Tek Bir Beyaz Tahtada Paraya Çevrilebilen Veri Modeli Gelir Analizi

Veri ekibiniz ROC AUC, satın alma eğrileri ve model eşik değeri yönetimi hakkında konuşuyor olsa bile CFO'nuzun aklında sadece "Bunlar bana para kazandıracak mı?" sorusu vardır. Bu soru, veri biliminin başarısız olduğu anlamına gelmez. Ancak verilerin anlaşılabilir ve eyleme dönüştürülebilir şekilde aktarılamadığını gösterir ve bu da en az başarısızlık kadar kötüdür.

Modern şirketler; potansiyel müşteri puanlaması, müşteri kaybı tahmini, talep tahmini, birim ekonomi analizi gibi güçlü modeller kullanır fakat bunların hemen hepsi de aynı sorunu yaşar: Gelirle net bir şekilde bağlantı kuramamak. Modeller soyut çıkarımlardan ibaret kalırsa bütçe onayları yavaşlar, uyum bozulur ve umut vadeden girişimler bile sessizce kaybolup gider.

Daha fazla veri analizi çözüm değil: tek bir beyaz tahta size yardımcı olabilir

Bunu düzeltmenin en hızlı yolu daha fazla analiz yapmak veya daha uzun bir slayt sunumu hazırlamak değildir. Modellerin, iş akışlarının ve paranın aynı anda görülebildiği ortak bir beyaz tahta oluşturmak, bu sorunu en verimli şekilde çözmenizi ve veri modellerini paraya dönüştürmenizi sağlar. Üstelik doğru araçları kullanırsanız bunu sadece tek bir beyaz tahtada bile yapabilirsiniz.

Burada, bunu nasıl yapabileceğinizden bahsedeceğiz. Daha birçok konuda yardımcı olduğu gibi, Bitrix24 araçları bunu da kolay, hızlı ve verimli bir şekilde yapabilmenize olanak tanır. Co-Pilot iş analitiği özelliğine sahip bir CRM platformu olan Bitrix24; Beyaz Tahtalar (Tahtalar), Görev Yönetimi ve Çalışma Grupları gibi modülleri bir arada kullanarak, her türden işletmenin doğru bir şekilde veri modelleri oluşturmasına yardımcı olur.

ROC AUC nedir ve gerçekte ne anlatır?

ROC AUC, “Receiver Operating Characteristic - Area Under the Curve” terimlerinin kısaltmasıdır ve bu da “Alıcı İşletim Karakteristiği - Eğrinin Altındaki Alan” anlamına gelir. Basitçe ifade etmek gerekirse belirli bir modelin yine belirli bir senaryodaki iki olası sonucu ne kadar iyi ayırabildiğini ölçen bir performans metriğidir. Örneğin dönüşüm olasılığı yüksek olan potansiyel müşteriler ile dönüşüm olasılığı düşük olanları birbirlerinden ayıran bir modeli değerlendirmek için kullanılabilir.

Tüm potansiyel müşterilerinizi bir modelin puanına göre “en az satın alma olasılığı olan” ve “en çok satın alma olasılığı olan” şeklinde bir sıralamaya tabi tuttuğunuzu düşünün. ROC AUC burada tek bir soruyu yanıtlamak için kullanılır: Model, satın alan kişileri ne sıklıkta satın almayan kişilerden daha yüksek sıralıyor? ROC AUC değeri 0,5 ve altındaysa bu model güvenilir sonuçlar vermiyor ve hatta neredeyse rastgele tahminler yürütüyor demektir. Ancak 1,0'a yakın bir puan, modelin, doğru sonuçları sıralamada tutarlı bir şekilde iyi olduğu anlamına gelir.

Soyut verileri değil , somut gelir tahminlerini bir araya getirin

Bununla birlikte ROC AUC değerleri size satış ekibinin aslında kaç potansiyel müşteriyi araması gerektiğini, satın almaya yönelik karar eşiğinin nerede değiştiğini veya modelin ne kadar gelir üreteceğini söyleyemez. Bir model güçlü bir ROC AUC'ye sahip olsa bile çıktıları gerçek eylemlere bağlı değilse operasyonel olarak başarısız olabilir.

Daha da basit ifade edelim. Veri ekipleri, size belirli bir modelin ROC UC değerinin “0,82” olduğunu söylüyor olabilir. Ancak bu bir CFO (veya herhangi bir yönetici) için hiçbir anlam ifade etmeyecektir çünkü bu veri “gelir” cinsiden ifade edilmemektedir.

Bu nedenle veri ekipleri, “ROC AUC değerlerimiz iyileşti” gibi soyut raporlardan “Beklenen gelir değeri 4.600 TL’ye ulaştı” gibi somut raporlara geçiş yapmalıdır. Önemli olan, ROC AUC değerleri ile yapılan tahminlerin geliri nasıl değiştirdiğini göstermektir çünkü yöneticilerin görmek istediği şey budur. Bunu yapmanın en hızlı yolu ise yukarıda belirttiğimiz gibi bir beyaz tahta kullanmak olabilir.

Modeller ve kararlar arasındaki dil farkı

Çoğu işletme veri kümeleri veya veri entegrasyonu ile ilgili bir sorun yaşamaz. Problemlerinin temelinde, karar almalarını sağlayacak net verilere ulaşamamak yatar. Bu da veri ekipleri ve yöneticiler arasındaki “dil farkından” kaynaklanır.

Veri ekipleri, uzmanlıkları gereği istatistiksel performansı optimize etmeye odaklanır. Yani amaçları daha yüksek doğruluk ve daha temiz doğrulama kümeleri elde edebilmektir. Yöneticiler için önemli olansa sonuçların optimizasyonudur. Gelir artışı, maliyet düşürme, öngörülebilirlik ve risk kontrolü onlar için daha önemlidir.

Her iki taraf da kendi uzmanlığına odaklanır ve her ikisi de işlerinde çok iyi olabilir ancak bu farklı diller konuştukları gerçeğini değiştirmez. Veri ekiplerinin analiz ettiği mükemmel ROC AUC değerlerine sahip bir modelde bile şu soruların yanıtı yoktur:

• Bu modele geçiş yaparsak operasyonel olarak neyi değiştirmemiz gerekir?
• Bu yeni model bize ne kadarlık bir gelir artışı sağlar?
• Bu modeli uygulamaya koymazsak sonuçları ne olur?

Bu soruların cevapları açık ve net bir şekilde verilemiyorsa CFO’nun yeni modeli “finanse edilebilir” olarak görmesi de mümkün olmayacaktır. Bu durum, yöneticiler ile veri uzmanlarının aynı dili konuşabilecekleri bir ortak alan bulamamalarından kaynaklanır.

Beyaz tahta iş planlama, kontrol panellerinden daha iyidir

İşte bu iletişim problemini çözecek ortak alan ise beyaz tahtalar olabilir. Kontrol panelleri belirli bir modeli takip etmek için kullanışlı araçlar olsalar da bağlam bakımından hemen hiçbir şey sunmazlar. Beyaz tahtalar ise takibin yanı sıra bağlam da sağlar. Örneğin sadece nelerin ölçüldüğünü değil, bunların birbirlerine nasıl bağlantılı olduğunu da gösterirler.

Varsayımları, görevleri ve sahipliği tek bir yerde toplayıp “teknik” ve “teknik olmayan” ekiplerin birlikte düşünebilmelerini sağlarlar. Tüm bunlar, yöneticiler ile veri ekipleri arasında aynı dilin konuşmaya başlandığı bir ortak alan oluşturmalarını mümkün kılar. Üstelik her iki tarafın da onları kullanmaya başlamak için özel bir eğitim alması gerekmez.

Beyaz tahtalar, işletmeler için kullanıcı davranışlarının, model etkilerinin, operasyonel iş akışlarının ve tüm bunların finansal sonuçlarının görülebileceği bir alandır. Neden-sonuç ilişkisini görünür kılarlar ve bir CRM içerisinde geldikleri için, ayrı bir uygulama olarak satın alınıp kullanılmaları da gerekmez.

Kullanıcı yolculuğunu tahta üzerinde analiz etmek

Geliri etkileyen her model, kullanıcı yolculuğunun bir parçasıdır. Aynı nedenle bu yolculuğun kendisi KPI takibi ve ölçümleme için kullanılabilir. Ekipler, beyaz tahtaları kullanarak yolculuğu şöyle haritalandırabilir:

1. Kullanıcının satış tüneline nereden girdiği
2. Modelin nerede devreye girdiği
3. Kullanıcının tünel içerisindeki diğer tüm eylemleri
4. Nasıl para kazanıldığı (veya kaybedildiği)

Bunu daha pratik bir şekilde örnekleyecek olursak gerçek bir harita genel olarak şuna benzeyecektir:

1. Web sitesi ziyareti ile potansiyel müşteri oluşturuldu
2. Potansiyel müşteri model tarafından puanlandı
3. Puan, satış önceliklendirmesini tetikledi
4. Satış ekibi anlaşmayı sonuçlandırdı
5. Gelir CRM'ye kaydedildi

Bu yolculuk beyaz tahtada görsel hâle geldiğinde, işletmelerin artık “bu adımı değiştirsek ne olur, bu adımdan kim sorumluydu, satış fırsatı nerede kayboluyor” gibi soruları cevaplayabilmeleri de mümkün olur. Yolculuk gerçek zamanlı takip edilebildiğinden ötürü toplanan veriler neyin işe yaradığını, neyin yaramadığını ve nelerin gelire dönüştüğünü net şekilde gösterir.

Yöneticilerin gerçekten önemsediği metrikleri eklemek

Ancak gerçek anlamda etkili sonuçlar, analitik veriler doğrudan tahtaya eklendiğinde gerçekleşir. Bu sayede soyut performans ölçümleri yerine; ekipler, model puan aralıkları ile dönüşüm olasılıklarını, dönüşüm olasılıkları ile ortalama işlem büyüklüğünü, işlem büyüklüğü ile de beklenen gelir (TL cinsinden) etkisini birbirleriyle ilişkilendirebilir.

Beyaz tahtada “ROC AUC bu eşikte 0,62 puan düştü” yerine, “Bu eşikte her tahmin ortalama 460 TL değerine ulaştı” yazar. Bu basit değişiklik bile yöneticiler için son derece etkilidir çünkü artık karmaşık ve soyut verileri gelire çevirebilirler. Belirli bir modeli diğer yatırımlarla karşılaştırmaları, fırsat maliyetini anlamaları ve değişimler hakkında daha net sorular sormaları mümkün olur. Veri ekipleri de nihayet çalışmalarının finansal terimlerle tartışılmaya başlandığını görür.

Veri entegrasyonu ile tahmin başına nakit akışı analizi

Beyaz tahtalar kullanılarak entegre edilen veriler sadece raporlama için değil, farklı türlerde analizler gerçekleştirmek için de kullanılabilir. Bunlar arasında en etkileyici olanlardan biri “tahmin başına nakit akışı” analizidir. Bu analiz örneğin aşağıdaki soruların kolayca cevaplanabilmesini sağlar:

• Bu ürün için puanlanan her potansiyel müşteri başına ne kadar gelir elde ediyoruz?
• Orta güven düzeyindeki tahminleri göz ardı edersek ne kadar para kaybederiz?
• Eşik değerini biraz değiştirirsek gelire ne olur?

Bu soruların cevapları yönetim kurulu düzeyinde kararlar alınmasını sağlayacak kadar etkili ve önemlidir. Dahası iş zekâsı ve raporlama (business intelligence and reporting) için hayati öneme sahiptir. Bir modelin performansı Türk lirası cinsinden ifade edildiğinde, alınan her karar duygusal olmaktan çıkıp analitik hâle gelir.

Teknik terimleri kararlara dönüştürmek için yapay zekâ kullanımı

Beyaz tahtalar aracılığıyla elde edilen görsel haritalar ve raporlar dahi hâlâ teknik anlamda anlaşılması zor terimler içeriyor olabilir. Yapay zekâ destekli bir CRM, burada kritik bir rol üstlenir çünkü sunduğu AI asistanı, “gerçek zamanlı bir çevirmen” gibi kullanılabilir. Örneğin Bitrix24’ün bir parçası olan CoPilot, pek çok farklı modülde yapay zekâ desteğinden yararlanmanızı sağlayacak bir araç olarak tasarlanmıştır ve şunları kolayca yapabilir:

• Teknik içgörüleri yöneticiler için özetlere dönüştürmek ve hatta bunları bir e-posta şeklinde gönderebilmek.
• Detaylı raporlar için kısa açıklamalar ve özetler hazırlamak.
• Karmaşık terimler için anlaşılabilir açıklamalar yapmak.

Örneğin böyle bir araç, geri çağırma eğrilerini öğrenmenize gerek kalmadan size şunu söyleyebilir: “Eşik değerini düşürmek satış departmanının iş yükünü %12 artıracak ancak aylık satış hacminde 120.000 TL'lik bir ek potansiyel oluşturacak.” Yapay zekâ asistanı, sizi teknik terimlere boğmadan ihtiyaç duyduğunuz temel bilgileri vererek karar almanızı ve örneğin yönetim kurulu için bir rapor hazırlamanızı kolaylaştırır.

Satış tahmin entegrasyonu ile tahtaları eyleme dönüştürmek

Beyaz tahtalar ile anlaşılabilir hâle getirdiğiniz bir veri, eyleme dönüşmüyorsa hiçbir anlam ifade etmez. Tahta, verileri görünür hâle getirdikten sonra API ile veri entegrasyonu aracılığıyla bu içgörüleri eyleme dönüştürmeniz gerekir.

Örneğin model puanları doğrudan CRM’ye aktarılmalı, potansiyel müşteriler otomatik olarak önceliklendirilmeli, görev atamaları ile sorumluluklar manuel adımlar olmadan tetiklenmelidir. Buradaki amaç, satış ekiplerinin “model çıktısı” yerine kullanabilecekleri bilgileri görmelerini sağlamaktır. Yani bir bakışta kimi, hangi sırayla ve hangi aciliyetle arayacaklarını görebiliyor olmaları gerekir. Bunu yapabildiğiniz anda da veri modelleri analitik tartışmalar olmaktan çıkıp gelir kaynağı olmaya başlarlar.

30 günlük bir deney yapın

Veri modellerini beyaz tahtalar aracılığıyla eyleme geçirilebilir görsel haritalara dönüştürmenin size ne kazandıracağını veya ne kadar etkili olacağını merak ediyorsanız 30 günlük basit bir iş birliği ve proje yönetimi deneyi yapabilirsiniz. Bu deneyde tek bir model ve tek bir tahta kullanarak, TL cinsinden tek bir ölçülebilir sonuç belirleyin. Ardından şunları yapın:

Örnek vaka: İstanbul'da bir KOBİ

Küçük bir satış ekibine ve sınırlı bütçeye sahip İstanbul merkezli bir B2B KOBİ düşünün. Bu KOBİ’nin bir potansiyel müşteri puanlama modeli zaten vardı fakat bu model daha fazla yatırım yapılmasını gerektiriyordu ve buna değip değmeyeceğine karar verilemiyordu. Bu sorunu çözmek için bir beyaz tahta kullanarak şunları yaptılar:

• Potansiyel müşteri ile başlayıp gelir ile sonuçlanan kullanıcı yolculuğunun tamamını haritalandırdılar.
• Puanlanan müşteri adayı başına TL değerini gösteren analitikleri tahtaya eklediler.
• Sonuçları yöneticiler için özetlemek amacıyla yapay zekâ kullandılar.
• Müşteri puanlarını doğrudan CRM satış modülüne entegre ettiler.

Bunları yaparak sadece 30 gün içinde satışlarının daha az sayıda ancak daha değerli olan potansiyel müşteri adaylarına odaklanmasını sağlayıp kapanış oranlarını artırabildiler. Yöneticiler modele dayanan bütçeyi onaylarken tereddüt etmedi çünkü ne kadar kâr edebileceklerini TL cinsinden gördüler. Yani aslında değişen tek şey, farklı dillerde konuşan kişilerin ortak bir alanda çalışmasını sağlamak oldu. Bu sayede küçük ölçekli bir işletme olsalar bile veri modellemenin gücünden yararlanabildiler.

Bitrix24 ile veri modellerini gelire dönüştürün

İşin aslı şu ki hiçbir veri modeli “çok güzel göründüğü için” finanse edilmez. Yöneticilerin onları onaylaması için anlayabilmeleri gerekir ve bunun için de gelire dayalı sonuçlar görmeleri şarttır. Farklı uzmanlıklara sahip ekipler tek bir beyaz tahtaya bakıp modelin nasıl çalıştığını ve ne kadar gelir getireceğini anlayabilirse mükemmel bir uyum elde eder ve herkesin çabalarının karşılığını almasını sağlarsınız.

Bitrix24 çözümleriyle bunu kolayca elde edebilirsiniz. Mobil uygulamaları da bulunan online bir CRM platformu olan Bitrix24; Beyaz Tahtalar (Tahtalar), Görev Yönetimi ve Çalışma Grupları gibi özellikleriyle veri modellerini satışa entegre edebilmenizi ve uyum içinde çalışabilmenizi sağlar. Sınırsız sayıda kullanıcı için sonsuza dek ücretsiz bir sürümü de olan Bitrix24’ü hemen bugün deneyin ve sunduğu tüm avantajları kendiniz görün.

Sık Sorulan Sorular

Veri modellerini gelire çevirmek gerçekte ne anlama geliyor?

Bu, yöneticilerin bilinçli yatırım kararları alabilmeleri için belirli bir modelin etkisini finansal terimlerle (örneğin tahmin başına Türk lirası cinsinden) ifade etmek anlamına gelir. Diğer bir deyişle soyut değerler yerine, alacakları kararların geliri nasıl etkileyeceğini görebilirler.

Neden raporlar veya sunumlar yerine beyaz tahtalar kullanılmalı?

Beyaz tahtalar ilişkileri, varsayımları ve sahipliği tek bir yerde göstermeleri sayesinde ekipler arası uyum ve karar alma için idealdir. Farklı uzmanlıkları olan ekiplerin bile tek bir ortak çalışma alanında bir araya gelerek birbirlerini anlamasını sağlarlar.

Yapay zekâ, veri modellerinin gelire çevrilmesine nasıl yardımcı olabilir?

Yapay zekâ (örneğin Bitrix24’ün CoPilot asistanı), teknik içgörüleri net anlatılara dönüştürerek, teknik uzmanlığı olmayan kişilerin bile hangi kararları neden almaları gerektiğini anlamalarına yardımcı olur.

Model çıktıları satış ekiplerine nasıl ulaşır?

API ve entegrasyonlar aracılığıyla model puanları doğrudan CRM platformundaki satış yönetimine gönderilir. Bundan sonra da otomatik olarak görevlendirmeler yapılıp takip gerçekleştirilir. Beyaz tahta ise sonuçları değerlendirip analiz etmek için kullanılabilir.

30 günlük deneyi etkili kılan şey nedir?

Bu iş birliği ve proje yönetimi deneyi, teknik bilgi konusunda farklı yeterlilikleri olan ekipleri ortak bir hipotez ve ölçülebilir bir gelir sonucu üzerinde yoğunlaştırarak, uzun tartışmaları ortadan kaldırır ve gerçek finansal sonuçlar elde edilmesini sağlar.