Veri Kalitesi: Hatalı Veri Nereden Doğar, Nasıl Önlenir? (2026)
Veri Kalitesi Nedir? Dört Temel Boyut
Veri kalitesi, tek bir metrik değil, çok boyutlu bir değerlendirmedir
Veri kalitesi, verinin amacına uygun kullanılabilirlik derecesidir. Yüksek kaliteli veri, is kararlarını destekler; düşük kaliteli veri işe yanlis yönlendirmelere neden olur. Veri kalitesi, dört temel boyutta değerlendirilir:
1. Accuracy (Doğruluk)
Verinin gerçek dünya değerlerini doğru yansitiyor olması. Bir müşterinin adresi “Ataturk Cad. No:15” işe, sistemdeki kayıt da aynı olmalı. Doğruluk hataları genellikle su şekillerde ortaya çıkar:
- Yazım hataları: “Istnabul” yerine “Istanbul”
- Değer hataları: Birim fiyat 100 yerine 1000 girilmesi
- Referans hataları: Yanlis müşteri koduna bağlı sipariş
- Ölçüm hataları: kg yerine gram girilmesi
2. Completeness (Tamllik)
Gerekli tüm veri alanlarının dolu olması. Eksık veri, analizleri yaniltir ve is süreçlerini engeller. Tamllik sorunları:
- Zorunlu alan boşluğu: E-posta adresi olmayan müşteri kaydı
- Kismi kayıt: Başka alanı dolu, ilçe/il alanı boş adres
- Iliskisel eksiklik: Ürün kartına tanimli olmayan kategori
- Geçmiş eksikliği: Fiyat degisiklik geçmişi tutulmamis ürün
3. Consistency (Tutarlılık)
Farklı sistemlerdeki verilerin birbiriyle uyumlu olması. Aynı verinin farklı yerlerde farklı şekillerde görünmesi, ciddi operasyonel sorunlara yol açar:
- Format tutarsızlığı: Bir sistemde “TR-123456”, digerinde “123456”
- Değer tutarsızlığı: CRM’de “Aktif”, ERP’de “Pasif” müşteri
- Zamansal tutarsızlık: Sipariş tarihi, sevkiyat tarihinden sonra
- Hesaplama tutarsızlığı: Farklı raporlarda farklı toplam ciro
4. Timeliness (Zamanlılik)
Verinin güncel ve zamanlında erişilebilir olması. Eski veri, yanlis kararlar demektir:
- Geciken güncelleme: Fiyat artışı sistemde hala eski fiyatla
- Geciken entegrasyon: Sipariş bilgisi ertesi gün ERP’ye düşüyor
- Arsivlenmemis veri: 10 yıllık pasif kayıtlar aktif görünüyor
- Geciken doğrulama: Adres değişikliği aylar sonra fark ediliyor
Ipucu
Veri kalitesi boyutları birbirinden bağımsız değildir. Örnegin, tutarsız veri genellikle güncel olmayan (timeliness sorunu) veriden kaynaklanır. Kök neden analizinde tüm boyutları birlikte değerlendirin.
Hatalı Veri Nereden Doğar? Kök Neden Analizi
Hatalı verinin kök nedenlerini anlamak, kalıcı çözümler üretmenin on koşulu
Veri kalitesi sorunlarının uc temel kaynagi vardır: Insan, Sistem ve Süreç. Her kaynak, farklı müdahale stratejileri gerektirir.
Insan Kaynaklı Hatalar
Manüel veri girişinin olduğu her noktada insan hatası potansiyeli vardır:
Veri Giriş Hataları
- Klavye hataları: “1234” yerine “1243” yazmak
- Kopyala-yapıştır hataları: Yanlis hucreyi kopyalamak
- Format hataları: Tarih formatını yanlis girmek
- Birim hataları: kg yerine adet girmek
Bilgi Eksikliği
- Eğitim eksikliği: Alan anlamini bilmemek
- Prosedür eksikliği: Doğru giriş yöntemini bilmemek
- Referans eksikliği: Geçerli değerleri bilmemek
Kasıtlı Hatalar
- Zaman baskısı: Hızlı giriş için zorunlu alanları atlamak
- Sistem atlatma: Validasyonu geçmek için sahte değer girmek
- Tembel giriş: “X”, “.” gibi placeholder değerler
Sistem Kaynaklı Hatalar
Teknik altyapı ve yazılım kaynakları hataları:
Entegrasyon Hataları
- Mapping hataları: Yanlis alan eslemesi
- Dönüşüm kayıpları: Karakter seti dönüşümünde veri kaybı
- Senkronizasyon hataları: Zamanlama kaynakları uyumsuzluk
- API hataları: Timeout sonrası kismi veri aktarımı
Yazılım Hataları
- Bug’lar: Hesaplama veya kaydetme hataları
- Default değerler: Yanlis atanan varsayılan değerler
- Rounding hataları: Yuvarlama kaynakları tutarsızlık
Süreç Kaynaklı Hatalar
Is süreci ve yönetim kaynakları sorunlar:
Tasarım Eksiklikleri
- Validasyon eksikliği: Giriş kontrolü olmayan alanlar
- Standart eksikliği: Tanimlanmamis veri formatları
- Dokümantasyon eksikliği: Veri sözlüğü olmaması
Yönetim Eksiklikleri
- Sahipsiz veri: Data steward atanmamış alanlar
- Izlenmeyen kalite: Metrik ve rapor eksikliği
- Denetim eksikliği: Periyodik kontrol yapılmaması
Dikkat
Veri kalitesi sorunlarının %80’i süreç kaynaklarıdır. Teknoloji yatirimi yapmadan önce, veri giriş süreçleri, standartlar ve yönetişim modelini gözden geçirin. En pahalı yazılım bile kirli veriyi temizleyemez.
Validasyon Kuralları ve Veri Giriş Kontrolleri
Proaktif validasyon, hatalı verinin sisteme girişmini engeller
Validasyon kuralları, hatalı verinin sisteme girmesini engelleyen ilk savunma hattidir. Uc seviyede tanimlanir:
Seviye 1: Format Validasyonu
Verinin teknik formatının kontrolü:
- E-posta formatı: “xxx@domain.com” yapısi kontrolü
- Telefon formatı: “+90 5XX XXX XX XX” yapısi
- IBAN formatı: Ülke kodu + kontrol rakamı + BBAN
- Tarih formatı: GG.AA.YYYY veya YYYY-MM-DD
- Vergi numarası: 10 veya 11 haneli numerik
Seviye 2: Is Kuralı Validasyonu
Is mantigina uygünlük kontrolü:
- Aralık kontrolleri: Birim fiyat > 0, stok >= 0
- Liste kontrolleri: Ülke kodu geçerli listede mi?
- Referans kontrolleri: Müşteri kodu sistemde var mi?
- Mantık kontrolleri: Indirim oranı <= %100
Seviye 3: Cross-Field Validasyonu
Alanlar arası ilişki kontrolü:
- Tarih ilişkileri: Sipariş tarihi <= Sevkiyat tarihi
- Miktar ilişkileri: Sevk miktarı <= Siparis miktari
- Tutar ilişkileri: Tutar = Miktar x Birim Fiyat
- Kod ilişkileri: Il kodu + İlçe kodu uyumu
Validasyon Stratejileri
Giriş Anında Validasyon (Inline)
Kullanıcı veri girerken anında geri bildirim. En etkili yöntem, hatanın kaynağında engellenmesi.
Kayıt Anında Validasyon (On Save)
Kaydet butonu tıklandığında tüm alanların kontrolü. Birden fazla hatanın aynı anda gösterilmesi.
Batch Validasyon (Toplu)
Toplu veri yükleme veya entegrasyonda. Raporla hatalı satırlar, kullanıcıya düzeltme fırsatı ver.
Periyodik Validasyon (Scheduled)
Mevcut verilerin duzunli kontrolü. Zaman içinde kirlenmis verilerin tespiti.
Data Stewardship: Veri Yönetişimi Modelı
Veri kalitesi, bir kez yapılan değil sürekli yönetilen bir is. Data stewardship modelı, bu sürekliliği sağlar.
Data Steward Nedir?
Data steward, belirli bir veri alanının kalitesinden sorumlu is birimi temsilcisidir. IT değil, is birimi liderliğinde bir roldur. Sorumluluklar:
- Veri standartlarını tanımlama ve dokümante etme
- Kalite kurallarını belirleme
- Veri sorunlarını inceleme ve çözümleme
- Yeni kayıt açma taleplerini onaylama
- Periyodik kalite raporlarını izleme
Data Steward Atama Örnekleri
- Müşteri master: Satış Müdürü veya CRM Yöneticisi
- Tedarikçi master: Satın Alma Müdürü
- Ürün master: Ürün Yöneticisi veya R&D Müdürü
- Finansal veri: Finans Müdürü veya Muhasebe Şefi
- Çalışan verisi: IK Müdürü
Veri Yönetişimi Süreci
1. Tanımlama
- Veri sözlüğü oluştur (her alanın tanımı, formatı, sahibi)
- Kalite kuralları tanımla
- Ölçüm metriklerini belirle
2. Ölçüm
- Otomatik kalite skorlarını hesapla
- Dashboard’larda görselleştir
- Trend analizleri yap
3. Izleme
- Eşik değerler tanımla (örn: doğruluk > %98)
- Sapmalarda alarm oluştur
- Düzeltici eylem basalt
4. İ̇yileştirme
- Kök neden analizi yap
- Süreç iyileştirmeleri uygula
- Eğitimleri güncelle
Veri yönetişimi hakkında daha fazla bilgi için sektör bazlı çözümlerimizi inceleyebilirsiniz.
Sahadan Örnek: Üretim Firmesi Vakası
Durum
85 çalışanli elektronik üretici firma. Yeni ERP sistemine geçiş öncesi veri kalitesi analizi yapıldı. Sonuçlar endişe vericiydi: Müşteri master’da %18 duplikasyon, ürün kodlarında %12 format tutarsızlığı, BOM’larda %8 eksık bileşen tanimli. Firma, bu sorunları çözmeden ERP’ye gocmeyi planlamisti.
Uygulanan Adımlar
- Hafta 1-2: Veri profilleme ve kalite ölçümu. Dört temel boyutta mevcut durum analizi yapıldı. Her veri kategorisi için sorun envanteri çıkarıldı.
- Hafta 3-4: Data steward atamaları. Müşteri verisi için Satış Müdürü, ürün verisi için Üretim Planlama Şefi, tedarikçi verisi için Satın Alma Müdürü atandı.
- Hafta 5-8: Temizlik ve standardizasyon. Duplike kayıtlar birlesitirildi, format standartları tanimlandi, eksık BOM bileşenleri üretimle doğrulandi.
- Hafta 9-10: Validasyon kurallarının sisteme entegrasyonu. Yeni ERP’de 47 format, 23 is kuralı ve 12 cross-field validasyonu tanimlandi.
- Hafta 11-12: Kalite izleme dashboard’u ve periyodik raporlama mekanizmesi kuruldu. Haftalık kalite skorkart toplantıları başlatıldı.
Sonuç (Temsili)
- Müşteri duplikasyon oranı: %18 -> %0.5 (göç sonrası)
- Ürün kodu format tutarlılığı: %88 -> %99.2
- BOM tamllik oranı: %92 -> %99.8
- ERP göç süresi: Planlanan 6 ay yerine 4.5 ayda tamamlandı
- Go-live sonrası veri kaynaklı destek talepleri: Sektör ortalamasının %60 altında
Veri Kalitesinde En Sik Yapılan 7 Hata
1. Veri Kalitesini IT Sorunu Olarak Görmek
Veri kalitesi teknik değil, is problemidir. IT araç sağlar, ancak veri kalitesi kararları ve sahipliği is birimlerinde olmalıdir. Data steward’lar IT’den değil, Satış, Finans, Operasyon’dan gelmelidir.
2. Tek Seferlik Temizlik Yapmak
“Bir kere temizledik, tamam” yaklaşimi. Veri sürekli kirlenir. Validasyon kuralları, izleme mekanizmaları ve periyodik denetimler olmadan temizlik geçici kalır.
3. Validasyon Olmadan Veri Kabul Etmek
Kullanıcıların her değer girmesine izin vermek. “Sonra düzeltiriz” düşüncesi. Hatalı verinin kaynağında engellenmesi, sonradan temizlemekten çok daha ucuz ve etkilidir.
4. Veri Standartlarını Dokümante Etmemek
Herkesin farklı format kullanması. “Nasıl girmemiz gerekiyor?” sorusuna cevap olmaması. Veri sözlüğü ve giriş standartları dokümante edilmeli ve erişilebilir olmalıdir.
5. Kalite Metriklerini Ölçmemek
“Veri kalitemiz iyi” deyip ölçüm yapmamak. Ölçemediginizi yönetemezsiniz. Her veri kategorisi için doğruluk, tamllik, tutarlılık ve zamanlılik metrikleri tanimlanmali.
6. Sadece Kritik Hatalar İ̇çin Müdahale Etmek
Küçük kalite sorunlarını görmezden gelmek. Birikmiş küçük hatalar, büyük krizlere dönüşür. Proaktif izleme ve erken müdahale şart.
7. Kullanıcı Eğitimini Atlamak
Sistem kuruldu, validasyonlar tanimlandi ama kullanıcılar neden ve nasıl doğru veri gireceklerini bilmiyor. Eğitim olmadan davranış degisikigi olmaz.
Sistematik yaklaşim hataları engeller
Veri Kalitesi Başarı Metrikleri
Veri kalitesini yönetmek için ölçmeniz gereken temel metrikler (temsili hedef değerler):
| Metrik | Baslangic | Hedef | Ölçüm Yöntemi |
|---|---|---|---|
| Doğruluk Oranı (Accuracy) | %85-90 | >%98 | Örneklem doğrulama + otomatik kontrol |
| Tamllik Oranı (Completeness) | %70-80 | >%95 | Boş alan sayısı / Toplam zorunlu alan |
| Tutarlılık Oranı (Consistency) | %80-85 | >%99 | Sistemler arası karşılaştırma raporları |
| Zamanlılik Oranı (Timeliness) | %75-85 | >%95 | SLA uyum oranı + güncelleme gecikme süresi |
| Duplikasyon Oranı | %5-15 | <%1 | Fuzzy matching ile duplike tespit |
| Validasyon Ret Oranı | %10-20 | <%3 | Reddedilen kayıt / Toplam giriş denemesi |
| Veri Sorunu Çözüm Süresi | 5-10 gün | <2 gun | Sorun tespiti – çözüm arası ortalama süre |
| Data Steward Kapsamı | %30-50 | %100 | Sahipli veri alanı / Toplam veri alanı |
Bu metrikleri haftalık veya aylık periyotlarla takip edin ve trend analizleri yapın.
Veri Kalitesi Kontrol Listesi
Aşağıdaki kontrol listesi, veri kalitesi programiniz için kapsamlı bir rehberdir:
- Her master data kategorisi için data steward atandı
- Veri kalitesi politikası yazıldı ve onaylandı
- Kalite hedefleri ve KPI’lar belirlendi
- Eskalasyon prosedürü tanimlandi
- Veri sözlüğü (data dictionary) oluşturuldu
- Format standartları (tarih, telefon, adres) dokümante edildi
- Kodlama standartları (müşteri kodu, ürün kodu) tanimlandi
- Referans veri listeleri (ülke, sektör, kategori) merkezi tutulduyor
- Format validasyonları sisteme entegre edildi
- Is kuralı validasyonları tanimlandi
- Cross-field validasyonları aktif
- Toplu veri yükleme için validasyon raporu mevcut
- Otomatik kalite skoru hesaplanıyor
- Kalite dashboard’u oluşturuldu
- Periyodik kalite raporları üretiliyor
- Eşik değerleri aşımında alarm mekanizmesi var
- Veri sorunu raporlama mekanizmesi mevcut
- Kök neden analizi prosedürü tanimlandi
- Düzeltici eylem takibi yapılıyor
- Tekrarli sorunlar için süreç iyileştirmesi yapılıyor
- Veri giriş standartları eğitimi verildi
- Data steward’lar için rol eğitimi verildi
- Veri kalitesi farkindelik programı var
- Yeni çalışanlar için veri eğitimi oryantasyona dahil
Sikca Sorulan Sorular (SSS)
Projeniz İçin Destek Alın
Dijital dönüşüm yolculuğunuzda size rehberlik edebilirim. Ücretsiz ön görüşme için randevu alın.