Büyük veri, hacmi, üretilme hızı ya da çeşitliliği nedeniyle Excel ve sıradan bir veritabanıyla makul sürede saklanıp işlenemeyen veri kümesidir. Sensör akışları, web ve uygulama kayıtları, görüntüler ve milyonlarca işlem satırı tipik örneklerdir. İşletme için asıl soru verinin büyüklüğü değil, bu veriden hangi kararın daha hızlı ve daha doğru alınacağıdır.
Kısaca
- Büyük veri genellikle hacim, hız, çeşitlilik, doğruluk ve değer (5V) ile tanımlanır.
- Çoğu KOBİ'nin sorunu verinin büyüklüğü değil, ERP, CRM ve Excel arasında dağınık olmasıdır.
- Dağınık veri için ilk adım genellikle bir veri ambarıdır; sensör, log ve görüntü gibi hacimli veri için veri gölü eklenir.
- Drexel LeBow ile Precisely'nin 565 veri ve analitik uzmanıyla yaptığı 2025 Outlook araştırmasına göre katılımcıların %67'si kurumunun kullandığı veriye tam güvenmiyor.
- Başarılı bir büyük veri projesi teknolojiyle değil, cevaplanacak iş sorusuyla başlar.
Büyük veri tam olarak nedir?
Büyük veri (big data), geleneksel araçların kapasitesini aşan veri kümelerini anlatır. IBM'in tanımıyla büyük veri, geleneksel veri yönetim sistemlerinin başa çıkamadığı kadar büyük ve karmaşık veri kümeleridir. Kavram ilk olarak hacim, hız ve çeşitlilikten oluşan 3V ile anlatıldı; bugün bunlara doğruluk ve değer eklenerek oluşan 5V modeli yaygın olarak kullanılıyor.
Belirli bir terabayt eşiği yoktur. Bir firma için "büyük" olan, onun mevcut araçlarıyla makul sürede işlenemeyen veridir. Günde birkaç bin sipariş satırı üreten bir distribütör için bu eşik, saniyede yüzlerce sensör ölçümü toplayan bir fabrikaya göre çok farklıdır.
Burada dürüst bir ayrım yapmak gerekir. Türkiye'deki şirketlerin çoğu büyük veriyle değil, dağınık veriyle uğraşır: fatura ERP'de, teklif CRM'de, hedefler Excel'de durur ve aynı rakam üç farklı yerden üç farklı biçimde gelir. Bu sorunun çözümü dağıtık işleme kümeleri değil, verinin tek yerde ve tek tanımla toplanmasıdır.
Büyük verinin 5V'si neyi anlatır?
5V modeli, bir veri kümesinin neden özel araç gerektirdiğini beş açıdan inceler. Aşağıdaki tablo her boyutu bir işletme örneğiyle eşleştirir.
| Boyut | Ne anlatır? | İşletmeden örnek |
|---|---|---|
| Hacim (Volume) | Saklanan verinin miktarı | Yıllara yayılan makine sensörü ölçümleri, kamera görüntüleri |
| Hız (Velocity) | Verinin üretilme ve işlenme hızı | Üretim hattından saniyede gelen sayaç ve sıcaklık değerleri |
| Çeşitlilik (Variety) | Yapılandırılmış ve yapılandırılmamış veri karışımı | ERP tabloları, PDF sözleşmeler, e-postalar, log dosyaları |
| Doğruluk (Veracity) | Verinin güvenilirliği ve tutarlılığı | Mükerrer cari kartlar, eksik ürün kodları, farklı birimler |
| Değer (Value) | Veriden çıkan iş faydası | Arızayı önceden görmek, stok devrini hızlandırmak |
Tablonun son iki satırı en çok ihmal edilenlerdir. Hacmi ve hızı yöneten bir altyapı kurmak, verinin doğru ve iş için anlamlı olduğunu garanti etmez. Bu yüzden büyük veri konuşmasını veri yönetişimi ve veri kalitesi konuşmasından ayırmamak gerekir.
Kötü yönetilen veri şirkete neye mal olur?
Veri hacmi arttıkça hatalı veri de çoğalır ve kararlara sessizce sızar. Veri kalitesi uzmanı Thomas C. Redman, MIT Sloan Management Review'daki 2017 tarihli yazısında kötü verinin çoğu şirkete maliyetini gelirin %15–25'i olarak tahmin ediyor. Bu ölçülmüş bir oran değil, bir uzman tahminidir; yine de sorunun büyüklüğü hakkında fikir verir.
Güven sorunu da en az maliyet kadar önemlidir. Drexel Üniversitesi LeBow İşletme Fakültesi ile Precisely'nin 565 veri ve analitik uzmanıyla yaptığı 2025 Outlook araştırmasına göre katılımcıların %76'sı veriye dayalı karar almayı en önemli hedeflerinden biri olarak görüyor. Ancak %67'si kurumunun kullandığı veriye tam güvenmediğini söylüyor; %62'si ise veri yönetişimi eksikliğini yapay zeka girişimlerinin önündeki en büyük veri engeli olarak gösteriyor.
Günlük hayatta bu tablo tanıdıktır. Pazartesi toplantısında satış ve finans farklı ciro rakamlarıyla gelir, toplantı kararı değil rakamın hangisinin doğru olduğunu tartışır. Daha fazla veri toplamak bu sorunu büyütür; önce tanımları ve kaynakları düzene sokmak gerekir.
Büyük veri hangi alanlarda işletmeye değer katar?
Büyük verinin değeri, tek tek bakıldığında anlamsız görünen kayıtların birlikte örüntü oluşturmasından gelir. Aşağıdaki alanlar, orta ölçekli şirketlerde de karşılığı olan kullanım örnekleridir.
- Kestirimci bakım: Titreşim, sıcaklık ve akım ölçümleri birlikte izlenerek arıza belirtileri duruştan önce yakalanır. Ayrıntısı kestirimci bakım rehberimizde.
- Talep tahmini: Geçmiş satış, kampanya, mevsim ve hava durumu verisi birleştirilerek stok planı yapılır; yaklaşımı yapay zeka ile talep tahmini yazısında anlattık.
- Müşteri davranışı: Sipariş sıklığı, destek talepleri ve ödeme geçmişi birlikte okunarak kaybedilmek üzere olan müşteriler erken fark edilir.
- Enerji ve kaynak verimliliği: Sayaç verisi vardiya ve üretim adediyle eşleştirilerek birim başına tüketim izlenir.
- Kalite ve izlenebilirlik: Parti, makine ve operatör verisi bağlanarak hatanın kök nedeni daha hızlı bulunur.
Bu örneklerin ortak noktası, verinin tek bir sistemde değil birkaç kaynağın birleşiminde anlam kazanmasıdır. Sensör verisi gibi zaman damgalı akışlar için zaman serisi veritabanları ayrıca değerlendirilmelidir.
Şirketinizin gerçekten büyük veriye ihtiyacı var mı?
Bu soruya dürüst cevap vermek bütçeyi korur. Aşağıdaki tablo, veri ihtiyacına göre hangi yapının genellikle yeterli olduğunu özetler.
| Durumunuz | Genellikle yeterli yapı | Neden? |
|---|---|---|
| Raporlar Excel'de elle birleştiriliyor, 2–5 kaynak sistem var | Veri ambarı + BI dashboard | Sorun hacim değil, tutarlılık ve otomasyon |
| ERP, CRM ve e-ticaret verisi tek raporda isteniyor | Veri ambarı, konu bazlı veri setleri | Tanımlar bir kez yazılır, herkes aynı rakamı görür |
| Sensör, log, görüntü gibi hacimli ham veri birikiyor | Veri ambarı + veri gölü | Yapılandırılmamış veri ayrı ve ucuz katmanda tutulur |
| Saniyeler içinde tepki gereken akış verisi var | Akış işleme + zaman serisi veritabanı | Gecikme, toplu yüklemeyle kabul edilemez |
| Model eğitimi için yıllara yayılan büyük ham veri gerekiyor | Veri gölü / lakehouse + dağıtık işleme | Gerçek büyük veri senaryosu |
Tablodaki ilk iki satır, çoğu KOBİ'nin bulunduğu yerdir. Burada veri ambarı ve ETL kurmak, büyük veri altyapısından çok daha hızlı sonuç verir. Ham ve yapılandırılmamış veri arttığında veri gölü katmanı eklenir; iki yapının farkını veri gölü nedir yazısında karşılaştırdık.
Büyük veri projesine nasıl başlanır?
Büyük veri projeleri çoğunlukla "her şeyi toplayalım, sonra bakarız" yaklaşımıyla başarısız olur. Aşağıdaki sıra, yatırımı iş sonucuna bağlı tutar.
- İş sorusunu yazın. "Hangi müşteriler gelecek çeyrekte sipariş vermeyi bırakacak?" gibi tek ve ölçülebilir bir soru seçin.
- Gereken veriyi ve kaynağını çıkarın. Sorunun cevabı için hangi tabloların, sensörlerin ya da dosyaların gerektiğini listeleyin; sahibini belirleyin.
- Veri kalitesini ölçün. Boş alan, mükerrer kayıt ve birim farklarını sayın; kalite eşiğini baştan tanımlayın.
- Tanımları tek yere yazın. "Net satış", "aktif müşteri" gibi göstergelerin hesaplama kuralını yazılı hale getirin.
- Aktarım yöntemini seçin. Verinin dönüştürülüp mi yükleneceğine, yüklenip mi dönüştürüleceğine karar verin; seçenekleri ETL mi ELT mi yazısında açıkladık.
- İlk raporu canlıya alın. Tek bir dashboard ile kullanıcıların gerçekten karar verip vermediğini görün.
- Kapsamı adım adım büyütün. Yeni kaynakları, ancak önceki adım değer ürettiğinde ekleyin.
Bu sıra, maliyetin de kontrol altında kalmasını sağlar. Altyapı, lisans ve işletme giderlerini önceden görmek için veri ambarı maliyet kalemleri rehberine bakabilirsiniz.
Büyük veri projelerinde en sık yapılan hatalar nelerdir?
İlk hata teknolojiyle başlamaktır. Dağıtık bir küme kurmak etkileyici görünür; ancak cevaplanacak soru yoksa sistem bir süre sonra kimsenin bakmadığı bir depoya dönüşür.
İkinci hata veri sahipliğini belirsiz bırakmaktır. Bir göstergenin tanımından ve kaynağının doğruluğundan kimin sorumlu olduğu yazılmazsa, büyük veri yalnızca büyük karışıklık üretir. Üçüncü hata ise kişisel veriyi gözden kaçırmaktır: müşteri ve çalışan verisi içeren her kümede KVKK kapsamında amaç, saklama süresi ve erişim yetkisi baştan belirlenmelidir.
Son hata, raporu kullanıcıya göre tasarlamamaktır. Yönetici tek ekranda beş göstergeyi görmek ister; analist ise ham veriye inmek ister. Bu iki ihtiyacı aynı ekrana sığdırmaya çalışmak, iki tarafı da memnun etmez.
Digital Bridge büyük veri ve veri analitiğinde nasıl yardımcı olur?
Digital Bridge, veri analitiği projelerine teknolojiden değil, cevaplanacak iş sorusundan başlar. Önce hangi veriniz olduğunu, nerede durduğunu ve hangi kararı beslemesi gerektiğini birlikte çıkarır; ardından ihtiyacınıza uygun en sade mimariyi önerir.
Veri ambarı projelerinde ERP, CRM ve diğer kaynaklardan veriyi zamanlanmış ETL süreçleriyle çeker, yükleme sırasında boş alan ve mükerrer kayıtları ayıklar ve satış, üretim, finans gibi konu bazlı veri setleri hazırlar. Sensör akışları, log ve görüntü gibi hacimli veriler için ham, işlenmiş ve kullanıma hazır katmanları ayrılmış bir veri gölü katmanı kurar. Altyapı, veri hacminize göre kendi sunucunuzda ya da tercih ettiğiniz bulutta konumlanır.
Somut bir senaryo düşünelim: Faturaları ERP'de, teklifleri CRM'de, siparişlerinin bir kısmını pazaryerinde tutan bir dağıtım firması. "Net satış"ın tanımı ambarda bir kez yazılır, üç kaynak gece birleştirilir ve sabah açılan BI dashboard üzerinde herkes aynı rakamı görür. Gösterge tanımlarının ve erişim yetkilerinin düzenli kalması için veri yönetişimi ve kalite çalışmasını da aynı projeye bağlayabiliriz.
Büyük veriye geçmek için sonraki adım nedir?
Bir kâğıda üç şey yazın: en çok zaman alan rapor, bu raporu besleyen sistemler ve rakamların en sık tartışıldığı toplantı. Bu liste, ihtiyacınızın büyük veri mi yoksa düzenli bir veri ambarı mı olduğunu çoğu zaman tek başına gösterir. Excel'den otomatik raporlamaya geçiş adımları için Excel raporlamadan BI'ya geçiş yazısı iyi bir başlangıçtır; konuyla ilgili diğer rehberler veri konu sayfasında toplanıyor.
Verinizi ve hedefinizi birlikte değerlendirmek isterseniz iletişim sayfasından bize yazabilir ya da 0850 346 41 09 numaralı hattan ulaşabilirsiniz. İlk görüşmede mevcut kaynaklarınızı ve en öncelikli iş sorusunu netleştirir, size uygun mimariyi önerebiliriz.