Bir fark gözlemledik… ama sizce bu fark tesadüf mü, yoksa gerçekten bir anlamı var mı?

Veriyi bilgiye dönüştürme süreci genel olarak analitik birtakım araçlar kullanarak ve analitik düşünerek hayata geçirilir. Bu sırada sistematik yaklaşımlarla belli sorulara yanıtlar bulmaya çalıştığımız ve çoğu kez birbiriyle bağlantılı olarak ele alınan Betimleyici, Teşhis, Kestirimci ve Öngörü analitik süreçlerinden geçeriz. Veri analitiği süreçlerinin temeli  olan bu 4 analitik katman dışında, yanıt bulmaya çalıştığımız sorulara bağlı olarak kullanılabilecek başka analitikler de bulunmaktadır. Bunlardan birisi Çıkarımsal Analitiktir.

Çıkarımsal Analitik, veri içerisindeki örüntülerden yola çıkarak neden-sonuç ilişkisini anlamaya ve genellemeler yapmaya odaklanan bir katmandır. Büyük popülasyonlar hakkında çıkarımlarda bulunabilmek için çoğu kez daha küçük, temsili bir örneklem üzerinde analiz yapılır. Keşifsel Analitik sürecinde elde edilen hipotezler, burada istatistiksel yöntemlerle test edilir. Bu aşamada amacımız, keşifsel analitik sürecinde ortaya çıkartığımız örüntülerin ya da ilişkilerin rastlantısal mı yoksa anlamlı mı olduğunu belirlemektir. Bu tür istatistiksel testlerden sonra genellemelerle bilinmeyen değerler hakkında çıkarımlar yapılır. Bu nedenle süreçte istatistik, veri madenciliği ve makine öğrenmesi kritik bir rol oynar. 

Çıkarımsal Analitik sadece hipotez testleri ve genellemelerden ibaret olmayıp neden-sonuç ilişkilerini anlamaya yönelik analizleri de içerebilir. Bu tür neden sonuç ilişkilerini anlama değişkenler arasında bir ilişki olup olmadığını ortaya çıkarmak için korelasyon, regresyon analizi ve A/B testleri gibi tekniklerle gerçekleşir. Örneğin: “Daha fazla indirim alan müşteriler daha sık alışveriş yapıyor mu?” sorusunu cevaplamak çıkarımsal analitik sürecinde ele alınabilir. Benzer şekilde «İndirim almak müşterinin tekrar alışveriş yapmasına neden oluyor mu?»  ya da «Fiyat değişikliği müşteri sadakati üzerinde bir etkiye neden oluyor mu?» gibi sorular için A/B testleri düzenlenebilir.

Çıkarımsal analitik neden-sonuç ilişkilerini ortaya çıkarırken doğrudan nedensellik kurmaz. Hatta genellemeler yapılırken en büyük hata, korelasyonun nedensellik olarak yorumlanmasıdır. Korelasyonlar bir ilişkinin varlığını gösterse de neden-sonuç ilişkisinin olduğuna dair bir kesinlik sağlamaz. Örneğin, bir şirketin reklam harcamaları ile satış gelirleri arasında güçlü bir korelasyon olabilir. Ancak bu, doğrudan reklam harcamalarının satışları artırdığı anlamına gelmez. Belki de ekonomik büyüme gibi üçüncü bir değişken  hem reklam harcamalarını hem de satışları etkiliyordur. Nedenselliği belirlemek için ayrıca A/B testleri gibi deney veya istatistiksel kontrol yöntemleri gereklidir.”