Veri Kalitesi: Hatalı Veri Nereden Doğar, Nasıl Önlenir? (2026)

Veri Kalitesi Nedir? Dört Temel Boyut

Veri kalitesini tek bir sayıya indirgemek mümkün değil; birkaç boyuta birlikte bakmak gerekir

Veri kalitesi, en yalın haliyle verinizin işinize ne kadar yaradığıdır; yani onu kullanacağınız amaca uygunluğu. Kaliteli veri sağlam kararların zeminini oluşturur, kirli veri ise sizi fark ettirmeden yanlış yöne çeker. Pratikte bu kaliteyi dört boyutta ele alıyoruz:

1. Accuracy (Doğruluk)

Verinin gerçek dünyayı ne kadar doğru yansıttığıyla ilgilidir. Bir müşteri gerçekte “Atatürk Cad. No:15” adresinde oturuyorsa, sistemdeki kayıt da birebir öyle olmalı. Doğruluk hataları çoğunlukla şu biçimlerde karşımıza çıkar:

• Yazım hataları: “İstnabul” yerine “İstanbul”
• Değer hataları: Birim fiyatın 100 yerine 1000 girilmesi
• Referans hataları: Yanlış müşteri koduna bağlanmış sipariş
• Ölçüm hataları: kg yerine gram girilmesi

2. Completeness (Tamlık)

İhtiyaç duyduğunuz alanların eksiksiz doldurulmuş olması. Eksik veri hem analizleri yanıltır hem de iş akışlarını tıkar. En sık görülen tamlık sorunları:

• Zorunlu alan boşluğu: E-posta adresi olmayan müşteri kaydı
• Kısmi kayıt: Sokağı dolu, ilçe/il alanı boş adres
• İlişkisel eksiklik: Ürün kartına kategori tanımlanmamış olması
• Geçmiş eksikliği: Fiyat değişiklik geçmişi tutulmamış ürün

3. Consistency (Tutarlılık)

Aynı verinin farklı sistemlerde birbiriyle çelişmemesi. Bir bilginin iki yerde iki türlü görünmesi, göründüğünden çok daha ciddi operasyonel sorunlara yol açar:

• Format tutarsızlığı: Bir sistemde “TR-123456”, diğerinde “123456”
• Değer tutarsızlığı: CRM’de “Aktif”, ERP’de “Pasif” görünen müşteri
• Zamansal tutarsızlık: Sipariş tarihi, sevkiyat tarihinden sonra
• Hesaplama tutarsızlığı: Farklı raporlarda farklı toplam ciro

4. Timeliness (Zamanlılık)

Verinin güncel olması ve ihtiyaç anında elinizin altında bulunması. Eski veriyle alınan karar, baştan yanlış karardır:

• Geciken güncelleme: Fiyat artmış ama sistemde hâlâ eski fiyat duruyor
• Geciken entegrasyon: Sipariş bilgisi ancak ertesi gün ERP’ye düşüyor
• Arşivlenmemiş veri: 10 yıllık pasif kayıtlar aktif görünüyor
• Geciken doğrulama: Adres değişikliği aylar sonra fark ediliyor

Hatalı Veri Nereden Doğar? Kök Neden Analizi

Kök nedeni görmeden yapılan her temizlik geçici kalır

Veri kalitesi sorunları neredeyse her zaman üç kaynağa dayanır: insan, sistem ve süreç. Üçü de farklı bir müdahale biçimi ister; birini diğerinin yöntemiyle çözmeye kalkarsanız yalnızca vakit kaybedersiniz.

İnsan Kaynaklı Hatalar

Verinin elle girildiği her nokta, aynı zamanda bir hata ihtimalidir:

Veri Giriş Hataları

• Klavye hataları: “1234” yerine “1243” yazmak
• Kopyala-yapıştır hataları: Yanlış hücreyi kopyalamak
• Format hataları: Tarih formatını yanlış girmek
• Birim hataları: kg yerine adet girmek

Bilgi Eksikliği

• Eğitim eksikliği: Alanın ne anlama geldiğini 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 doldurmaca değerler

Sistem Kaynaklı Hatalar

Teknik altyapıdan ve yazılımdan kaynaklanan hatalar:

Entegrasyon Hataları

• Mapping hataları: Yanlış alan eşlemesi
• Dönüşüm kayıpları: Karakter seti dönüşümünde veri kaybı
• Senkronizasyon hataları: Zamanlama kaynaklı uyumsuzluk
• API hataları: Timeout sonrası kısmi veri aktarımı

Yazılım Hataları

• Bug’lar: Hesaplama veya kaydetme hataları
• Default değerler: Yanlış atanan varsayılan değerler
• Rounding hataları: Yuvarlama kaynaklı tutarsızlık

Süreç Kaynaklı Hatalar

İş süreçlerinden ve yönetimden kaynaklanan sorunlar:

Tasarım Eksiklikleri

• Validasyon eksikliği: Giriş kontrolü olmayan alanlar
• Standart eksikliği: Tanımlanmamış veri formatları
• Dokümantasyon eksikliği: Veri sözlüğünün olmaması

Yönetim Eksiklikleri

• Sahipsiz veri: Data steward atanmamış alanlar
• İzlenmeyen kalite: Metrik ve rapor eksikliği
• Denetim eksikliği: Periyodik kontrol yapılmaması

Validasyon Kuralları ve Veri Giriş Kontrolleri

Doğru kurulmuş bir validasyon, hatayı daha kapıda durdurur

Validasyon kuralları, hatalı verinin sisteme sızmasını önleyen ilk savunma hattıdır. Üç seviyede kurgulanır:

Seviye 1: Format Validasyonu

Verinin teknik biçiminin kontrolü:

• E-posta formatı: “xxx@domain.com” yapısı kontrolü
• Telefon formatı: “+90 5XX XXX XX XX” yapısı
• 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: İş Kuralı Validasyonu

İş mantığına uygunluk kontrolü:

• Aralık kontrolleri: Birim fiyat > 0, stok >= 0
• Liste kontrolleri: Ülke kodu geçerli listede mi?
• Referans kontrolleri: Müşteri kodu sistemde var mı?
• Mantık kontrolleri: İndirim oranı <= %100

Seviye 3: Cross-Field Validasyonu

Alanlar arasındaki ilişkilerin kontrolü:

• Tarih ilişkileri: Sipariş tarihi <= Sevkiyat tarihi
• Miktar ilişkileri: Sevk miktarı <= Sipariş miktarı
• Tutar ilişkileri: Tutar = Miktar x Birim Fiyat
• Kod ilişkileri: İl kodu + İlçe kodu uyumu

Validasyon Stratejileri

Giriş Anında Validasyon (Inline)

Kullanıcı yazarken anında uyarı verir. Hatayı doğduğu yerde durdurduğu için elimizdeki en etkili yöntem budur.

Kayıt Anında Validasyon (On Save)

Kaydet butonuna basıldığında tüm alanları birden denetler; böylece kullanıcı hataların tamamını tek seferde görür.

Batch Validasyon (Toplu)

Toplu yükleme ve entegrasyonlarda devreye girer. Hatalı satırları raporlayıp kullanıcıya düzeltme şansı tanır.

Periyodik Validasyon (Scheduled)

Mevcut verinin düzenli aralıklarla taranması. Zaman içinde bozulmuş kayıtları yakalamanın tek yolu budur.

Data Stewardship: Veri Yönetişimi Modeli

Veri kalitesi bir kez yapılıp bitirilen bir proje değil, sürekli yönetilen bir iştir. Data stewardship modeli de tam bu sürekliliği kurmak için vardır.

Data Steward Nedir?

Data steward, belirli bir veri alanının kalitesinden sorumlu olan iş birimi temsilcisidir. Dikkat edin: bu bir IT rolü değil, iş biriminin sahiplendiği bir görevdir. Başlıca sorumlulukları:

• Veri standartlarını tanımlamak ve dokümante etmek
• Kalite kurallarını belirlemek
• Veri sorunlarını inceleyip çözüme kavuşturmak
• Yeni kayıt açma taleplerini onaylamak
• Periyodik kalite raporlarını izlemek

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: İK Müdürü

Veri Yönetişimi Süreci

1. Tanımlama

• Veri sözlüğü oluşturun (her alanın tanımı, formatı, sahibi)
• Kalite kurallarını tanımlayın
• Ölçüm metriklerini belirleyin

2. Ölçüm

• Otomatik kalite skorlarını hesaplayın
• Dashboard’larda görselleştirin
• Trend analizleri yapın

3. İzleme

• Eşik değerler tanımlayın (örn: doğruluk > %98)
• Sapmalarda alarm oluşturun
• Düzeltici eylemi başlatın

4. İyileştirme

• Kök neden analizi yapın
• Süreç iyileştirmelerini uygulayın
• Eğitimleri güncelleyin

Veri yönetişimini kendi sektörünüz özelinde ele almak isterseniz sektör bazlı çözümlerimize göz atabilirsiniz.

Sahadan Örnek: Üretim Firması Vakası

Veri Kalitesinde En Sık Yapılan 7 Hata

1. Veri Kalitesini IT Sorunu Olarak Görmek

Veri kalitesi teknik bir konu değil, bir iş problemidir. IT araçları sağlar; ama kararlar ve sahiplik iş birimlerine aittir. Data steward’lar IT’den değil; Satış, Finans veya Operasyon’dan çıkmalıdır.

2. Tek Seferlik Temizlik Yapmak

“Bir kere temizledik, oldu bitti” yaklaşımı. Veri sürekli kirlenir. Validasyon kuralları, izleme mekanizmaları ve periyodik denetimler olmadan yaptığınız her temizlik geçici kalır.

3. Validasyon Olmadan Veri Kabul Etmek

Kullanıcıya girdiği her değeri kabul etmek, “sonra düzeltiriz” demek. Oysa hatayı kaynağında engellemek, sonradan temizlemekten çok daha ucuz ve çok daha etkilidir.

4. Veri Standartlarını Dokümante Etmemek

Herkesin kendi formatını uydurması, çünkü “bunu nasıl girmem gerekiyor?” sorusuna cevap veren yok. Veri sözlüğü ve giriş standartları yazılı ve kolay ulaşılır olmalıdır.

5. Kalite Metriklerini Ölçmemek

Ölçmeden “veri kalitemiz iyi” demek. Ölçemediğinizi yönetemezsiniz. Her veri kategorisi için doğruluk, tamlık, tutarlılık ve zamanlılık metrikleri tanımlanmalıdır.

6. Sadece Kritik Hatalar İçin Müdahale Etmek

Küçük kalite sorunlarını görmezden gelmek. Biriken küçük hatalar bir noktada büyük krize dönüşür. Proaktif izleme ve erken müdahale şarttır.

7. Kullanıcı Eğitimini Atlamak

Sistem kuruldu, validasyonlar tanımlandı; ama kullanıcı neden ve nasıl doğru veri gireceğini bilmiyor. Eğitim olmadan davranış değişmez.

Sistematik bir yaklaşım hatanın önünü baştan keser

Veri Kalitesi Başarı Metrikleri

Veri kalitesini yönetmek için ölçmeniz gereken temel metrikler (temsili hedef değerlerle):

Bu metrikleri haftalık ya da aylık periyotlarla takip edin ve zamana yayılan trendi mutlaka izleyin.

Veri Kalitesi Kontrol Listesi

Sıkça Sorulan Sorular (SSS)