# Veri Kalitesi İzleme: Boyutlar, KPI'lar ve Uyarılar

> Eksiksizlik, doğruluk ve güncellik için veri kalitesi izleme KPI'larını ve hatalı verilerin raporlara ulaşmadan yakalanmasını sağlayan uyarıları öğrenin.

Source: https://www.electe.net/tr/post/data-quality-monitoring

Site guide: https://www.electe.net/tr/llms.txt

Raporlarınız şık görünürken altındaki rakamlar gecikmiş, tekrarlanmış ya da eksik olabilir. **Veri kalitesi izleme** tam olarak bu sorunu çözer. Bir tahmin, yönetim kurulu sunumu ya da stok yenileme siparişi güvendiğiniz verileri kullanmadan önce onları kontrol eder. Hangi metriklerin izleneceğini, riskteki karara uygun eşiklerin nasıl belirleneceğini ve küçük bir ekibin harekete geçebileceği uyarıların nasıl kurulacağını öğreneceksiniz.

## Kötü Veri Bütçeyi Sessizce Nasıl Eritir?

Müşteri adları faturalamada ve CRM'de farklı olduğunda, birinin uyuşmazlığı bulup düzeltmesi gerekir. Bu iş, analize ayrılacak zamanı alır. Bunu satış, stok ve tedarikçi dosyalarına yaydığınızda, kayıtları uzlaştırmak için harcanan saatler puantajda görünür hale gelir.

### Para Nereye Gidiyor?

- **Görünen maliyetler:** Yeniden iş, manuel uzlaştırma, başarısız işlemler ve geciken raporlama için harcanan personel zamanı.
- **İzi sürülmesi daha zor maliyetler:** Yanlış bilgiye dayanan kararlar, kaçan fırsatlar, uyumluluk riski ve itibar kaybı.

**Veri kalitesi izleme**, geçersiz, eksik, tekrarlanan, tutarsız veya güncelliğini yitirmiş verileri operasyonlara ya da analitiğe ulaşmadan yakalayan düzenli kontroller anlamına gelir. Tek seferlik bir temizlik aylık raporu hazırlamaya yardımcı olabilir, ancak canlı veri akışları aynı hatalı kaydı kimse fark etmeden birden fazla çıktıya taşıyabilir. Bu yüzden [güvenilir tahminler temiz veriyle başlar](https://www.electe.net/post/data-preprocessing-steps). [Dönem kapanışında müşteri kayıtlarını tutarlı tutmaya yönelik](https://blog.loopfour.ai/blog/automatic-data-synchronization/) rutinler de manuel düzeltmeyi azaltabilir.

ELECTE gibi yapay zekâ destekli analitik araçlarında, eski veya eksik girdiler üretilen içgörüleri etkileyebilir. Güncellik, tamlık ve tutarlılık kontrolleri, bu çıktıların eldeki verilere dayanmasına yardımcı olur.

## Altı Boyut ve İzlenecek Metrikler

Güvenebileceğiniz tek bir kalite skoru yoktur. Bir veri akışı tam zamanında gelip yine de tekrarlanan kayıtlarla dolu olabilir. Neyin bozulduğunu net görebilmek için altı boyutu, her birinin kendi oranıyla ayrı ayrı izleyin.

BoyutNeyi ölçerMetrikŞu durumda uyarı ver**Bütünlük (Completeness)**Zorunlu değerlerin veya beklenen kayıtların mevcut olma oranıDolu zorunlu alanlar veya alınan kayıtlar / beklenen toplamNull oranı veya eksik kayıtlar artar ya da beklenen veri akışı boştur**Geçerlilik (Validity)**Sözdizimine, türe ve izin verilen aralığa uygunlukGeçerli kayıtlar / toplam kayıtlarGeçersiz oranı kabul edilen toleransı aşar**Doğruluk (Accuracy)**Gerçek dünya değerine yakınlıkEşleşen örnek veya mutabık kalınan tutar / kontrol edilen kayıtlarÖrnek hatası veya mutabakat farkı toleransı aşar**Güncellik (Timeliness)**Olay ile verinin kullanılabilir hale gelmesi arasındaki gecikmeOlay zamanından veri alımına veya sorguya kadar geçen dakika veya saat; p95 ve p99 raporlanırp95 güncellik SLA'yı karşılamaz veya gecikme baz değere göre sıçrar**Tekillik (Uniqueness)**Her gerçek varlık veya işlem için tek kayıtYinelenen anahtarlar / toplam anahtarlarYinelenme oranı tarihsel baz değere göre aniden yükselir**Tutarlılık (Consistency)**Aynı bilginin sistemler arasında uyumuUyuşmayan kayıtlar / karşılaştırılan kayıtlarSistemler arası uyumsuzluk toleransı aşar

### İlk Günden Ölçebileceğiniz Üç Boyut

[NIST QDAR veri kalitesi tanımları](https://www.nist.gov/itl/health-it-testing-infrastructure/testing-tools/qdar-quality-data-rest), **geçerliliği beklenen sözdizimine, türe ve aralığa uygunluk**, **bütünlüğü mevcut olabilecek bilginin ne kadarının yakalandığı** ve **güncelliği gerçek dünyadaki bir olay ile bunun kaydedilmesi veya kullanıma hazır hale gelmesi arasındaki gecikme** olarak tanımlar. Bu tanımlar doğrudan tablodaki formüllere dönüşür.

Bütünlük için dışarıdan bir payda gerekir. Beklenen işlem sayısı, varlık envanteri veya kaynak kontrol toplamı olmadan boş bir veri akışı sağlıklı görünür; çünkü sıfır kayıttan sıfır eksik alan mükemmel bir sonuç gibi okunur. Bir ürün kataloğu yönetiyorsanız, aynı mantık alınan SKU'ları beklediğiniz listeyle karşılaştırarak [katalog doğruluğunu ve bütünlüğünü iyileştirmenize](https://nanopim.com/post/dimensions-of-data-quality) de yardımcı olur.

> **Pratik kural:** Beklenen toplamı söyleyemiyorsanız bütünlüğü ölçemezsiniz. Yalnızca gelen verinin içinde nelerin boş olduğunu ölçersiniz.

### Ortalamalar Sorunu Neden Gizler?

Ortalamalar en çok gecikme ölçümünde yanıltır. Yirmi dakikalık ortalama bir gecikme, altı saat geç gelen küçük bir kayıt grubunu gizleyebilir; üstelik stok veya nakit kararını değiştiren kayıtlar çoğu zaman bunlardır. Bunun yerine **p95 ve p99 güncelliğini** izleyin. p95, kayıtların yüzde 95'inin altında kaldığı gecikmeyi gösterir; böylece kötüleşen kuyruk hemen görünür.

Doğruluk, geçerlilikten farklı çalışır ve ikisini karıştırmak yaygındır. Bir satış tutarı tüm format kontrollerinden geçebilir ve yine de yanlış mağazaya ait olabilir. Bunu ancak kayıtları güvenilir bir kaynakla karşılaştırarak örnekleyerek ya da toplamları mutabakata bağlayarak yakalayabilirsiniz. Bu nedenle [veri doğrulamanın pratik örnekleri](https://www.electe.net/post/data-validation-techniques), format kontrollerini kaynaklar arası karşılaştırmalarla birlikte kullanır.

Benzersizlik ve tutarlılık da oran kontrolleridir. Yinelenen anahtarların toplam anahtarlara bölünmesi, aynı işlemin iki kez kaydedilip kaydedilmediğini gösterir. Eşleşmeyen kayıtların karşılaştırılan kayıtlara bölünmesi ise iki sistemin aynı müşteri, fiyat veya bakiye üzerinde uyumlu olup olmadığını gösterir.

### Önce Referans Değer, Sonra Uyarı

Uyarı belirlemeden önce her metriği birkaç normal döngü boyunca çalıştırın. Ardından iki koşulda tetikleyin: kararlaştırılan limitin **mutlak olarak aşılması** ve hacim, boş değer oranları veya kategori dağılımında bu referans değere göre **ani bir değişim**. Yavaş bir sapma, bir Salı günü olağan satırların yarısını taşıyan ani bir veri akışından daha az önemlidir.

## Eşikleri Risk Altındaki Karara Göre Belirleyin

Günlük yönetici gelir raporu kısa bir veri alım gecikmesine tahammül edebilir. Bir sahtekârlık sinyali edemez. İkisine de aynı güncellik hedefini uygularsanız, ya raporu gereğinden fazla tasarlarsınız ya da risk kontrolünü yetersiz korursunuz. Eşikler soyut veri kümelerine değil, kararlara aittir.

[NIST bilgi kalitesi standartları](https://www.nist.gov/director/nist-information-quality-standards), **kabul edilebilir hata düzeylerinin iş önemine, kullanım amacına, zaman duyarlılığına, kalıcılığa ve mevcut kaynaklara göre belirlenmesini** önerir. NIST ayrıca bilgi kalitesini **fayda, bütünlük ve nesnellik** üzerinden tanımlar; bu da verinin yalnızca desteklediği iş için yeterince iyi olması gerektiğini, bundan daha kötü olmaması gerektiğini hatırlatan yararlı bir noktadır.

KararGüncellik ihtiyacıSorumluŞu durumda bir kişiyi arayınGünlük yönetici gelir raporuBirkaç saatlik kısa bir gecikme kabul edilebilirFinans analistiTahmin veya yönetim kurulu dosyası değişecekseStok yenilemeNeredeyse gerçek zamanlıOperasyon müdürüStok tükenme riski varsa veya bir promosyon yanlış tetiklenecekseNakit pozisyonuAynı gün veya gün içiFinans lideriÖdeme veya maaş zamanlaması risk altındaysaKara para aklama (AML) veya sahtekârlık sinyaliNeredeyse gerçek zamanlıUyum sorumlusuRisk skorunda önemli herhangi bir değişiklik olursaDüzenleyici veya uyum raporuRaporlama kesim saatine kadar hazırUyum sorumlusuBaşvurudan önce bir kontrol başarısız olursa

### Format Kontrolleri Kanıt Değildir

Sözdizimi, tür ve aralık testleri doğru olamayacak değerleri yakalar. Makul görünen bir değerin doğru olduğunu kanıtlayamazlar. Doğru biçimlendirilmiş bir tutar yanlış mağazaya, yanlış müşteriye ya da mükerrer bir işleme ait olabilir. Para hareketine yol açan kararlar için **iş kuralı kontrolleri** (bu sipariş müşterinin kredi davranışını aşıyor mu) ve **mutabakat kontrolleri** (toplam kaynak sistemle uyuşuyor mu) ekleyin.

> Uyarıları hata sayısına göre değil, iş etkisine göre yönlendirin. Elli boş isteğe bağlı alan, kayıp tek bir banka akışından daha az önemlidir.

### Faydalı Bir Uyarıda Neler Bulunur

- **Veri seti ve başarısız kural:** Hangi akış hangi kontrolü bozdu.
- **Referans değerden sapma:** Bugünkü değerin normalden ne kadar uzak olduğu.
- **Sonraki aşamalara etkisi:** Bu veriyi hangi rapor, tahmin veya model kullanıyor.
- **Sorumlu ekip:** İlk adımı atacak, adı belli kişi.

Küçük bir ekip için asıl maliyet gürültülü uyarılardır. Düşük değerli her uyarı, yüksek etkili bir hatanın ihtiyaç duyduğu dikkati tüketir ve insanlar kanalı tamamen görmezden gelmeye başlar. Uyarı hacmini aylık olarak gözden geçirin. Hiçbir kararı değiştirmemiş kuralları kaldırın, değiştirenleri sıkılaştırın.

## Sürekli İzleme ve Uyarılar Nasıl Çalışır

İzleme, bir şey ters gidiyormuş gibi hissettiğinizde göz attığınız bir pano değil, bir yönetim döngüsü olarak çalışır. [Veri kalitesi kavramlarına ilişkin ISO 8000-8 standardı](https://www.iso.org/standard/60805.html), kaliteyi bir yönetim süreci içinde ölçülebilir kabul eder. **ISO 8000-8:2015** kaliteyi ölçmenin temel kavramlarını belirler, **ISO/TS 8000-81:2021** yapı analizi, sütun analizi, veri seti istatistikleri ve ilişki analizi yoluyla profillemeyi tanımlar, **ISO 8000-100:2016** ise ana veri için bilgisayarla denetlenebilir gereksinimler ekler. Basitçe: iyinin neye benzediğini tanımlarsınız, belirli aralıklarla buna göre ölçersiniz ve kanıtları saklarsınız.

### Yedi Adımlı Rutin

1. **Kararları seçin ve sorumluları belirleyin.** Her veri setinin beslediği raporları ve eylemleri listeleyin, ardından veri seti başına bir sorumlu atayın. Sorumlu olmadan uyarılar herkesin sorunu olur, kimsenin işi olmaz.
2. **Bir referans profili çıkarın.** Normal bir dönemde satır sayılarını, boş değer oranlarını, değer aralıklarını, anahtar benzersizliğini ve tablolar arası ilişkileri kaydedin. Sonraki çalıştırmalar bu referansla karşılaştırılır.
3. **Küçük bir kural seti yazın.** Geçerlilik, eksiksizlik, güncellik, benzersizlik ve tutarlılığı kapsayın; doğruluk için de bir mutabakat ekleyin. Her kurala, bağlı olduğu karara göre bir hizmet seviyesi verin.
4. **Kuralları her yüklemede veya zamanlanmış olarak çalıştırın.** Her sonucu zaman damgasıyla saklayın. Saklanan geçmiş, bir denetçinin ya da gelecekteki sizin, neyin ne zaman başarısız olduğunu tam olarak görmesini sağlar.
5. **Referansla karşılaştırın.** Eşik aşımlarında ve hacim, boş değer veya kategori dağılımındaki ani kaymalarda uyarı verin; çünkü kayma çoğu zaman kesin bir aşımdan önce görülür. [Olağandışı satışları ve iadeleri tespit etmek](https://www.electe.net/post/anomaly-detection) de burada devreye girer; bunlar biçim kontrollerinden geçer ama örüntüyü bozar.
6. **Uyarıyı bağlamıyla yönlendirin.** Veri setini, kuralı, sapmayı, etkilenen raporu veya modeli ve sorumluyu tek mesajda gönderin. Bildirimi eyleme dönüştüren şey bağlamdır.
7. **Kullanımdan önce düzeltin veya karantinaya alın.** Hatalı kayıtları tahminin ya da yönetim kurulu dosyasının dışında tutun, mümkünse kaynağında düzeltin ve nedeni kaydedin. Kaydedilmeyen nedenler tekrarlanır.

### Planlamaya Değer İki Uç Durum

Bir kaynak sistemdeki **şema değişikliği**, tablolar arasındaki bir ilişkiyi bir gecede bozabilir. Profilleme adımınız bunu ancak ilişki kontrolleri aylık değil her yüklemede çalışırsa yakalar. **Geç gelen bir kaynak** ise tersi bir tuzak yaratır. Eksiksizliği yalnızca ulaşan veriye göre ölçerseniz, yarım gelen bir akış tam puan alır. Bunun yerine beklenen sayıya göre ölçün.

Başlangıç toleranslarını başkasının rakamlarını kopyalamak yerine kendi geçmişinizden ayarlayın. Karşılaştırılabilir dönemlerden kayan bir referans alın, uyarı bandını bu dönemlerin normal yayılımına göre belirleyin ve yalnızca incelenmiş bir yanlış alarmdan sonra genişletin. Her haftayı hangi kuralların tetiklendiğini ve hangilerinin bir kararı değiştirdiğini gözden geçirerek bitirin. Sistemi yalın tutan bu incelemedir.

## Kuralları Değiştiren Perakende ve Finans Örnekleri

Eksik bir mağaza akışı ve uyuşmayan bir nakit bakiyesi temel biçim kontrollerinden geçebilir, ancak her biri farklı bir iş kararını bozabilir. Doğru kalite testi, rakamların neyi yönlendireceğine bağlıdır.

### Perakendede Promosyonlar ve Stok

Mağaza ve SKU bazında planlanan bir promosyon için **eksiksizliği** beklenen mağaza-SKU sayısına göre ölçün. Yalnızca ulaşan satırları sayarsanız, eksik bir mağaza akışı sıfır talep gibi görünebilir. Sıkı bir **güncellik** hedefi de koyun: eski stok verisi, rafta zaten bulunan ürünler için yeniden sipariş tetikleyebilir ya da stok tükendikten sonra promosyonun sürmesine yol açabilir. **Benzersizlik** kontrolleri, mükerrer işlemleri talebi şişirmeden ve sonraki siparişi etkilemeden önce yakalar.

Eyleme dönüştürülebilir bir uyarı, etkilenen mağazaları, başarısız olan güncellik kontrolünü ve risk altındaki ikmal veya promosyon raporunu belirtir. Böylece operasyon müdürü, müşteriler kasaya ulaşmadan bu mağazalarda promosyonu durdurma şansı bulur.

### Finansta Nakit ve Uyumluluk

Nakit ve uyumluluk kararlarında **doğruluk**, bakiyelerin banka veya defterle mutabakatı anlamına gelir. Bir değer doğru biçimlendirilmiş olsa da yanlış olabilir. Maaş ve ödeme zamanlaması buna bağlıysa nakit verisini aynı gün veya gün içinde kontrol edin. **Tutarlılık** kontrolleri, müşteri tanımlayıcılarının defter ile risk dosyası arasında eşleştiğini doğrulamalıdır. Bir AML skorundaki önemli değişiklik, haftalık döngüyü beklemek yerine incelenmek üzere bir kişiye ulaşmalıdır.

Her veri setinin, rakamları bozulduğunda yanıt veren, adı belli bir sorumlusu olmalıdır. [Synq'in 2025 veri kalitesi kıyaslama anketi](https://synq.io/blog/2025-data-quality-benchmark-survey), katılımcıların yaklaşık %20'sinin tek başına 10.000 ABD dolarından fazlaya mal olan bir veri olayı yaşadığını bildirdi. Anket ayrıca, etkili test yapmaya dair bilgi eksikliğinin başlıca zorluk olduğunu, katılımcıların yaklaşık %40'ının ise veri kalitesi ve gözlemlenebilirlik yatırımlarını artırmayı planladığını ortaya koydu.

> Daha fazla uyarı, daha iyi kalite anlamına gelmez. Stok, nakit, tahminler ve resmi beyanlar için sahibi belli, kısa bir kontrol listesi; uzun bir kontrol listesine göre hem sürdürmesi hem de aksiyon alması daha kolaydır.

Bu kontroller operasyonel süreçleri destekler; hukuki veya uyum danışmanlığı değildir. Düzenlemeye tabi kararlar için gereklilikleri uyum sorumlunuzla veya danışmanınızla teyit edin.

## Belgeleri, Görselleri ve Diğer Girdileri İzleme

İzleme tavsiyelerinin çoğu tablolardaki boş değerler, şema değişiklikleri ve yinelenen kayıtlarla sınırlı kalır. Yapay zekâ analitiği artık belgeleri, e-postaları, görselleri, sesleri ve sensör verilerini de okuyor; bu girdiler ise daha sessiz biçimlerde bozuluyor. Taranmış bir faturanın boş değer oranı yoktur. Yanlış okunmuş bir ondalık ayracı vardır.

insideHPC'nin ele aldığı 2025 tarihli kurumsal yapay zekâ güveni raporuna göre, **kuruluşların üçte birinden azı şu anda yapılandırılmamış verileri yapay zekâ modellerine besliyor**, **veri ve analitik liderlerinin %42'si hâlâ yapay zekâ/makine öğrenimi çıktılarına güvenmiyor** ve **%51'i beceri açıklarını gözlemlenebilirlik olgunluğunun başlıca engeli olarak görüyor**. Bu girdilere yapılandırılmış gözlemlenebilirlik veya otomatik kalite kontrolleri uygulayanlar ise yalnızca küçük bir kesim.

### Altı Boyutun Uyarlanması

- **Eksiksizlik:** Eksik dosyalar, bir sözleşmede eksik sayfalar veya kaynak, yazar ve zaman damgası gibi eksik meta veriler.
- **Geçerlilik:** Dosya türü beklentiyle uyuşuyor, çıkarılan metin okunabilir ve zaman damgası gerçek bir tarih olarak ayrıştırılabiliyor.
- **Doğruluk:** Taranmış faturalarda, tutar ve tarihlerden alınan bir örneklemin kaynak belgeyle karşılaştırılmasıyla bulunan **OCR hata oranı**.
- **Tekillik:** Aynı sözleşmenin, e-postanın veya teslimat fotoğrafının farklı dosya adlarıyla iki kez alınması.
- **Güncellik:** Yine gerçek dünyadaki olay ile dosyanın analize hazır hâle gelmesi arasındaki gecikme.
- **Tutarlılık:** Etiketler ve kategoriler kişiler, lokasyonlar ve zaman boyunca aynı anlama gelir.

### Yalnızca Bu Girdilere Özgü Kontroller

Üç kontrolün tablolarda tam bir karşılığı yoktur. İnsanlar görselleri etiketlediğinde veya e-postaları işaretlediğinde **etiketleme tutarlılığı** önem kazanır; çünkü farklı standart uygulayan iki inceleyici analizinizi gürültüyle eğitir. **Kaynak izi (provenance)**, bir dosyayı hangi sistemin veya kişinin ürettiğini kaydeder; böylece hatalı bir içgörüyü kaynağına kadar izleyebilirsiniz. **Anlamsal kayma**, bir kategorinin anlamı değiştiğinde ortaya çıkar; örneğin şema hiç değişmediği hâlde şikâyetlerin yanı sıra iadeleri de kapsamaya başlayan bir destek etiketi.

Bir insanın nerede incelemesi gerektiği konusunda net olun. Hukuki ifadeler, klinik notlar ve küçük bir anlam hatasının tahmini, risk görünümünü veya müşteri aksiyonunu değiştireceği her durum insan gözü gerektirir. Otomasyon eksik bir zaman damgasını veya yükselen OCR hata oranını güvenilir biçimde işaretler. İnce bağlamı, e-postadaki alaycılığı veya bir yükümlülüğü tersine çeviren bir maddeyi değerlendiremez.

### Uzman Gerektirmeden Çalıştırabileceğiniz Başlangıç Seti

1. **Dosya varış kontrolü:** Beklenen dosyaların alınıp alınmadığı, bir takvime göre sayılır.
2. **Meta veri kontrolü:** Kaynak, yazar ve zaman damgası mevcut ve ayrıştırılabilir durumda.
3. **Çıkarım örneklemi:** OCR veya transkripsiyon hataları için her dönemde küçük bir belge grubu elle yeniden kontrol edilir.
4. **Yinelenen kayıt kontrolü:** Dosya karmaları veya belge kimlikleri, içe aktarmadan önce eşleştirilir.
5. **İnceleme kuyruğu:** Düşük güvenli çıkarımlar, kullanılmadan önce adı belli bir inceleyiciye yönlendirilir.

## Kontrolleri Parayı Etkileyen Kararlara Koyun

İyi bir izleme kuralı yalnızca bir veri alanını değil, bir kararı korur. Bir yenileme siparişini, nakit planını veya yönetim kurulu tahminini değiştirebilecek kontrolleri seçin, ardından bir kontrol başarısız olduğunda kimin harekete geçeceğine karar verin.

### İlk Haftanız

1. **Üç karar listeleyin:** Rakamlar yanlış olursa bu ay zarar verecek kararlar; örneğin stok yenileme, nakit veya yönetim kurulu tahmini.
2. **Her karar için kontroller belirleyin:** beklenen kayıtlar, geçerli değerler, güvenilir bir kaynakla uyum ve verinin ne kadar yakın zamanda güncellendiği.
3. **Bir sahip belirleyin** ve bu kişiye ne zaman bildirim yapılacağını yazın.
4. **Etkisi yüksek bir kural başarısız olduğunda** ilgili raporu bekletin veya işaretleyin; böylece şüpheli rakamlar bir karara yön vermeden önce incelenir.
5. **Bir hafta sonra uyarıları gözden geçirin.** Yararlı aksiyonu tetikleyen kuralları tutun, bir kararı değiştirmeyenleri kaldırın.

Electe, analist gerektirmeden veri analizi sunar. AI Ajanı gelir sapmasını analiz edebilir, tahmin modellerini karşılaştırabilir ve yönetim kurulu sunumları hazırlayabilir. Zamanlanmış raporlar güncel verileri kullanır ve bir önceki rapordan bu yana nelerin değiştiğini açıklar. Eşikleri yine ekibiniz belirler ve nasıl yanıt verileceğine yine siz karar verirsiniz.

Verilerinize erişimi merkezileştirmek ve dashboard'lar ile KPI'lar üzerinden incelemek için satış, muhasebe ve banka kaynaklarınızı [Electe](https://www.electe.net)'ye bağlayın. Bir sonraki yönetim kurulu dosyasından önce, işinizde parayı etkileyen üç karar için bir sahip atayın, bir eşik ve bir uyarı belirleyin.