Redaktə edən: Zülfiyyə Əhmədova

Hal-hazırda Data və Biznes Analitikası kimi sahələrdə bütün dünya üzrə bum yaşanır. Bunun da özünün səbəbləri var; ələxsus da ona görə ki, data gələcəyin nefti sayılır. Data, Biznes Analitikası, Optimallaşdırma – bunlar fərqli konseptlərdir və bu yazıda aşağıdakı mövzuları aydınlaşdırmağa çalışacağıq:

• Data və Data Elmi nədir?

• Böyük Data nədir?

• Biznes Analitikası sahəsi nə işlər görür?

• Riyazi Optimallaşdırma nə deməkdir?

• Data + Analitika + Optimallaşdırma – bunların üçü bir yerdə işlədildikdə şirkətlər hansı gücləri qazanırlar?

• Gələcəyə baxış – Gələcəkdə bu sahələr nə cür dəyişəcək?

Əvvəlcə Amazona keçidimdən bəzi məqamları açmaq istəyirəm. 2018-ci ildən Dubayda işləyirdim və ilk ilim sona çatmağa yaxınlaşanda LinkedIndə Amazonda Biznes Analitik vəzifəsini gördüm. Maraqlandım, sənəd verdim və intervyu etdilər. Amazonun intervyu prosesi uzundur. Yəni, əvvəlcə HR, sonra işə götürən müdir hərəsi bir saat olmaqla danışırlar və sonra beş saatlıq panel intervyu olur. Həmin gün beş saat dayanmadan danışırsınız. Amazonun çox yorucu bir işə götürmə prosesi var. Amma əvvəldən HR-ın və işə götürən müdirin sizin haqqınızda müsbət rəydə olması bu prosesləri bir az asanlaşdırır. Mən də bütün bu proseslərdən keçdim və sonra iş təklifi gəldi. Artıq 6 aydır ki, Lüksemburqda şirkətin Avropa Birliyi üzrə Biznes Analitikası işini görürəm. Buraya gəldikdən 2-3 ay sonra bütün dünyanın altını üstünə gətirən virus məsələsi ortaya çıxdı. Dünyada müharibə gözləyərdim, nüvə partlayışı gözləyərdim, amma belə bir virusun hər şeyi alt-üst edəcəyini gözləməzdim. Bu mənada da ingilislər demiş çoxlu “lessons learnt” oldu; bu prosesdən çox dərslər götürdük və bizim üçün bir təcrübə oldu.

Qayıdaq əsas mövzuya: Data nədir, Biznes Analitikası nədir, Business Intelligence nədir, Optimallaşdırma nədir? Data şəxslər və ya obyektlər haqqında miqdarlı və ya atributlu kəmiyyətlər çoxluğudur. Yəni, ingiliscə Quantitative və Qualitative Data. Data sadəcə müəyyən ədədlər, rəqəmlər, hərflər, stringlər çoxluğudur. Datanın özü məlumat demək deyil, məlumat bilgi demək deyil, bilgi isə müdriklik demək deyil.

Əvvəlcə DIKW Piramidası haqqında danışmaq yerinə düşər.

Bizim dildə Data və Knowledge sözləri arasında bir fərq olmasa da ingilis dilində fərqi var. Excellərdə olan rəqəmlər, ədədlər datadır, yəni bunlar özü-özlüyündə bir şey demir sizə. Piramidanın növbəti mərhələsində “information”, yəni, məlumat dayanır. Məlumat bu datalardan istifadə edilərək ortalığa çıxarılan qanunauyğunluqdur. Məsəlçün, sizin əlinizdə zavodun 10 illik istehsalat məlumatı var və oradan siz artıq trendləri çıxardırsınız. İldən ilə, məhsuldan məhsula, satışdan satışa nə qədər fərqlər olubsa, artıq bu məlumatdır (information). Data sadəcə rəqəmlərin yatdığı Excel, SQL və ya hər hansı bir məlumat bazasıdır.

Məlumatın bir üst mərhələsi bilgidir (knowledge). Siz yuxarıda bəhs etdiyim trendləri və digər məlumatları götürüb biznes üçün müəyyən bilgiyə çevirirsiniz. Bundan bir yuxarısı isə (wisdom), yəni müdriklik. Siz o Datanı Exceldən götürüb, oradan trendləri çıxardıb, o trendlərin arxasında yatan səbəbləri araşdırıb, bunun nəticəsində şirkətə bir tövsiyə verdiniz ki, satışları nə cür artırmaq olar. Bu artıq müdriklik mərhələsidir. Məsələn, x məhsulunun istehsalını 10% artırsaq gəlirimiz 20% artar və yaxud da, filan məhsullar faktiki olaraq bizə gəlir gətirmir. Onları çıxarıb, yerinə daha gəlirli bir məhsul istehsal etsək satışlarımız artar. Bunlar ən yuxarı, yəni müdriklik mərhələsidir və hər mərhələ keçdikcə biznes üçün daha bir dəyər əlavə olunur.

Sənaye x.0

Sənaye 4.0 deyirdilər, indi 5.0-6.0 və s. deyirlər və mən artıq onun hesabını itirdiyim üçün Sənaye X.0 qoymuşam. 21-ci əsrə keçəndən, son 20 ildə bəşəriyyətin elədiyi kəşflərin sayı son 200 ildən çoxdur. Yəni, biz 20 il içində bəşəriyyətin iki əsrdən çox qət etdiyi məsafəni keçmişik və bu proses daha da sürətlənərək gedir. Bunun arxasında yatan səbəblərin elmi izahı var. İlk dəfə almanlar tərəfindən yeni eranı Sənaye 4.0 dövrü adlandırmağa başladılar və bu dövrü şərtləndirən faktorları bir-bir qeyd etdilər. Bunlardan ilki Böyük Data və Analizidir. Böyük Data, məsələn, mənim işlədiyim Amazon şirkəti, Ebay, Google, Facebook – bunlarda sutka ərzində milyonlarla sətir, minlərlə fərqli formada data əmələ gəlir. Təsəvvür edin, dünya üzrə nə qədər insan onlayn platformalardan sifariş verir. Qısa vaxt ərzində nəhəng data ortaya çıxır, və buna Big Data deyirik. Artıq siz məsələn Excellə bu işləri idarə edə bilməzsiniz, çünki, Excel 1 Milyondan artıq sətir göstərmir, daha fərqli həllərə ehtiyac duyulur.

ZH: Zənginləşdirilmiş Həqiqət (AR: Augmented Reality)

Bunun ən populyar nümunəsini İKEA tətbiq edir. Otağınızı kameraya çəkirsiniz və istədiyiniz divan, dolab setlərini seçirsiniz və o vizual olaraq göstərir ki, onlar sizin otaqda necə görünəcək. Eləcə də bir çox oyunlar satılır, 3-ölçülü eynəklə oynayırsınız. Bunların hamısı zənginləşdirilmiş həqiqətdir. Yəni, biz olduğumuz yerdə qalırıq, amma bizə elə bir görüntü verir ki, daha üstün və daha fərqli təcrübələr yaşayırıq. Hazırda bəzi avadanlıqların təmirində də ZH-dən istifadə olunur. Mürəkkəb avadanlıqlarının hansı hissəsinin xarab olduğunu çöldən görmək olmur, siz eynək taxırsınız və… Voila!… xarab hissələri görürsünüz və təmir edirsiniz.

Əlavəli İstehsal (Additive Manufacturing)

Bunun ən birinci nümunələri 3 ölçülü printerlərdir, hansı ki, onlarda artıq evlər istehsal olunub, Audi tərəfindən maşınlar düzəldilib. Bu, özü-özlüyündə indiyə qədər bizim yaşadığımız istehsal paradiqmasını alt-üst edən bir şeydir. Məsəlçün biz hansısa plastikdən bir qab düzəldəcəyik. Bir qəlib olur, siz oraya ərimiş plastiki tökürsünüz və o formanı alır. Amma əlavəli istehsal, 3 ölçülü printer isə onu incə laylar şəklində print etmək deməkdir. Bu da gələcəkdə nə kimi şeylər yarada bilər? Məsələn, insanların evlərində bu printerdən olar və artıq nə istəsələr (paltar, müxtəlif əşyalar və s.) sifariş verib bir ay gözləmək əvəzinə onu evdə istehsal edə bilərlər.

Bulud Sistemləri (Cloud Systems)

İndi məlumatların həddindən artıq çox olması, internet sürətinin get-gedə artması Bulud Sistemləri üçün yeni bir era açır. Artıq yaddaş və hesablama gücü yüksək olan kompyuterlər dünyanın o biri ucunda yerləşir (məsələn, Amerikada). Siz sadəcə internetlə bağlanıb, sizə lazım olan qədər yaddaş və hesablama sürətini götürürüb istifadə edirsiniz. Bir çox şirkətlərin istifadə etdiyi alqoritmlər güclü prosessor tələb edir. Modeli işlətmək üçün ortalama HP kompyuterdən 8 dəfə güclü, RAMı 32 GB olan bir kompyuter seçirsiniz və qarşınızda virtual desktop açılır. Orada istədiyiniz hesablamanı, istədiyiniz ağırlıqda modelləri run edə bilirsiniz və tez bir zamanda nəticələri əldə edirsiniz. Halbuki, eyni hesabı evdə/ofisdə edəsi olsanız, gərək 18 ədəd kompyuter alıb, onların prosessorlarını birləşdirəsiniz. Buna ehtiyac yoxdur, çünki, bulud sistemləri bu xidmətləri təklif edirlər və siz də internetə daxil olaraq istədiyiniz cür hesablamalar və manipulyasiyalar edə bilirsiniz.

Kiber – Təhlükəsizlik

İnternetin yayılması, güclənməsi, eləcə də, Bulud sistemlərinin inkişafı çox da təzə olmayan problemi qabardır: Kiber Təhlükəsizlik məsələsini. Bir çox insanların məsələn iCloud hesablarını hack edib, oradan şəxsi şəkillərini götürərək, şantaj yolu ilə Bitcoin istəyirlər. Belə insanlardan öz ətrafımda ən az üç nəfər tanıyıram. Şirkətlərin məxfi məlumatları həddən artıq çox olduğu üçün sıravi insanlardan əlavə şirkətlər üçün də bu problemdir. Buraya işçilər haqqında məlumatlar, istehsalat, xidmət, müştəri bazası, biznes modeli və s. aiddir ki, bunların biri hack olub açığa çıxarsa həmin biznes bata bilər. Ona görə Kiber Təhlükəsizlik sahəsi multimiliardlıq biznesə çevrilir, sırf antivirus, təhlükəsizlik sistemləri və s. inkişaf etdirmək üçün. Daha əvvəllər də verdiyim bir nümunə vardı: Amerikada bir Kazinonu hack etmişdilər. Orada balıqların olduğu akvariumda termostat, yəni, istiliyi tənzimləyən bir çip, qurğu vardı. Onun vasitəsilə Kazinonun sisteminə daxil olub, bütün sistemi hack etmişdilər.

Əşyaların İnterneti (Internet of Things)

Artıq kompyuterlər deyil, əşyalar da internetə bağlanır. Məsələn, Lüksemburqda ağıllı istilik sistemi var. Bütün radiatorların üzərində termostat var. Onların hamısı real vaxtda (real time) şəhərin idarə etmə sisteminə bağlanır, və sistem nəticələrin monitorinqini aparır. “Bütün şəhər üzrə trend nədir?”, “Hazırda ortalama enerji sərfiyyatı nə qədərdir?” kimi suallara cavab axtarırlar. Eləcə də, onun əsasında toplam xərci də hesablayırlar ki, isitmə prosesinə şəhər üzrə nə qədər pul xərclənib. Sensorlar, termostatlar, müxtəlif device-ların internetə bağlanması əşyaların internetidir. Əşyalar artıq öz aralarında internetə bağlanıb məlumat alış-verişi edirlər. Ağıllı evlər (smart houses) artıq sirr deyil. Bir çox insanların mobil telefonunda da var. Evin bütün işıqları, isitmə sistemləri, kombisi, suyu, hamısı telefondadır. İstədiyiniz vaxt istədiyin klapanı açıb-bağlamaq və s. əşyaların internetə bağlanması ilə mümkün olur. Bu, gözəl bir şey olsa da, təhlükəsizlik baxımından böyük çağırışlar, investisiyalar doğuran bir məsələdir.

Proqramların Inteqrasiyası

Artıq şirkətlər hər şöbə, hər tapşırıq üçün fərqli proqramlar işlətmək istəmirlər. Bunun iki səbəbi var: birincisi qeyri-effektiv olması, ikincisi şöbələrin əməliyyatlarının sinxronlaşdırıla bilməməsi. Müxtəlif növ software-lər var ki, onların məsəlçün bir şirkət beş fərqli proqram işlətmək yerinə, onları inteqrasiya edib bir yerdən idarə edə bilər. Bunlara SAP kimi ERP proqramları aid edilə bilər. Şirkətlər SAP proqramının özlərinə lazım olan modullarını (məsələn, Maliyyə, İstehsalat, Satınalma, HR və s.) satın alırlar və bütün şöbələri sinxron şəkildə idarə edirlər.

Simulyasiya

Biz istehsalat konteksində zavodların simulyasiyasını nəzərdə tuturuq. Məsəlçün, bizim bir zavodumuz var və orada iki istehsal xəttimiz, x qədər tonajımız var və s. Biz bilmək istəyirik ki, əgər oraya 3-cü bir aparatı alsaq və yaxud da, əlavə işçi götürsək bizim verimliliyimiz nə qədər artar? Bunların vizual olaraq modelini qururuq. Burada əsas komponent stoxastiklikdir. Yəni, real həyatda heç bir şey stabil, deterministik deyil, hər şey dəyişir. Hər dəfə istehsal edəndə onun xüsusiyyətlərində: ölçülərində, keyfiyyətində müəyyən fərqlər olur. Bütün bu deterministik olmayan, stoxastik (random) olan proseslərin vizual olaraq modelini qururuq. Bunun əsasında (what if scenario?) yəni, “filan şeyi dəyişsək, filan şeyləri etsək gəlirimiz nə qədər artar” kimi suallara biznesdə cavab axtarırıq.

Ağıllı Robotlar

Artıq süni intellektin də inkişafı ilə ağıllı robotlar hər yerdə yayılmağa başlayıb. Bu saydıqlarımın hamısını birləşdirən Data elmidir. Hansının (back ground)-na keçsəniz, hamısının arxasında Data elmi, proqramlaşdırma və riyaziyyat var. Ona görə də, Data Elminin əhəmiyyətini insanlar görürlər. Dünyanın məlumat saxlama tutumu artmaqdadır. Yer üzündə hər gün 2, 5 x 10¹⁵ MB əlavə data yaranır. Bu, nəhəng, terabaytlarla ölçülən bir rəqəmdir. Buna Facebookda paylaşdığımız şəkil, status, Youtube-a yüklənən video, şirkətlərdə tranzaksiyalae və s. kimi məlumatlar daxildir hansı ki, bir yerə yığanda 24 saat ərzində bu qədər məlumat yaranır. Bu qədər məlumatdan faydalı nəticələr çıxarmaq çətinləşir. Məsəlçün, 70-80-ci illərdə idarələrin dəftərdə tutduğu az miqdarda qeydiyyat vardı və onu riyaziyyatla məşğul olan biri həll edə bilirdi. İndi bir günə yaranan data milyonlarla sətirdir və bu işləri görmək üçün yeni metodlar tələb olunur. Hər şeyin kökündə datadan biznes üçün dəyər yaradan nəticələr çıxartmaq durur. Şirkətlərin, qurumların əllərində böyük miqdarda datalar, məlumatlar var və bu datadan istifadə edərək biz öz idarəmizin gələcəyi üçün nə qədər gəlir qazana bilər, hansı qanunauyğunluları tapa bilər, kimə nə sata bilərik, kimi sualları aydınlaşdırmağa imkan verir. Və təbii olaraq bununla da Data Sənayesi böyüyür. Böyük Data Sənayesinin dəyəri 10 il ərzində 100 milyard dollardan 140 milyard dollara qalxıb. Yəni, bu gün bu işi görən şirkətlərin, bölmələrin dəyəri 140 milyard dollardır.

Big Data üçün AWS, Cloud, yəni, siz evdə internetlə bağlanırsınız dünyanın digər tərəfindəki serverə və güclü kompyuterdə öz hesablamanızı edə bilirsiniz.

Data elmindəki metodologiyalar

Data Science dediyimiz elmin əlində müxtəlif metodologiyalar, yəni alətlər var ki, onları istifadə edərək analizlər aparırlar. Bunlardan ilk ağla gələni reqressiya modelləridir. Məsələn, satışlara təsir edən faktorlar (reklam yerləşdirilibmi, reklama nə qədər vəsait ayrılıb, məhsulun xüsusiyyətləri nədir və s.) var. Satışın miqdarı bu kimi fərqli dəyişənlərdən asılıdır və ən təməl yanaşmada bu dəyişənlər arasında bir əlaqə, tənlik qurulur ki, oradakı dəyişənləri manipulyasiya edərək biznesə necə dəyər qazandıra biləcəyinizi və satışları artıra biləcəyinizi proqnozlaşdıra biləsiniz.

Hipotez Testləri və Etibarlılıq İntervallarının Hesablanması

Bunlar sənayedə keyfiyyətə nəzarət üçün tələb olunan ən başlıca metodlardan biridir. Məsələn siz məhsul istehsal edirsiniz və hər dəfə onun fiziki xüsusiyyətləri qeyd olunur. Hipotez testi ilə onu analiz edib nəticə çıxardırsınız ki, bu məhsulun neçə faizi keyfiyyətə yararlıdır, neçə faizi yox. Və yaxud da hansısa prosesdə yaxşılaşdırma etmisiniz və istehsal müddəti 1 saatdan 50 dəqiqəyə düşüb. Bunu riyazi olaraq isbat etmək üçün Statistikanın Hipotez Testləri bölməsindən istifadə edə bilərsiniz.

Qanunauyğunluğun Tapılması

Amerikada WalMartın statistika ilə məşğul olan şöbəsi uşaq bezləri ilə pivə arasında güclü korrelyasiya olduğunu tapmışdı. Gənc atalar işdən çıxanda evə getməmişdən bir pivə alaraq, relax olma fikri ilə marketə girirlər və o vaxt yoldaşı yazır ki, uşağın bezi qurtarıb, Pampers də al. Bu artıq ölkə əsasında bir (pattern) qanunauyğunluq yaradıb. Bu insan məntiqinə yatmır, yalnız data analiz edilərək tapılır. Eləcə də onlayn ticarət şirkətlərin istifadə etdiyi recommendation system. Əgər məsələn Alibaba-dan bir dəfə alış-veriş edirsinizsə, müxtəlif məhsullara baxırsınızsa, sistem gələn səfər sizə uyğun olduğunu düşündüyü başqa məhsulları təklif edir. Eləcə də Netflix. Bir neçə filmə baxdıqdan sonra sistem sizin zövqünüzü anlamağa başlayır və ona uyğun filmlər təklif edir.

Bayes Teoremi

Bayes teoremi fəlsəfi intepretasiyaları və açıqlamaları olan bir teoremdir. Bayes riyaziyyatçı olub və bu, onun qurduğu bir modeldir. Bir ehtimalı hesablayarkən əvvəldən bilinən faktorlar nəzərə alınır və daha dəqiq ehtimallar hesablanır. Riyazi dildə isə B hadisəsi artıq baş veribsə, A-nın ehtimalı neçədir sualına cavab axtarılır.

Neuron Şəbəkələr (Neural Networks)

Neuron şəbəkələr insanın öyrənmə prosesini imitasiya edən riyazi modellərdir. Yəni, biz uşaqlıqdan görüb müəyyən şeyləri qavrayırıq, artıq yaş keçdikcə, nümunələr gördükcə insan təcrübə qazanır və bir çox şeyi əvvəlkindən daha yaxşı qavraya bilir. Neuron Şəbəkələr də insanın öyrənmə prosesinə əsaslanaraq, törəmələrdən, inteqrallardan hazırlanmış riyazi modeldir. Və bu gün insanların üzünün tanınması kimi fuksiyaları bu cür Neuron Şəbəkələr metodu ilə düzəldirlər

Zaman Sıraları

Bir komponenti zaman olan, yəni vaxt üzrə dəyişən hansısa sıralardır. Tutaq ki, illər üzrə satış miqdarı, gəliri, mənfəəti və sairədir. Zaman Sıraları əsasən proqnozlaşdırma məqsədilə istifadə olunur. Burada bir çox fərqli proqnozlaşdırma modelləri istifadə edilə bilər: Holt-Vinter metodu, Hərəkət Edən Orta Ədəd metodu, Eksponensial Düzləşdirmə və s.

Dərin Öyrənmə (Deep Learning)

Bugün çox yayılmağa başlayan, Neuron Şəbəkələrin daha üstün versiyasıdır. Yəni, Dərin öyrənmə bir neçə qatdan ibarət Neuron Şəbəkələrdir. Data bu şəbəkələrdə 3-4 mərhələdən keçir və hər mərhələdən keçdikcə detalları daha yaxşı qavramağa başlayır. Bunlar, süni intellekdin də əsasında yatan ən vacib metodologiyalardır.

Biznes Analitikası

Biznes Analitikasi mütəmadi olaraq biznesin keçmiş performansına baxaraq gələcək üçün lazımlı nəticələr çıxarmaq üçün lazım olan bacarıq, metodologiya və texnologiyalara deyilir. Analitikanın 4 növü var:

• Qərar Analitikası

• Təsviri Analitika

• Proqnozlaşdırma Analitikası

• Preskriptiv Analitika

Qərar Analitikası dedikdə axın diaqramları, təsir diaqramları və qərar ağacları başa düşülür. Bunlar bir növ vizual metodlardır ki qərarvermə prosesində istifadə olunurlar. Bunlardan ən çox istifadə olunanı isə təsviri analitikadır. Bu, şirkətin keçmiş datalarına, məlumatlarına baxaraq nəticə çıxarmaq üçün istifadə olunur. Bura ortalama, dispersiya, yayılma, max, min dəyərlər və s. daxildir. Proqnozlaşdırma da bənzərdir, amma daha çox gələcəyə yönəlik bir proqnoz çıxarılmadır. Bunun ən bəsit istifadəsi məsələn, sizdə illər üzrə istehsalat məlumatı var və siz proqnozlaşdırmaq istəyirsiniz ki, biz gələn il üçün nə qədər istehsal gözləyə bilərik. Bunu edən alqoritmlər də Proqnozlaşdırma analitikası ailəsinə daxil olur. Preskriptiv Analitika isə optimallaşdırma və simulyasiya modellərindən istifadə edərək dəyər qazandırma metodudur. Mənim də bugün işimin ən vacib hissəsi preskriptiv analitikadır. Amazona bir sutka ərzində milyonlarla sifariş gəlir və əgər ağıllı metodlardan istifadə edilməsə bu biznesdə gəlir qazanmaq mümkün deyil. Məsələn, Almaniyanın hansısa kəndində bir nəfər 5 avroluq sifariş verir və siz həmin malı ona İngiltərədə hansısa anbardan 3 gün ərzində çatdırmağa söz verirsiniz. Bu proses yaxından idarə edilməsə, iş riyazi olaraq optimallaşdırılmasa bu biznes batar. Çünki, sizin nə sifariş verəcəyinizə bir limit yoxdur. Girib 0.99 avroluq belə nəsə sifariş versəniz Amazon çatdırmağı öz üzərinə götürür. Bunun arxasında nəhəng riyazi modellər var və bu işi sırf Data Analitikləri optimallaşdıra bilməz. Bu növ işlərdə Sənaye Mühəndisliyi oxuyan insanların bilik və bacarıqları tələb olunur.

Riyazi optimallaşdırma alternativlər arasında ən yaxşı elementin seçilməsidir.

Yəni, x²+y²+4 funksiyasının 3 ölçülü vizuallaşdırılmasıdır. Tutaq ki, bu, bizim müxtəlif dəyişənlərdən asılı olan mənfəət funksiyamızdır. Bunun ən maksimum nöqtəsini tapmaq riyazi optimallaşdırmadır, Əməliyyatların Tədqiqi elminin gördüyü işdir. Bu funksiyanı üç ölçülü formada çəkib görmək olur, amma biz minlərlə dəyişənlərdən asılı, minlərlə ölçüsü olan funksiyalarla işləyirik və bu funksiyaların optimallaşdırılması sistematik bir yanaşma, mühəndislik bacarıqları tələb edir. Biz bunu Əməliyyatların Tədqiqi fənnində tədris edirik. Burada da müxtəlif növ metodlar var, hərəsi fərqli kontekstlərdə istifadə edilir:

• Xətti Proqramlaşdırma. Məsələnin bütün elementləri xətti tənliklər olur.

• Qeyri Xətti Proqramlaşdırma. Məsələdə qeyri-xətti funksiyalar olduqda istifadə edilir.

• Oyunlar Nəzəriyyəsi. Yəqin ki, John Nash haqqında filmə baxıb, onun yaşadıqlarını görmüsünüz. Oyunlar nəzəriyyəsini məhz o kəşf edib.

• Markov Zəncirləri və Növbələr Nəzəriyyəsi kimi bir çox olan sahələr var ki, riyazi optimallaşdırmada biz bunları tədris edir və sənayedə tətbiq edirik.

Data elmi ilə məşğul olanların əlində müəyyən metodologiyalar, toolboxlar var ki, o datadan lazımlı məlumatlar çıxartsınlar. Analitika isə tək data deyil, proqramlaşdırma, riyaziyyat və mühəndislik məlumatlarını da içinə alan bir elmdir. Optimallaşdırma biznes üçün ən yaxşı qərarlara kömək edən, bunun riyazi hesabını aparan elmdir. Böyük şirkətlər bu üç bacarığı bir arada olan insanlar axtarırlar.

Gələcəyə Baxış

Zaman keçdikcə data elminin əhəmiyyəti artmağa davam edəcək. Data və onlayn xidmətlərə əsaslanmayan, köhnə ideologiya ilə hərəkət edən biznesləri çətin günlər gözləyir. Bu mühitə adaptasiya onların isə gələcəyi daha parlaq olacaq. İxtisaslaşdırma Data elminin öz daxilində də olacaq. 25 il əvvəl Azərbaycanın əmək bazarında kompyuter və xarici dil bilikləri çox böyük üstünlük sayılırdı. İndiki dövrdə ingilis dili və kompyuteri hamı bilir. Belə bir analogiya aparsaq artıq data elmi də müəyyən müddətdən sonra müəyyən sahələr üzrə ixtisaslaşmış insanlar tələb edəcək və ümumi biliklər artıq kifayət etməyəcək. İşə girməyə namizəd olan insanın digər sənayelər haqqında məlumatlı olması üstünlüyü sayılacaq və standart alqoritmlərdən əlavə şirkətlərin öz patentləşdirdikləri metodlar vacib rol oynayacaq. Open source olan metodları indi hamı bilir. Böyük şirkətlərin inkişaf elətdirdiyi alqoritm və heuristik metodlar var ki, onlar patentləşdirilib sahiblərindən başqa heç kim istifadə edə bilməz. Onları istifadə edərək özləri üçün bir dəyər yaradıb (competitive advantage), bazarda rəqabətliliyi ələ alırlar. İndiki sənayedə şirkətlər hər qəpik üstündə mübarizə aparırlar və əgər siz bir məhsulu x qəpik ucuza başa gətirə bilirsinizsə bu artıq bir dəyərdir. Şirkətlərin özünün inkişaf elətdirdiyi metodlar var, hansı ki, illər sonra open source olacaq. Onları istifadə edərək nəhəng şirkətlər bazarda üstünlüyü ələ alırlar. Bulud sistemlərinin əhəmiyyəti artmağa davam edəcək. Adi laptoplarımızda həll edə bilmədiyimiz məsələləri kompyuterdən daxil olaraq, dünyanın o biri tərəfindəki virtual kompyuterə bağlanıb həll edə bilirk. Süni intellekt və avtomatik öyrənmə alqoritmləri daha da inkişaf edəcək. Artıq xəbərlər gəlir ki, Çində hər bir vətəndaşa bal verirlər. Küçələrdə özünü aparmağına, zibil atmağına, alıcılıq keyfiyyətlərinə, banklara borcuna görə və s. faktorlara görə xallar hesablanır və məsələn kredit verərkən nəzərə alınır. Datanın keyfiyyəti prioritet olaraq qalacaq. Biz o nəhəng alqoritmləri istifadə edib, tətbiq edirik və ona bizim zamanımızın heç 30%-i getmir. 70% əlimizdəki məlumatları təmizləməyə, qaydaya salmağa gedir. Bəsit kimi görünsə də, datanın təmiz olmamağı problemidir; bütün xanalar dolu olmur, bəziləri şrifti tanımır, bəziləri xüsusi hərfləri tanımır (“ə” kimi) və s. Datanı təmizləyib, analizə hazır vəziyyətə gətirmək bu gün çox böyük bir problemdir. Bunu həll edə bilənlərin əhəmiyyəti daha da artacaq. Kiber-təhlükəsizlik sahəsi də böyüməyə davam edəcək. Cinin canı şüşədə olan kimi, şirkətlərin də canı bu hard-disklərdə, kompyuterlərin yaddaçlarındadır. Onu qorumaq üçün külli miqdarda vəsaitlər ayrılır və ayrılmağa davam edəcək.

Nəticə olaraq, bu yazıda Data Elmi, Biznes Analitikası və Optimallaşdırma kimi mövzuları və onlar arasındakı əlaqəni izah etməyə çalışdıq. Eləcə də gələcəkdəki trendlərdən bəhs etdik. Yazı xoşunuza gəldisə paylaşmağı unutmayın