10

Tarım sigortalarında geçmiş veriler üzerinden kurulan statik risk modellerinin, iklim değişikliğiyle birlikte ortaya çıkan yeni riskleri karşılamada yetersiz kaldığına dikkat çeken Veri Bilimci ve İstatistikçi Mehmet Ali Kaya, stokastik süreçler, Markov zincirleri ve makine öğrenmesi gibi yöntemlerle daha dinamik ve veri odaklı risk modellerinin önemini ele alıyor.

​Tarım sigortalarında yıllardır belli ezberler üzerinden gidiyoruz. İşin mantığı hep aynıydı: Geçmiş yılların verisine bak, bir ortalama çıkar ve buna göre bir risk primi belirle. Kağıt üzerinde harika duruyor ama sahada işler pek öyle yürümüyor. Bir gecelik ani bir don olayı ayların emeğini sıfırladığında, o güvendiğimiz "ortalamaların" hiçbir anlamı kalmıyor. Açıkçası, iklimin bu kadar dengesizleştiği bir dönemde sadece geçmişe bakarak geleceği fiyatlamak, dikiz aynasına bakarak otobanda hız yapmaya benziyor.

​Bir veri bilimci olarak risk modellerine baktığımda ilk gördüğüm şey şu: Statik modeller artık tıkanıyor. Bize sürekli kendini güncelleyen, dinamik sistemler lazım. Tam bu noktada işin içine stokastik süreçleri kattığımızda tablonun nasıl değiştiğini görüyoruz. Olayı sadece "don olacak mı, olmayacak mı?" gibi iki basit sonuca indirmek yerine, olasılıkların sürekli evrildiği senaryolar kurmak zorundayız.

​Örneğin, kendi çalışmalarımda da sıklıkla odaklandığım Markov zincirlerini ele alalım. Hava sıcaklığının ve iklim şartlarının dünden bugüne geçiş olasılıklarını modellediğinizde, sistem size standart bir hava durumundan çok daha fazlasını, adeta bir "risk haritası" sunuyor. Hava bugün aniden soğuduysa, yarına bunun şiddetli bir dona dönüşme ihtimali matematiksel olarak nedir? Algoritma her yeni veriyle bu ihtimali yeniden hesaplıyor.

​Tabi bu matematiği sadece bilgisayar ekranında bırakmamak gerek. Artık meteoroloji istasyonlarından, sensörlerden saniyede akan devasa bir veri yığını var. Klasik istatistikle bu verinin altından kalkmak imkansız. Ancak makine öğrenmesi modellerini doğru kurguladığımızda; rüzgar yönünden topraktaki neme, arazinin eğiminden rakıma kadar onlarca değişken arasındaki o gizli bağları yakalayabiliyoruz. "Bölgede don bekleniyor" demek yerine, "Şu rakımdaki, şu eğime sahip tarlada risk yüzde kaç arttı" diyebilecek noktaya geliyoruz.

​TARSİM'in önümüzdeki dönemde en büyük gücü bence bu veri odaklı dönüşüm olacak. Riski oluştuktan sonra tazmin etmek zaten işin doğasında var. Ama asıl başarı, o riski en ince ayrıntısına kadar önceden simüle edip, adil ve sürdürülebilir bir fiyatlama yapabilmek. Sektörün geleceği, o karmaşık yapay zeka algoritmalarını şeffaf, anlaşılır ve günün sonunda çiftçiye fayda sağlayan pratik modellere dönüştürmekte yatıyor.

​Mehmet Ali Kaya
Veri Bilimci ve İstatistikçi