Geçen hafta büyük bir veriden ziyade küçük bir verinin nesnelerin internetinin nasıl önemli bir parçası olabileceğini keşfettim. İkna edici bir şekilde açıklamak gerekirse, karar vermeyi geliştirmek için büyük veri ve küçük verilerin her ikisini de kullanan şirketleri araştırdım. Tesadüfen Boston dışında kadınların çocuk sahibi olması için bir mobil uygulama oluşturan Ovuline adında yaratıcı bir girişim buldum. Uygulama, kadınların hamile kalmasının en muhtemel olduğu zamanları tahmin etmek için verileri kullanıyor. Doğru anladınız.
Kadınlar, kişisel ve sağlıkla ilgili çeşitli bilgilerini ya elle ya da doğrudan FitBit ya da JawBone gibi giyilebilir bir cihaz yoluyla giriyorlar. Sonuçlar gerçekten etkileyici. Bu mobil uygulama 1.5 milyon üzerinde kadına adet döngülerini takip etmelerine ve daha hızlı hamile kalmalarına yardım etti. Ayrıca bu uygulama kadınlara hamilelik dönemlerinin farklı evreleri hakkında gerekli bilgiyi de sağlıyor.
CTO Alex Baron’ a göre:
‘Kullanıcılar verileri girdiğinde algoritmalar sayıları kullanır ve her veri göstergesinden kişisel tahminleri sağlayabilmek için bir şeyler alır. Tahminler çeşitli veri grupları kullanılarak yapılır. Bazı veri göstergeleri oldukça kişisel olabiliyor örneğin adet döngüsündeki değişimler ya da esas vücut sıcaklığındaki ani artışlar gibi. Bu daha küçük olan veri grupları aşırı kişiselleştirmeyi gösterir ve bir kullanıcı düzeyinde tahmin yapmak için kullanılırlar. Bir kişiden ne kadar fazla veri elde edilirse, o kadar doğru tahminler yapılır. Daha küçük veri profilleri, kişisel kullanıcıların sağlık davranışını anlayabilmek açısından çok önemlidir ve bu veriler çoğu zaman klinik kılavuzlardaki bilinen gerçeklerle ya da birçok kullanıcının verilerini olduğundan farklı göstererek yapılan tahminlerle genellenemez.(büyük veri).’
Ovuline, bebek beklentisi içinde olan annelere onların doğurganlık zamanının değiştiği ve döngü tahminlerinde güncellemeler olduğu zaman uyarı yolluyor ve güncel kişisel geri bildirim veriyor. Amaç kadınların en doğurgan olduğu zamanları bilmelerini sağlamak ve böylece hamile kalma şanslarını arttırmak.
Uygulama kişilerden elde edilen bütün veriler toplandığı zaman ve yüz milyonlarca veri göstergelerinden elde edilen devrim niteliğindeki kavrayışları ürettiğinde daha değerli hale geliyor.
Baron şunu da ekliyor:
‘Ovuline, kadınların en doğurgan olduğu günler süresince ve sonrasında vücutlarının nasıl çalıştığına dair oldukça ilginç görüşler elde ediyor. 25 hatta 250 kişilik bir duruşmada şüpheli olabilecek bir istatiksel kanıt, yüz binlerce kullanıcıdan toplandığında artık reddetmesi zor bir hale gelir. Yaptığı iç araştırmaları boyunca Ovuline çeşitli sağlık durumları ve semptomlar arasında güçlü bağlantılar da tespit etti. Diğerleri önceden bilinmezken bulgulardan bazılarının doğruluğu onaylandı ve mevcut literatür ile eşleşti. Kullanıcı davranışına böyle toplu bilgi uygulamak sonuçların değerini arttırıyor ve doğurganlığı ve hamileliği geleneksel takip etme yöntemlerini geçersiz kılıyor.’
Mobil uygulamaların karşılaştığı zorluklardan biri şudur ki, uygulamalar anlamlı tavsiyeler sağlayabilmek adına yeterli veri toplamak için güçlü kullanıcı etkileşimlerine ihtiyaç duyarlar. Kullanıcılar genellikle ilk zamanlar ilgilidir ancak bu işler çok sıradan ve hatta zamanla bir yük olmaya başladıklarında ilgilerini kaybederler. Ancak Ovuline kullanıcıları hamile kalma beklentisi ve hamilelik süreci için son derecede motive olmuş durumdadır. Etkin kullanıcı esası, Ovuline’e çok miktarda değerli bilgi toplamasına izin veriyor ve böylece daha iyi mantıksal analizler ve uyarılar oluşturmasına da yardım etmiş oluyor.
İşte Ovuline kullanıcıları hakkında bazı ilginç sayılar;
* 2 milyonun üzerinde indirilme
* Günde 1 milyon yeni veri noktası
* Rapor edilen 300 binin üzerinde hamilelik
* 80 saniyede bir yeni bir hamilelik
* Her 1.62 saniyede bir kullanıcının cinsel ilişkiye girdiğini belirtmesi
Ürün Geliştirme ve Pazarlama Başkan Yardımcısı Gina Nebesar’den verilerden birkaç yorum elde etmesini istedim. İşte bazı ilginç sonuçlar;
Yılın en üretken 5 günü:
* Sevgililer günü
* Yeni yıl
* Noel
* 4 temmuz (ABD bağımsızlık günü)
* Şükran günü
Doğurganlık süreleri süresince cinsel ilişkiye giren en çok kadının bulunduğu 5 eyalet:
* Idaho
* Vermont
* Nebraska
* Wyoming
* Iowa
Doğurganlık süreleri süresince cinsel ilişkiye giren en az kadının bulunduğu 5 eyalet:
* Washington DC
* Mississippi
* New York
* Kentucky
* Delaware
Bence Washington’da bu günlerde hiçbir şey yapılmadığını söyleyenler yalan söylemiyorlar!
2 milyonun üzerinde kullanıcısıyla Ovuline çeşitli kullanıcıların sağlam profillerini oluşturabiliyor ki bu da bireysel kullanıcı düzeyinde doğurganlık zamanları hakkında doğru tahminler yapabilmesini sağlıyor. Şirket hala erken zamanlarında ancak birileri mantıklı bir sonraki adımın tıp ve hastane sistemleriyle birleşmek olduğunu düşünebilir. Böylece kadınlar, doktorlar ve Ovuline arasında etkin bir iletişim oluşturulup veri paylaşımı yapılabilir. Takılabilen cihazlar daha yaygın oldukça ve tıbbi sistemler bağlantılı hale geldikçe biz de tıbbi ekosistem içinde daha sağlam bir birleşmenin oluşacağını ümit ediyoruz.
Bu benim son aylarda karşılaştığım birçok örnekten sadece bir tanesi. Algılayıcı verileri, gerçek zamanda veri toplamak ve kullanıcıların mevcut süreçlerini geliştirmeyi sonlandırması için daha doğru ve güncel geribildirim sağlamak için kullanılır. Biz sadece olabileceklerin birazını görmüş durumdayız.
Bu makale Mike Kavis’in 10 Mart 2015 tarihinde forbes.com’da yayınlanan yazısından çevrilmiştir.
