Kategori: LC Waikiki

LC Waikiki Datathon 2019

Bu yazı 13.03.2019 tarihinde perakendeanalitigi.com adresinde yayınlanmıştır. Perakende Analitiği websitesi farklı bir misyonla yoluna devam edeceği için bu yazının burada tekrar hayat bulacağını umut ediyorum. Crawlers ekibinin bir üyesi olarak kaleme aldığım bu yazıyı keyifle okumanız dileğiyle.

8–11 Mart 2019 tarihleri arasında, Türkiye’de ilk defa bir perakende firması, kendi verisini kullanarak Datathon gerçekleştirdi. Cuma günü saat 15:00’da başlayan bu maraton, Pazar günü ödüllerin verilmesi ile son buldu. Perakende Analitiği ekibi olarak bizi yakından ilgilendiren bu zorlu, keyifli ve bir o kadar da öğretici olan Datathon hakkında, kısa bir yazıyı kaleme almak istedik.

Bu yazıda,

  1. Datathon nedir?
  2. LC Waikiki Datathon Süreci
  3. Program Hakkında Bilgi
  4. Jüri ve Danışmanlar
  5. Problemler hakkında bilgi
  6. Birinciliği kazanan Crawlers Takımı ile kısa bir röportaj 🙂

Kısaca LC Waikiki firmasını tanıyalım.

George Amouyal, 1988 yılında bir uçak yolculuğu yaparken, önünde bulunan koltuğun cebinde bulunan dergiyi incelerken gördüğü Waikiki Adası’ndan çok etkilenmişti. Waikiki Adası’nda herkes çok mutluydu. Kurmak üzere olduğu şirkete harika bir isim bulmuştu. 1988 yılında başlay… (LC Waikiki’nin hikayesini tabi ki bu şekilde anlatmayacağız. Eğer bu hikayenin devamını merak ediyorsanız, yorum bırakabilirsiniz. Ben de size bu hikayenin tamamını anlatırım)

Kurumsal bilgiye gelecek olursak:

LC Waikiki, 1988 yılında Fransa’da çıktığı marka yolculuğuna, 1997 yılından beri LC Waikiki Mağazacılık Hizmetleri Ticaret A.Ş. çatısı altında Türk markası olarak devam etmektedir. “İyi giyinmek herkesin hakkı” felsefesi ile bugün 45 ülkede 922 mağazada uygun fiyata kaliteli ürünler sunarak müşterilerine ulaşılabilir modanın keyfini yaşatmaktadır. LC Waikiki, 2009 yılında ilk adımını Romanya’da atarak başladığı yurt dışı yatırımları ile “2023 yılına kadar Avrupa’nın en başarılı üç moda perakendecisinden biri olmayı’’ hedeflemektedir.

45 ülkede 922 mağazada hizmet sunan LC Waikiki, genel merkezinde bu organizasyona ev sahipliği yaptı.

Öncelikle Datathon nedir ve Datathon ile Hackathon arasındaki fark nedir ondan bahsedelim.

Wikipedia’daki tanıma göre, “A Hackathon is a design sprint-like event in which computer programmers and others involved in software development, including graphic designers, interface designers, project managers, and others, often including domain experts, collaborate intensively on software projects.”

“Hackathon; bilgisayar programcılarının ve yazılım geliştirme sürecinde olan grafik tasarımcıları, ara yüz tasarımcıları, proje yöneticileri ve alanında uzman kişilerin dahil olduğu, genellikle bir yazılım projesi üzerinde çalışılan etkinliktir.”

Datathon ise, Hackathon’da yapılan çalışmaların merkezinde veri olan versiyonudur. Bir yazılım projesi geliştirmek yerine, sunulan bir veri setinin amaca uygun olarak çözümlenmesi veya hedef değerlere en yakın sonuca ulaşmayı hedeflemektedir.

Şimdi kısaca bu etkinlik hakkında bilgi verelim.

Moda Perakendesinin öncü firması, bir Datathon düzenlerde katılım az olur mu? Tabi ki olmaz. 400 kişi başvurmuş.

Bu kadar çok başvuru olunca, bir ön eleme yapılmasına karar verilmiş. Etkinlikten 1 hafta önce, katılımcılara ufak bir problem yollandı. E-Ticaret müşterilerinin sitede kalma süreleri, açtıkları sayfalar, session sayıları, bounce rateleri, vs. gibi değerler ile alışveriş yapıp yapmadıkları verilmişti. Ekiplerden, bu verileri kullanılarak bir model kurmaları isteniyordu. Belirlenen zamanda bu modeli yollayanlar arasından, Datathon’a katılacak ekipler belirlendi.

Gelelim ana etkinliğimize.

Etkinlik ilk duyurusu yapıldığında 2 ana kategori verilmişti. Birincisi “Satışı Keşfet”, İkincisi ise “E-Ticareti Keşfet”. Bu iki kategoriyi görünce, dışarıdan biri olarak içeriği merak ettik. Acaba detayda ne sorulacak. Daha doğrusu bu iki güne sığdırılacak bir problem ne olacak diye. Ardından, etkinlik yaklaştıkça detaylar su yüzüne çıkmaya başladı. Ekiplerin 3 problemden birini seçmesi istendi.

  • Satış Tahmini
  • Churn Tahmini
  • Görüntü İşleme

Etkinlik başladığı ilk gün, şirket yetkilileri sahneye çıkarak, problemleri ve bu problemlerin çözümünden ne beklediklerini anlattılar. Sunumların sonunda, konularını seçen ekiplere veri setleri ve bu veri setlerinin açıklamaları verildi. Normalde Hackathonlarda, etkinlik boyunca aynı mekanda kalınır ve kimse eve gitmeden gece gündüz çalışılır. Hatta, uyku tulumlarında, belirlenen koltuk alanlarında uyunur. Fakat LC Waikiki’nin düzenlediği bu etkinlik, sadece gündüzleri yapıldı. Sabah ve akşamları katılımcılar servislerle ulaşımlarını sağladılar. Bunun tam olarak nedenini bilmesek de, katılımcı sayısının çok fazla olması, iş güvenliği, bilgi güvenliği (ISO 27001), sağlık vs. gibi nedenlerden biri olduğunu düşünüyoruz. Zaten yarışmayı kazanmak isteyen ekiplerin, eve gittiklerinde sabahlayıp yarışmayı kazanmak için ellerinden geleni yaptıklarını tahmin ediyoruz.

Problemlerin detaylarına geçmeden önce Ödülün ne olduğunu hatırlayalım. Birinciye tam 15.000TL, İkinciye 10.000TL, üçüncüye ise 5.000TL ödül verildi. Diğer etkinliklerle kıyaslandığında ödülün iyi olduğunu söyleyebiliriz.

Yazıyı buraya kadar okuduysanız, bu etkinlik hakkında övgüyle bahsettiğimizi anlamışsınızdır (biraz fazla mı övüyoruz). Bunun bir nedeni de, Jüri ve Danışmanların kalitesi. Hepsi birbirinden değerli ve sektörün önde gelen “iş insanları”. Jüri, Şampiyonlar Ligi gibi. Perakende denince akla gelen herkes orada. Jüride bulunan 4 kişiyi yakinen tanıyorum ve diğer kişileri de uzun zamandır takip ediyorum ve hepsi örnek aldığım kişiler.

Danışmanlar, her biri alanında uzman kişiler. Öğretim Üyeleri, farklı sektördeki profesyoneller, bu alana hayatını adamış eğitmenler, yazarlar ve tabi ki LC Waikiki çalışanları (Kalp).

Bu listede ismi olmayan fakat, katılımcılarla ayrı ayrı ilgilenen, Amazon (AWS), Google (Cloud) ve Microsoft (Azure) yetkililerine de buradan bir selam çakmamız lazım. Etkinliğin en başından sonuna kadar, ekiplerle ilgilenip destek verdiler.

Şimdi gelin, kısaca problemlerden bahsedelim.

Satış Tahmini

Satış Tahmini probleminden bahsetmeden önce Ürün Hiyerarşisi nedir onu kısaca anlatalım.

Bir perakende şirketinde, şirketi daha verimli yönetmek ve metrikleri doğru takip etmek için ürün, lokasyon, zaman hiyerarşilerine ihtiyaç duyulur. Bunun bir nedeni de, şirketteki personellerin konumlandırmasını doğru yapmaktır. Ürün hiyerarşisinde hem markalara hem cinsiyetlere hem de satın alma yapılan ürün cinsine göre şekillenmektedir.

LC Waikiki bu problemde, Mağaza-Gün-Class seviyesinde (Neee?) tahmin yapılmasını istemekteydi. Verdikleri train veri seti ile modeli geliştirip, test için hazırlanan veri setinde belirlenen metriklere göre modelin başarısı ölçülecekti.

Moda Perakendesinde tahmin üzerine uzun süre çalışmış biri olarak, problemin zor olduğunu söyleyebilirim. Zor olması aslında çok süper bir şey. Kolay bir şey olsaydı herkes çözerdi 🙂

Probleme zor dememin 2 nedeni var.

  1. Moda Perakendesini bilmeyen kişiler için hiyerarşiyi, değişkenleri, teknik terimleri yani veriyi anlamak çok kolay değil
  2. Veri çok büyük 🙂 Ekipler, model kurup train etmeye başlayınca bunu çok iyi anlamışlardır.

Churn Tahmini

Churn analizi ya da Tahminin de amaç, sizi terk edecek müşterilerin tespit edilmesidir. Eğer bu müşterileri öncede tespit ederseniz, onlar sizi terk etmeden önce aksiyon alıp sizden alışveriş yapmaya devam etmesini sağlayabilirsiniz.

Bu problemde de, Churn olacak müşterilerin tahmini ve Churn’e sebep olan etkenlerin ilişkilerinin ortaya çıkarılması beklenmekteydi.

Görüntü İşleme

Katılımcılara verilen ürün görsellerinden, ürünlerle ilgili özelliklerin (Cinsiyet, Renk, vs.) bulunması istenmekteydi. Bu sonuçlar gerçek verilerle karşılaştırılıp doğruluğa göre puanlanacaktı.

3 problemde birbirinden güzel ve zor. Fakat benim fikrimi soracak olursanız en zoru, Satış Tahmini problemi. Hem veri büyüklüğü, hem karmaşıklığı, hem de iş bilgisi gereksinimi nedeniyle zor olduğunu düşünüyorum. İkinci zor proje Görüntü İşleme. Verilen görüntülerin kalitesini ve boyut farklılıklarını bilmediğim için bunu söylüyorum. Eğer hepsi standart ise ve doğru kütüphanelerle çok da zor olmayabilir. Churn Tahmini ile ilgili literatürde bir çok çözüm bulunduğu için daha kolay yapılacağını düşünüyorum. Ama verinin kirli olma olasılığı ve samanlıkta iğne aramaya götüreceği için seçeceğim en son proje olurdu.

Şimdi bu yazının sürpriz kısmına gelelim. LC Waikiki Datathon’u kazanan ekip Crawlers oldu. Geçtiğimiz gün, bu harika ekiple röportaj yapma şansı buldum. Açıkçası uzun zamandır kendilerini tanıdığım için bu isteğimi kırmadılar ve sorularıma samimiyetle cevap verdiler. Gelin bu cevapları beraber okuyalım.

Crawlers ekibi üyeleri

Yavuz Selim Elmas — Borusan — Dijital Pazarlama Yöneticisi

Yasin Sancaktutan — TRT World — Veri Bilimci

Burak Suyunu — Boğaziçi Üniversitesi — Bilgisayar Mühendisliği Araştırma Görevlisi

Berk Baytar — TRT World — Yazılım Geliştirme Uzmanı

Mehmet Emin Öztürk — Afiniti — Veri Bilimci

Sabri: Kısaca Crawlers ekibini tanıtır mısınız?

Yasin: İlk ben cevap vermek istiyorum. Crawlers, birbiri ile vakit geçirmesini seven ve birlikte yaptığı her şeyden keyif alan genç bir ekip. Ben hepsi ile çalıştığım kurum dolayısıyla tanıştım, hatta üçümüz daha önce aynı ekipte bulunduk. (Ben, Mehmet Emin ve Burak)

Berk: Ekibimiz Yasin’in de belirttiği gibi aslında daha önceden beraber çalışmış kişilerden oluşuyor. Bu yüzde hepimiz birbirimizin yeteneklerini ve özelliklerini bildiğimiz için çok hızlı iş dağılımı yapabiliyoruz.

Mehmet Emin: Farklı bir deyişle, biz farklı yetkinlikleriyle birbirini tamamlayan 5 Data Sapiens’ten oluşuyor. Yavuz ekibin motivasyon kaynağı, Yasin tecrübeli bir data scientist, Berk rate limitlerin karşı koyamadığı bir crawler, Burak her konuya adapte olabilen joker bir developer ve veri bilimci, ben de kendini veri bilimi konusunda yetiştirmeye çalışan biriyim.

Burak: Biz vakti zamanında yolları TRT World’de kesişmiş, veri bilimine meraklı 5 kişiyiz. Birlikte vakit geçirmeyi seven kişiler olduğumuz için, farklı yollarda devam etsek bile görüşmeye devam ediyoruz. Her ay mutlaka bir öğlen yemeğini (lahmacun partisi) beraber yiyoruz ve sektörlerimiz hakkında konuşuyoruz.

Yavuz: Aslında bu bizim ekip olarak ilk hackathonumuz değil. Crawlers ekibi ile geçtiğimiz yıl Türk Hava Yolları Travel Hackathon’da 300 Takım arasından katilim hakki kazanan 30 takımdan birisi olduk, kendi sınıfımızda ise finale kalarak son 12 takımdan birisi olduk. Ayrıca Mercedes Benz Hackistanbul için yapılan 1000 başvuru arasından, shorlist edilen ekipler arasına girdik. Kişisel başarılardan ayrı ayrı bahsetsem tabi ki bu röportaj bitmez. Fakat Berk’in 2 adet Google Developers Challenge Ödülü , Mehmet Emin’in de geçtiğimiz yıllarda B/S/H’ın düzenlediği hackathonda birinciliği bulunuyor.

Sabri: Harika bir ekip. Açıkçası başarınızdaki en büyük etkenlerden biri sanırım birbirinizi tamamlamanız. Saf Veri Bilimciler yerine, hem data engineer, hem developer, hem veri bilimi hem de sunum ve pazarlama yeteneklerini birleştirmişsiniz. Birinciliğe şaşırmamak gerekir. Datathon’da 3 ayrı problem vardı. Satış Tahmini, E-Ticaret Churn ve Görüntü İşleme. Siz hangi problemi seçtiniz ve neden?

Yasin: Aslında başvuru esnasında Churn Analizi problemini seçmiştik. Hackathon günü Satış Tahmini projesinin hem önemi hem de problem tanımının iş sahipleri tarafından daha iyi yapılmasından dolayı konu değişikliğine gittik. LC Waikiki gibi senede yüz milyonlarca ürün satan bir perakende şirketinin süreçlerine ufak bir etkimizin bile onlar için çok şey ifade edeceğini düşündük. Ayrıca Satış Tahmini, görünürde çözülmesi en zor problem olduğu için burada yapacağımız iyi bir modelin bizi sadece bu kategoride değil, tüm yarışmada birinci yapacağını fark ettik. Bu sebeplerden dolayı konumuzu bu şekilde belirledik.

Burak: Bu problemi seçmemizin temel olarak iki sebebi vardı aslında. İlk olarak verinin kendisi ve zenginliği heyecan vericiydi. Üzerinde denenebilecek bir çok şey vardı. İkinci olarak ise satış tahmini problemi diğer problemlerden daha zor gözükse de sektör için daha değerli olduğunu düşündük.

Yavuz: LC Waikiki’nin 2017 yılı cirosu 12.2 Milyar TL, 2018 yılı rakamları açıklanmadı diye biliyorum ama hedeflerinin 16.2 Milyar TL olduğunu, bunun da yüzde 33 bandında bir büyümeye tekabül ettiğini görüyoruz. Bu ölçekte ve bu büyüme hızında LC Waikiki için en çok değer satış tahmini alanında yürütebileceğimizi düşündük, bundan dolayı satış tahmini konusunu seçtik, ve iyi ki de seçmişiz gerek LCW satış planlama ekibinin mentorlugu gerek bu alanda tecrübeli endüstri liderlerinden aldığımız öngörüleri, kurduğumuz modelle harmanlayınca çok güzel ve tatmin edici sonuçlar ortaya çıktı.

Mehmet: Ve satış tahminine odaklandık, çünkü aldığımız izlenimlere göre en zor ve aynı zamanda kıymetli problem satıştı. Churn probleminde kendimizi öne çıkaracak pek bir derinlik olmadığını düşündük. Görüntü işleme alanında da çok tecrübemiz yoktu. Bu sebeple zoru seçtik.

Berk: Bu konunun önemini anlamaya ek olarak, veri kalitesi ve derinliği olarak diğerlerinden çok daha üstündü. Hem temiz hem de büyük bir veri bulunuyordu. Bizim için gerçek bir meydan okumaydı.

Sabri: açıkçası ben de olsam, bu problemi seçerdim. Fakat Satış tahmini bu problemler arasında en zoruydu. Problem ile ilgili yaşadığınız zorlukları ve nasıl aştığınızı kısaca anlatabilir misiniz?

Yasin: Öncelikle perakende hakkında çok fazla bilgiye sahip değildik. Verideki öznitelikleri tam olarak anlamak için hem verilen doküman üzerinde kendimiz çalıştık hem de konu hakkında sektörün en iyisi olan mentorumuzdan (Adı bizde saklı 🙂 ) destek aldık. İkinci sıkıntımız ise verinin büyüklüğü ile ilgiliydi. 93 milyon satırlı bir veriyi her ne kadar elinizde bulut altyapısında çalışan çok güçlü makineler olsa bile bazı darboğaz sıkıntıları nedeniyle işlemeniz çok zorlaşıyor. Modelimiz çok yavaş çalışıyordu, iterasyon yapmamız da güçleşiyordu. Bulut sağlayıcımızın bize sağladığı neredeyse sınırsız kaynaklar sayesinde bir kaç çok güçlü makinede farklı modeller eğiterek bu problemin üstesinden geldik.

Burak: Sanırım en büyük zorluk bizim için zaman oldu. Veriyi ilk defa cuma günü Datathon’da gördüğümüzde hem verinin büyüklüğü hem de verinin zenginliği karşısında şaşırmadık desek yalan olur. Vaktimizin büyük kısmını bu veriden çıkarılabilecek ekstra özelliklere ayırdık ve veriye bir çok yeni bakış açısı getirdik. Her ne kadar ekibimiz ne yaptığını bilen insanlardan oluşsa da Yasin’in dediği gibi verinin çok büyük olması sebebiyle (Eğitim: 90M+ Test: 30M+ satır) işlemlerin yapılması uzun vakit alıyordu. Tam bu sırada Amazon’un bize sağladığı neredeyse sınırsız bulut bilişim desteği ilaç gibi geldi. Bunu tekrar tekrar söylüyoruz çünkü Amazon hızır gibi yetişti. Süre dolduğunda hala daha aklımızda modele yetiştiremediğimiz, ekleyemediğimiz özellikler kalmış olduysa da; verilen süre içerisinde en doğruya yakın özellikleri ve modelleri seçerek başarıya ulaştığımızı düşünüyorum.

Mehmet Emin: Ben biraz teknik detay vereyim. Burada teknik detay anlatmamız problem olmaz herhalde.

Sabri: Olursa kazandığınız paradan keseriz:)

Mehmet Emin: 🙂 Öncelikle büyük hacimde bir veri paylaşıldığı için 380 GB’lık belleğe 96 core işlemciye sahip makinelerde dahi sık sık bellek hatası aldık. Bu nedenle de aklımıza gelen birçok fikri uygulamakta zorlandık. Bunu aşmak için günlük seviyede tahminlerden önce veriyi haftalık seviyeye indirgeyip çok daha fazla değişken üreterek model kurma şansı bulduk. Bu şekilde aldığımız haftalık sonuçlarla günlük tahmin modelimizi besledik. Bu yaklaşım validasyon RMSE skorumuzda %20 iyileşme sağladı.

Bunun yanında günlük tahmin modelimizi daha da iyileştirmek özel günlerle alakalı çok anlamlı bir değişken ürettik. Bayramlar ve Anneler günü gibi özel günleri binary değişkenlerle temsil etmek yerine bu özel günlere kalan gün sayılarını hesapladık. Çünkü çoğunlukla özel günlerimize o gün değil öncesinde hazırlık yapıyoruz. Aldığımız geri bildirimlere göre bu değişken LC Waikiki’de şimdiye kadar hiç kullanılmamış.

Meteorolojinin satışla korelasyon içerisinde olduğunu bildiğimiz için ani hava değişimlerini hesaba katmak adına günlük sıcaklık farklarını da modelimize dahil ettik.

Ayrıca Mağaza ve Class gibi birçok sayısal görünümlü kategorik değere de ayrı ayrı odaklanarak kendi karakterlerine göre Target Encoding, Dummification, Label Encoding gibi farklı yöntemler uygulayarak modelimize ekledik.

Berk: En büyük problemimiz memory hatalarıydı bize verilen dataset büyüktü ve train etmesi çok uzun sürüyordu. Tercih ettiğimiz cloud provider Aws Cloud’du bize 500$ kredi verilmişti bir süre kadar küçük serverlar ile çalıştık son gün ise en büyüklerine geçtik ve ciddi anlamda rakiplerimize train süresinde fark attığımızı düşünüyorum.

Yavuz: Verilen datanın büyüklüğü model kuran arkadaşlarımızı özellikle zorladı, ama gerek AWS desteği gerekse sabırla 😎 bunu bir şekilde aştık diyebilirim. Teşekkürler AWS 🙂

Sabri: Son olarak eklemek istediğiniz bir şey var mı?

Berk: Bu tarz yarışmaların artması gerektiğini düşünüyorum. LC Waikiki çok iyi hazırlanmıştı ve verilen datasetler çok açıklayıcıydı. Bizden sadece probleme odaklanmamız beklenmişti. Emeği geçen herkese teşekkür ederim.

Yasin: Program her açıdan çok başarılıydı. Mentorlar bizlerle sürekli ilgilendiler, sorularımızı cevapladılar. Problemler ve veri setleri de çok ilgi çekiciydi. Ülkemizde mevcut hackathonların yanında bu şekilde veri yoğunluklu datathonların da olmasını çok isteriz. Buradan emeği geçen herkese ve sizlere de teşekkür ederiz.

Yavuz: LC Waikiki Datathon bizim için çok güzel bir tecrübeydi, düzenleyen ekibi ayrı ayrı tebrik etmek lazım. Veri konusunda uzman arkadaşlarımın aktardığına göre paylaştıkları veriler son derece temizdi. Görebildiğimiz kadarıyla sadece böyle bir etkinlik yapmak için yapılmış değildi, ben özellikle bizimle birebir ilgilenen IT’den sorumlu Genel Müdür Yardımcısı Şerafettin Özer’e çok teşekkür etmek istiyorum. Ayrıca pazar günü aksam saatinde 1.lik ödülünü LC Waikiki CEO’sundan almak da üst yönetim düzeyinde bu tarz etkinliklere ne derece önem verildiğinin ayrıca göstergesi .

Mehmet Emin: LC Waikiki’ye yeterince teşekkür edildi. Ben ekibimize teşekkür etmek istiyorum. Bu muhteşem ekibin bir parçası olarak böyle bir başarı elde ettiğimiz için çok mutluyum. Bu etkinlik aldığımız neticenin yanında önce ömür boyu unutmayacağımız güzel bir anı olarak kalacak zihinlerimizde.

Burak: LC Waikiki ve ekibe teşekkür edildiğine göre, ben de ekibimizin abisine teşekkür etmek istiyorum. Başta ne kadar ekibimiz 5 kişiden oluşuyordu dediysem de; arka planda bizi mentörlüğüyle ve bilgisiyle aydınalatan; veriyi farklı şekillerde görmemizi sağlayan Sabri Suyunu’ya (evet kendisi abim oluyor) teşekkür etmeden olmazdı 🙂

Sabri: Ben hepinize ayrı ayrı teşekkür ederim. Hepinizi tekrar tebrik ederim. Gerçekten harika insanlarsınız. Bu röportaj vesilesi ile LC Waikiki’yi de böyle güzel bir organizasyonu düzenledikleri için tebrik ediyorum. Ellerinize sağlık

Son söz olarak, gerçekten kaliteli bir etkinlikti. Özetleyecek olursak,

  • Kaliteli Problemler
  • Kaliteli Jüri ve Danışmanlar
  • Kaliteli altyapı sağlayıcıları ve Teknik Destek
  • Kaliteli mekan
  • CEO’sundan uzmanına kadar sahiplenilmiş bir organizasyon

Bu organizasyonun sonucunda hem LC Waikiki, hem yarışmacılar, hem de servis sağlayıcılar kazandı. Organizasyonu düzenleyen ve ekiplerle yakından ilgilenen Şerafettin Özer Bey ile Ahmet Kalafat’a ve tüm Datathon ekibine tebriklerimi iletiyorum. Perakende sektörüne ve diğer sektörlere örnek olması temennisi ile.

Datahon Websitesi: http://datathon.lcwaikiki.com/

LC Waikiki Analytics Ekibinin yayınladığı medium yazısı: https://medium.com/lcw-analytics/bir-datathonun-anatomisi-lc-waikiki-datathon-2019-a55606117bcb

Boğaziçi Üniversitesi Haberler: https://haberler.boun.edu.tr/tr/haber/verinin-sihirbazlari-datathon-da-buyuk-odulu-aldi

Boğaziçi Üniversitesi MIS Haberler: http://www.mis.boun.edu.tr/new/bolumumuz-ogrencilerinden-yavuz-selim-elmasin-takimi-lc-waikiki-datathonda-birinci-oldu

Ne İş Yapıyorum – Big Data ve Machine Learning – Bölüm 2

Yazının birinci bölümünü okumadıysanız buradan ulaşabilirsiniz.

Ali, Veli ve Pelin kim olduğunu bilmiyorsanız, bu yazıyı okuyabilirsiniz.

Bir önceki bölümde, kısaca Big Data, Machine Learning kavramlarının ne olduğunu ve ayrı ayrı düşünüldüğünde Perakendede nasıl uygulanabileceğinin üzerinde durmuştuk. Şimdi ise bunlar birleştiğinde Perakendede nasıl olacağını hayal edeceğiz ve bu hayalimizi de bir hikaye ile anlatacağız. Başrolünde Pelin’in olduğu, Truman Show, Terminatör, Starbucks, Augmented Reality gibi birbirinden ilginç konuların bulunduğu bu hikayeyi tek solukta okuyacaksınız. İyi okumalar

Haydi bir hikaye yazalım. Hikayemiz Pelin hakkında. Pelin’i bilenler bilir. Analything dergisinin 3 yıldızından bir tanesiydi. Hani şu planner olan. Hikayemizin ismi de “Gelin Pelin Jacqueline”

Pelin işten çıkıp eve gittiğinde, hemen uyumak istiyordu. Çok yorulmuştu. Yaklaşan düğün heyecanı ve işlerin yoğunluğu artık son noktaya gelmişti. Bir taraftan gelinlik hakkında araştırma yapıyor, bir taraftan balayı programını en eksiksiz bir şekilde hazırlamaya çalışıyor, bir taraftan alması gereken hediyeleri araştırıyor, bir taraftan da planlama ile ilgili olan işleri yapıyordu. Yemeğini yedi, televizyonu açtı, koltuğa uzandı ve gözlerini kapattı.

06:15‘de çalan alarm ile güne gözlerini açtı. Gözlerini açtığında hala gün(düz) değildi. Gözlerini tekrar kapatmak istedi fakat servisi kaçırırsa vereceği taksi parasını düşündükçe bu fikrinden uzaklaşıyordu. Telefonunu eline aldı. LCSO (LC Waikiki Servis Otomasyonu) adlı uygulamayı açtı. Servisin 25 dakika mesafede odluğunu gördü. Şu anki yol durumuna göre her zamanki vaktinde gelecekti. Evinden servis bekleme yerine yürüme mesafesi de 2 dakika gösteriyordu. Uygulama üzerinden son 5 dakika hatırlatmalı alarmı kurdu ve hazırlanmaya başladı. “5 dakika kaldı” alarmı çaldığında hazırdı. Acele etmeyerek yavaş yavaş servis bekleme noktasına yürümeye başladı. LCSO’ya göre Ali (the Allocator) bugün servise binmemişti. Hasta olduğunu düşünerek mi üzülse yoksa işlerin bir kısmı kendisine kalacağına mı üzülse bilemedi. Neyse ki Veli kendini çok geliştirmişti. O yüzden bu konuyu düşünmeden yürümeye devam etti. Servisi 1-2 dakika bekledikten sonra geldi. servise bindiğinde kısık bir dıt sesi çıktı ve yerine geçip oturdu. LCSO’dan gelen yeni bir push notfication dikkatini çekti. (İşe gelmeyecekleri zaman, uygulama üzerinden işaretleme yapıyorlardı ve bu sayede, şoför dinamik rotalama yapabiliyordu. Çalışanlara servise binecekleri saatlerin değişmesi durumunda push notification ile haber verilebiliyordu) İşe geldiği son 10 gündür servisi hiç bekletmediği ve hep zamanında geldiği için, 1 adet tall mochasını, aşağıda bulunan kare kodu kullanarak şirketin içinde bulunan starbuckstan alabileceğini belirtiyordu. Mutlu oldu. Arkasına yaslandı.
35 dakikalık bir yolculuk onu bekliyordu. Uyumak ya da uyumamak arasında gidip geldikten sonra düşünmeyi tercih etti.

Çalışma hayatının belki de en büyük zorluklarından bir tanesi sabah erken kalkma ve servisle geçirdiğin bu koca vakitti. Düşünsene her gün gidiş geliş 1.5 saat vakit harcıyordun. Yine de bir işe sahip olmak ve sevdiğin bir işe sahip olmak bu günlerde bulunmaz nimetlerden bir tanesiydi. Son 3 sene çok hızlı geçmişti.

Allocatorlıktan plannerlığa geçmişti, ilk başta çok zor gelse de zamanla alışmıştı. Plannerlıktaki 3. senesini tamamlamıştı. Araba ve ev alma konusunda gidip gelmiş ve sonunda bir ev almaya karar vermişti. Eşyalar, taşınma, vs. derken 1 sene geçmişti bile.

Yeni hobiler edinmişti. Terrarium ile uğraşıyordu ve stresini bu şekilde atmaya çalışıyordu.
Geçen sene bir arkadaşı vasıtasıyla tanıştığı “Patrick Jacqueline” adlı kişi ile 6 ay sonra evlenecekti. Aşık olmuştu ama doğru mu yapıyorum diye de sormadan edemiyordu kendine.

Bunları düşünürken, iş yerine ulaştı. Servis kapalı otoparka girerken, yavaşçana toparlandı. Yeni bina eski binadan daha modern olmasına rağmen, arada eski binayı özlediğini farketti. Simit yemek istiyordu ama bu kadar üşengeçken çok mümkün değildi. Yavaş yavaş yukarı çıkmaya başladı. Aklına Starbucks hediyesi geldi. Starbucks’a doğru yürürken 2 şey aklına takılmıştı.
“Birincisi, son 10 gündür servise zamanında geldiğimi nereden biliyorlardı?”
“İkincisi, Mocha’yı ben sevdiğim için mi hediye etmişlerdi yoksa bu bir rastlantı mıydı?”

Tabiki rastlantıydı. Herkesin ne sevdiğini nereden bilebilirlerdi ki? Tam bu cümleyi aklından geçirirken, karşıdan Melih’in ona doğru yürüdüğünü gördü. Ağzı kulaklarına varmıştı. Söze ilk giren o oldu:

“Pelin, sana çok ilginç bir şey söyleyeceğim. Benim hep servise geç kaldığımı biliyorsun. Fakat son 5 gündür geç kalmıyordum. Bugün bir mesaj aldım. Tahmin et ne yazıyordu?”
Bu soru cümlesi cevap bekleyen bir cümle miydi, yoksa devam etmesi için doğrulaması mı gerekiyordu bilemiyordu. Sadece kafasını sağa sola çevirdi. O da devam etti.
“Bana gönderdikleri mesajı dinle: “Senin başarın diğer kişilerin başarısından daha değerli. Azmini tebrik ediyoruz. 5 kere üst üste geç kalmadın. Vanilya Cafe Latte (Yumuşak İçim) kahve bugün bizden. Afiyet olsun.” İnanabiliyor musun? En sevdiğim kahveyi hediye etmişler. Rastlantının böylesi ve bu kadarı”
“Vay be” diyebildi sadece. İçinde hem sıcak hem de soğuk bir rüzgar esti.

Kahvesini almaktan vaz geçerek masasına gitti. Masasına oturdu. (Neden sandelyede oturulmuyordu hala bilmiyordu) Veli çoktan yerine oturmuş ve çalışmaya başlamıştı. Maillerini açtı ve teker teker okumaya başladı. Günlük raporların dışında bir mail gözüne çarptı:

“WGSN Fotoğraları ile Trend Analizleri”

Reklamdır diye düşünüp devam etmek istedi fakat bir şans vermeye karar verdi. Raporu anlatan kısa bir yazı bulunuyordu:

“WGSN Worth Global Style Network, Dünyadaki her markanın vitrininden tutun da, moda dergilerinin kapaklarına kadar, önemli moda şehirlerinde yolda yürüyen insanların giydiği kıyafetlerden, “bu da moda mı yav” diyeceğiniz defilelere kadar, dünyanın modasının nabzını tutan bir portaldır. Biz Data’cılar bu siteye girdiğimizde hiç bir şey anlamıyoruz. Moda ne kadar “değişik” bir şey diyoruz. Fakat Data’nın yalan söylemeyeceğini de biliyoruz. Bu sebeple, bu sitede bulunan fotoğrafları analiz eden, sınıflandıran, kategorilere ayıran, birbirleri arasındaki ilişkiyi ortaya çıkaran bir yapı geliştirdik. Bu yapı sayesinde,

  • Yıl (Zaman)
  • Şehir, Ülke (Yer)
  • Cinsiyet (Kadın, Erkek, ?)
  • Yaş Grubu (Çocuk, Büyük)
  • Marka (X, Y, Z)

boyutlara göre, Renk ve Range bilgilerine ulaşabilirsiniz. moda olan renklerin dışında, Range bilgisi sayesinde o sene hangi tarz kıyafetlerin (Kısa kollu, uzun kollu, çizgili, düz, vs.) ve Klasman detayında analizler (Elbise, T-shirt, Etek, Pantolon, vs.) yapabileceksiniz.
Rapor test aşamasında olduğu için, herhangi bir problemle karşılaşırsanız lütfen bize iletin.”

Bu nasıl mümkün olabilirdi? Şirkette ilginç bir ekip vardı ve hep böyle değişik analizler yapıyorlardı. Geçen ay da, Sosyal medya üzerinde ünlülülerin giydiği kıyafetlerle ilgili bir veritabanı oluşturmuşlardı. Yer yerinden oynamıştı.

Bu verileri kullanarak, tasarımcılarla çok daha verimli toplantılar yapabileceğini düşündü. “Sence Bu Kaç Satar?” adlı uygulama ile bu analizler birleştirince tamamen akıllı bir planlama yapılabilirdi.

“Sence bu kaç satar” uygulaması geçmiş veriden beslenen bir uygulamaydı. Önceki senelerde üretilen ürünlerin bileşenleri ve satışa detlerine göre, her bir bileşenin satışa etkisini buluyordu. Şimdi bu sistemle, gelecek verisi birleşecekti. Dünyada bir numara olmaya çok az kalmıştı.

Morali yerine geldi. “Şimdi gidip kahvemi alabilirim” dedi. Masaüstündeki, bir uygulamayı çalıştırdı. Ekrana çıkan text alanına, “gelinlik, bride, bridal gown, wedding gown” yazdı ve kahvesini almaya gitti.

Kahvesini alıp geldiğinde, bilgisayarının ekranı dolmaya başlamıştı. Yazdığı kelimelerle ilgili, sosyal medyada en çok paylaşılanlar, instagramda en çok beğenilen fotolar, bunla bağlantılı olan web sitelerin listesi, bir liste ve klasörün içinde duruyordu. Öğlen yemeğinden sonra incelerim diyerek programı durdurdu. Tam işe başlayacaktı ki, aklına Patrick’in doğum günü için hiç bir hediye almadığı geldi. Ne alacağını düşünmüştü ve karar vermişti ama fiyat araştırması yapmamıştı. Alacağı hediye, Playstation 4’tü. Son zamanlarda kendisi de biraz oyun oynadığı için, evlendikten sonra da işe yarar bişey almak istemişti.

Bir kaç fiyat araştırma sitesine girdi, Önde gelen firmaların web sitelerine girecekti ki trading toplantısının başlayacağı aklına geldi. Hemen apar topar koştura koştura toplantı odasına gitti. Toplantı başlamıştı. Fast seller ürünlerin artık duvara dizilmek yerine hologram ile duvarların üzerinde belirmesi çok hoş olmuştu. Herkes buna hologram diyordu fakat bu bildiğin “augmented reality”di. O hafta VR ekibi tarafından hazırlanıyor ve 1 hafta boyunca bu şekilde duvarlarda bu ürünler duruyordu. (Bunun otomatik ve filtrelenebilir bir hale getirilmesi için çalışmalar devam ediyormuş. Bittiğinde sanırım çok daha güzel olacak)

Toplantıya konsantre olmadan önce başladığı içi bitirmeye karar verdi. Teknö adlı siteye girdi, satın alma işlemi için ürünü seçti, üyelik işlemlerini tamamladı, kredi kartını cebinde ararken… kalbi hızla atmaya başladı. Kımıldayamıyordu. Toplantı odasındaki herkes ona dönmüştü. Kafalarında ilginç cihazlarla ona bakıyorlardı. Olayın ne olduğunu kısa sürede anlayıp, cep telefonunu cebine koyup, duvarın önünden çekildi. Siparişi sonra tamamlarım dedi ve toplantıya konsantre oldu.

Akşam iş çıkışında, arkadaşlarıyla AVM’de yemek yemeye karar verdi. Evine yakın bir AVM seçilmesi için, baya naz yapması gerekmişti. Yemeği yedikten sonra, AVM dolaşmaya başladılar. Telefonuna bir mesaj geldi daha doğrusu bir push notification. Mesaj şu şekildeydi:
“Merhaba Pelin. Daha önce ilgilendiğin fakat almadığın Playstation 4, şu anda mağazamızda sana özel %10 indirimle” Kafasını kaldırdı ve Teknö mağazasının o turkuaz tabelasını gördü. İçini yine o sebebini bildiği korku kaplasa da hoşuna da gitmişti. Hemen mağazaya girdi. Playstationların nerede olduğunu tam soracakken, telefonuna bir uyarı daha geldi.

“Televizyonların arasındaki koridordan Düz devam et”

“Hoydaaa” dedi. Bu kadar da olamaz herhalde diye düşündü. Kafasını yavaşça yukarı kaldırdı. Kameraların kendisini farketmemesi için şüpheli hareketlerden kaçınmaya çalışıyordu ama daha çok şüphe çekiyordu. Evet anlamıştı. Evet kesinlikle anlamıştı. Bunu nasıl fark edememişti. Ali, Veli, Patrick, Melih, hepsi profesyonel oyuncuydu (sinema oyuncusu). Truman Show adlı filmin ikincisi çekiliyordu ve kendisi de başrol oyuncusuydu. Ama bir dakika, böyle bir durum olsa kendisinin haberi olması gerekmez miydi? Tamam, yeni nesil sinemacılık bu olsa gerekti. Haberi bile olmadan çekiliyordu. Filmin çıkacağını geçen sene duymuştu. Kesin bu filmin bir sahnesiydi. Anladığımı belli etmemeliyim diye düşündü. Tam hareket edecekti ki, önünde durduğu televizyonlardan bir tanesinde Truman Show 2 filminin fragmanı çıktı. (Yazar burada abarttığının farkında ama siz onun kusuruna bakmayın)
“Oha canlı fragman yayınlıyorlar” diye düşündü. Ama başrolündeki kendisi değil, hatta başrolündeki hintli bir erkek oyuncuydu. Omzuna birisinin dokunmasıyla çığlığı bastı.

“(Ciyak) AAAAALiiiii!”

Ali biraz hasta olduğu için işe gidememişti. Kendini biraz iyi hissedince, hem biraz hareket etmek için hem de bir çorba içmek için evinin yanındaki bu AVM’ye gelmişti. Pelin’i hareketsiz bir şekilde görünce de merak edip yanına gelip bir süre izledikten sonra kötü bir şey olduğunu düşünüp omzuna dokunmaya karar vermişti.

Pelin, Ali’yi görünce çok sevindi. Bir çırpıda olanları ona anlattı. Ali kahkahalarla ona gülüyor ve dalga geçiyordu. Pelin gıcık oluyor ama bozuntuya vermiyordu. Anlatması bitince Ali söze girdi.
“In-Store Analytics” dedi ve devam etti:

“Bu kullanılan sistemlerden sadece bir tanesi! Müşterilerin kullandığı wi-fi ya da hücresel veri sayesinde, mağaza önünde ya da içinde hareketlerini takip edebiliyorsun. Eğer kayıtlı müşteri ise ve mağaza içi izleme için gerekli izinler de verilmişse (uygulaması varsa ve kullanıyorsan büyük ihtimalle vermişsindir) sen mağazaya girdiğinde otomatik haberleri oluyor. Sana özel gönderilen kampanya mesaj zamanı ve senin mağazaya girişin arasındaki süre de hesaba katıldığında, gitmek istediğin yer aşikar. Tüm bu sistemler birleşince, sadece senin ürünü alman kalıyor”

Pelin şoku üzerinden atmıştı. Playstation 4 hediye paketi olurken, bugün olan olayları düşünüyordu. Dünya çok hızlı değişiyordu. Perakende de bu hıza ayak uydurmaya çalışıyordu. Bir planner olarak sadece bu olaylara şahit olmuştu. Fakat her gün bunun gibi bir çok yenilik çıkıyordu. Hoşuna gitse de, korkuyordu. Korkuyordu çünkü kontrolü kaybettiğini düşünüyordu. Her şeyi tadında yaşamak lazımdı.

“Robotlar bizi ele geçirir mi dersin Ali?” dedi

Ali cevap vermedi. Sadece sağ gözündeki led kırmızı yandı. Ta tan tan ta tan!

Umarım hikayemi beğenmişsinizdir. Perakendede big data ve machine learning uygulamarını içeren hikayemizi bitirdikten sonra kısa bir kaç söz söylemeden geçemeyeceğim. Evet LC Waikiki’de çalışırken Machine Learning’i tam anlamıyla yapamadık ama Analitik çözümler konusunda sektörün çok ilerisindeydik. 550 mağazalık (şimdi 650’yi geçmiştir) bir perakende zincirinin Otomatik Sevkiyat Sistemlerini kurduk, Optimizasyon ile çalışan Otomatik Transfer sistemini devreye aldık, Dünya devi rota optimizasyon firmalarından daha iyi sonuç çıkaran çözümler ürettik. Bu yaptıklarımız, Machine Learning’den çok daha önemli ve çok daha katma değerliydi (Büyük ihtimalle) Beni yol ayrımına getiren yaptığımız işin büyüklüğü ya da başarısı değildi. Zaten öyle olsa hala çalışıyor olurdum.

Beni yol ayrımına getiren, Gelecek kaygısıydı! Evet bu yaptıklarımla çok paralar kazanabilirdim. 5 sene daha, hadi bilemedin 10 sene daha. Fakat sonra bu sistemleri yazmak ne beni mutlu edecekti ne de karnımı doyuracaktı. (Mutlu etmesi daha önemli) Farkında değil misiniz? Dünya değişiyor. Alışveriş alışkanlıkları, hayat tarzlarımız, günlük aktivitelerimiz, çocuklarımız, gençlerimiz hatta yaşlılarımız. Herşey değişiyor. Perakende de değişiyor. 10 sene önceki gibi değil, 10 sene sonra da bugün gibi olmayacak.

Bundan 10 sene önce kariyerime ilk başladığımda, bu alanda çalışırken şu cümleyi kuruyordum: Şimdi bu yaptığımız işin değerini anlamıyorlar ama 5-10 sene sonra anlaşılacak. Evet şu anda anlaşılıyor. Fakat 5-10 sene sonra? Ben şu anda bulunduğum alana geçmekte geç bile kaldım. Ama yine de bu alanda olmak, bu işi yapmak çok güzel.

Evet sonunda yazımızın son kısmına yani ne iş yapıyorum sorusunun cevabına geldik.
Yazı dizisinin en başında dediğim gibi, kaç senelik perakende tecrübemi bir kenera bırakıp, bilmediğim bir sektöre adımımı attım. Karar vermek gerçekten çok zor oldu. İstişareler, fırsatlar, düşünceler, korkular, swatlar, eksiler, artılar, tablolar, hesaplamalar, vs. Ve tabi bunların yanında işe kabul edilme ve edilmeme ihtimalleri…

Yazının devamı haftaya 🙂

Ne İş Yapıyorum – Big Data ve Machine Learning – Bölüm 1

Not: Yazıya klasik kendi iç konuşmalarımı yazma niyetiyle başladım. Ardından TRT World’de ne iş yaptığımı anlatayım dedim. Sonra onu anlatmak için Big Data’nın ne olduğunu anlatmam gerektiğini fark ettim. Fakat bunu anlatmak için perakende bilgimi kullanmanın faydalı olacağını düşündüm (Nedenini okuyunca anlayacaksınız) Sonra Machine Learning derken yazı uzadı da uzadı. Hatta TRT World’de yapmak istediğimiz işlere global örnekler vermeye çalışırken yazı bitmek bilmedi. Bu sebeple yazıyı üçe bölmeye karar verdim. Yazının tamamı bittiği için 5-6 gün arayla yazı yayınlanacak ve bitecektir. Okuduğunuz için teşekkür ederim. Tekrar yazmak çok güzel. Günde 1 saat yazmak iyi gelir, herkese tavsiye ederim.

-Ooooo Müdür naber? Hiç görüşemiyoruz.
-Ben artık müdür değilim bu birincisi. Görüşemiyorsak, bu çift taraflı bir problem değil mi sence de?
-Haydaa, ben mi seni müdürlükten aldım. Neden kızıyorsun ki? Hala 4 saat yollarda sürünüyor musun?
-Hee senin haberin yok mu? Ben iş değiştirdim, yeni çalıştığım yer Ortaköy’de. Akşam 6’da eve oluyorum.
-Vay vay vay. Öyle iş mi var ya. Bize de iş bulsana oradan.
-Yok abi bulamam ben sana iş.
-Neresi orası?
–TRT World.
-TRT mi? Ne yapıyorsun ki abi sen orada? Sen perakendeci değil miydin? Hayır yani ne alaka?
-Uzun hikaye…
-Gerçi iyi olmuş, perakendeye hep parakende diyordun.
-…
-Anlat anlat, vaktim var benim. Eski Parakande Analitiği Müdürü 😀
-…….

9 sene. Dile kolay. Perakendede dirsek çürütülmüş 9 sene. TRT World’de çalıştığımı söylediğimde aynı tepkiyi veren sizler, haksız değilsiniz? “Neden böyle saçma bir şey yapmış” diye içinizden geçirdiğinizi biliyorum. “O kadar senelik emeğini bir kenara atmış” dediğinizi de biliyorum. “En verimli olacağı zamanda bu sektör bırakılır mı?” diye beni düşündüğünüzü de biliyorum. Ama durun bir dinleyin söyleyeceklerim var.

Anlatmaya nereden başlasam. LC Waikiki’deki son 1 sene başlangıç için iyi olacak. 2014-2017 yılları arasında bir çok üniversiteye konuşmacı olarak gittim. İki amacımız vardı, birincisi yaptığımız işi anlatıyorduk ikincisi ise çalıştığımız şirketin bize bu imkanı verdiğinden bahsediyorduk. Anlattığımız konular, Optimizasyon (Matematiksel Modelleme), Simülasyon, Otomatik Sevkiyat Sistemleri, İş Zekası, İş Analitiği, Big Data, Veri Madenciliği, Machine Learning gibi konulardı. Saydığım konuların çoğunu çalıştığım şirketlerde yapıyorduk. Fakat konu Big Data ve Machine Learning’e geldiğinde, ne yazık ki sadece konuşuyordum. Çok güzel anlatıyordum ama yaptığım elle tutulur bir örnek yoktu. İşin garibi, iş dışında da bu konularla ilgili bir gelişme kaydedemiyordum. (Silikon Vadisine ve NRF’e gitmeseydim bunlar olmayacaktı)

Acaba ML ve BD uygulaması yapmamış olmam, uygulama alanı olmadığı için olabilir mi? Hadi bunu sorgulayalım.

Perakende sektöründe Big Data var mıdır?
Bugüne kadar hep data ile uğraştım. Akşam yattım data, gece rüyamda data, sabah kalktım data, gün boyu data, data, data (20 defa arka arkaya data deyince traktör sesi çıkıyor 🙂 )
Uğraştığım data hep yapılandırılmıştı. Daha doğrusu ben yapılandırılmış data üzerinden analizlerimi yapıyordum. Satış, Stok, Mağaza, Müşteri gibi datalardı. Ne, Nerede, Ne kadar gibi soruların cevabı netti ve tekti.

Kısa bir bilgi vermek gerekirse, yapılandırılmış veriler incelenirken dimension (boyut) ve measure (ölçüm) ile incelenir. Perakendedeki verilerin boyutlarına bakacak olursak,

  • Lokasyon (Ülke, Şehir, Mağaza, vs.)
  • Zaman (Yıl, Hafta, Ay, Gün, Saat, vs.)
  • Ürün (Kategori, Buyer Grup, Klasman, vs.)
  • Müşteri (Müşteri No, İsim, Adres, Telefon, vs.)
  • Plasiyer – Satış Danışmanı (İsim, Yaş, Çalıştığı sene, vs.)

Ölçümlere bakacak olursak,

  • Satış
  • Stok
  • Fiyat
  • Vs.

Bu boyutlar ve ölçümler kullanılara, çeşitli hesaplanmış alanlar oluşturulabilir ve farklı boyutlarda farklı analizler yapılabilir.

Peki, bu büyük veri midir? Elimizde bu verilerden milyonlarca olsa büyük veri mi olur? Peki ya milyarlarca olsa? Şimdi literatürde büyük veri ne demek kısaca ona bakalım.

İlk tanım: Big Data, zamanla elde edilen, yapılandırılmış ya da yapılandırılmamış, yani henüz geleneksel yöntem veya araçlarla işlenerek kullanılabilir hale getirilmemiş verilerdir.
İkinci tanım: Büyük veri, tek bir sunucuya sığmayacak ölçüde büyük, yapılandırılmamış veya statik bir veri ambarına sığmayacak şekilde sürekli akan veriler için kullanılır.
2012 yılında dünyada 2,8 zetabayt’dan daha fazla veri tutulmuş. Bu verilerin sadece %0,5’i analiz edilmiştir. Bunun en büyük nedeni, bu verinin satır sütun formatında olmamasıdır.(2,8 trilyon gigabyte) Bu veri boyutunun exponential arttığı düşünülürse 2016 yılında kaç olduğunu hadi siz tahmin edin 😛

Big Data ile ilgili en az bir konferansa katıldıysanız aşağıdaki tanım size hiç yabancı gelmeyecektir.

Big Data 5V’den oluşur:
Volume: Verinin büyüklüğü artıyor ve büyük veriyi bir yere yazmak lazım
Velocity: Verinin elde edilme hızı artıyor. Veri çok hızlı büyüyor. Hızlı okumak hızlı yazmak lazım.
Variety: Elde edilen verinin %80’i yapısal değil. Her kaynağın verisi farklı formatta.
Value: Verinin üretilmesi ve işlenmesi sonucunda ortaya çıkan değer.
Veracity: Hakikat! Doğruluk! Elde edilen verinin içindeki gerçek anlamı ve hakikatı ortaya çıkarmak. (Örneğin Twitter gibi bir mecrada yazılmış 140 karakterli bir yazıdan anlamlı bir şey çıkarmak olarak yorumlanabilir)

Şimdi düşünelim, elimizdeki milyarlarca data big data mıdır? (Bu analizler geleneksel perakendeciler için yazılmıştır. Zaten yazının ilerleyen yerlerinde geleneksel perakende, big data ve machine learning birleşiminden bahsedeceğim.)

Volume: Verimiz hızla artıyor fakat tek bir veriambarında bu veriyi tutabiliyoruz. X
Velocity: Verinin elde edilme hızı, mağaza sayısı ile doğru orantılıdır. Bu sebeple mağaza sayısının artmadığı durumlarda hızı da artmaz. X
Variety: Elde edilen veri yapısal veridir. Satış stok bunlar yapısal veriler. X
Value: Analizler ve çeşitli teknikler değerin kralını üretir. Otomatik sistemler, karar destek sistemleri çıkar. V
Veracity: Bu terim sonradan çıkarıldı. Hala bende oturmayan yerler var. Rakamları anlama dönüştürebilmek olarak alırsak, bunu da dahil etmeliyiz. V

Sonuç olarak 2/5 büyük veri olmadığını görüyoruz. Peki perakendede büyük veri nedir? (İki saattir ne değildir diye anlatıp duruyorsun be adam, zaman kazanmayı bırak da anlat bize)
2015 yılında Big Data nedir diye internet üzerinde ararken hep aynı şeyler karşıma çıkıyordu. Aradığım tanımı bulamıyordum. LC Waikiki vasıtasıyla Boğaziçi Üniversitesi’nde bir etkinliğe juri olarak katıldım. Sunum yapan çocuklardan bir tanesinin konusu, makinelerin bakım zamanlarının tahminini big data yardımı ile yapılmasıydı. İlk cümlesi şuydu:

Big Data nedir? Big Data, şu ana kadar ölçmediğiniz veridir.

Dediğinden hiç bir şey anlamadım. Sonra aklıma şu özlü söz geldi.
Ölçtüysen senindir, ölçmediysen hiç senin olmamıştır.
Evet evet! Anlıyordum, aydınlanıyordum! Evreka Evreka diyerek bağırmaya başladım. Sanırım bağırmak yerine horlamışım ve yanımdaki adam beni dürterek uyandırdı. Utanarak sunumu dinlemeye devam ettim.

Ölçmek ya da ölçmemek! İşte bütün mesele bu.

Perkanedeyi oluşturan her bir öğenin içinde bir big data kırıntısı bulunabilir.
Lojistik: Araç takip sistemleri ve araç sensörleri ile oluşan veri. (Araç güzergah bilgileri, aracın hızı, aracın kalma durma süreleri, araç iç sıcaklık, vs.)
Depo: RFID, beacon gibi teknolojiler ile, depo içerisinde her bir ürünün hareketinin tespit edilmesi.
Mağaza: In-Store Analytics dediğimiz, mağaza içindeki müşterilerin hareketlerinin takip edilmesi, sıcaklık ölçen kameralar ile mağaza içi heatmapler, mağaza shiftlerinin daha iyi oluşturulması için personellerin giriş çıkışlarının otomatik yapılması, RFID ile ürünlerin mağaza içindeki hareketler
Merchandising: Sosyal Medyadaki trendlerin takip edilmesi
CRM: Müşterilerin ihtiyaçlarının tespiti, kişiye özel süpriz çözümler

Evet çok kısa kısa ve biraz da altını boş bıraktığımın farkındayım. Fakat sadece Sosyal Medya ile ilgili big data kavramını 4-5 sayfada anlatabilirim. Onun yerine yazının ilerleyen kısmında kısa bir hikaye anlatacağım. Perkande, Big Data ve Machine Learning ile ilgili bu güzel hikayede, olayları daha iyi kafanızda canlandırabileceksiniz. (Şimdilik bir virgül koyuyoruz)

Perakende sektöründe Machine Learning uygulaması var mıdır?
Öğrenme, bireyin yaşantılar sonucu davranışlarda meydana gelen oldukça uzun süreli değişmelerdir. En yalın tanımla Bilebilme ve Yapabilme eylemidir. Yapay Zeka, Bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyetine denir. Yapay Zeka’nın alt bir dalı olan Makine Öğrenmesi (Machine Learning) ise, bilgisayarın “öğrenme” işlemini sağlayacak algoritma ve tekniklerin gelişimi ile ilgili bir çalışma alanıdır. ML, geçmiş deneyimleri veya örnek verileri kullanarak daha iyi sonuçlar üretmek üzere gerçekleştirilmiş bilgisayar yazılımları oluşturma tekniğidir. ML tekniklerine bir kaç örnek verecek olsak, Kredi Taleplerini Değerlendirme, Yüz tanıma sistemleri, Spam Mail belirleme, IBM Watsons, vs.

Şimdi perakende sektöründeki ML uygulamalarını düşünelim. İlk aklıma gelen, CRM ile ilgili konular.

  1. Recommendation Engine : Türkçe’de bilinen adıyla “Bunu alan bunu da aldı” sistemi. Recommendation Engine ile ilgili bir konu olduğunda, Amazon örnek olarak verilir.
  2. Customer Churn : Müşterinizin sizi terk edip etmeyeceğini öngörerek buna göre aksiyon almanıza yardımcı olur.
  3. Market-Basket Analysis : Sepet analizi yaparak, en çok birlikte satan ürünleri tespit ederek, bu ürünleri paket (bundle) şeklinde satmanıza yardımcı olabilir.
  4. Cluster Analysis : Müşteri, ürün ya da mağazalarınızı gruplayarak, karar mekanizmalarını güçlendirebileceğiniz bir yöntem. Örneğin, müşterileri LTV ve Karlılığa göre gruplayarak onları isimlendirebilir ve kampanyaları gruplara özel çıkabilirsiniz.
  5. Müşterilerin stillerinin belirlenmesi : Bu cluster analizin içine dahil edilebilse de, yaptığı alışverişe göre, hangi renkleri, hangi kıyafet tarzlarını, ürün bilgisi ile birleştirip, birinci maddedeki öneri sistemlerinde kullanılabilir. Eğer elinizde ürün bilgisi yok ise, opencv gibi teknikler kullanarak, ürünün resminden bu bilgiyi çıkarabilirsiniz.
    CRM dışında örneklere bakacak olursak
  6. Kombinli Satışın Plasiyer etkisi : Kombinli olarak satılan ürünlerde, plasiyer (satış danışmanı) etkisinin olup olmadığının tespit edilmesi
  7. Başarılı Plasiyer Sistemi : Bağımsız değişkenlerin, plasiyer başarısına etkisinin olup olmadığının tespit edilerek, yeni eleman alımlarında bunun göz önünde bulundurulması
  8. Ürün başarı nedenleri : Satılan ürünün başarısının, bileşenleri ile analizi ve yeni ürün geliştirmede kullanılması (a.k.a. Besim)
  9. Yeni mağaza açma : Yeni açılacak mağazanın yerinin, nüfus, gelir seviyesi, aynı caddede bulunan diğer mağazalar gibi bağımsız değişkenlerle tespit edilmesi
  10. Çalışan Terketme 😛 : Çalışanlarınızın istifa edeceğini önceden tespit etmek. Bu mümkün mü evet mümkün ama bence çok zor ve riskli bir uygulama 🙂
  11. Çocuklar büyüyor : Çocuklar için alışveriş yapan müşterilerin, veri ile çocuklarının büyümesinin tespit edilip, önerilerde bu verinin kullanılması.
  12. Biten ürün : Raf ömrü belli olan ürünlerde, müşterinin ürünü bittiğinde kendisine o ürünü (uygun fiyatla) önerilmesi.

Hem Big Data hem de Machine Learning ile ilgili ayrı ayrı bilgi edindik. Şimdi geldi bunları Perakende ocağında pişirip birleştirmeye. Fakat yazımızın ilk bölümü burada bitiyor. Bir sonraki bölümde Pelin the Planner ile ilgili bir hikaye ile BD ve ML uygulamalarından bahsedeceğiz. İkinci yazı önümüzdeki hafta bugünlerde yayınlanır diye düşünüyorum. Görüşmek üzere.

IBM – Silikon Vadisi – Bölüm 3

Evet bir önceki gün çok gezdiğimizin farkındayım. Bu kadar gezmek yeter diyerek sabah erkenden kalktık ve kahvaltı etmek için otelin restorantına indik. Amerika’ya gidecek sevgili okurlarıma yine basit tavsiyeler vereceğim. Amerika’da Türk restorantları hariç, ülkemizdeki gibi bir kahvaltı bulmayı çok hayal etmeyiniz. Adamlar zaten kahvaltıya breakfast demişler. İşin içine fast gibi bir kelime ekleyerek zaten amaçlarını en baştan belirtmişler.

usa-kahvalti-1

Kaldığımız oteldeki kahvaltı beklentimin gayet üstündeydi. Genel Müdürümüz Osman Bey’in verdiği oryantasyon sonucunda, güzel bir kahvaltı edebiliyordum. İlk olarak karışık bir cornflakes fırtınası, ardından Peynir-yumurta ve bagel üçlüsü son olarak da meyve tabağı ile sonlandırıyorum.

usa-kahvalti-3

Bu kahvaltıda değineceğim sadece bir konu var o da bagel. Bagel, yahudilerin icat ettiği, az mayalı, sert, hamur işi. Donut gibi ortası delik sokak açmaları gibi bir şey. Sade ve soğukken yendiğinde bir şeye benzemiyorken, ekmek kızartma makinesinde kızartıp, ortasına krem peyniri sürdüğünde gayet yenilebilir güzel bir şey ortaya çıkıyor. Kendisini tüm kahvaltılarda yanımdan eksik etmedim. Yedim, beğendim, tavsiye ederim.

usa-kahvalti-2

Güzel bir kahvaltının ardından, IBM‘in silikon vadisinin biraz dışında bulunan, kampüsüne gitmek için yola koyulduk. IBM’in herkesin hayatında bir şekilde yeri vardır. En azından duymuştur. Duydunuz değil mi sevgili okuyucular? Benim IBM ile tanışmam, babamın ilk şirket bilgisayarına kadar gitmektedir. Yani 90’lı senelerin başı diyebiliriz. Ardından arkadaşımın 2000’li yılların başında sahip olduğu ve klavyenin ortasında kırmızı düğme ile mouse kontrol edilmesi ile devam etmektedir. Son olarak mezun olup, LC Waikiki‘de işe başladığımda IBM’in aslında sadece donanım üretmediğini, yazılım alanında da çeşitli işler yaptığını görmeme vesile olmuştur. Özellikle 2013 yılı itibari ile İş Analitiği ve İş Geliştirme Müdürlüğü görevime devam ederken, IBM’in ILOG OPL Studio adlı optimizasyon yazılımı ile bol bol haşır neşir olmuştum ekibimle birlikte. Hatta Mağazalar Arası Transfer Projesini bu yazılım ile modellemiş ve çözdürmüştük. Devreye aldığımız bu sistem sayesinde 2013 ve 2014 yıllarında IBM Perakende Günleri 2013 ve IBM Business Connect 2014‘te başarı hikayesi olarak anlatma fırsatımız olmuştu. (Ben LC Waikiki’den ayrıldıktan sonra bu sistem haber olmuş. Görünce çok mutlu oldum. Tebrikler LC Waikiki. Link)

ilog-logo

IBM’den iki kişiye çok teşekkür etmeden bu yazıya devam etmemek gerekiyor. Birincisi Eray Bey. Kendisi hem bilgisiyle, hem mütevaziliği, hem yardımseverliği ile hem de arkadaşlığıyla (Abiliğiyle) yer etmiş biridir. 10 numara adamdır. Şimdi IBM’de yine çığır açacağı haberleri geliyor. Yolun açık olsun abi. İkinci olarak Ebru Hanım. Yaptığı işe hayranlıkla baktığım kişilerden biridir. Eğer bir ürün nasıl satılır, bir insan nasıl ikna edilir, bunlar yapılırken profesyonnel nasıl olunur, insan ilişkileri nasıl yönetilir öğrenmek istiyorsanız, kendisi üstadtır. IBM Konferanslarını organize eden, bize sonuna kadar destek olan kişilerden biridir. Yolun açık olsun Ebru Hanım.

ibm-logo

Evet IBM diyorduk. IBM’i tanıyalım ve ne kadar büyük bir firma önce ona bakalım.

IBM (International Business Machines; Uluslararası İş Makineleri)
Merkezi Armonk, New York, ABD’de olan, dünyanın en büyük bilişim teknolojisi şirketidir. 410.000’i aşkın çalışanı ile 170’den fazla ülkede faaliyet göstermektedir. Faaliyet gösterdiği alanlar arasında bilgisayar ve donanım üretimi, yazılım, servis hizmetleri, sunucu servisleri ve AR-GE bulunmaktadır. Dünyada her yıl en fazla yeni patent alan şirket durumundadır.
Kart delici makinelerin bulucusu Herman Hollerith’in patentlerini işlemek ve geliştirmek üzere Thomas J. Watson tarafından 1911 yılında kuruldu. Kısa zamanda iş hacmini büyüterek kendi alanında ABD ve dünyanın en önde gelen şirketlerinden biri durumuna geldi.
2015 yılında 95 Milyar Dolar ciro elde etmiş. Bunun 12 Milyar doları ise Net Kar. (İyi para) (Wikipedia)

ibm-giris

Biz IBM ile OMS yani Order Management Sistemleri üzerine görüşmek için gittik. Tüm dünya OmniChannel üzerine yoğunlaşırken biz de boş durmadık, OMS’in önde gelen oyuncuları ile ilk görüşmemizi yapmak için buralara kadar geldik. Türkiye’de neden görüşmediniz de taaa Amerika’ya gittiniz? Dediğinizi duyar gibiyim. Sadece artislik olsun diye görüşmeye gittik desem ne değişecek? Tabiki bunun için gitmedik. Türkiye’de ilgili kişilerle görüştük. Fakat, bu işin membahına gitmişken ve bu işin baş sorumluları ile görüşme fırsatımız varken bunu neden değerlendirmeyelim dedik.
Adamlar (IBM) şehrin biraz dışında bir kampüs inşa etmişler. Bu kampüse bir çalışanın ihtiyacı olan tüm şeyleri koymuşlar. Üzerine kalan bölgeleri de ekip biçmişler ki, organik beslenebilsinler. İşte adamlar böyle güzel bir yer yapmışlar.

İşte size çok şaşırdığım bir anıdan bahsedeyim. IBM’e saat 09:45 gibi vardık ve bizi çok basit bir masada bir hanım karşıladı. Kim olduğumuz, nereden geldiğimiz zaten belli olduğu için, hiçbir prosedür olmadan içeri girişimiz 2dk içinde tamamlandı. Türkiye’deki IBM ofisine girmeye çalışsam eminim daha uzun sürerdi.

ibm-giris-2

Ardından Bruce Williams (Briefing Consultant) adlı kişi bizi devraldı. Devraldı doğru bir kelime mi bilmiyorum ama biz devralındığımızı hissettik. Hayatımda ilk defa bir briefing danışmanı ile tanışmıştım. 50’li yaşlarda şık giyimli bir adamdı. İlk olarak eşyalarımzı toplantının yapılacağı odaya bıraktık. Toplantı yapacağımız oda girişe çok yakındı. Eşyalarımızı bıraktıktan sonra kendisi bize “geri geri” yürüyerek göz temasını kaybetmeden şirketi tanıttı. IBM kaç yılında kuruldu, burada ne işler yapılıyor, nerede ne var diye. Son olarak Lavoboların nerede olduğunu gösterdi. Sonra tekrar odaya geri döndük.

İlk olarak tanıştık. Ardından programın içeriğinden bahsetti. Hangi konuşmacının hangi saatler arasında konuşacağını söyledi. Toplantıya başlamadan önce bilinmesi gerekenleri anlattı. Örneğin acil bir durumda yapılması gerekenleri ve acil çıkışların nerede odluğunu söyledi. (Açıkçası böyle bir açıklama ile ilk defa karşılaştım. Hiç aklıma gelmemişti. Ben eğiticinin eğitimi adlı eğitimi almama rağmen bu beni çok etkiledi) Normal araları ve yemek arasının ne zaman olduğunu söyledi. Yemek konusunda herhangi bir alerjimizin olup olmadığını sordu. (Bu da bence efsaneydi. IBM bizim ne yiyebileceğimizi 2 haftadan önce öğrenip bize özel yemek pişirtmesi de ayrı bir güzellikti. Fakat toplantı esnasında servis edilen yiyecekler içinde kendisinin alerji konusundaki hassasiyeti çok etkileyiciydi) Son olarak bizim bu odada bir takımın oyuncuları olduğumuzu ve birlikte çalışarak güzel bir gün geçireceğimizden bahsetti. Her kim sunum yaparsa süreyi kendisinin yönetceğini ve bitmesi gereken zamanı bildireceğini belirterek sözü şirket tanıtımı yapması için IT Direktörümüz Hakan Bey’e devretti. Hakan Bey şirketimizi anlatan kısa bir sunum yaptı ardından esas konu konuşulmaya başlandı. Şimdi araya girmek istiyorum. Bir departman müdürü olarak, yurtdışında hiç sunum yapmadım. Ama profesyonel kariyerime devam edeceksem sanırım bunu yapmak durumunda kalacağım. İngilizcem iyi bir sıkıntı yok ama hiç sunum yapmadım. O sebeple bu konuda kendimi geliştirmem lazım.

ibm-sabri

IBM yetkilileri başladı anlatmaya. Hemen OMS konusuna girmediler. Önce tüketici davranışları ve son araştırmalardan bahsettiler.
Söyledikleri ilk şey “Customers have the power” yani “Müşteri güce sahip” O yüzden, müşterimizin kim olduğunu bilmemiz gerekiyor. Peki nasıl bileceğiz? Bunu bilmenin yolu ise SoLoMo.

SoLoMo
Solomo kelimesini ilk duyduğumda aklıma bir anım geldi. LC Waikiki’de çalıştığım yıllarda yurtdışından bir kargo bekliyordum. Kargo gelmiyordu. Aradan 2 hafta geçmesine rağmen kargo yoktu. Sonra bir gün bizim kargo dağıtan abi, masama geldi ve “Sabri Sen misin?” dedi. “Evet benim” diye cevap verdim. “Bu kargonun senin olma ihtimali yok ama yine de bir baksana senin mi?” dedi. Kargoya baktım. Üzerinde büyük harflerle ismim yazılıydı. Sabri. Yanında ise SOMONO yazılıydı. 😀 Sabri Somono. Bugüne kadar soyadımı yanlış yazan bir çok kişi gördüm. Suyolu, Soyunur, vs. Ama bu efsaneydi. Sabri Somono. Cezayir asıllı italyan aşçı ismi gibi 🙂 (Bu da böyle bir anımdı)

SoLoMo’ya gelecek olursak, aslında çok basit. So – Social, Lo – Location, Mo – Mobile. Müşterinizin sosyal mecralarda paylaştıkları, nerede yaşadığı nerelere gittiği ve mobil cihazlarında hangi uygulamaları kullandığı nerelerden ne alışveriş yaptığı gibi bilgiler. Evet kulağa çok korkunç geldiğini biliyorum. Fakat bugün Amerika’daki müşterilerin %67’si akıllı telefon kullanıyor. Akıllı telefon kullanmak demek, bu bilgileri zaten paylaşmak demek. O yüzden şimdi etik kısmını geçelim de biraz iş konuşalım.

customer-1

Müşterilerinizin kim olduğunu bu verilere ulaşarak öğrenirsiniz. Bu verilere sahip olursanız da, müşterinin gücüne sahip olursunuz. Peki bu verilerle ne yapacağız?

Müşterinin tahmin edilemeyen davranışlarını, tahmin edilebilir hale getirmek. (?)

Hepimiz birer müşteriyiz. Hepimiz her gün alış veriş yapıyoruz. Alışveriş yaparken bir çok şeyi düşünerek yapıyoruz. Örneğin, alışveriş yaparken öncelikle kendi evimize yakın AVM’ye ya da mağaza/markete gidiyoruz. Sevdiğimiz renklere uygun alışverişleri yapıyoruz. Bunları sosyal medyada paylaşıyor ve belirtiyoruz. Mobil uygulamalar üzerinden inceliyor ardından alışverişi mağazadan ya da internetten yapıyoruz. Kendimize mi yoksa başkasına mı alışveriş yaptığımızı bir biz biliyoruz başkası değil 🙂 Ve bunun gibi bir çok bilinmeyen.

Peki mağaza bizim hakkımızda ne biliyor. Eğer elinizde CRM (Customer Relationship Management) yada CXM (Customer Experinece Management) ile ilgili hiçbir alt yapı yoksa, sadece POS Data dediğimiz satış datasına sahipsiniz demektir. Bu da kısıtlı bir bilgidir ve müşterinize özel bir harekette bulunmanızda işinize yaramaz.

customer-2

Şu şekilde düşünün. Hep alışveriş yaptığınız bir marka olsun. Sonuçta 4 seferden fazla alışveriş yaptıysanız artık o markaya sadık bir müşteri haline gelmişsiniz demektir. Hatta bu marka ile duygusal bir bağınız var bile diyebiliriz. Mağazaya ya da e-ticaret sitesine girdiğinizde sizi tanısa ve sizin seveceğiniz ürünleri size önerse, hem de bunu kişiselleştirerek daha önceki yaptığınız alışverişlerle ilişkilendirerek yapsa, hatta ve hatta sizin için beğendiğiniz ürünlere indirimler sunsa, sizi özel davetlere çağırsa, sizin bir probleminiz olduğunda sizinle en öncelikli ilgilense, siz o markaya daha çok bağlanmaz mısınız? Bu sayede daha çok alışveriş yapmaz mısınız? Etrafınızda herkes alışveriş yapsın diye de çalışmaz mısınız?

customer-4

Aslında sadık ve bağlı olan müşteri edinmek çok zor değil. Sunumda bunu 4 cümle ile özetlediler.

Know Me – Beni Tanı
Serve Me – Bana Hizmet Et
Listen to Me – Beni Dinle
Let me be in Control – Kontrolün ben de olmasına izin ver

Eğer bunu yapabilirseniz, müşterinin elindeki gücü en iyi şekilde kullanırsınız.

customer-3

Aklınıza şu soru geliyor olabilir. “Ya Türkiye’de alışveriş yapan kişilerin hepsi yaşlı, sen kimi kandırıyorsun?” (Tam bir soru olmadı aslında:))
Ben 30 yaş üstünde bir insanım ve alışveriş yapıyorum. 1990 yılında doğan bir kişi bugün, 26 yaşında. Çok değil bundan 4 sene sonra, 2000 yılında doğan bir bebe, 20 yaşında olacak. Kısacası Millennials (Y Kuşağı) kontrolü ele geçiriyor. Sen bugün yaşlılar alışveriş yapıyor demeye devam et. Fakat çok farklı alışkanlıkları olan bir nesil, alışveriş kültürünü değiştirmeye geliyor.

IBM IBV (Institute for Business Value) 2013-2015 yılları arasında yaptığı araştırma sonucunda aşağıdaki sonuçlar ortaya çıkmış.
Alışveriş yaparken, Online tercih ederim diyen kişilerin, yaşlara göre dağılımını geçen seneki fikirlerine göre kıyaslamışlar.

ibm-anket-1

İkinci grafikte ise, son alışverişini online kanaldan yapan kişilerin yaş dağılımını geçen seneki durumları ile kıyaslamışlar

ibm-anket-2

Kuşakları bir kenara bırakıp genel tabloya baktığımızda da yeni neslin alışverişi ele geçirdiğini görebiliyoruz. Yine aynı araştırma sonucunda, insanlar alışverişlerinin %27’sini online olarak yapmışlar. (2012 yılına göre %50 artış göstermiş.) %67’si akıllı telefona sahipmiş. %69’u alışverişlerinden sonra bir yorum bırakıyorlarmış. %64’ü daha önce yazılan yorumların, satın alma kararlarını etkileyen en önemli faktör olduğunu söylüyormuş. Her 10 kişiden 9’u da alışveriş yaptıkları şirketlerin omnichannel yetkinliğinin olmasını bekliyormuş.

IBM yetkilisi, bu bilgiyi verdikten sonra konuyu OmniChannel Sistemlerine bağladı. 🙂 Bence gayet güzel bağladı. Şimdi gelelim Omnichannel nedir?

Omni-channel
Brick-and-mortar (Tuğla ve harç) terimi, bir yapı ya da bina için kullanılmaktadır. Perakende de, bu terimi kullandığınızda fiziksel mağazanızı ifade etmektedir. Geçmiş zamanda, e-ticaretin yaygın olmadığı zamanlarda tek kanal yani sadece mağaza vardı. Müşteri mağazaya gelir alışverişini yapar, bir problemi olursa da oradaki kişiyle görüşürdü.

omni-channel-3

Ardından, Satış kanalları artmaya başladı. E-Ticaret, telefon ile satış yapılırken, call center vasıtasıyla müşteriye destek olunmaya başlandı. Bu sayede çok kanala (multi-channel) geçiş yaşandı. Mobil kullanımın artması ve sosyal medyanın hayatımızın içine girmesiyle çok daha kompleks bir yapıya dönüştü. İşte burada Omni-channel devreye girdi. Müşteri bir taneydi. Her kanalda ayrı bir kişiymiş gibi davranılmasını istemiyordu.
Müşterinin, tüm kanallarda (Mağaza, internet, sosyal network, mobil, call center vs.) aynı alışveriş deneyimini yaşamasını sağlayan platformlara Omni-channel denir.

omni-channel-1

IBM bu konuda çok başarılı bir ürün ortaya çıkarmış. Sunumun son kısmında, bize bu platformu sundular. Dünyada kimlerin kullandığını, hangi perakendecilerin burada başarı sağladıklarından bahsettiler. Açıkçası ben çok etkilendim. Çok büyük bir yapı ve tüm herşeyi düşünmüşler. Ama tabi biraz da pahalı 🙂

Yazıklarımı özetleyecek olursam, artık alışveriş deneyimi değişiyor. Müşterisini memnun eden, perakendeciler pazarda kalmaya devam edecekler. Müşterisini tanıyan ona doğru ürünü sunan firmalar çok daha başarılı olacaklar. Müşteriye iyi bir alışveriş deneyimi sunan kişiler, aynı zamanda iyi bir marka deneyimi sunmuş olacaklar.
Günümüzde, bir insan alışveriş yapmadan önce ciddi araştırıyor, Pre-Purchase denilen bu aşamada, bütçesine göre doğru ürünü bulmak için araştırıyor. Purchase yani satın alma işlemi ise çok kısa sürüyor. O yüzden, internet ya da sosyal medya üzerinde markanın ve ürünlerin başarısı, sizden satın alma ihtimalini de artıracaktır. Post-pruchase yani, ürün satıldıktan sonra satış sonrası destek de, kişilerin bir daha sizi tercih etmesi için en önemli adımlardan bir tanesi. Koşulsuz iade, müşteriyi evinde gibi hissettirmek, markanın onu sevdiğini göstermek bunlardan sadece birkaç tanesi.

Alışveriş deneyimi değişiyor. Ayakta kalmak için belki stratejinizi, belki vizyonunuz belki de temel değerlerinizi değiştirmeniz gerekecek. Zor değil, sadece müşteriyi dinleyin yeter. Sonuçta müşteri sizin veli nimetiniz. 🙂

Bu yazıyı burada bitiriyorum. Çünkü çok uzun oldu. İkinci günün ikinci kısmı olan Amerika Ofisi ve Amazon ziyaretini diğer yazıya sakladım. Herkesin geçmiş bayramı kutlu olsun 🙂 Görüşmek üzere.

LC Waikiki’ye Veda Ederken

Merhaba;

İçinizdeki ışığın evreni aydınlatmasının, varlığınızla gurur duyulup yokluğunuzun aranmasının ve baki kalan şu kubbede hoş bir seda bırakmanın tek bir şartı var:

“İnsan sevdiği işi yapmalı her ne olursa olsun.”

Veda etmeden önce, beni tanımayanlar için kendimi tanıtmak isterim. Daha tanışmadan vedalaştı demeyin arkamdan.

Google arama motoruna Sabri yazdığınızda aşağıdaki sonuçlar çıkar. İnternet üzerinde Sabri isminin verdiği zorluğa rağmen, ismimi her zaman çok sevmişimdir.

Sabri Kimdir

Ben Sabri Suyunu. 1984 yılında İstanbul’da doğdum. 2007 Yılı Kasım ayından beri LC Waikiki’de çalışıyorum. Sabah 06:30’da evden çıktığım ve 19:30’da eve gittiğim düşünüldüğünde, 24 saatimin 13 saatini bu ailede geçiriyorum. Yani %54. Ailemden, dostlarımdan, arkadaşlarımdan daha çok vakit ayırıyorum bu müesseseye. Yani hem ailem, hem dostum hem de en iyi arkadaşım oluyor LC Waikiki.

Ben LC Waikiki’de doğdum. Üniversiteden mezun olur olmaz LC Waikiki’de işe başladım. Bu süre zarfında, evlendim, askere gittim, araba aldım ve Allah’ın en büyük hediyesi olan bir çocuk sahibi oldum. Bunların hepsi olurken benim ailemin yanında LC Waikiki vardı. Başka şirkette ne oluyor bilmiyordum. Bilmeme de gerek yoktu. Mutluydum. Ama

Bugün ailemden ayrılıyorum.

Tamam her şey toz pembe değildi. Sıkıntılar yaşadım. Ama bağlılığımı kaybetmedim hiçbir zaman. Bağlılığım düştü ama toz kondurmadım LC Waikiki’ye. Herkese şirketimi anlatıyordum. Yaptığımız işleri, çalışma ortamını, değerlerimizi anlatıyordum. Vizyonumuzdan bahsediyordum. Şirkette işler iyi gitmese de anlatmaya devam ediyordum. 8 sene içerisinde 10’dan fazla pozisyon değiştirdim. 10’dan fazla yöneticiye de direkt bağlı olarak çalıştım. Bu süreç beni çok yordu ama çok da şey öğretti. Kimlerle çalışmadım ki, Osman Şentürk, Serkan Ulukaya, Cemil Yıldız, Erdem Çalışkan, Mesut Akyıldız, Hakan Uğur, vs. Sonra ben yönetici oldum. Uzman Yardımcısı olarak başladığım serüvende Müdür olarak görev aldım 2012 yılında. LC Waikiki’nin en genç müdürlerinden biri oldum. Benimle beraber 4 kişilik bir ekibim vardı 10 kişi olduk. Yeni bir mezun olarak girdiğim bu şirkette bir çok şey öğrenmiştim. Serkan Bey’den aldığım bayrağı daha ileriye taşımak için çalışmaya başladım.

Bayrağı biraz daha ileri taşımak için kolları sıvadım. Serkan Bey’i teknik olarak geçmemin imkanı yoktu. Elimden geleni yapacaktım. Ekibimle Otomatik Sevkiyat Sistemlerinde harika işler çıkaracaktık.  Yurtdışı açılımında en önde olacaktık. Farklı departmanlarla ortak bir çok başarılı proje yapacaktık. Departmanın rotasını optimizasyona çevirecektik. Tekstil perakendesinde bir ilk olan ve IBM’in iki organizasyonunda ve bir çok üniversitede başarısı hikayesi olarak anlatılan “Mağazalar Arası Transferin Optimizasyon ile Çözülmesi” projesini devreye alacaktık.

Bunların dışında, farklı yetkinlikler kullanmanın zamanı gelmişti. Bu veda yazısında teknik başarıları anlatmayacağım. Anlatsam zaten sayfalara sığmayacaktır. Bu sebeple geçmişe dönüp yaptığımız garip işlere bir bakalım. Evet, Bir yönetici olarak, bazı şeyleri olması gerektiğinden farklı yaptığım doğrudur. Bir duyuru maili, bir organizasyon, bir iş arama süreci, hep olması gerektiğinden farklı ilerledi benim yöneticiliğimde. İlk olarak Duyuru Maillerinden başlayalım. Daha önce yazdığım bir mail örneği bulunmaktaydı. Aşağıda da farklı duyuru maili örnekleri bulunmaktadır.

Merhaba;

Aşağıda bir şairin Allocation hakkında yazdığı şiir bulunmaktadır. Bu şiiri okuyup aşağıdaki soruyu tarafıma cevaplamanız istenmektedir. İlginiz için şimdiden teşekkür ederiz.

Şiir
Bir allocator yoktur ki açmamış olsun ekran-ı rezerve
Girer gece gündüz rezerve bakarak sadece geçmişe
Bulmuş “şu kadar haftaya tamamla” diye bir parametre
Doldurur tüm mağazaları elinden geldiğince

Şiirin çözümlemesi
Şair, yukarıdaki dizelerde bir allocatorun rezerve girerken yaptıklarını anlatmaya çalışmıştır. Allocatorların gece gündüz çalıştığını vurgulayan şair, rezervelerin sadece geçmişe bakılarak girdiğini iddaa etmiştir. Rezervelerin şu kadar haftaya tamamla diye bir parametre ile girildiğini ve mağazaların doldurulmaya çalışıldığından dem vurmuştur.

Soru:
Bir Allocator neden rezerve girerken “… haftaya tamamla” mantığına göre rezerve girmektedir? Bu bir ezber midir yoksa arkasında bir mantık var mıdır? Tam olarak bu şekilde rezerve girerken ne yapılmak istenmektedir? Detaylı olarak cevaplarınızı bekliyoruz.

Dikkat
Cevap veren kişiler arasında yapılacak çekilişte sürpriz bir hediye verilecektir. Cevabın doğruluğu bizim için önemli değildir. Cevpalar 3. Şahıslarla paylaşılırken isminiz gizli tutulacaktır.

“Aaa rezil olurum yanlışsa” “Yazıyozda noluyo” “Çok biliyorsan kendin cevapla”
“Bugüne kadar söz verdiği çikolataları alsın önce” gibi düşünceleri aklınızdan çıkarın.
“Aaa rezil olurum yanlışsa” –> Rezil olmayacaksınız, yanlış da olsa isminiz bizde gizli kalacaktır.
“Yazıyozda noluyo” –> Yazıyosunuz ve biz sizin yazdığınız her şeyi değerlendiriyoruz. Şirkete katkınız oluyor
“Çok biliyorsan kendin cevapla” –> Çok bilmiyorum. Öğrenmek için soruyorum. (Şaka şaka biliyorum ki cevabı ben)
“Bugüne kadar söz verdiği çikolataları alsın önce” –> Bugüne kadar söz verip de almadığım çikolata mı varmış? (Evet var, borcum neyse öderim (ÖDEMEDİ))

Eğer bu maili, klasik cümlelerle yazsaydık, 40’a yakın kaliteli cevap alamazdık. Allocatorların içindeki şair ruhu ortaya çıkaramazdık. Bu cevaplardan bir kitapçık çıkarıp allocatorlara yollayamazdık.

Bu da bir diğer duyuru maili:

Merhaba Sevgili Şiir Severler;

Yo! Birazdan okuyacağınız şiirdeki gizli mesajımızda, sorularınıza dönüş için maksimum süre hedefimizi açıklamaktayız.
Analitik Sanat Ekibi

Dönüjem Ben Sana
Hey sen alokeytır!
Email at hadi yardır.
Doluluğun düşer rezerven onaylanmazsa,
En güzeli sen buyer grup kaydır!

Fena olmaz aslında onay doğru çalışsa…
Belki bi bildiği vardır, sistem ne de olsa (!)
Eğer olay hala çok karışıksa,
Şüphe etme sor bize elbet cevabı vardır!

Sorular sorular sorular…
Analitikçiler sırayla cevaplar.
Analiz edecek dönecek elbet sana,
Termini gör mısraların başında!

Artık mail ya da forumdan sorduğunuz sorulara cevabımızı hedef saatler içinde vereceğiz. So Check it out man!

Not: Şair, söz yazarı, bestekar Melih Çelik’e teşekkürlerimi sunarım 🙂

Beş saat kuralında o kadar başarılı olamadık belki ama yine de etkiliydi bence 🙂

Departman olarak, hep organizasyonların peşindeydik. Guitar Hero partylerinden Kelle Paçacılara kadar bir çok yere gitmiştik. Fakat, iş senelik departman bütçesini yemeye gelince asıl organizasyon orada ortaya çıktı. GOYDOY. Goy goy ve Doymak kelimelerinin birleşmesi ile ortaya çıkan GoyDoy, her sene 1 tane düzenlenen bir organizasyona dönüştü. Temelde, belirlenen bir muhitteki en lezzetli yemekleri ufak porsiyonlar şeklinde yemeye odaklanan aynı zamanda muhabbetin de dibine vuran bir organizasyondu. Birincisi 2013 yılında Sirkeci-Eminönünü-Beyazıt’ta, İkincisi ise 2014 yılında Beyoğlu-Taksim’de düzenlendi. www.goydoy.com adresinden aktivitelerimizi takip edebilirsiniz. Ya da google’a “eminiönde ne yenir” yazsanız hemen çıkar zaten 🙂

Biz hem goy goy yapan hem de en güzel yemekleri keşfetmek için sokak sokak dolaşan bir grubuz. Geziyoruz, yiyiyoruz, goy goyun dibine vuruyoruz.

GoyDoy 19 Nisan 2014 tarihinde ilk turu ile başlayacak. Amacımız önce İstanbul, sonra Türkiye ve en sonunda Dünya’daki lezzetleri keşfetmek.

Yediğimiz içtiğimiz bizim olacak ama yine de fikir sahibi olmanız için buradan hem gittiğimiz yerleri hem yediklerimizi hem de içtiklerimizi buradan yazacağız.

GoyDoy.com’dan bir yazı:

Türk Kahvesi – Şark Kahvesi – Beyazıt Kapalı Çarşı

Nuruosmaniye , Mercan ve Beyazıt arasında yer alan Kapalıçarşı 64 cadde ve sokağı , iki bedesteni , 16 hanı , 22 kapısı ve yaklaşık 3.600 dükkanı ile dünyanın en eski ve en büyük alışveriş merkezlerinden biridir. 45.000 metrekare kapalı alana sahip olup, içinde yaklaşık 20.000 kişi çalışmakta ve mevsimine göre günde 300 ile 500 Bin arasında ziyaretçi almaktadır.

Efsaneye göre, İstanbul’un altı birbirine bağlı dehlizlerle kaplıymış. Hatta bu dehlizlere Yerebatan Sarayı’nın gizli bir yerinden de giriliyormuş ve tünel, denizin dibinden devam edip taaa Kınalıada’ya kadar gidiyormuş.

Tüneller Kapalıçarşı’nın altından da geçiyormuş tabii. Hatta şu an, Çarşı’nın gizli tutulan bir yerinden girilebiliyormuş bu tünellere… Buralarda yemek takımı üzerine çalışan gümüş kaplama atölyeleri varmış. Yerin dibindeki yere ruhsat verir mi belediye? Hepsi kaçakmış bunların… Çalışanlara da işe başladıkları gün, dehlizlerden kimseye bahsetmeyeceğine dair Kur’an’a el bastırılıp, yemin ettiriliyormuş.

kapali carsi

Tüneller çarşının altından başka yerlere doğru da gidiyormuş ama buraları kullanmak kesinkes yasakmış. Bir keresinde hazine meraklarından, üç-dört işçi çocuk ilerilere gitmeyi denemiş.

Dehlizler labirent gibiymiş. Çocuklardan sadece biri geri dönmeyi başarmış, diğerleri yollarını bulamayıp tünellerde kaybolmuş. Dönen çocuk da (Allah muhafaza) aklını oynatmış. Çünkü ileriki kısımlar, iskeletlerle, insan boyunda böceklerle, farelerle filan doluymuş. Bu çocuk bir daha hiç “yeryüzüne” çıkmamış. Bütün gün dehlizlerdeki atölyelerde filan dolaşıyormuş, kim ne verirse onu yiyip, gece de artık nerede sızarsa orada uyuyormuş. Arada da yine tünellerin ilerilerine gidip birkaç gün kayboluyomuş ortalıktan. Döndükten sonra hiç birşey yiyip içmeden gözlerini öyle bir noktaya dikip, bakıp duruyormuş günlerce.

GoyDoy ekibi olarak bu dehlizleri araştırmak ve gizli hazineleri bulmak için Kapalı Çarşı’ya gittik. Saatlerce aramamıza rağmen gizli girişi bulamadığımız için pek ilerleme kaydedemedik. Sonuç olarak o kadar çok yorulmuştuk ki – aslında programımızda olmamasına rağmen – bir soluklanmak adına Kapalı Çarşının merkezinde bulunan tarihi Şark Kahvesi’nde bulduk kendimizi. Buraya Kapalı Çarşı esnafı olan astronottoman’ın tavsiyesi üzerine gittik. Kalabalık olmamıza rağmen yer bulabildik. Türk Kahvelerimizi sipariş ettik. Yanında lokumu ile birlikte servis edilen kahvelerimizin siz diyin kırk ben diyim yüz kırk yıl hatırı vardı. Kahvenin yanında edilen dost sohbeti ile sade kahveler bile tatlanmıştı muhterem okuyucular.

sark_kahvesi

Siz siz olun yolunuz Kapalı Çarşı’ya düşerse Şark Kahvesi’nde bir Türk Kahvesi için. Söylentilere göre dehlizlerden dönen çocuk ayda bir defa bu kahveye gelirmiş. Sadece bir Türk Kahvesi söyler, soğuyana kadar gözünü ayırmadan kahveye bakar, sonra tek dikişte içip hesap ödemeden gidermiş ve bir anda gözden kaybolurmuş. Belki bir gün siz de bu genci görebilirsiniz.

Adres: Yaglikcilar Cad. 134 Isbank yani Kapalicarsi / iSTANBUL

Telefon: +90 212 512 11 44

Web: http://www.sarkkahvesi.com/

Departmanda 1.5 senemi tamamlamıştım. Kadromu genişletmek istediğim için, şirket içine ilan açmayı planlıyordum. Daha önce şirket içine açtığım ilanlardan dolayı ağzım yanmıştı ve yoğurdu üfleyerek yiyordum. Dışarıdan çok sevimli bir departmandık, çok güzel işler yapıyorduk, sevenimiz çoktu ama ne zaman şirket içine bir ilan açsak, 5’ten fazla başvuru olmuyordu. Evet yanlış duymadınız. 5. Bu sebeple, bu sayıyı arttırmak için internette araştırma yaptım. Şirket içi pozisyon ilanlarının çok klasik olduğuna karar verdim. Sonuç olarak, farklı ve ilgi çekici bir ilan yayınlamaya karar verdim. İnsan Kaynakları bunu kabul etmedi. Ben de onlara ilanı yayınlamalarını söyledim. İlan yayınlandıktan sonra, gelen ilan mailini forwardlayarak aşağıdaki çalışmayı yolladım herkese:

İş Analitiği ve İş Geliştirme Uzman Yardımcısı ilanımız şirket içinde yayınlandı. İlanımıza başvurmadan önce bu departmanda çalışmak için uygun olup olmadığınızı test edebilirsiniz. (Büyütmek için üstüne tıklayınız)

uygunluk testi

Buna rağmen başvuru sayısı 5’i geçti mi? Tabiki hayır 🙂

Şirket içinde gerekli talebi bulamayınca, yeni bir proje tetiklendi. Bugünkü adı ProFashionals olan fakat bizim deyimimizle “Back to School” (Aman ne yaratıcı bir isim 🙂 ) olan proje. Üniversitelerin Endüstri Mühendisliği bilim dallarının lisans bitirme projelerine destek olma kararı aldık. Şirketimizin de desteği ile 6 üniversite ile görüştük ve aynı sene bir çoğu ile proje yaptık. Sene sonunda çok güzel bir organizasyonla da noktayı koyduk.  Burada bu organizasyon hakkında detaylara bakabilirsiniz.

Son olarak, Departmanımızın tek sayılık dergisinden bahsetmek istiyorum. Sadece 1 sayı çıktı ama dolu doluydu. Bu dergi ile kendimizi anlatmak istedik. Ne iş yaptığımızı, neylerle uğraştığımızı kendi tarzımızla anlatmak istedik. Aslında sosyal insanlar olduğumuzu göstermek istedik. Aşağıda bu dergimizin giriş kapağı bulunmaktadır.

dergi

Evet bunlar yaptıklarımızdan birkaç örnek. Bir de yapmak isteyip de yapamadıklarımız var. Neler mi?

  1. “Bir toplantıda yapmak isteyip de yapamadıklarınız” konulu video
  2. İş Analitiği departmanı oyuncuları ile LC Waikiki reklam çekimi
  3. İş Analitiği ve İş Geliştirme Departmanı için MANGA
  4. Piknik (Pardon sonunda yaptık di mi onu 🙂 )
  5. Edirne’ye ciğer yemeye gitme
  6. Kağıt bardaklardan Speed Stacks yarışması (Bu hep aklımdaydı ama kimsenin haberi yoktur)
  7. Ekip olarak şirkette Counter Strike oynamak (Son 1 haftadır internet cafede oynarak kısmen yaptık bunu da)
  8. Lasertag, paintball, go kart (Departmanın hepsi gelsin diye beklersen olmuyormuş bu işler 🙂 )

Eveeeet. Bu uzun yazıyı da bitirmenin zamanı geldi. Bugün bu güzel şirketten ayrılıyorum. Bazen aklıma gelirdi. Acaba ben LC waikiki’den ayrılabilir miyim diye. Bağlılığım o kadar yüksekti ki, hayal etmekte zorlanırdım. Çevremdeki insanlar benim LC Waikiki’den hiçbir zaman ayrılamayacağımı söylerdi. Ama işte ben de gidiyorum.

Ben şirketimi seviyorum. Seviyorum, çünkü görüşüm, dinim, ırkım ne olursa olsun bana saygı duyuluyor. Seviyorum, çünkü bana bugüne kadar bir çok şey öğretti ve öğretmeye devam ediyor. Seviyorum, çünkü evime ekmek götürmeme aracı oluyor. Seviyorum, çünkü bir amaç uğruna çalışıyorum. Bugün ben kızgın ya da dargın ayrılmıyorum. Bugün ben üzgün ayrılıyorum. İnsan sevdiğinden hiç mutlu şekilde ayrılır mı?

Başta Sn. Mustafa Küçük olmak üzere, bugüne kadar bana emeği geçen tüm yöneticilerime; Birlikte çalıştığım tüm birimlerin yöneticilerine ve ekiplerine teşekkür ederim.

Bir yönetici, başarılı olmak için bir çok özelliğe ihtiyaç vardır. Objektif olmak, analitik düşünme, ifade yeteneği, ikna yeteneği, vs. Fakat, bu yetkinliklerden çok daha önemli olan bir şey varsa o da iyi bir ekibe sahip olmaktır.

LC Waikiki’de sahip olduğum en değerli şeylerden biri olan, beni ben yapan, beni başarılara sürükleyen, çalıştığım süre boyunca her zaman beni destekleyen, sevgili ekibim İş Analitiği ve İş Geliştirme Ekibine çok teşekkür etmek istiyorum. İyi ki varsınız, iyi ki benim ekibimsiniz.

Buradan tüm çalışma arkadaşlarıma ayrı ayrı ismen teşekkür etmek isterdim. Yazmaya başladım. Fakat o kadar uzun bir liste oldu ki, tamamlayamadım. Korktum birilerini atlarım diye. O yüzden siz özel insanlar, kusuruma bakmayın.

Sevgili LC Waikiki! Bugüne kadar bana kattığın her şey için teşekkür ederim. Benim ailem oldun. Kardeşim oldun. Arkadaşım oldun. En iyi arkadaşım oldun Waikiki. Tekrar Görüşmek Üzere. Allah’a emanet ol.

“Sabri Bey ne yapıyorsunuz?”
“Bunu, bunu alın dışarıya”
“Alalım. Alalım sizi dışarıya. Sizi dışarı alalım”

[youtube]https://www.youtube.com/watch?v=UxmF1X19_sY[/youtube]

Beni benimle bırakmak istemeyenler için gelsin:
E-Mail: sabrisuyunu[at]gmail[dot]com
Web Sitesi: http://sabri.suyunu.com/
Twitter: https://twitter.com/suyunu
Facebook: https://www.facebook.com/suyunu
Instagram: https://instagram.com/suyunu/
Pinterest: https://www.pinterest.com/suyunu

Perakende ve Analitik

Perakende satış, ürünlerin bir işletme aracılığıyla tek tek ya da küçük miktarlarda tüketiciye satılmasına dayanan satış biçimidir. Perakendecilik, üretici ve tüketici arasında malların naklini sağlayan aracılık hizmetleridir. Başka bir deyişle mal ve hizmetlerin, doğrudan doğruya son tüketiciye pazarlanmasıyla ilgili faaliyetler bütünüdür. Çeşitli perakendecilik aktiviteleri bulunmaktadır.

Günümüzde perakendecilik sektörü dünyada oldukça deneyim kazanılmış ve olgunlaşma dönemine girmiş bir sektör olarak tanımlanabilir. İkinci Dünya Savaşı’nın ardından yeniden yapılanma sürecine girilmiş ve yeni yönetim modelleri uygulama çalışmaları yapılmıştır. Temelde; ihtiyaç sahibi tüketicilere, üretim veya tedarikçilerden satınalma süreçleri sonucu elde edilen ürünlerin sunulması olarak özetlenebilecek perakendecilik; talepler arttıkça farklı formatlar ve uzmanlık alanlarına ayrılarak faaliyet göstermeye devam etmiştir. Dünyada sektör içinde büyük rekabet yaşanması, şirketlerin fark yaratmak ve tüketicinin tercihini kazanmak için arayışlar içine girmesine yol açmıştır. Teknoloji ve bilgisayar sistemleri yoğun olarak kullanılmaya başlanmış; böylece hem operasyonel işlemler daha hızlı ve düşük maliyetlerle gerçekleştirilmiş, hem de müşteriler veri ambarlarında izlenerek oluşabilecek talep ve ihtiyaçları tahmin edilmeye çalışılmıştır. Gelecekte globalleşen dünya içinde perakendecilerin sundukları ürünler ve fiyatlar arasında büyük farklar olma olasılığı düşük gözükmektedir; mağazaların yerleşimi, verilen hizmet seçenekleri ve doğru zamanda doğru ürünü müşteriye sunma gibi konularda yapılan çalışmalar avantajlı konuma gelmelerini sağlayacaktır. Önümüzdeki yüzyılda özellikle konfeksiyon mağazaları ve çok bölümlü mağazalarda ürün dışında gerçekleştirilen faaliyetler, teknolojinin de etkin kullanımı ile büyük önem kazanacaktır. Türkiye’de perakendeciliğin hemen hemen tüm formları için gelişme potansiyeli olduğu yapılan araştırmalar sonucu ortaya çıkmaktadır. Yabancı perakendecilerin de pazara girmesi ile gelişme evresine giren sektörde çeşitli firmalar faaliyet göstermektedir.

Bağımsız mağazalar, Hipermarketler, Outlet mağazalar, Zincir Mağazalar, Cash and Carry, vs. bunlardan bazılarıdır. Aşağıda perakende sektöründe uygulanan analitik çözümleri bulabilirsiniz.

Tedarik Zinciri Optimizasyonu: Doğru ürünü, doğru zamanda,  doğru mağazada ve doğru adette bulundurmak için Stok Yönetiminin doğru yapılması, bunu yaparken fiyatlandırma, promosyon ve indirim yönetimini analitik yöntemlerle yapılarak doğru fiyatı elde ederek satışı ve brüt karı maksimize etmek.

Rota Optimizasyonu: Ürünler merkezden mağazalara sevkiyatı yapılırken kullanılan araçların (kamyon, kamyonet, tır, vs.) doluluklarının maksimize edilmesi ve rota planlamasının yapılması.

Mesai Çizelgeleme: Çalışan memnuniyetinin arttırılması ve çalışan sirkülasyonun azaltılması için Mağazalardaki, marketlerdeki çalışanlarınızın mesai planlarının daha adaletli ve daha doğru yapılmasının sağlanması.

Kasa Kuyruk Simülasyonu: Kasa kuyruklarında bekleyen müşterilerin azaltılması ve doğru sayıda kasa açarak maliyetlerin azaltılması.

Tahmin: Fazla ya da az stok tutmamak için, doğru plan yapmak için, gelecekteki durumları analiz etmek için, en önemli yöntem olan tahminin doğru yapılması.

Network Dizayn: Mağazaların yerlerine göre, Nereye dağıtım merkezinin açılması gerektiğine karar verilmesi