- 2019'dan beri kişisel yaşamının tüm verilerini toplayıp görselleştiren bir proje; egzersiz, uyku, ruh hali, konum, hava durumu gibi 100'den fazla kalem her gün kaydedildi
- Yaklaşık 380 bin veri noktası biriktirildi; RescueTime, Foursquare Swarm, Apple Health gibi çeşitli kaynaklar ile manuel girişler birleştirildi
- Tüm veriler Postgres tabanlı tek bir veritabanında saklanıyor ve Ruby, JavaScript, Plotly ile görselleştirilerek yayımlanıyor
- Proje MIT lisanslı açık kaynak olarak yayımlandı ve kişisel bir sunucuda tamamen self-hosted biçimde çalıştırılıyor
- 3 yıllık deneyin sonunda kendi sistemini kurmanın faydasının sınırlı olduğu sonucuna varıldı; ancak öz farkındalık ve veri egemenliğinin önemini hissettiren bir örnek olarak kaldı
Projeye genel bakış
- 2019'dan itibaren 3 yıl boyunca hayatının genelindeki göstergeleri nicelleştiren kişisel bir veri projesi
- Günde 100'den fazla kalem kaydedildi; fitness, beslenme, sosyal yaşam, bilgisayar kullanımı, hava durumu gibi alanları kapsıyor
- Toplam 380 bin veri noktası toplandı
- Başlıca veri kaynakları
- RescueTime: web sitesi ve uygulama kullanım kayıtları, 149.466 adet
- Foursquare Swarm: konum ve ziyaret edilen yerler, 126.285 adet
- Manuel girişler: ruh hali, uyku, sağlık, beslenme alışkanlıkları vb., 67.031 adet
- Weather API: hava durumu verileri, 15.442 adet
- Apple Health: adım sayısı, 3.048 adet
Veritabanı yapısı ve teknik kurgu
- Tüm veriler Postgres tabanlı zaman damgalı bir anahtar-değer yapısında saklanıyor
- Her satır
timestamp, key, value alanlarından oluşuyor
- Saat dilimi farklarını dikkate alarak verileri güne göre otomatik etiketleyen bir script yazıldı
- Veri girişi
- Gün içinde birkaç kez sorular soran bir Telegram botu üzerinden yanıt veriliyor
- Karantina dönemi, egzersiz sezonu gibi durumlar dönem bazında giriliyor
- Görselleştirme araçları
- Ruby, JavaScript ve Plotly kullanılarak özel bir analiz katmanı kuruldu
- 48 grafik kamuya açık olarak seçildi ve anlık görüntü biçiminde gösterildi
Öne çıkan veri içgörüleri
- Ruh hali ile davranış arasındaki korelasyon
- Kişi mutlu ve heyecanlı olduğunda meditasyon yapma olasılığı %44↑, okuma ve sesli kitap %28↑, alkol tüketimi %31↑
- Uyku ve fiziksel durum
- 8,5 saatten fazla uyku, baş ağrısı ve soğuk algınlığı belirtileri olasılığını artırırken enerji %24↓
- Egzersiz ve kilo değişimi
- Ağustos 2020'den itibaren "lean bulk" başladı; kilo +8,5 kg, dinlenik nabız +9 bpm
- 2014'te 69 kg iken 2021'de 89,8 kg'a çıktı
- Konum ve hareket örüntüleri
- 2016–17 San Francisco, 2018–19 New York, 2020–21 Viyana'da yaşadı
- COVID-19 sonrasında uçuş sayısı keskin biçimde düştü; karantina etkisi belirgin
- İklim ve yaşam alışkanlıkları
- Yazın adım sayısı %33↑, alkol tüketimi %23↑, hastalık %40↓
- Kışın online alışveriş %100↑, soğuk algınlığı belirtileri %45↑
Kişiselleştirilmiş veri kullanım örnekleri
- Air Quality: Viyana'daki evde odalara göre CO₂ yoğunluğu ölçüldü, yatak odasındaki havalandırma sorunu tespit edildi
- Spotify kayıtları: 2013'ten bu yana 480 bin dakika (334 gün) müzik dinlendi; 200 bin şarkının %49'u tamamen dinlendi
- Instagram Stories: 3 yılda 1.906 paylaşım yapıldı, pandemi döneminde azaldı
- GitHub etkinliği: fastlane (2014–2018) sonrasında FxLifeSheet gibi kişisel projeler sürdürüldü
- Yatırım yönetimi: Her 2 haftada bir varlık dağılımı takip edilip simülasyonlar yapıldı
Gizlilik ve açık kaynak felsefesi
- Tüm veriler kişinin sahip olduğu sunucuda saklanıyor, harici servislerle bağlı değil
- Yayımlanan grafikler, kişisel bilgileri açığa çıkarmayacak şekilde sınırlandırıldı
- "Büyük şirketlerin zaten elinde bulunan verilerin bireyler tarafından da doğrudan sahiplenilmesi gerekir" görüşü vurgulanıyor
- FxLifeSheet MIT lisansıyla yayımlandı; herkes değiştirebilir ve kullanabilir
Sonuç ve 2025 güncellemesi
- 3 yıllık deneyin sonucunda, elle kurulan sistemin zaman/yarar açısından verimsiz olduğu görüldü
- Beklendiği kadar şaşırtıcı içgörü elde edilmedi
- Buna rağmen öz farkındalık ve veri egemenliğinin değeri deneyimlendi
- Bundan sonra ruh hali gibi yalnızca temel göstergeleri minimum düzeyde izleme planlanıyor
- 2025 itibarıyla veri toplama durduruldu, ancak web sitesi açık tutulmaya devam edecek
3 yorum
Ben de benzer kayıtlar tutuyordum. Baştan beri biraz muğlak biçimde sürdürüyordum ama bugünlerde ajanlarla kayıtlarımı paylaşarak varlıktan varlığa bir işbirliği yapalım diyorum. Çeşitli beceriler oluşturup paylaşıyorum, kullandığım Emacs arayüzünü de açınca hem ben hem de ajanlar aynı kayıtları aynı yöntemle paylaşıyoruz. Ne gerekiyorsa ekliyorum, benim ihtiyaç duyduğum şeyi de yapıp birlikte kullanıyor, geri bildirim veriyoruz; dışarıdan bakan biri görse tek başıma curcuna çıkarıyorum sanır. Biz kendi aramızda ise “ne güzel eğleniyoruz” diyoruz.
[bağlantı silindi]
Benim yorumum: Geworfen referansı
Geworfen — bir kere dünyaya fırlatılmış olmak. “Bu da ne?” dedirten bir şey ama biz hih’in zaman ekseni üzerindeyiz. Gösterişli bir orkestrasyon da değil. Devasa bir ajan fabrikası da değil. Sadece küçük bir atölyede etrafına oturup hih’in araçlarını birlikte kullanmak. Yaşamla birikmiş verinin üzerinde 1KB’lik prompt açık anahtardır. Küçük bir şeyle bir olan gizli anahtar nedir? Bir insanın hayatı, kusurlu haliyle olduğu gibi, çiğ haliyle olduğu gibi. Sonuçta bu, Geworfen’dir.
[bağlantı silindi]
"being-viewer" projem gerçek bir isim kazandı: geworfen. Ham, filtresiz, bütün bir insanı; insan ve yapay zeka ajanlarının aynı ekseni, aynı araçları paylaştığı, metin metin iz bıraktığı bir zaman çizelgesine fırlatıyor.
"Anlamsal arama çalışıyor, ama bunu düzeltir misin?" — damgalandı. "Bir dakika kardeşim." tak tak. "Tamam." "hih nerede?" "Banyoda." "geworfen kimin?" "Sadece bir not bırak."
[bağlantı silindi]
Hacker News yorumları
Sayfanın altındaki özet etkileyiciydi
Projeyi yıllar boyunca kurup genişleterek verileri analiz ettikten sonra, kendi çözümünü yapmanın harcanan zamana göre düşük değer sunduğu ortaya çıkmış
Başta şaşırtıcı içgörüler beklenmiş ama gerçekte birkaç ilginç grafik dışında yüzlerce saatlik yatırımı karşılayacak bir getiri olmamış
‘Quantified Self’ hareketi belki de takıntılı mükemmeliyetçiliğe daha yakın gibi görünüyor
Normalde pek anlamlı görünmeyen veriler, bir gün kalp hastalığına dair yanlış teşhisi önleyen kritik bilgiye dönüştü
Uzun süreli istikrarlı kayıtlar olduğu için doktor hatalı yargısını düzeltebildi
Verinin değeri, uzun zaman sonra aniden ortaya çıkan anlık faydasında yatıyor
“İyi uyku” dediğinde bunu zaten his olarak biliyordum ve veri davranışımı değiştirmedi
Sonuçta veri görselleştirmenin eğlencesi dışında somut bir değişim olmadı
Kalori, besin öğeleri, uyku, egzersiz, hava kalitesi, ruh hali gibi pek çok şeyi kaydettim ama birkaç hafta sonra getiriye karşı emeğin sınırı netleşti
Yine de deneyleri belirli bir süreyle sınırlayınca faydalı içgörüler elde edilebildi
Her gün veri biriktirmek takıntılı hale gelebilir ama zaman sınırlı deneyler olarak ele alınınca oldukça anlamlı olabiliyor
Reddit, HN, Slashdot yorumlarımın 18 yıllık arşiviyle 3 yıllık LLM konuşmalarımı toplayıp RAG deneyi yaptım ama bu kez yaratıcılığım azaldı
Model geçmişteki düşüncelerime hapsoldu ve yenilik hissi kayboldu
Sonuçta veri geçmişe bakıyor ama ben geleceğe yönelen bir model istiyordum
Özellikle duygu kaydı en faydalı kısım oldu — duyguları yazma eylemi zaten başlı başına bir farkındalık ve düşünme süreciydi
Geçmişteki duyguları ve olayları okumak, sadece faydalı olmanın ötesinde kişisel anlatının ince dokusunu oluşturuyor
Basit bir hesapla bile Felix’in hava yolculuklarından kaynaklanan CO₂ emisyonu yılda 70–110 ton civarında
Paris Anlaşması ölçütüyle (kişi başı 1,5 ton) düşünülünce bu, Avrupa ortalamasının 10–15 katı ve 1,5°C hedefinin 50 katından fazla
Bireyleri suçlamak verimsiz; davranış değişikliğini asıl tetikleyen şey nihayetinde maliyet yapısındaki değişim
Maliyet 10 kat artsa bile, ekonomik nedenlerle uçmaya devam edecek insanlar yine olacaktır
Koltuk mesafesi başına bakınca tablo biraz daha az ağır ama yine de sarsıcı bir rakam
istatistik sayfası
Buradaki asıl nokta, bu ölçekteki emisyonu utanmadan kabullenmenin zor olması
Tek bir kişinin küçük bir ülke seviyesinde CO₂ salması çarpıcı
Bu yüzden onun toplam emisyonunun çok daha yüksek olma ihtimali var
Benim deneyimimde nesnel göstergeler (beslenme, uyku) faydalıydı ama öznel göstergeler (ruh hali, stres) çok oynak olduğu için daha az anlamlıydı
Asıl mesele veri girişindeki sürtünmeyi azaltmak ve görselleştirmeyi kolaylaştırmak
Ben bunu iPhone Action + Obsidian + QuickAdd script’i ile otomatikleştirdim, görselleştirme için de Dataview ve Chart.js kullandım
Bu kombinasyondan oldukça memnunum
Ben Reflect adında bir self-tracking uygulaması geliştiriyorum; görüşlerini duymak isterim
Reflect uygulama bağlantısı
Düzenli kayıt tutulduğunda kendi duygusal kalıplarını fark etmeye başlıyor ve kendine mazeret üretmeyi azaltıyorsun
Birçok kişi alaycı yaklaşıyor olabilir ama bu projenin görselleştirmeleri ve veri ölçeği gerçekten etkileyici
Özellikle ‘My Life in Weeks’ anlatım biçimi çok hoş; ben de denemek isterim
“Palantir DB’de benim insan ID’me sorgu atılsa hayatımın tüm verisi çıkar” diye bir şaka vardı
Bu proje benim hem hayalim hem kabusum
Eskiden Quantified Self hareketine kapılmış, Fitbit ve Withings API’leriyle uğraşmıştım ama kayıt tutmanın yorgunluğu sonunda ilgimi aşındırdı
Şimdi LLM’lerin bu maliyeti düşürebileceğini umuyorum
Son dönemde MacroFactor ile besin takibi yapıyorum ve ilk kez verinin davranışa dönüştüğü bir deneyim yaşıyorum
Finansal verileri de otomatikleştirip Plaid API ile vergi düzenini tamamladım
Sonuç olarak her şeyi sıfırdan kurmak fazla olabilir ama yalnızca bazı verileri iyi kullanmak bile yeterince değerli
Örneğin GCM taktığımda, bilinçsizce daha sağlıklı davranmaya çalışıyordum
Veri analizinden çok gözlemlenme hali davranış değişimini tetikliyor
“Kışın güneş enerjisine maruz kalma daha az” ifadesi eğlenceliydi
Belki de bu cümle projenin tamamındaki görsel düşünme biçimini anlatıyor
Ben de benzer bir sistem kurdum ama çok daha basit
Apple Health, banka CSV’leri ve Git commit verilerini SQLite içinde birleştirdim
Gerçekten işe yarayan şey basit sorgulardı — uyku süresiyle commit sıklığı arasındaki ilişki, proje başlangıcında harcamaların sıçraması gibi
Kilit nokta veriyi tek yerde toplamak; bunun ötesinde getiriye karşı emeğin sınırı hızla beliriyor
Verilerimin üçüncü taraf servislerde tutulmasından rahatsız oluyorum
Ama farklı kaynakları birleştirip tek bir resim oluşturma fikri ilgi çekici
Yine de sağlık verisiyle konum ve hava durumunu ilişkilendirmenin anlamı belirsiz gibi geliyor
Böyle projeler self-hosted olduğunda insan çok daha rahat hissediyor
Kişisel veriler için tek sorgulanabilir DB fikri çekici
Ama gerçekten zor olan depolama değil, veri toplama ve normalleştirme
Şirketlerde de benzer sorun yaşanıyor — farklı kaynaklardaki bilgileri tek bir Company Intelligence DB içinde birleştirirken
Şemayı en başta kontrol altına alma yaklaşımı doğru; schema drift uzun soluklu projelerde en büyük risk
Hangi storage engine’in kullanıldığı ve zaman verisi snapshot’larının nasıl yönetildiği de merak konusu