Blog

Veri Analizi Çıkmazı

Veri Analizi Çıkmazı
Yalın Uygulamalar

Veri Analizi Çıkmazı

Verilerden anlamlı bilgi üretmek her işin vazgeçilmezi. İster sofistike otomasyonlar, ister excel tabloları, isterse elle işlenen veriler olsun “veri analizi çıkmazı” ile karşılaşmanız çok mümkün. Veri analizi çıkmazı, analiz için zaman harcayıp sizi iyileştirmeye yönlendirecek şekilde bilgiye dönüştürememek anlamına geliyor. Eğer sürenin çoğunu verinin yorumlanması ve iyileştirmeleri düşünmek yerine veriyi toplamak, doğrulamak, hatalarından arındırmak, düzenlemek, temizlemek için harcıyorsanız başınız dertte demektir. Bu çıkmazdan kaçınmak için dikkat edebileceğiniz birkaç nokta:

  1. Kirli veri : Toplanan veri analiz etmeye uygun mu? Örneğin aynı tedarikçi/müşteri ismi her defasında farklı biçimde yazılmış, barkod okunamadığı için verinin neye ait olduğu bilinemiyor veya sipariş no.su eksik bırakılmış, personel giriş çıkış kart basma saati verileri giriş-çıkış eşitliği sağlamıyor (özellikle mola saatlerinde kart basma isteyen şirketlerde sık karşılaşılır). Kirli verinin ayıklanması, düzenlenmesi için fazladan zaman harcanması gerekir, hatta bazen binlerce satır veriden kullanılabilir olanlar istatistiki olarak güvenilir sonuç veremeyecek kadar aza inebilir.
    Bu problemden kaçınmak için veri toplama araçlarını tasarlarken onları ne şekilde analiz etmeniz gerektiğini de dikkate almalı, örnek verilerle denemeler yapmalı ve kuralları önceden belirlemelisiniz.
  2. Eksik ya da gereksiz veri : Hangi soruya cevap vermek istiyoruz, bunun için hangi verilere ihtiyacımız var, her birinin tanımı nedir? Örneğin bir hastanede ameliyat süresi cerrah için time-out ile sign-out noktaları arasındaki süre iken, hasta için odaya giriş-çıkış süresi, ameliyat odası için ise ön hazırlık ve temizlik süreleri de dahil olarak düşünülebilir. Ameliyat süresi bilgisini anlamlandırmak için ameliyat tipi, yöntemi, cerrahın ismi, hastanın ismi, yaşı, vb. bilgiler de gerekir mi? Ya da hatalı ürünlerin düzeyini tespit etmek istiyorsak sadece hatalı ürün sayısı verisine bakmak yetmez, aynı zaman dilimindeki toplam üretim adedi verisine de ihtiyaç vardır. Hatalı ürünlerin hangi tip ürünlerden olduğunu da bilmeye ihtiyacımız varsa ürün tipi bilgisi de veri toplama sistemimizde yer almalıdır.
    Bu problemden kaçınmak için önce hangi soruya cevap aradığımızı düşünmek, bu cevabı vermemize yardımcı olacak verilerin neler olduğuna karar vermek, sonra da verinin nereden, nasıl, hangi detayda, hangi birimle toplanacağını tanımlamak ve sonra işe başlamak gerekir. Pratik bir tavsiye önce küçük ölçekte veri alarak analizi yapmak, istenen sonuca ulaşılıp ulaşılmadığına bakmak ve gerekli düzeltmeleri yaptıktan sonra standart hale getirmektir.
  3. Veri alanlarının tanımı : Veriyi yorumlaması veya veri girişi yapması beklenen tüm çalışanlar veri alanlarının anlamını, neyi içerdiğini, kısıtlamalarını biliyor mu? Örneğin malzeme tedarik süresi olarak görülen veri gelen malzemenin giriş kontrol onayı almasını da içerir mi, müşteri hesabı alanına IBAN kodu mu yazılır, yoksa TCKN mi, ya da müşteri cari kodu mu? OEE otomasyon yazılımının hesapladığı verimlilik değeri neyi ifade ediyor (gördüğümüz sonuç gerçekten kullanılabilirlik*performans*kalite şeklinde mi hesaplanmış, birçok yazılım küçük duruşları dikkate almıyor veya kalite çarpanını hiç katmıyor)? Ürün ağaçlarında hammadde kullanımı ton yerine kg. gibi hatalı birimle girildiği için büyük hataların olduğuna birçok kez şahit oldum.
    Bu hatalardan kaçınmak için yazılımlarda veri alanları tanımının gerektiğinde görülebilmesini sağlayacak yardım butonları, excel tablolarında satır/sütün başlıklarında tanımlama alanları vb. basit tedbirlerin alınması ve kullanıcı eğitimlerinin yapılarak bu eğitimlerin gerektiğinde tekrar ulaşılabilecek şekilde dokümante edilmesi gerekir.
  4. Tutarsız veri : Özellikle birden fazla sistem kullanan işletmelerde veya verinin excel vb formatlara indirilip işlendiği durumlarda aynı konu için farklı departmanlar birbiri ile tutarsız bilgiler raporlayabilir. Sonra da fark nerden geliyor diye ciddi zaman harcanır. Bazı şirketlerde bu tür problemleri çözmek üzere departmanlar bile var.
    Kritik nokta ana verinin her zaman ortak ve merkezi veri tabanında olmasını sağlamak, analiz ihtiyacı için başka platformlara aktarma yöntem ve kurallarını belirlemek, analiz ve raporlamalarda veri dönemi, veri seçimi gibi hususları dipnot olarak belirtme alışkanlığı kazanmak ama en önemlisi veri tabanına müdahaleleri mutlaka kural ve onaylara bağlamaktır.
    Bir diğer tutarsız veri örneği farklı birimlerde aynı bilginin farklı biçimde elde edilmesinden gelebilir. Örneğin işlem zamanı verisini toplarken başlangıç ve bitiş adımları net tanımlanmadıysa ya da biri saniye diğeri dakika hassasiyeti ile ölçtüyse veya farklı zaman ölçüm metotları kullanıldıysa aynı işi yapan iki farklı noktadan tutarsız veri alabiliriz. Bu veri tutarsızlığı verimlilik analizlerinizin doğruluğunu etkileyecektir.
  5. Sistemsel değişikliğin yönetimi : Analiz yönteminde, yazılımlarda yapılan değişikliklerin kayıtlı ana veriyi bozmadığından emin olmak, ana veriyi merkezi veri tabanında tutmak
  6. Veri kaydının önemi : Çalışanlar veri kaydını gereksiz bir iş yükü olarak mı görüyor, sadece yönetim istediği için mi yapıyor, neden bu veriye ihtiyacımız var? Bununla bağlantılı bir diğer sorun da veriyi toplamak ama çalışanın işini iyileştirecek kullanılabilir bilgiye dönüştürmemektir. Çalışanlar veriden yararlanıldığı ölçüde veri kaydını işin bir parçası olarak benimsiyorlar.
  7. Veri ve olgular: Veri analizi kıymetli bir araç ama olgularla desteklenmediğinde bizi analiz için analiz tuzağına düşürebilir. Taichi Ohno’nun dediği gibi “Veri tabii ki önemlidir, fakat gerçeklere daha fazla önem veririm.” Gerçek olgular, gerçek şartlar, gerçek konum, gerçek şey, gerçek kişi, gerçek zaman, gerçek metot ancak sahada gözlem ile ve doğru sorular sorularak tespit edilebilir. Saha gözlemi aynı zamanda hangi verilere ve analizlere ihtiyacımız olacağına yönelik de bilgi sağlar. Sahada çalışana sorulan ama cevabını net olarak bilemediği sorular veri kaydı ve analiz yapma motivasyonunu arttırır.

İyi analizler!

Ülkü Kulaç

Yorum Yaz

E-posta hesabınız yayımlanmayacak.