Her Öğrencinin Sonucunu Tahmin Etmek için İstatistiksel Bir Model

Her yıl dünya genelinden lise öğrencileri International Baccalaureate (Uluslararası Lisans) programına katılıyorlar. Program kapsamında final notlarını belirleyen bir sınava giriyorlar ve bu not dünya genelinde üniversitelere başvurmak için kullanılıyor. Sınav sonuçları öğrencinin seçtiği okula kabul edilip edilmeyeceğini ve alacağı bursu etkiliyor. Bu sebeple, öğrencinin geleceği üzerinde direkt etkisi oluyor.

Bu yıl yüz yüze sınavlar COVID-19 pandemisinden dolayı iptal edildi. IB (programın arkasındaki kuruluş) testleri online yapmak yerine her öğrencinin sonucunu tahmin eden istatistiksel bir model kullanmaya karar verdi. Tahminlerin öğrencilerin ödevleri, öğretmenlerin tahminleri ve tarihsel okul verisine dayalı olduğu farz ediliyor.

Binlerce Öğrencinin Hayatını Değiştiren Algoritma (Kötü Bir Şekilde)

İlk bakışta bu iyi bir çözüm gibi gözükebilir, özellikle de global bir kriz sırasında. Sunulan çözüm, süreci kolaylaştırıyor ve yüz yüze sınavları yapmak mümkün olmadığında sonuç sağlıyor. Ancak maalesef bu sistem geri tepti ve çoğu öğretmeni, öğrenciyi ve aileyi şaşkına çevirdi. Bazı öğrencilerin üniversite kabulleri iptal edildi, bazılarıysa burslarını kaybetti.

Model kusurluydu ve tam olarak nasıl çalıştığı açıklanmadı

Ama ya model daha iyi olsaydı? Modeli buna tamamen hazırlıksız bir grup insanın önüne birden çıkarmak doğru muydu?

Öncelikle açıklanmış olması gereken bir şeyi dillendirelim. Makine öğrenmesi trendine yaygın olsa bile, bu sefer algoritma size hangi filmi izleyeceğinizi seçmenize yardım etmiyordu. Bu algoritma yüz binlerce lise öğrencisinin final notunu tahmin ediyordu. Sınavda nasıl bir başarı göstereceklerini “tahmin etmek” ve hangi üniversiteye gidebileceklerini belirlemek için kullanılıyordu. Sonuç olarak sistem genç insanların hayatında büyük etkiler yaratacak kararlar veriyordu.

Süreç iyi bir şekilde yönetilmek isteniyorsa, sonuçların sürece dahil olan herkesin hayatına etkisi de göz önünde bulundurulmalı. Olay sadece doğru algoritmayı elde etmek değil. Asıl önemli olan doğru değişim yönetimi ve insan sınırlarını sisteme dahil etmek. Makine öğrenmesi tanımı gereği gerçek hayata yaklaşmakta, ancak o gerçek hayatın kendisi değil. Bu yüzden de %100 haklı olmayı başaramaz.

Sonuçlar

Makine öğrenmesinin de desteğiyle bilgiler hala insanlar tarafından değerlendirilecek. Ve bu devrimsel bir çözüm değil. Sağlık sektöründe bu mekanizma zaten böyle çalışıyor. Makine öğrenmesi çözüme entegre ama gerçek bir insan tüm sonuçları kontrol ediyor.

Dahası sürece entegre edilen not verici bireyler, sistemin kalitesini değerlendirebilir ve küçük bir grupta test edebilir. Bu grup makinenin kaçırdığı noktalara fazladan içerik sağlayabilir. Sadece bu sorunun keşfedildiği ve ele alındığı aşamadan sonra makine öğrenmesi sistemi daha geniş bir gruba uygulanabilir. Sonuç olarak çok sayıda dikkatli gözlemden sonra tam otomatik notlandırma sisteminin tanıtılıp tanıtılamayacağı gözden geçirilebilir. Ve bundan sonra bile yapılan tahminler manuel olarak gözden geçirilmelidir ve kolay bir başvuru sistemi sağlanmalıdır.

Makine öğrenmesini tanıtırken, özellikle de sosyal etkileri olabilecek hassas konularda, etik uygulamaları ihmal etmemeliyiz.

• Sigorta şirketleri yapay zekayı nasıl kullanıyor?
• Yapay zeka ve veri analitiği, KPI’larınızı nasıl etkileyebilir?
• En fazla kazancı sağlamak için yapay zeka nasıl kullanılır?
• 2 ila 4 haftada Kavram Konsepti (POC) nasıl oluşturulur?

Şirketinizde yapay zekadan en iyi şekilde yararlanmanıza yardım edecek ipuçlarını ve uygulanabilir tavsiyeleri içeren konuşma notlarını bu yazıda sizlerle paylaşacağız.

1– Sigorta sektöründe yapay zeka için en yaygın örnekler

Başarılı bir şekilde uygulanırsa yapay zeka, maliyetleri düşürme, verimliliği artırma ve yüksek karlılık sağlama potansiyeline sahiptir. Peki lider sigorta şirketleri bu teknolojiyi nasıl kullanıyor?
Dolandırıcılığı tespit etme ve hasar talebi otomasyonu;

Dolandırıcılık tespiti konusunda yapay zekanın kullanımı, sigorta sektöründe iyi anlaşılmış bir kullanım örneğidir. Bu teknoloji üzerinden somut yatırım getirisi hedefleri ve anahtar performans göstergeleri (KPI) oluşturabiliyorsunuz, çünkü dolandırıcılık girişimlerini bu şekilde tespit edebiliyorsanız lüzumsuz hasar taleplerine para harcamıyorsunuz demektir
Ve ardından günümüzde talep otomasyonunda ortaya çıkan yeni bir fırsat alanı var. Gündemdeki en kritik konulardan biri, sigorta şirketlerinin hasar belirleme sürecinin önemli bölümlerini otomatikleştirerek elde edebilecekleri verimlilik.

Verimlilik elde etmek için yapay zekanın elinde bulundurduğu potansiyel ve üzerinde çalıştığı yeni bir olası satış puanlama sisteminde müşterinin sizden bir şey almaya ne kadar hazır olduğu ortaya çıkıyor.

Bu şekilde satış ekibinizin verimliliğini ve üretkenliğini en üst düzeye çıkarabilirsiniz çünkü bu sistem sayesinde en umut vaat eden müşterilere odaklanılabilir. Ek olarak, pazarlama ekibiniz bu iç görüleri ürünleri kişiselleştirmeyi iyileştirmek ve satış yapılma olasılığı en yüksek müşterilere veya bu müşterilerin ait olduğu segmentlere odaklanarak yatırım getirisini artırmak için kullanabilir.

Asıl hedef, doğru müşterilere doğru zamanda ulaşmak ve onlara doğru tavsiyenin verildiğinden emin olmak. Firmaların belirli içerik türleriyle ilgilenen müşterilerini daha iyi anlamak için iletişim çeşitleri ile içerikleri de haritalandırmak son derece önemli.

2 – Paydaşların desteğini almak

Sigorta sektörü dijital dönüşümde diğer sektörlerin gerisinde kalıyor. Öte yandan birçok sigorta şirketi, değeri bilinmemiş ve yapay zekaya gerek duyan çok sayıda değerli veriye sahip olduğunu biliyor.

3 – Gizli cevherleri bulmak

Verileriniz içerisindeki gizli cevherleri bulmanın yolu doğru bir perspektife sahip olmaktan geçer. Genellikle şirketler yapay zekaya verilerine, çalışmaya başladıkları ilk noktada yönelirler ve onunla ne yapabileceklerini görmeye çalışırlar.
Öncelikle çözmek istediğiniz bir iş sorunu olmalı, sonrasında çözmek için hangi verilere ihtiyacınız olduğunu bulabilirsiniz. Bu yolu izleyerek gerekli veriye sahip olup olmadığınızı ya da veri toplamanız gerektiğini de görebilirsiniz.
Bir sonraki adım ise doğrulamadır. Yani her bir kullanım senaryosunun ne kadar uygulanabilir olduğunu ve şirketiniz üzerinde ne gibi bir etkiye sahip olacağını belirlemek anlamına gelir. Bu sayede, düşük fizibiliteye sahip veya düşük katkı getiren durumları ortadan kaldırabiliriz. Sonuç olarak en çok odaklanmamız gereken iki ya da üç durumla baş başa kalıyoruz.
Verilerden her şeyi elde edebilirsiniz ancak en fazla değeri elde etmek için öncelikle çözmeniz gereken bir soruna ihtiyacınız vardır.

4 – Kullanım senaryolarının değerini karşılaştırmak

Muhtemel kullanım vakalarınızı belirledikten sonra yatırım yapacağınız yeri belirlemeden önce bir benchmark yapabilirsiniz.
Normalleştirilmiş iş getirisi etkisiyle karşılaştırılabilir durumda olan kullanım vakaları oluşturmaya çalışmalıyız. Bu nedenle, bir kayıt alma dönüşüm hunisini optimize etmeyi amaçlayan bir kullanım vakası ile satış dönüşüm hunisindeki oranı artırmayı amaçlayan bir kullanım vakası karşılaştırılabilir.
Bu şekilde, her kullanım vakasını aynı seviyeye konumlandırabilirsiniz ve elmaları elmalarla armutları ise armutlarla kıyaslamış olmazsınız. Bu yöntem de önerilerimizi ve savlarımızı paydaşlarımızın gözünde daha ikna edici hale getiriyor.

5 – Etkili Kavram Kanıtı Oluşturmak

Bir uygulama için bir POC yani kavram kanıtı oluştururken şunlar önerilir:
Bir katma değer sunabilmek için makine öğrenmesi sisteminin nasıl ölçülmesi gerektiği konusunda biz de noktaları birleştirmeye çalışın. Makine öğrenimi vakasında, optimize etmek istediğiniz KPI’ları belirtin ve ardından bu performans göstergelerini makine öğrenimi sistemine entegre edin.
Aslında elde edebileceğiniz yatırım getirisini bir referans olarak belirlemeniz önerilir. Eğer proje kar elde etme potansiyeline sahipse, yineleyerek ilerleyebilirsiniz ve bunu tipik bir agile yazılım geliştirme süreci olarak yönetebilirsiniz. Böylece her seferinde bir KPI’ı iyileştirebilirsiniz.
Eğer halihazırda işleyen yeterince iyi bir değişim yönetimi planınız yoksa, makine öğrenmesi ve yapay zeka açısından harika iş modelleri tasarlayıp sunsanız dahi, bu modeller işe yaramayabilir. Çok iyi sonuçlar elde edebilirsiniz ancak müşteriniz nasıl bir aksiyon olması gerektiğini veya çözümü nasıl kullanacağını anlamıyorsa, yine sorunlarla karşılaşabilirsiniz.

6 – Sigorta sektörü için öneriler

Özellikle çok fazla tekrar eden küçük işin olduğu, çok insan gerektiren ve çok zaman alan süreçlerinize odaklanın. Bunlar iyi birer başlangıç noktası olabilir. Çünkü böylece makine öğrenmesinin görevleri nasıl otomotize edebileceğini değerlendirirsiniz.
Her zaman iş süreçlerinizden başlayın ve ilk önce ‘neden?’ sorusunu sorun. Ne tür KPI’lar ile ilgileniyoruz?  Bunu açıkça belirledikten sonra, veri kaynağı ve teknoloji gereksinimlerini değerlendirebilirsiniz.
Hızlı hareket etmek ve fayda elde etmek için verilerinizi yapay zeka, makine öğrenimi ve iş zekası alanlarında birçok farklı projede değerlendirmek amacıyla nasıl bir araya getirebilirsiniz diye düşünün.
Ayrıca, projeleri şirket içerisinde oluşturur ve yönetirseniz bu durumda oluşacak fırsat maliyetini ölçmeniz de önemlidir. Şirketinizi saran dört duvarın ötesine bakın. Ve size pozitif faydalar sağlayacak Hizmet Olarak Yazılım (SaaS) sunan tedarikçileri dikkate alın.

Yapay zeka ile performansı artırmanın anahtarı nedir?

Sigorta sektöründe yapay zekadan başarılı bir şekilde yararlanmanın anahtarı, işinizde tespit ettiğiniz sorunlarla başlamaktır. Ve yaptığınız işi en iyi siz bilirsiniz, bunu unutmayın.
Yapay zeka ile oldukça kolayca iyileştirilebilecek veya otomatikleştirilebilecek birçok maliyetli veya manuel iş süreci var. Hatta bunu başarmak için basit sezgisel yaklaşıma dayanan bir iyileştirme yöntemi veya başka bir otomasyon teknolojisi de kullanılabilir. Sonuç olarak etraftaki trendlere körü körüne kapılmamak ve bu sebeple kendi işinizde süreçleri iyileştirmek adına elde edebileceğiniz bir fırsatı kaçırmamak gerekir.

Akıllı Fiyat Optimizasyonu

Kesinlikle dinamik fiyat optimizasyonu makine öğrenmesinin perakende sektörüne kattığı yeniliklerden en çekici olanı. Ancak trendi takip eden tüm şirketler bundan tam anlamıyla fayda sağlayamaz ve hatta bazıları için bu teknoloji kullanışlı bile olmayabilir.

Akıllı fiyat optimizasyonu makine öğrenmesinin sahip olduğu güçlü veri işleme yeteneği sayesinde mümkün. Bu perakendecilere sürekli fiyatları düzenleme, pazar ihtiyaçlarını, müşteri beklentilerini ve algoritmanın beslediği diğer faktörleri dikkate alma fırsatı sunar. Geleneksel olarak fiyat optimizasyonu insanlar tarafından yapılır ve bu durum bazı hatalara da yol açabiliyor. Bunun yerine tüm veriyi işleyen ve fiyatları belirleyen bir sisteme sahip olmak zaman ve iş gücü tasarrufu sağlar. Aynı zamanda sürecin daha hatasız olmasını da mümkün kılar. Bu sayede çalışanlar değerli zamanlarını daha yaratıcı işlerle uğraşarak geçirebilirler.

Başka faydaları ise; pazarı takip edebilir ve fiyatları daha esnek şekilde düzenleyebilirsiniz. Makine öğrenmesi sayesinde fiyatlama geleneksel yollardaki gibi parçalanmış veriyi ve belirsiz tahminleri -örneğin üreticinin önerdiği fiyatları ayarlamak gibi- kullanarak değil veri güdümlü, komplike bir yolla düzenlenir.

Müşteriler Dalgalanan Fiyatları Kabul Edecek mi?

Bu soru hala akıllarda; müşterileriniz dalgalanan fiyatları kabul edecek mi? Bunun cevabı, vakadan vakaya değerlendirilmeli ancak iyi haber şu ki algoritma bu süreçte işletmelere yardım edebilir.

Şunu unutmayın ki algoritmanın doğru çalışması için çok fazla veriye ihtiyacınız var. Ancak bu veriyi sadece bir kere toplayacaksınız sonrasında ise sadece en güncel bilgiyle güncelleyeceksiniz. Eğer bu süreci doğru şekilde yönetirseniz, dalgalanan fiyatlar yüzünden müşteri kaybetmezsiniz. Bunun yerine potansiyel kâr marjınızı mümkün olduğu kadar yükseltebilirsiniz.

Perakende işletmeniz için dinamik fiyat algoritması uygulamadan önce tüm bu faktörleri gözden geçirmelisiniz.

Yapay Zeka ve Makine Öğrenimi

E-ticaret için farklı zeka seçeneklerini keşfetmeye başlamadan önce terminolojinin anlamının bilinmesi gerekiyor. Bilmeniz gereken birkaç terim:

Yapay zeka (Al): bir robotun normalde insanların yapabilecekleri görevleri tamamlayabilme yeteneğidir. Yapay zeka, bir robot karar vermek için bir dizi kuralı izleyebildiğinde ortaya çıkmaktadır.

Makine öğrenimi: bir robotun kendi kurallarını yapma ve daha iyi sonuçlar elde etmek için bir algoritma geliştirebilme yeteneğidir.

Makine öğrenimi genellikle yapay zekanın bir alt kümesi olarak kabul edilir. Tipik olarak, geliştiriciler bir robotun (Al) takip etmesi için bir algoritma oluşturacak ve robotun kendi kurallarını oluşturması için makine öğrenme yeteneklerini geliştirecektir.

E-ticaret için kolay ve uygun fiyatlı yapay zeka (AL)

Yapay zekanın e-ticaret stratejinize nasıl yardımcı olabileceğini anlamanın bir sonraki adımı, yapay zekadaki yatırımların pahalı ve karmaşık olduğu düşüncesini ortadan kaldırmaktır. Sitenizde yapay zekayı kullanmak için tekerleği yeniden icat etmenize gerek yok, pek çok şirket yapay zeka araçlarını web sayfalarında kullanmayı deniyor.

2017’de işletmelerin %60’ından fazlası bazı biçimlerde yapay zeka araçlarını kullandı. Bu işletmelerden sadece %77’si de pazarlama ve satış süreçlerini geliştirmek için kullanıyor. Siz de bir dizi testten sonra, müşteri deneyimini iyileştirmek ve e-ticaret satışlarını artırmak için farklı seçenekleri keşfetmek üzere yapay zeka bütçenizi genişletebilirsiniz.

E-ticaret markaları yapay zekayı nasıl kullanıyor?

Yapay zekayı, rahatlık düzeyine göre ve web sitesi iyileştirme hedeflerinize bağlı olarak kullanabileceğiniz çeşitli yolları vardır.

• Genellikle birlikte satın alınan veya alternatif olarak sunulan ürünlerle müşteri önerilerini iyileştirebilirsiniz.
• Satış ekinize daha fazla bilgi sağlamak için müşteri hizmetleri deneyimlerinizi chatbotlarla otomatikleştirebilirsiniz.
• Müşteri etkileşimlerine ve bilgilerine dayanarak otomatik etkileşim e-postaları ve bilgileri gönderebilirsiniz.
• Müşterilerini hakkında daha fazla bilgi edinebilir ve büyük veri analizlerini ile ürünlerinizi nasıl pazarlayacağınızı öğrenebilirsiniz.
• Yorum ve sorulara yanıt vermenize yardımcı olması için kullanıcıların markanız hakkında online olarak neler söylediklerini dinleyebilirsiniz.

Yapay zekaya yatırım yapmaya nereden başlayabilirsiniz?

Yapay zeka yatırımlarına hazır olduğunuzda başlamak zor değildir. Aslında muhtemelen farkında olmadan bazı yapay zeka araçlarını kullanıyorsunuz.

Siteniz WordPress tabanlı ise, web sitenizi geliştirebilmek için bazı yapay zeka araçlarını keşfedebilirsiniz. Bunlardan bazıları, spam’ı tespit etmek, sahte yorumları silmek ve müşteri katılımını artırmak için ürün veya yayın önermektir.

Siteniz için sonrasında Shopify uygulama mağazasını tercih edebilirsiniz. Makine öğrenimini kullanan ve e-ticaret deneyiminizi artıran uygulamalar için düzinelerce sonuç vardır. Web sitenizdeki sorunlu bir alana odaklanabilirsiniz veya bir yapay zeka aracını halihazırda sahip olduğunuz mevcut bir ürüne karşı test edebilirsiniz.

E-ticaret sitenizi tamamen robotlara teslim etmek zorunda değilsiniz. Farklı makine öğrenim araçları kullandığında istediğiniz sonuçları göremiyorsanız değişiklik yapabilir veya geri çekilebilirsiniz.

Birçok fütürist dinliyoruz. Gelecek hakkında bazen heyecan verici olabiliyor bazen ise tedirgin dahi edebiliyor. Hayal dünyasının ulaşabileceği noktalar sınırsız olacağı için yapay zekanın da yapabileceklerini düşünmen edemeyiz. Peki, E-Ticareti bu durum nasıl etkileyebilir.

E-Ticaret ile ilgili önce birkaç kavramı hatırlatalım.

1. Lojistik
2. Müşteri deneyimi.
3. Ürün deneyimi.

Hepimizin şöyle hayal dünyasına dokunmaya çalışalım. Kriz anında bir parmak şıklatma hareketi ile istediğimizi almak isteriz. Canınız bir şeyler çekti ve bir hareket ile kapımızda bulduk. Şuan için bunu yapmaya başladık bile. Fakat bunu bir göz hareketi ile yapsak nasıl olurdu? Mesela yemek yaparken bir eksiğini gördüğünde, eksik dediğin malzeme kapında bitse harika olmaz mı?

Televizyonlar, telefonlar, sosyal medyalar yapay zekânın en ciddi örnekleri. Telefonların tamamen kişileşmesi ve hayati tüm fonksiyonların saatlerde dahi olmasıyla birlikte çok başarılı bir hayat dokunuşu görebiliyoruz.

Hayatı kolaylaştıran yapay zeka örneklerinin farklı bir türü ise droneler. Neredeyse e-ticaretin lojistik soruna çok iyi bir giriş yapan drone teknolojileri ürün gönderimi konusunda geliştirilmeye devam ediyor. Canınızın pizza çektiği anda, robotik taşıyıcıların sizlere pizzanızı getirmesi, havadan kargonuzun inmesi yapay zekanın inceliklerinden olacak.

İletişim ile ilgili e-ticaret ürünlerine ve hizmetlerine sesli komut ve görüntülü komutlar ile de ulaşabilir. Geleceğin e-ticaretinde en çok uygulanacak ve tercih edilecek olacağına şimdiden eminiz. Yapay zeka, sadece insanların yerine koyabileceğimiz bir unsur değil. Bu zamana kadar keşfedilmemiş olan birçok ihtiyacı da gidebilecek bir konumda olacaktır.

İnsanların temel tüketim, yaşamsal döngüleri, sağlık durumları ve eğitim durumları ile ilgili daha birçok alanda da yapay zekânın eticaret ile buluşmasını ön görebiliriz. Sağlıktan yola çıkacak olursak şuan kolumuzdaki saatler, saatte bir nefes almamız gerektiğini hatırlatıyor, daha üst versiyonlarında hareketsiz kaldığımızda acil kurumlarına iletişime geçebiliyor. Daha da gelişmiş olan teknolojilerde belki de kolumuzdaki saat başka rahatsızlıkları görebilecek, belki de saate gerek kalmadan, göz teması kurduğumuz her alanda bize destek olabilecek. İşte bu ihtiyaçların doğduğu her alanda e-ticaret için yeni satış kanalları, farklı formatlarda iletişim biçimini oluşturacak. Buna dünya da en iyi örneklerden amazon ve amazonun ilerlediği teknolojileri örnek gösterebiliriz. Buzdolabında olan bir magnet butona basmanızla deterjanın yarım saatte evinize teslim edilen teknolojiyi hatırlatmak istedik.

Genellikle özellikle Türkiye’mizde hissedeceğimiz yapay zekanın sahası lojistikte olacaktır. Diğer ülkelere göre hızla gelişen bir periyod izleyen lojistik sistemlerimiz, esasında çok büyük ölçekli markaların depolarında, tedarik zincirlerinde ve bireysel teslimat biçimlerinde yapay zekanın nimetlerinden oldukça fazla yararlanıyor diyebiliriz. Endüstri 4.0 ile hayal sınırlarını zorlayan endüstri 5.0 yakalanması gereken en ciddi hedeflerdir. Birçok gelişmiş lojistik ve endüstri sanayileri kripto teknolojileri ile de haberleşmeye başlayacak. Sistemler sınırları zorladıkça kullanılacak olan birçok geleneksel sistemler ortadan kalkacak, kripto gibi yeni teknolojiler hükmetmeye başlayacak.

Ürün deneyiminde ise yeni alışkanlıklar söz konusudur. Örnek verecek olursak şuan için hazır tüketim konusunda oldukça yüksek bir ivme görülüyor. Çin gibi aşırı nüfusu olan ülkelerde hazır gıdaların satışı için tamamen robotlardan oluşan ve yine elinizi cebinize atmadan QR ile ödeme yaparak KIOSK lardan yemeklerinizi, ilaçlarınızı alabiliyorsunuz. Huawei ise daha çok yakın zamanda corona etkisi ile mağazasının bir tanesini tamamen robotlardan inşaa etti. Yani telefonunuzu da robotlardan teslim alabileceksiniz. E hal böyle olunca e-ticaretin ulaşabileceği tüm alanlarda robotların dokunuşlarını çokça hissedeceğiz. Durum yapay zekanın sınırsız yeteneklerine sahip olmasından kaynaklıdır.

E-ticaretin yapay zeka ile olan süreçleri önümüzde ki yıllar içerisinde bizlere adım adım yaşatarak hissettirecek ve ulaşabileceği sınırlara yine büyük bir hayranlık duyacağız. Her geçen gün teknoloji anlamında büyük adımlar atılırken, sektör bağımsız olarak, uzay teknolojilerine kadar birçok alanda muhteşem haberleri almaya devam edeceğiz.