Teorik altyapı

Veri analizi^[1] , yararlı bilgileri keşfetmek, sonuçları bildirmek ve karar vermeyi desteklemek amacıyla verileri inceleme, temizleme, dönüştürme ve modelleme sürecidir. ^[2] Veri analizi, çeşitli isimler altında farklı teknikleri kapsayan ve farklı iş, bilim ve sosyal bilim alanlarında kullanılan birçok yöne ve yaklaşıma sahiptir. ^[3] Günümüz iş dünyasında veri analizi, kararların daha bilimsel bir şekilde alınmasında ve işletmelerin daha etkin bir şekilde faaliyet göstermesinde rol oynamaktadır. ^[4]

Veri analizinde iki ana istatistiksel yöntem kullanılır: ortalama ve medyan gibi indeksleri kullanarak verileri özetleyen tanımlayıcı istatistikler ve diğeri de öğrenci t-testi gibi istatistiksel testleri kullanarak verilerden sonuçlar çıkaran çıkarımsal istatistiklerdir.

Veri madenciliği, tamamen tanımlayıcı amaçlardan ziyade tahmine yönelik istatistiksel modelleme ve bilgi keşfine odaklanan belirli bir veri analizi tekniğidir; iş zekası ise büyük ölçüde toplamaya dayanan ve esas olarak iş bilgilerine odaklanan veri analizini kapsar.

Verileri analiz etme adımları ^[5]:

1.     : Hedeflerinizi tanımlayın.

2.     : Hedefleri nasıl ölçeceğinize karar verin.

3.     : Verilerinizi toplayın.

4.     : Verilerinizi analiz edin.

5.     : Sonuçları görselleştirin ve yorumlayın.

Adım 1: Hedeflerinizi tanımlayın

Veri analizinize başlamadan önce net bir hedefler dizisi belirlediğinizden emin olun. Verilerden ne elde etmek istiyorsunuz? Çözmeye veya anlamaya çalıştığınız sorun veya durum nedir? Bunu bilmek, hangi verileri toplamanız gerektiğini (ve ne tür bir analiz gerçekleştirmeniz gerektiğini) belirlemenize yardımcı olacaktır.

Sorularınızı belirli bir sorun ve olası çözümler etrafında tasarlayın.

Örneğin, müşteri desteği hakkında sorduğunuz bir soruyla ilgili düşük CSAT puanlarında ani bir artış görürseniz, sorunu çözmek için aşağıdaki soruları sorabilirsiniz.

Hedef: müşteri desteğini iyileştirmek:

•   Müşteriler destek ekibimizden neden memnun değil?
•   Müşteri hizmetlerini nasıl iyileştirebiliriz?

Adım 2: Hedeflerin Nasıl Ölçüleceğine Karar Verin

Hedeflerinizi belirledikten sonra, bunları nasıl ölçeceğinize karar vermeniz gerekir.

Örneğin, bireysel destek temsilcisi performansını ölçmek istiyorsanız, her bir temsilcinin bir müşteriye yanıt vermesinin ortalama ne kadar sürdüğünü bulmak için sayısal verileri inceleyebilirsiniz. Ardından, her bir temsilcinin performansını genel ortalamayla  karşılaştırabilirsiniz.

Ancak, müşterilerin müşteri hizmetleri düzeyinizden neden memnun olmadıklarını bilmek istiyorsanız, nitel verilerinize bakmanız gerekir.

Belki de belirli bir müşteri destek temsilcisinden diğerlerinden daha sık bahsediliyordur - ancak bu olumlu mu yoksa olumsuz bir şekilde mi bahsediliyor? Ayrıca, yanıt süreleri veya müşterilerin sorunlarının çözülme şeklinden memnun olup olmadıkları gibi bahsedilen belirli konulara da bakmak isteyebilirsiniz.

Adım 3: Verilerinizi Toplayın

Artık hedeflerinizin ne olduğunu ve bunları nasıl ölçmek istediğinizi bildiğinize göre, doğru veri türünü toplamaya başlayabilirsiniz. Hem nicel hem de nitel veri toplamak en iyi uygulama olmakla birlikte, yanıtlamaya çalıştığınız sorularla ilgili verileri de toplamanız gerekecektir.

Nicel veriler: sayısallaştırılabilen ve ölçülebilen yapılandırılmış veriler. Örneğin, etiketler ve rakamsal veriler,

Nitel veriler: içgörüler için madencilik yapılmadan önce yapılandırılması gereken yapılandırılmamış veriler. Örneğin, metin, konuşma, görüntüler, videolar.

Nicel veriler genellikle veritabanlarında veya Excel sayfalarında saklanır ve analiz edilmeye hazırdır. Peki, nitel verileri nerede bulabilirsiniz?

İşte nitel verilere birkaç örnek:

•    Müşterilerinizden gelen e-postalar
•    Müşteri destek biletleri
•    Sohbet konuşmaları
•    Çevrimiçi ürün incelemeleri
•    Sosyal medya verileri
•    Açık uçlu anket yanıtları

Bu verilerin çoğu Zendesk, Gmail ve sosyal medya yönetim platformları gibi günlük olarak kullandığınız araçlarda depolanır. Bazılarını web tarama araçlarını kullanarak toplamanız gerekebilir (veriler web sitelerinde, bloglarda veya forumlarda bulunuyorsa).

Adım 4: Verilerinizi Analiz Edin

Excel, Google E-Tablolar ve Airtable gibi veri analizi araçları ile Tableau ve Google Data Studio gibi iş zekası araçları sayıları hesaplamak için mükemmeldir. Sayısal verilerinizi eklemenize ve kapsamlı görselleştirmeler, çizelgeler ve grafikler oluşturmanıza olanak tanırlar.

Bu araçlar veri analizine başlamak için harikadır, ancak analizinizde daha da derine inmek için kullanabileceğiniz daha karmaşık veri analizi yöntemleri vardır.

Veri analiz yönteminizi seçin:

•  Çıkarımsal Analiz - kalıpları ve eğilimleri keşfetmek için istatistiksel veri analizi
•  Metin Analizi - gerçek zamanlı nitel veri analizi
•  Teşhis Analizi - keşfedici nicel ve nitel veri analizi
•  Tahmine Dayalı Analiz - tarihsel nicel ve nitel veri analizi
•  Kuralcı Analiz - senaryo tabanlı nicel ve nitel veri analizi

Bu veri analizi yöntemlerinden bazıları, büyük yapılandırılmamış veri kümelerini otomatik olarak analiz etmenize yardımcı olmak için yapay zeka ve makine öğrenimini kullanır. Ancak bunun sizi vazgeçirmesine izin vermeyin. Önceden eğitilmiş makine öğrenimi modelleriyle birlikte gelen birçok kullanıma hazır araç vardır, böylece tek bir satır kod yazmadan sadece birkaç dakika içinde güçlü içgörüler elde edebilirsiniz.

Örneğin, önceden eğitilmiş bir anahtar kelime çıkarıcı, verilerinizdeki en sık kullanılan kelimeleri çıkararak verilerinizi hızlı bir şekilde özetleyebilir. Duygu analizi ise verilerinizi otomatik olarak pozitif, negatif ve nötr olarak sınıflandırır. Birleştirildiğinde, verilerinizden negatif ve pozitif trend konular gibi derin içgörüler elde etmeye başlayabilirsiniz.

Nitel verilerden içgörü elde etmenin ne kadar kolay olduğunu görmek için önceden eğitilmiş duygu analizi modelini deneyin:

Verileriniz daha özelleştirilmiş bir yaklaşım gerektiriyorsa, MonkeyLearn gibi sezgisel bir araç kullanarak kendi kodsuz metin analizi araçlarınızı oluşturabilirsiniz.

Modelinizi iş verilerinizi ve kriterlerinizi kullanarak eğittikten sonra, MonkeyLearn API veya entegrasyonları (Excel, Google E-Tablolar ve Zendesk gibi) aracılığıyla sevdiğiniz araçlara bağlayabilir ve verilerden gerçek zamanlı olarak değer elde etmeye başlayabilirsiniz.

Adım 5: Sonuçları Görselleştirin ve Yorumlayın

Şimdi sıra işin eğlenceli kısmında. Verilerinizi özetlemeye yardımcı olan veri görselleştirme araçlarını kullanarak veri analizinizi çarpıcı veri görselleştirmelerine dönüştürün, böylece verilerinizdeki eğilimleri, kalıpları ve ilişkileri kolayca tespit edebilirsiniz. Ayrıca iş kararlarını desteklemek ve bulgularınızı ekibin geri kalanına sunmak için de harika bir yoldur.

Veri Görselleştirme Araçları

•  MonkeyLearn Studio ^[6]: uygulama içi veri görselleştirmeyi metin analizi araçlarıyla birleştirerek güçlü bir hepsi bir arada veri analizi çözümü oluşturur.
•  Farklı konulardaki duyarlılıkları gösteren gösterge tablosuna bir göz atın.
•  Tableau ^[7]: kullanımı kolay sürükle ve bırak arayüzüne sahip görsel analiz yazılımı.
•  Google Data Studio^[8]: kullanımı ücretsiz olan basit bir veri görselleştirme aracı için.
•  Verilerinizi görselleştirdikten sonra, iş hedeflerinize ulaşmanıza yardımcı olacak kararlar almaya başlayın.

Veri Analizine Başlayın

Verileri analiz etmek, şirketlerin kendileri için neyin iyi çalıştığını ve büyümek için neleri geliştirmeleri gerektiğini öğrenmelerini sağlar. İşletmeler nicel verilerden uzun süredir faydalanıyor, ancak nitel verilerden elde edebileceğiniz çok daha fazla içgörü var. Bu tür verileri hazırlamak için daha fazla zaman harcamanız gerekse de, nitel verilerin analiz edilmesiyle ilgili adımlar aynıdır.