Kalitesi Yönetimi. Veri Madenciliği konusunda KXEN (Knowledge Extraction ENgines) ile çalışıyoruz. KXEN, geleneksel Veri Madenciliği araçlarından çok farklı bir tekniğe dayalı yapısı ile, bu konuda benzersiz bir yazılım geliştirmiş genç bir firma. Yazılımın temelleri, 1995 yılında istatistik konusunda deha sayılan Vladimir Vapnik tarafından ispatlanan bir teoriye dayanıyor. Bu teoriden ortaya çıkan teknik ise KXEN tarafından ABD'de patentlendi.

Veri Kalitesi Yönetimi'nde de genç bir firma olan Similarity Systems ile çalışıyoruz. Firma, Veri Kalitesi projelerinin tek bir uygulama olarak değil, bir döngünün sürekli parçası olarak görülmesi gerektiğini savunduğu yaklaşımıyla, bu alanda yenilikçi konumda.

Bu iki ana başlık altında özellikle bankacılık ve finans, telekomünikasyon ve perakende sektöründen olmak üzere, büyük miktarlarda veriye sahip olan firmalara analitik çözümler sunuyoruz.

Günümüzün modern "analitik" kurumları birbirini tamamlayan 3 öğeyi bir arada kullanıyorlar. Bunlardan ilki "Operasyonel" sistemler. Kurumsal kaynak yönetimi, stok takibi, tedarik zinciri yönetimi bu öğenin içinde yer alıyor. Operasyonel sistemlerden toplanan veriyi anlayabilmek için ise "İş Zekası" devreye giriyor. Veri ambarı, OLAP, veri kalitesi ve raporlama bu ikinci öğede toplanıyor. Son olarak ise "Analitik Öngörü" dediğimiz öğe ile tüm sistemin optimizasyonunu sağlamaya çalışıyorlar. Kratis çözümleri "İş Zekası" ve "Analitik Öngörü" konularında firmalara yardımcı oluyor.

İkinci öğede bulunan veri kalitesi yönetimi bugüne kadar çok fazla önemsenmemiş olsa da, firmaların performansı üzerinde önemli etkileri var. Operasyonel sistemlerden toplanan verinin kalitesinin kötü olması firmayı yanlış kararlara bile götürebiliyor. Dolayısıyla güvenilirliğini de olumsuz yönde etkileyebiliyor. Daha önce de belirttiğim gibi, veri kalitesinde Similarity Systems firması ile çalışıyoruz. Veri kalitesi projelerini bir seferlik bir proje olarak değil, sürekli bir döngü halinde ele alıyoruz. Veri kalitesi yönetiminin kurumun tüm bölümlerinin benimseyeceği bir süreç olması gerektiğini düşünüyoruz.

Veri Kalitesi süreci hakkında bilgi verir misiniz ?

Bu süreci şöyle özetleyebilirim: Önce başlıca 6 veri kalitesi sorununu göz önünde tutarak veri kalitesi denetimi yapılmalı. Bunlar:

Tamlık: Verideki eksik bilgiler
Uygunluk: Standart dışı formatta saklanmış veriler
Tutarlılık: Birbiri ile çelişen bilgiler
Doğruluk: Yanlış veya eskimiş bilgiler
Tekerrür: Aynı bilginin farklı şekillerde tekrarlanması
Bütünlük: Bilgilerin arasındaki ilişkilerin saptanamaması

Bu denetimde verinin durumu tepit edilmiş olur. Daha sonra, veri kalitesi kuralları tanımlanır ve firmanın ulaşmak istediği hedefler belirlenir. Örneğin "adres bilgisinde %90 doğruluk" gibi. Veri kalitesini iyileştirmek için planlar yapılır. Oluşturulan plan ve kurallar uygulanarak veri kalitesi iyileştirilir. Raporlar ile veri kalitesinin yeni durumu tespit edilir. Böylece veri kalitesi sürekli olarak izlenebilir. Bu bahsettiklerimiz bir döngü halinde uygulanarak, veri kalitesi kontrol altında tutulur. Veri kalitesi yönetimi müşteri ilişkileri, kaynak planlaması, veri ambarı ve iş zekası uygulamaları, veri senkronizasyonu, veri göçü gibi birçok konuda kullanılır.

Analitik Öngörü nedir Nasıl kullanılır ?

Kurumlar operasyonel sistemlerle topladıkları verileri iş zekası ile anlamaya ve yorumlamaya çalışırlar. Aslında yaptıkları, ortaya çıkan veriyi farklı şekillerde gösterebilmekten ibarettir. Neyi inceleyecekleri karşılarına gelen ilk engel. Bir iş problemi için hangi bilgilerin ne oranda önemli olduğunu anlamak, bizim analitik öngörü ve optimizasyon ile hedeflediğimiz ilk alan. Buna "tanımsal modelleme" diyoruz.

Ayrıca yapılan bu çalışmalar genelde geçmişe yönelik. Bize geçen haftanın satış rakamlarını veya geçen ay kredi kartı borcunu ödemeyen müşterileri verirler. Ancak bir kurum için esas önemli olan, gelecekte ne olabileceğinin tahmin edilmesi ve bunun sebeplerinin açıklanmasıdır. Biz Analitik Öngörü sistemleri ile bunu amaçlıyoruz. Geçmiş veriyi modelleyerek, ileride hangi müşterinin borcunu ödemeyeceği veya kaç müşterinin kırmızı gömlek alacağı tahmin edilebilir. Analitik modellemenin kullanım alanı yalnızca eldeki veri ve hayal gücümüz ile sınırlı. En çok müşteri ilişkileri, risk, sahtecilik tespiti, pazar araştırması gibi konularda kullanılsa da, üretimden önleyici bakıma kadar pek çok uygulaması mevcut. Veri madenciliğinde birlikte çalıştığımız KXEN firması, klasik veri madenciliği araçlarından çok farklı bir altyapı ile bu gücü iş kullanıcıları ve yöneticilerin kontrolüne veriyor. Bu süreçlerin gerektirdiği yüksek istatistik bilgisini otomatikleştiriyor. Ayrıca, kullandığı yeni matematik sayesinde sonuçları diğer araçlardan 50 - 100 kat daha hızlı verebiliyor.

KXEN ve Örnek Projeleri hakkında bilgi verir misiniz ?

KXEN firması "veri madenciliğini günlük karar verme sürecinin bir parçası haline getirme" düşüncesinden yola çıkarak, KXEN Analytic Framework yazılımını geliştirmiş. İleri istatistik bilgisi gerektirmeden kullanılabilmesi sayesinde KXEN Analytic Framework geniş bir kullanıcı kitlesi ile buluşabiliyor. Veri madenciliğini otomatikleştirerek, sonuçları da açıklanabilir ve anlaşılabilir bir şekilde sunuyor. Hatta bir müşterimiz "KXEN sonuçları neredeyse cümle kurulacak şekilde veriyor" yorumunu getirdi. Kullanım kolaylığı ve hızı sayesinde aklınıza gelen her türlü soruyu modelleyebilirsiniz. Ayrıca modellemeyi kendiniz yaptığınızdan, analistlere veya bilgi işlem bölümüne de ek bir yük getirmezsiniz. Oluşturulan modellerin kullanılan operasyonel sistemlere entegrasyonu da son derece kolaydır.

KXEN'i klasik veri madenciliği ürünlerinden bu kadar farklı yapan, temelindeki matematik teorisidir. Rus matematikçi Vladimir Vapnik tarafından 1995 yılında ispatlanan İstatistik Öğrenme Teorisi, veri madenciliği için önemli sonuçlar doğurmuş. KXEN, bu teoriden ortaya çıkan SRM tekniğini kullanan tek yazılım ve bu tekniğin ABD'de patentine sahip. Modellemeye farklı bir açıdan yaklaşan bu teknik sayesinde, KXEN Analytic Framework veri madenciliğini otomatikleştirmeyi ve çok hızlı bir şekilde sonuçlara ulaşmayı sağlıyor.

KXEN kullanılan birçok proje ve alan olmasına rağmen, en bilinenleri müşteri ilişkileri yönetimi, pazarlama, kampanya yönetimi ve satıştır. Son zamanlarda bankacılık ve finans sektörüne getirilen bazı düzenlemeler sebebiyle de risk yönetimi ve sahtecilik tespitinde kullanımı artmıştır.

Yaptığımız projelere bir örnek olarak Dışbank'ta uygulanan sahtecilik tespit projesini verebilirim. Projenin gerçekleştirilmesi ve modelin aktif olarak kullanılması iki hafta gibi kısa bir zamanımızı aldı. Burada kullandığımız model sayesinde kredi kartı başvurusu sırasında sahtecilik tespitinde 3 kat artış sağlandı. Ayrıca, bankanın kullanmakta olduğu işlem izleme sistemine de entegre olan ve her işleme sahtecilik olma olasılığına göre bir skor atayan bir uygulama da gerçekleştirdik. KXEN altyapısı ile geliştirdiğimiz bu proje sonucunda hem önemli maddi kayıplar önleniyor, hem de çalışanların morali olumlu yönde etkileniyor ve verimlilikleri artıyor.

KXEN'in yurt dışı müşterileri arasında ise JPMorgan, Dresdner, BelgiaCom gibi dünya devleri var.

Kratis çözümlerinin işletmelere sağladığı katkı konusunda bilgi verebilir misiniz ?

Kratis çözümleri, kurumlara doğru ve güvenilir veriye sahip olmalarında ve bu verinin analizi ile doğru kararlar vermelerinde yardımcı oluyor. Verinin kalitesini kontrol edebilen kurumlar, bu veriden elde edebilecekleri sonuçlara güvenebileceklerini biliyorlar. Analitik modelleme ise müşterilerimize ileriyi öngörmeleri için destek veriyor. Hangi projenin daha iyi getiri sağlayacağı, hangi kampanyada hangi müşterilerin hedeflenmesi gerektiği gibi konularda ellerindeki veriye dayanarak güvenilir öngörüler sağlayabiliyoruz. Üstelik bunu iş ihtiyaçlarına yetişebilecek bir hızda ve varolan tüm veriyi analize dahil ederek yapıyoruz.

Türk yöneticisinin veri madenciliği ve veri kalitesi alanındaki bilgi seviyesi hakkında görüşünüz nedir ?

Veri madenciliği ve veri kalitesi konuları Türkiye'de, tüm dünyada olduğu gibi oldukça yeni. Artan rekabet baskısı başta olmak üzere bir çok etken kuruluşları her geçen gün daha fazla optimizasyona yöneltiyor. Bu aşamada biz kendimize ilgili sektörleri bir bakıma bilinçlendirme görevi de edindik. Her ay onlarca yöneticiye bilgilendirme toplantıları düzenliyoruz. Bu bilincin artması ve yöntemleri konusunda çaba sarfediyoruz. Ortam buna izin veriyor çünkü daha çok erken bir aşamadayız.

BT Profesyonellerinin bu alanlara bakışı hakkında düşünceleriniz nelerdir ?

Bilgi Teknolojileri, iş ihtiyaçlarına cevap verebilmek adına büyük ve çok önemli bir yere sahip. Sonuçta, karar verilmekte kullanılacak verilerin sahibi Bilgi Teknolojileri. Önemli olan, yapılan çalışmalar sırasında tüm sistemlerin bir sinerji içerisinde çalışması ve halihazırda yüksek olan iş yükünü arttırmaması.

Bizim sunduğumuz altyapılar sayesinde BT Profesyonelleri ek yüklerle karşılaşmıyor. Müşterilerimizden aldığımız yorumlar hep bu doğrultuda. Ayrıca, optimizasyon sistemlerini kendi işleri için de kullananlar var. Örneğin büyüme tahminleri, kapasite sıkışmaları, hep bu başlıkta değerlendiriliyor ve Bilgi Teknolojisi departmanlarına da destek veriyor.

Kratis'in gerçekleştirdiği eğitim ve tanıtım faaliyetleri hakkında bilgi verir misiniz ?

Bir yıldan fazla bir süredir, her ay düzenli olarak tanıtım ve eğitim faaliyetlerimizi sürdürüyoruz. Bugüne kadar 300'e yakın uzman İstanbul ve Ankara'da bu toplantılara katıldı. Toplantılarımızda çözümlerimizin tanıtımının yanı sıra, katılımcılarımız ile tecrübe paylaşımında bulunuyoruz. Bu açıdan, toplantılarımız katılımcılarımız için olduğu kadar, bizim için de çok faydalı oluyor.

Düzenli olarak gerçekleşen bu toplantılarımıza ek olarak, yılda birkaç kez yurtdışından uzmanların da katılımı ile daha özel konulu toplantılar düzenliyoruz. Örneğin Nisan ayında Fransız matematikçi ve KXEN'in Bilim Kurulu Başkanı Dr. Michel Bera, veri madenciliği uzmanlarına İstatistik Öğrenme Teorisi'ni anlattı. Geçtiğimiz ay da KXEN Genel Müdürü ve Operasyon Müdürü'nün katılımları ile bankacılık sektöründe risk ve sahtecilik yönetimini ele aldığımız bir toplantı düzenledik.

Sorularımızı yanıtladığınız için teşekkür ederiz.