Tez No	İndirme	Tez Künye	Durumu
700149		Data science capability maturity model / Veri bilimi kabiliyet olgunluk modeli Yazar:MERT ONURALP GÖKALP Danışman: DOÇ. DR. ALTAN KOÇYİĞİT Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Enformatik Enstitüsü / Bilişim Sistemleri Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2021 114 s.
Günümüzde veri bilimi, rekabet avantajı elde etme, iş değeri yaratma ve kuruluşlar için gelir akışlarını yönlendirme konusunda önemli fırsatlar sunuyor. Veri bilimi, işletmelerin nasıl çalışması gerektiğine dair anlayışımızı da önemli ölçüde değiştirdi. Çağdaş bir organizasyonun hayatta kalabilmesi için veri bilimini iş süreçlerinin bir parçası olarak benimsemesi artık vazgeçilmezdir. Ancak kuruluşlar, bu potansiyel faydaları elde etmek için yürüttükleri veri bilimi girişimlerini yönetmede zorluklarla karşılaşmaktadır. Bu, kuruluşların veri bilimi yeteneklerinin olgunluğunu sürekli olarak değerlendirmek ve geliştirmek için kapsamlı ve yapılandırılmış bir model ihtiyacı olduğunu göstermektedir. Bu tez, kuruluşların mevcut güçlü ve zayıf yönlerini değerlendirmeleri, fark analizi yapmaları ve ilerlemelerinde sürekli iyileştirmeye yönelik bir yol haritası çizmeleri için teorik olarak temellendirilmiş bir Veri Bilimi Yetenek Olgunluk Modeli (DSCMM) önererek bu sorunu çözmeyi araştırmaktadır. DSCMM, 'Uygulanmıyor' ile 'Yenilikçi' arasında altı olgunluk seviyesinden ve Organizasyon, Strateji Yönetimi, Veri Analitiği, Veri Yönetimi, Teknoloji Yönetimi ve Destek olarak altı grup altında sınıflandırılan yirmi sekiz veri bilimi sürecinden oluşur. DSCMM'nin uygulanabilirliği ve yararlılığı, çeşitli büyüklük, endüstri ve ülkelerdeki kuruluşlarda yürütülen çoklu vaka çalışmalarıyla geçerlenmiştir. Vaka çalışması sonuçları, DSCMM'nin farklı ortamlarda uygulanabilir olduğunu ve kuruluşların mevcut veri bilimi olgunluk düzeylerini yansıtabildiğini ve veri bilimi yeteneklerini geliştirmek için önemli bilgiler sağlayabildiğini göstermektedir.
Today, data science presents immense opportunities in attaining competitive advantage, generating business value, and driving revenue streams for organizations. Data science has also significantly changed our understanding of how businesses should operate. In order to survive, it is now indispensable for a contemporary organization to adopt data science as part of its business processes. However, organizations face difficulties in managing their data science endeavors for reaping these potential benefits. This has led to the need for a comprehensive and structured model to continuously assess and improve the maturity of data science capabilities of organizations. This thesis seeks to address this problem by proposing a theoretically grounded Data Science Capability Maturity Model (DSCMM) for organizations to assess their existing strengths and weaknesses, perform a gap analysis, and draw a roadmap for continuous improvements. DSCMM comprises six maturity levels from "Not Performed" to "Innovating" and twenty-eight data science processes categorized under six headings: Organization, Strategy Management, Data Analytics, Data Governance, Technology Management, and Supporting. The applicability and usefulness of DSCMM are validated through a multiple case study conducted in organizations of various sizes, industries, and countries. The case study results indicate that DSCMM is applicable in different settings, is able to reflect the organizations' current data science maturity levels and provide significant insights to improve their data science capabilities.