{"id":35631,"date":"2025-04-14T09:30:15","date_gmt":"2025-04-14T01:30:15","guid":{"rendered":"https:\/\/incit.org\/?p=35631"},"modified":"2025-04-21T14:25:49","modified_gmt":"2025-04-21T06:25:49","slug":"data-driven-or-data-delayed-how-manufacturers-can-leverage-advanced-analytics-to-unlock-data-driven-insights","status":"publish","type":"post","link":"https:\/\/incit.org\/tr\/thought-leadership\/data-driven-or-data-delayed-how-manufacturers-can-leverage-advanced-analytics-to-unlock-data-driven-insights\/","title":{"rendered":"Veri odakl\u0131 m\u0131 yoksa veri gecikmeli mi? \u00dcreticiler, veri odakl\u0131 i\u00e7g\u00f6r\u00fcleri a\u00e7\u0131\u011fa \u00e7\u0131karmak i\u00e7in geli\u015fmi\u015f analitiklerden nas\u0131l yararlanabilir?"},"content":{"rendered":"

Verilerle a\u015f\u0131r\u0131 y\u00fcklenmi\u015f bir d\u00fcnyaday\u0131z ve \u00fcreticiler bu d\u00fcnyada yol almak i\u00e7in ellerinden geleni yap\u0131yorlar. Ancak Forrester ara\u015ft\u0131rmas\u0131na g\u00f6re \u00fcreticilerin 'i verilerini kullanmakta zorlan\u0131yor. Bu sizin deneyiminiz i\u00e7in do\u011fru oldu\u011fu i\u00e7in ba\u015f\u0131n\u0131z\u0131 sall\u0131yor musunuz? Yaln\u0131z de\u011filsiniz - liderlerin y\u00f6netmesi gereken veri miktar\u0131 endi\u015fe verici bir h\u0131zla art\u0131yor Ankete kat\u0131lanlar\u0131n neredeyse y\u00fczde 50'si<\/a> verilerinin iki kat\u0131na \u00e7\u0131kt\u0131\u011f\u0131n\u0131 ve \u00f6n\u00fcm\u00fczdeki be\u015f y\u0131l i\u00e7inde, 2030'a kadar \u00fc\u00e7 kat\u0131na \u00e7\u0131kmas\u0131n\u0131 beklediklerini s\u00f6yl\u00fcyorlar. Ancak sorun sadece veri fazlas\u0131 de\u011fil, etkili analizlerin eksikli\u011fi.<\/p>\n

\u00dcretimde, veri sadece bir kaynak de\u011fildir; benzeri g\u00f6r\u00fclmemi\u015f \u00fcretkenlik ve karl\u0131l\u0131\u011f\u0131n kilidini a\u00e7an kataliz\u00f6rd\u00fcr. McKinsey and Co. sekt\u00f6rde analiti\u011fin d\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc g\u00fcc\u00fcn\u00fc \u00f6ne s\u00fcr\u00fcyor. Daha \u00f6nce, \u00fcreticiler BT yeteneklerinde geride kalm\u0131\u015flard\u0131, ancak geli\u015fen analiti\u011fi kullanmak, ham maddelerin tedarikinden bitmi\u015f \u00fcr\u00fcnlerinin sat\u0131\u015f\u0131na kadar s\u00fcre\u00e7lerini geli\u015ftirmek gibi verilerini i\u015fe koymalar\u0131n\u0131 sa\u011fl\u0131yor.<\/p>\n

Geli\u015fmi\u015f analitikler, \u00fcreticilerin gizli darbo\u011fazlar veya k\u00e2rs\u0131z \u00fcretim hatt\u0131 gibi daha \u00f6nce gizli kalm\u0131\u015f sorunlar\u0131 \u00e7\u00f6zmelerine de yard\u0131mc\u0131 olur; ancak daha da \u00f6nemlisi, analitikler \u00fcretim liderlerinin ger\u00e7ek zamanl\u0131 i\u00e7g\u00f6r\u00fclerden yararlanarak ger\u00e7e\u011fe dayal\u0131 kararlar almalar\u0131n\u0131 ve d\u00f6n\u00fc\u015f\u00fcm\u00fc y\u00f6nlendirmelerini sa\u011flar.<\/p>\n

Vasat analitikler \u00fcretim operasyonlar\u0131n\u0131 engeller, zay\u0131f karar almaya yol a\u00e7ar ve kritik veri zorluklar\u0131n\u0131 ele almada ba\u015far\u0131s\u0131z olarak inovasyonu engeller. Bir Deloitte ara\u015ft\u0131rmas\u0131, yakla\u015f\u0131k \u00dcreticilerin y\u00fczde 70'i<\/a> Veri kalitesi, ba\u011flamland\u0131rma ve do\u011frulama gibi konular\u0131n yapay zeka uygulamas\u0131n\u0131n \u00f6n\u00fcndeki en b\u00fcy\u00fck engeller oldu\u011funu tespit ediyoruz, ancak bu engellerin \u00fcstesinden gelmek i\u00e7in g\u00fc\u00e7l\u00fc analitikler \u015fart.<\/p>\n

G\u00fcn\u00fcm\u00fcz\u00fcn temel \u00fcretim analiti\u011fi zorluklar\u0131n\u0131 anlamak<\/h2>\n

\u00dcretim end\u00fcstrisinin bu kadar b\u00fcy\u00fck bir de\u011fi\u015fim ya\u015fad\u0131\u011f\u0131 son zaman, 20. y\u00fczy\u0131l\u0131n ortalar\u0131nda otomasyonun tan\u0131t\u0131lmas\u0131yd\u0131 ve bu, \u00fcretimi ve end\u00fcstriyi bir b\u00fct\u00fcn olarak etkili bir \u015fekilde devrim niteli\u011finde de\u011fi\u015ftirdi. G\u00fcn\u00fcm\u00fczde, analitik ba\u015fka bir devrimin \u00f6n saflar\u0131nda yer al\u0131yor ve ezici verileri eyleme d\u00f6n\u00fc\u015ft\u00fcr\u00fclebilir i\u00e7g\u00f6r\u00fclere d\u00f6n\u00fc\u015ft\u00fcrme g\u00fcc\u00fcne sahip olarak \u00fcretim sekt\u00f6r\u00fcn\u00fc fabrika kat\u0131ndan yukar\u0131ya do\u011fru d\u00f6n\u00fc\u015ft\u00fcr\u00fcyor. Ne yaz\u0131k ki, \u00fcretimdeki veri miktar\u0131 yapay zeka taraf\u0131ndan h\u0131zland\u0131r\u0131lan h\u0131zl\u0131 bir tempoda art\u0131yor ve bu zaten \u00f6nemli olan bir sorunu daha da k\u00f6t\u00fcle\u015ftiriyor: \u00e7ok fazla veri, yeterli zaman veya bazen onu analiz etmek i\u00e7in bilgi birikimi yok.<\/p>\n

Manufacturing Leadership Council raporu, \u00fcreticilerin neredeyse d\u00f6rtte \u00fc\u00e7\u00fcn\u00fcn verileri manuel olarak girmek i\u00e7in hala elektronik tablolara (!!!) g\u00fcvendi\u011fini, di\u011fer 'inin ise verileri analiz etmek i\u00e7in hala bunlar\u0131 kulland\u0131\u011f\u0131n\u0131 buldu. Ayr\u0131ca, verilerin ba\u015flang\u0131\u00e7ta g\u00fcvenilir olup olmad\u0131\u011f\u0131 sorunu da var. \u00c7o\u011fu ki\u015fi i\u00e7in cevap "hay\u0131r", \u00fcreticilerin yaln\u0131zca 25%'si verilerine y\u00fcksek g\u00fcven duyuyor. Ek olarak, di\u011fer veri zorluklar\u0131 aras\u0131nda verileri bar\u0131nd\u0131ran farkl\u0131 sistemler (53%), verilere eri\u015fim zorlu\u011fu (28%) ve verileri etkili bir \u015fekilde analiz etme becerisinin eksikli\u011fi (28%) yer al\u0131yor.<\/p>\n

Bu zorluklar ortadan kalkm\u0131yor ve \u00fcreticilerin geli\u015fmi\u015f analiti\u011fe olan kritik ihtiyac\u0131n\u0131 vurguluyor. Sa\u011flam analitik ara\u00e7lar\u0131, hi\u00e7bir elektronik tablonun veya insan\u0131n e\u015fle\u015femeyece\u011fi h\u0131zlarda \u00e7al\u0131\u015fabilir ve \u00fcreticilerin veri entegrasyonunu kolayla\u015ft\u0131rmas\u0131n\u0131 ve veri kalitesini garantilemesini sa\u011flar. Forbes, verilerin \u00fcretimin gelece\u011finin temeli olmas\u0131 gerekti\u011fini bildiriyor. Do\u011fru veriler, karma\u015f\u0131k analitiklerle birle\u015ftirildi\u011finde \u00fcreticilerin ve \u00e7e\u015fitli payda\u015flar\u0131n daha bilin\u00e7li kararlar almas\u0131n\u0131 sa\u011flayarak i\u015flerinin yaln\u0131zca gelece\u011fe haz\u0131r olmas\u0131n\u0131 de\u011fil, ayn\u0131 zamanda f\u0131rsatlar\u0131 yakalamas\u0131n\u0131 ve zay\u0131fl\u0131klar\u0131 en aza indirmesini sa\u011flar.<\/p>\n

Analitik odakl\u0131 stratejilerin ba\u015far\u0131n\u0131n anahtar\u0131 olmas\u0131n\u0131n nedeni \u2013 en \u00f6nemli 5 temel unsur<\/h2>\n

Geli\u015fmi\u015f analizler hem zorluklar hem de f\u0131rsatlar sunabilir, ancak liderler daha \u00f6nce hayal edilemeyen operasyonlar\u0131n temel alanlar\u0131nda ger\u00e7ek d\u00f6n\u00fc\u015f\u00fcm\u00fc ba\u015far\u0131yla a\u00e7\u0131\u011fa \u00e7\u0131kard\u0131\u011f\u0131nda faydalar \u00f6nemli \u00f6l\u00e7\u00fcde artar. Buna kaliteyi art\u0131rmak, performans\u0131 ve verimi iyile\u015ftirmek, maliyetleri d\u00fc\u015f\u00fcrmek ve tedarik zincirlerini optimize etmek dahildir. Y\u00f6neticilerin veri zorluklar\u0131yla ba\u015fa \u00e7\u0131kmak i\u00e7in bu stratejileri nas\u0131l kullanabilecekleri a\u015fa\u011f\u0131da a\u00e7\u0131klanm\u0131\u015ft\u0131r:<\/p>\n

1. Elektronik tablolar\u0131 bir kenara b\u0131rak\u0131n ve analitik destekli bir yakla\u015f\u0131m benimseyin:<\/h3>\n

G\u00fcncelli\u011fini yitirmi\u015f elektronik tablolar modern \u00fcretim taleplerine ayak uyduramaz. Verilere birle\u015fik bir yakla\u015f\u0131m oldu\u011funda analitik geli\u015fir. Gartner, \u00fcreticilerin "yap\u0131land\u0131r\u0131lm\u0131\u015f ve yap\u0131land\u0131r\u0131lmam\u0131\u015f verileri geli\u015ftirmek, d\u00fczenlemek, g\u00fcncellemek ve sunmak i\u00e7in d\u00fczenlenmi\u015f bir \u00e7er\u00e7eve ve s\u00fcrece" sahip olmas\u0131 gerekti\u011fine inan\u0131r, ancak biz bunu bir ad\u0131m \u00f6teye ta\u015f\u0131yarak her stratejinin birle\u015fik olmas\u0131 gerekti\u011fini savunuyoruz. Geli\u015fmi\u015f analitik, t\u00fcm \u00e7al\u0131\u015fanlar\u0131n tek bir ger\u00e7ek kayna\u011f\u0131ndan \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flayarak silolar\u0131 ortadan kald\u0131r\u0131r ve t\u00fcm operasyonlar\u0131 iyile\u015ftirir.<\/p>\n

2. G\u00fcncel olmayan s\u00fcre\u00e7leri kullanmay\u0131 b\u0131rak\u0131n ve geli\u015fmi\u015f analitik ve yapay zekaya yat\u0131r\u0131m yap\u0131n:<\/h3>\n

Deloitte, AI benimsemesinin \u00f6n ko\u015fulunun kaliteli verilere eri\u015fim oldu\u011funu ve kat\u0131l\u0131mc\u0131lar\u0131n d\u00f6rtte \u00fc\u00e7\u00fcn\u00fcn \u00fcretken AI stratejilerini desteklemek i\u00e7in veri ya\u015fam d\u00f6ng\u00fcs\u00fc y\u00f6netimi etraf\u0131ndaki yat\u0131r\u0131m\u0131 art\u0131rma y\u00f6n\u00fcnde bir de\u011fi\u015fim yapt\u0131klar\u0131n\u0131 s\u00f6yl\u00fcyor. Analitik platformlar da \u00f6nemlidir \u00e7\u00fcnk\u00fc kal\u0131plar\u0131 ortaya \u00e7\u0131karmak, s\u00fcre\u00e7leri optimize etmek ve gelecekteki zorluklar\u0131 \u00f6ng\u00f6rmek i\u00e7in \u00f6ng\u00f6r\u00fcc\u00fc ve tan\u0131mlay\u0131c\u0131 analitiklerden yararlan\u0131labilir ve veri odakl\u0131 karar almaya olanak tan\u0131r.<\/p>\n

3. Veri g\u00fcvensizli\u011fini giderin, veri kalitesini ve y\u00f6neti\u015fimini sa\u011flamak i\u00e7in analitik kullan\u0131n:<\/h3>\n

Gartner ara\u015ft\u0131rmas\u0131, \u00fcreticilerin \u00f6l\u00e7eklenebilir bir \u00fcr\u00fcn yelpazesi olu\u015fturduklar\u0131ndan emin olmalar\u0131 gerekti\u011fini g\u00f6steriyor. de\u011fer odakl\u0131 veri de\u011fi\u015fim s\u00fcreci<\/a> \u00c7e\u015fitli BT ve i\u015f verilerinin i\u015f kararlar\u0131n\u0131 y\u00f6nlendirmek i\u00e7in kullan\u0131m\u0131n\u0131n kilidini a\u00e7mak. \u201cVeri ve analitik y\u00f6neti\u015fim ilkelerini uygulayarak, CIO'lar karma\u015f\u0131k ekosistemler aras\u0131nda veri al\u0131\u015fveri\u015fini etkinle\u015ftirmek i\u00e7in gereken veri kalitesini sa\u011flayabilir.\u201d<\/p>\n

4. Analitik odakl\u0131 g\u00f6r\u00fcn\u00fcrl\u00fckle silolanm\u0131\u015f kaosu sonland\u0131r\u0131n:<\/h3>\n

Veriler silolar aras\u0131nda par\u00e7aland\u0131\u011f\u0131nda, \u00f6rne\u011fin kalite kontrol\u00fc etkilenebilir ve bu da kapsaml\u0131 analizler y\u00fcr\u00fctmeyi zorla\u015ft\u0131r\u0131r ve kusurlar\u0131n ve verimsizliklerin temel nedenlerini bulmay\u0131 zorla\u015ft\u0131r\u0131r. Gecikmeli karar alma da istenmeyen bir yan \u00fcr\u00fcn olabilir. Geli\u015fmi\u015f analizler, veri silolar\u0131n\u0131n art\u0131k operasyonel verimlili\u011fi etkilememesini sa\u011flayabilir, da\u011f\u0131n\u0131k bilgileri al\u0131p daha kaliteli \u00fcr\u00fcnler, ak\u0131c\u0131 s\u00fcre\u00e7ler ve daha h\u0131zl\u0131, daha ak\u0131ll\u0131 karar alma sa\u011flamak i\u00e7in bunlar\u0131 tutarl\u0131 i\u00e7g\u00f6r\u00fclere d\u00f6n\u00fc\u015ft\u00fcrebilir.<\/p>\n

5. Daha az d\u00fc\u015f\u00fcnme, daha fazla otomasyon ve ger\u00e7ek zamanl\u0131 izleme:<\/h3>\n

Geli\u015fmi\u015f sens\u00f6rler, makine izleme ara\u00e7lar\u0131 ve otomatik raporlama sistemleri, \u00fcreticilerin verileri ger\u00e7ek zamanl\u0131 olarak yakalamas\u0131na ve analiz etmesine olanak tan\u0131r, ancak analitik bu verileri, s\u00fcre\u00e7leri optimize eden ve sorunlar ortaya \u00e7\u0131kmadan \u00f6nce tahmin eden eyleme d\u00f6n\u00fc\u015ft\u00fcr\u00fclebilir i\u00e7g\u00f6r\u00fclere d\u00f6n\u00fc\u015ft\u00fcr\u00fcr. Ger\u00e7ek zamanl\u0131 veriler ve analitiklerin bu kombinasyonu, \u00fcreticilerin verimlili\u011fi art\u0131rmas\u0131na, kesinti s\u00fcresini azaltmas\u0131na ve zorluklar\u0131 h\u0131zla \u00e7\u00f6zmesine olanak tan\u0131r.<\/p>\n

Stratejiden ger\u00e7e\u011fe: Bir m\u00fc\u015fteri geli\u015fmi\u015f analizlerle milyonlar\u0131n kilidini nas\u0131l a\u00e7t\u0131<\/h2>\n

Veri odakl\u0131 bu d\u00fcnyada, analitik d\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc etkilere sahip olabilir ve veri stratejilerini eyleme d\u00f6n\u00fc\u015ft\u00fcr\u00fclebilir sonu\u00e7lara d\u00f6n\u00fc\u015ft\u00fcrebilir. Deloitte'a g\u00f6re, Daimler Trucks Asia, yap\u0131land\u0131r\u0131lm\u0131\u015f ve yap\u0131land\u0131r\u0131lmam\u0131\u015f verileri analiz eden proaktif bir alg\u0131lama platformu uygulamak i\u00e7in \u015firketle ortakl\u0131k kurdu ve bu da kalite sorunlar\u0131n\u0131n 13 ay \u00f6nce tahmin edilmesini ve \u00f6nceliklendirilmesini sa\u011flad\u0131. \u0130ki y\u0131l i\u00e7inde, bu analitik odakl\u0131 yakla\u015f\u0131m m\u00fc\u015fteriyi kurtard\u0131 $8 milyon<\/a> Garanti maliyetlerinde, analiti\u011fin ne kadar g\u00fc\u00e7l\u00fc olabilece\u011fini vurgulayarak, \u00fcretim liderlerinin daha \u00f6nce gizli kalm\u0131\u015f i\u00e7g\u00f6r\u00fcleri ortaya \u00e7\u0131karmas\u0131n\u0131, zorluklar\u0131 proaktif bir \u015fekilde \u00e7\u00f6zmesini ve \u00f6l\u00e7\u00fclebilir i\u015f de\u011ferinin kilidini a\u00e7mas\u0131n\u0131 sa\u011flar.<\/p>\n

Hemen harekete ge\u00e7in veya geride kal\u0131n - analitik odakl\u0131 bir zihniyeti benimsemenin neden kritik \u00f6neme sahip oldu\u011fu<\/h2>\n

Veriler endi\u015fe verici bir h\u0131zla akmaya devam ederken, \u00fcretim liderleri kritik bir kav\u015faktalar ve bu da onlar\u0131n yaln\u0131zca zorluklarla do\u011frudan y\u00fczle\u015fmelerini de\u011fil, ayn\u0131 zamanda bu f\u0131rsat\u0131 analiti\u011fin g\u00fcc\u00fcyle yakalamalar\u0131n\u0131 gerektiriyor. Eylem penceresi daral\u0131yor, bu da y\u00f6neticilerin rekabet\u00e7i kalmak i\u00e7in geli\u015fmi\u015f analitik yoluyla verilerinin potansiyelini yakalamak i\u00e7in hemen harekete ge\u00e7meleri gerekti\u011fi anlam\u0131na geliyor. \u0130\u015f liderleri geli\u015fmi\u015f analitik uygulayarak, stratejik yat\u0131r\u0131mlar\u0131 y\u00f6nlendiren, politikalar\u0131 \u015fekillendiren ve yenilik\u00e7i teknolojilerin benimsenmesini optimize eden daha h\u0131zl\u0131 karar almaya olanak tan\u0131yan i\u00e7g\u00f6r\u00fcleri a\u00e7\u0131\u011fa \u00e7\u0131karabilirler.<\/p>\n

INCIT gibi ak\u0131ll\u0131 bir \u00fcretim uzman\u0131yla ortakl\u0131k kurduktan sonra, \u00fcretim liderleri, Ak\u0131ll\u0131 End\u00fcstri Haz\u0131rl\u0131k Endeksi (SIRI) veya T\u00fcketici S\u00fcrd\u00fcr\u00fclebilirlik End\u00fcstri Haz\u0131rl\u0131k Endeksi (COSIRI) taraf\u0131ndan dijital olgunluk veya ESG de\u011ferlendirmesinin ard\u0131ndan XIRI-Analytics gibi analitik \u00e7\u00f6z\u00fcmlerden faydalanarak yeni veri odakl\u0131 i\u00e7g\u00f6r\u00fcler ortaya \u00e7\u0131karabilir ve \u00fcretim i\u015fletmelerinin s\u00fcrekli iyile\u015ftirmeye giden yollar\u0131 a\u00e7mas\u0131na olanak tan\u0131r. XIRI-Analytics, verimlili\u011fi, rekabet g\u00fcc\u00fcn\u00fc ve s\u00fcrd\u00fcr\u00fclebilirli\u011fi art\u0131rmak i\u00e7in \u00fcreticilere veriye dayal\u0131 karar alma, k\u00fcresel k\u0131yaslama, maliyet profili ve GHG profili sa\u011flar.<\/p>\n

Platform, derinlemesine analiz i\u00e7in ilgili verileri \u00fcretecek ve toplayacak, h\u00fck\u00fcmetler, politika yap\u0131c\u0131lar, \u00f6zel \u015firketler, finans kurulu\u015flar\u0131 ve sermaye \u015firketleri de dahil olmak \u00fczere i\u015fletmeler ve \u00e7e\u015fitli payda\u015flar i\u00e7in kapsaml\u0131 faydalar sa\u011flayan d\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc bir ara\u00e7 olarak ortaya \u00e7\u0131kacakt\u0131r. Daha fazla bilgi edinmek i\u00e7in \u015fu adresi ziyaret edin: INCIT web sitesi<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"

Verilerle dolu bir d\u00fcnyada ya\u015f\u0131yoruz ve \u00fcreticiler bu d\u00fcnyada yol almak i\u00e7in ellerinden geleni yap\u0131yorlar. Ancak Forrester ara\u015ft\u0131rmas\u0131na g\u00f6re, \u00fcreticilerin 'i gibi \u015fa\u015f\u0131rt\u0131c\u0131 bir oranda verilerini kullanmakta zorlan\u0131yor. Bu durum sizin deneyiminiz i\u00e7in de ge\u00e7erli oldu\u011fu i\u00e7in ba\u015f\u0131n\u0131z\u0131 sall\u0131yor musunuz? Yaln\u0131z de\u011filsiniz; liderlerin y\u00f6netmesi gereken veri miktar\u0131 [\u2026]<\/p>","protected":false},"author":3,"featured_media":35632,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[17],"tags":[],"class_list":["post-35631","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-thought-leadership"],"acf":{"topic":"data analytics"},"_links":{"self":[{"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/posts\/35631","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/comments?post=35631"}],"version-history":[{"count":2,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/posts\/35631\/revisions"}],"predecessor-version":[{"id":35634,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/posts\/35631\/revisions\/35634"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/media\/35632"}],"wp:attachment":[{"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/media?parent=35631"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/categories?post=35631"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/incit.org\/tr\/wp-json\/wp\/v2\/tags?post=35631"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}