Alibaba ve Sektörün Geleceği

Alibaba 2014 yılının Eylül ayında dünyanın en büyük halka arzını gerçekleştirerek manşetlere damga vurdu. Bugün şirket piyasa değeriyle ilk 10 global şirket arasında, global satışlarda Walmart’ı geride bıraktı ve dünyadaki tüm büyük pazarlara girdi. Kurucusu Jack Ma’nın ismini ise artık duymayan kalmadı.

Alibaba 1999’da kurulduğundan beri, e-ticaret platformunda muazzam bir büyüme elde etti. Fakat şirketin bir yıl önce tam zamanlı olarak aralarına katıldığım yönetim ekibi, 2007 yılında Zhejiang, Ningbo’da bulunan sahil kenarındaki kasvetli bir otelde yapılacak kurum dışı stratejik toplantı için bir araya geldiğinde şirket tüm dünyayı geride bırakacak gibi görünmüyordu.

Toplantıda e-ticaret trendleri hakkındaki birbirinden kopuk fikirlerimiz ve gözlemlerimiz birleşerek geleceğe dair daha geniş bir çerçeve oluşturmaya başladı. Toplantının sonunda vizyonda fikir birliğine varmıştık. “Açık, koordine, kullanışlı bir e-ticaret ekosistemi gelişmesini” sağlayacaktık. Asıl Alibaba macerası işte o gün başladı.

Alibaba’nın özel inovasyonun, gerçekten bir ekosistem inşa etmek olduğunu fark ettik: Birbiriyle ve çevreleriyle (online platform ve daha da geniş çevrimdışı fiziksel elementler) etkileşimde bulunan bir yapılar (çeşitli işletmeler ve tüketiciler) topluluğu.

Stratejik olarak platformun, online bir işletmenin başarılı olması için gereken tüm kaynakların ve böylelikle ekosistemin evrimini desteklediğinden ya da bu kaynaklara erişimi sağladığından emin olmak zorundaydık.

İnşa ettiğimiz ekosistem başlarda basitti: Satıcılar ve alıcılar arasında bağlantı kurduk. Teknoloji geliştikçe daha fazla iş fonksiyonu online mecrada yerini almaya başladı.

Bunlara reklamcılık, pazarlama, lojistik ve finans gibi köklü iş fonksiyonlarının yanında satış ortaklığı, ürün tavsiye etme sistemleri ve sosyal medya influencer’ları gibi yeni ortaya çıkan sektörler de dahildi. Bu inovasyonlara yer sağlamak için ekosistemimizi büyüttükçe Çin’in perakende sektörünü yeni baştan yaratan yeni online iş türlerinin oluşmasına katkıda bulunmuş olduk.

Bugün Alibaba yalnızca online bir ticaret şirketi değil. Alibaba, tüm perakende fonksiyonlarını alıp bunları satıcılar, pazarlamacılar, servis sağlayıcıları, lojistik şirketi ve imalatçılardan oluşan veri odaklı, büyüyen bir ağ ile koordine ettiğinizde ortaya çıkıyor.

Başka bir deyişle Alibaba, Amazon, eBay, PayPal, Google, FedEx, ve ABD’deki toptancılar ile imalatçıların büyük kısmının yaptığı işi yapıyor; fakat bunu yaparken bir yardımcı unsur olan finansal hizmetleri pastanın süsü olarak kullanıyor.

Bugün dünyanın en değerli 10 şirketinin yedisi bizimkine benzer iş modelleri olan internet şirketleri. Amazon, Google ve Facebook ABD’de; Alibaba ve Tencent Çin’de olmak üzere bu şirketlerin beşi hemen hemen 20 yıldır varlık gösteriyor.

Peki bu kadar büyük bir değer ve pazar gücü nasıl oldu da bu kadar çabuk oluştu? Sebebi, tüm bu şirketlerin, ağ koordinasyonu ve akıllı veri alanındaki gelişmelerle ortaya çıkan yeni imkânları kullanmaya başlamasıydı.

Yönettikleri ekosistemler ekonomik açıdan yeterliydi ve klasik endüstrilere kıyasla daha müşteri odaklıydı. Bu şirketler benim ‘akıllı işletme’ olarak adlandırdığım bir yaklaşımı kullandı. Ben, bu yaklaşımın geleceğin hâkim iş mantığını temsil ettiğine inanıyorum.

AKILLI İŞLETME NEDİR?
Ortak bir iş hedefini (perakendecilik, ortak otomobil kullanımı gibi) gerçekleştirmeye dahil olan tüm gruplar, online bir ağda koordine olduğunda ve verinin etkili bir şekilde eş zamanlı kullanılması için makine öğrenimi teknolojisini kullandığında akıllı işletme ortaya çıkar.

Çoğu operasyonel kararın makinelerle verildiği bu teknoloji odaklı model, şirketlerin dinamik ve hızlı bir şekilde değişen pazar koşullarına ve müşteri tercihlerine uyum sağlamasına; geleneksel işletmelere karşı muazzam bir rekabet avantajı kazanmasına olanak sağlar.

Programlama gücü ve dijital veri elbette makine öğrenimini geliştiren unsurlardır. Algoritmik cihazlar, düzenlemelerden geçtikçe ve daha fazla veri işledikçe, alınacak sonuçlar da daha iyi olur. Veri bilimciler spesifik aksiyonlar için olasılığa dayalı öngörü modelleri geliştirir ve algoritma her bir düzenlemeyle, gerçek zamanda daha iyi kararlar üretmek için veri yığınlarını işler.

Bu öngörü modelleri çoğu iş kararı için temel oluşturur. Böylece makine öğrenimi teknolojik bir inovasyon olmanın ötesine geçer: Algoritmik çıktılar, günden güne insan karar verme sürecinin yerini aldıkça makine öğrenimi, iş yapma şekillerini dönüştürecektir.

Bu geleceğin neye benzeyeceği konusunda Ant Microloans çarpıcı bir örnek oluşturuyor. Alibaba 2012 yılında Ant’ı kurduğunda Çin’deki büyük bankaların verdiği tipik kredi miktarı milyon dolarları buluyordu. Minimum kredi miktarı ise birçok küçük ya da orta çaplı işletmenin (kobiler) ihtiyaç duyduğundan çok daha fazlaydı:

6 milyon Çin yuanı ya da 1 milyon doların biraz altında bir miktar. Bankalar, kredi geçmişi olmayan ya da iş aktivitelerini yeterince belgelemeyen şirketlere hizmet sağlamak istemiyordu. Bunun sonucunda Çin’de on milyonlarca işletme, operasyonlarını geliştirmek için ihtiyaç duyduğu parayı sağlama konusunda büyük zorluk çekiyordu.

Alibaba olarak yüksek fonksiyonlu, ölçeklenebilir ve kârlı bir kobi kredisi işletmesi yaratmak için gerekli unsurlara sahiptik: Platformumuzu kullanan birçok küçük işletmenin oluşturduğu çok büyük miktarlardaki işlem verileri. Böylelikle 2010 yılında bu alanda öncü olarak, veri odaklı mikro kredi işletmesi kurduk ve işletmelere 1 milyon Çin Yuan’ını (yaklaşık 160 bin dolar) aşmayacak miktarlarda krediler sunmaya başladık.

Operasyonun yedinci yılında şirket yaklaşık üç milyon kobiye toplamda 87 milyar Çin Yuan’ını (13,4 milyar dolar) aşan krediler vermişti. Ortalama kredi tutarı ise 8 bin yuan, ya da yaklaşık 1200 dolardı. 2012’de bu kredi operasyonunu başarılı ödeme kuruluşumuz Alipay ile birleştirdik ve Ant Financial Services’i yarattık. Yeni girişime bu ismi vermemizin sebebi, karıncalar gibi küçük ama çalışkan şirketleri desteklediğimiz fikrini oluşturmaktı.

Bugün Ant birkaç dakikada birkaç yüz yuan (yaklaşık 50 dolar) kadar küçük tutarlarda krediler işleme koyabiliyor. Peki bu nasıl mümkün? Kredi kuruluşları potansiyel kredi alıcılarıyla karşılaştığında üç temel soruya cevap vermelidir: Bu alıcıya kredi vermeli miyiz? Ne kadar kredi vermeliyiz? Hangi faiz oranıyla kredi vermeliyiz?

Platformumuzdaki satıcılar bize verilerini analiz etme yetkisi verdiğinde bu soruları cevaplayabileceğimiz bir konumda oluruz. Algoritmalarımız işlem verilerini inceleyerek bir işletmenin gidişatını, pazarda ne kadar rekabetçi unsurlar sunduğunu, ortaklarının yüksek kredi notu olup olmadığını vs. değerlendirebilir.

Ant bu veriyi iyi kredi alıcılarını (borcunu zamanında ödeyenler), kötü kredi alıcılarıyla (borcunu zamanında ödemeyenler) karşılaştırmak için kullanıyor ve her iki grupta da ortak olan özellikleri diğerlerinden ayırıyor. Bu özellikler kredi notlarını hesaplamak için kullanılıyor. Kredi veren tüm kuruluşlar elbette bunu bir şekilde yapıyor.

Fakat Ant’ta tüm kredi alıcılarına ve bunların davranışlarına ilişkin gerçek zamanlı veri analizi otomatik olarak yapılıyor. Her işlem, satıcı ve alıcı arasındaki her iletişim, Alibaba’daki diğer hizmetlerle olan her bağlantı, yani aslında platformumuzda alınan her aksiyon bir işletmenin kredi notunu etkiliyor. Aynı zamanda bu notları hesaplayan algoritmalar gerçek zamanlı olarak değişiyor ve her düzenlemeyle, karar verme kalitesini geliştiriyor.

Ne kadar kredi verileceğini ve ne kadar faiz kullanılacağını belirlemek, Alibaba ağında oluşturulan birçok veri türünün analizini gerektirir: Brüt kâr marjı ve envanter dönüşüm oranının yanında ürün ömrü, satıcının sosyal ve iş ilişkilerinin kalitesi gibi matematiksel açıdan daha az hassas bilgiler.

Örneğin algoritmaların sıklığını, uzunluğunu ve iletişim şeklini (anında mesaj, e-posta, ya da Çin’de yaygın olan diğer yöntemler) analiz ederek ilişki kalitesini değerlendirebilir.

Alibaba’nın veri bilimcileri, hangi veri noktalarının istenen içgörüleri sağladığını belirleme, test etme ve veri madenciliği yapmak amacıyla algoritmaları düzenleme konusunda çok önemli rol oynuyor.

Ant Financial’ı tekrar ele alalım. Eğer zayıf kredi notu olan bir satıcı borcunu zamanında öderse, ya da muhteşem kredi notu olan bir satıcı borcunu ödeyemezse algoritmada ince bir ayar yapılması gerektiği açıktır. Peki hangi parametreler eklenmeli ya da kaldırılmalı? Hangi kullanıcı davranışına daha çok ağırlık verilmeli?

Yeniden ayarlanan algoritmalar gittikçe daha hassas tahminler üretirken, Ant’ın riskleri ve maliyetleri düzenli olarak düşer ve kredi alanlar ihtiyaçları olan parayı, ihtiyaç duydukları zamanda, karşılayabilecekleri bir faiz oranıyla temin edebilir. Bunun sonucunda başarılı bir işletme görürüz: Mikro kredi operasyonu yaklaşık yüzde 1 oranında bir hata oranına sahip. Bu rakam Dünya Bankası’nın 2016 yılında tahmini yüzde 4 olarak belirttiği oranın çok altında.

Peki bu tür bir işletmeyi nasıl yaratırsınız?

TÜM OPERASYON KARARLARINI OTOMATİZE EDİN

Akıllı bir işletme olabilmek için şirketiniz, kendi veri analiziyle desteklenen insanların değil; gerçek zamanlı veri kullanan makinelerin olabildiğince fazla sayıda operasyon kararı verebilmesini sağlamalıdır. Karar verme mekanizmasını bu şekilde dönüştürmek için dört adımdan oluşan bir süreci izlemelisiniz.

1. Adım: Tüm müşteri hareketlerini “verileştirin”
Ant, kredi sektörünün doğasında var olan soruları cevaplamak söz konusu olduğunda, olası kredi alıcıları hakkında büyük miktarda veriye erişebildiği için şanslıydı. Birçok işletme için veri toplama daha zorlu bir süreçtir. Fakat gerçek zamanlı veriler, makine öğreniminin temelindeki geribildirim döngüsünü oluşturmakta olmazsa olmazdır.

Bisiklet kiralama sektörünü düşünün. Çin’deki startup’lar tüm kiralama sürecini verileştirmek için telefon hizmetlerini, nesnelerin internetini (akıllı bisiklet kilitleri şeklinde) ve mevcut mobil ödeme ve kredi kartı sistemlerini kullandı.

Klasik yöntemde, bisiklet kiralamak için bir kiralama yerine gitmeli, depozito bırakmalı, birinin size bisiklet vermesini sağlamalı, bisikleti kullanmalı, geri vermeli ve kredi kartıyla ya da nakit olarak ödeme yapmalıydınız. Birkaç rakip Çinli şirket, mevcut teknolojilere yenilerini entegre ederek bu süreci internete taşıdı.

Check-out sürecini zekice otomatize eden QR kodları ve elektronik kilitlerin kombinasyonu, kritik bir inovasyondu. Bisiklet paylaşma uygulamasını açan kişi, etraftaki uygun bisikletleri görebiliyor ve rezerve edebiliyor. Kişi bisikletin yanına geldiğinde uygulamayı kullanarak aracın üstündeki QR kodu taratır.

Sürücünün kiralama kriterlerine uyduğunu ve hesabında parası olduğunu da varsayarsak, QR kod elektronik bisiklet kilidini açacaktır. Uygulama, Ant Financial’ın tüketici kredi notu için geliştirdiği yeni bir online ürün olan Sesame Credit ile kişinin kredi geçmişini de doğrulayabiliyor, böylece süreci daha da hızlandırarak sürücünün depozito ödeme kısmını atlamasını sağlayabiliyor.

Sürücü bisikleti iade ettiğinde kilidi kapatarak işlemi tamamlıyor. Bu süreç oldukça basit, sadece birkaç saniye sürüyor ve hem uygulama hem de kullanım açısından kolaylık sağlıyor.

Kiralama sürecini verileştirmek tüketici deneyimini muazzam şekilde iyileştirir. Şirketler gerçek zamanlı veri üzerinden bisikletleri kullanıcıların istediği yere taşımak için kamyonlar gönderir. Aynı zamanda düzenli kullanıcılara çevrelerindeki bisikletlerin uygunluğuna göre uyarılar gönderebilirler. Büyük ölçüde bu inovasyonlar sayesinde, Çin’deki bisiklet kiralama masrafları saat başına birkaç sente kadar düştü.

Veri-odaklılığını artırmak isteyen çoğu işletme genellikle nedensel bir model oluşturmak için bilgi toplar ve analiz eder. Bu model, kritik veri noktalarını mevcut bilgi yığınından ayırır.

Fakat akıllı işletmeler veriyi bu şekilde kullanmaz. Bunun yerine işletme operasyon aşamasındayken, müşterilerin ve diğer ağ üyelerinin hareketleri ve iletişimleri sırasında üretilen tüm bilgileri toplar ve sonrasında algoritmalar hangi verinin kullanılabileceğine karar verir.

2. Adım: Her aktiviteyi “yazılımlaştırın”
Akıllı bir işletmede tüm aktiviteler (yalnızca bilgi yönetimi ve müşteri ilişkileri değil), yazılım kullanılarak yapılandırılır. Böylece bunları etkileyen kararlar otomatize edilebilir. Ancak bu, şirketin faaliyetlerini yönetmek için ERP yazılımı ya da bir dengini satın alması ya da geliştirmesi gerektiği anlamına gelmez.

Klasik yazılımlar, süreçleri ve karar akışını sabitleştirir ve genellikle sınırlandırır. Bunun tersine, akıllı işletmelerdeki baskın mantık gerçek zamanlı tepkiselliktir.

Atılacak ilk adım insanların mevcut karar verme şekillerine yönelik bir model geliştirmek, ve bu sürecin daha basit elementlerini yazılım kullanarak kopyalama yöntemleri bulmaktır. Bu her zaman kolay değildir, zira çoğu insan kararı sağduyuya ya da bilinçaltı nörolojik aktiviteye dayalıdır.

Alibaba Group’un yerel perakende web sitesi Taobao’nun büyümesi, perakendecilik sürecinin devamlı olarak yazılımlaştırılmasıyla gerçekleşti. Taobao üzerinde geliştirilen ana yazılım araçlarından biri Wangwang adı verilen, anında mesaj göndermeye yarayan bir araçtı. Bu araçla tıpkı insanların klasik bir dükkânda yaptığı gibi alıcılar ve satıcılar kolayca birbiriyle konuşabiliyor; satıcılar alıcıları karşılıyor, ürünleri tanıtıyor, fiyat pazarlığı yapıyor.

Alibaba aynı zamanda satıcıların çeşitli sofistike online vitrinler tasarlaması ve lanse etmesine olanak sağlayan yazılım araçları geliştirdi. Online mağazalar açılıp işler hâle geldiğinde satıcılar; her biri birbirine koordine olan, kupon verme, indirim yapma, sadakat programları oluşturma ve diğer müşteri ilişkileri faaliyetlerini yürütme gibi aktiviteler için başka yazılım ürünlerine de erişebiliyor.

Bugün birçok yazılım bir hizmet olarak online yürütüldüğü için; bir iş aktivitesini yazılımlaştırmanın önemli bir avantajı da gerçek zamanlı verinin, iş sürecinin parçası olarak kendiliğinden toplanabilmesi ve makine öğrenimi teknolojilerinin uygulanması için gerekli temeli oluşturabilmesidir.

3. Adım: Veri akışını sağlayın
Birbiriyle bağlantılı çok sayıda oyuncunun olduğu ekosistemlerde iş kararları kompleks koordinasyon gerektirir. Örneğin, Taobao’nun tavsiye motorları satıcıların envanter yönetim sistemleriyle ve çeşitli sosyal medya platformlarından tüketici profili çıkarma sistemleriyle birlikte çalışmalıdır. Taobao’nun işlem sistemleri, bizim lojistik ağımıza katkı sağladığı gibi indirim teklifleriyle, sadakat programlarıyla da birlikte çalışmalıdır.

TCI/IP gibi iletişim standartları ve uygulama programlama ara yüzleri (API’lar), ekosistemde veriye erişebilecek ve düzenleyebilecek kişileri sıkı bir şekilde kontrol etmenin yanında, çeşitli oyuncular arasında veri akışını sağlama konusunda çok önemli rol oynar. Farklı yazılım sistemlerinin birbiriyle online olarak “konuşmasını” ve koordine olmasını sağlayan API’lar, Taobao’nun gelişiminde kritik yeri olan araçlardır.

Platform; alıcılar ve satıcıların buluşup ürün sattıkları bir forumken Çin’in baskın e-ticaret web sitesi olma yolunda büyüdükçe, sitedeki satıcılar bağımsız geliştiricilerden gelecek desteğe gittikçe daha çok ihtiyaç duyuyordu. Yeni yazılımın herhangi bir değeri olması için, platformdaki diğer tüm yazılımlarla birlikte çalışabilmeliydi.

Hâl böyle olunca Taobao 2009’da bağımsız yazılım sağlayıcılarının kullanımı için API’lar geliştirmeye başladı. Bugün Taobao’daki satıcılar ortalama 100’den fazla yazılım modülüne aboneler; ve onlar sayesinde sunulan gerçek zamanlı veri hizmetleri, satıcıların iş yapma maliyetini muazzam oranda düşürüyor.

Teknik altyapıyı doğru oluşturmak sadece başlangıç. Tüm Alibaba birimlerinde verinin aynı şekilde kullanılması ve yorumlanması adına ortak bir standart oluşturmak için muazzam çabalar gösterdik. Üstelik, şirketleri sahip olduğu verileri paylaşmaya ikna etmek için doğru teşvik yapılarını bulmak önemli ve hâlâ devam eden bir zorluk.

Daha çok çalışmak gerekiyor. Elbette, şirketlerin bu alanda inovasyon yapma düzeyi kısmen, operasyon gösterdikleri ülkelerdeki veri paylaşımını düzenleyen kurallara bağlıdır. Fakat izlenecek yön açık ve net: Ağda veri ne kadar çok bulunursa, işletmeler o kadar akıllı hale gelir ve ekosistemin yarattığı değer o kadar artar.

4. Adım: Algoritmaları uygulayın
Bir işletme tüm operasyonlarını online olarak yürüttüğünde bir veri yağmuruna yakalanır. Bu verileri özümsemek, yorumlamak ve kendi yararına kullanmak için şirket; işletmenin optimize etmeye çalıştığı temel ürün mantığını ya da pazar dinamiklerini açıkça ortaya koyan modeller ve algoritmalar oluşturmalıdır.

Bu, çok sayıda yeni beceri gerektiren, devasa büyüklükte bir yaratıcı sorumluluktur. Dolayısıyla veri bilimcileri ve ekonomistlere çok talep olur. Bunların çözmesi gereken problem, makinelere yaptırmak istedikleri işi açıkça belirtmektir. Üstelik belirli bir işletme düzeninde iyi yapılmış bir işin ne demek olduğu konusunda da oldukça net olmalıdırlar.

Taobao ile amacımız en başından beri, onu her bireyin ihtiyaçlarına uyumlu hâle getirmekti. Makine öğrenimindeki ilerlemeler olmasaydı bunu yapmak mümkün değildi. Bugün müşteriler siteye giriş yaptığında, milyonlarca satıcımızın milyarlarca teklifiyle düzenlenen seçme ürünlerle dolu, kişiselleştirilmiş bir web sitesi görüyor.

Bu seçim Taobao’nun güçlü tavsiye motoruyla otomatik olarak yapılıyor. Her bir ziyaretin dönüşüm oranını optimize etmek için tasarlanmış algoritmalar; operasyonlardan müşteri hizmetlerine ve güvenliğe kadar, tüm Taobao platformunda üretilen veriyi harmanlıyor.

Taobao’nun büyüme yolculuğundaki bir kilometre taşı, taramada yapılan iyileştirmeydi. Platform çok daha az sayıda ziyaret edilirken ve uğraşması gereken çok daha az sayıda ürüne sahipken mevcut tarama yöntemi gayet işe yarıyordu. Daha sonra arama motoru, makine öğrenimi algoritmalarıyla güçlendirildi ve çok büyük hacimlerdeki araştırmaları işleme kapasitesine sahip bir tarama yöntemine yükseltildi.

Taobao aynı zamanda müşterinin, arzu ettiği bir ürünün fotoğrafını çekebilmesine olanak sağlayıp bunu platformdaki ürünlerle eşleştiren, optik algılamaya dayalı bir arama algoritmasını da deneye tabi tutuyor. Bu teknolojiyi satışları sürdürmekte kullanmak için önümüzde uzun zaman olsa da, bu fonksiyon günde 10 milyon tekil ziyaretçiye ulaşarak müşteriler arasında ne kadar popüler olduğunu kanıtladı.

Alibaba 2016’da müşteri sorularını yanıtlamak için yapay zeka (AI) ile çalışan bir chatbot’u kullanmaya başladı. Bu chatbot, bilgi havuzundaki cevaplarla müşteri sorularını eşleştirmek için programlanan ve birçok insanın aşina olduğu mekanik hizmet sağlayıcılarından farklı.

Bunlar Taobao satıcılarının deneyimli temsilcileri tarafından “eğitiliyor”. Chatbot’lar envanterdeki tüm ürünlerin her şeyini biliyorlar ve Alibaba platformlarının mekanikleri (iade politikaları, teslimat ücretleri, bir siparişte değişiklik yapma) ve müşterilerin sorduğu diğer yaygın sorular konusunda da oldukça tecrübeliler.

Bu chatbot’lar müşteriyi daha fazla aksiyon alması için harekete geçiren sabit cevaplar vermiyor; semantik kavrayış, bağlama dayalı diyaloglar, bilgi grafikleri, veri madenciliği ve derin öğrenme gibi çeşitli makine öğrenimi teknolojilerini kullanarak kişinin sorununu otomatik olarak tespit etme ve çözme yeteneklerini hızla geliştiriyorlar.

Sunulan çözümün kabul edilebilir olup olmadığını müşteriyle teyit ediyor ve sonra çözümü uyguluyorlar. Alibaba ekibi ya da satıcı tarafından hiçbir insan müdahalesi gerçekleşmiyor.

Chatbot’lar aynı zamanda satıcının toplam gelirlerine de büyük katkı sağlıyor. Örneğin giyim markası Senma bir yıl önce chatbot kullanmaya başladı ve robot, satıcının en iyi satış görevlisinden 26 kat fazla ürün sattı.

Karmaşık ya da kişisel sorunlarla baş etmek için her zaman robotların değil insanların müşteri temsilcisi olmasına ihtiyaç duyulacak. Fakat bir chatbot aracılığıyla rutin soruları yanıtlama kabiliyeti özellikle yüksek satış hacminin ya da özel promosyonların olduğu günlerde faydalı.

Önceden, platformumuzdaki büyük satıcıların çoğu büyük etkinlikler sırasında tüketici sorularını yanıtlamaları için geçici çalışanlar işe alırdı. Artık bu durum ortadan kalktı. Alibaba’nın 2017’deki en büyük satış günü sırasında chatbot; 3,5 milyon tüketiciye yanıt vererek müşteri sorularının yüzde 95’iyle ilgilendi.

Bahsettiğimiz bu dört adım akıllı bir işletme yaratmanın temelidir: İşletmenizin daha akıllı olmak için kullanacağı veri havuzunu zenginleştirmek amacıyla yaratıcı verileştirme yöntemlerini uygulayın; iş akışlarını ve önemli aktörleri online hâle getirmek için işletmenizi yazılımlaştırın; gerçek zamanlı veri akışı ve koordinasyonunu sağlamak için standartlar ve API’lar oluşturun ve “akıllı” iş kararları üretmek için makine öğrenimi algoritmalarını kullanın. Bu dört adımda yer alan tüm aktiviteler, yeni bir liderlik türü gerektiren önemli, yeni yetkinliklerdir.

LİDERİN ROLÜ
Hupan School of Entrepreneurship’te akıllı işletmeler üzerine verdiğim derste öğrencilere 10 işletme lideri gösterdim ve bunların kim olduğunu söylemelerini istedim. Jack Ma, Elon Musk ve Steve Jobs’ı kolaylıkla ayırt ettiler. Fakat görsel olarak hiçbiri CitiGroup, Toyota ya da General Electric’in CEO’sunu tespit edemedi.

Bunun bir sebebi var. Optimize tedarik zincirleri aracılığıyla ürün ya da hizmet sunan General Electric , Toyota ve CitiGroup gibi şirketlerin aksine dijital şirketler, vizyonlarını gerçekleştirmek için bir ağ mobilize etmek zorunda. Bunu yapmak için ise liderler; bu ağı oluşturan çalışanlarına, ortaklarına ve müşterilerine ilham vermelidir. Öngörülü olmalı ve mesajını yaymalıdır, bir klasik şirket liderine göre daha açık sözlü ve samimi olmalıdır.

Teknolojilerini yaymak isteyen kişiler, dijital dünyanın geleceğinin neye benzeyeceğini ve endüstrilerinin sosyal, ekonomik ve teknolojik değişimler karşısında nasıl evirileceğini anlamalıdır. Şirket hedeflerini gerçekleştirme yolunda atılacak somut adımları betimleyemezler; zira ortam oldukça akışkandır ve ihtiyaç duyacakları kabiliyetler bilinemez.

Bunun yerine liderler, şirketin başarmak istediği şeyleri belirlemeli ve çalışanların bunlara karşı olumlu bir çözüm oluşturacak fikirleri hızlıca ölçeklendireceği, pazarı test edeceği, deneysel ürün ve hizmetleri düzenleyeceği bir ortam yaratmalıdır. Dijital liderler artık yönetmiyor. Bunun yerine çalışanlarının, şirketin kararlarına ve aksiyonlarına dair müşterilerin verdikleri cevaplardan oluşan esas geribildirim döngüsünü işletmesini ve yenilikler yapmasını sağlıyorlar.

Akıllı işletme modelinde makine öğrenimi algoritmaları, sistemin genelinde verimliliği artıran otomatik ayarlamalar yaparak artan iyileştirme yükünün büyük kısmını üstlenir. Dolayısıyla liderlerin en önemli görevi yaratıcılığı beslemektir. Onların görevi operasyonun verimliliğini değil, inovasyonun başarı oranını artırmaktır.

Alibaba gibi doğuştan dijital şirketler, online ve hazır veri ile kurulmuş olmanın avantajına sahipler. Dolayısıyla akıllı işletmelere dönüşümleri oldukça doğal süreçlerde gerçekleşecektir.

Artık modelin işe yaradığı ve eski endüstriyel ekonomiyi dönüştürdüğü kanıtlandığına göre, tüm şirketler bu yeni iş mantığını anlamalı ve uygulamalıdır. Bu teknolojik açıdan göz korkutucu olabilir, fakat günden güne daha uygulanabilir hâle geliyor.

Bulut bilişiminin ve yapay zeka teknolojilerin ticarileştirilmesi, büyük ölçekli bilişim gücü ve analiz kabiliyetlerini herkes için erişilebilir hâle getirdi. Büyük miktarlarda veri depolama ve işlemenin maliyeti geçtiğimiz on yılda çarpıcı bir düşüş gösterdi.

Bu da demek oluyor ki makine öğreniminin gerçek zamanlı uygulamaları, artık çok daha fazla alanda ulaşılabilir ve ucuz. Nesnelerin interneti teknolojisinin hızla gelişimi fiziksel çevremizi daha da dijitalleştirecek ve tahmin edemeyeceğimiz miktarlarda veri sağlayacak. Bu inovasyonlar önümüzdeki yıllarda arttıkça, rakiplerinden daha hızlı akıllılaşan şirketler bu yarışın kazananı olacak.

Kaynak: Harvard Business Rewiev